دوره 19، شماره 8 - ( 1398 )                   جلد 19 شماره 8 صفحات 1971-1978 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Bagheri M R, Mosayebi M, Mahdian A, Keshavarzi A. Pareto Optimization of a Three-Dimensional Full Vehicle Suspension Model Using Multi-Objective Genetic Algorithm. Modares Mechanical Engineering. 2019; 19 (8) :1971-1978
URL: http://journals.modares.ac.ir/article-15-20856-fa.html
باقری محمدرضا، مسیبی مسعود، مهدیان اصغر، کشاورزی احمد. بهینه‌سازی پارتو مدل تعلیق خودروی کامل سه‌بعدی با استفاده از الگوریتم ژنتیک چندهدفه. مهندسی مکانیک مدرس. 1398; 19 (8) :1971-1978

URL: http://journals.modares.ac.ir/article-15-20856-fa.html


1- گروه مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه صنعتی مالک اشتر، اصفهان، ایران
2- گروه مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه صنعتی مالک اشتر، اصفهان، ایران ، m.mosayebi@mut-es.ac.ir
3- گروه مهندسی مکانیک، دانشکده مهندسی مکانیک، واحد خمینی‌شهر، دانشگاه آزاد اسلامی، اصفهان، ایران
چکیده:   (168 مشاهده)
مقاله حاضر یک الگوریتم ژنتیک چندهدفه را برای طراحی بهینه یک سیستم تعلیق خودرو به کار می‌برد. مدل خودرو حرکت‌های سه‌بُعدی بدنه خودرو را در نظر می‌گیرد. در این مدل کامل خودرو که دارای ۸درجه آزادی است، حرکت عمودی صندلی مسافر، بدنه خودرو و چهار تایر و همچنین حرکت‌های چرخشی بدنه خودرو، درجات آزادی مدل را تشکیل می‌دهند. در این مقاله پارامترهای کاربردی تعلیق شامل شتاب صندلی مسافر، زاویه کله‌زنی بدنه خودرو، زاویه غلتش بدنه خودرو، نیروی دینامیکی تایر، سرعت تایر و انحراف تعلیق در نظر گرفته می‌شوند و در فرآیند بهینه‌سازی بهینه می‌شوند. جفت‌های متفاوتی از این پارامترها به‌عنوان توابع هدف، انتخاب و در فرآیند بهینه‌سازی چندهدفه بهینه می‌شوند و حل‌های پارتو برای جفت توابع هدف به دست می‌آیند. در فرآیند بهینه‌سازی نهایی، حل پارتو مربوط به مجموع پارامترهای بی‌بعد در یک گروه پارامترهای تعلیق نسبت به گروه دیگر به دست می‌آید. در این حل‌های پارتو، نقاط بهینه مهمی وجود دارند و طراحان می‌توانند هر یک از نقاط بهینه را برای یک هدف خاص انتخاب کنند. بهینه‌سازی پارتو بهتر از دیگر روش‌های بهینه‌سازی چندهدفه است، زیرا تعداد نقاط بهینه بیشتری در جبهه پارتو وجود دارد که هر نقطه معرف یک سطح از بهینه‌سازی برای جفت توابع هدف است و طراحان هر یک از نقاط را می‌توانند به دلخواه انتخاب کنند.
متن کامل [PDF 964 kb]   (115 دریافت)    

دریافت: ۱۳۹۷/۳/۱۸ | پذیرش: ۱۳۹۷/۱۱/۶ | انتشار: ۱۳۹۸/۵/۲۱

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول