رزومه


احسان محتشمی

احسان محتشمی

استادیار

دانشکده: مهندسی

گروه: عمران

مقطع تحصیلی: دکترای تخصصی

سال تولد: ۱۳۶۱

رزومه
احسان محتشمی

استادیار احسان محتشمی

دانشکده: مهندسی - گروه: عمران مقطع تحصیلی: دکترای تخصصی | سال تولد: ۱۳۶۱ |

بررسی عملکرد فیوز برشی فولادی در چرخه‌های بارگذاری مختلف

نویسندگانحسین جراحی فریز,محسن خطیبی نیا,احسان محتشمی,علی محمودی
همایشدومین کنفرانس ملی مهندسی زیرساخت‬ ها
تاریخ برگزاری همایش2025-05-07
محل برگزاری همایشارومیه
شماره صفحات0-0
نوع ارائهسخنرانی
سطح همایشداخلی

چکیده مقاله

امروزه تکنیک‌های بهینه‌سازی عددی به‌عنوان ابزارهایی تخصصی و چندمنظوره، نقش مهمی در طراحی بهینه در حوزه‌های مختلف علوم مهندسی ایفا می‌کنند. نخستین اظهارنظر رسمی پیرامون طراحی سازه بر پایه بهینه‌سازی عددی توسط اشمیت در سال 1960 ارائه شد. از آن زمان، با پیشرفت سریع رایانه‌ها و توسعه هم‌زمان روش‌های عددی، پژوهش‌های مرتبط با بهینه‌سازی وارد مرحله‌ای نوین شده‌اند. در سال‌های اخیر، الگوریتم‌های نوینی که عمدتاً از طبیعت و رفتار موجودات الهام گرفته‌اند، به‌عنوان ابزارهایی کارآمد برای حل مسائل پیچیده مهندسی مورد استفاده قرار گرفته‌اند. این الگوریتم‌ها موجب کاهش هزینه و زمان، افزایش راندمان و بهبود عملکرد در پروژه‌های مهندسی شده‌اند. هدف این پژوهش، طراحی بهینه شکل فیوز برشی فولادی است. در این پژوهش با هدف کاهش زمان تحلیل‌های محاسباتی، از مدل داده‌محور WLS-SVM (ماشین بردار پشتیبان حداقل مربعات وزن‌دار) به‌عنوان جایگزینی برای تحلیل غیرخطی فیوز برشی تحت بارگذاری چرخه‌ای استفاده شده است. ابتدا پارامترهای مؤثر بر رفتار فیوز شناسایی و با استفاده از روش نمونه‌گیری LHS، 200 نمونه با ابعاد تصادفی تولید شد. سپس با لینک نرم‌افزارهای MATLAB و Abaqus، تحلیل غیرخطی نمونه‌ها انجام و خروجی‌هایی نظیر حداکثر کرنش پلاستیک، انرژی تلف‌شده و نسبت آن‌ها استخراج شد. داده‌های حاصل به‌عنوان ورودی مدل WLS-SVM مورد استفاده قرار گرفت و مدل با الگوریتم WLS آموزش داده شد. برای افزایش دقت، داده‌های مهم‌تر وزن بیشتری در فرایند آموزش دریافت کردند. مدل توسعه‌یافته در قالب یک چارچوب ترکیبی با الگوریتم PSO در فرایند بهینه‌سازی به کار گرفته شد. اعتبارسنجی مدل با استفاده از معیارهای آماری مانند ضریب تعیین (R²)، میانگین مربع خطا (MSE) و دقت پیش‌بینی، حاکی از عملکرد مطلوب آن در پیش‌بینی پاسخ‌های غیرخطی و تسریع فرآیند بهینه‌سازی است.در نهایت طی این بهینه سازی مدلی با ظرفیت جذب انرژی 616600 تولید شد که نسبت به مدل اولیه مقاله حدود 20 درصد جذب انرژی بالاتری دارد.

لینک ثابت مقاله