@article { author = {Dashtbayazi, M.R. and Esmaeili, R.}, title = {Optimizing Properties of Aluminum-Based Nanocomposites by Genetic Algorithm Method}, journal = {Journal of Advanced Materials in Engineering (Esteghlal)}, volume = {34}, number = {2}, pages = {19-30}, year = {2022}, publisher = {Isfahan University of Technology}, issn = {2251-600X}, eissn = {2423-5733}, doi = {10.18869/acadpub.jame.34.2.19}, abstract = {Based on molecular dynamics simulation results, a model was developed for determining elastic properties of aluminum nanocomposites reinforced with silicon carbide particles. Also, two models for prediction of density and price of nanocomposites were suggested. Then, optimal volume fraction of reinforcement was obtained by genetic algorithm method for the least density and price, and the highest elastic properties. Based on optimization results, the optimum volume fraction of reinforcement was obtained equal to 0.44. For this optimum volume fraction, optimum Young’s modulus, shear modulus, the price and the density of the nanocomposite were obtained 165.89 GPa, 111.37 GPa, 8.75 $/lb and 2.92 gr/cm3, respectively.}, keywords = {optimization,elastic properties,nanocomposite,molecular dynamics,genetic algorithm}, title_fa = {بهینه‌سازی خواص نانوکامپوزیت زمینه آلومینیم به روش الگوریتم ژنتیک}, abstract_fa = {- در این پژوهش بر اساس نتایج حاصل از شبیه‌سازی دینامیک مولکولی، مدلی برای پیش‌بینی خواص الاستیک نانوکامپوزیت زمینه آلومینیم تقویت‌شده با ذرات کاربید سیلیسیم ایجاد شد. هم‌چنین دو مدل برای پیش‌بینی چگالی و قیمت نانوکامپوزیت پیشنهاد شد. سپس با استفاده از روش الگوریتم ژنتیک برای کمترین چگالی و قیمت و بیشترین خواص الاستیک، درصد بهینه کسر حجمی تقویت‌کننده به‌دست آمد. بر اساس نتایج به‌دست‌آمده از بهینه‌سازی، کسر حجمی بهینه تقویت‌کننده 44/0 به‌دست آمد. برای این کسر حجمی بهینه، به‌ترتیب مدول یانگ بهینه 89/165 گیگاپاسکال، مدول برشی بهینه 37/111 گیگاپاسکال، قیمت بهینه 75/8 دلار بر پوند و چگالی بهینه 92/2 گرم بر سانتی‌متر مکعب به دست آمد.}, keywords_fa = {بهینه‌سازی,خواص الاستیک,نانوکامپوزیت,دینامیک مولکولی,الگوریتم ژنتیک}, url = {https://jame.iut.ac.ir/article_2322.html}, eprint = {https://jame.iut.ac.ir/article_2322_dc0ae8e5890e5a3475d79d636807f69d.pdf} }