طراحی بهینه سازه دیسک دوار یک موتور توربینی با روش‌ های بهینه ‌سازی مدرن

در پژوهش حاضر تحلیل اولیه سازه دیسک دوار مورد استفاده در یک موتور توربینی هوایی و بهینه‌ سازی هندسه آن جهت رسیدن به کمترین جرم در کنار اطمینان مناسب انجام شده است. دیسک مورد بحث همگن و تحت بارگذاری ‌های مکانیکی و حرارتی قرار دارد. جهت تحلیل ترموالاستیک دیسک مفروض روابط حاکم با فرض شرایط تنش صفحه ‌ای استخراج و به کمک نرم‌ افزار محاسباتی متلب تحلیل شده است. به ‌منظور بهینه ‌سازی هندسه از روش‌ های بهینه‌ سازی گرادیانی شمارشی (csa) و غیر گرادیانی الگوریتم ژنتیک (ga) و الگوریتم کلونی زنبور عسل مصنوعی (abc) استفاده‌ شده است. مقایسه نتایج به ترتیب نشان ‌دهنده کاهش 36.49، 39.51 و 36.43 درصدی جرم اولیه دیسک با روش ‌های بهینه ‌سازی‌ مورد استفاده است. همچنین زمان تقریبی لازم جهت رسیدن به نتایج بهینه‌ سازی در این روش ‌ها به ترتیب برابر با 3500، 120 و 100 دقیقه بوده است. نتایج نشان می‌ دهند که بیشترین میزان بهبود نتایج مربوط به روش غیرگرادیانی الگوریتم  gaاست. همچنین سرعت همگرایی در روش ‌های غیرگرادیانی الگوریتم  gaو abc در حدود 30 تا 35 برابر بیشتر از روش csa است. در نتیجه با توجه به زمان ‌بر بودن تحلیل ‌های گرادیانی اهمیت روش ‌های غیر گرادیانی در صرفه‌ جویی زمان و هزینه‌ های محاسباتی نیز بیشتر نمایان شده و با توجه به نتایج استفاده از روش ga به ‌عنوان یک روش دقیق و با سرعت مطلوب در بهینه‌ سازی مسائل دوار در معرض بارگذاری ‌های ترموالاستیک پیشنهاد شده است.

optimal design of the rotating disk structure of aturbine engine utilizing modern optimization methods

this paper presents the initial structural analysis and geometric optimization of a rotating disk used in an aircraft turbine engine. the disk is homogeneous and subject to mechanical and thermal loads. the governing equations for the thermoelastic analysis of theassumed disk were derived under the assumption of plane stress conditions and subsequentlyanalyzed using the matlab computational software. three different optimization methodswere implemented for the geometric optimization of the rotating disk: the counting sortalgorithm (csa), the non-gradient genetic algorithm (ga), and the artificial bee colonyalgorithm (abc). the optimization methods resulted in a reduction of the disk mass by 36.49%,39.51%, and 36.43%, respectively. also, the approximate time required to reach theoptimization results was 3,500, 120, and 100 minutes, respectively. the results show that thenon-gradient genetic algorithm (ga) method has the greatest improvement in results. theconvergence speed of the non-gradient ga and abc methods is also about 30 to 35 times fasterthan the csa method. as a result, the importance of non-gradient methods in saving time andcomputational costs has become more evident, due to the time-consuming nature of gradientbasedanalyses. based on the results, the use of the ga method has been proposed as an accurateand efficient method for the optimization of rotating problems under thermoelastic loading.