Nature.com을 방문해 주셔서 감사합니다. 현재 사용 중인 브라우저 버전은 CSS 지원이 제한적입니다. 최상의 경험을 위해 최신 버전의 브라우저를 사용하시거나 Internet Explorer에서 호환성 모드를 비활성화하는 것을 권장합니다. 또한, 지속적인 지원을 위해 현재는 스타일과 JavaScript를 적용하지 않고 사이트를 표시하고 있습니다.
한 번에 세 개의 슬라이드를 캐러셀 형태로 표시합니다. 이전 및 다음 버튼을 사용하여 세 슬라이드씩 이동하거나, 하단의 슬라이더 버튼을 사용하여 세 슬라이드씩 이동할 수 있습니다.
본 연구에서는 로켓 날개 접이식 메커니즘에 사용되는 스테인리스강 코일 튜브의 비틀림 및 압축 스프링 설계를 최적화 문제로 고려했습니다. 로켓이 발사관을 떠난 후, 접혀 있던 날개는 일정 시간 동안 펼쳐진 상태로 고정되어야 합니다. 본 연구의 목표는 날개가 가능한 한 짧은 시간 내에 펼쳐질 수 있도록 스프링에 저장되는 에너지를 최대화하는 것입니다. 이를 위해 기존 연구 논문에 제시된 에너지 방정식을 최적화 과정의 목적 함수로 설정했습니다. 스프링 설계에 필요한 와이어 직경, 코일 직경, 코일 개수, 그리고 변형 매개변수를 최적화 변수로 정의했습니다. 메커니즘의 크기로 인한 기하학적 제약과 스프링이 지탱하는 하중으로 인한 안전 계수 제약이 존재합니다. 본 최적화 문제를 해결하고 스프링을 설계하기 위해 꿀벌(BA) 알고리즘을 사용했습니다. BA 알고리즘으로 얻은 에너지 값은 기존의 실험 설계(DOE) 연구에서 얻은 값보다 우수했습니다. 최적화를 통해 얻은 매개변수를 사용하여 설계된 스프링과 메커니즘은 ADAMS 프로그램을 이용하여 분석했습니다. 그 후, 제작된 스프링을 실제 메커니즘에 통합하여 실험을 진행했습니다. 실험 결과, 날개가 약 90밀리초 만에 펼쳐지는 것을 확인했습니다. 이 값은 프로젝트 목표인 200밀리초보다 훨씬 빠릅니다. 또한, 해석 결과와 실험 결과의 차이는 불과 16밀리초에 불과합니다.
항공기 및 해상 운송 수단에서 스테인리스강 코일 튜브 접이식 메커니즘은 매우 중요합니다. 이러한 시스템은 항공기 개조 및 변환에 사용되어 비행 성능과 제어력을 향상시킵니다. 비행 모드에 따라 날개는 공기역학적 영향을 줄이기 위해 다르게 접히고 펼쳐집니다.¹ 이는 일부 새와 곤충이 일상적인 비행과 잠수 시 날개를 움직이는 방식과 유사합니다. 마찬가지로, 잠수정의 글라이더는 유체역학적 영향을 줄이고 조종성을 극대화하기 위해 접히고 펼쳐집니다.³ 이러한 메커니즘의 또 다른 목적은 보관 및 운송을 위해 헬리콥터 프로펠러를 접는 것과 같이 부피 측면에서 이점을 제공하는 것입니다.⁴ 로켓의 날개도 보관 공간을 줄이기 위해 접힙니다. 따라서 발사대의 더 작은 면적에 더 많은 미사일을 탑재할 수 있습니다.⁵ 접히고 펼쳐지는 데 효과적으로 사용되는 부품은 일반적으로 스프링입니다. 접히는 순간 에너지가 스프링에 저장되고 펼쳐지는 순간 방출됩니다. 유연한 구조 덕분에 저장된 에너지와 방출된 에너지가 균형을 이룹니다. 스프링은 주로 시스템을 위해 설계되며, 이 설계에는 최적화 문제가 있습니다.⁶ 와이어 직경, 코일 직경, 권선 수, 나선 각도 및 재료 유형과 같은 다양한 변수가 포함되는 동시에 질량, 부피, 최소 응력 분포 또는 최대 에너지 가용성과 같은 기준도 포함되기 때문입니다.7
본 연구는 로켓 시스템에 사용되는 날개 접이식 메커니즘용 스프링의 설계 및 최적화에 대해 살펴봅니다. 발사 전 발사관 내부에 있는 동안 날개는 로켓 표면에 접힌 상태로 유지되며, 발사관을 빠져나온 후 일정 시간 동안 펼쳐진 상태로 표면에 밀착됩니다. 이 과정은 로켓의 정상적인 작동에 매우 중요합니다. 개발된 접이식 메커니즘에서 날개의 펼침은 비틀림 스프링에 의해, 접힘은 압축 스프링에 의해 이루어집니다. 적합한 스프링을 설계하기 위해서는 최적화 과정이 필수적입니다. 스프링 최적화에 관한 연구는 기존 문헌에서 다양하게 찾아볼 수 있습니다.
Paredes 등8은 헬리컬 스프링 설계의 목적 함수로 최대 피로 수명 계수를 정의하고 준뉴턴 방법을 최적화 방법으로 사용했습니다. 최적화 변수로는 와이어 직경, 코일 직경, 권선 수, 스프링 길이를 설정했습니다. 스프링 구조의 또 다른 중요한 매개변수는 재질입니다. 따라서 설계 및 최적화 연구에서 재질 또한 고려되었습니다. Zebdi 등9은 연구에서 목적 함수로 최대 강성과 최소 무게를 목표로 설정했으며, 무게가 중요한 요소였습니다. 이 경우 스프링 재질과 기하학적 특성을 변수로 정의하고 유전 알고리즘을 최적화 방법으로 사용했습니다. 자동차 산업에서 재료의 무게는 차량 성능부터 연비까지 다양한 측면에서 중요한 요소입니다. 서스펜션용 코일 스프링 최적화 시 무게 최소화는 잘 알려진 연구 분야입니다.10 Bahshesh와 Bahshesh11은 ANSYS 환경에서 다양한 서스펜션 스프링 복합재 설계에서 최소 무게와 최대 인장 강도를 달성하기 위한 연구에서 E-유리, 탄소, 케블라와 같은 재료를 변수로 식별했습니다. 복합재 스프링 개발에서 제조 공정은 매우 중요합니다. 따라서 생산 방법, 공정 단계, 단계 순서와 같은 다양한 변수가 최적화 문제에 영향을 미칩니다12,13. 동적 시스템용 스프링을 설계할 때는 시스템의 고유 진동수를 고려해야 합니다. 공진을 방지하기 위해 스프링의 첫 번째 고유 진동수는 시스템의 고유 진동수의 최소 5~10배 이상이어야 합니다14. Taktak 등7은 코일 스프링 설계에서 스프링 질량 최소화와 첫 번째 고유 진동수 최대화를 목적 함수로 설정했습니다. 그들은 Matlab 최적화 도구에서 패턴 검색, 내부점, 활성 집합 및 유전 알고리즘 방법을 사용했습니다. 해석적 연구는 스프링 설계 연구의 일부이며, 유한 요소법(FEM)이 이 분야에서 널리 사용됩니다15. Patil 등16은 해석적 절차를 이용하여 압축 나선형 스프링의 무게를 줄이는 최적화 방법을 개발하고 유한 요소법을 사용하여 해석 방정식을 검증했습니다. 스프링의 유용성을 높이는 또 다른 기준은 스프링이 저장할 수 있는 에너지의 증가입니다. 이는 스프링이 장기간 동안 유용성을 유지하도록 보장합니다. Rahul과 Rameshkumar17은 자동차 코일 스프링 설계에서 스프링 부피를 줄이고 변형 에너지를 증가시키는 것을 목표로 했습니다. 또한 최적화 연구에 유전 알고리즘을 사용했습니다.
보시다시피, 최적화 연구의 매개변수는 시스템마다 다릅니다. 일반적으로, 시스템이 지탱하는 하중이 결정적인 요소인 경우 강성과 전단 응력 매개변수가 중요합니다. 재료 선택은 이러한 두 매개변수를 포함하는 중량 제한 시스템에 포함됩니다. 한편, 동적 시스템에서는 공진을 방지하기 위해 고유 진동수를 검토합니다. 실용성이 중요한 시스템에서는 에너지를 최대화합니다. 최적화 연구에서 유한 요소법(FEM)은 해석적 연구에 사용되지만, 특정 매개변수 범위 내에서 유전 알고리즘14,18 및 회색 늑대 알고리즘19과 같은 메타휴리스틱 알고리즘이 고전적인 뉴턴 방법과 함께 사용되는 것을 볼 수 있습니다. 메타휴리스틱 알고리즘은 특히 개체군의 영향20,21을 받아 짧은 시간 내에 최적 상태에 접근하는 자연 적응 방법을 기반으로 개발되었습니다. 탐색 영역에 개체군이 무작위로 분포함으로써 지역 최적점을 피하고 전역 최적점으로 이동합니다22. 따라서 최근 몇 년 동안 실제 산업 문제23,24에 자주 사용되고 있습니다.
본 연구에서 개발된 접이식 메커니즘의 핵심은 비행 전 닫힌 상태였던 날개가 튜브를 빠져나온 후 일정 시간이 지나서야 펼쳐진다는 점입니다. 그 후 잠금 요소가 날개를 고정합니다. 따라서 스프링은 비행 역학에 직접적인 영향을 미치지 않습니다. 이 경우 최적화 목표는 스프링의 움직임을 가속하는 데 필요한 에너지를 최대화하는 것이었습니다. 롤 직경, 와이어 직경, 롤 개수 및 처짐을 최적화 매개변수로 정의했습니다. 스프링의 크기가 작기 때문에 무게는 최적화 목표가 아니므로 재질은 고정했습니다. 기계적 변형에 대한 안전 여유를 중요한 제약 조건으로 설정했습니다. 또한, 메커니즘의 크기 제약 조건이 존재합니다. 최적화 방법으로는 BA 메타휴리스틱 방법을 선택했습니다. BA는 유연하고 간단한 구조와 기계 최적화 연구 분야에서의 발전된 기술 때문에 선택되었습니다.²⁵ 연구의 두 번째 부분에서는 접이식 메커니즘의 기본 설계 및 스프링 설계에 대한 상세한 수학적 표현식을 제시합니다. 세 번째 부분에서는 최적화 알고리즘과 최적화 결과를 보여줍니다. 제4장에서는 ADAMS 프로그램을 이용한 분석을 수행한다. 스프링의 적합성을 생산 전에 분석한다. 마지막 장에는 실험 결과와 시험 이미지가 수록되어 있다. 본 연구에서 얻은 결과는 실험계획법(DOE)을 사용한 저자들의 이전 연구 결과와도 비교하였다.
본 연구에서 개발된 날개는 로켓 표면 쪽으로 접히도록 설계되었습니다. 날개는 접힌 위치에서 펼쳐진 위치로 회전합니다. 이를 위해 특수 메커니즘이 개발되었습니다. 그림 1은 로켓 좌표계에서 접힌 상태와 펼쳐진 상태를 보여줍니다.
그림 2는 메커니즘의 단면도를 보여줍니다. 이 메커니즘은 (1) 본체, (2) 날개축, (3) 베어링, (4) 잠금 본체, (5) 잠금 부시, (6) 정지 핀, (7) 비틀림 스프링 및 (8) 압축 스프링 등 여러 기계 부품으로 구성됩니다. 날개축(2)은 잠금 슬리브(4)를 통해 비틀림 스프링(7)에 연결됩니다. 로켓이 발사된 후 이 세 부품은 동시에 회전합니다. 이 회전 운동으로 날개가 최종 위치로 회전합니다. 그 후, 압축 스프링(8)에 의해 핀(6)이 작동되어 잠금 본체(4)의 전체 메커니즘이 잠깁니다.
탄성 계수(E)와 전단 계수(G)는 스프링의 주요 설계 매개변수입니다. 본 연구에서는 스프링 재료로 고탄소 스프링 강선(ASTM A228 뮤직 와이어)을 선택했습니다. 다른 매개변수로는 와이어 직경(d), 평균 코일 직경(Dm), 코일 수(N), 스프링 처짐(압축 스프링의 경우 xd, 비틀림 스프링의 경우 θ)이 있습니다.26 압축 스프링의 저장 에너지 \({(SE}_{x}\)\)와 비틀림 스프링의 저장 에너지 \({SE}_{\theta}\)\)는 다음 식 (1)과 (2)를 이용하여 계산할 수 있습니다.26 (압축 스프링의 전단 계수(G) 값은 83.7E9 Pa이고, 비틀림 스프링의 탄성 계수(E) 값은 203.4E9 Pa입니다.)
시스템의 기계적 치수는 스프링의 기하학적 제약 조건을 직접적으로 결정합니다. 또한 로켓이 위치할 환경 조건도 고려해야 합니다. 이러한 요소들이 스프링 매개변수의 한계를 결정합니다. 또 다른 중요한 제약 조건은 안전 계수입니다. 안전 계수의 정의는 Shigley et al.26에 자세히 설명되어 있습니다. 압축 스프링 안전 계수(SFC)는 최대 허용 응력을 연속 길이에 걸친 응력으로 나눈 값으로 정의됩니다. SFC는 방정식 (3), (4), (5) 및 (6)26을 사용하여 계산할 수 있습니다. (본 연구에서 사용된 스프링 재료의 경우 \({S}_{sy}=980 MPa\)). 방정식에서 F는 힘을 나타내고 KB는 Bergstrasser 계수26을 나타냅니다.
스프링의 비틀림 안전 계수(SFT)는 M을 k로 나눈 값으로 정의됩니다. SFT는 다음 식 (7), (8), (9) 및 (10)26에서 계산할 수 있습니다. (본 연구에서 사용된 재료의 경우 \({S}_{y}=1600 \mathrm{MPa}\)). 이 식에서 M은 토크, \({k}^{^{\prime}}\)는 스프링 상수(토크/회전), Ki는 응력 보정 계수로 사용됩니다.
본 연구의 주요 최적화 목표는 스프링의 에너지를 최대화하는 것입니다. 목적 함수는 \(f(X)\)를 최대화하는 \(\overrightarrow{\{X\}}\)를 찾는 것으로 정의됩니다. \({f}_{1}(X)\)와 \({f}_{2}(X)\)는 각각 압축 스프링과 비틀림 스프링의 에너지 함수입니다. 최적화에 사용된 계산 변수와 함수는 다음 방정식에 나타나 있습니다.
스프링 설계에 대한 다양한 제약 조건은 다음 방정식에 나와 있습니다. 방정식 (15) 및 (16)은 각각 압축 스프링과 비틀림 스프링에 대한 안전 계수를 나타냅니다. 본 연구에서는 SFC가 1.2 이상이어야 하고 SFT가 θ26 이상이어야 합니다.
BA는 꿀벌의 꽃가루 탐색 전략에서 영감을 받았습니다.27 꿀벌은 꽃가루가 풍부한 지역에는 더 많은 일벌을, 꽃가루가 부족한 지역에는 더 적은 일벌을 보내 꽃가루를 찾습니다. 이렇게 함으로써 꿀벌 개체군의 효율성을 극대화합니다. 한편, 정찰벌은 새로운 꽃가루 지역을 계속해서 탐색하고, 이전에 비해 생산성이 높은 지역이 발견되면 많은 일벌을 이 새로운 지역으로 보냅니다.28 BA는 지역 탐색과 전역 탐색의 두 부분으로 구성됩니다. 지역 탐색은 꿀벌처럼 최소값(엘리트 사이트) 근처에서 더 많은 군집을 탐색하고, 다른 지역(최적 또는 선택 사이트)에 대한 탐색은 줄입니다. 전역 탐색 부분에서는 임의 탐색을 수행하고, 좋은 값을 찾으면 해당 지점을 다음 반복에서 지역 탐색 부분으로 이동합니다. 이 알고리즘에는 정찰벌 수(n), 지역 탐색 사이트 수(m), 엘리트 사이트 수(e), 엘리트 사이트의 일벌 수(nep), 최적 지역의 일벌 수와 같은 매개변수가 있습니다. 사이트(nsp), 이웃 크기(ngh) 및 반복 횟수(I)29. BA 의사 코드는 그림 3에 나와 있습니다.
이 알고리즘은 \({g}_{1}(X)\)와 \({g}_{2}(X)\) 사이에서 작동하려고 시도합니다. 각 반복의 결과로 최적값이 결정되고, 최적값을 얻기 위해 이러한 최적값을 중심으로 개체군이 형성됩니다. 지역 탐색과 전역 탐색 단계에서 제약 조건을 확인합니다. 지역 탐색에서 이러한 조건이 충족되면 에너지 값을 계산합니다. 새로운 에너지 값이 최적값보다 크면 새로운 값을 최적값에 할당합니다. 탐색 결과에서 찾은 최적값이 현재 요소보다 크면 새로운 요소를 개체군에 추가합니다. 지역 탐색의 블록 다이어그램은 그림 4에 나와 있습니다.
개체군은 BA(Best Assessment, 행동 분석)의 핵심 매개변수 중 하나입니다. 이전 연구들을 통해 개체군을 확장하면 필요한 반복 횟수가 줄어들고 성공 가능성이 높아진다는 것을 알 수 있습니다. 그러나 기능 평가 횟수 또한 증가합니다. 엘리트 사이트의 수가 많다고 해서 성능에 큰 영향을 미치는 것은 아닙니다. 엘리트 사이트의 수는 0이 아니라면 적어도 괜찮습니다. 정찰벌 개체군(n)의 크기는 일반적으로 30에서 100 사이로 선택됩니다. 본 연구에서는 적절한 개체군 수를 결정하기 위해 30과 50의 시나리오를 모두 실행했습니다(표 2). 다른 매개변수들은 개체군 크기에 따라 결정됩니다. 선택된 사이트의 수(m)는 개체군 크기의 (대략) 25%이고, 선택된 사이트 중 엘리트 사이트의 수(e)는 m의 25%입니다. 먹이를 찾는 벌의 수(탐색 횟수)는 엘리트 사이트의 경우 100회, 다른 지역 사이트의 경우 30회로 설정했습니다. 이웃 탐색은 모든 진화 알고리즘의 기본 개념입니다. 본 연구에서는 테이퍼링 네이버(tapering neighbors) 방법을 사용했습니다. 이 방법은 각 반복마다 이웃의 크기를 특정 비율로 줄입니다. 이후 반복에서는 더 작은 이웃 값30을 사용하여 더 정확한 검색을 수행할 수 있습니다.
각 시나리오에 대해 최적화 알고리즘의 재현성을 확인하기 위해 10번의 연속적인 테스트를 수행했습니다. 그림 5는 시나리오 1에 대한 비틀림 스프링 최적화 결과를, 그림 6은 시나리오 2에 대한 결과를 보여줍니다. 테스트 데이터는 표 3과 표 4에도 제시되어 있습니다(압축 스프링에 대한 결과는 보충 정보 S1에 있는 표 참조). 벌집 개체군은 첫 번째 반복에서 최적값을 찾는 데 집중합니다. 시나리오 1에서는 일부 테스트 결과가 최댓값보다 낮았습니다. 시나리오 2에서는 개체군 및 기타 관련 매개변수의 증가로 인해 모든 최적화 결과가 최댓값에 근접하는 것을 확인할 수 있습니다. 시나리오 2의 값이 알고리즘에 충분함을 알 수 있습니다.
반복 계산을 통해 에너지의 최대값을 구할 때, 연구의 제약 조건으로 안전 계수도 함께 고려되었습니다. 안전 계수는 표를 참조하십시오. 표 5에서는 BA를 사용하여 얻은 에너지 값과 5DOE 방법을 사용하여 얻은 에너지 값을 비교했습니다. (제조 편의를 위해 비틀림 스프링의 권선 수(N)는 4.88이 아닌 4.9이고, 압축 스프링의 처짐(xd)은 7.99mm가 아닌 8mm입니다.) BA의 결과가 더 우수함을 알 수 있습니다. BA는 로컬 및 글로벌 조회를 통해 모든 값을 평가하므로 더 많은 대안을 더 빠르게 시도할 수 있습니다.
본 연구에서는 Adams 프로그램을 이용하여 날개 메커니즘의 움직임을 분석했습니다. 먼저 Adams에 메커니즘의 3D 모델을 입력하고, 이전 단계에서 선택한 매개변수를 사용하여 스프링을 정의합니다. 또한, 실제 분석을 위해서는 연결부, 재료 특성, 접촉, 마찰, 중력과 같은 물리적 매개변수를 추가로 정의해야 합니다. 날개 축과 베어링 사이에는 회전 조인트가 있으며, 5~6개의 원통형 조인트와 5~1개의 고정 조인트가 있습니다. 본체는 알루미늄 재질로 제작되었으며, 나머지 부품은 강철 재질입니다. 마찰 계수, 접촉 강성, 마찰면의 침투 깊이는 재질에 따라 적절하게 선택해야 합니다. (스테인리스강 AISI 304 사용) 본 연구에서 가장 중요한 매개변수는 날개 메커니즘의 개방 시간으로, 200ms 미만이어야 합니다. 따라서 분석 과정에서 날개 개방 시간을 면밀히 검토해야 합니다.
Adams의 분석 결과, 날개 메커니즘의 개방 시간은 74밀리초로 나타났습니다. 그림 7은 1~4번까지의 동적 시뮬레이션 결과를 보여줍니다. 그림 5의 첫 번째 그림은 시뮬레이션 시작 시점으로, 날개가 접히기 위한 대기 위치에 있는 모습입니다. (2)는 날개가 43도 회전한 후 40밀리초가 지난 시점의 날개 위치를 나타냅니다. (3)은 71밀리초 후의 날개 위치를 보여줍니다. 마지막 그림 (4)는 날개 회전이 완료되어 펼쳐진 위치를 나타냅니다. 동적 분석 결과, 날개 개방 메커니즘의 개방 시간이 목표값인 200밀리초보다 상당히 짧은 것으로 나타났습니다. 또한, 스프링 크기를 결정할 때 안전 한계는 문헌에서 권장하는 가장 높은 값으로 설정했습니다.
모든 설계, 최적화 및 시뮬레이션 연구를 완료한 후, 메커니즘의 프로토타입을 제작하고 통합했습니다. 그런 다음 시뮬레이션 결과를 검증하기 위해 프로토타입을 테스트했습니다. 먼저 본체를 고정하고 날개를 접었습니다. 이후 접힌 상태에서 날개를 펼치고 접힌 상태에서 펼쳐진 상태로 회전하는 모습을 비디오로 촬영했습니다. 비디오 촬영 중 시간 경과를 분석하기 위해 타이머도 사용했습니다.
그림 8은 1~4번으로 번호가 매겨진 비디오 프레임을 보여줍니다. 그림의 1번 프레임은 접힌 날개가 펼쳐지는 순간을 나타내며, 이 순간을 시간 t0의 초기 시점으로 간주합니다. 2번과 3번 프레임은 초기 시점으로부터 40ms와 70ms 후의 날개 위치를 보여줍니다. 3번과 4번 프레임을 분석해 보면, 날개의 움직임은 t0 이후 90ms에 안정화되고, 날개가 완전히 펼쳐지는 것은 70ms에서 90ms 사이에 완료됨을 알 수 있습니다. 이는 시뮬레이션과 프로토타입 테스트에서 날개 전개 시간이 거의 동일하게 나타났으며, 설계가 메커니즘의 성능 요구 사항을 충족함을 의미합니다.
본 논문에서는 날개 접이식 메커니즘에 사용되는 비틀림 스프링과 압축 스프링을 베이시스 알고리즘(BA)을 이용하여 최적화했습니다. 최적화 결과, 몇 번의 반복만으로 최적의 매개변수를 빠르게 찾을 수 있었습니다. 최적화에 사용된 비틀림 스프링의 에너지는 1075mJ, 압축 스프링의 에너지는 37.24mJ로 측정되었으며, 이는 기존 실험설계법(DOE) 연구 결과보다 40~50% 향상된 수치입니다. 최적화된 스프링을 메커니즘에 통합하고 ADAMS 프로그램을 이용하여 분석한 결과, 날개가 74밀리초 이내에 펼쳐지는 것을 확인했습니다. 이는 프로젝트 목표인 200밀리초보다 훨씬 빠른 시간입니다. 후속 실험 연구에서는 날개가 펼쳐지는 데 걸리는 시간이 약 90밀리초로 측정되었습니다. 분석 결과에서 나타난 16밀리초의 차이는 소프트웨어에서 모델링되지 않은 환경적 요인 때문일 수 있습니다. 본 연구에서 도출된 최적화 알고리즘은 다양한 스프링 설계에 적용될 수 있을 것으로 기대됩니다.
스프링 재질은 미리 정해져 있었고 최적화 과정에서 변수로 사용되지 않았습니다. 항공기 및 로켓에는 다양한 종류의 스프링이 사용되므로, 향후 연구에서는 BA(베이스 어닐링)를 적용하여 다양한 재질을 사용한 다른 유형의 스프링을 설계하고 최적의 스프링 설계를 달성할 계획입니다.
본 원고는 독창적인 내용이며, 이전에 출판된 적이 없고, 현재 다른 곳에서 출판 심사를 받고 있지 않음을 밝힙니다.
본 연구에서 생성되거나 분석된 모든 데이터는 본 논문[및 추가 정보 파일]에 포함되어 있습니다.
Min, Z., Kin, VK 및 Richard, LJ 급진적인 기하학적 변화를 통한 에어포일 개념의 항공기 현대화. IES J. Part A 문명. 구성. 프로젝트. 3(3), 188–195 (2010).
Sun, J., Liu, K. 및 Bhushan, B. 딱정벌레 뒷날개의 개요: 구조, 기계적 특성, 메커니즘 및 생물학적 영감. J. Mecha. Behavior. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., 및 Zhang, F. 하이브리드 동력 수중 글라이더용 접이식 추진 메커니즘의 설계 및 분석. 해양공학 119, 125–134 (2016).
Kartik, HS 및 Prithvi, K. 헬리콥터 수평 안정기 접이식 메커니즘의 설계 및 분석. 내부 J. Ing. 저장 탱크. 기술. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. 및 Sahin, M. 실험 설계 접근 방식을 사용하여 접이식 로켓 날개 설계의 기계적 매개변수 최적화. 내부 J. 모델 최적화. 9(2), 108–112(2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD 복합 코일 스프링의 설계 방법, 성능 연구 및 제조 공정: 검토. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. 및 Khaddar M. 코일 스프링의 동적 설계 최적화. 사운드에 적용. 77, 178–183 (2014).
Paredes, M., Sartor, M., 및 Mascle, K. 인장 스프링 설계 최적화 절차. 방법의 컴퓨터 응용. fur. 프로젝트. 191(8-10), 783-797(2001).
Zebdi O., Bouhili R. 및 Trochu F. 다목적 최적화를 이용한 복합 나선형 스프링의 최적 설계. J. Reinf. plastic. compose. 28(14), 1713–1732(2009).
Pawart, HB 및 Desale, DD 삼륜차 전면 서스펜션 코일 스프링 최적화. 공정. 제조업체. 20, 428–433(2018).
Bahshesh M. 및 Bahshesh M. 복합 스프링을 사용한 강철 코일 스프링의 최적화. 내부 저널. 다학제 과학. 프로젝트. 3(6), 47–51(2012).
Chen, L. et al. 복합 코일 스프링의 정적 및 동적 성능에 영향을 미치는 다양한 매개변수에 대해 알아보세요. J. Market. 저장 탱크. 20, 532–550 (2022).
Frank, J. 복합 나선형 스프링의 분석 및 최적화, 박사 학위 논문, 새크라멘토 주립대학교(2020).
Gu, Z., Hou, X. 및 Ye, J. 유한 요소 해석, 라틴 하이퍼큐브 제한 샘플링 및 유전 프로그래밍의 조합을 사용하여 비선형 나선형 스프링을 설계 및 분석하는 방법. 프로세스. Fur Institute. 프로젝트. CJ Mecha. 프로젝트. 과학. 235(22), 5917–5930(2021).
Wu, L., et al. 조절 가능한 스프링 레이트 탄소 섬유 다중 가닥 코일 스프링: 설계 및 메커니즘 연구. J. Market. 저장 탱크. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS 및 Jagtap ST 압축 나선형 스프링의 무게 최적화. 내부 저장 탱크. 다학제. 2(11), 154–164(2016).
Rahul, MS 및 Rameshkumar, K. 자동차 응용 분야를 위한 코일 스프링의 다목적 최적화 및 수치 시뮬레이션. alma mater. process today. 46. ​​4847–4853 (2021).
Bai, JB et al. 최적 사례 정의 - 유전 알고리즘을 사용한 복합 나선형 구조의 최적 설계. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M., 및 Gokche, H. 압축 스프링 설계의 최소 부피 최적화에 기반한 灰狼 최적화 방법을 사용함, Ghazi J. Engineering Science, 3(2), 21–27(2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. 및 Sait, SM 충돌 최적화를 위한 다중 에이전트를 사용하는 메타휴리스틱. 내부 J. Veh. 12월 80(2–4), 223–240(2019).
Yildyz, AR 및 Erdash, MU 실제 엔지니어링 문제의 신뢰할 수 있는 설계를 위한 새로운 하이브리드 Taguchi-salpa 그룹 최적화 알고리즘. 모교. 테스트. 63(2), 157–162(2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR 및 Sait SM 새로운 하이브리드 메뚜기 최적화 알고리즘을 사용한 로봇 그리퍼 메커니즘의 신뢰할 수 있는 설계. expert. system. 38(3), e12666 (2021).