Optimization of stiffened panels using bionic growth method

Aerospace structures are often made in the form of thin panels reinforced by stiffeners. The most used configurations have orthogonal stiffeners. In this thesis, more general configurations are analysed in which the stiffeners can develop along several directions. The need for suitable methods for the analysis and optimization of less traditional stiffener patterns is therefore evident. The preliminary part of this work consists of illustrating an analysis tool based on the Ritz method for solving these structures, which guarantees greater speed than FEM. Next, the thesis focuses on the implementation of the Bionic Growth method, which aims to generate optimal stiffener configurations. The name of the method derives from its inspiration from the growth mechanisms present in nature, such as the growth of tree roots or leaf veins. The intention is replicating them to generate alternative configurations of stiffeners. In the approach proposed and developed in this thesis, each stiffener grows according to the sensitivity associated with it, which is a measure of the effects of the stiffener on the behaviour of the structure. Each stiffener then has the possibility to branch out or be removed based on the development of its area. The proposed optimization method is implemented in Matlab environment and coupled with the structural analysis tool based on Ritz method. In the thesis work, studies are presented concerning the optimization of static response, buckling load and free vibration. The results obtained are compared with those obtained through other optimization techniques to evaluate the effectiveness of the Bionic Growth method. The analysis of the results shows that the proposed method significantly improves the response of the structure, but the result is strictly dependent on the choice of method parameters. The comparison with more traditional optimization algorithms shows that the Bionic Growth method is computationally less expensive.

Le strutture aerospaziali sono spesso realizzate sotto forma di pannelli sottili rinforzati attraverso correnti. Le configurazioni più comunemente impiegate presentano irrigidimenti ortogonali. In questa tesi si analizzano configurazioni più generali in cui i correnti possono svilupparsi lungo più direzioni. Emerge dunque la necessità di avere metodi adeguati per l'analisi e l'ottimizzazione di pattern di correnti meno tradizionali. La parte preliminare di questo lavoro consiste nell’illustrare uno strumento di analisi basato sul metodo di Ritz per la soluzione di tali strutture, il quale garantisce una maggiore velocità rispetto al FEM. Successivamente, la tesi si sofferma sull’implementazione del metodo di crescita bionica che ha lo scopo di generare configurazioni ottimali di correnti. La denominazione del metodo deriva dalla sua ispirazione ai meccanismi di crescita presenti in natura, quali sono, ad esempio, la crescita delle radici di un albero o delle venature di una foglia. L’intento è replicarli per generare configurazioni alternative di correnti. Nell'approccio proposto e sviluppato in questa tesi ogni corrente cresce secondo la sensibilità associata ad esso, la quale è una misura degli effetti del corrente sul comportamento della struttura. Ogni corrente ha poi la possibilità di diramarsi o di essere rimosso sulla base dello sviluppo della sua area. Il metodo di ottimizzazione proposto è implementato in ambiente Matlab e accoppiato con lo strumento di analisi strutturale basato sul metodo di Ritz. Nel lavoro di tesi si presentano degli studi che riguardano l'ottimizzazione della risposta statica, del carico critico e delle vibrazioni libere. I risultati ottenuti sono confrontati con quelli ottenuti attraverso altre tecniche di ottimizzazione con lo scopo di valutare l’efficacia del metodo di crescita bionica. Dall'analisi dei risultati si nota che il metodo proposto migliora notevolmente la risposta della struttura ma il risultato finale dipende strettamente dalla scelta dei parametri del metodo. Il confronto con algoritmi di ottimizzazione più tradizionali mostra che il metodo di crescita bionica è computazionalmente meno oneroso.