هدف از این تحقیق، تولید کامپوزیت زمینه آلیاژهای مس تقویت شده با ذرات الماس میکرونی و بررسی خواص مکانیکی این کامپوزیت است. از مهم ترین مسائل ساخت این نوع کامپوزیت ، بهینه سازی استحکام ذرات الماس در زمینه فلزی و خواص سایشی مد نظر این نوع کامپوزیت است. پودرهای کامپوزیتی با استفاده از آسیابکاری پرانرژی (سایشی) و به روش سینتر پرس داغ تولید شدند. به منظور بررسی استحکام خمشی، سختی و خواص سایشی، نمونه ها با اضافه کردن فلزات مختلف به زمینه، شرایط مختلف آسیابکاری و پارامترهای مختلف فشار داغ، ساخته شدند. هدف از این تحقیق، تولید کامپوزیت زمینه آلیاژهای مس تقویت شده با ذرات الماس میکرونی و بررسی خواص مکانیکی این کامپوزیت است. از مهم ترین مسائل ساخت این نوع کامپوزیت ، بهینه سازی استحکام ذرات الماس در زمینه فلزی و خواص سایشی مد نظر این نوع کامپوزیت است. پودرهای کامپوزیتی با استفاده از آسیابکاری پرانرژی (سایشی) و به روش سینتر پرس داغ تولید شدند. به منظور بررسی استحکام خمشی، سختی و خواص سایشی، نمونه ها با اضافه کردن فلزات مختلف به زمینه، شرایط مختلف آسیابکاری و پارامترهای مختلف فشار داغ، ساخته شدند.

اصلاح خواص مکانیکی کامپوزیت ها براساس نسبت استحکام به وزن در کاربردهای وسیع مورد توجه بوده است. در این کاربردها عقیده بر این است که مقاوم ترین و در عین حال سبک ترین و مقرون به صرفه ترین سازه را داشته باشیم. این سه عامل معمولا در برابر هم عمل می کنند. به همین دلیل، کاربرد الگوریتم های بهینه سازی برای اصلاح خواص مکانیکی مواد کامپوزیت از اهمیت بالایی برخوردار می باشد. کاربرد الگوریتم بهینه سازی گروه ذارت (PSO) در بهینه سازی صفحات کامپوزیت متقارن متعادل هیبریدی به منظور دست یابی به کم ترین وزن و هزینه توأم با در نظر گرفتن قید فرکانس بیان شده است. در این تحقیق تابع هدف، به عنوان ترکیبی از وزن و هزینه بهینه شده است. وزن و هزینه تابع تعداد و جنس لایه ها می باشند. در حالی که، فرکانس طبیعی علاوه بر عوامل فوق تابعی از زاویه الیاف و لایه چینی نیز هست. نتایج به دست آمده از الگوریتم PSO (شامل لایه چینی های بهینه و تعداد لایه های تقویت شده با الیاف کربن و شیشه) با نتایج الگوریتم های ژنتیک (GA) و کلونی مورچه ها (ACO) مقایسه شد. نتایج، مزیت کامپوزیت هیبریدی را تایید کرد و نشان داد که PSO به نتایجی برابر و حتی در مواردی به نتایجی به تر از الگوریتم های ذکرشده رسیده است. این الگوریتم بسیار مفید و قابل رقابت با سایر الگوریتم های فرا ابتکاری می باشد.

در این تحقیق با استفاده از روش بهینه سازی چند منظوره گروه ذرات طبقه بندی کننده ای ارایه شده است که همزمان قادر به بهینه سازی شاخص های متفاوت و مهمی در تشخیص الگو نظیر قابلیت اطمینان، نرخ تشخیص صحیح و تعداد ابر صفحه های لازم برای مرزبندی موثر کلاس های متفاوت در فضای ویژگی می باشد. در طراحی طبقه بندی کننده پیشنهاد شده مسایل مهم فوق-برازش و فوق-آموزش نیز بر طرف شده است. توانایی دستیابی همزمان به شاخص های مذکور در سایر طبقه بندی کننده های مبتنی بر روش های هوش جمعی وجود ندارد. نتایج عملی به دست آمده بر روی داده های آزمایشی نشان می دهند که طبقه بندی کننده چند منظوره پیشنهادی با تخمین جبهه پرتو بهترین مجموعه انتخابی از ابر صفحه های جدا کننده کلاس های مختلف را برای برپایی شرایط دلخواه کاربر در خصوص انتخاب شاخص های فوق الذکر، فراهم می آورد.

با توجه به اهمیت فرایند خنک کردن و گرم کردن یک جسم جامد، تولید انتروپی در جریان محدود در اطراف یک مانع مورد بررسی قرار گرفته است. در این مطالعه، شبیه سازی عددی جریان لایه ای آرام و انتقال حرارت نانو سیال ها با نانو ذرات Al2O3 یا نانو لوله های کربن (CNTs)با شکل های مختلف در نظر گرفته شده است. معادله های ناویر-استوکس و انرژی به صورت عددی در یک سیستم مختصات متناسب با هندسه جسم، با استفاده از روش حجم کنترل حل شده اند. الگوهای جریان و میدان های دما برای مقادیر مختلف غلظت ذرات به طور دقیق بررسی شده اند. علاوه بر این، اثرات شکل و غلظت نانو ذرات بر انتقال حرارت مورد بررسی قرار گرفته است. همچنین، تاثیر نانو سیال ها بر افت فشار و توان پمپ مطالعه شد. از سوی دیگر، کمینه کردن تولید انتروپی به عنوان معیار بهینه سازی در نظر گرفته شده است. نتایج نشان می دهد که در بیشتر موارد، نانو سیال ها انتقال حرارت و همچنین افت فشار را افزایش می دهند. همچنین، شکل نانو ذرات مکانیزم انتقال حرارت در نانو سیال ها مهم است. نانو سیال ها با نانو ذرات استوانه ای CNT نسبت به نانو سیال های که دارای نانو ذرات Al2O3 با شکل کروی هستند، انتقال حرارت را بیشتر افزایش می دهند. برای نانو سیال حاوی CNT با غلظت %5/0 انتقال حرارت خیلی بیشتر از توان پمپاژ افزایش یافته است که این نانو سیال را یک انتخاب اقتصادی می سازد.

بهره برداری بهینه از مخازن چند منظوره یکی از مسائل پیچیده و گاها غیرخطی مطرح در بهینه سازی چندهدفه است. الگوریتم های فراکاوشی ابزار بهینه سازی مناسبی هستند که با شبیه سازی رفتار جانداران به جستجوی فضای تصمیم پرداخته و امکان ارائه مجموعه ای از نقاط را به عنوان مجموعه جواب مساله دارند. لذا در این تحقیق، کاربرد الگوریتم MOPSO در مساله بهره برداری بهینه از مخزن بازفت، با اهداف تولید انرژی برقابی، تامین نیاز پایین دست (شرب، صنعت و کشاورزی)، کنترل سیلاب و تفریحات مورد بررسی قرار گرفت. به این منظور، در ابتدا مقایسه ای میان مجموعه جوابهای حاصل از الگوریتم MOPSO در ترکیبات دوتایی اهداف اشاره شد و CP با ضرایب وزنی و توانی مختلف صورت پذیرفت که الگوریتم MOPSO در تمامی ترکیبات اهداف در ارائه مجموعه جوابهایی با توزیع مناسب نقاط نسبت به CP از برتری برخوردار بود و بر جوابهای CP غلبه نمود. در ادامه مقایسه دیگری میان، نقاط انتهایی مجموعه جواب الگوریتم MOPSO و NLP صورت گرفت که جوابهای الگوریتم MOPSO با متوسط  0.3 درصد اختلاف باNLP ، قابلیت زیادی در ارائه جوابهای بهینه در نقاط انتهایی مجموعه جواب داشت.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در این کار از مزایای استفاده همزمان از رویکرد بیوریفاینری و بهینه سازی برای دست یابی به کارایی فرآیند کل مطلوب استفاده شد. ابتدا از فرآیند تغییر pH قلیایی کمک شده با التراسونیک و بهینه سازی آن به منظور کمک به بیشینه کردن درصد بازدهی استخراج و شاخص سفیدی پروتئین های عضله فانوس ماهی گونه B. pterotum استفاده شد. استراتژی بهینه انتخاب شده با مشخصات بدین شرح؛ نسبت حلال به جامد ml g-1 6، pH انحلال 5/11، توان التراسونیک W 310 ؛ و pH ترسیب 8/5 و با مطلوبیت 84/0؛ بازدهی 53 درصد و شاخص سفیدی 81/76 را ارائه کرد. از این پروتئین در ترکیب با کلاژن هیدرولیز شده در تهیه ژل های حرارتی استفاده شد. نتایج نشان داد ژل حاصل از پروتئین ایزوله نیروی شکست و تغییر شکل را به ترتیب در حدود 123 g و 12/10 میلی متر ارائه کرد. افزودن کلاژن هیدرولیز شده سبب بهبود نیروی شکست (تا سطح 2% وزنی/وزنی) و مقدار تغییر شکل (تا سطح 10% وزنی/وزنی) شد. کلاژن هیدرولیز شده همچنین تا حدودی بر ویژگی های رنگ و شاخص سفیدی و همچنین بر ظرفیت نگهداری آب در ژل ها اثر مثبت داشت. بنابراین می توان عنوان کرد با اتخاذ یک تکنیک جدید استخراج مثل التراسونیک در کنار فرآیند تغییر pH و متعاقبا بهینه سازی آن و همچنین استفاده از رویکرد بیوریفانری به منظور استفاده همزمان از پروتئین های عضله و بافت پیوندی موجود در زیست توده ماهی؛ می توان گامی مهم در جهت حرکت به سمت scale-up (صنعتی کردن مقیاس تولید)کردن فرآیند برداشت.

پانل های ساندویچی به دلیل ساختار منحصر به فرد خود، دارای ویژگی های خاصی هستند، که مهم ترین ویژگی آن ها نسبت استحکام به وزن بالا می باشد. متغیرهایی که برای طراحی پانل های ساندویچی تعریف شده اند، باید به نحوی تعیین شوند، که در عین فراهم آوردن استحکام لازم، کمترین وزن را نیز داشته باشند. به همین دلیل استفاده از الگوریتم های بهینه سازی در طراحی این پانل ها از اهمیت خاصی برخوردار است. بهینه سازی گروه ذارت (PSO) یک روش تصادفی الهام گرفته از طبیعت می باشد که برای حل مسائل ترکیبی و چند منظوره در مهندسی به کار می رود. در این مقاله کاربرد این روش در بهینه سازی وزن پانل ساندویچی با هسته منشوری با رعایت قیدهای تسلیم و کمانش بیان شده است. از آنجایی که الگوریتم PSO نیاز به مشتق گیری و حدس اولیه خاص ندارد و نیز یک فرایند اتفاقی است، قادر است فضای حل وسیعی را با احتمالی مناسب جستجو کند. مقایسه نتایج نشان داد که الگوریتم PSO به جواب های بهتری رسیده که در تکرارهای کمتری به دست آمده است.