Please use this identifier to cite or link to this item: http://hdl.handle.net/10773/28183
Title: Optimization of layer configurations for ballistic impact on light-weight armour plates
Other Titles: Otimização da configuração de camadas para proteções balísticas de baixo peso
Author: Reis, Isaac Bastos Correia
Advisor: Oliveira, João Alexandre Dias de
Dias, Filipe Miguel Horta e Vale Teixeira
Keywords: Ballistic Impact
Abaqus Python API
Design Optimization
Genetic Algorithm
Particle Swarm Optimization
Simulated Annealing
Multi-objective Optimization
Defense Date: 7-Jun-2019
Abstract: The broad field of engineering is facing a paradigm shift where advanced optimization methods and techniques are more often used to solve complex problems. Most of these problems either require the analysis of a large amount of data or the solving of complex calculations, or even both. This dissertation aims to develop an understanding of non-linear optimization algorithms applied to a complex engineering design problem: a multi-layer plate under a ballistic impact. To solve a complex design engineering problem, the most efficient way is to combine non-linear optimization algorithms with a software capable of simulating the model and event. Accordingly, the first part of this document focuses on developing a Python script of the simulation model system using Abaqus API. The usage of an Abaqus Python script to simulate the event allows to generate specific variables and post-processing outputs essential to its posterior integration with optimization algorithms. Nevertheless, the development of a model that simulates a ballistic impact is complex and, thus, a sounding understanding on the physics and mechanics behind such an event are properly discussed. These insights are then used to validate the dynamic response and equilibrium of the simulated model. Furthermore, several modeling strategies are considered and analyzed throughout the first part of this document. The second part of this dissertation aims to acquire a comprehensive understanding of three optimization algorithms: Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Simulated Annealing (SA). The performance and efficiency of each algorithm, as well as numerous programming and optimization strategies, are tested in four different benchmarks. Each benchmark increases in complexity regarding its precedent and they all use the Abaqus Python script previously developed. This dissertation culminates in a multi-objective optimization procedure that uses the most efficient algorithm out of the three algorithms tested in the previous benchmarks. This multi-objective procedure uses every single-objective formulation, variables and constraints from the previous benchmarks which results in a highly non-linear problem. The results from this complex optimization problem are analyzed using and discussed.
O amplo ramo da engenharia enfrenta uma mudança de paradigma, na qual métodos e t écnicas avançados de otimização são cada vez mais usados para resolver problemas complexos. A maioria desses problemas requer a análise de uma grande quantidade de dados ou requer a resolução de cálculos complexos, ou até mesmo ambos. Esta dissertação tem como objetivo desenvolver um estudo compreensivo de algoritmos de otimização, aplicados a um problema complexo de projeto de engenharia: uma placa com multiplas camada sob um impacto balístico. Para resolver um problema complexo de engenharia de projeto, a forma mais eficiente consiste em combinar algoritmos de otimização não-linear com um software capaz de simular o modelo e o evento. Assim, a primeira parte deste documento é focada no desenvolvimento de um código em Python do modelo de simulação através da API do Abaqus. O uso de um código Python para simular o evento permite gerar variáveis específicas e resultados de pós-processamento que são essenciais para sua posterior integração com algoritmos de otimização. No entanto, o desenvolvimento de um modelo que simule um impacto balístico é complexo e, portanto, uma compreensão intrínseca sobre a física e a mecânica de tal evento é discutido adequadamente. Esses conhecimentos adquiridos são posteriormente usados para validar a resposta dinâmica e o equilíbrio do modelo simulado. Além disso, várias estratégias de modelagem são consideradas e analisadas ao longo da primeira parte deste documento. A segunda parte desta dissertação visa adquirir uma compreensão abrangente de três algoritmos de otimização não-lineares: otimização por enxame de partículas (PSO), algoritmo genético (GA) e recozedura simulada (SA). O desempenho e a eficiência de cada algoritmo, bem como numerosas estratégias de programação e otimizaçãoo, são testados em quatro benchmarks. Cada benchmark aumenta em complexidade em relação ao seu precedente e todos usam o código Python do modelo em Abaqus previamente desenvolvido. Esta dissertação culmina num processo de otimização multi-objetivo que utiliza o algoritmo mais eficiente dos três algoritmos testados nos benchmarks anteriores. Este procedimento multi-objetivo utiliza todas as formulações, variáveis e restrições das formulações dos benchmarks anteriores, o que resulta num problema altamente não linear. Os resultados desse complexo problema de otimização são analisados e discutidos.
URI: http://hdl.handle.net/10773/28183
Appears in Collections:DEM - Dissertações de mestrado
UA - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
Documento.pdf8.24 MBAdobe PDFView/Open


FacebookTwitterLinkedIn
Formato BibTex MendeleyEndnote Degois 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.