دانلود مقاله ISI انگلیسی شماره 158760
ترجمه فارسی عنوان مقاله

تجزیه و تحلیل حساسیت طراحی مشترک و بهینه سازی ساختارهای غیر خطی با استفاده از رویکرد نقشه برداری هندسی

عنوان انگلیسی
Adjoint design sensitivity analysis and optimization of nonlinear structures using geometrical mapping approach
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
158760 2017 13 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computers & Structures, Volume 183, 15 April 2017, Pages 1-13

ترجمه کلمات کلیدی
بهینه سازی شکل، روش متداول متداول، ساختارهای غیر خطی با نیروهای تماس، تجزیه و تحلیل میزان حساسیت، رویکرد نقشه برداری هندسی
کلمات کلیدی انگلیسی
Shape optimization; Adjoint variable method; Nonlinear structures with contact forces; Sensitivity analysis; Geometrical mapping approach;
ترجمه چکیده
فرمول حساسیت طراحی جدید با طراحی جدید برای ساختارهای غیرخطی مورد نیاز نیروهای ارتباطی توسعه یافته است. این روش بر اساس یک رویکرد نقشه برداری هندسی است که تنوع شکل به عنوان یک نقشه بندی مشخص شده توسط میدان سرعت تنوع شکل در نظر گرفته شده است. یک روش متغیر وابسته به منظور انجام تحلیل حساسیت فشار متوسط ​​برشی در ناحیه کمربند تایر توسعه داده شده است که مشخصات آن به درستی در عملکردهای قوس پارامتر می شود و سرعت طراحی صریح را محاسبه می کند. دیده می شود که روش کنونی بسیار سریعتر از روش تمایز مستقیم و دقیق تر از طرح اختلاف محدود کلاسیک است.
پیش نمایش مقاله
پیش نمایش مقاله  تجزیه و تحلیل حساسیت طراحی مشترک و بهینه سازی ساختارهای غیر خطی با استفاده از رویکرد نقشه برداری هندسی

چکیده انگلیسی

A new adjoint shape design sensitivity formulation for nonlinear structures subject to contact forces is developed. The method is based on a geometrical mapping approach where shape variation is regarded as a mapping characterized by the shape variation velocity field. An adjoint variable method is developed for performing sensitivity analysis of the average shear strain in the tire belt area, which profile is properly parameterized in function of arcs, allowing explicit design velocities calculated. It can be seen that the present method is much faster than the direct differentiation method and more accurate than the classical finite difference scheme.