Search

Çarpışma kutuları araçlarda darbe emici yapılar olarak araçların tampon kısımlarında bulunur. Çarpışma kutularının şekli, çarpışma performansını önemli oranda etkilemektedir. Çarpışma kutuları üzerine yapılan çalışmalarda çok hücreli çarpışma kutularının tek duvardan oluşan çarpışma kutularına göre daha iyi performansa sahip oldukları ortaya koyulmuştur. Çok hücreli çarpışma kutularında dış duvar içerisindeki yapıların geometrisi çarpışma performansını arttırmada önemli rol oynamaktadır. Bu çalışmada her birinin dış duvarı silindirik olan ve içi kare, altıgen, sekizgen ve dairesel kesitler ile eklenmiş dört farklı çarpışma kutusunun performansları incelenmiştir. En iyi performansa sahip olan içerisine dairesel kesit eklenmiş dairesel çok hücreli çarpışma kutusuna çoklu arama stratejileri kullanan çok amaçlı parçacık sürü optimizasyonu (MMOPSO) yöntemiyle optimizasyon çalışması yapılmıştır. Optimizasyon çalışması, radyal temelli fonksiyonlar yöntemi ile elde edilen metamodel kullanılarak gerçekleştirilmiştir. Metamodel, latin hiperküp yöntemi ile belirlenen otuz adet örnekleme noktası kullanılarak oluşturulmuştur. The crash boxes are located in vehicles in the part of the bumper as energy-absorbing structures. The shape of the thin-walled tubes significantly influences the crashworthiness performance. In the studies on thin-walled tubes, it has been shown that multi-cell tubes have better crashworthiness performance than mono-cell tubes. In multi-cell tubes, the cross-section of the structures within the outer wall plays an important role in improving the crashworthiness performance. In this study, the crashworthiness performance of circular multi-cell tubes filled with square, hexagonal, octagonal and circular cross-sections are examined. The circular multi-cell tube filled with a circular cross-section, which has the best values within four multi-cell tubes, has been selected to optimize the crashworthiness performance using the multi-objective particle swarm optimization using multiple search strategies (MMOPSO). The optimization study is performed using the surrogate model. A surrogate model is created by using the radial basis function with thirty sampling points which are created using the Latin hypercube method.