Optimización selectiva de estructuras metálicas 3D

Abstract

En el presente trabajo se propone una herramienta de optimización multiobjetivo basada en Algoritmos Genéticos (AG) con el fin de analizar las diferentes soluciones posibles de un reticulado espacial. En este sentido se desarrolló un software, en código abierto SciLab, basado en AG que optimiza en forma conjunta tres funciones objetivo a partir de una combinación lineal entre las mismas, es decir que realiza un proceso de optimización multiobjetivo. La primera función corresponde al peso de la estructura (que tiene una relación directa con el costo de la misma) mientras que la segunda es el desplazamiento máximo en la sección más desfavorable. La restante función objetivo corresponde a la minimización de la norma euclideana del estado tensional con el fin de lograr una homogenización del esfuerzo en las diferentes secciones estructurales. Previo al proceso de optimización evolutivo del algoritmo, se realiza un análisis de sensibilidad de las variables que actúan con el fin de concentrar el estudio sobre las variables de mayor sensibilidad. Los resultados obtenidos permiten mostrar la eficiencia del método y la robustez del algoritmo propuesto para la optimización multiobjetivo de estructuras espaciales.

In this paper, a multiobjective optimization tool based on genetic algorithms (GA) is proposed in order to analyze the structure design of 3D trussed. In this regard, an open source code (SciLab) GA-based was developed. The main aim of this software is the simultaneously optimization of three different objective functions based on a linear combination method, i.e. multiobjective optimization. The first function is the weight of the structure (which is directly related to its cost) and the second is the maximum displacement in the most unfavorable section. The remaining objective function corresponds to the minimization of the Euclidean norm of the stress state in order to get a homogeneous field of internal stresses in all structural sections. Before the evolutionary optimization process of the GA, a sensitivity analysis of the main variables is performed, in order to focus the study on the most sensitive variables.