طراحی بهینه ستون‌ها بر اساس قابلیت اعتماد تحت بار کمانش

در این مقاله بهینه‌سازی ستون‌ها بر اساس قابلیت اعتماد تحت بار کمانش با استفاده از روش بهینه‌سازی تکاملی سازه‌ها انجام شده است. برای محاسبه‌ی معیار اطمینان سازه روش قابلیت اعتماد هاسوفرلیند مورد استفاده قرار گرفته و نتایج آن با روش مونت کارلو مقایسه شده است. همچنین برای تقریب تابع حالت حدی از روش پاسخ سطح استاندارد با استفاده از طرح مرکب مرکزی استفاده ‌شده است. بهینه‌سازی ستون‌های تحت بار کمانش با مقاطع و شرایط مرزی متفاوت در نظر گرفته می شود، به نحوی که حجم کلی سازه ثابت بماند. با ادغام روابط مربوط به قابلیت اعتماد در بهینه‌سازی، شکل بهینه‌ی ستون تحت بار کمانش بر اساس قابلیت اعتماد بدست می‌آید. در ادامه طرح بهینه بدست‌آمده از بهینه‌سازی قطعی و بهینه‌سازی بر اساس قابلیت اعتماد با هم مقایسه می‌شوند. مثال‌های عددی نشان میدهد که مقدار ظرفیت بار کمانش ستون‌ها در مقایسه با حالت اولیه افزایش می‌یابد. همچنین به دلیل در نظرگرفتن قابلیت اعتماد، طراحی نسبت به حالت قطعی قابل اعتمادتر می‌شود.

Reliability-Based Design Optimization of Columns under Buckling Load

In this paper, the reliability based design optimization of columns under buckling load is investigated using evolutionary structural optimization. To determine the reliability index, the HasoferLind method is employed and results are compared with the Monte Carlo method. The standard response surface method with central composite design is used to estimate the limit state function. An optimization algorithm for optimal design of columns against buckling with different crosssections and boundary conditions is presented while keeping the column weight constant.The Taguchi method is used to provide the most suitable levels of the design variables. Then by introducing reliability constraints into the algorithm, the optimized shape of the column under buckling load based on reliability is obtained. Optimized design obtained from Deterministic Optimization (DO) and Reliability Based Design Optimization (RBDO) are compared. Numerical examples show that maximum buckling load capacity is increased compared to the initial uniform design and also RBDO model is more reliable than DO.