Optimización topológica de piezas mecánicas empleando algoritmos genéticos

• Autores: Mroginski, Javier Luis; Beneyto, Pablo Alejandro; Veroli, César Gustavo; Lucca, Oscar Roberto; Baravalle, Javier
• Año de publicación: 2014
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Algoritmos genéticos; Método de elementos finitos; Optimización multiobjetivo; Diseño estructural; Análisis de sensibilidad
• Institución: Universidad Nacional del Nordeste

Fil: Mroginski, Javier Luis. Universidad Nacional del Nordeste. Facultad de Ingeniería; Argentina.
Fil: Mroginski, Javier Luis. Consejo Nacional de Investigaciones Científicas y Técnicas. Laboratorio de Mecánica Computacional; Argentina.
Fil: Beneyto, Pablo Alejandro. Universidad Nacional del Nordeste. Facultad de Ingeniería; Argentina.
Fil: Veroli, Cesar Gustavo. Universidad Nacional del Nordeste. Facultad de Ingeniería; Argentina.
Fil: Lucca, Oscar Roberto. Universidad Nacional del Nordeste. Facultad de Ingeniería; Argentina.
Fil: Baravalle, Javier. Universidad Nacional del Nordeste. Facultad de Ingeniería; Argentina.
Una buena parte de los problemas de la ingeniería que involucran el diseño estructural de piezas mecánicas pueden ser abordados mediante el empleo de teorías simplificadas de la resistencia de materiales o bien mediante técnicas numéricas, como el Método de los Elementos Finitos. En ambos casos, las soluciones abordadas son determinísticas, perdiéndose el carácter heurístico del problema de diseño óptimo (Belegundu and Chandrupatla, 1999). En estos casos pueden emplearse técnicas iterativas de búsqueda donde la solución no es única, sino que está encerrada en un intervalo. En el presente trabajo se desarrollo una herramienta computacional que permite optimizar la topología de piezas empleadas en la industria metalmecánica. Basado en Algoritmos Genéticos, el software desarrollado permite determinar soluciones óptimas a problemas de diseño estructural, mejorando sustancialmente tanto la seguridad como la economía de las piezas estudiadas. Una de las principales características de dicho software radica en un análisis previo de sensibilidad de las variables (o genes) que intervienen en el problema (Mroginski, et al. 2013) que mejora notablemente la convergencia de la solución en situaciones donde se presentan grupos de variables con baja incidencia en la función objetivo. Los resultados numéricos presentados demuestran la robustez y la convergencia del algoritmo propuesto, aplicado al diseño de piezas estructurales.