Proses Kongres Dunia ke-18.

Federasi Internasional dengan Kendali Otomatis ...

Milano (Italia) 28 Agustus 2 September 2011

Casting Design Melalui Optimisasi Multi-Objective

Jean Kor*, Xiang Chen*, Zhizhong Sun**, Henry Hu * **

* Departemen Teknik Elektro dan Komputer, Universitas Windsor

Windsor, Ontario, 9B 3P4, e-mail Kanada: xchen@uwindsor.ca
** Departemen mekanis, Automotive & Material rekayasa, Universitas Windsor
Windsor, Ontario, 9B 3P4, Kanada

Desain sistem gating dan riser memainkan peran penting dalam kualitas dan biaya dari
pengecoran logam. Karena kurangnya prosedur teori tetap untuk diikuti, Proses desain dilakukan
pada percobaan-dan-kesalahan. Masalah casting desain optimisasi ditandai oleh beberapa
variabel desain, objectives yang bertentangan dan ruang pencarian kompleks, membuatnya tidak
sesuai untuk sensitivitas berbasis-optimisasi. Dalam penelitian ini, metode optimisasi formal
menggunakan algoritma Multi-objektif evolusi (MOEA) dikembangkan untuk mengatasi
kompleksitas tersebut. Sebuah kerangka kerja untuk mengintegrasikan prosedur optimisasi
dengan simulasi numerik untuk desain evaluasi disajikan. Kerangka optimisasi yang diusulkan
diterapkan pada sistem kisi dan riser dari sebuah pengecoran pasir memberikan hasil yang baik
dan memberikan lebih fleksibilitas dalam membuat keputusan.

1. Perkenalan
Desain Casting, khususnya desain sistem gating dan riser memiliki pengaruh langsung
pada kualitas komponen cast. Desain dari gating dan riser Sistem sebagian besar didasarkan pada
pengalaman lalu dan aturan empiris (Campbell,1991) dan simulasi telah menjadi alat penting
untuk desain, analisis dan optimisasi proses casting (Kor, 2006).
Kopling numerik simulasi dengan metode optimisasi formal adalah salah satu cara mengadopsi
pendekatan yang lebih sistematis terhadap desain casting. Masalah casting desain optimisasi
ditandai oleh beberapa titik kontrol dan beberapa objek yang saling bertentangan yang
melibatkan banyak parameter (Wang, 2007).
Dalam penelitian ini, Proses desain casting diformalkan dan kerangka kerja optimisasi
yang diusulkan menggunakan algoritma multi - objektif evolusi (MOEA) disajikan. Algoritma
evolusi memandu metode pencarian stokastik yang cukup dikenal untuk kemampuan mereka
untuk mengatasi kesulitan tersebut. Mereka adalah optimis global yang bekerja dengan populasi
solusi dalam paralel dan telah ditampilkan untuk menjadi kuat dalam menemukan solusi optimal
dalam ruang pencarian kompleks terlepas dari titik awal (Jones, 2002).
Aspek kunci dari menggunakan MOEA untuk casting design optimisasi adalah bahwa hal
ini tidak memerlukan informasi analitis untuk formulasi optimisasi. Tujuan utama adalah untuk
meningkatkan efisiensi dan kualitas Proses desain casting dengan menggabungkan simulasi dan
teknik optimisasi formal. Fokus utama pada sistem berkecimpung dan memberi makan di mana
simulasi numerik digunakan untuk memprediksi kinerja desain.

2. OPTIMISASI MULTI-OBJECTIVE
Dalam masalah multi-objective, tujuannya adalah mencari satu set nilai untuk variabel
desain yang mengoptimalkan satu set fungsi objektif secara bersamaan. Ketika tujuan yang
bertentangan, menemukan solusi yang meminimalisir semua tujuan pada saat yang sama menjadi
mustahil. Operasi algoritma genetik ditampilkan dalam angka 1. The elitist non-didominasi
Algoritma Genetik II (NSGA II) saat ini salah satu yang paling populer digunakan dalam real-
world multi - objective masalah optimisasi (Deb, 2003). Beberapa ciri-ciri khusus dari NSGA II
adalah strategi penyortiran terbaik yang melibatkan gabungan antara kedua orangtua dan anak
dan populasi anak dan eliminasi parameter berbagi dengan strategi jarak dekat otonom.
NSGA II memelihara sebuah Pareto archive dan pengantar elitisme dengan
membandingkan populasi saat ini dengan sebelumnya ditemukan solusi yang terbaik non-
didominasi. Prosedur seleksi ini dipandu terhadap set beragam titik pada awal Pareto
berdasarkan konsep dari tingkat non-didominasi dan jarak berkerumun. NSGA II digunakan
untuk studi ini dan yang luar biasa disebut sebagai MOEA.
3. CASTING DESIGN OPTIMISASI MENGGUNAKAN MOEA
3.1. Optimisasi bingkai kerja
Dalam pengembangan produk virtual, desain komputer dibantu (CAD) dan urutan analisis
terintegrasi ke dalam strategi optimisasi, dimana geometri produk ini dijelaskan oleh parameter
untuk proses yang efisien (Merkel, 2003).
Dalam desain casting, dua tujuan utama adalah: (1) menghilangkan cacat casting dan (2)
memaksimalkan hasil casting. Untuk mencapai tujuan tersebut, desain yang berbeda dapat
dieksplorasi dengan mengubah bentuk dan ukuran komponen gating dan riser. Aplikasi
Algoritma Genetik telah ditampilkan untuk efektif untuk generator bentuk lintas-sectional yang
melibatkan pernikahan variabel kontinyu seperti dimensi bentuk, dan variabel disk seperti jenis
bentuk dan kuantitas (Yoshimura, 2005). Untuk studi ini, deskripsi geometris seperti panjang,
radius, dan tinggi dari komponen yang dipilih sebagai variabel desain untuk proses optimisasi
seperti yang ditampilkan dalam angka 2.
Menginisialisasi populasi
Pilih orang tua untuk kawin
terlibat tidak tersedia, kinerja dari desain harus diukur dari simulasi akses keluaran.
Strategi optimisasi harus terhubung dengan lingkungan simulasi. Di sini, perangkat lunak
analisis desain diperlakukan seperti 'black box' dengan antarmuka masukan untuk menerima
saran desain baru dan sebuah antar muka keluaran untuk berkomunikasi langkah kinerja mereka
ke mesin optimisasi. Ukuran keluaran ini digunakan untuk mengevaluasi kecocokan dari desain
di MOEA.
Kerangka optimisasi dan aliran proses yang diilustrasikan dalam angka 3. Struktur implementasi
desain casting adalah dibagi menjadi empat bagian utama: pre-processing, simulasi, pasca-proses
dan optimisasi yang akan dijelaskan selanjutnya.
Buat keturunan baru dengan crossover & mutasi
Inisial Gating & Riser Desain (Geometri Parametrik)