Öğretme-öğrenme esaslı optimizasyon yöntemi ile uzay kafes kule yapı sisteminin optimum boyutlandırılması
Öz
Bu çalışmada, son yıllarda geliştirilmiş öğretme-öğrenme esaslı optimizasyon yönteminin çelik uzay kafes
sistemlerinin optimum boyutlandırılmasındaki başarısının araştırılması hedeflenmiştir ve bu bağlamda 942
elemanlı uzay çelik kafes kule problemi sayısal örnek olarak kullanılmıştır. Diğer bir çok stokastik algoritma
yönteminde olduğu gibi öğretme-öğrenme esaslı optimizasyon yöntemi de çevremizdeki olayları taklit
etmektedir. Bu algoritma yönteminde analiz işlemleri öğretmen ve öğrencilerinden oluşan bir sınıf ile
yürütülmektedir. Sınıftaki her bir öğrenci bir yapı modelini temsil etmektedir ve öğretme-öğrenme aşamaları
ile her bir öğrencinin bilgi seviyesinin arttırılması hedeflenmektedir. Bu sayede belirli bir iterasyon sonunda
en iyi sonucu (sınırlayıcıları sağlayan ve minimum yapı ağırlığında olan) veren yapı modeli elde
edilebilmektedir.
İncelenen 942-elemanlı uzay kafes kule yapı modeli literatürden alınmıştır. Bu örnek literatürde birçok farklı
algoritma yöntemi ile çözülmüştür. Sınırlayıcılar olarak AISC-ASD (American Institute of Steel
Construction- Allowable Stress Design) standartlarındaki gerilme sınırlayıcıları, yer değiştirme
sınırlayıcıları ve düşey elemanlar arasında geometrik sınırlayıcılar kullanılmıştır. Tasarım profilleri
SAP2000'de hazırlanmış olan ve AISC'den alınan 128 W profili içeren bir kesit listesinden seçilmiştir.
Optimizasyon işlemlerinin bilgisayar ortamında pratik olarak yürütülebilmesi amacıyla MATLAB
programında SAP2000 OAPI (Open Application Programming Interface) ile otomatik olarak birlikte
çalışabilen bir program kodlanmıştır. 942 elemanlı uzay kafes kule yapı sistemi SAP2000 programında
modellenmiştir. Öğretme-öğrenme esaslı optimizasyon işlemleri için MATLAB'da geliştirilen program
yardımıyla SAP2000'de hazırlanan yapı modeli sürekli güncellenerek otomatik olarak analiz edilmiştir.
Bu çalışmada, 942 elemanlı uzay kafes kule yapı sisteminin öğretme-öğrenme esaslı optimizasyon yöntemi
ile elde edilen tasarım sonuçları literatür sonuçları ile oldukça benzerdir. Buna göre bu optimizasyon
tekniğinin yapısal optimizasyon için başarılı sonuçlar verebileceği görülmüştür.
Öz
Minimum weight design of steel structures is an
important research subject in structural
engineering. Main purpose in this subject is to
reduce steel consumption. Steel structures include
discrete design variables and meta-heuristic
algorithm methods are very suitable for optimum
design of them.
In this study, optimum design of 942-bar steel space
truss tower is investigated by using teaching
learning based optimization which has been
developed in recent years. As in the other stochastic
algorithm techniques such as genetic algorithm,
harmony search algorithm, ant colony optimization,
artificial bee algorithm, simulated annealing, tabu
search algorithm, particle swarm optimization etc.;
teaching-learning based optimization mimics
environmental events. Analyses in this method are
conducted by a class including students. Each
student in class represents a structural model and
information level of each student is tried to increase
by teaching and learning phases. So, the best
solution obeying the constraints and having
minimum weight can be obtained after a specific
number of iterations.
This novel algorithm technique was developed by
Rao et al. (2011) and comprised of two main phases
such as teaching phase and learning phase. The
number of students in class presents population size.
Initial class is randomly created and the best
solution in class is selected as teacher. In teaching
phase, other students in class are updated to take
information from teacher. If new student provides a
better design solution, it is replaced with old
student. In the learning phase, students in class are
updated to get information among them. This phase
is very similar to teaching phase. If new student
produces a better solution, it is replaced with old
students.
942-bar space truss tower investigated in this study
is taken from literature. This example was designed
by different algorithm methods in literature. The
stress constraints according to AISC-ASD
(American Institute of Steel Construction- Allowable
Stress Design), displacement constraints and
geometric size constraints for vertical members are
imposed. Design profiles are selected from a
specified list which is prepared in SAP2000 software
and includes 128W profiles taken from AISC. A
program was coded in MATLAB software which is
automatically incorporated with SAP2000 OAPI
(Open Application Programming Interface) to
conduct practically optimization processes. 942-bar
space truss tower is modeled in SAP2000 software.
The structural model is continuously updated to
analyze by this program.
942-bar space truss tower is an example in large
scale because its members are collected into 59
different size variables. In this study, population size
is selected as 20. Therefore, analyses are conducted
with a class determined as 20x59 matrix. Analyses
are performed along 600 iterations. Figure 3 shows
the variation of the minimum steel weight with
iteration steps. As seen in this figure, while steel
weight in first iterations is 2000 ton, minimum steel
weight is reduced to 169.868 ton after 600
iterations.
The solution results obtained in this study are very
close to the previous ones in literatures obtained by
different algorithms. The minimum weights 172.214
ton, 171.437 ton, 171.261 ton are calculated by
Hasançebi and Erbatur (2002, simulated annealing:
SA), Hasançebi (2008, evolution strategies: ESs),
Hasançebi et al.(2013, bat-inspired algorithm: BI),
respectively. In this study, although additional
constraints such as geometric size (area and dept of
cross sections) for vertical members are used, the
minimum weight is calculated as 169.868 ton. This
weight is nearly 1% lighter than other results.
These successful results show that teaching-learning
based optimization is an efficient method for
optimum designs of steel structures with discrete
design variables. Moreover, this new method is
practically applied by using MATLAB-SAP2000
OAPI. So, various structural optimization problems
can be carried out by using teaching-learning based
optimization
Ayrıntılar
| Diğer ID | JA64HA59SA |
|---|---|
| Bölüm | Makaleler |
| Yazarlar | |
| Yayımlanma Tarihi | 1 Aralık 2016 |
| Gönderilme Tarihi | 1 Aralık 2016 |
| Yayımlandığı Sayı | Yıl 2016 Cilt: 7 Sayı: 3 |