عنوان فارسی تحقیق | بررسی انواع روش های مختلف بهینه سازی سازه و ساختمان |
---|---|
عنوان انگلیسی تحقیق | Investigating different types of structural and building optimization methods |
مناسب برای | درس سمینار ، ارائه تحقیق |
رشته | مهندسی عمران |
سال نگارش | 2025-1403 |
قالب فایل | Word |
عنوان تحقیق: بررسی انواع روش های مختلف بهینه سازی سازه و ساختمان
فهرست مطالب تحقیق:
فصل یک: کلیات تحقیق
- 1-1 مقدمه
- 1-2 بیان مساله
- 1-3 اهمیت و ضرورت تحقیق
- 1-4 اهداف تحقیق
- 1-5 مروری بر فصول سمینار
فصل دو: مبانی نظری و مروری بر منابع
- 2-1 مقدمه
- 2-2 انواع روش های بهینه سازی سازه های مقاوم
- 2-2-1 اهداف بهینه سازی سازه
- 2-3 فرآیند بهینه سازی سازه های مقاوم
- 2-3-1 تکنیک های مدل سازی برای تحلیل و طراحی سازه
- 2-3-2 فرمول بندی مسائل بهینه سازی سازه
- 2-3-3 تکنیک ها و روش های بهینه سازی سازه
فصل سوم: بهینه سازی سازه های مقاوم
- 3-1 مقدمه
- 3-2 بهینه سازی سازه با کامپوزیت
- 3-2-1 بهینه سازی با کامپوزیت ستونی
- 3-3 بهینه سازی سازه های مقاوم با میراگر
- 3-3-1 بهینه سازی سازه کامپوزیتی فولاد- بتن
- 3-4 بهینه سازی اقتصادی سازه های مقاوم
- 3-4-1 بهینه سازی سازه های لوله ای
- 3-5 بهینه سازی سازه های مقاوم با الگوریتم بهینه سازی
فصل چهارم: جمع بندی و پیشنهادات
- 4-1 مقدمه
- 4-2 جمع بندی
- 4-3 پیشنهادات
منابع و ماخذ
بیان مساله تحقیق:
رشد سریع شهرنشینی منجر به افزایش تاریخی در تعداد سازه ها و ساختمان های بلندمرتبه شده است. انتظار می رود ارتعاشات بیش از حد در ساختمان ها توسط نیروهای خارجی مانند زلزله و باد ایجاد شود. ارتعاشات ناشی از آن ممکن است منجر به آسیب سازه و عملکرد نامطلوب سازه شود. ارتعاشات القا شده می تواند باعث ناراحتی های قابل توجهی شود، در غیر این صورت، تلفات جانی ایجاد می کند. بنابراین، برای افزایش ایمنی و عملکرد سازهها، کنترل ارتعاشات در سیستمهای سازهای از دیرباز مورد توجه طراحان سازه بوده و به عنوان منبع اصلی رقابتپذیری تکنولوژیک عمل میکند. (Zhu, Y و همکاران، 2025)
بسیاری از فناوریهای کنترل ارتعاش، از جمله میرایی، جداسازی ارتعاش، کنترل نیروهای تحریک و جاذبهای ارتعاش، برای کاهش آسیب و اصلاح عملکرد سازهها به کار گرفته شدهاند. هر سیستم محدودیت ها و مزایای خاص خود را دارد و انتخاب یک سیستم کنترلی خاص معمولاً با در نظر گرفتن عوامل متعددی مانند اثربخشی، راحتی و هزینه چرخه عمر تصمیم می گیرد. (Cespedes-Cubides, A. S و همکاران، 2024)
برخی از منابع:
Guo, F., woo Ham, S., Kim, D., & Moon, H. J. (2025). Deep reinforcement learning control for co-optimizing energy consumption, thermal comfort, and indoor air quality in an office building. Applied Energy, 377, 124467
Mbayam, O. M., & Bounahmidi, T. (2025). Energy optimization of a residential building for electricity, cooling, and heating: A path to Net Zero Energy. Energy for Sustainable Development, 85, 101672
Wang, X., Wang, P., Huang, R., Zhu, X., Arroyo, J., & Li, N. (2025). Safe deep reinforcement learning for building energy management. Applied Energy, 377, 124328
Sghiri, A., Gallab, M., Merzouk, S., & Assoul, S. (2025). Leveraging Digital Twins for Enhancing Building Energy Efficiency: A Literature Review of Applications, Technologies, and Challenges. Buildings, 15(3), 498
Liu, Y., & Abbasabadi, N. (2025). Enhancing urban building energy models with Vision Transformers: A Case study in material classification from Google street view. Energy and Buildings, 115457
Wang, B., Liu, Y., Wang, D., Song, C., Fu, Z., & Zhang, C. (2024). A review of the photothermal-photovoltaic energy supply system for building in solar energy enrichment zones. Renewable and Sustainable Energy Reviews, 191, 114100
Deshpande, N. A., Pagare, N. A., & Tomar, N. A. (2024). Assessing the efficacy of green building design strategies in minimizing energy consumption in commercial buildings of Mumbai: A building performance analysis. International Journal of Science and Research Archive, 11(1), 031-039
Feng, Z., An, J., Han, M., Ji, X., Zhang, X., Wang, C., … & Kang, L. (2024). Office building energy consumption forecast: Adaptive long short term memory networks driven by improved beluga whale optimization algorithm. Journal of Building Engineering, 91, 109612
Chen, Z., Cui, Y., Zheng, H., & Ning, Q. (2024). Optimization and prediction of energy consumption, light and thermal comfort in teaching building atriums using NSGA-II and machine learning. Journal of Building Engineering, 86, 108687
سایر لینکهای مرتبط
- دانلود پروپوزال آماده و رایگان (تمامی رشته ها) »
- دانلود نمونه پروپوزال مدیریت »
- دانلود نمونه پروپوزال آماده مهندسی کامپیوتر »
- نمونه پروپوزال آماده مهندسی برق »
- نمونه پروپوزال آماده پزشکی و مهندسی پزشکی »
- دانلود پروپوزال مهندسی مکانیک »
- دانلود نمونه پروپوزال مهندسی صنایع »
- نمونه پروپوزال هنر و ارتباطات تصویری »
- دانلود پروپوزال روانشناسی »
- دانلود پروپوزال حقوق »
- دانلود پروپوزال حسابداری و حسابرسی »
- دانلود پروپوزال اقتصاد »
- دانلود پروپوزال علوم انسانی »
- دانلود رایگان کتاب آموزش پروپوزال
نقد و بررسیها
هنوز بررسیای ثبت نشده است.