Salamat sa pagbisita sa Nature.com. Gumagamit ka ng bersyon ng browser na may limitadong suporta sa CSS. Tubo na gawa sa hindi kinakalawang na asero. Para sa pinakamahusay na karanasan, inirerekomenda namin na gumamit ka ng na-update na browser (o huwag paganahin ang Compatibility Mode sa Internet Explorer). Bilang karagdagan, upang matiyak ang patuloy na suporta, ipinapakita namin ang site nang walang mga estilo at JavaScript.
Nagpapakita ng isang carousel ng tatlong slide nang sabay-sabay. Gamitin ang mga button na Nakaraan at Susunod upang lumipat sa tatlong slide nang sabay-sabay, o gamitin ang mga button na slider sa dulo upang lumipat sa tatlong slide nang sabay-sabay.
Sa pag-aaral na ito, ang disenyo ng torsion at compression springs ng mekanismo ng pagtiklop ng pakpak na ginamit sa rocket gamit ang stainless steel coil tube ay itinuturing na isang problema sa pag-optimize. Pagkatapos umalis ang rocket sa launch tube, ang mga nakasarang pakpak ay dapat buksan at i-secure sa loob ng isang tiyak na tagal ng panahon. Ang layunin ng pag-aaral ay i-maximize ang enerhiyang nakaimbak sa mga spring upang ang mga pakpak ay makapag-deploy sa pinakamaikling posibleng panahon. Sa kasong ito, ang energy equation sa parehong publikasyon ay tinukoy bilang ang objective function sa proseso ng pag-optimize. Ang diameter ng wire, diameter ng coil, bilang ng mga coil, at mga parameter ng deflection na kinakailangan para sa disenyo ng spring ay tinukoy bilang mga variable ng pag-optimize. May mga geometric na limitasyon sa mga variable dahil sa laki ng mekanismo, pati na rin ang mga limitasyon sa safety factor dahil sa load na dala ng mga spring. Ang honey bee (BA) algorithm ay ginamit upang malutas ang problemang ito sa pag-optimize at maisagawa ang disenyo ng spring. Ang mga halaga ng enerhiya na nakuha gamit ang BA ay mas mataas kaysa sa mga nakuha mula sa mga nakaraang pag-aaral ng Design of Experiments (DOE). Ang mga spring at mekanismo na idinisenyo gamit ang mga parameter na nakuha mula sa pag-optimize ay unang sinuri sa programa ng ADAMS. Pagkatapos nito, isinagawa ang mga eksperimental na pagsubok sa pamamagitan ng pagsasama ng mga gawang spring sa mga totoong mekanismo. Bilang resulta ng pagsubok, naobserbahan na ang mga pakpak ay bumukas pagkatapos ng humigit-kumulang 90 milliseconds. Ang halagang ito ay mas mababa sa target ng proyekto na 200 milliseconds. Bukod pa rito, ang pagkakaiba sa pagitan ng mga resulta ng pagsusuri at eksperimento ay 16 ms lamang.
Sa mga sasakyang panghimpapawid at pandagat, mahalaga ang mga mekanismo ng pagtitiklop ng tubo na gawa sa hindi kinakalawang na asero. Ginagamit ang mga sistemang ito sa mga pagbabago at conversion ng sasakyang panghimpapawid upang mapabuti ang pagganap at kontrol sa paglipad. Depende sa flight mode, ang mga pakpak ay natitiklop at nabubuklat nang iba upang mabawasan ang aerodynamic impact1. Ang sitwasyong ito ay maihahambing sa mga paggalaw ng mga pakpak ng ilang mga ibon at insekto sa pang-araw-araw na paglipad at pagsisid. Katulad nito, ang mga glider ay natitiklop at nabubuklat sa mga submersible upang mabawasan ang mga hydrodynamic effect at mapakinabangan ang paghawak3. Isa pang layunin ng mga mekanismong ito ay ang magbigay ng mga volumetric na bentahe sa mga sistema tulad ng pagtitiklop ng isang helicopter propeller 4 para sa pag-iimbak at transportasyon. Ang mga pakpak ng rocket ay natitiklop din pababa upang mabawasan ang espasyo sa imbakan. Kaya, mas maraming missile ang maaaring ilagay sa isang mas maliit na lugar ng launcher 5. Ang mga bahagi na epektibong ginagamit sa pagtitiklop at pagbubuklat ay karaniwang mga spring. Sa sandali ng pagtitiklop, ang enerhiya ay nakaimbak dito at inilalabas sa sandali ng pagbuka. Dahil sa flexible na istraktura nito, ang nakaimbak at inilalabas na enerhiya ay pinapantay. Ang spring ay pangunahing idinisenyo para sa sistema, at ang disenyo na ito ay nagpapakita ng isang problema sa pag-optimize6. Dahil bagama't kinabibilangan ito ng iba't ibang baryabol tulad ng diyametro ng alambre, diyametro ng coil, bilang ng mga liko, anggulo ng helix at uri ng materyal, mayroon ding mga pamantayan tulad ng masa, lakas ng tunog, minimum na distribusyon ng stress o maximum na pagkakaroon ng enerhiya7.
Ang pag-aaral na ito ay nagbibigay-liwanag sa disenyo at pag-optimize ng mga spring para sa mga mekanismo ng pagtiklop ng pakpak na ginagamit sa mga sistema ng rocket. Dahil nasa loob ng launch tube bago ang paglipad, ang mga pakpak ay nananatiling nakatiklop sa ibabaw ng rocket, at pagkatapos lumabas sa launch tube, ang mga ito ay nagbubukas nang ilang panahon at nananatiling nakadiin sa ibabaw. Ang prosesong ito ay mahalaga sa wastong paggana ng rocket. Sa nabuo na mekanismo ng pagtiklop, ang pagbukas ng mga pakpak ay isinasagawa sa pamamagitan ng mga torsion spring, at ang pagla-lock ay isinasagawa sa pamamagitan ng mga compression spring. Upang magdisenyo ng angkop na spring, dapat isagawa ang isang proseso ng pag-optimize. Sa loob ng spring optimization, mayroong iba't ibang aplikasyon sa literatura.
Tinukoy nina Paredes et al.8 ang maximum fatigue life factor bilang isang objective function para sa disenyo ng mga helical spring at ginamit ang quasi-Newtonian method bilang isang optimization method. Ang mga variable sa optimization ay kinilala bilang wire diameter, coil diameter, bilang ng mga liko, at haba ng spring. Ang isa pang parameter ng istruktura ng spring ay ang materyal na pinagmulan nito. Samakatuwid, ito ay isinasaalang-alang sa mga pag-aaral sa disenyo at optimization. Nagtakda si Zebdi et al. 9 ng mga layunin ng maximum stiffness at minimum weight sa objective function sa kanilang pag-aaral, kung saan ang weight factor ay makabuluhan. Sa kasong ito, tinukoy nila ang spring material at mga geometric properties bilang mga variable. Gumagamit sila ng genetic algorithm bilang isang optimization method. Sa industriya ng automotive, ang bigat ng mga materyales ay kapaki-pakinabang sa maraming paraan, mula sa performance ng sasakyan hanggang sa fuel consumption. Ang weight minimization habang ino-optimize ang coil springs para sa suspension ay isang kilalang pag-aaral10. Kinilala nina Bahshesh at Bahshesh11 ang mga materyales tulad ng E-glass, carbon at Kevlar bilang mga variable sa kanilang trabaho sa ANSYS environment na may layuning makamit ang minimum weight at maximum tensile strength sa iba't ibang disenyo ng suspension spring composite. Ang proseso ng pagmamanupaktura ay kritikal sa pagbuo ng mga composite spring. Kaya naman, iba't ibang baryabol ang ginagamit sa isang problema sa pag-optimize, tulad ng paraan ng produksyon, mga hakbang na ginawa sa proseso, at ang pagkakasunod-sunod ng mga hakbang na iyon12,13. Kapag nagdidisenyo ng mga spring para sa mga dynamic system, dapat isaalang-alang ang mga natural na frequency ng sistema. Inirerekomenda na ang unang natural na frequency ng spring ay hindi bababa sa 5-10 beses ng natural na frequency ng sistema upang maiwasan ang resonance14. Nagpasya sina Taktak et al. 7 na i-minimize ang masa ng spring at i-maximize ang unang natural na frequency bilang mga objective function sa disenyo ng coil spring. Gumamit sila ng pattern search, interior point, active set, at mga pamamaraan ng genetic algorithm sa Matlab optimization tool. Ang analytical research ay bahagi ng pananaliksik sa disenyo ng spring, at ang Finite Element Method ay popular sa larangang ito15. Bumuo sina Patil et al.16 ng isang paraan ng pag-optimize para sa pagbabawas ng bigat ng isang compression helical spring gamit ang isang analytical procedure at sinubukan ang mga analytical equation gamit ang finite element method. Ang isa pang pamantayan para sa pagtaas ng kapakinabangan ng isang spring ay ang pagtaas ng enerhiya na maaari nitong iimbak. Tinitiyak din ng kasong ito na ang spring ay nananatiling kapaki-pakinabang sa mahabang panahon. Sina Rahul at Rameshkumar17 ay naghahangad na bawasan ang volume ng spring at dagdagan ang strain energy sa mga disenyo ng coil spring ng kotse. Gumamit din sila ng mga genetic algorithm sa pananaliksik sa pag-optimize.
Gaya ng makikita, ang mga parameter sa pag-aaral ng optimization ay nag-iiba-iba sa bawat sistema. Sa pangkalahatan, ang mga parameter ng stiffness at shear stress ay mahalaga sa isang sistema kung saan ang load na dala nito ang siyang tumutukoy na salik. Kasama ang pagpili ng materyal sa sistema ng limitasyon ng timbang gamit ang dalawang parameter na ito. Sa kabilang banda, sinusuri ang mga natural na frequency upang maiwasan ang mga resonance sa mga highly dynamic na sistema. Sa mga sistema kung saan mahalaga ang utility, ang enerhiya ay na-maximize. Sa mga pag-aaral ng optimization, bagama't ginagamit ang FEM para sa mga analytical na pag-aaral, makikita na ang mga metaheuristic algorithm tulad ng genetic algorithm14,18 at ang gray wolf algorithm19 ay ginagamit kasama ng classical Newton method sa loob ng isang saklaw ng ilang mga parameter. Ang mga metaheuristic algorithm ay binuo batay sa mga natural na pamamaraan ng adaptasyon na lumalapit sa pinakamainam na estado sa isang maikling panahon, lalo na sa ilalim ng impluwensya ng populasyon20,21. Sa pamamagitan ng isang random na distribusyon ng populasyon sa search area, iniiwasan nila ang lokal na optima at lumilipat patungo sa pandaigdigang optima22. Kaya, sa mga nakaraang taon, madalas itong ginagamit sa konteksto ng mga totoong problema sa industriya23,24.
Ang kritikal na kaso para sa mekanismo ng pagtiklop na binuo sa pag-aaral na ito ay ang mga pakpak, na nasa saradong posisyon bago lumipad, ay bumubukas sa isang tiyak na oras pagkatapos umalis sa tubo. Pagkatapos nito, hinaharangan ng elemento ng pagla-lock ang pakpak. Samakatuwid, ang mga spring ay hindi direktang nakakaapekto sa dinamika ng paglipad. Sa kasong ito, ang layunin ng pag-optimize ay i-maximize ang nakaimbak na enerhiya upang mapabilis ang paggalaw ng spring. Ang diameter ng roll, diameter ng wire, bilang ng mga roll at deflection ay tinukoy bilang mga parameter ng pag-optimize. Dahil sa maliit na sukat ng spring, ang bigat ay hindi itinuturing na isang layunin. Samakatuwid, ang uri ng materyal ay tinukoy bilang nakapirmi. Ang margin of safety para sa mga mekanikal na deformation ay tinutukoy bilang isang kritikal na limitasyon. Bilang karagdagan, ang mga limitasyon sa variable na laki ay kasangkot sa saklaw ng mekanismo. Ang pamamaraan ng BA metaheuristic ay napili bilang pamamaraan ng pag-optimize. Ang BA ay pinapaboran dahil sa kakayahang umangkop at simpleng istraktura nito, at para sa mga pagsulong nito sa pananaliksik sa mekanikal na pag-optimize25. Sa ikalawang bahagi ng pag-aaral, ang mga detalyadong ekspresyon sa matematika ay kasama sa balangkas ng pangunahing disenyo at disenyo ng spring ng mekanismo ng pagtiklop. Ang ikatlong bahagi ay naglalaman ng algorithm ng pag-optimize at mga resulta ng pag-optimize. Ang Kabanata 4 ay nagsasagawa ng pagsusuri sa programa ng ADAMS. Sinusuri ang kaangkupan ng mga spring bago ang produksyon. Ang huling seksyon ay naglalaman ng mga resulta ng eksperimento at mga imahe ng pagsubok. Ang mga resultang nakuha sa pag-aaral ay inihambing din sa mga nakaraang gawain ng mga may-akda gamit ang pamamaraang DOE.
Ang mga pakpak na binuo sa pag-aaral na ito ay dapat na nakatiklop patungo sa ibabaw ng rocket. Ang mga pakpak ay umiikot mula sa nakatiklop patungo sa hindi nakabukang posisyon. Para dito, isang espesyal na mekanismo ang binuo. Sa fig. 1 ay ipinapakita ang nakatiklop at hindi nakabukang konpigurasyon5 sa sistema ng koordinasyon ng rocket.
Sa fig. 2 ay makikita ang isang sectional view ng mekanismo. Ang mekanismo ay binubuo ng ilang mekanikal na bahagi: (1) pangunahing katawan, (2) wing shaft, (3) bearing, (4) lock body, (5) lock bush, (6) stop pin, (7) torsion spring at (8) compression spring. Ang wing shaft (2) ay konektado sa torsion spring (7) sa pamamagitan ng locking sleeve (4). Ang lahat ng tatlong bahagi ay sabay-sabay na umiikot pagkatapos lumipad ang rocket. Sa pamamagitan ng rotational movement na ito, ang mga pakpak ay lumiliko sa kanilang huling posisyon. Pagkatapos nito, ang pin (6) ay pinapagana ng compression spring (8), sa gayon ay hinaharangan ang buong mekanismo ng locking body (4)5.
Ang elastic modulus (E) at shear modulus (G) ay mga pangunahing parametro ng disenyo ng spring. Sa pag-aaral na ito, ang high carbon spring steel wire (Music wire ASTM A228) ang napili bilang materyal ng spring. Ang iba pang mga parametro ay ang diameter ng wire (d), average coil diameter (Dm), bilang ng mga coil (N) at spring deflection (xd para sa mga compression spring at θ para sa mga torsion spring)26. Ang nakaimbak na enerhiya para sa mga compression spring \({(SE}_{x})\) at torsion (\({SE}_{\theta}\)) spring ay maaaring kalkulahin mula sa equation. (1) at (2)26. (Ang shear modulus (G) value para sa compression spring ay 83.7E9 Pa, at ang elastic modulus (E) value para sa torsion spring ay 203.4E9 Pa.)
Ang mga mekanikal na sukat ng sistema ay direktang tumutukoy sa mga geometric na limitasyon ng spring. Bukod pa rito, dapat ding isaalang-alang ang mga kondisyon kung saan ilalagay ang rocket. Ang mga salik na ito ang tumutukoy sa mga limitasyon ng mga parameter ng spring. Ang isa pang mahalagang limitasyon ay ang safety factor. Ang kahulugan ng isang safety factor ay detalyadong inilarawan nina Shigley et al.26. Ang compression spring safety factor (SFC) ay tinukoy bilang ang pinakamataas na pinapayagang stress na hinati sa stress sa patuloy na haba. Ang SFC ay maaaring kalkulahin gamit ang mga equation. (3), (4), (5) at (6)26. (Para sa materyal ng spring na ginamit sa pag-aaral na ito, \({S}_{sy}=980 MPa\)). Ang F ay kumakatawan sa puwersa sa equation at ang KB ay kumakatawan sa Bergstrasser factor na 26.
Ang torsion safety factor ng isang spring (SFT) ay binibigyang kahulugan bilang M na hinati sa k. Ang SFT ay maaaring kalkulahin mula sa equation. (7), (8), (9) at (10)26. (Para sa materyal na ginamit sa pag-aaral na ito, \({S}_{y}=1600 \mathrm{MPa}\)). Sa equation, ang M ay ginagamit para sa torque, ang \({k}^{^{\prime}}\) ay ginagamit para sa spring constant (torque/rotation), at ang Ki ay ginagamit para sa stress correction factor.
Ang pangunahing layunin ng pag-optimize sa pag-aaral na ito ay ang pag-maximize ng enerhiya ng spring. Ang objective function ay binuo upang mahanap ang \(\overrightarrow{\{X\}}\) na nag-maximize sa \(f(X)\). Ang \({f}_{1}(X)\) at \({f}_{2}(X)\) ay ang mga energy function ng compression at torsion spring, ayon sa pagkakabanggit. Ang mga kinakalkulang baryabol at function na ginamit para sa pag-optimize ay ipinapakita sa mga sumusunod na equation.
Ang iba't ibang mga limitasyon na inilagay sa disenyo ng spring ay ibinibigay sa mga sumusunod na equation. Ang mga equation (15) at (16) ay kumakatawan sa mga safety factor para sa compression at torsion spring, ayon sa pagkakabanggit. Sa pag-aaral na ito, ang SFC ay dapat na mas malaki o katumbas ng 1.2 at ang SFT ay dapat na mas malaki o katumbas ng θ26.
Ang BA ay inspirasyon ng mga estratehiya ng mga bubuyog sa paghahanap ng polen27. Ang mga bubuyog ay naghahanap sa pamamagitan ng pagpapadala ng mas maraming mangangalap ng polen sa mga matabang taniman ng polen at mas kaunting mangangalap ng polen sa mga hindi gaanong matabang taniman ng polen. Sa gayon, nakakamit ang pinakamalaking kahusayan mula sa populasyon ng bubuyog. Sa kabilang banda, ang mga scout bee ay patuloy na naghahanap ng mga bagong lugar ng polen, at kung mayroong mas produktibong mga lugar kaysa dati, maraming mangangalap ng polen ang ididirekta sa bagong lugar na ito28. Ang BA ay binubuo ng dalawang bahagi: lokal na paghahanap at pandaigdigang paghahanap. Ang lokal na paghahanap ay naghahanap ng mas maraming komunidad na malapit sa minimum (mga piling lugar), tulad ng mga bubuyog, at mas kaunting paghahanap para sa iba pang mga lugar (pinakamainam o piling mga lugar). Isang arbitraryong paghahanap ang isinasagawa sa bahagi ng pandaigdigang paghahanap, at kung may matagpuang magagandang halaga, ang mga istasyon ay ililipat sa bahagi ng lokal na paghahanap sa susunod na pag-ulit. Ang algorithm ay naglalaman ng ilang mga parameter: ang bilang ng mga scout bee (n), ang bilang ng mga lokal na site ng paghahanap (m), ang bilang ng mga piling lugar (e), ang bilang ng mga mangangalap ng polen sa mga piling lugar (nep), ang bilang ng mga mangangalap ng polen sa mga pinakamainam na lugar. Lugar (nsp), laki ng kapitbahayan (ngh), at bilang ng mga iterasyon (I)29. Ang BA pseudocode ay ipinapakita sa Figure 3.
Sinusubukan ng algorithm na gumana sa pagitan ng \({g}_{1}(X)\) at \({g}_{2}(X)\). Bilang resulta ng bawat iterasyon, natutukoy ang mga pinakamainam na halaga at tinitipon ang isang populasyon sa paligid ng mga halagang ito sa pagtatangkang makuha ang pinakamahusay na mga halaga. Sinusuri ang mga paghihigpit sa mga seksyon ng lokal at pandaigdigang paghahanap. Sa isang lokal na paghahanap, kung naaangkop ang mga salik na ito, kinakalkula ang halaga ng enerhiya. Kung ang bagong halaga ng enerhiya ay mas malaki kaysa sa pinakamainam na halaga, italaga ang bagong halaga sa pinakamainam na halaga. Kung ang pinakamahusay na halaga na natagpuan sa resulta ng paghahanap ay mas malaki kaysa sa kasalukuyang elemento, ang bagong elemento ay isasama sa koleksyon. Ang block diagram ng lokal na paghahanap ay ipinapakita sa Figure 4.
Ang populasyon ay isa sa mga pangunahing parametro sa BA. Makikita mula sa mga nakaraang pag-aaral na ang pagpapalawak ng populasyon ay binabawasan ang bilang ng mga kinakailangang iterasyon at pinapataas ang posibilidad ng tagumpay. Gayunpaman, ang bilang ng mga functional assessment ay tumataas din. Ang pagkakaroon ng malaking bilang ng mga elite site ay hindi makabuluhang nakakaapekto sa pagganap. Ang bilang ng mga elite site ay maaaring mababa kung hindi ito zero30. Ang laki ng populasyon ng scout bee (n) ay karaniwang pinipili sa pagitan ng 30 at 100. Sa pag-aaral na ito, parehong 30 at 50 na senaryo ang isinagawa upang matukoy ang naaangkop na bilang (Talahanayan 2). Ang iba pang mga parametro ay tinutukoy depende sa populasyon. Ang bilang ng mga napiling site (m) ay (humigit-kumulang) 25% ng laki ng populasyon, at ang bilang ng mga elite site (e) sa mga napiling site ay 25% ng m. Ang bilang ng mga feeding bee (bilang ng mga paghahanap) ay pinili na 100 para sa mga elite plot at 30 para sa iba pang mga lokal na plot. Ang paghahanap sa kapitbahayan ang pangunahing konsepto ng lahat ng mga evolutionary algorithm. Sa pag-aaral na ito, ginamit ang tapering neighbors method. Binabawasan ng pamamaraang ito ang laki ng kapitbahayan sa isang tiyak na bilis sa bawat iterasyon. Sa mga susunod na iterasyon, maaaring gamitin ang mas maliliit na halaga ng kapitbahayan30 para sa mas tumpak na paghahanap.
Para sa bawat senaryo, sampung magkakasunod na pagsubok ang isinagawa upang suriin ang reproducibility ng optimization algorithm. Ipinapakita sa fig. 5 ang mga resulta ng optimization ng torsion spring para sa scheme 1, at sa fig. 6 – para sa scheme 2. Ang datos ng pagsubok ay ibinibigay din sa mga talahanayan 3 at 4 (ang isang talahanayan na naglalaman ng mga resultang nakuha para sa compression spring ay nasa Karagdagang Impormasyon S1). Pinatitindi ng populasyon ng bubuyog ang paghahanap ng magagandang halaga sa unang iterasyon. Sa senaryo 1, ang mga resulta ng ilang pagsubok ay mas mababa sa maximum. Sa Senaryo 2, makikita na ang lahat ng resulta ng optimization ay papalapit na sa maximum dahil sa pagtaas ng populasyon at iba pang kaugnay na mga parameter. Makikita na ang mga halaga sa Senaryo 2 ay sapat para sa algorithm.
Kapag kinukuha ang pinakamataas na halaga ng enerhiya sa mga iterasyon, isang safety factor ang ibinibigay din bilang isang limitasyon para sa pag-aaral. Tingnan ang talahanayan para sa safety factor. Ang mga halaga ng enerhiya na nakuha gamit ang BA ay inihambing sa mga nakuha gamit ang 5 DOE na pamamaraan sa Talahanayan 5. (Para sa kadalian ng paggawa, ang bilang ng mga liko (N) ng torsion spring ay 4.9 sa halip na 4.88, at ang deflection (xd) ay 8 mm sa halip na 7.99 mm sa compression spring.) Makikita na mas mainam ang BA. Sinusuri ng BA ang lahat ng halaga sa pamamagitan ng lokal at pandaigdigang paghahanap. Sa ganitong paraan, mas mabilis niyang masusubukan ang mas maraming alternatibo.
Sa pag-aaral na ito, ginamit ang Adams upang suriin ang paggalaw ng mekanismo ng pakpak. Binigyan muna si Adams ng 3D model ng mekanismo. Pagkatapos ay tukuyin ang isang spring gamit ang mga parameter na napili sa nakaraang seksyon. Bukod pa rito, kailangan ding tukuyin ang ilang iba pang mga parameter para sa aktwal na pagsusuri. Ito ang mga pisikal na parameter tulad ng mga koneksyon, katangian ng materyal, kontak, alitan, at grabidad. Mayroong swivel joint sa pagitan ng blade shaft at ng bearing. Mayroong 5-6 na cylindrical joint. Mayroong 5-1 fixed joint. Ang pangunahing katawan ay gawa sa aluminum at fixed. Ang materyal ng iba pang mga bahagi ay bakal. Piliin ang coefficient of friction, contact stiffness at depth of penetration ng friction surface depende sa uri ng materyal. (stainless steel AISI 304) Sa pag-aaral na ito, ang kritikal na parameter ay ang oras ng pagbubukas ng mekanismo ng pakpak, na dapat ay mas mababa sa 200 ms. Samakatuwid, bantayan ang oras ng pagbubukas ng pakpak habang isinasagawa ang pagsusuri.
Bilang resulta ng pagsusuri ni Adams, ang oras ng pagbubukas ng mekanismo ng pakpak ay 74 milliseconds. Ang mga resulta ng dynamic simulation mula 1 hanggang 4 ay ipinapakita sa Figure 7. Ang unang larawan sa Figure 5 ay ang oras ng pagsisimula ng simulation at ang mga pakpak ay nasa posisyon ng paghihintay para sa pagtiklop. (2) Ipinapakita ang posisyon ng pakpak pagkatapos ng 40ms kapag ang pakpak ay umikot ng 43 degrees. (3) Ipinapakita ang posisyon ng pakpak pagkatapos ng 71 milliseconds. Gayundin sa huling larawan (4) ay ipinapakita ang pagtatapos ng pagliko ng pakpak at ang posisyon ng pagbubukas. Bilang resulta ng dynamic analysis, naobserbahan na ang mekanismo ng pagbubukas ng pakpak ay mas maikli kaysa sa target na halaga na 200 ms. Bilang karagdagan, kapag sinusukat ang mga spring, ang mga limitasyon sa kaligtasan ay pinili mula sa pinakamataas na halagang inirerekomenda sa literatura.
Pagkatapos makumpleto ang lahat ng pag-aaral sa disenyo, pag-optimize, at simulation, isang prototype ng mekanismo ang ginawa at isinama. Sinubukan ang prototype upang mapatunayan ang mga resulta ng simulation. Una, ikinabit ang pangunahing shell at itiklop ang mga pakpak. Pagkatapos, pinakawalan ang mga pakpak mula sa nakatiklop na posisyon at gumawa ng video tungkol sa pag-ikot ng mga pakpak mula sa nakatiklop na posisyon patungo sa naka-deploy na posisyon. Ginamit din ang timer upang suriin ang oras habang nagre-record ng video.
Sa larawan 8, makikita ang mga video frame na may bilang na 1-4. Ang frame bilang 1 sa larawan ay nagpapakita ng sandali ng pagbitaw ng mga nakatiklop na pakpak. Ang sandaling ito ay itinuturing na unang sandali ng oras na t0. Ipinapakita ng mga frame 2 at 3 ang mga posisyon ng mga pakpak 40 ms at 70 ms pagkatapos ng unang sandali. Kapag sinusuri ang mga frame 3 at 4, makikita na ang paggalaw ng pakpak ay nagiging matatag 90 ms pagkatapos ng t0, at ang pagbukas ng pakpak ay nakumpleto sa pagitan ng 70 at 90 ms. Ang sitwasyong ito ay nangangahulugan na ang parehong simulation at prototype testing ay nagbibigay ng halos parehong oras ng pag-deploy ng pakpak, at ang disenyo ay nakakatugon sa mga kinakailangan sa pagganap ng mekanismo.
Sa artikulong ito, ang mga torsion at compression spring na ginamit sa mekanismo ng pagtiklop ng pakpak ay na-optimize gamit ang BA. Ang mga parameter ay maaaring maabot nang mabilis sa ilang mga pag-ulit. Ang torsion spring ay may rating na 1075 mJ at ang compression spring ay may rating na 37.24 mJ. Ang mga halagang ito ay 40-50% na mas mahusay kaysa sa mga nakaraang pag-aaral ng DOE. Ang spring ay isinama sa mekanismo at sinuri sa programang ADAMS. Nang suriin, natuklasan na ang mga pakpak ay bumukas sa loob ng 74 milliseconds. Ang halagang ito ay mas mababa sa target ng proyekto na 200 milliseconds. Sa isang kasunod na eksperimental na pag-aaral, ang oras ng pag-on ay nasukat na humigit-kumulang 90 ms. Ang 16 millisecond na pagkakaiba sa pagitan ng mga pagsusuri ay maaaring dahil sa mga salik sa kapaligiran na hindi na-modelo sa software. Pinaniniwalaan na ang algorithm ng pag-optimize na nakuha bilang resulta ng pag-aaral ay maaaring gamitin para sa iba't ibang disenyo ng spring.
Ang materyal ng spring ay paunang natukoy at hindi ginamit bilang baryabol sa pag-optimize. Dahil maraming iba't ibang uri ng spring ang ginagamit sa mga sasakyang panghimpapawid at mga rocket, ang BA ay ilalapat sa pagdidisenyo ng iba pang mga uri ng spring gamit ang iba't ibang mga materyales upang makamit ang pinakamainam na disenyo ng spring sa mga pananaliksik sa hinaharap.
Ipinapahayag namin na ang manuskritong ito ay orihinal, hindi pa nailathala noon, at kasalukuyang hindi isinasaalang-alang para sa publikasyon sa ibang lugar.
Ang lahat ng datos na nabuo o sinuri sa pag-aaral na ito ay kasama sa nailathalang artikulong ito [at karagdagang impormasyon].
Min, Z., Kin, VK at Richard, LJ Modernisasyon ng konsepto ng airfoil sa pamamagitan ng mga radikal na pagbabago sa heometriko. IES J. Bahagi A Proyekto ng Sibilisasyon. komposisyon. 3(3), 188–195 (2010).
Sun, J., Liu, K. at Bhushan, B. Isang pangkalahatang-ideya ng likurang pakpak ng salagubang: istruktura, mekanikal na katangian, mekanismo, at biyolohikal na inspirasyon. J. Mecha. Pag-uugali. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., at Zhang, F. Disenyo at pagsusuri ng isang mekanismo ng natitiklop na propulsyon para sa isang hybrid powered underwater glider. Ocean Engineering 119, 125–134 (2016).
Kartik, HS at Prithvi, K. Disenyo at Pagsusuri ng Mekanismo ng Pagtiklop ng Pahalang na Pampatatag ng Helicopter. panloob na tangke ng imbakan ni J. Ing. teknolohiya. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. at Sahin, M. Pag-optimize ng mga mekanikal na parametro ng disenyo ng pakpak ng natitiklop na rocket gamit ang isang pamamaraan ng disenyo ng eksperimento. internal J. Model. pag-optimize. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Paraan ng Disenyo, Pag-aaral ng Pagganap, at Proseso ng Paggawa ng Composite Coil Springs: Isang Pagsusuri. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. at Khaddar M. Pag-optimize ng dinamikong disenyo ng mga coil spring. Mag-apply para sa tunog. 77, 178–183 (2014).
Paredes, M., Sartor, M., at Mascle, K. Isang pamamaraan para sa pag-optimize ng disenyo ng mga tension spring. isang kompyuter. aplikasyon ng pamamaraan. proyektong fur. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. at Trochu F. Pinakamainam na disenyo ng composite helical springs gamit ang multiobjective optimization. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB at Desale, DD Pag-optimize ng mga coil spring ng front suspension ng tricycle. proseso. tagagawa. 20, 428–433 (2018).
Bahshesh M. at Bahshesh M. Pag-optimize ng mga steel coil spring gamit ang mga composite spring. internal J. Multidisciplinary. ang agham. proyekto. 3(6), 47–51 (2012).
Chen, L. et al. Alamin ang tungkol sa maraming parametro na nakakaapekto sa static at dynamic na pagganap ng mga composite coil spring. J. Market. storage tank. 20, 532–550 (2022).
Frank, J. Pagsusuri at Pag-optimize ng Composite Helical Springs, PhD Thesis, Sacramento State University (2020).
Gu, Z., Hou, X. at Ye, J. Mga pamamaraan para sa pagdidisenyo at pagsusuri ng mga nonlinear helical spring gamit ang kombinasyon ng mga pamamaraan: finite element analysis, Latin hypercube limited sampling, at genetic programming. proseso. Fur Institute. proyekto. CJ Mecha. proyekto. ang agham. 235(22), 5917–5930 (2021).
Wu, L., et al. Mga Adjustable Spring Rate na Carbon Fiber Multi-Strand Coil Spring: Isang Pag-aaral sa Disenyo at Mekanismo. J. Market. tangke ng imbakan. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS at Jagtap ST Pag-optimize ng bigat ng mga compression helical spring. internal J. Innov. tangke ng imbakan. Multidisciplinary. 2(11), 154–164 (2016).
Rahul, MS at Rameshkumar, K. Multipurpose optimization at numerical simulation ng mga coil spring para sa mga aplikasyon sa sasakyan. alma mater. proseso ngayon. 46. ​​4847–4853 (2021).
Bai, JB et al. Pagbibigay-kahulugan sa Pinakamahusay na Kasanayan – Pinakamainam na Disenyo ng mga Composite Helical Structures Gamit ang mga Genetic Algorithm. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M., at Gokche, H. Gamit ang paraan ng pag-optimize ng 灰狼 batay sa pag-optimize ng minimum na volume ng disenyo ng compression spring, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. at Sait, SM Metaheuristics gamit ang maraming ahente upang ma-optimize ang mga pag-crash. internal J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR at Erdash, MU Bagong hybrid Taguchi-salpa group optimization algorithm para sa maaasahang disenyo ng mga totoong problema sa inhenyeriya. alma mater. pagsubok. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR at Sait SM Maaasahang disenyo ng mga mekanismo ng robotic gripper gamit ang isang bagong hybrid grasshopper optimization algorithm. expert. system. 38(3), e12666 (2021).