طراحی بهینه چندهدفه انواع سیستم‌ها در دامنه‌‌های مختلف، به‌وسیله ادغام دو روش باندگراف و برنامه‌ریزی ژنتیک

مدل‌سازی یکپارچه سیستم‌های فیزیکی در دامنه‌های مختلف، نیازمند یک زبان مشترک است. یکی از روش‌هایی که می‌توان به‌وسیله آن این کار را انجام داد، باندگراف نام دارد. این روش با استفاده از المان‌ها، باندها و اتصال‌های خود، ارتباط میان اجزای مختلف یک سیستم را تشریح می‌کند. همچنین می‌توان با استفاده از روش برنامه‌ریزی ژنتیک، مدل اولیه یک سیستم را بر اساس نیاز از یک حالت اولیه به حالت نهایی مطلوب توسعه داد. با استفاده از ویژگی جستجوپذیری بالا و مدل‌سازی شماتیک روش باندگراف، می‌توان مدل اولیه‌ سیستم در دامنه الکتریکی یا مکانیکی را بر اساس خروجی مورد نظر، به یک مدل باندگراف نهایی مدل‌سازی کرد. مدل اولیه یک سیستم در روش باندگراف، امبریو نام دارد و بایستی دارای ورودی، خروجی و المان‌های اصلی یک سیستم باشد. با تعریف مجموعه‌ای از توابع عملیاتی در برنامه‌ریزی ژنتیک، مدل امبریو توسعه داده می‌شود و مدل نهایی باندگراف در دو حالت تک‌هدفه و چندهدفه پارتویی به‌دست می‌آید. این پژوهش با ادغام دو روش باندگراف و برنامه‌ریزی ژنتیک، ابزار طراحی مناسبی جهت توسعه یک مدل را در اختیار کاربر قرار می‌دهد. به ‌منظور بررسی عملکرد روش ارائه شده جهت مدل‌سازی با باندگراف، ابتدا نتایج آن با نرم‌افزار 20سیم مقایسه شده و سپس به‌وسیله آن، دو مدل فیلتر الکتریکی و یک مدل سیستم جرم، فنر و میراگر طراحی می‌گردد و نتایج با مرجع مقایسه می‌شود.

Designing Optimum Multi-Domain System by Integrating Bond Graph and Genetic Programming

Integrated modeling of multidomain physical systems requires a common language. One of the methods which has been used to do so is called the bond graph. The bond graph provides a common and core language for describing basic elements and connections across different fields by using its elements, bonds and junctions. Also, by using genetic programming as an evolutionary method, an initial model can be evolved into a final model. The initial model of a system in a bond graph called Embryo and must have input, output and basic elements of the desired model. By defining a series of operational functions in genetic programming, an embryo model evolves and a final model obtained in one objective and multiobjective approaches. The current research presents an optimized design tool by the integration of a bond graph and a Pareto multiobjective genetic programming for guiding automated topology synthesis. In order to evaluate the performance of the proposed method, obtained results were first compared to the 20sim software and then two models of electric filter and a mass, spring and damper system compared to the reference.