Optimization of variable stiffness composite plates with artificial neural network

Every day new strategies are studied to reduce the computational cost and the time consumption for the preliminary design phase of composite material structures. Surrogate models and optimization algorithms that are no gradient based are particularly interesting due to their efficiency with a relatively small consumption of resources. The goal of this work is to develop a computational tool based on Artificial Neural Networks for analysing structural problems. The study is focused on free vibration and buckling problems of variables stiffness panels (VSP) maximizing the value of the first natural frequency and the first buckling load, respectively. Furthermore, in the analysis is introduced a parametrization of the orientation angles of the fibres by using Lamination Parameters. However, this conversion of the design variables introduces non-linear constraints that requires some attention during sampling procedures. One crucial aspect associated with the use of Lamination Parameters is the need for recovering a set of orientation angles if the laminate that is optimized would be manufactured. The maximization of the considered values is obtained implementing a particle swarm optimization (PSO) algorithm inside the process. Furthermore, the PSO is used also to obtain the angle orientation from the lamination parameters. All the computational parts are done using MATLAB® with the use of codes written for this study and ones already implemented in the software. The work demonstrates that the process studied halves significatively the time consumption respect classical methods, introducing in the process an error of maximum 3%.

Ogni giorno vengono studiate nuove strategie per ridurre i costi computazionali e il consumo di tempo per la fase di progettazione preliminare di strutture in materiale composito. I modelli surrogati e gli algoritmi di ottimizzazione che non sono basati sul gradiente sono particolarmente interessanti per la loro efficienza con un consumo di risorse relativamente ridotto. L'obiettivo di questo lavoro è sviluppare uno strumento computazionale basato su reti neurali artificiali per l'analisi di problemi strutturali. Lo studio è focalizzato sulla vibrazione libera e sui problemi di instabilità dei pannelli a rigidità variabile (VSP), massimizzando rispettivamente il valore della prima frequenza naturale e del primo carico di instabilità. Inoltre, nell'analisi viene introdotta una parametrizzazione degli angoli di orientamento delle fibre utilizzando i Parametri di Laminazione. Tuttavia, questa conversione delle variabili di progetto introduce vincoli non lineari che richiedono una certa attenzione durante le procedure di campionamento. Un aspetto cruciale associato all'uso dei parametri di laminazione è la necessità di riconvertirli in angoli di orientamento se il laminato ottimizzato vuole essere prodotto. La massimizzazione dei valori considerati si ottiene implementando all'interno del processo l’algoritmo di ottimizzazione dello sciame di particelle (PSO). Inoltre, il PSO viene utilizzato anche per ottenere l'orientamento degli angoli dai parametri di laminazione. Tutte le parti computazionali vengono eseguite utilizzando MATLAB® con l'utilizzo di codici scritti per questo studio e quelli già implementati nel software. Il lavoro dimostra che il processo studiato dimezza in modo significativo il consumo di tempo rispetto ai metodi classici, introducendo nel processo un errore massimo del 3%.