ارائه‌کننده: امیر نوروزی چلچه

استاد راهنما: دکتر مهدی سجادپور

استاد ناظر داخلی:  دکتر احسان طاعتی

استاد ناظر خارجی: دکتر سید علی حسینی کردخیلی

تاریخ: 1405/06/29

ساعت: 11:30

مکان: دانشکده فنی و مهندسی، طبقه سوم، کلاس 351

چکیده:

پوسته‌های استوانه‌ای تابعی دوار به دلیل کاربرد گسترده در سامانه‌های مهندسی، توربوماشین‌ها، سازه‌های هوافضایی و تجهیزات دوار، تحت تأثیر همزمان عوامل مکانیکی و حرارتی قرار داشته و بررسی رفتار دینامیکی آن‌ها از اهمیت ویژه‌ای برخوردار است. در این پژوهش، بهینه‌سازی رفتار دینامیکی پوسته استوانه‌ای تابعی دوار با ضخامت متغیر و توزیع تابعی مورد بررسی قرار گرفته است. برای این منظور، یک پوسته استوانه‌ای با ضخامت متغیر در راستای محوری در نظر گرفته شده و تغییرات ضخامت آن با تابع درجه دوم توصیف شده است. خواص مکانیکی ماده تابعی با استفاده از قانون توانی در راستای ضخامت تعیین شده، سرعت دوران و گرادیان دمایی نیز در مدل‌سازی لحاظ شده است. میدان دمایی پوسته بر اساس معادله هدایت حرارتی پایا تعیین شده و معادلات حاکم بر رفتار ارتعاشی پوسته با استفاده از نظریه تغییرشکل برشی مرتبه اول استخراج گردیده‌اند. سپس با به‌کارگیری روش ریتز ریلی، فرکانس‌های طبیعی پوسته برای شرایط مختلف مرزی و پارامترهای مؤثر بر رفتار دینامیکی محاسبه شده‌اند.

به منظور تعیین هندسه بهینه پوسته، مسئله بهینه‌سازی با هدف بیشینه‌سازی کمینه فرکانس طبیعی و تحت قید ثابت‌بودن جرم پوسته فرموله شده است. ضرایب به عنوان متغیرهای طراحی در نظر گرفته شده و بهینه‌سازی با استفاده از الگوریتم برنامه‌ریزی درجه دوم متوالی  انجام شده است. نتایج حاصل از تحلیل و بهینه‌سازی، مجموعه‌ای از داده‌های عددی شامل پارامترهای مؤثر ورودی و ضرایب بهینه ضخامت را فراهم نموده است. در ادامه، به منظور توسعه یک مدل پیش‌بینی سریع و کاهش وابستگی به اجرای مکرر فرآیند تحلیلی و بهینه‌سازی، از روش‌های یادگیری ماشین برای تقریب نگاشت غیرخطی بین پارامترهای ورودی و ضرایب بهینه ضخامت استفاده شده است. در این راستا، شبکه‌های عصبی پرسپترون چندلایه ، شبکه پایه شعاعی ، شبکه عصبی عمیق  و روش تقویت کمینه مربعات  مورد بررسی و مقایسه قرار گرفته‌اند.

نتایج نشان می‌دهد که تغییر همزمان سرعت دوران، گرادیان دمایی، مشخصات مودال می‌تواند تأثیر قابل توجهی بر رفتار ارتعاشی و هندسه بهینه پوسته داشته باشد؛ بهینه سازی باعث افزایش فرکانس طبیعی که باعث دوری از ناحیه رزونانس شده و افزایش پایداری حرارتی پوسته شده است. همچنین، مقایسه عملکرد مدل‌های یادگیری ماشین نشان می‌دهد که کیفیت و نحوه توزیع داده‌های آموزشی نقش تعیین‌کننده‌ای در قابلیت پیش‌بینی مدل‌ها دارد. در نهایت، چارچوب ارائه‌شده می‌تواند به عنوان روشی کارآمد برای ترکیب تحلیل ارتعاشی، بهینه‌سازی عددی و یادگیری ماشین در طراحی پوسته‌های استوانه‌ای تابعی دوار با ضخامت متغیر مورد استفاده قرار گیرد و زمینه را برای پیش‌بینی سریع پارامترهای طراحی بهینه فراهم سازد.