Matur nuwun sampun ngunjungi Nature.com. Panjenengan ngginakaken versi browser kanthi dhukungan CSS winates. Tabung koil baja tahan karat Kanggo pengalaman paling apik, disaranake panjenengan ngginakaken browser sing dianyari (utawi mateni Mode Kompatibilitas ing Internet Explorer). Kajaba iku, kanggo njamin dhukungan sing terus-terusan, kita nampilake situs tanpa gaya lan JavaScript.
Nampilake korsel telung slide sekaligus. Gunakake tombol Sadurunge lan Sabanjure kanggo pindhah ing telung slide sekaligus, utawa gunakake tombol slider ing pungkasan kanggo pindhah ing telung slide sekaligus.
Ing panliten iki, desain tabung koil baja tahan karat, pegas torsi lan kompresi saka mekanisme lipat swiwi sing digunakake ing roket, dianggep minangka masalah optimasi. Sawise roket ninggalake tabung peluncuran, swiwi sing ditutup kudu dibukak lan diamanake sajrone wektu tartamtu. Tujuane panliten iki yaiku kanggo ngoptimalake energi sing disimpen ing pegas supaya swiwi bisa nyebar sajrone wektu sing paling cendhak. Ing kasus iki, persamaan energi ing loro publikasi kasebut ditetepake minangka fungsi objektif ing proses optimasi. Diameter kawat, diameter koil, jumlah koil, lan parameter defleksi sing dibutuhake kanggo desain pegas ditetepake minangka variabel optimasi. Ana watesan geometris ing variabel amarga ukuran mekanisme, uga watesan faktor keamanan amarga beban sing digawa dening pegas. Algoritma tawon madu (BA) digunakake kanggo ngatasi masalah optimasi iki lan nindakake desain pegas. Nilai energi sing dipikolehi karo BA luwih unggul tinimbang sing dipikolehi saka panliten Desain Eksperimen (DOE) sadurunge. Pegas lan mekanisme sing dirancang nggunakake parameter sing dipikolehi saka optimasi pisanan dianalisis ing program ADAMS. Sawisé kuwi, uji coba eksperimen ditindakake kanthi nggabungake pegas sing wis digawe menyang mekanisme nyata. Minangka asil saka uji coba kasebut, diamati manawa swiwine mbukak sawise udakara 90 milidetik. Nilai iki adoh saka target proyek yaiku 200 milidetik. Kajaba iku, bedane antarane asil analitis lan eksperimen mung 16 ms.
Ing pesawat lan kendaraan laut, mekanisme lipat tabung koil stainless steel iku penting banget. Sistem iki digunakake ing modifikasi lan konversi pesawat kanggo ningkatake kinerja lan kontrol penerbangan. Gumantung saka mode penerbangan, swiwine bisa lipat lan mbukak kanthi beda kanggo nyuda dampak aerodinamis1. Kahanan iki bisa dibandhingake karo gerakan swiwi sawetara manuk lan serangga sajrone penerbangan lan nyilem saben dina. Kajaba iku, glider bisa lipat lan mbukak ing kapal selam kanggo nyuda efek hidrodinamis lan ngoptimalake penanganan3. Tujuan liyane saka mekanisme iki yaiku kanggo menehi kaluwihan volumetrik kanggo sistem kayata lipatan baling-baling helikopter 4 kanggo panyimpenan lan transportasi. Swiwi roket uga bisa lipat mudhun kanggo nyuda papan panyimpenan. Kanthi mangkono, luwih akeh rudal bisa diselehake ing area peluncur sing luwih cilik 5. Komponen sing digunakake kanthi efektif ing lipatan lan mbukak biasane pegas. Ing wektu lipatan, energi disimpen ing njero lan dirilis ing wektu mbukak. Amarga strukture sing fleksibel, energi sing disimpen lan dirilis diimbangi. Pegas utamane dirancang kanggo sistem kasebut, lan desain iki menehi masalah optimasi6. Amarga sanajan kalebu macem-macem variabel kayata diameter kawat, diameter koil, jumlah puteran, sudut heliks lan jinis bahan, ana uga kritéria kayata massa, volume, distribusi stres minimal utawa kasedhiyan energi maksimum7.
Panliten iki menehi katerangan babagan desain lan optimalisasi pegas kanggo mekanisme lipatan swiwi sing digunakake ing sistem roket. Amarga ana ing njero tabung peluncuran sadurunge mabur, swiwi tetep dilipet ing permukaan roket, lan sawise metu saka tabung peluncuran, swiwi kasebut mbukak sajrone wektu tartamtu lan tetep dipencet menyang permukaan. Proses iki penting banget kanggo fungsi roket sing bener. Ing mekanisme lipatan sing dikembangake, pambukaan swiwi ditindakake dening pegas torsi, lan penguncian ditindakake dening pegas kompresi. Kanggo ngrancang pegas sing cocog, proses optimasi kudu ditindakake. Ing optimasi pegas, ana macem-macem aplikasi ing literatur.
Paredes et al.8 netepake faktor umur fatigue maksimum minangka fungsi objektif kanggo desain pegas heliks lan nggunakake metode kuasi-Newtonian minangka metode optimasi. Variabel ing optimasi diidentifikasi minangka diameter kawat, diameter koil, jumlah puteran, lan dawa pegas. Parameter liyane saka struktur pegas yaiku bahan saka ngendi digawe. Mulane, iki digatekake ing studi desain lan optimasi. Zebdi et al. 9 nyetel target kekakuan maksimum lan bobot minimal ing fungsi objektif ing panlitene, ing ngendi faktor bobot signifikan. Ing kasus iki, dheweke netepake bahan pegas lan sifat geometris minangka variabel. Dheweke nggunakake algoritma genetik minangka metode optimasi. Ing industri otomotif, bobot bahan migunani ing pirang-pirang cara, saka kinerja kendaraan nganti konsumsi bahan bakar. Minimalisasi bobot nalika ngoptimalake pegas koil kanggo suspensi minangka panliten sing misuwur10. Bahshesh lan Bahshesh11 ngenali bahan kayata E-glass, karbon lan Kevlar minangka variabel ing karyane ing lingkungan ANSYS kanthi tujuan kanggo entuk bobot minimal lan kekuatan tarik maksimum ing macem-macem desain komposit pegas suspensi. Proses manufaktur iku penting banget ing pangembangan pegas komposit. Dadi, macem-macem variabel melu ing masalah optimasi, kayata metode produksi, langkah-langkah sing ditindakake ing proses kasebut, lan urutan langkah-langkah kasebut12,13. Nalika ngrancang pegas kanggo sistem dinamis, frekuensi alami sistem kudu digatekake. Disaranake frekuensi alami pertama pegas paling ora 5-10 kali frekuensi alami sistem kanggo nyegah resonansi14. Taktak et al. 7 mutusake kanggo nyilikake massa pegas lan ngoptimalake frekuensi alami pertama minangka fungsi objektif ing desain pegas koil. Dheweke nggunakake telusuran pola, titik interior, set aktif, lan metode algoritma genetik ing alat optimasi Matlab. Riset analitis minangka bagean saka riset desain pegas, lan Metode Unsur Hingga populer ing wilayah iki15. Patil et al.16 ngembangake metode optimasi kanggo nyuda bobot pegas heliks kompresi nggunakake prosedur analitis lan nguji persamaan analitis nggunakake metode elemen hingga. Kriteria liyane kanggo nambah kegunaan pegas yaiku peningkatan energi sing bisa disimpen. Kasus iki uga njamin manawa pegas tetep migunani sajrone wektu sing suwe. Rahul lan Rameshkumar17 Ngupaya nyuda volume pegas lan nambah energi regangan ing desain pegas koil mobil. Dheweke uga nggunakake algoritma genetik ing riset optimasi.
Kaya sing bisa dideleng, parameter ing panliten optimasi beda-beda saka sistem siji menyang sistem liyane. Umumé, parameter kekakuan lan tegangan geser penting ing sistem ing ngendi beban sing digawa minangka faktor penentu. Pemilihan materi kalebu ing sistem watesan bobot kanthi rong parameter iki. Ing sisih liya, frekuensi alami dicenthang kanggo nyegah resonansi ing sistem sing dinamis banget. Ing sistem ing ngendi utilitas penting, energi dimaksimalake. Ing panliten optimasi, sanajan FEM digunakake kanggo panliten analitis, bisa dideleng manawa algoritma metaheuristik kayata algoritma genetik14,18 lan algoritma serigala abu-abu19 digunakake bebarengan karo metode Newton klasik ing sawetara parameter tartamtu. Algoritma metaheuristik wis dikembangake adhedhasar metode adaptasi alami sing nyedhaki kahanan optimal sajrone wektu sing cendhak, utamane ing sangisore pengaruh populasi20,21. Kanthi distribusi acak populasi ing area telusuran, dheweke ngindhari optima lokal lan pindhah menyang optima global22. Dadi, ing taun-taun pungkasan iki asring digunakake ing konteks masalah industri nyata23,24.
Kasus kritis kanggo mekanisme lipat sing dikembangake ing panliten iki yaiku swiwi, sing ana ing posisi tertutup sadurunge mabur, mbukak wektu tartamtu sawise ninggalake tabung. Sawise iku, elemen pengunci ngalangi swiwi. Mulane, pegas ora langsung mengaruhi dinamika penerbangan. Ing kasus iki, tujuan optimasi yaiku kanggo ngoptimalake energi sing disimpen kanggo nyepetake gerakan pegas. Diameter gulungan, diameter kawat, jumlah gulungan lan defleksi ditetepake minangka parameter optimasi. Amarga ukuran pegas sing cilik, bobot ora dianggep minangka tujuan. Mulane, jinis materi ditetepake minangka tetep. Margin keamanan kanggo deformasi mekanik ditemtokake minangka watesan kritis. Kajaba iku, watesan ukuran variabel melu ing ruang lingkup mekanisme kasebut. Metode metaheuristik BA dipilih minangka metode optimasi. BA disenengi amarga struktur sing fleksibel lan prasaja, lan kanggo kemajuan ing riset optimasi mekanik25. Ing bagean kapindho panliten kasebut, ekspresi matematika rinci kalebu ing kerangka desain dhasar lan desain pegas mekanisme lipat. Bagean katelu ngemot algoritma optimasi lan asil optimasi. Bab 4 nindakake analisis ing program ADAMS. Kesesuaian pegas dianalisis sadurunge produksi. Bagean pungkasan ngemot asil eksperimen lan gambar uji coba. Asil sing dipikolehi ing panliten iki uga dibandhingake karo karya penulis sadurunge nggunakake pendekatan DOE.
Swiwi sing dikembangake ing panliten iki kudune mlengkung menyang permukaan roket. Swiwi muter saka posisi mlengkung menyang posisi ora mlengkung. Kanggo iki, mekanisme khusus dikembangake. Ing gambar 1 nuduhake konfigurasi mlengkung lan ora mlengkung5 ing sistem koordinat roket.
Ing gambar 2 nuduhake tampilan sectional saka mekanisme kasebut. Mekanisme kasebut kasusun saka sawetara bagean mekanik: (1) awak utama, (2) poros swiwi, (3) bantalan, (4) awak kunci, (5) bush kunci, (6) pin mandheg, (7) pegas torsi lan (8) pegas kompresi. Poros swiwi (2) disambungake menyang pegas torsi (7) liwat selongsong pengunci (4). Kabeh telung bagean muter bebarengan sawise roket lepas landas. Kanthi gerakan rotasi iki, swiwi muter menyang posisi pungkasan. Sawise iku, pin (6) digerakake dening pegas kompresi (8), saengga mblokir kabeh mekanisme awak pengunci (4)5.
Modulus elastis (E) lan modulus geser (G) minangka parameter desain utama pegas. Ing panliten iki, kawat baja pegas karbon dhuwur (kawat Musik ASTM A228) dipilih minangka bahan pegas. Parameter liyane yaiku diameter kawat (d), diameter koil rata-rata (Dm), jumlah koil (N) lan defleksi pegas (xd kanggo pegas kompresi lan θ kanggo pegas torsi)26. Energi sing disimpen kanggo pegas kompresi \({(SE}_{x})\) lan pegas torsi (\({SE}_{\theta}\)) bisa diitung saka persamaan. (1) lan (2)26. (Nilai modulus geser (G) kanggo pegas kompresi yaiku 83.7E9 Pa, lan nilai modulus elastis (E) kanggo pegas torsi yaiku 203.4E9 Pa.)
Dimensi mekanik sistem kasebut langsung nemtokake watesan geometris pegas. Kajaba iku, kahanan ing ngendi roket bakal diselehake uga kudu digatekake. Faktor-faktor kasebut nemtokake watesan parameter pegas. Watesan penting liyane yaiku faktor keamanan. Definisi faktor keamanan diterangake kanthi rinci dening Shigley et al.26. Faktor keamanan pegas kompresi (SFC) ditetepake minangka stres maksimum sing diidini dibagi karo stres sajrone dawa terus-terusan. SFC bisa diitung nggunakake persamaan. (3), (4), (5) lan (6)26. (Kanggo bahan pegas sing digunakake ing panliten iki, \({S}_{sy}=980 MPa\)). F makili gaya ing persamaan lan KB makili faktor Bergstrasser saka 26.
Faktor keamanan torsi pegas (SFT) ditegesake minangka M dibagi karo k. SFT bisa diitung saka persamaan kasebut. (7), (8), (9) lan (10)26. (Kanggo materi sing digunakake ing panliten iki, \({S}_{y}=1600 \mathrm{MPa}\)). Ing persamaan kasebut, M digunakake kanggo torsi, \({k}^{^{\prime}}\) digunakake kanggo konstanta pegas (torsi/rotasi), lan Ki digunakake kanggo faktor koreksi tegangan.
Tujuan optimasi utama ing panliten iki yaiku kanggo ngoptimalake energi pegas. Fungsi tujuan dirumusake kanggo nemokake \(\overrightarrow{\{X\}}\) sing ngoptimalake \(f(X)\). \({f}_{1}(X)\) lan \({f}_{2}(X)\) minangka fungsi energi saka pegas kompresi lan torsi. Variabel lan fungsi sing diitung sing digunakake kanggo optimasi dituduhake ing persamaan ing ngisor iki.
Maneka warna watesan sing ditrapake ing desain pegas diwenehake ing persamaan ing ngisor iki. Persamaan (15) lan (16) makili faktor keamanan kanggo pegas kompresi lan torsi. Ing panliten iki, SFC kudu luwih gedhe utawa padha karo 1.2 lan SFT kudu luwih gedhe utawa padha karo θ26.
BA diilhami dening strategi nggoleki serbuk sari tawon27. Tawon nggoleki kanthi ngirim luwih akeh wong golek serbuk sari menyang lapangan serbuk sari sing subur lan luwih sithik wong golek serbuk sari menyang lapangan serbuk sari sing kurang subur. Kanthi mangkono, efisiensi paling gedhe saka populasi tawon bisa digayuh. Ing sisih liya, tawon pramuka terus nggoleki area serbuk sari anyar, lan yen ana area sing luwih produktif tinimbang sadurunge, akeh wong golek serbuk sari sing bakal diarahake menyang area anyar iki28. BA kasusun saka rong bagean: telusuran lokal lan telusuran global. Telusuran lokal nggoleki luwih akeh komunitas sing cedhak karo minimal (situs elit), kaya tawon, lan telusuran luwih sithik kanggo situs liyane (situs optimal utawa pilih). Telusuran sembarang ditindakake ing bagean telusuran global, lan yen nilai sing apik ditemokake, stasiun kasebut dipindhah menyang bagean telusuran lokal ing iterasi sabanjure. Algoritma kasebut ngemot sawetara parameter: jumlah tawon pramuka (n), jumlah situs telusuran lokal (m), jumlah situs elit (e), jumlah wong golek serbuk sari ing situs elit (nep), jumlah wong golek serbuk sari ing area optimal. Situs (nsp), ukuran lingkungan (ngh), lan jumlah iterasi (I)29. Pseudocode BA dituduhake ing Gambar 3.
Algoritma iki nyoba kerja ing antarane \({g}_{1}(X)\) lan \({g}_{2}(X)\). Minangka asil saka saben iterasi, nilai optimal ditemtokake lan populasi dikumpulake ing sekitar nilai kasebut kanggo nyoba entuk nilai sing paling apik. Watesan dicenthang ing bagean telusuran lokal lan global. Ing telusuran lokal, yen faktor-faktor kasebut cocog, nilai energi diitung. Yen nilai energi anyar luwih gedhe tinimbang nilai optimal, wenehake nilai anyar menyang nilai optimal. Yen nilai paling apik sing ditemokake ing asil telusuran luwih gedhe tinimbang elemen saiki, elemen anyar bakal dilebokake ing koleksi kasebut. Diagram blok telusuran lokal dituduhake ing Gambar 4.
Populasi minangka salah sawijining parameter kunci ing BA. Saka panliten sadurunge, bisa dideleng yen ngembangake populasi nyuda jumlah iterasi sing dibutuhake lan nambah kemungkinan sukses. Nanging, jumlah penilaian fungsional uga saya tambah. Anane akeh situs elit ora mengaruhi kinerja kanthi signifikan. Jumlah situs elit bisa uga sithik yen ora nol 30. Ukuran populasi tawon pramuka (n) biasane dipilih antarane 30 lan 100. Ing panliten iki, skenario 30 lan 50 dilakokake kanggo nemtokake jumlah sing cocog (Tabel 2). Parameter liyane ditemtokake gumantung saka populasi. Jumlah situs sing dipilih (m) yaiku (kurang luwih) 25% saka ukuran populasi, lan jumlah situs elit (e) ing antarane situs sing dipilih yaiku 25% saka m. Jumlah tawon sing mangan (jumlah telusuran) dipilih dadi 100 kanggo plot elit lan 30 kanggo plot lokal liyane. Panelusuran lingkungan minangka konsep dhasar kabeh algoritma evolusi. Ing panliten iki, metode tetangga tapering digunakake. Cara iki nyuda ukuran lingkungan kanthi tingkat tartamtu sajrone saben iterasi. Ing iterasi sabanjure, nilai lingkungan sing luwih cilik30 bisa digunakake kanggo panelusuran sing luwih akurat.
Kanggo saben skenario, sepuluh tes berturut-turut ditindakake kanggo mriksa reprodusibilitas algoritma optimasi. Ing gambar 5 nuduhake asil optimasi pegas torsi kanggo skema 1, lan ing gambar 6 - kanggo skema 2. Data tes uga diwenehake ing tabel 3 lan 4 (tabel sing ngemot asil sing dipikolehi kanggo pegas kompresi ana ing Informasi Tambahan S1). Populasi tawon nambah panelusuran nilai sing apik ing iterasi pertama. Ing skenario 1, asil sawetara tes ana ing ngisor maksimal. Ing Skenario 2, bisa dideleng yen kabeh asil optimasi nyedhaki maksimal amarga tambahing populasi lan parameter liyane sing relevan. Bisa dideleng yen nilai ing Skenario 2 cukup kanggo algoritma kasebut.
Nalika entuk nilai energi maksimal ing iterasi, faktor keamanan uga diwenehake minangka kendala kanggo panliten kasebut. Deleng tabel kanggo faktor keamanan. Nilai energi sing dipikolehi nggunakake BA dibandhingake karo sing dipikolehi nggunakake metode 5 DOE ing Tabel 5. (Kanggo gampang digawe, jumlah puteran (N) pegas torsi yaiku 4,9 tinimbang 4,88, lan defleksi (xd) yaiku 8 mm tinimbang 7,99 mm ing pegas kompresi.) Bisa dideleng yen BA luwih apik. BA ngevaluasi kabeh nilai liwat panelusuran lokal lan global. Kanthi cara iki dheweke bisa nyoba luwih akeh alternatif kanthi luwih cepet.
Ing panliten iki, Adams digunakake kanggo nganalisis gerakan mekanisme swiwi. Adams diwenehi model 3D mekanisme kasebut dhisik. Banjur nemtokake pegas kanthi parameter sing dipilih ing bagean sadurunge. Kajaba iku, sawetara parameter liyane kudu ditetepake kanggo analisis sing nyata. Iki minangka parameter fisik kayata sambungan, sifat materi, kontak, gesekan, lan gravitasi. Ana sambungan putar antarane poros bilah lan bantalan. Ana 5-6 sambungan silinder. Ana 5-1 sambungan tetep. Awak utama digawe saka bahan aluminium lan tetep. Bahan saka bagean liyane yaiku baja. Pilih koefisien gesekan, kekakuan kontak lan ambane penetrasi permukaan gesekan gumantung saka jinis materi. (stainless steel AISI 304) Ing panliten iki, parameter kritis yaiku wektu mbukak mekanisme swiwi, sing kudu kurang saka 200 ms. Mulane, gatekna wektu mbukak swiwi sajrone analisis.
Minangka asil saka analisis Adams, wektu mbukak mekanisme swiwi yaiku 74 milidetik. Asil simulasi dinamis saka 1 nganti 4 dituduhake ing Gambar 7. Gambar pisanan ing Gambar 5 minangka wektu miwiti simulasi lan swiwi ana ing posisi ngenteni lipatan. (2) Nampilake posisi swiwi sawise 40ms nalika swiwi wis muter 43 derajat. (3) nuduhake posisi swiwi sawise 71 milidetik. Uga ing gambar pungkasan (4) nuduhake pungkasan puteran swiwi lan posisi mbukak. Minangka asil saka analisis dinamis, diamati manawa mekanisme mbukak swiwi luwih cendhek tinimbang nilai target 200 ms. Kajaba iku, nalika ngukur pegas, watesan keamanan dipilih saka nilai paling dhuwur sing disaranake ing literatur.
Sawisé rampung kabèh studi desain, optimasi, lan simulasi, prototipe mekanisme kasebut diprodhuksi lan diintegrasi. Prototipe kasebut banjur diuji kanggo verifikasi asil simulasi. Kaping pisanan, pasang cangkang utama lan lipat swiwine. Banjur swiwine diuculake saka posisi lipatan lan video digawe saka rotasi swiwi saka posisi lipatan menyang posisi sing wis dipasang. Timer uga digunakake kanggo nganalisis wektu sajrone ngrekam video.
Ing gambar 8, katon pigura video kanthi nomer 1-4. Nomer pigura 1 ing gambar nuduhake momen pelepasan swiwi sing dilipat. Momen iki dianggep minangka momen awal wektu t0. Pigura 2 lan 3 nuduhake posisi swiwi 40 ms lan 70 ms sawise momen awal. Nalika nganalisis pigura 3 lan 4, bisa dideleng yen gerakan swiwi stabil 90 ms sawise t0, lan pambukaan swiwi rampung antarane 70 lan 90 ms. Kahanan iki tegese simulasi lan uji coba prototipe menehi wektu penyebaran swiwi sing meh padha, lan desain kasebut nyukupi syarat kinerja mekanisme kasebut.
Ing artikel iki, pegas torsi lan kompresi sing digunakake ing mekanisme lipatan swiwi dioptimalake nggunakake BA. Parameter kasebut bisa digayuh kanthi cepet kanthi sawetara iterasi. Pegas torsi dirating ing 1075 mJ lan pegas kompresi dirating ing 37,24 mJ. Nilai kasebut 40-50% luwih apik tinimbang panliten DOE sadurunge. Pegas kasebut diintegrasi menyang mekanisme lan dianalisis ing program ADAMS. Nalika dianalisis, ditemokake yen swiwi mbukak sajrone 74 milidetik. Nilai iki adoh ing ngisor target proyek 200 milidetik. Ing panliten eksperimen sabanjure, wektu nguripake diukur udakara 90 ms. Bedane 16 milidetik antarane analisis iki bisa uga amarga faktor lingkungan sing ora dimodelake ing piranti lunak. Dipercaya manawa algoritma optimasi sing dipikolehi minangka asil saka panliten kasebut bisa digunakake kanggo macem-macem desain pegas.
Bahan pegas wis ditemtokake sadurunge lan ora digunakake minangka variabel ing optimasi. Amarga akeh jinis pegas sing digunakake ing pesawat lan roket, BA bakal diterapake kanggo ngrancang jinis pegas liyane nggunakake bahan sing beda kanggo entuk desain pegas sing optimal ing riset mbesuk.
Kita nyatakake yen naskah iki asli, durung nate diterbitake sadurunge, lan saiki ora lagi dipertimbangkan kanggo diterbitake ing papan liya.
Kabeh data sing diasilake utawa dianalisis ing panliten iki kalebu ing artikel sing diterbitake iki [lan file informasi tambahan].
Min, Z., Kin, VK lan Richard, LJ Modernisasi konsep airfoil liwat owah-owahan geometris radikal. IES J. Bagean A Peradaban. komposisi. proyek. 3(3), 188–195 (2010).
Sun, J., Liu, K. lan Bhushan, B. Ringkesan swiwi mburi kumbang: struktur, sifat mekanik, mekanisme, lan inspirasi biologis. J. Mecha. Prilaku. Ilmu Biomedis. almamater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., lan Zhang, F. Desain lan analisis mekanisme propulsi lipat kanggo glider bawah laut bertenaga hibrida. Ocean Engineering 119, 125–134 (2016).
Kartik, HS lan Prithvi, K. Desain lan Analisis Mekanisme Lipat Stabilizer Horisontal Helikopter. tangki panyimpenan internal J. Ing. teknologi. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. lan Sahin, M. Optimalisasi parameter mekanik desain swiwi roket lipat nggunakake pendekatan desain eksperimen. internal J. Model. optimasi. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Metode Desain, Studi Kinerja, lan Proses Manufaktur Pegas Koil Komposit: Tinjauan. nyusun. komposisi. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. lan Khaddar M. Optimasi desain dinamis pegas koil. Aplikasi kanggo swara. 77, 178–183 (2014).
Paredes, M., Sartor, M., lan Mascle, K. Prosedur kanggo ngoptimalake desain pegas tegangan. komputer. aplikasi metode kasebut. fur. proyek. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. lan Trochu F. Desain optimal pegas heliks komposit nggunakake optimasi multiobjektif. J. Reinf. plastik. komposisi. 28 (14), 1713–1732 (2009).
Pawart, HB lan Desale, DD Optimalisasi pegas koil suspensi ngarep roda telu. proses. pabrikan. 20, 428–433 (2018).
Bahshesh M. lan Bahshesh M. Optimalisasi pegas koil baja nganggo pegas komposit. internal J. Multidisiplin. proyek sains. 3(6), 47–51 (2012).
Chen, L. et al. Sinau babagan akeh parameter sing mengaruhi kinerja statis lan dinamis saka pegas koil komposit. J. Market. tangki panyimpenan. 20, 532–550 (2022).
Frank, J. Analisis lan Optimasi Pegas Heliks Komposit, Tesis PhD, Universitas Negeri Sacramento (2020).
Gu, Z., Hou, X. lan Ye, J. Metode kanggo ngrancang lan nganalisis pegas heliks nonlinier nggunakake kombinasi metode: analisis elemen hingga, sampling terbatas hiperkubus Latin, lan pemrograman genetik. proses. Institut Fur. proyek. CJ Mecha. proyek. ilmu pengetahuan. 235(22), 5917–5930 (2021).
Wu, L., dkk. Pegas Koil Multi-Strand Serat Karbon kanthi Laju Pegas sing Bisa Diatur: Studi Desain lan Mekanisme. J. Market. tangki panyimpenan. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS lan Jagtap ST Optimalisasi bobot pegas heliks kompresi. tangki panyimpenan internal J. Innov. Multidisiplin. 2(11), 154–164 (2016).
Rahul, MS lan Rameshkumar, K. Optimasi multiguna lan simulasi numerik pegas koil kanggo aplikasi otomotif. almamater. proses saiki. 46. ​​4847–4853 (2021).
Bai, JB et al. Nemtokake Praktik Paling Apik – Desain Optimal Struktur Heliks Komposit Nggunakake Algoritma Genetika. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M., lan Gokche, H. Nggunakake metode optimasi 灰狼 adhedhasar optimasi volume minimal saka desain pegas kompresi, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. lan Sait, SM Metaheuristics nggunakake pirang-pirang agen kanggo ngoptimalake kacilakan. internal J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR lan Erdash, MU Algoritma optimasi grup Taguchi-salpa hibrida anyar kanggo desain masalah teknik nyata sing bisa dipercaya. almamater. tes. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR lan Sait SM Desain mekanisme gripper robot sing bisa dipercaya nggunakake algoritma optimasi walang hibrida anyar. sistem pakar. 38(3), e12666 (2021).