عنوان پایان‌نامه
تعیین پارامتر های بهینه تغذیه کننده ارتعاشی جهت رسیدن به بازدهی حداکثر
- رشته تحصیلی
- مهندسی مکانیک طراحی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 2058;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 51540
- تاریخ دفاع
- ۲۹ آبان ۱۳۹۰
- دانشجو
- علی پی سپار
- استاد راهنما
- علی اصغر عطائی
- چکیده
- در این پژوهش مدل کاملی از تغذیه‌کننده مخرنی-ارتعاشی تهیه شده است. در این مدل حرکت مخزن با در نظر گرفتن معادلات الکترومغناطیسی محرک به دست می‌آید و با استفاده از اطلاعات حرکت مخزن، حرکت قطعات محاسبه می‌شوند. در شبیه‌سازی حرکت قطعات درون مخزن، چهار فاز حرکت لغزشی، چسبندگی، پرواز و برخورد در نظر گرفته شده‌اند که در فاز برخورد تحلیل جامعی صورت گرفته است که پیش از این در بررسی این نوع تغذیه‌کننده سابقه نداشته است. از دیگر قابلیت‌های شبیه‌ساز فوق توانایی محاسبه‌ی حرکت گذرای مخزن و تاثیر آن بر روی حرکت قطعات است که برای نخستین بار انجام شده است. درنهایت تقریب‌هایی برای کاهش هزینه‌ی محاسباتی در نظر گرفته شد و محدودیت‌های عملی در عملکرد تغذیه‌کننده به عنوان قید اعمال گردید. در مراحل بعدی بهینه‌سازی تک هدفه با سه روش کلونی زنبورها، دسته‌ی ذرات و الگوریتم ژنتیک انجام شد و یک روش جدید بهینه‌سازی همساز با شرایط مساله و تابع هدف با ترکیب دو روش کلونی زنبورها و دسته‌ی ذرات توسعه داده شد و نتایج قابل قبولی به دست آمد. بهینه‌سازی چندهدفه با دو تابع عملکرد تغذیه‌کننده و هزینه‌ی ساخت آن نیز با دو روش جمع وزن‌دار توابع و الگوریتم ژنتیک چندهدفه انجام شد و جبهه‌ی پَرِتو استخراج گردید.
- Abstract
- In this research a full model of Vibratory Bowl Feeders (VBFs) is prepared; in which the bowl motion resulting from an electromagnetic exciter calculated and then part’s motion is computed based on the bowl motion. There are four part motion regimes: sliding, sticking, flight and collision. Collision regime is investigated in detail here; also simulator is designed with the ability of considering transient bowl motion and its influence on part motion for the first time. An Optimization problem is defined to minimize the time consumes for the parts to climb the bowl trough. Design variables are bowl and exciter and trough physical parameters. Finally, some approximations are considered to reduce computational cost, and some practical constraints are applied. Single objective optimization is implemented by Artificial Bee Colony (ABC), Particle Swarm Optimization (PSO) and Genetic Algorithm (GA) in next steps. And a new optimization algorithm based on ABC and PSO called Hybrid ABC-PSO is developed which is consistent with problem characteristics. Then optimization is implemented and results some information about search area and objective function behavior in it like multimodality and its Sensitivity to some variables changes. Multi-Objective optimization with to performance and cost objectives is also implemented to achieve more practical advantages with Weighted-Sum method and Non-dominated Sorting Genetic Algorithm (NSGAII) and Pareto Front is extracted.
