Dziękujemy za odwiedzenie Nature.com. Używasz wersji przeglądarki z ograniczoną obsługą CSS. Rura spiralna ze stali nierdzewnej. Aby uzyskać najlepsze wrażenia, zalecamy korzystanie z aktualnej przeglądarki (lub wyłączenie trybu zgodności w przeglądarce Internet Explorer). Ponadto, aby zapewnić ciągłe wsparcie, wyświetlamy witrynę bez stylów i JavaScript.
Wyświetla karuzelę trzech slajdów jednocześnie. Użyj przycisków Poprzedni i Następny, aby przewijać trzy slajdy naraz, lub przycisków suwaka na końcu, aby przewijać trzy slajdy naraz.
W niniejszym badaniu, konstrukcja sprężyn skrętnych i ściskanych mechanizmu składania skrzydeł rakiety, wykorzystującego rurę ze stali nierdzewnej, została rozpatrzona jako problem optymalizacyjny. Po opuszczeniu wyrzutni rakietowej zamknięte skrzydła muszą zostać otwarte i zabezpieczone na określony czas. Celem badania była maksymalizacja energii zmagazynowanej w sprężynach, tak aby skrzydła mogły rozwinąć się w jak najkrótszym czasie. W tym przypadku równanie energii w obu publikacjach zostało zdefiniowane jako funkcja celu w procesie optymalizacji. Średnica drutu, średnica zwoju, liczba zwojów i parametry ugięcia wymagane do zaprojektowania sprężyny zostały zdefiniowane jako zmienne optymalizacyjne. Istnieją ograniczenia geometryczne dla zmiennych ze względu na rozmiar mechanizmu, a także ograniczenia współczynnika bezpieczeństwa ze względu na obciążenie przenoszone przez sprężyny. Do rozwiązania tego problemu optymalizacyjnego i zaprojektowania sprężyny wykorzystano algorytm pszczoły miodnej (BA). Wartości energii uzyskane za pomocą BA są lepsze od wartości uzyskanych w poprzednich badaniach projektowania eksperymentów (DOE). Sprężyny i mechanizmy zaprojektowane z wykorzystaniem parametrów uzyskanych w procesie optymalizacji zostały najpierw przeanalizowane w programie ADAMS. Następnie przeprowadzono testy eksperymentalne, integrując wyprodukowane sprężyny z rzeczywistymi mechanizmami. W wyniku testu zaobserwowano, że skrzydła otwierały się po około 90 milisekundach. Wartość ta jest znacznie poniżej zakładanego w projekcie czasu 200 milisekund. Ponadto różnica między wynikami analitycznymi a eksperymentalnymi wynosi zaledwie 16 ms.
W samolotach i pojazdach morskich mechanizmy składania rur spiralnych ze stali nierdzewnej odgrywają kluczową rolę. Systemy te są stosowane w modyfikacjach i przebudowach samolotów w celu poprawy osiągów i sterowania. W zależności od trybu lotu, skrzydła składają się i rozkładają w różny sposób, aby zmniejszyć wpływ sił aerodynamicznych1. Sytuację tę można porównać do ruchów skrzydeł niektórych ptaków i owadów podczas codziennego lotu i nurkowania. Podobnie, szybowce składają się i rozkładają w okrętach podwodnych, aby zmniejszyć wpływ sił hydrodynamicznych i zmaksymalizować sterowność3. Kolejnym celem tych mechanizmów jest zapewnienie korzyści objętościowych w systemach, takich jak składanie śmigła helikoptera4, do przechowywania i transportu. Skrzydła rakiety również składają się, aby zmniejszyć przestrzeń magazynową. Dzięki temu można umieścić więcej pocisków na mniejszej powierzchni wyrzutni5. Elementami efektywnie wykorzystywanymi do składania i rozkładania są zazwyczaj sprężyny. W momencie składania energia jest w nich magazynowana i uwalniana w momencie rozkładania. Dzięki swojej elastycznej konstrukcji, energia magazynowana i uwalniana są wyrównywane. Sprężyna jest zaprojektowana głównie dla tego systemu, a ta konstrukcja stwarza problem optymalizacji6. Ponieważ oprócz różnych zmiennych, takich jak średnica drutu, średnica cewki, liczba zwojów, kąt pochylenia linii śrubowej i rodzaj materiału, występują również kryteria, takie jak masa, objętość, minimalny rozkład naprężeń lub maksymalna dostępność energii7.
Niniejsze badanie rzuca światło na projektowanie i optymalizację sprężyn w mechanizmach składania skrzydeł stosowanych w systemach rakietowych. Znajdując się wewnątrz wyrzutni przed lotem, skrzydła pozostają złożone na powierzchni rakiety, a po wyjściu z wyrzutni rozkładają się na pewien czas i pozostają dociśnięte do powierzchni. Proces ten ma kluczowe znaczenie dla prawidłowego funkcjonowania rakiety. W opracowanym mechanizmie składania, otwieranie skrzydeł odbywa się za pomocą sprężyn skrętnych, a blokowanie za pomocą sprężyn ściskanych. Aby zaprojektować odpowiednią sprężynę, konieczne jest przeprowadzenie procesu optymalizacji. W literaturze naukowej optymalizacja sprężyn jest szeroko stosowana.
Paredes i in.8 zdefiniowali maksymalny współczynnik trwałości zmęczeniowej jako funkcję celu dla projektowania sprężyn śrubowych i zastosowali metodę quasi-newtonowską jako metodę optymalizacji. Zmiennymi w optymalizacji były średnica drutu, średnica cewki, liczba zwojów i długość sprężyny. Kolejnym parametrem struktury sprężyny jest materiał, z którego jest wykonana. Dlatego też został on uwzględniony w badaniach projektowych i optymalizacyjnych. Zebdi i in.9 wyznaczyli cele maksymalnej sztywności i minimalnej masy w funkcji celu w swoim badaniu, gdzie współczynnik masy był istotny. W tym przypadku zdefiniowali materiał sprężyny i właściwości geometryczne jako zmienne. Wykorzystali algorytm genetyczny jako metodę optymalizacji. W przemyśle motoryzacyjnym masa materiałów jest przydatna na wiele sposobów, od osiągów pojazdu po zużycie paliwa. Minimalizacja masy przy optymalizacji sprężyn śrubowych w zawieszeniu jest dobrze znanym badaniem10. Bahshesh i Bahshesh11 zidentyfikowali materiały takie jak szkło E, węgiel i kevlar jako zmienne w swojej pracy w środowisku ANSYS, dążąc do osiągnięcia minimalnej masy i maksymalnej wytrzymałości na rozciąganie w różnych projektach kompozytowych sprężyn zawieszenia. Proces produkcyjny ma kluczowe znaczenie w rozwoju sprężyn kompozytowych. W związku z tym w problemie optymalizacji odgrywają rolę różne zmienne, takie jak metoda produkcji, etapy procesu oraz ich kolejność12,13. Projektując sprężyny do układów dynamicznych, należy uwzględnić częstotliwości drgań własnych układu. Zaleca się, aby pierwsza częstotliwość drgań własnych sprężyny była co najmniej 5-10 razy większa od częstotliwości drgań własnych układu, aby uniknąć rezonansu14. Taktak i in.7 postanowili zminimalizować masę sprężyny i zmaksymalizować pierwszą częstotliwość drgań własnych jako funkcje celu w projekcie sprężyny śrubowej. Wykorzystali metody wyszukiwania wzorca, punktu wewnętrznego, zbioru aktywnego i algorytmu genetycznego w narzędziu optymalizacyjnym Matlab. Badania analityczne są częścią badań nad projektowaniem sprężyn, a metoda elementów skończonych jest popularna w tym obszarze15. Patil i in.16 opracowali metodę optymalizacji redukcji masy sprężyny śrubowej ściskanej za pomocą procedury analitycznej i przetestowali równania analityczne za pomocą metody elementów skończonych. Kolejnym kryterium zwiększającym użyteczność sprężyny jest wzrost energii, jaką może ona magazynować. Ten przypadek zapewnia również, że sprężyna zachowa swoją użyteczność przez długi czas. Rahul i Rameshkumar17 dążą do zmniejszenia objętości sprężyny i zwiększenia energii odkształcenia w projektach sprężyn śrubowych w samochodach. Wykorzystali również algorytmy genetyczne w badaniach optymalizacyjnych.
Jak widać, parametry w badaniu optymalizacyjnym różnią się w zależności od systemu. Ogólnie rzecz biorąc, parametry sztywności i naprężenia ścinającego są istotne w systemie, w którym czynnikiem decydującym jest przenoszone obciążenie. Dobór materiałów jest uwzględniony w układzie limitu wagowego z tymi dwoma parametrami. Z drugiej strony, sprawdzane są częstotliwości drgań własnych w celu uniknięcia rezonansów w systemach o wysokiej dynamice. W systemach, w których liczy się użyteczność, maksymalizuje się energię. W badaniach optymalizacyjnych, mimo że MES jest wykorzystywany do badań analitycznych, można zauważyć, że algorytmy metaheurystyczne, takie jak algorytm genetyczny14,18 i algorytm wilka szarego19, są stosowane wraz z klasyczną metodą Newtona w zakresie określonych parametrów. Algorytmy metaheurystyczne zostały opracowane w oparciu o naturalne metody adaptacji, które zbliżają się do stanu optymalnego w krótkim czasie, szczególnie pod wpływem populacji20,21. Dzięki losowemu rozkładowi populacji w obszarze poszukiwań unikają one lokalnych optimów i zmierzają w kierunku optimów globalnych22. Dlatego w ostatnich latach były one często stosowane w kontekście rzeczywistych problemów przemysłowych23,24.
Kluczowym przypadkiem dla mechanizmu składania opracowanego w niniejszym badaniu jest to, że skrzydła, które były w pozycji zamkniętej przed lotem, otwierają się po pewnym czasie od opuszczenia rury. Następnie element blokujący blokuje skrzydło. Zatem sprężyny nie wpływają bezpośrednio na dynamikę lotu. W tym przypadku celem optymalizacji była maksymalizacja zmagazynowanej energii w celu przyspieszenia ruchu sprężyny. Jako parametry optymalizacji zdefiniowano średnicę rolki, średnicę drutu, liczbę rolek i ugięcie. Ze względu na niewielki rozmiar sprężyny, masa nie była brana pod uwagę. Dlatego rodzaj materiału zdefiniowano jako stały. Margines bezpieczeństwa dla odkształceń mechanicznych określono jako ograniczenie krytyczne. Ponadto w zakresie mechanizmu uwzględniono ograniczenia związane ze zmienną wielkością. Jako metodę optymalizacji wybrano metodę metaheurystyczną BA. BA została doceniona ze względu na swoją elastyczną i prostą strukturę oraz postęp w badaniach nad optymalizacją mechaniczną25. W drugiej części badania szczegółowe wyrażenia matematyczne zawarto w ramach projektu podstawowego i projektu sprężyny mechanizmu składania. Trzecia część zawiera algorytm optymalizacji i wyniki optymalizacji. Rozdział 4 zawiera analizę w programie ADAMS. Przydatność sprężyn jest analizowana przed produkcją. Ostatnia sekcja zawiera wyniki eksperymentów i obrazy testowe. Wyniki uzyskane w badaniu porównano również z wcześniejszymi pracami autorów, wykorzystując podejście DOE.
Skrzydła opracowane w tym badaniu powinny składać się w kierunku powierzchni rakiety. Skrzydła obracają się z pozycji złożonej do rozłożonej. W tym celu opracowano specjalny mechanizm. Na rys. 1 przedstawiono konfigurację złożoną i rozłożoną w układzie współrzędnych rakiety.
Na rys. 2 przedstawiono widok przekroju mechanizmu. Mechanizm składa się z kilku części mechanicznych: (1) korpus główny, (2) wał skrzydłowy, (3) łożysko, (4) korpus zamka, (5) tuleja blokująca, (6) sworzeń oporowy, (7) sprężyna skrętna i (8) sprężyny ściskane. Wał skrzydłowy (2) jest połączony ze sprężyną skrętną (7) poprzez tuleję blokującą (4). Wszystkie trzy części obracają się jednocześnie po starcie rakiety. Dzięki temu ruchowi obrotowemu skrzydła obracają się do swojego położenia końcowego. Następnie sworzeń (6) jest uruchamiany przez sprężynę ściskającą (8), blokując w ten sposób cały mechanizm korpusu blokującego (4)5.
Moduł sprężystości (E) i moduł sprężystości ścinania (G) to kluczowe parametry konstrukcyjne sprężyny. W niniejszym badaniu jako materiał sprężyny wybrano drut ze stali sprężynowej wysokowęglowej (drut muzyczny ASTM A228). Pozostałe parametry to średnica drutu (d), średnia średnica zwoju (Dm), liczba zwojów (N) oraz ugięcie sprężyny (xd dla sprężyn ściskanych i θ dla sprężyn skrętnych)26. Energię zmagazynowaną dla sprężyn ściskanych \({(SE}_{x})\) i sprężyn skrętnych (\({SE}_{\theta}\)) można obliczyć z równań (1) i (2)26. (Wartość modułu sprężystości ścinania (G) dla sprężyny ściskanej wynosi 83,7E9 Pa, a wartość modułu sprężystości sprężystej (E) dla sprężyny skrętnej wynosi 203,4E9 Pa).
Wymiary mechaniczne układu bezpośrednio determinują ograniczenia geometryczne sprężyny. Ponadto należy również uwzględnić warunki, w jakich będzie się znajdować rakieta. Czynniki te określają granice parametrów sprężyny. Kolejnym ważnym ograniczeniem jest współczynnik bezpieczeństwa. Definicja współczynnika bezpieczeństwa została szczegółowo opisana przez Shigley i in.26. Współczynnik bezpieczeństwa sprężyny ściskanej (SFC) jest definiowany jako maksymalne dopuszczalne naprężenie podzielone przez naprężenie na długości ciągłej. SFC można obliczyć za pomocą równań. (3), (4), (5) i (6)26. (Dla materiału sprężyny użytego w tym badaniu, \({S}_{sy}=980 MPa\)). F reprezentuje siłę w równaniu, a KB reprezentuje współczynnik Bergstrassera równy 26.
Współczynnik bezpieczeństwa skręcania sprężyny (SFT) definiuje się jako M podzielone przez k. SFT można obliczyć z równania (7), (8), (9) i (10)26. (Dla materiału użytego w tym badaniu \({S}_{y}=1600 \mathrm{MPa}\)). W równaniu M oznacza moment obrotowy, \({k}^{^{\prime}}\) stałą sprężyny (moment obrotowy/obrót), a Ki współczynnik korekcji naprężenia.
Głównym celem optymalizacji w tym badaniu jest maksymalizacja energii sprężyny. Funkcja celu została sformułowana w celu znalezienia \(\overrightarrow{\{X\}}\) maksymalizującej \(f(X)\). \({f}_{1}(X)\) i \({f}_{2}(X)\) to odpowiednio funkcje energii sprężyny ściskanej i skrętnej. Obliczone zmienne i funkcje użyte do optymalizacji przedstawiono w poniższych równaniach.
Różne ograniczenia nałożone na konstrukcję sprężyny przedstawiono w poniższych równaniach. Równania (15) i (16) przedstawiają odpowiednio współczynniki bezpieczeństwa dla sprężyn ściskanych i skrętnych. W niniejszym badaniu współczynnik SFC musi być większy lub równy 1,2, a współczynnik SFT musi być większy lub równy θ26.
Metoda BA została zainspirowana strategiami pszczół poszukujących pyłku27. Pszczoły poszukują, wysyłając więcej zbieraczek na żyzne pola pyłkowe, a mniej na mniej żyzne. W ten sposób osiąga się największą wydajność populacji pszczół. Z drugiej strony, pszczoły zwiadowcze nadal poszukują nowych obszarów pyłkowych i jeśli istnieją bardziej produktywne obszary niż wcześniej, wiele zbieraczek zostanie skierowanych na ten nowy obszar28. Metoda BA składa się z dwóch części: wyszukiwania lokalnego i wyszukiwania globalnego. Wyszukiwanie lokalne wyszukuje więcej społeczności w pobliżu minimum (elitarnych miejsc), takich jak pszczoły, a mniej w innych miejscach (optymalnych lub wybranych). W części wyszukiwania globalnego przeprowadzane jest dowolne wyszukiwanie, a jeśli zostaną znalezione dobre wartości, stacje są przenoszone do części wyszukiwania lokalnego w następnej iteracji. Algorytm zawiera kilka parametrów: liczbę pszczół zwiadowczych (n), liczbę lokalnych miejsc poszukiwań (m), liczbę elitarnych miejsc (e), liczbę zbieraczek w elitarnych miejscach (nep), liczbę zbieraczek w optymalnych obszarach. Miejsce (nsp), rozmiar sąsiedztwa (ngh) i liczba iteracji (I)29. Pseudokod BA pokazano na rysunku 3.
Algorytm próbuje działać pomiędzy \({g}_{1}(X)\) i \({g}_{2}(X)\). W wyniku każdej iteracji określane są wartości optymalne, a wokół nich gromadzona jest populacja w celu uzyskania najlepszych wartości. Ograniczenia są sprawdzane w sekcjach wyszukiwania lokalnego i globalnego. W wyszukiwaniu lokalnym, jeśli te czynniki są odpowiednie, obliczana jest wartość energii. Jeśli nowa wartość energii jest większa od wartości optymalnej, przypisuje się nową wartość do wartości optymalnej. Jeśli najlepsza wartość znaleziona w wyniku wyszukiwania jest większa od bieżącego elementu, nowy element zostanie uwzględniony w zbiorze. Schemat blokowy wyszukiwania lokalnego pokazano na rysunku 4.
Populacja jest jednym z kluczowych parametrów w analizie baz danych (BA). Z poprzednich badań wynika, że ​​zwiększanie populacji zmniejsza liczbę wymaganych iteracji i zwiększa prawdopodobieństwo sukcesu. Jednak liczba ocen funkcjonalnych również rośnie. Obecność dużej liczby elitarnych stanowisk nie wpływa znacząco na wydajność. Liczba elitarnych stanowisk może być niska, jeśli jest różna od zera30. Wielkość populacji pszczół zwiadowczych (n) jest zazwyczaj wybierana w zakresie od 30 do 100. W niniejszym badaniu uruchomiono zarówno scenariusze 30, jak i 50, aby określić odpowiednią liczbę (Tabela 2). Inne parametry są określane w zależności od populacji. Liczba wybranych stanowisk (m) stanowi (w przybliżeniu) 25% wielkości populacji, a liczba elitarnych stanowisk (e) wśród wybranych stanowisk stanowi 25% m. Liczbę pszczół żerujących (liczbę wyszukiwań) wybrano na 100 dla elitarnych działek i 30 dla innych lokalnych działek. Przeszukiwanie sąsiedztwa jest podstawową koncepcją wszystkich algorytmów ewolucyjnych. W niniejszym badaniu zastosowano metodę zwężających się sąsiadów. Metoda ta redukuje rozmiar sąsiedztwa z określoną szybkością w każdej iteracji. W kolejnych iteracjach można zastosować mniejsze wartości sąsiedztwa30, aby uzyskać dokładniejsze wyszukiwanie.
Dla każdego scenariusza wykonano dziesięć kolejnych testów w celu sprawdzenia powtarzalności algorytmu optymalizacji. Na rys. 5 przedstawiono wyniki optymalizacji sprężyny skrętnej dla schematu 1, a na rys. 6 – dla schematu 2. Dane testowe podano również w tabelach 3 i 4 (tabela zawierająca wyniki uzyskane dla sprężyny ściskanej znajduje się w Informacjach uzupełniających S1). Populacja pszczół intensyfikuje poszukiwanie dobrych wartości w pierwszej iteracji. W scenariuszu 1 wyniki niektórych testów były poniżej maksimum. W scenariuszu 2 widać, że wszystkie wyniki optymalizacji zbliżają się do maksimum ze względu na wzrost populacji i innych istotnych parametrów. Widać, że wartości w scenariuszu 2 są wystarczające dla algorytmu.
W przypadku uzyskania maksymalnej wartości energii w iteracjach, w badaniu zastosowano również współczynnik bezpieczeństwa jako ograniczenie. Patrz tabela współczynnika bezpieczeństwa. Wartości energii uzyskane metodą BA porównano z wartościami uzyskanymi metodą 5 DOE w tabeli 5. (Dla ułatwienia produkcji liczba zwojów (N) sprężyny skrętnej wynosi 4,9 zamiast 4,88, a ugięcie (xd) wynosi 8 mm zamiast 7,99 mm w przypadku sprężyny ściskanej). Widać, że metoda BA daje lepszy wynik. Metoda BA ocenia wszystkie wartości poprzez wyszukiwanie lokalne i globalne. W ten sposób może szybciej wypróbować więcej alternatyw.
W tym badaniu Adams został użyty do analizy ruchu mechanizmu skrzydła. Adams otrzymuje najpierw model 3D mechanizmu. Następnie definiuje sprężynę z parametrami wybranymi w poprzedniej sekcji. Ponadto, niektóre inne parametry muszą zostać zdefiniowane do faktycznej analizy. Są to parametry fizyczne, takie jak połączenia, właściwości materiału, kontakt, tarcie i grawitacja. Pomiędzy wałem łopatki a łożyskiem znajduje się połączenie obrotowe. Jest 5-6 połączeń cylindrycznych. Jest 5-1 połączeń stałych. Główny korpus jest wykonany z aluminium i jest stały. Materiał pozostałych części jest stalowy. Wybierz współczynnik tarcia, sztywność styku i głębokość penetracji powierzchni ciernej w zależności od rodzaju materiału. (stal nierdzewna AISI 304) W tym badaniu krytycznym parametrem jest czas otwierania mechanizmu skrzydła, który musi być krótszy niż 200 ms. Dlatego należy zwracać uwagę na czas otwierania skrzydła podczas analizy.
W wyniku analizy Adamsa, czas otwarcia mechanizmu skrzydła wynosi 74 milisekundy. Wyniki symulacji dynamicznej od 1 do 4 pokazano na Rysunku 7. Pierwszy rysunek na Rysunku 5 przedstawia czas rozpoczęcia symulacji, a skrzydła znajdują się w pozycji oczekiwania na złożenie. (2) Wyświetla położenie skrzydła po 40 ms, gdy skrzydło obróciło się o 43 stopnie. (3) przedstawia położenie skrzydła po 71 milisekundach. Również na ostatnim rysunku (4) pokazano koniec obrotu skrzydła i pozycję otwartą. W wyniku analizy dynamicznej zaobserwowano, że mechanizm otwierania skrzydła jest znacznie krótszy niż wartość docelowa 200 ms. Ponadto, podczas doboru sprężyn, wybrano granice bezpieczeństwa spośród najwyższych wartości zalecanych w literaturze.
Po zakończeniu wszystkich prac projektowych, optymalizacyjnych i symulacyjnych, wyprodukowano i zintegrowano prototyp mechanizmu. Następnie prototyp przetestowano w celu weryfikacji wyników symulacji. Najpierw zabezpieczono główny kadłub i złożono skrzydła. Następnie skrzydła zostały zwolnione ze złożonej pozycji i nagrano film z ich obrotu od pozycji złożonej do rozłożonej. Timer wykorzystano również do analizy czasu podczas nagrywania wideo.
Na rys. 8 przedstawiono klatki wideo ponumerowane od 1 do 4. Klatka numer 1 na rysunku pokazuje moment zwolnienia złożonych skrzydeł. Ten moment jest uważany za początkowy moment czasu t0. Klatki 2 i 3 pokazują położenia skrzydeł 40 ms i 70 ms po momencie początkowym. Analizując klatki 3 i 4, można zauważyć, że ruch skrzydła stabilizuje się 90 ms po t0, a otwarcie skrzydła kończy się między 70 a 90 ms. Oznacza to, że zarówno symulacja, jak i testy prototypu dają w przybliżeniu taki sam czas rozwinięcia skrzydła, a konstrukcja spełnia wymagania dotyczące wydajności mechanizmu.
W tym artykule sprężyny skrętne i ściskane zastosowane w mechanizmie składania skrzydeł są optymalizowane przy użyciu BA. Parametry można osiągnąć szybko przy kilku iteracjach. Sprężyna skrętna ma wartość znamionową 1075 mJ, a sprężyna ściskana 37,24 mJ. Wartości te są o 40-50% lepsze niż w poprzednich badaniach DOE. Sprężyna jest zintegrowana z mechanizmem i analizowana w programie ADAMS. Po przeprowadzeniu analizy stwierdzono, że skrzydła otwierają się w ciągu 74 milisekund. Wartość ta jest znacznie poniżej celu projektu wynoszącego 200 milisekund. W późniejszym badaniu eksperymentalnym zmierzony czas włączania wyniósł około 90 ms. Ta 16-milisekundowa różnica między analizami może wynikać z czynników środowiskowych, które nie zostały zamodelowane w oprogramowaniu. Uważa się, że algorytm optymalizacji uzyskany w wyniku badania może być stosowany do różnych projektów sprężyn.
Materiał sprężyny został wstępnie zdefiniowany i nie był wykorzystywany jako zmienna w optymalizacji. Ponieważ w samolotach i rakietach stosuje się wiele różnych typów sprężyn, analiza biznesowa (BA) zostanie wykorzystana do projektowania innych typów sprężyn z wykorzystaniem różnych materiałów, aby w przyszłych badaniach uzyskać optymalną konstrukcję sprężyny.
Oświadczamy, że niniejszy rękopis jest oryginalny, nie był wcześniej publikowany i obecnie nie jest rozpatrywany pod kątem publikacji gdzie indziej.
Wszystkie dane wygenerowane lub przeanalizowane w ramach tego badania zawarto w niniejszym opublikowanym artykule [oraz w pliku z dodatkowymi informacjami].
Min, Z., Kin, VK i Richard, LJ Modernizacja samolotu poprzez radykalne zmiany geometryczne. IES J. Część A Cywilizacja. kompozycja. projekt. 3(3), 188–195 (2010).
Sun, J., Liu, K. i Bhushan, B. Przegląd tylnego skrzydła chrząszcza: struktura, właściwości mechaniczne, mechanizmy i inspiracja biologiczna. J. Mecha. Zachowanie. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. i Zhang, F. Projekt i analiza składanego mechanizmu napędowego hybrydowego podwodnego szybowca. Ocean Engineering 119, 125–134 (2016).
Kartik, HS i Prithvi, K. Projekt i analiza mechanizmu składania poziomego statecznika śmigłowca. wewnętrzny J. Ing. zbiornik magazynowy. technologia. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. i Sahin, M. Optymalizacja parametrów mechanicznych konstrukcji skrzydła rakiety składanej z wykorzystaniem podejścia eksperymentalnego. wewnętrzny J. Model. optymalizacja. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. i Hu, Metoda projektowania XD, badanie wydajności i proces produkcji kompozytowych sprężyn śrubowych: przegląd. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. i Khaddar M. Dynamiczna optymalizacja konstrukcji sprężyn śrubowych. Zastosowanie dla dźwięku. 77, 178–183 (2014).
Paredes, M., Sartor, M. i Mascle, K. Procedura optymalizacji projektowania sprężyn naciągowych. komputer. zastosowanie metody. projekt. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. i Trochu F. Optymalne projektowanie kompozytowych sprężyn śrubowych z wykorzystaniem optymalizacji wielokryterialnej. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB i Desale, DD Optymalizacja sprężyn śrubowych przedniego zawieszenia trójkołowego. proces. producent. 20, 428–433 (2018).
Bahshesh M. i Bahshesh M. Optymalizacja sprężyn śrubowych ze stali przy użyciu sprężyn kompozytowych. J. Wielodyscyplinarny. projekt naukowy. 3(6), 47–51 (2012).
Chen, L. i in. Dowiedz się więcej o wielu parametrach wpływających na statyczną i dynamiczną wydajność sprężyn śrubowych kompozytowych. J. Market. zbiornik magazynowy. 20, 532–550 (2022).
Frank, J. Analiza i optymalizacja kompozytowych sprężyn śrubowych, rozprawa doktorska, Uniwersytet Stanowy w Sacramento (2020).
Gu, Z., Hou, X. i Ye, J. Metody projektowania i analizy nieliniowych sprężyn śrubowych z wykorzystaniem kombinacji metod: analizy elementów skończonych, ograniczonego próbkowania łacińskiego hipersześcianu i programowania genetycznego. proces. Fur Institute. projekt. CJ Mecha. projekt. nauka. 235(22), 5917–5930 (2021).
Wu, L. i in. Regulowana sztywność sprężyn wielożyłowych z włókna węglowego: badanie konstrukcji i mechanizmu. J. Market. zbiornik magazynowy. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS i Jagtap ST Optymalizacja masy sprężyn śrubowych ściskanych. wewnętrzny J. Innov. zbiornik magazynowy. Multidyscyplinarny. 2(11), 154–164 (2016).
Rahul, MS i Rameshkumar, K. Wielofunkcyjna optymalizacja i symulacja numeryczna sprężyn śrubowych do zastosowań motoryzacyjnych. alma mater. process today. 46. ​​4847–4853 (2021).
Bai, JB i in. Definicja najlepszych praktyk – optymalne projektowanie kompozytowych struktur helikalnych z wykorzystaniem algorytmów genetycznych. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M. i Gokche, H. Wykorzystanie metody optymalizacji 灰狼 opartej na optymalizacji minimalnej objętości konstrukcji sprężyny ściskanej, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. i Sait, SM Metaheurystyka wykorzystująca wielu agentów do optymalizacji awarii. wewnętrzne J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR i Erdash, MU Nowy hybrydowy algorytm optymalizacji grupy Taguchi-salpa do niezawodnego projektowania rzeczywistych problemów inżynierskich. alma mater. test. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR i Sait SM Niezawodna konstrukcja mechanizmów chwytaka robota z wykorzystaniem nowego hybrydowego algorytmu optymalizacji konika polnego. system ekspercki. 38(3), e12666 (2021).