Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10773/28183
Título: | Optimization of layer configurations for ballistic impact on light-weight armour plates |
Outros títulos: | Otimização da configuração de camadas para proteções balísticas de baixo peso |
Autor: | Reis, Isaac Bastos Correia |
Orientador: | Oliveira, João Alexandre Dias de Dias, Filipe Miguel Horta e Vale Teixeira |
Palavras-chave: | Ballistic Impact Abaqus Python API Design Optimization Genetic Algorithm Particle Swarm Optimization Simulated Annealing Multi-objective Optimization |
Data de Defesa: | 7-Jun-2019 |
Resumo: | 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 |
Aparece nas coleções: | UA - Dissertações de mestrado DEM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Documento.pdf | 8.24 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.