Terima kasih telah mengunjungi Nature.com. Anda menggunakan versi peramban dengan dukungan CSS terbatas. Tabung kumparan baja tahan karat. Untuk pengalaman terbaik, kami sarankan Anda menggunakan peramban yang diperbarui (atau menonaktifkan Mode Kompatibilitas di Internet Explorer). Selain itu, untuk memastikan dukungan berkelanjutan, kami menampilkan situs tanpa gaya dan JavaScript.
Menampilkan carousel berisi tiga slide sekaligus. Gunakan tombol Sebelumnya dan Berikutnya untuk berpindah antar tiga slide sekaligus, atau gunakan tombol penggeser di bagian akhir untuk berpindah antar tiga slide sekaligus.
Dalam studi ini, desain pegas torsi dan kompresi dari mekanisme pelipatan sayap yang digunakan pada roket dianggap sebagai masalah optimasi. Setelah roket meninggalkan tabung peluncuran, sayap yang tertutup harus dibuka dan diamankan untuk jangka waktu tertentu. Tujuan studi ini adalah untuk memaksimalkan energi yang tersimpan dalam pegas sehingga sayap dapat terbentang dalam waktu sesingkat mungkin. Dalam hal ini, persamaan energi dalam kedua publikasi didefinisikan sebagai fungsi tujuan dalam proses optimasi. Diameter kawat, diameter kumparan, jumlah kumparan, dan parameter defleksi yang dibutuhkan untuk desain pegas didefinisikan sebagai variabel optimasi. Terdapat batasan geometris pada variabel karena ukuran mekanisme, serta batasan pada faktor keamanan karena beban yang ditanggung oleh pegas. Algoritma lebah madu (BA) digunakan untuk menyelesaikan masalah optimasi ini dan melakukan desain pegas. Nilai energi yang diperoleh dengan BA lebih unggul daripada yang diperoleh dari studi Desain Eksperimen (DOE) sebelumnya. Pegas dan mekanisme yang dirancang menggunakan parameter yang diperoleh dari optimasi pertama kali dianalisis dalam program ADAMS. Setelah itu, pengujian eksperimental dilakukan dengan mengintegrasikan pegas yang telah dibuat ke dalam mekanisme nyata. Sebagai hasil pengujian, diamati bahwa sayap terbuka setelah sekitar 90 milidetik. Nilai ini jauh di bawah target proyek yaitu 200 milidetik. Selain itu, perbedaan antara hasil analitis dan eksperimental hanya 16 ms.
Pada pesawat terbang dan kendaraan laut, mekanisme pelipatan tabung kumparan baja tahan karat sangat penting. Sistem ini digunakan dalam modifikasi dan konversi pesawat terbang untuk meningkatkan kinerja dan kontrol penerbangan. Tergantung pada mode penerbangan, sayap melipat dan membuka secara berbeda untuk mengurangi dampak aerodinamis¹. Situasi ini dapat dibandingkan dengan gerakan sayap beberapa burung dan serangga selama penerbangan dan penyelaman sehari-hari. Demikian pula, pesawat layang melipat dan membuka pada kapal selam untuk mengurangi efek hidrodinamik dan memaksimalkan penanganan³. Tujuan lain dari mekanisme ini adalah untuk memberikan keuntungan volumetrik pada sistem seperti pelipatan baling-baling helikopter⁴ untuk penyimpanan dan pengangkutan. Sayap roket juga melipat ke bawah untuk mengurangi ruang penyimpanan. Dengan demikian, lebih banyak rudal dapat ditempatkan pada area peluncur yang lebih kecil⁵. Komponen yang digunakan secara efektif dalam pelipatan dan pembukaan biasanya adalah pegas. Pada saat pelipatan, energi disimpan di dalamnya dan dilepaskan pada saat pembukaan. Karena strukturnya yang fleksibel, energi yang disimpan dan dilepaskan disamakan. Pegas terutama dirancang untuk sistem ini, dan desain ini menghadirkan masalah optimasi⁶. Karena meskipun mencakup berbagai variabel seperti diameter kawat, diameter kumparan, jumlah lilitan, sudut heliks dan jenis material, terdapat juga kriteria seperti massa, volume, distribusi tegangan minimum atau ketersediaan energi maksimum7.
Studi ini memberikan wawasan tentang desain dan optimasi pegas untuk mekanisme pelipatan sayap yang digunakan dalam sistem roket. Saat berada di dalam tabung peluncuran sebelum penerbangan, sayap tetap terlipat di permukaan roket, dan setelah keluar dari tabung peluncuran, sayap akan terbuka untuk jangka waktu tertentu dan tetap menempel pada permukaan. Proses ini sangat penting untuk berfungsinya roket dengan baik. Dalam mekanisme pelipatan yang dikembangkan, pembukaan sayap dilakukan oleh pegas torsi, dan penguncian dilakukan oleh pegas kompresi. Untuk mendesain pegas yang sesuai, proses optimasi harus dilakukan. Dalam optimasi pegas, terdapat berbagai aplikasi dalam literatur.
Paredes dkk.8 mendefinisikan faktor umur kelelahan maksimum sebagai fungsi tujuan untuk desain pegas heliks dan menggunakan metode kuasi-Newtonian sebagai metode optimasi. Variabel dalam optimasi diidentifikasi sebagai diameter kawat, diameter kumparan, jumlah lilitan, dan panjang pegas. Parameter lain dari struktur pegas adalah material pembuatnya. Oleh karena itu, hal ini diperhitungkan dalam studi desain dan optimasi. Zebdi dkk.9 menetapkan tujuan kekakuan maksimum dan berat minimum dalam fungsi tujuan dalam studi mereka, di mana faktor berat sangat signifikan. Dalam hal ini, mereka mendefinisikan material pegas dan sifat geometris sebagai variabel. Mereka menggunakan algoritma genetika sebagai metode optimasi. Dalam industri otomotif, berat material berguna dalam banyak hal, mulai dari performa kendaraan hingga konsumsi bahan bakar. Minimisasi berat sambil mengoptimalkan pegas koil untuk suspensi adalah studi yang terkenal10. Bahshesh dan Bahshesh11 mengidentifikasi material seperti E-glass, karbon, dan Kevlar sebagai variabel dalam pekerjaan mereka di lingkungan ANSYS dengan tujuan mencapai berat minimum dan kekuatan tarik maksimum dalam berbagai desain komposit pegas suspensi. Proses manufaktur sangat penting dalam pengembangan pegas komposit. Dengan demikian, berbagai variabel berperan dalam masalah optimasi, seperti metode produksi, langkah-langkah yang diambil dalam proses, dan urutan langkah-langkah tersebut12,13. Saat mendesain pegas untuk sistem dinamis, frekuensi alami sistem harus diperhitungkan. Disarankan agar frekuensi alami pertama pegas setidaknya 5-10 kali frekuensi alami sistem untuk menghindari resonansi14. Taktak dkk. 7 memutuskan untuk meminimalkan massa pegas dan memaksimalkan frekuensi alami pertama sebagai fungsi tujuan dalam desain pegas koil. Mereka menggunakan metode pencarian pola, titik interior, himpunan aktif, dan algoritma genetik dalam alat optimasi Matlab. Penelitian analitis merupakan bagian dari penelitian desain pegas, dan Metode Elemen Hingga populer di bidang ini15. Patil dkk.16 mengembangkan metode optimasi untuk mengurangi berat pegas heliks kompresi menggunakan prosedur analitis dan menguji persamaan analitis menggunakan metode elemen hingga. Kriteria lain untuk meningkatkan kegunaan pegas adalah peningkatan energi yang dapat disimpannya. Kasus ini juga memastikan bahwa pegas tetap berguna untuk jangka waktu yang lama. Rahul dan Rameshkumar17 Berupaya mengurangi volume pegas dan meningkatkan energi regangan pada desain pegas koil mobil. Mereka juga telah menggunakan algoritma genetika dalam penelitian optimasi.
Seperti yang terlihat, parameter dalam studi optimasi bervariasi dari sistem ke sistem. Secara umum, parameter kekakuan dan tegangan geser penting dalam sistem di mana beban yang ditanggungnya merupakan faktor penentu. Pemilihan material termasuk dalam sistem batas berat dengan dua parameter ini. Di sisi lain, frekuensi alami diperiksa untuk menghindari resonansi dalam sistem yang sangat dinamis. Dalam sistem di mana utilitas penting, energi dimaksimalkan. Dalam studi optimasi, meskipun FEM digunakan untuk studi analitis, dapat dilihat bahwa algoritma metaheuristik seperti algoritma genetika14,18 dan algoritma serigala abu-abu19 digunakan bersama dengan metode Newton klasik dalam rentang parameter tertentu. Algoritma metaheuristik telah dikembangkan berdasarkan metode adaptasi alami yang mendekati keadaan optimal dalam waktu singkat, terutama di bawah pengaruh populasi20,21. Dengan distribusi acak populasi di area pencarian, mereka menghindari optimasi lokal dan bergerak menuju optimasi global22. Dengan demikian, dalam beberapa tahun terakhir sering digunakan dalam konteks masalah industri nyata23,24.
Kasus kritis untuk mekanisme lipat yang dikembangkan dalam penelitian ini adalah bahwa sayap, yang berada dalam posisi tertutup sebelum penerbangan, terbuka setelah beberapa waktu setelah keluar dari tabung. Setelah itu, elemen pengunci memblokir sayap. Oleh karena itu, pegas tidak secara langsung memengaruhi dinamika penerbangan. Dalam hal ini, tujuan optimasi adalah untuk memaksimalkan energi yang tersimpan untuk mempercepat pergerakan pegas. Diameter gulungan, diameter kawat, jumlah gulungan, dan defleksi didefinisikan sebagai parameter optimasi. Karena ukuran pegas yang kecil, berat tidak dianggap sebagai tujuan. Oleh karena itu, jenis material didefinisikan sebagai tetap. Margin keamanan untuk deformasi mekanis ditentukan sebagai batasan kritis. Selain itu, kendala ukuran variabel terlibat dalam lingkup mekanisme. Metode metaheuristik BA dipilih sebagai metode optimasi. BA disukai karena strukturnya yang fleksibel dan sederhana, dan karena kemajuannya dalam penelitian optimasi mekanis25. Pada bagian kedua penelitian, ekspresi matematika terperinci disertakan dalam kerangka desain dasar dan desain pegas mekanisme lipat. Bagian ketiga berisi algoritma optimasi dan hasil optimasi. Bab 4 melakukan analisis dalam program ADAMS. Kesesuaian pegas dianalisis sebelum produksi. Bagian terakhir berisi hasil eksperimen dan gambar uji. Hasil yang diperoleh dalam penelitian ini juga dibandingkan dengan karya penulis sebelumnya menggunakan pendekatan DOE.
Sayap yang dikembangkan dalam penelitian ini harus terlipat ke arah permukaan roket. Sayap berputar dari posisi terlipat ke posisi terbuka. Untuk itu, mekanisme khusus telah dikembangkan. Gambar 1 menunjukkan konfigurasi terlipat dan terbuka⁵ dalam sistem koordinat roket.
Gambar 2 menunjukkan penampang mekanisme. Mekanisme ini terdiri dari beberapa bagian mekanis: (1) badan utama, (2) poros sayap, (3) bantalan, (4) badan pengunci, (5) bushing pengunci, (6) pin penghenti, (7) pegas torsi dan (8) pegas kompresi. Poros sayap (2) dihubungkan ke pegas torsi (7) melalui selongsong pengunci (4). Ketiga bagian tersebut berputar secara bersamaan setelah roket lepas landas. Dengan gerakan rotasi ini, sayap berputar ke posisi akhirnya. Setelah itu, pin (6) digerakkan oleh pegas kompresi (8), sehingga memblokir seluruh mekanisme badan pengunci (4)5.
Modulus elastis (E) dan modulus geser (G) adalah parameter desain utama pegas. Dalam penelitian ini, kawat baja pegas karbon tinggi (kawat musik ASTM A228) dipilih sebagai bahan pegas. Parameter lainnya adalah diameter kawat (d), diameter lilitan rata-rata (Dm), jumlah lilitan (N) dan defleksi pegas (xd untuk pegas kompresi dan θ untuk pegas torsi)26. Energi tersimpan untuk pegas kompresi \({(SE}_{x})\) dan pegas torsi (\({SE}_{\theta}\)) dapat dihitung dari persamaan (1) dan (2)26. (Nilai modulus geser (G) untuk pegas kompresi adalah 83,7E9 Pa, dan nilai modulus elastis (E) untuk pegas torsi adalah 203,4E9 Pa.)
Dimensi mekanis sistem secara langsung menentukan batasan geometris pegas. Selain itu, kondisi di mana roket akan ditempatkan juga harus diperhitungkan. Faktor-faktor ini menentukan batas parameter pegas. Batasan penting lainnya adalah faktor keamanan. Definisi faktor keamanan dijelaskan secara rinci oleh Shigley dkk.26. Faktor keamanan pegas kompresi (SFC) didefinisikan sebagai tegangan maksimum yang diizinkan dibagi dengan tegangan sepanjang panjang kontinu. SFC dapat dihitung menggunakan persamaan (3), (4), (5) dan (6)26. (Untuk material pegas yang digunakan dalam penelitian ini, \({S}_{sy}=980 MPa\)). F mewakili gaya dalam persamaan dan KB mewakili faktor Bergstrasser dari 26.
Faktor keamanan torsi pegas (SFT) didefinisikan sebagai M dibagi dengan k. SFT dapat dihitung dari persamaan (7), (8), (9) dan (10)26. (Untuk material yang digunakan dalam penelitian ini, \({S}_{y}=1600 \mathrm{MPa}\)). Dalam persamaan tersebut, M digunakan untuk torsi, \({k}^{^{\prime}}\) digunakan untuk konstanta pegas (torsi/rotasi), dan Ki digunakan untuk faktor koreksi tegangan.
Tujuan optimasi utama dalam penelitian ini adalah untuk memaksimalkan energi pegas. Fungsi objektif dirumuskan untuk menemukan \(\overrightarrow{\{X\}}\) yang memaksimalkan \(f(X)\). \({f}_{1}(X)\) dan \({f}_{2}(X)\) adalah fungsi energi dari pegas kompresi dan torsi, masing-masing. Variabel dan fungsi yang dihitung yang digunakan untuk optimasi ditunjukkan pada persamaan berikut.
Berbagai batasan yang dikenakan pada desain pegas diberikan dalam persamaan berikut. Persamaan (15) dan (16) masing-masing mewakili faktor keamanan untuk pegas kompresi dan torsi. Dalam penelitian ini, SFC harus lebih besar atau sama dengan 1,2 dan SFT harus lebih besar atau sama dengan θ26.
BA terinspirasi oleh strategi pencarian serbuk sari lebah27. Lebah mencari dengan mengirimkan lebih banyak lebah pencari makan ke ladang serbuk sari yang subur dan lebih sedikit lebah pencari makan ke ladang serbuk sari yang kurang subur. Dengan demikian, efisiensi terbesar dari populasi lebah tercapai. Di sisi lain, lebah pengintai terus mencari area serbuk sari baru, dan jika ada area yang lebih produktif daripada sebelumnya, banyak lebah pencari makan akan diarahkan ke area baru ini28. BA terdiri dari dua bagian: pencarian lokal dan pencarian global. Pencarian lokal mencari lebih banyak komunitas di dekat minimum (situs elit), seperti lebah, dan kurang mencari situs lain (situs optimal atau terpilih). Pencarian acak dilakukan di bagian pencarian global, dan jika nilai yang baik ditemukan, stasiun dipindahkan ke bagian pencarian lokal pada iterasi berikutnya. Algoritma ini berisi beberapa parameter: jumlah lebah pengintai (n), jumlah situs pencarian lokal (m), jumlah situs elit (e), jumlah lebah pencari makan di situs elit (nep), jumlah lebah pencari makan di area optimal. Lokasi (nsp), ukuran lingkungan (ngh), dan jumlah iterasi (I)29. Pseudokode BA ditunjukkan pada Gambar 3.
Algoritma ini mencoba bekerja di antara \({g}_{1}(X)\) dan \({g}_{2}(X)\). Sebagai hasil dari setiap iterasi, nilai optimal ditentukan dan populasi dikumpulkan di sekitar nilai-nilai ini dalam upaya untuk mendapatkan nilai terbaik. Batasan diperiksa di bagian pencarian lokal dan global. Dalam pencarian lokal, jika faktor-faktor ini sesuai, nilai energi dihitung. Jika nilai energi baru lebih besar dari nilai optimal, tetapkan nilai baru tersebut ke nilai optimal. Jika nilai terbaik yang ditemukan dalam hasil pencarian lebih besar dari elemen saat ini, elemen baru akan dimasukkan ke dalam koleksi. Diagram blok pencarian lokal ditunjukkan pada Gambar 4.
Populasi merupakan salah satu parameter kunci dalam BA. Dari penelitian sebelumnya, terlihat bahwa peningkatan populasi mengurangi jumlah iterasi yang dibutuhkan dan meningkatkan kemungkinan keberhasilan. Namun, jumlah penilaian fungsional juga meningkat. Kehadiran sejumlah besar lokasi elit tidak secara signifikan memengaruhi kinerja. Jumlah lokasi elit dapat rendah jika bukan nol30. Ukuran populasi lebah pengintai (n) biasanya dipilih antara 30 dan 100. Dalam penelitian ini, skenario 30 dan 50 dijalankan untuk menentukan jumlah yang tepat (Tabel 2). Parameter lain ditentukan tergantung pada populasi. Jumlah lokasi terpilih (m) adalah (kira-kira) 25% dari ukuran populasi, dan jumlah lokasi elit (e) di antara lokasi terpilih adalah 25% dari m. Jumlah lebah pemberi makan (jumlah pencarian) dipilih sebanyak 100 untuk plot elit dan 30 untuk plot lokal lainnya. Pencarian tetangga adalah konsep dasar dari semua algoritma evolusi. Dalam penelitian ini, metode tetangga yang meruncing digunakan. Metode ini mengurangi ukuran lingkungan pada tingkat tertentu selama setiap iterasi. Pada iterasi selanjutnya, nilai lingkungan yang lebih kecil30 dapat digunakan untuk pencarian yang lebih akurat.
Untuk setiap skenario, sepuluh pengujian berturut-turut dilakukan untuk memeriksa reproduksibilitas algoritma optimasi. Gambar 5 menunjukkan hasil optimasi pegas torsi untuk skema 1, dan pada gambar 6 – untuk skema 2. Data pengujian juga diberikan dalam tabel 3 dan 4 (tabel yang berisi hasil yang diperoleh untuk pegas kompresi ada di Informasi Tambahan S1). Populasi lebah mengintensifkan pencarian nilai yang baik pada iterasi pertama. Pada skenario 1, hasil beberapa pengujian berada di bawah nilai maksimum. Pada Skenario 2, terlihat bahwa semua hasil optimasi mendekati nilai maksimum karena peningkatan populasi dan parameter relevan lainnya. Terlihat bahwa nilai-nilai pada Skenario 2 sudah cukup untuk algoritma tersebut.
Saat memperoleh nilai energi maksimum dalam iterasi, faktor keamanan juga diberikan sebagai batasan untuk penelitian. Lihat tabel untuk faktor keamanan. Nilai energi yang diperoleh menggunakan BA dibandingkan dengan nilai yang diperoleh menggunakan metode 5 DOE pada Tabel 5. (Untuk kemudahan pembuatan, jumlah putaran (N) pegas torsi adalah 4,9 dan bukan 4,88, dan defleksi (xd) adalah 8 mm dan bukan 7,99 mm pada pegas kompresi.) Dapat dilihat bahwa BA memberikan hasil yang lebih baik. BA mengevaluasi semua nilai melalui pencarian lokal dan global. Dengan cara ini, ia dapat mencoba lebih banyak alternatif dengan lebih cepat.
Dalam studi ini, Adams digunakan untuk menganalisis pergerakan mekanisme sayap. Adams pertama-tama diberikan model 3D dari mekanisme tersebut. Kemudian, definisikan pegas dengan parameter yang dipilih pada bagian sebelumnya. Selain itu, beberapa parameter lain perlu didefinisikan untuk analisis sebenarnya. Parameter tersebut meliputi parameter fisik seperti sambungan, sifat material, kontak, gesekan, dan gravitasi. Terdapat sambungan putar antara poros bilah dan bantalan. Terdapat 5-6 sambungan silindris. Terdapat 5-1 sambungan tetap. Badan utama terbuat dari material aluminium dan terpasang tetap. Material bagian lainnya adalah baja. Pilih koefisien gesekan, kekakuan kontak, dan kedalaman penetrasi permukaan gesekan tergantung pada jenis material (stainless steel AISI 304). Dalam studi ini, parameter kritis adalah waktu pembukaan mekanisme sayap, yang harus kurang dari 200 ms. Oleh karena itu, perhatikan waktu pembukaan sayap selama analisis.
Sebagai hasil analisis Adams, waktu pembukaan mekanisme sayap adalah 74 milidetik. Hasil simulasi dinamis dari 1 hingga 4 ditunjukkan pada Gambar 7. Gambar pertama pada Gambar 5 adalah waktu mulai simulasi dan sayap berada dalam posisi menunggu untuk dilipat. (2) Menampilkan posisi sayap setelah 40 ms ketika sayap telah berputar 43 derajat. (3) menunjukkan posisi sayap setelah 71 milidetik. Juga pada gambar terakhir (4) menunjukkan akhir putaran sayap dan posisi terbuka. Sebagai hasil analisis dinamis, diamati bahwa mekanisme pembukaan sayap jauh lebih singkat daripada nilai target 200 ms. Selain itu, ketika menentukan ukuran pegas, batas keamanan dipilih dari nilai tertinggi yang direkomendasikan dalam literatur.
Setelah semua studi desain, optimasi, dan simulasi selesai, sebuah prototipe mekanisme diproduksi dan diintegrasikan. Prototipe tersebut kemudian diuji untuk memverifikasi hasil simulasi. Pertama, kencangkan cangkang utama dan lipat sayapnya. Kemudian sayap dilepaskan dari posisi terlipat dan sebuah video dibuat yang menunjukkan rotasi sayap dari posisi terlipat ke posisi terbentang. Timer juga digunakan untuk menganalisis waktu selama perekaman video.
Gambar 8 menunjukkan bingkai video bernomor 1-4. Bingkai nomor 1 pada gambar menunjukkan momen pelepasan sayap yang terlipat. Momen ini dianggap sebagai momen awal waktu t0. Bingkai 2 dan 3 menunjukkan posisi sayap 40 ms dan 70 ms setelah momen awal. Saat menganalisis bingkai 3 dan 4, dapat dilihat bahwa pergerakan sayap stabil 90 ms setelah t0, dan pembukaan sayap selesai antara 70 dan 90 ms. Situasi ini berarti bahwa baik simulasi maupun pengujian prototipe memberikan waktu pengembangan sayap yang hampir sama, dan desain tersebut memenuhi persyaratan kinerja mekanisme.
Pada artikel ini, pegas torsi dan kompresi yang digunakan dalam mekanisme pelipatan sayap dioptimalkan menggunakan BA. Parameter dapat dicapai dengan cepat hanya dengan beberapa iterasi. Pegas torsi memiliki nilai 1075 mJ dan pegas kompresi memiliki nilai 37,24 mJ. Nilai-nilai ini 40-50% lebih baik daripada studi DOE sebelumnya. Pegas diintegrasikan ke dalam mekanisme dan dianalisis dalam program ADAMS. Saat dianalisis, ditemukan bahwa sayap terbuka dalam waktu 74 milidetik. Nilai ini jauh di bawah target proyek yaitu 200 milidetik. Dalam studi eksperimental selanjutnya, waktu pengaktifan diukur sekitar 90 ms. Perbedaan 16 milidetik antara analisis ini mungkin disebabkan oleh faktor lingkungan yang tidak dimodelkan dalam perangkat lunak. Dipercaya bahwa algoritma optimasi yang diperoleh sebagai hasil studi ini dapat digunakan untuk berbagai desain pegas.
Material pegas telah ditentukan sebelumnya dan tidak digunakan sebagai variabel dalam optimasi. Karena banyak jenis pegas yang berbeda digunakan dalam pesawat terbang dan roket, BA akan diterapkan untuk mendesain jenis pegas lain menggunakan material yang berbeda untuk mencapai desain pegas yang optimal dalam penelitian selanjutnya.
Kami menyatakan bahwa manuskrip ini asli, belum pernah diterbitkan sebelumnya, dan saat ini tidak sedang dipertimbangkan untuk diterbitkan di tempat lain.
Semua data yang dihasilkan atau dianalisis dalam penelitian ini disertakan dalam artikel yang diterbitkan ini [dan file informasi tambahan].
Min, Z., Kin, VK dan Richard, LJ Modernisasi Pesawat konsep airfoil melalui perubahan geometris radikal. IES J. Bagian A Peradaban. komposisi. proyek. 3(3), 188–195 (2010).
Sun, J., Liu, K. dan Bhushan, B. Tinjauan umum sayap belakang kumbang: struktur, sifat mekanik, mekanisme, dan inspirasi biologis. J. Mecha. Behavior. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., dan Zhang, F. Desain dan analisis mekanisme propulsi lipat untuk glider bawah air bertenaga hibrida. Ocean Engineering 119, 125–134 (2016).
Kartik, HS dan Prithvi, K. Desain dan Analisis Mekanisme Lipat Stabilizer Horizontal Helikopter. internal J. Ing. tangki penyimpanan. teknologi. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. dan Sahin, M. Optimasi parameter mekanik desain sayap roket lipat menggunakan pendekatan desain eksperimen. Jurnal internal Model. optimasi. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Metode Desain, Studi Kinerja, dan Proses Manufaktur Pegas Kumparan Komposit: Sebuah Tinjauan. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. dan Khaddar M. Optimasi desain dinamis pegas koil. Aplikasi untuk suara. 77, 178–183 (2014).
Paredes, M., Sartor, M., dan Mascle, K. Prosedur untuk mengoptimalkan desain pegas tarik. Aplikasi komputer dari metode tersebut. Proyek Fur. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. dan Trochu F. Desain optimal pegas heliks komposit menggunakan optimasi multiobjektif. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB dan Desale, DD Optimasi pegas koil suspensi depan sepeda roda tiga. proses. produsen. 20, 428–433 (2018).
Bahshesh M. dan Bahshesh M. Optimasi pegas koil baja dengan pegas komposit. Jurnal internal. Multidisiplin. ilmu pengetahuan. proyek. 3(6), 47–51 (2012).
Chen, L. dkk. Mempelajari berbagai parameter yang mempengaruhi kinerja statis dan dinamis pegas koil komposit. J. Pasar. tangki penyimpanan. 20, 532–550 (2022).
Frank, J. Analisis dan Optimasi Pegas Heliks Komposit, Tesis PhD, Universitas Negeri Sacramento (2020).
Gu, Z., Hou, X. dan Ye, J. Metode untuk mendesain dan menganalisis pegas heliks nonlinier menggunakan kombinasi metode: analisis elemen hingga, pengambilan sampel terbatas hiperkubus Latin, dan pemrograman genetik. proses. Institut Fur. proyek. CJ Mecha. proyek. ilmu pengetahuan. 235(22), 5917–5930 (2021).
Wu, L., dkk. Pegas Koil Multiuntai Serat Karbon dengan Tingkat Kekakuan yang Dapat Diatur: Studi Desain dan Mekanisme. J. Pasar. tangki penyimpanan. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS dan Jagtap ST Optimalisasi berat pegas heliks kompresi. Jurnal Inovasi Tangki Penyimpanan Internal. Multidisiplin. 2(11), 154–164 (2016).
Rahul, MS dan Rameshkumar, K. Optimasi serbaguna dan simulasi numerik pegas koil untuk aplikasi otomotif. alma mater. proses hari ini. 46. ​​4847–4853 (2021).
Bai, JB dkk. Mendefinisikan Praktik Terbaik – Desain Optimal Struktur Heliks Komposit Menggunakan Algoritma Genetika. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M., dan Gokche, H. Penggunaan metode optimasi 灰狼 berdasarkan optimasi volume minimum desain pegas kompresi, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. dan Sait, SM Metaheuristik menggunakan banyak agen untuk mengoptimalkan kecelakaan. Jurnal internal Kendaraan Desember 80(2–4), 223–240 (2019).
Yildyz, AR dan Erdash, MU Algoritma optimasi grup Taguchi-salpa hibrida baru untuk desain yang andal dari masalah rekayasa nyata. alma mater. test. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR dan Sait SM Desain mekanisme penjepit robot yang andal menggunakan algoritma optimasi belalang hibrida baru. expert. system. 38(3), e12666 (2021).