Методика скінченно-елементного моделювання параметрів напружено-деформівного стану плоскої ферми з паралельними поясами
DOI:
https://doi.org/10.63341/vjmet/2.2024.99Ключові слова:
комп’ютерна симуляція, скінченні елементи, оптимізація, стрижневі конструкції, інженерний аналіз, варіаційні методи розрахункуАнотація
Мета роботи полягає у створенні методики моделювання напружено-деформованого стану плоскої ферми з паралельними поясами за допомогою мультипакетного програмного забезпечення, заснованого на методі скінченних елементів. Встановлено, що програмні комплекси ЛІРА-САПР 2016 R5 та ANSYS Workbench 14.5 є найбільш ефективними для розрахунків параметрів напружено-деформівного стану плоских ферм, оскільки забезпечують високу ефективність моделювання завдяки розвиненій функціональності та адаптованості до завдань інженерного аналізу. У процесі дослідження було здійснено аналіз можливостей та інтерфейсів зазначених програмних середовищ, а також проведено моделювання для ферми з трикутною решіткою та розмірами 18000×3600 мм, виготовленої з конструкційної сталі ВСт3пс. Розроблено геометричні та скінченно-елементні моделі ферми в середовищах виявлених розрахункових комплексів. Для моделювання застосовувалися елементи з прокатних кутників із поперечним перерізом 100×100×10 мм, а вузлові косинки були виконані зі сталевого листа товщиною 10 мм. Для моделі ферми в ANSYS Workbench 14.5 створено скінченно-елементну сітку з дискретизацією розмірів, зокрема для фасонок, що забезпечує точніше визначення параметрів напружено-деформівного стану НДС у критичних зонах ферми. В ЛІРА-САПР 2016 R5 модель ферми розбита на елементи 10х10 мм. Запропонована методика включає два основні етапи: на першому етапі створюється модель для визначення напружено-деформівного стану ферми і середовищі програмного комплексу ЛІРА-САПР 2016 R5, на другому в середовищі розрахункового комплексу ANSYS Workbench 14.5 аналізуються отримані результати для оптимізації конструктивних параметрів. Застосування цієї методики дозволяє значно скоротити час, необхідний для проектування та розрахунків, що сприяє підвищенню ефективності конструювання ферм з паралельними поясами. Практична цінність розробки полягає в можливості оптимізації форм та розмірів поперечних перерізів елементів, що позитивно впливає на економічну ефективність проектованих ферм, знижуючи витрати на матеріали та забезпечуючи довговічність конструкцій
Посилання
Ahrari, A., Atai, A.A., & Deb, K. (2020). A customized bilevel optimization approach for solving large-scale truss design problems. Engineering Optimization, 52(12), 2062-2079. doi: 10.1080/0305215X.2020.1740690.
Azad, S.K., & Aminbakhsh, S. (2021). High-dimensional optimization of large-scale steel truss structures using guided stochastic search. Structures, 33, 1439-1456. doi: 10.1016/j.istruc.2021.05.035 .
Azizi, M., Aickelin, U., Khorshidi, H.A., & Shishehgarkhaneh, M.B. (2022). Shape and size optimization of truss structures by Chaos game optimization considering frequency constraints. Journal of Advanced Research, 41, 89-100. doi: 10.1016/j.jare.2022.01.002.
Basara, M., Kovalchuk, Y., & Shynhera, N. (2021). Durability of a welded truss under cyclic loads. Innovative Solution in Modern Science, 5(41), 147-158. doi: 10.26886/2414-634X.5(41)2020.11.
Cao, H., Sun, W., Chen, Y., Kong, F., & Feng, L. (2023). Sizing and shape optimization of truss employing a hybrid constraint-handling technique and manta ray foraging optimization. Expert Systems with Applications, 213(B), article number 118999. doi: 10.1016/j.eswa.2022.118999.
Caredda, G., Porcu, M. C., Buitrago, M., Bertolesi, E., & Adam, J.M. (2022). Analysing local failure scenarios to assess the robustness of steel truss-type bridges. Engineering Structures, 262, article number 114341. doi: 10.1016/j. engstruct.2022.114341.
Danylchenko, L. (2021). Methodical workshop on the topic: “Engineering analysis in Ansys Workbench” in the discipline: “Computer modelling of materials processing processes” for practical classes and independent work of applicants for the educational level of Doctor of Philosophy in speciality 131 “Applied Mechanics”. Ternopil: Ternopil Ivan Pului National Technical University.
Parisi, F., Mangini, A.M., Fanti, M.P., & Adam, J.M. (2022). Automated location of steel truss bridge damage using machine learning and raw strain sensor data. Automation in Construction, 138, article number 104249. doi: 10.1016/j. autcon.2022.104249.
Hohol, M., Gasii, G., Pents, V., & Sydorak, D. (2020). Structural-parametric synthesis of steel combined trusses. In V. Onyshchenko, G. Mammadova, S. Sivitska & A. Gasimov (Eds.), Proceedings of the 3rd international conference on building innovations. ICBI 2020. Lecture notes in civil engineering (Vol. 181, pp. 163-171). Cham: Springer. doi: 10.1007/978- 3-030-85043-2_16.
Hrebeniuk, S., & Homeniuk, S. (2022). Numerical methods for solving mechanical problems. Zaporizhzhia: ZNU.
Hudz, S., Storozhenko, L., Gasii, G., & Hasii, O. (2019). Features of operation and design of steel sloping roof purlins. In V. Onyshchenko, G. Mammadova, S. Sivitska & A. Gasimov (Eds.) Proceedings of the 2nd international conference on building innovations. ICBI 2019. Lecture notes in civil engineering (Vol. 73, pp. 65-73). Cham: Springer. doi: 10.1007/978-3-030-42939-3_8.
Huynh, T.N., Do, D.T., & Lee, J. (2021). Q-Learning-based parameter control in differential evolution for structural optimization. Applied Soft Computing, 107, article number 107464. doi: 10.1016/j.asoc.2021.107464.
Kaveh, A., Khodadadi, N., & Talatahari, S. (2021). A comparative study for the optimal design of steel structures using CSS and ACSS algorithms. International Journal of Optimization in Civil Engineering, 11(1), 31-54.
Khodadadi, N., & Mirjalili, S. (2022). Truss optimization with natural frequency constraints using generalized normal distribution optimization. Applied Intelligence, 52, 10384-10397. doi: 0.1007/s10489-021-03051-5.
Kovalchuk, Y., Shynhera, N., & Shved, Y. (2023). Formation of input information arrays for computer simulation of welded trusses behavior under thermal force effects. Scientific Journal of TNTU, 110(2), 118-124. doi: 10.33108/visnyk_ tntu2023.02.118.
Liu, H., Yang, Z., Zhou, T., Wang, L., & Chen, Z. (2024). Study on updating finite element model of steel truss structure based on knowledge-enhanced deep reinforcement learning. Engineering Structures, 316(1), article number 118576. doi: 10.1016/j.engstruct.2024.118576.
López, S., Makoond, N., Sánchez-Rodríguez, A. & Adam, J.M., & Riveiro, B. (2023). Learning from failure propagation in steel truss bridges. Engineering Failure Analysis, 152, article number 107488. doi: 10.1016/j.engfailanal.2023.107488.
Mousavi, A.A., Zhang, C., Masri, S.F., & Gholipour, G. (2020). Structural damage localization and quantification based on a CEEMDAN Hilbert transform neural network approach: A model steel truss bridge case study. Sensors, 20(5), article number 1271. doi: 10.3390/s20051271.
Mousavi, A.A., Zhang, C., Masri, S.F., & Gholipour, G. (2022). Structural damage detection method based on the complete ensemble empirical mode decomposition with adaptive noise: A model steel truss bridge case study. Structural Health Monitoring; 21(3), 887-912. doi: 10.1177/14759217211013535.
Pierezan, J., dos Santos Coelho, L., Mariani, V.C., de Vasconcelos Segundo, E.H., & Prayogo, D. (2021). Chaotic coyote algorithm applied to truss optimization problems. Computers & Structures, 242, article number 106353. doi: 10.1016/j.compstruc.2020.106353.
Shved, Y., Kovalchuk, Y., Shynhera, N., & Voronchak, V. (2020). Fatigue damage of the heel joint of welded roof truss. Scientific Journal of TNTU, 99(3), 28-33. doi. 10.33108/visnyk_tntu2020.03.028.
Strelets-Streletsky, E., Zhuravlev, A., & Vodopyanov, R. (2019). LIRA-CAD. Book I. Fundamentals. Kyiv: LIRALAND.
Weng, G., Wang, J., Liu, Y., Zhu, X., & Dai, J. (2020). Magnetic stress sensing system for nondestructive stress testing of structural steel and steel truss components based on existing magnetism. Sensors, 20(14), article number 4043. doi: 10.3390/s20144043.
Wu, W., He, X., He, L., Wu, C., He, J., & Zhu, A. (2022). Joints fatigue damage prediction for a steel truss suspension bridge considering corrosion environment. Arabian Journal for Science and Engineering, 47, 4879-4892. doi: 10.1007/ s13369-021-06318-8.
##submission.downloads##
-
PDF (English)
Завантажень: 1
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
