نرم‏ افزار AIMAS همراه آموزش فارسی

نرم‎افزار AIMAS، تمامی مراحل تغییرات مدل هندسی در Catia و مش‎زنی (گسسته‎سازی) در HyperMesh و تحلیل در Nastran و Adams را به‎صورت خودکار و بدون دخالت کاربر انجام می‏ دهد. AIMAS باز و بسته کردن هرکدام از این نرم‏ افزارها، اجرای دستورات، ذخیره‎سازی اطلاعات و ارتباط خروجی نرم‎افزارها به‎یکدیگر را مدیریت می‏کند و بنابراین می‏توان هر تعداد تکرار در فراخوانی نرم‎افزارهای فوق را در آن برنامه ‏ریزی کرد.

الگوریتم تلفیق

در الگوریتم کاری نرم‏ افزار  AIMAS، مطابق شکل (1) ابتدا مدل هندسی اولیه‎ی قطعه تهیه شده و پس از تعیین قیود، ورودی‎ها و پارامترهای متغیر مسئله توسط کاربر، نرم‏ افزار نقشه‎ی قطعه مورد نظر را وارد Catia کرده و پس از تغییر و اعمال متغیرهای طراحی، مدل هندسی جدید را ذخیره می‎کند. از طرفی بارهای خارجی یا توسط کاربر وارد می شود و یا اینکه از تحلیل دینامیکی انجام شده توسط نرم‏ افزار  Adams به‎دست می‏آیند. مدل هندسی جدید و نیروهای خارجی به‎منظور مش‎زدن و تعیین شرایط مرزی حل مسئله و تعریف قیود وارد نرم‏ افزار HyperMesh می‏شود. در نهایت تحلیل مقاومتی سازه‎ای توسط نرم‎افزار Nastran انجام می‎شود و این فرآیند تا پایان تعداد دفعات تعیین‎شده با توجه به تغییر پارامترها، به‎طور خودکار تکرار می ‏شود. در حین این فرآیند کاربر قادر خواهد بود نتایج هر یک از مراحل را بررسی کند. 

شكل 1: نمودار گردش الگوریتم در نرم‏ افزار  AIMAS

همانطور که در شکل (1) نشان داده شده است الگوریتم پس از پایان هر حلقه شرط پایان آن را بررسی می‌کند. حال می‌توان این شرط را عوض کرد و یا تغییراتی در آن داد. در نرم‏ افزار AIMAS به منظور ایجاد قابلیت بهینه‌سازی و شبیه‌سازی، دو حالت دیگر نیز برای پایان حلقه تحلیل در نظر گرفته شده است. یکی از آنها شبیه‌سازی توسط شبکه عصبی و دیگری بهینه‌سازی توسط الگوریتم ژنتیک می‌باشد که در ادامه روند عملیاتی آنها توضیح داده خواهد شد.

شکل (2) به صورت شماتیک این عملیات را نشان می‌دهد که در آن AIMAS پس از تکمیل عملیات تحلیل، نتایج را جهت شبیه‌سازی شبکه عصبی بهنرم افزار MATLAB وارد می‌کند و سپس در آنجا سیستم به آموزش شبکه عصبی می‌پردازد. از این شبکه عصبی می‌توان به منظور بهینه‌سازی و نیز به منظور ایجاد سیستم‌های کنترلی استفاده کرد. اگر کاربر در نرم افزار AIMAS گزینه بهینه‌سازی همراه با شبکه عصبی را انتخاب نماید،نرم افزار پس از ایجاد شبکه عصبی آن را به طور خودکار وارد جعبه‌ابزار الگوریتم بهینه‌سازی MATLAB می‌نماید و در آنجا کاربر قادر است با تغییرات مورد نظر خود به بهینه‌سازی شبکه عصبی بپردازد. اگر کاربر گزینه استفاده از سیمولینک را انتخاب کند، نرم‏ افزار شبکه عصبی آموزش دیده را وارد محیط سیمولینک MATLAB می‌نماید که در آنجا کاربر می‌تواند با استفاده از امکانات موجود در این بخش جهت پیاده‌سازی سیستم‌های کنترلی از آن استفاده کند.

شکل 2: روند پیاده‏سازی شبکه‏های عصبی

قابلیت دیگر این نرم افزار بهینه‌سازی شکل قطعات می‌باشد. در این حالتنرم افزار به طور موازی بانرم افزار MATLAB همکاری می‌نماید. به این صورت که اگر کاربر بخش بهینه‌سازی را فعال کند، نرم افزار، MATLAB را باز کرده و اجازه می‌دهد تا تنظیمات اولیه در آن صورت پذیرد پس از این تنظیمات دکمه start موجود در MATLAB را فعال می‌کند و AIMAS به طور خود کار خود را با خروجی MATLAB  تنظیم می‌کند، به طوری که در هر مرحله از حلقه تکرار MATLAB ورودی‌های تحلیل را به AIMAS می‌دهد و AIMAS خروجی‌ها را برای Matlab تولید می‌کند و این فرآیند تا رسیدن به شرایط بهینه ادامه می‌یابد. شکل (3) شماتیکی از این فرآیند را نشان می‌دهد که در آن دونرم افزار به صورت موازی با هم همکاری می‌کنند و مدیریت بخش تحلیل به عهده AIMAS و مدیریت بهینه‌سازی برعهده MATLAB  قرار می‌گیرد.

شکل 3: روند پیاده‏ سازی الگوریتم بهینه‏ سازی در نرم‏ افزار

برنامه نویس: ایوب نیک روان – الیاس نیک روان

آبان 92

——————————————————————————————–

دانلود

  پسورد: engpedia.ir