Optymalizacja konstrukcji półskorupowej z uzyciem algorytmu genetycznego

• Autorzy: Łodygowski T. , Szajek K. , Wierszycki M.

Warianty tytułu

EN

Semi-monocoque optimization using genetic algorithm

• Języki publikacji: PL

Abstrakty

PL

Elementy powłokowe wzmacniane podlużnicami oraz wręgami, ze względu na mały ciężar w stosunku do nośności, są bardzo często stosowane w przemyśle lotniczym. Podstawowa zaleta jaką jest duża współpraca elementów powłokowych i prętowych powoduje jednocześnie trudności w ich projektowaniu. W artykule opisano optymalizację półskorupowej konstrukcy z wykorzystaniem algorytmu gentycznego. Podstawowym celem optymalizacji była redukcja masy przy ograniczeniach naprę żeniowych i stateczności powłoki.

EN

The semi-monoco\que structure is very often used in the aerospace industry. The key advantage of this kind of structure n a łow weight of it in relation to load capacity. However, the particular characteristic of semi-monocoque structure - cooperatiot between frame andstressed skin is simultaneously a source ofkey disadvantage of it. This paper describes the design optimization semi-monocoque using genetic algorithm. The primary objective of optimization is reduction of weight and key limitation is local stability of the skin. Authors discuss used optimization algorithm and numerical models. The focus is on optimization procedures.

Słowa kluczowe

PL

konstrukcja półskorupowa; algorytm genetyczny; elementy powłokowe

EN

semi-monocoque structure; genetic algorithm

• Wydawca: Instytut Górnictwa Odkrywkowego "Poltegor-Instytut"
• Czasopismo: Górnictwo Odkrywkowe
• Rocznik: 2010
• Tom: R. 51, nr 3
• Strony: 88--92
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Łodygowski T.

autor

Szajek K.

autor

Wierszycki M.

• Instytut Konstrukcji Budowlanych, Politechnika Poznańska

Bibliografia

• [1] ABAQUS Manuals, SIMULIA, inc. providence, USA, 2009.
• [2] Burczyński t., Długosz A., Kuś W., Parallel evolutionary algorithms in shape optimization of heat radiators. Journal of Theoretical and Applied Mechanics 2006,44 (2): 351-366.
• [3] Hao H.K., Rowlands R.E., Reducing tensile stress concentration in performed hybrid laminate by genetic algorithm. composites science and technology 2007, 67 (13): 2877-2883.
• [4] Eduardo S.C., Ferreira E.G, Lemonge A.C., Fonseca L.G. Barbosa H. J.C., A genetic algorithm for structural optimization of steel roofs. proc. of the 25th Iberian Latin-American Congress on Computational Methods in Engineering, 2004.
• [5] Giunta A. A., Aircraft miltidisciplinary desing optimization using design of experiment theory and response surface modeling methods. Rozprawa doktorska, Viginia Polytechnic, 1997.
• [6] Goldberg D.E., Genetic Algorithm in Search, optimization and machine learning, lst Edition, Addison-Wesley Professional, 1989.
• [7] Guerlement G., Targowski R., Gutkowski W., Zawidzka I, Zawidzki J., Discrete minimum weight design of steel structures using EC3 code structural and multidisciplinary optimization, 22 (2001) 322-327.
• [8] Łodygowski T., Szajek K., Wierszycki M., Optimization of dental implant using genetic algorithm. Journal of Theoretical and Applied Mechanics 2009; 47 (3): 573-598.
• [9] Myers, R. H., Montgomery, D. C, Response Surface Methodology: process and product optimization using designed experiments. John Wiley & Sons, New York, NY, 1995.
• [10] Michalewicz Z., Schoenauer M., Evolutionary Algorithms for Constrained Parameter Optimization Problem. evolutionary computation 1996 4 (1): 1 -32.
• [11] Szajek K, Kąkol W., Łodygowski T., Wierszycki M., Optimization module for Abaqus/CAE based on Genetic Algorithms. Proceedings of Abaqus Users' Conference, Newport, USA: 447-462; 2008.
• [12] Toropov V.V., Mahfouz S.Y., Design optimization of structural steelwork using a genetic algorithm, FEM and a system of design rules, Engineering Computations, 18, 3/4 (2001) 437-459.
• [13] Voss M.S., Foley M.C., Evalutionary Algorithm for structural Optimization. A joint meeting of the eighth International Conference of Genetic Algorithm (ICGA-99) and the Fourth Annual Genetic Programming Conference (GP-99), Orlando, Floryda;1999.