Nature.com-এ আসার জন্য আপনাকে ধন্যবাদ। আপনি সীমিত CSS সাপোর্ট সহ একটি ব্রাউজার সংস্করণ ব্যবহার করছেন। স্টেইনলেস স্টিল কয়েল টিউব। সেরা অভিজ্ঞতার জন্য, আমরা আপনাকে একটি আপডেট করা ব্রাউজার ব্যবহার করার পরামর্শ দিই (অথবা ইন্টারনেট এক্সপ্লোরারে কম্প্যাটিবিলিটি মোড নিষ্ক্রিয় করুন)। এছাড়াও, নিরবচ্ছিন্ন সাপোর্ট নিশ্চিত করার জন্য, আমরা স্টাইল এবং জাভাস্ক্রিপ্ট ছাড়াই সাইটটি প্রদর্শন করছি।
একসাথে তিনটি স্লাইডের একটি ক্যারোসেল প্রদর্শন করে। একবারে তিনটি স্লাইডের মধ্যে দিয়ে যাওয়ার জন্য আগের এবং পরের বাটনগুলো ব্যবহার করুন, অথবা শেষে থাকা স্লাইডার বাটনগুলো ব্যবহার করে একবারে তিনটি স্লাইডের মধ্যে দিয়ে যান।
এই গবেষণায়, রকেটে ব্যবহৃত ডানা ভাঁজ করার কৌশলের টর্শন এবং কম্প্রেশন স্প্রিং-এর নকশাকে একটি অপটিমাইজেশন সমস্যা হিসেবে বিবেচনা করা হয়েছে। রকেটটি লঞ্চ টিউব থেকে বেরিয়ে যাওয়ার পর, বন্ধ ডানাগুলোকে একটি নির্দিষ্ট সময়ের জন্য খুলে সুরক্ষিত রাখতে হয়। এই গবেষণার উদ্দেশ্য ছিল স্প্রিংগুলোতে সঞ্চিত শক্তিকে সর্বাধিক করা, যাতে ডানাগুলো সম্ভাব্য স্বল্পতম সময়ে প্রসারিত হতে পারে। এক্ষেত্রে, উভয় প্রকাশনায় উল্লিখিত শক্তির সমীকরণটিকে অপটিমাইজেশন প্রক্রিয়ার উদ্দেশ্যমূলক ফাংশন (objective function) হিসেবে সংজ্ঞায়িত করা হয়েছিল। স্প্রিং-এর নকশার জন্য প্রয়োজনীয় তারের ব্যাস, কয়েলের ব্যাস, কয়েলের সংখ্যা এবং বিচ্যুতি পরামিতিগুলোকে অপটিমাইজেশন চলক (optimization variable) হিসেবে সংজ্ঞায়িত করা হয়েছিল। কৌশলের আকারের কারণে চলকগুলোর উপর জ্যামিতিক সীমাবদ্ধতা রয়েছে, পাশাপাশি স্প্রিং দ্বারা বহন করা ভারের কারণে সুরক্ষা গুণকের (safety factor) উপরও সীমাবদ্ধতা রয়েছে। এই অপটিমাইজেশন সমস্যাটি সমাধান করতে এবং স্প্রিং-এর নকশা সম্পাদন করতে হানি বি (BA) অ্যালগরিদম ব্যবহার করা হয়েছিল। BA দ্বারা প্রাপ্ত শক্তির মানগুলো পূর্ববর্তী ডিজাইন অফ এক্সপেরিমেন্টস (DOE) গবেষণা থেকে প্রাপ্ত মানগুলোর চেয়ে উন্নত। অপ্টিমাইজেশন থেকে প্রাপ্ত প্যারামিটার ব্যবহার করে ডিজাইন করা স্প্রিং এবং মেকানিজমগুলো প্রথমে ADAMS প্রোগ্রামে বিশ্লেষণ করা হয়েছিল। এরপর, তৈরি করা স্প্রিংগুলোকে আসল মেকানিজমে সংযুক্ত করে পরীক্ষামূলক পরীক্ষা চালানো হয়। পরীক্ষার ফলে দেখা যায় যে, পাখাগুলো প্রায় ৯০ মিলিসেকেন্ড পরে খুলে যায়। এই মানটি প্রকল্পের লক্ষ্যমাত্রা ২০০ মিলিসেকেন্ডের চেয়ে অনেক কম। এছাড়াও, বিশ্লেষণমূলক এবং পরীক্ষামূলক ফলাফলের মধ্যে পার্থক্য মাত্র ১৬ মিলিসেকেন্ড।
বিমান এবং সামুদ্রিক যানবাহনে, স্টেইনলেস স্টিলের কয়েল টিউব ভাঁজ করার প্রক্রিয়া অত্যন্ত গুরুত্বপূর্ণ। এই সিস্টেমগুলি বিমানের পরিবর্তন এবং রূপান্তরে উড্ডয়ন কর্মক্ষমতা এবং নিয়ন্ত্রণ উন্নত করতে ব্যবহৃত হয়। উড্ডয়ন পদ্ধতির উপর নির্ভর করে, বায়ুগতিবিদ্যার প্রভাব কমাতে ডানাগুলি ভিন্নভাবে ভাঁজ হয় এবং খোলে¹। এই পরিস্থিতিকে কিছু পাখি এবং পোকামাকড়ের দৈনন্দিন উড্ডয়ন এবং ডুব দেওয়ার সময় ডানার নড়াচড়ার সাথে তুলনা করা যেতে পারে। একইভাবে, গ্লাইডারগুলি ডুবোযানে জলগতিবিদ্যার প্রভাব কমাতে এবং পরিচালনা সর্বাধিক করতে ভাঁজ হয় ও খোলে³। এই প্রক্রিয়াগুলির আরও একটি উদ্দেশ্য হল সংরক্ষণ এবং পরিবহনের জন্য হেলিকপ্টারের প্রপেলার ভাঁজ করার মতো সিস্টেমে আয়তনগত সুবিধা প্রদান করা⁴। রকেটের ডানাও সংরক্ষণের স্থান কমাতে ভাঁজ হয়ে যায়। এইভাবে, লঞ্চারের একটি ছোট জায়গায় আরও বেশি ক্ষেপণাস্ত্র রাখা যেতে পারে⁵। ভাঁজ এবং খোলার জন্য কার্যকরভাবে ব্যবহৃত উপাদানগুলি সাধারণত স্প্রিং। ভাঁজ করার মুহূর্তে, এতে শক্তি সঞ্চিত হয় এবং খোলার মুহূর্তে তা মুক্ত হয়। এর নমনীয় কাঠামোর কারণে, সঞ্চিত এবং মুক্ত শক্তি সমান হয়। স্প্রিংটি মূলত সিস্টেমের জন্য ডিজাইন করা হয়, এবং এই ডিজাইনটি একটি অপ্টিমাইজেশন সমস্যা উপস্থাপন করে⁶। কারণ যদিও এতে তারের ব্যাস, কয়েলের ব্যাস, পাক সংখ্যা, হেলিক্স কোণ এবং উপাদানের ধরণের মতো বিভিন্ন চলক অন্তর্ভুক্ত রয়েছে, এছাড়াও ভর, আয়তন, সর্বনিম্ন পীড়ন বন্টন বা সর্বাধিক শক্তি প্রাপ্যতার মতো মানদণ্ডও রয়েছে৭।
এই গবেষণাটি রকেট সিস্টেমে ব্যবহৃত ডানা ভাঁজ করার কৌশলের জন্য স্প্রিং-এর নকশা এবং অপ্টিমাইজেশনের উপর আলোকপাত করে। উড্ডয়নের আগে লঞ্চ টিউবের ভিতরে থাকাকালীন ডানাগুলো রকেটের পৃষ্ঠে ভাঁজ করা অবস্থায় থাকে এবং লঞ্চ টিউব থেকে বেরিয়ে আসার পর, সেগুলো একটি নির্দিষ্ট সময়ের জন্য খুলে যায় এবং পৃষ্ঠের সাথে চেপে থাকে। এই প্রক্রিয়াটি রকেটের সঠিক কার্যকারিতার জন্য অত্যন্ত গুরুত্বপূর্ণ। উন্নত ভাঁজ করার কৌশলে, টর্শন স্প্রিং দ্বারা ডানাগুলো খোলা হয় এবং কম্প্রেশন স্প্রিং দ্বারা সেগুলোকে আটকে রাখা হয়। একটি উপযুক্ত স্প্রিং ডিজাইন করার জন্য, একটি অপ্টিমাইজেশন প্রক্রিয়া সম্পাদন করতে হবে। স্প্রিং অপ্টিমাইজেশনের ক্ষেত্রে, গবেষণাপত্রে বিভিন্ন প্রয়োগ রয়েছে।
পারেদেস ও অন্যান্যরা⁸ হেলিকাল স্প্রিং-এর ডিজাইনের জন্য সর্বোচ্চ ক্লান্তি জীবন ফ্যাক্টরকে একটি উদ্দেশ্যমূলক ফাংশন হিসেবে সংজ্ঞায়িত করেছেন এবং অপ্টিমাইজেশন পদ্ধতি হিসেবে কোয়াসি-নিউটনীয় পদ্ধতি ব্যবহার করেছেন। অপ্টিমাইজেশনের চলক হিসেবে তারের ব্যাস, কয়েলের ব্যাস, পাক সংখ্যা এবং স্প্রিং-এর দৈর্ঘ্যকে চিহ্নিত করা হয়েছিল। স্প্রিং কাঠামোর আরেকটি প্যারামিটার হলো এটি যে উপাদান দিয়ে তৈরি। তাই, ডিজাইন এবং অপ্টিমাইজেশন গবেষণায় এটি বিবেচনায় নেওয়া হয়েছিল। জেবদি ও অন্যান্যরা⁹ তাদের গবেষণায় উদ্দেশ্যমূলক ফাংশনে সর্বোচ্চ দৃঢ়তা এবং সর্বনিম্ন ওজনের লক্ষ্য নির্ধারণ করেছিলেন, যেখানে ওজনের বিষয়টি তাৎপর্যপূর্ণ ছিল। এক্ষেত্রে, তারা স্প্রিং-এর উপাদান এবং জ্যামিতিক বৈশিষ্ট্যকে চলক হিসেবে সংজ্ঞায়িত করেছেন। তারা অপ্টিমাইজেশন পদ্ধতি হিসেবে জেনেটিক অ্যালগরিদম ব্যবহার করেন। স্বয়ংচালিত শিল্পে, গাড়ির কর্মক্ষমতা থেকে শুরু করে জ্বালানি খরচ পর্যন্ত বিভিন্ন ক্ষেত্রে উপাদানের ওজন গুরুত্বপূর্ণ। সাসপেনশনের জন্য কয়েল স্প্রিং অপ্টিমাইজ করার সময় ওজন কমানো একটি সুপরিচিত গবেষণা¹⁰। বাহশেশ এবং বাহশেশ১১ বিভিন্ন সাসপেনশন স্প্রিং কম্পোজিট ডিজাইনে সর্বনিম্ন ওজন এবং সর্বোচ্চ প্রসার্য শক্তি অর্জনের লক্ষ্যে ANSYS পরিবেশে তাদের গবেষণায় ই-গ্লাস, কার্বন এবং কেভলারের মতো উপাদানগুলিকে পরিবর্তনশীল হিসেবে চিহ্নিত করেছেন। কম্পোজিট স্প্রিং তৈরির ক্ষেত্রে উৎপাদন প্রক্রিয়া অত্যন্ত গুরুত্বপূর্ণ। সুতরাং, একটি অপটিমাইজেশন সমস্যায় বিভিন্ন পরিবর্তনশীল বিষয় বিবেচনায় আসে, যেমন উৎপাদন পদ্ধতি, প্রক্রিয়ার ধাপসমূহ এবং সেই ধাপগুলোর ক্রম১২,১৩। ডাইনামিক সিস্টেমের জন্য স্প্রিং ডিজাইন করার সময়, সিস্টেমের স্বাভাবিক কম্পাঙ্ক অবশ্যই বিবেচনায় নিতে হবে। রেজোন্যান্স এড়াতে স্প্রিং-এর প্রথম স্বাভাবিক কম্পাঙ্ক সিস্টেমের স্বাভাবিক কম্পাঙ্কের অন্তত ৫-১০ গুণ হওয়ার পরামর্শ দেওয়া হয়১৪। তাকতাক প্রমুখ ৭ কয়েল স্প্রিং ডিজাইনে উদ্দেশ্যমূলক ফাংশন হিসেবে স্প্রিং-এর ভর সর্বনিম্ন করা এবং প্রথম স্বাভাবিক কম্পাঙ্ক সর্বোচ্চ করার সিদ্ধান্ত নেন। তারা ম্যাটল্যাব অপটিমাইজেশন টুলে প্যাটার্ন সার্চ, ইন্টেরিয়র পয়েন্ট, অ্যাক্টিভ সেট এবং জেনেটিক অ্যালগরিদম পদ্ধতি ব্যবহার করেন। বিশ্লেষণমূলক গবেষণা স্প্রিং ডিজাইন গবেষণার একটি অংশ, এবং এই ক্ষেত্রে ফাইনাইট এলিমেন্ট মেথড জনপ্রিয়১৫। পাতিল ও অন্যান্যরা¹⁶ একটি বিশ্লেষণাত্মক পদ্ধতি ব্যবহার করে কম্প্রেশন হেলিকাল স্প্রিং-এর ওজন কমানোর জন্য একটি অপ্টিমাইজেশন পদ্ধতি তৈরি করেছেন এবং ফাইনাইট এলিমেন্ট পদ্ধতি ব্যবহার করে বিশ্লেষণাত্মক সমীকরণগুলো পরীক্ষা করেছেন। একটি স্প্রিং-এর উপযোগিতা বৃদ্ধির আরেকটি মাপকাঠি হলো এর শক্তি সঞ্চয়ের ক্ষমতা বৃদ্ধি। এই ক্ষেত্রে এটিও নিশ্চিত করা হয় যে স্প্রিংটি দীর্ঘ সময় ধরে তার উপযোগিতা বজায় রাখে। রাহুল এবং রমেশকুমার¹⁷ গাড়ির কয়েল স্প্রিং ডিজাইনে স্প্রিং-এর আয়তন কমাতে এবং স্ট্রেইন এনার্জি বাড়াতে চান। তাঁরা অপ্টিমাইজেশন গবেষণায় জেনেটিক অ্যালগরিদমও ব্যবহার করেছেন।
যেমনটা দেখা যায়, অপটিমাইজেশন স্টাডিতে প্যারামিটারগুলো সিস্টেম ভেদে ভিন্ন হয়। সাধারণত, যে সিস্টেমে বহন করা ভারই নির্ধারক বিষয়, সেখানে স্টিফনেস এবং শিয়ার স্ট্রেস প্যারামিটারগুলো গুরুত্বপূর্ণ। এই দুটি প্যারামিটার ব্যবহার করে ওজন সীমা সিস্টেমে উপাদান নির্বাচন করা হয়। অন্যদিকে, অত্যন্ত ডায়নামিক সিস্টেমে রেজোন্যান্স এড়ানোর জন্য ন্যাচারাল ফ্রিকোয়েন্সি পরীক্ষা করা হয়। যে সিস্টেমগুলোতে উপযোগিতা গুরুত্বপূর্ণ, সেখানে শক্তিকে সর্বোচ্চ করা হয়। অপটিমাইজেশন স্টাডিতে, যদিও বিশ্লেষণাত্মক গবেষণার জন্য FEM ব্যবহৃত হয়, তবে দেখা যায় যে জেনেটিক অ্যালগরিদম¹⁴,¹⁸ এবং গ্রে উলফ অ্যালগরিদম¹⁹-এর মতো মেটা-হিউরিস্টিক অ্যালগরিদমগুলো নির্দিষ্ট প্যারামিটারের পরিসরের মধ্যে ক্লাসিক্যাল নিউটন পদ্ধতির সাথে একত্রে ব্যবহৃত হয়। মেটা-হিউরিস্টিক অ্যালগরিদমগুলো প্রাকৃতিক অভিযোজন পদ্ধতির উপর ভিত্তি করে তৈরি করা হয়েছে যা অল্প সময়ের মধ্যে সর্বোত্তম অবস্থার কাছাকাছি পৌঁছায়, বিশেষ করে পপুলেশন²⁰,²¹-এর প্রভাবে। সার্চ এরিয়াতে পপুলেশনের র‍্যান্ডম ডিস্ট্রিবিউশনের মাধ্যমে, তারা লোকাল অপটিমা এড়িয়ে গ্লোবাল অপটিমা²²-এর দিকে অগ্রসর হয়। এইভাবে, সাম্প্রতিক বছরগুলিতে এটি প্রায়শই বাস্তব শিল্প সমস্যার প্রেক্ষাপটে ব্যবহৃত হচ্ছে²³,²⁴।
এই গবেষণায় বিকশিত ফোল্ডিং মেকানিজমের জন্য গুরুত্বপূর্ণ বিষয়টি হলো, ডানাগুলো, যা উড্ডয়নের আগে বন্ধ অবস্থায় ছিল, টিউব থেকে বের হওয়ার একটি নির্দিষ্ট সময় পর খুলে যায়। এরপর, লকিং এলিমেন্টটি ডানাটিকে আটকে দেয়। তাই, স্প্রিংগুলো সরাসরি উড্ডয়ন গতিবিদ্যাকে প্রভাবিত করে না। এক্ষেত্রে, অপটিমাইজেশনের লক্ষ্য ছিল স্প্রিংয়ের গতি ত্বরান্বিত করার জন্য সঞ্চিত শক্তিকে সর্বাধিক করা। রোলের ব্যাস, তারের ব্যাস, রোলের সংখ্যা এবং বিচ্যুতিকে অপটিমাইজেশন প্যারামিটার হিসেবে সংজ্ঞায়িত করা হয়েছিল। স্প্রিংয়ের ছোট আকারের কারণে, ওজনকে লক্ষ্য হিসেবে বিবেচনা করা হয়নি। তাই, উপাদানের ধরনকে স্থির হিসেবে সংজ্ঞায়িত করা হয়েছে। যান্ত্রিক বিকৃতির জন্য সেফটি মার্জিনকে একটি গুরুত্বপূর্ণ সীমাবদ্ধতা হিসেবে নির্ধারণ করা হয়েছে। এছাড়াও, মেকানিজমের পরিধির মধ্যে পরিবর্তনশীল আকারের সীমাবদ্ধতা অন্তর্ভুক্ত রয়েছে। অপটিমাইজেশন পদ্ধতি হিসেবে BA মেটা-হিউরিস্টিক পদ্ধতি বেছে নেওয়া হয়েছিল। BA-কে তার নমনীয় ও সরল কাঠামো এবং যান্ত্রিক অপটিমাইজেশন গবেষণায় এর অগ্রগতির জন্য পছন্দ করা হয়েছিল। গবেষণার দ্বিতীয় অংশে, ফোল্ডিং মেকানিজমের মৌলিক নকশা এবং স্প্রিং নকশার কাঠামোর মধ্যে বিস্তারিত গাণিতিক সমীকরণ অন্তর্ভুক্ত করা হয়েছে। তৃতীয় অংশে অপটিমাইজেশন অ্যালগরিদম এবং অপটিমাইজেশনের ফলাফল রয়েছে। চতুর্থ অধ্যায়ে ADAMS প্রোগ্রামে বিশ্লেষণ করা হয়েছে। উৎপাদনের পূর্বে স্প্রিংগুলোর উপযুক্ততা বিশ্লেষণ করা হয়। শেষ অংশে পরীক্ষামূলক ফলাফল এবং পরীক্ষার চিত্র রয়েছে। এই গবেষণায় প্রাপ্ত ফলাফলগুলো DOE পদ্ধতি ব্যবহার করে লেখকদের পূর্ববর্তী কাজের সাথেও তুলনা করা হয়েছে।
এই গবেষণায় তৈরি করা ডানাগুলো রকেটের পৃষ্ঠের দিকে ভাঁজ হবে। ডানাগুলো ভাঁজ করা অবস্থা থেকে খোলা অবস্থায় ঘোরে। এর জন্য একটি বিশেষ কৌশল তৈরি করা হয়েছে। চিত্র ১-এ রকেট স্থানাঙ্ক ব্যবস্থায় ভাঁজ করা এবং খোলা অবস্থা দেখানো হয়েছে।
চিত্র ২-এ মেকানিজমটির একটি ছেদ দৃশ্য দেখানো হয়েছে। মেকানিজমটি কয়েকটি যান্ত্রিক অংশ নিয়ে গঠিত: (1) মূল কাঠামো, (2) উইং শ্যাফট, (3) বিয়ারিং, (4) লক বডি, (5) লক বুশ, (6) স্টপ পিন, (7) টর্শন স্প্রিং এবং (8) কম্প্রেশন স্প্রিং। উইং শ্যাফট (2) লকিং স্লিভ (4) এর মাধ্যমে টর্শন স্প্রিং (7) এর সাথে সংযুক্ত। রকেট উড্ডয়নের পর তিনটি অংশই একসাথে ঘোরে। এই ঘূর্ণন গতির ফলে, ডানাগুলো তাদের চূড়ান্ত অবস্থানে চলে আসে। এরপর, কম্প্রেশন স্প্রিং (8) দ্বারা পিন (6) সক্রিয় হয়, যার ফলে লকিং বডি (4)5 এর সম্পূর্ণ মেকানিজমটি ব্লক হয়ে যায়।
স্থিতিস্থাপক মডুলাস (E) এবং শিয়ার মডুলাস (G) হলো স্প্রিং-এর প্রধান ডিজাইন প্যারামিটার। এই গবেষণায়, স্প্রিং উপাদান হিসেবে উচ্চ কার্বন স্প্রিং স্টিল তার (মিউজিক ওয়্যার ASTM A228) নির্বাচন করা হয়েছে। অন্যান্য প্যারামিটারগুলো হলো তারের ব্যাস (d), গড় কয়েল ব্যাস (Dm), কয়েলের সংখ্যা (N) এবং স্প্রিং-এর বিচ্যুতি (কম্প্রেশন স্প্রিং-এর জন্য xd এবং টর্শন স্প্রিং-এর জন্য θ)26। কম্প্রেশন স্প্রিং \({(SE}_{x})\) এবং টর্শন (\({SE}_{\theta}\)) স্প্রিং-এর সঞ্চিত শক্তি সমীকরণ (1) এবং (2)26 থেকে গণনা করা যেতে পারে। (কম্প্রেশন স্প্রিং-এর জন্য শিয়ার মডুলাস (G)-এর মান 83.7E9 Pa, এবং টর্শন স্প্রিং-এর জন্য স্থিতিস্থাপক মডুলাস (E)-এর মান 203.4E9 Pa।)
সিস্টেমের যান্ত্রিক মাত্রা সরাসরি স্প্রিং-এর জ্যামিতিক সীমাবদ্ধতা নির্ধারণ করে। এছাড়াও, রকেটটি যে পরিবেশে থাকবে, সেই পরিস্থিতিও বিবেচনায় নেওয়া উচিত। এই বিষয়গুলো স্প্রিং প্যারামিটারের সীমা নির্ধারণ করে। আরেকটি গুরুত্বপূর্ণ সীমাবদ্ধতা হলো সেফটি ফ্যাক্টর। সেফটি ফ্যাক্টরের সংজ্ঞা শিগলি এট আল.২৬ দ্বারা বিস্তারিতভাবে বর্ণনা করা হয়েছে। কম্প্রেশন স্প্রিং সেফটি ফ্যাক্টর (SFC) কে সর্বোচ্চ অনুমোদিত পীড়ন এবং অবিচ্ছিন্ন দৈর্ঘ্যের উপর পীড়নের অনুপাত হিসাবে সংজ্ঞায়িত করা হয়। SFC সমীকরণ (3), (4), (5) এবং (6)২৬ ব্যবহার করে গণনা করা যেতে পারে। (এই গবেষণায় ব্যবহৃত স্প্রিং উপাদানের জন্য, \({S}_{sy}=980 MPa\))। সমীকরণে F হলো বল এবং KB হলো বার্গস্ট্রাসার ফ্যাক্টর ২৬।
একটি স্প্রিংয়ের টর্শন সেফটি ফ্যাক্টর (SFT) কে M কে k দ্বারা ভাগ করে সংজ্ঞায়িত করা হয়। SFT নিম্নলিখিত সমীকরণ (7), (8), (9) এবং (10)26 থেকে গণনা করা যেতে পারে। (এই গবেষণায় ব্যবহৃত উপাদানের জন্য, \({S}_{y}=1600 \mathrm{MPa}\))। সমীকরণে, M ​​টর্কের জন্য, \({k}^{^{\prime}}\) স্প্রিং ধ্রুবকের (টর্ক/ঘূর্ণন) জন্য এবং Ki স্ট্রেস সংশোধন ফ্যাক্টরের জন্য ব্যবহৃত হয়।
এই গবেষণার প্রধান অপ্টিমাইজেশন লক্ষ্য হলো স্প্রিং-এর শক্তিকে সর্বোচ্চ করা। উদ্দেশ্যমূলক ফাংশনটি এমনভাবে তৈরি করা হয়েছে যাতে \(f(X)\)-কে সর্বোচ্চ করে এমন \(\overrightarrow{\{X\}}\) খুঁজে পাওয়া যায়। \({f}_{1}(X)\) এবং \({f}_{2}(X)\) হলো যথাক্রমে কম্প্রেশন এবং টর্শন স্প্রিং-এর শক্তি ফাংশন। অপ্টিমাইজেশনের জন্য ব্যবহৃত গণনাকৃত ভেরিয়েবল এবং ফাংশনগুলো নিম্নলিখিত সমীকরণগুলোতে দেখানো হয়েছে।
স্প্রিং-এর নকশার উপর আরোপিত বিভিন্ন সীমাবদ্ধতা নিম্নলিখিত সমীকরণগুলিতে দেওয়া হয়েছে। সমীকরণ (15) এবং (16) যথাক্রমে সংকোচন এবং টর্শন স্প্রিং-এর জন্য সুরক্ষা গুণাঙ্ক (safety factor) উপস্থাপন করে। এই গবেষণায়, SFC অবশ্যই 1.2 এর চেয়ে বড় বা সমান হতে হবে এবং SFT অবশ্যই θ26 এর চেয়ে বড় বা সমান হতে হবে।
মৌমাছিদের পরাগরেণু খোঁজার কৌশল থেকে BA অনুপ্রাণিত হয়েছে। মৌমাছিরা উর্বর পরাগক্ষেত্রে বেশি কর্মী মৌমাছি এবং কম উর্বর পরাগক্ষেত্রে কম কর্মী মৌমাছি পাঠিয়ে পরাগরেণু খোঁজে। এভাবে মৌমাছির দল থেকে সর্বোচ্চ দক্ষতা অর্জন করা হয়। অন্যদিকে, স্কাউট মৌমাছিরা পরাগরেণুর নতুন এলাকা খুঁজতে থাকে, এবং যদি আগের চেয়ে বেশি উৎপাদনশীল এলাকা থাকে, তবে অনেক কর্মী মৌমাছিকে এই নতুন এলাকায় পাঠানো হয়। BA দুটি অংশ নিয়ে গঠিত: স্থানীয় অনুসন্ধান এবং বৈশ্বিক অনুসন্ধান। স্থানীয় অনুসন্ধান অংশে মৌমাছির মতো সর্বনিম্ন এলাকার কাছাকাছি বেশি সংখ্যক কমিউনিটি (এলিট সাইট) খোঁজা হয় এবং অন্যান্য সাইট (অপটিমাম বা নির্বাচিত সাইট) কম খোঁজা হয়। বৈশ্বিক অনুসন্ধান অংশে একটি নির্বিচার অনুসন্ধান চালানো হয়, এবং যদি ভালো মান পাওয়া যায়, তবে পরবর্তী পুনরাবৃত্তিতে স্টেশনগুলোকে স্থানীয় অনুসন্ধান অংশে স্থানান্তর করা হয়। অ্যালগরিদমটিতে কিছু প্যারামিটার রয়েছে: স্কাউট মৌমাছির সংখ্যা (n), স্থানীয় অনুসন্ধান সাইটের সংখ্যা (m), এলিট সাইটের সংখ্যা (e), এলিট সাইটে থাকা কর্মী মৌমাছির সংখ্যা (nep), এবং অপটিমাল এলাকায় থাকা কর্মী মৌমাছির সংখ্যা। সাইট (nsp), নেইবারহুড সাইজ (ngh), এবং ইটারেশনের সংখ্যা (I)২৯। BA সিউডোকোডটি চিত্র ৩-এ দেখানো হয়েছে।
অ্যালগরিদমটি \({g}_{1}(X)\) এবং \({g}_{2}(X)\) এর মধ্যে কাজ করার চেষ্টা করে। প্রতিটি পুনরাবৃত্তির ফলে, সর্বোত্তম মানগুলি নির্ধারিত হয় এবং সেরা মানগুলি পাওয়ার প্রচেষ্টায় এই মানগুলির চারপাশে একটি পপুলেশন সংগ্রহ করা হয়। স্থানীয় এবং বৈশ্বিক অনুসন্ধান বিভাগে সীমাবদ্ধতাগুলি পরীক্ষা করা হয়। স্থানীয় অনুসন্ধানে, যদি এই উপাদানগুলি উপযুক্ত হয়, তবে শক্তির মান গণনা করা হয়। যদি নতুন শক্তির মান সর্বোত্তম মানের চেয়ে বেশি হয়, তবে নতুন মানটিকে সর্বোত্তম মান হিসাবে নির্ধারণ করা হয়। যদি অনুসন্ধানের ফলাফলে প্রাপ্ত সেরা মানটি বর্তমান উপাদানের চেয়ে বেশি হয়, তবে নতুন উপাদানটি সংগ্রহে অন্তর্ভুক্ত করা হবে। স্থানীয় অনুসন্ধানের ব্লক ডায়াগ্রামটি চিত্র ৪-এ দেখানো হয়েছে।
জনসংখ্যা হলো BA-এর অন্যতম প্রধান প্যারামিটার। পূর্ববর্তী গবেষণা থেকে দেখা যায় যে, জনসংখ্যা বৃদ্ধি করলে প্রয়োজনীয় পুনরাবৃত্তির সংখ্যা কমে যায় এবং সাফল্যের সম্ভাবনা বাড়ে। তবে, কার্যকরী মূল্যায়নের সংখ্যাও বৃদ্ধি পায়। বিপুল সংখ্যক এলিট সাইটের উপস্থিতি কর্মক্ষমতাকে উল্লেখযোগ্যভাবে প্রভাবিত করে না। এলিট সাইটের সংখ্যা শূন্য না হলে কমও হতে পারে। স্কাউট মৌমাছির জনসংখ্যা (n) সাধারণত ৩০ থেকে ১০০-এর মধ্যে নির্বাচন করা হয়। এই গবেষণায়, উপযুক্ত সংখ্যা নির্ধারণের জন্য ৩০ এবং ৫০ উভয় সিনারিও চালানো হয়েছিল (সারণি ২)। অন্যান্য প্যারামিটারগুলো জনসংখ্যার উপর নির্ভর করে নির্ধারিত হয়। নির্বাচিত সাইটের সংখ্যা (m) হলো জনসংখ্যার আকারের (প্রায়) ২৫%, এবং নির্বাচিত সাইটগুলোর মধ্যে এলিট সাইটের সংখ্যা (e) হলো m-এর ২৫%। এলিট প্লটগুলোর জন্য খাদ্যগ্রহণকারী মৌমাছির সংখ্যা (অনুসন্ধানের সংখ্যা) ১০০ এবং অন্যান্য স্থানীয় প্লটগুলোর জন্য ৩০ নির্বাচন করা হয়েছিল। প্রতিবেশ অনুসন্ধান হলো সমস্ত ইভোলিউশনারি অ্যালগরিদমের মৌলিক ধারণা। এই গবেষণায়, ট্যাপারিং নেইবারস পদ্ধতি ব্যবহার করা হয়েছিল। এই পদ্ধতিটি প্রতিটি পুনরাবৃত্তির সময় একটি নির্দিষ্ট হারে প্রতিবেশের আকার হ্রাস করে। ভবিষ্যতের পুনরাবৃত্তিগুলিতে, আরও সঠিক অনুসন্ধানের জন্য ছোট প্রতিবেশ মান30 ব্যবহার করা যেতে পারে।
প্রতিটি সিনারিওর জন্য, অপটিমাইজেশন অ্যালগরিদমের পুনরুৎপাদনযোগ্যতা যাচাই করতে পরপর দশটি পরীক্ষা করা হয়েছিল। চিত্র ৫-এ স্কিম ১-এর জন্য টর্শন স্প্রিং-এর অপটিমাইজেশনের ফলাফল এবং চিত্র ৬-এ স্কিম ২-এর ফলাফল দেখানো হয়েছে। পরীক্ষার ডেটা সারণি ৩ এবং ৪-এও দেওয়া হয়েছে (কম্প্রেশন স্প্রিং-এর জন্য প্রাপ্ত ফলাফল সম্বলিত একটি সারণি পরিপূরক তথ্য S1-এ রয়েছে)। প্রথম ইটারেশনে মৌমাছির সংখ্যা বৃদ্ধি ভালো মানের অনুসন্ধানকে তীব্রতর করে। সিনারিও ১-এ, কিছু পরীক্ষার ফলাফল সর্বোচ্চ মানের নিচে ছিল। সিনারিও ২-এ দেখা যায় যে, মৌমাছির সংখ্যা এবং অন্যান্য প্রাসঙ্গিক প্যারামিটার বৃদ্ধির কারণে সমস্ত অপটিমাইজেশনের ফলাফল সর্বোচ্চ মানের কাছাকাছি চলে আসছে। এটি দেখা যায় যে সিনারিও ২-এর মানগুলো অ্যালগরিদমের জন্য যথেষ্ট।
ইটারেশনে শক্তির সর্বোচ্চ মান নির্ণয় করার সময়, গবেষণার সীমাবদ্ধতা হিসেবে একটি সেফটি ফ্যাক্টরও প্রদান করা হয়। সেফটি ফ্যাক্টরের জন্য সারণিটি দেখুন। BA ব্যবহার করে প্রাপ্ত শক্তির মানগুলোকে সারণি ৫-এ ৫ DOE পদ্ধতি ব্যবহার করে প্রাপ্ত মানগুলোর সাথে তুলনা করা হয়েছে। (উৎপাদনের সুবিধার জন্য, টর্শন স্প্রিং-এর প্যাঁচ সংখ্যা (N) ৪.৮৮-এর পরিবর্তে ৪.৯ এবং কম্প্রেশন স্প্রিং-এর বিচ্যুতি (xd) ৭.৯৯ মিমি-এর পরিবর্তে ৮ মিমি।) দেখা যায় যে BA-এর ফলাফল আরও ভালো। BA লোকাল এবং গ্লোবাল লুকআপের মাধ্যমে সমস্ত মান মূল্যায়ন করে। এইভাবে এটি আরও দ্রুত আরও বেশি বিকল্প চেষ্টা করতে পারে।
এই গবেষণায়, উইং মেকানিজমের গতিবিধি বিশ্লেষণ করার জন্য অ্যাডামস (Adams) ব্যবহার করা হয়েছে। অ্যাডামসকে প্রথমে মেকানিজমটির একটি 3D মডেল দেওয়া হয়। তারপর পূর্ববর্তী অংশে নির্বাচিত প্যারামিটারগুলো দিয়ে একটি স্প্রিং নির্ধারণ করা হয়। এছাড়াও, প্রকৃত বিশ্লেষণের জন্য আরও কিছু প্যারামিটার নির্ধারণ করতে হয়। এগুলো হলো ভৌত প্যারামিটার, যেমন সংযোগ, উপাদানের বৈশিষ্ট্য, সংস্পর্শ, ঘর্ষণ এবং মাধ্যাকর্ষণ। ব্লেড শ্যাফট এবং বিয়ারিংয়ের মধ্যে একটি সুইভেল জয়েন্ট রয়েছে। এখানে ৫-৬টি সিলিন্ড্রিক্যাল জয়েন্ট আছে। এখানে ৫-১টি ফিক্সড জয়েন্ট আছে। মূল কাঠামোটি অ্যালুমিনিয়াম উপাদান দিয়ে তৈরি এবং এটি স্থির। বাকি অংশগুলোর উপাদান হলো স্টিল। উপাদানের ধরনের ওপর নির্ভর করে ঘর্ষণ সহগ, সংস্পর্শ দৃঢ়তা এবং ঘর্ষণ পৃষ্ঠের অনুপ্রবেশের গভীরতা নির্বাচন করতে হবে। (স্টেইনলেস স্টিল AISI 304) এই গবেষণায়, গুরুত্বপূর্ণ প্যারামিটারটি হলো উইং মেকানিজমের খোলার সময়, যা অবশ্যই ২০০ মিলিসেকেন্ডের কম হতে হবে। অতএব, বিশ্লেষণের সময় উইং খোলার সময়ের দিকে নজর রাখতে হবে।
অ্যাডামসের বিশ্লেষণের ফলস্বরূপ, উইং মেকানিজমের খোলার সময় ৭৪ মিলিসেকেন্ড। ১ থেকে ৪ পর্যন্ত ডায়নামিক সিমুলেশনের ফলাফল চিত্র ৭-এ দেখানো হয়েছে। চিত্র ৫-এর প্রথম ছবিটি হলো সিমুলেশন শুরুর সময় এবং উইংগুলো ভাঁজ হওয়ার জন্য অপেক্ষারত অবস্থায় রয়েছে। (২) উইংটি ৪৩ ডিগ্রি ঘোরার পর ৪০ মিলিসেকেন্ড পরে উইংটির অবস্থান প্রদর্শন করে। (৩) ৭১ মিলিসেকেন্ড পরে উইংটির অবস্থান দেখায়। এছাড়াও শেষ ছবিতে (৪) উইংটির ঘূর্ণনের শেষ এবং খোলা অবস্থান দেখানো হয়েছে। ডায়নামিক বিশ্লেষণের ফলস্বরূপ, এটি পরিলক্ষিত হয়েছে যে উইং খোলার প্রক্রিয়াটি ২০০ মিলিসেকেন্ডের লক্ষ্যমাত্রার চেয়ে উল্লেখযোগ্যভাবে কম। এছাড়াও, স্প্রিংগুলোর আকার নির্ধারণ করার সময়, সুরক্ষাসীমাগুলো সাহিত্যে সুপারিশকৃত সর্বোচ্চ মানগুলো থেকে নির্বাচন করা হয়েছিল।
সমস্ত নকশা, অপ্টিমাইজেশন এবং সিমুলেশন অধ্যয়ন সম্পন্ন হওয়ার পর, প্রক্রিয়াটির একটি প্রোটোটাইপ তৈরি ও সংযোজিত করা হয়েছিল। এরপর সিমুলেশনের ফলাফল যাচাই করার জন্য প্রোটোটাইপটি পরীক্ষা করা হয়। প্রথমে মূল খোলসটি সুরক্ষিত করা হয় এবং ডানাগুলো ভাঁজ করা হয়। তারপর ভাঁজ করা অবস্থা থেকে ডানাগুলো ছেড়ে দেওয়া হয় এবং ভাঁজ করা অবস্থা থেকে প্রসারিত অবস্থায় ডানাগুলোর ঘূর্ণনের একটি ভিডিও তৈরি করা হয়। ভিডিও রেকর্ডিং চলাকালীন সময় বিশ্লেষণ করার জন্য টাইমারও ব্যবহার করা হয়েছিল।
চিত্র ৮-এ ১-৪ নম্বর ভিডিও ফ্রেম দেখানো হয়েছে। চিত্রের ১ নম্বর ফ্রেমে ভাঁজ করা ডানাগুলো ছেড়ে দেওয়ার মুহূর্তটি দেখানো হয়েছে। এই মুহূর্তটিকে t0 সময়ের প্রাথমিক মুহূর্ত হিসেবে ধরা হয়েছে। ২ এবং ৩ নম্বর ফ্রেমে প্রাথমিক মুহূর্তের যথাক্রমে ৪০ মিলিসেকেন্ড এবং ৭০ মিলিসেকেন্ড পরে ডানাগুলোর অবস্থান দেখানো হয়েছে। ৩ এবং ৪ নম্বর ফ্রেম বিশ্লেষণ করলে দেখা যায় যে, t0-এর ৯০ মিলিসেকেন্ড পরে ডানার নড়াচড়া স্থিতিশীল হয় এবং ৭০ থেকে ৯০ মিলিসেকেন্ডের মধ্যে ডানাটি সম্পূর্ণভাবে খুলে যায়। এই পরিস্থিতি থেকে বোঝা যায় যে, সিমুলেশন এবং প্রোটোটাইপ পরীক্ষা উভয় ক্ষেত্রেই ডানা খোলার সময় প্রায় একই পাওয়া গেছে এবং নকশাটি মেকানিজমটির কার্যক্ষমতার প্রয়োজনীয়তা পূরণ করে।
এই প্রবন্ধে, ডানা ভাঁজ করার কৌশলে ব্যবহৃত টর্শন এবং কম্প্রেশন স্প্রিংগুলোকে BA ব্যবহার করে অপ্টিমাইজ করা হয়েছে। অল্প কয়েকটি পুনরাবৃত্তির মাধ্যমেই দ্রুত প্যারামিটারগুলোতে পৌঁছানো যায়। টর্শন স্প্রিংটির ক্ষমতা ১০৭৫ mJ এবং কম্প্রেশন স্প্রিংটির ক্ষমতা ৩৭.২৪ mJ নির্ধারণ করা হয়েছে। এই মানগুলো পূর্ববর্তী DOE সমীক্ষার চেয়ে ৪০-৫০% ভালো। স্প্রিংটিকে কৌশলের সাথে সংযুক্ত করে ADAMS প্রোগ্রামে বিশ্লেষণ করা হয়েছে। বিশ্লেষণে দেখা গেছে যে, ডানাগুলো ৭৪ মিলিসেকেন্ডের মধ্যে খুলে যায়। এই মানটি প্রকল্পের লক্ষ্যমাত্রা ২০০ মিলিসেকেন্ডের চেয়ে অনেক কম। পরবর্তী একটি পরীক্ষামূলক সমীক্ষায়, ডানা খোলার সময় প্রায় ৯০ মিলিসেকেন্ড পরিমাপ করা হয়। বিশ্লেষণ দুটির মধ্যে এই ১৬ মিলিসেকেন্ডের পার্থক্যটি সফটওয়্যারে মডেল করা হয়নি এমন পরিবেশগত কারণের জন্য হতে পারে। বিশ্বাস করা হয় যে, এই সমীক্ষার ফলস্বরূপ প্রাপ্ত অপ্টিমাইজেশন অ্যালগরিদমটি বিভিন্ন স্প্রিং ডিজাইনের জন্য ব্যবহার করা যেতে পারে।
স্প্রিং-এর উপাদান পূর্বনির্ধারিত ছিল এবং অপ্টিমাইজেশনে এটিকে পরিবর্তনশীল হিসেবে ব্যবহার করা হয়নি। যেহেতু উড়োজাহাজ এবং রকেটে বিভিন্ন ধরনের স্প্রিং ব্যবহৃত হয়, তাই ভবিষ্যৎ গবেষণায় সর্বোত্তম স্প্রিং ডিজাইন অর্জনের জন্য ভিন্ন ভিন্ন উপাদান ব্যবহার করে অন্যান্য ধরনের স্প্রিং ডিজাইন করতে BA প্রয়োগ করা হবে।
আমরা ঘোষণা করছি যে এই পাণ্ডুলিপিটি মৌলিক, পূর্বে অপ্রকাশিত এবং বর্তমানে অন্য কোথাও প্রকাশের জন্য বিবেচিত হচ্ছে না।
এই গবেষণায় উৎপন্ন বা বিশ্লেষণ করা সমস্ত ডেটা এই প্রকাশিত নিবন্ধে [এবং অতিরিক্ত তথ্য ফাইলে] অন্তর্ভুক্ত রয়েছে।
মিন, জেড., কিন, ভিকে এবং রিচার্ড, এলজে আমূল জ্যামিতিক পরিবর্তনের মাধ্যমে এয়ারফয়েল ধারণার বিমান আধুনিকীকরণ। আইইএস জে. পার্ট এ সভ্যতা। গঠন। প্রকল্প। 3(3), 188–195 (2010)।
সান, জে., লিউ, কে. এবং ভূষণ, বি.। গুবরে পোকার পশ্চাৎ ডানার একটি সংক্ষিপ্ত বিবরণ: গঠন, যান্ত্রিক বৈশিষ্ট্য, কার্যপ্রণালী এবং জৈবিক অনুপ্রেরণা। জে. মেকা. বিহেভিয়ার. বায়োমেডিকেল সায়েন্স. আলমা মেটার. ৯৪, ৬৩–৭৩ (২০১৯)।
চেন, জেড., ইউ, জে., ঝাং, এ., এবং ঝাং, এফ.। একটি হাইব্রিড চালিত ডুবো গ্লাইডারের জন্য একটি ভাঁজযোগ্য চালনা কৌশলের নকশা এবং বিশ্লেষণ। ওশান ইঞ্জিনিয়ারিং ১১৯, ১২৫–১৩৪ (২০১৬)।
কার্তিক, এইচএস এবং পৃথ্বী, কে। একটি হেলিকপ্টার হরাইজন্টাল স্ট্যাবিলাইজার ফোল্ডিং মেকানিজমের ডিজাইন এবং বিশ্লেষণ। ইন্টারনাল জে. ইং. স্টোরেজ ট্যাঙ্ক। টেকনোলজি। (IGERT) 9(05), 110–113 (2020)।
কুলুঙ্ক, জেড. এবং শাহিন, এম.। একটি পরীক্ষা নকশা পদ্ধতি ব্যবহার করে একটি ভাঁজযোগ্য রকেট উইং ডিজাইনের যান্ত্রিক পরামিতিগুলির অপ্টিমাইজেশন। আন্তর্জাতিক জে. মডেল. অপ্টিমাইজেশন. 9(2), 108–112 (2019)।
কে, জে., উ, জেডওয়াই, লিউ, ওয়াইএস, জিয়াং, জেড. এবং হু, এক্সডি. কম্পোজিট কয়েল স্প্রিং-এর নকশা পদ্ধতি, কর্মক্ষমতা অধ্যয়ন এবং উৎপাদন প্রক্রিয়া: একটি পর্যালোচনা। কম্পোজ. কম্পোজিশন. ২৫২, ১১২৭৪৭ (২০২০)।
তাকতাক এম., ওমহেনি কে., আলুই এ., দাম্মাক এফ. এবং খাদ্দার এম.। কয়েল স্প্রিং-এর ডায়নামিক ডিজাইন অপটিমাইজেশন। সাউন্ড-এর জন্য প্রয়োগ। ৭৭, ১৭৮–১৮৩ (২০১৪)।
পারেদেস, এম., সারতর, এম., এবং মাস্কল, কে.। টেনশন স্প্রিং-এর নকশা অপ্টিমাইজ করার একটি পদ্ধতি। পদ্ধতির একটি কম্পিউটার প্রয়োগ। ফুর. প্রজেক্ট. 191(8-10), 783-797 (2001)।
জেবদি ও., বৌহিলি আর. এবং ট্রোচু এফ.। বহু-উদ্দেশ্যমূলক অপ্টিমাইজেশন ব্যবহার করে যৌগিক হেলিকাল স্প্রিংগুলির সর্বোত্তম নকশা। জে. রিইনফ. প্লাস্টিক. কম্পোজ. 28 (14), 1713–1732 (2009)।
পাওয়ার্ট, এইচবি এবং ডিসালে, ডিডি। ট্রাইসাইকেলের সামনের সাসপেনশন কয়েল স্প্রিং-এর অপ্টিমাইজেশন। প্রক্রিয়া। প্রস্তুতকারক। ২০, ৪২৮–৪৩৩ (২০১৮)।
বাহশেশ এম. এবং বাহশেশ এম. কম্পোজিট স্প্রিং দিয়ে স্টিল কয়েল স্প্রিংয়ের অপ্টিমাইজেশন। অভ্যন্তরীণ জে. বহুবিষয়ক। বিজ্ঞান। প্রকল্প। 3(6), 47–51 (2012)।
চেন, এল. প্রমুখ। কম্পোজিট কয়েল স্প্রিং-এর স্থির এবং গতিশীল কর্মক্ষমতাকে প্রভাবিত করে এমন বিভিন্ন পরামিতি সম্পর্কে জানুন। জে. মার্কেট. স্টোরেজ ট্যাঙ্ক. ২০, ৫৩২–৫৫০ (২০২২)।
ফ্রাঙ্ক, জে. যৌগিক হেলিকাল স্প্রিং-এর বিশ্লেষণ ও অপ্টিমাইজেশন, পিএইচডি থিসিস, স্যাক্রামেন্টো স্টেট ইউনিভার্সিটি (২০২০)।
গু, জেড., হাউ, এক্স. এবং ইয়ে, জে.। বিভিন্ন পদ্ধতির সমন্বয়ে অরৈখিক হেলিকাল স্প্রিং ডিজাইন এবং বিশ্লেষণের পদ্ধতিসমূহ: ফাইনাইট এলিমেন্ট অ্যানালাইসিস, ল্যাটিন হাইপারকিউব লিমিটেড স্যাম্পলিং, এবং জেনেটিক প্রোগ্রামিং। প্রসেস. ফার ইনস্টিটিউট. প্রজেক্ট. সিজে মেকা. প্রজেক্ট. দ্য সায়েন্স. 235(22), 5917–5930 (2021)।
উ, এল., এট আল. অ্যাডজাস্টেবল স্প্রিং রেট কার্বন ফাইবার মাল্টি-স্ট্র্যান্ড কয়েল স্প্রিংস: একটি ডিজাইন এবং মেকানিজম স্টাডি। জে. মার্কেট. স্টোরেজ ট্যাঙ্ক. 9(3), 5067–5076 (2020)।
পাতিল ডিএস, মাংরুলকার কেএস এবং জাগতাপ এসটি কম্প্রেশন হেলিকাল স্প্রিংগুলির ওজন অপ্টিমাইজেশন। অভ্যন্তরীণ জে. ইনোভ. স্টোরেজ ট্যাঙ্ক। বহুবিষয়ক। 2(11), 154–164 (2016)।
রাহুল, এম এস এবং রমেশকুমার, কে। স্বয়ংচালিত প্রয়োগের জন্য কয়েল স্প্রিং-এর বহুমুখী অপ্টিমাইজেশন এবং সংখ্যাসূচক সিমুলেশন। আলমা মেটার. প্রসেস টুডে. ৪৬. ৪৮৪৭–৪৮৫৩ (২০২১)।
বাই, জেবি প্রমুখ। সর্বোত্তম অনুশীলন নির্ধারণ – জেনেটিক অ্যালগরিদম ব্যবহার করে যৌগিক হেলিকাল কাঠামোর সর্বোত্তম নকশা। কম্পোজ. কম্পোজিশন. ২৬৮, ১১৩৯৮২ (২০২১)।
শাহিন, আই., ডরটারলার, এম., এবং গোকচে, এইচ.। কম্প্রেশন স্প্রিং ডিজাইনের সর্বনিম্ন আয়তনের অপ্টিমাইজেশনের উপর ভিত্তি করে স্প্রিং অপ্টিমাইজেশন পদ্ধতির ব্যবহার, গাজী জে. ইঞ্জিনিয়ারিং সায়েন্স, 3(2), 21–27 (2017)।
আয়ে, কেএম, ফোল্ডি, এন., ইলদিজ, এআর, বুরিরাত, এস. এবং সাইত, এসএম "ক্র্যাশ অপ্টিমাইজ করার জন্য একাধিক এজেন্ট ব্যবহার করে মেটা-হিউরিস্টিকস"। ইন্টারনাল জে. ভেহ. ডেক. 80(2–4), 223–240 (2019)।
ইলদিজ, এআর এবং এরদাশ, এমইউ "বাস্তব প্রকৌশল সমস্যার নির্ভরযোগ্য নকশার জন্য নতুন হাইব্রিড টাগুচি-সালপা গ্রুপ অপ্টিমাইজেশন অ্যালগরিদম।" আলমা মেটার. টেস্ট. 63(2), 157–162 (2021)।
ইলদিজ বিএস, ফোল্ডি এন., বুরেরাত এস., ইলদিজ এআর এবং সাইত এসএম একটি নতুন হাইব্রিড গ্রাসহপার অপ্টিমাইজেশন অ্যালগরিদম ব্যবহার করে রোবোটিক গ্রিপার মেকানিজমের নির্ভরযোগ্য ডিজাইন। এক্সপার্ট. সিস্টেম. 38(3), e12666 (2021)।