Nature.com'u ziyaret ettiğiniz için teşekkür ederiz. Sınırlı CSS desteğine sahip bir tarayıcı sürümü kullanıyorsunuz. En iyi deneyim için, güncel bir tarayıcı kullanmanızı (veya Internet Explorer'da Uyumluluk Modunu devre dışı bırakmanızı) öneririz. Ayrıca, sürekli destek sağlamak için siteyi stiller ve JavaScript olmadan gösteriyoruz.
Aynı anda üç slayttan oluşan bir slayt gösterisi sunar. Önceki ve Sonraki düğmelerini kullanarak üç slayt arasında geçiş yapabilir veya sondaki kaydırma düğmelerini kullanarak üç slayt arasında geçiş yapabilirsiniz.
Bu çalışmada, roketlerde kullanılan kanat katlama mekanizmasının burulma ve sıkıştırma yaylarının tasarımı, bir optimizasyon problemi olarak ele alınmıştır. Roket fırlatma tüpünden çıktıktan sonra, kapalı kanatların belirli bir süre boyunca açılıp sabitlenmesi gerekmektedir. Çalışmanın amacı, kanatların mümkün olan en kısa sürede açılabilmesi için yaylarda depolanan enerjiyi en üst düzeye çıkarmaktır. Bu durumda, her iki yayında da yer alan enerji denklemi, optimizasyon sürecinde amaç fonksiyonu olarak tanımlanmıştır. Yay tasarımı için gerekli tel çapı, bobin çapı, bobin sayısı ve sapma parametreleri optimizasyon değişkenleri olarak tanımlanmıştır. Mekanizmanın boyutundan kaynaklanan geometrik sınırlamaların yanı sıra, yayların taşıdığı yükten kaynaklanan güvenlik faktöründe de sınırlamalar bulunmaktadır. Bu optimizasyon problemini çözmek ve yay tasarımını gerçekleştirmek için bal arısı (BA) algoritması kullanılmıştır. BA ile elde edilen enerji değerleri, önceki Deney Tasarımı (DOE) çalışmalarından elde edilenlerden daha üstündür. Optimizasyondan elde edilen parametreler kullanılarak tasarlanan yaylar ve mekanizmalar, öncelikle ADAMS programında analiz edilmiştir. Bundan sonra, üretilen yaylar gerçek mekanizmalara entegre edilerek deneysel testler gerçekleştirildi. Test sonucunda, kanatların yaklaşık 90 milisaniye sonra açıldığı gözlemlendi. Bu değer, projenin 200 milisaniyelik hedefinin oldukça altındadır. Ayrıca, analitik ve deneysel sonuçlar arasındaki fark sadece 16 milisaniyedir.
Uçak ve deniz araçlarında, paslanmaz çelik sarmal boru katlama mekanizmaları kritik öneme sahiptir. Bu sistemler, uçuş performansını ve kontrolünü iyileştirmek için uçak modifikasyonlarında ve dönüşümlerinde kullanılır. Uçuş moduna bağlı olarak, kanatlar aerodinamik etkiyi azaltmak için farklı şekilde katlanır ve açılır¹. Bu durum, bazı kuşların ve böceklerin günlük uçuş ve dalış sırasında kanatlarının hareketleriyle karşılaştırılabilir. Benzer şekilde, denizaltılarda planörler hidrodinamik etkileri azaltmak ve manevra kabiliyetini en üst düzeye çıkarmak için katlanır ve açılır³. Bu mekanizmaların bir diğer amacı ise, depolama ve taşıma için helikopter pervanesinin katlanması⁴ gibi sistemlere hacimsel avantajlar sağlamaktır. Roket kanatları da depolama alanını azaltmak için katlanır. Böylece, fırlatma rampasının daha küçük bir alanına daha fazla füze yerleştirilebilir⁵. Katlama ve açmada etkili bir şekilde kullanılan bileşenler genellikle yaylardır. Katlama anında enerji depolanır ve açma anında serbest bırakılır. Esnek yapısı sayesinde depolanan ve serbest bırakılan enerji dengelenir. Yay esas olarak sistem için tasarlanmıştır ve bu tasarım bir optimizasyon problemi sunar⁶. Çünkü tel çapı, bobin çapı, sarım sayısı, helis açısı ve malzeme türü gibi çeşitli değişkenleri içerirken, kütle, hacim, minimum gerilim dağılımı veya maksimum enerji kullanılabilirliği gibi kriterler de bulunmaktadır.7
Bu çalışma, roket sistemlerinde kullanılan kanat katlama mekanizmaları için yayların tasarımına ve optimizasyonuna ışık tutmaktadır. Uçuş öncesinde fırlatma tüpünün içinde bulunan kanatlar, roketin yüzeyinde katlanmış halde kalır ve fırlatma tüpünden çıktıktan sonra belirli bir süre açılır ve yüzeye yapışık kalır. Bu süreç, roketin düzgün çalışması için kritik öneme sahiptir. Geliştirilen katlama mekanizmasında, kanatların açılması burulma yayları, kilitlenmesi ise sıkıştırma yayları tarafından gerçekleştirilir. Uygun bir yay tasarlamak için bir optimizasyon süreci gerçekleştirilmelidir. Yay optimizasyonu kapsamında, literatürde çeşitli uygulamalar bulunmaktadır.
Paredes ve ark.8, helisel yayların tasarımı için amaç fonksiyonu olarak maksimum yorulma ömrü faktörünü tanımlamış ve optimizasyon yöntemi olarak yarı-Newton yöntemini kullanmıştır. Optimizasyondaki değişkenler tel çapı, bobin çapı, sarım sayısı ve yay uzunluğu olarak belirlenmiştir. Yay yapısının bir diğer parametresi ise yapıldığı malzemedir. Bu nedenle, tasarım ve optimizasyon çalışmalarında bu dikkate alınmıştır. Zebdi ve ark.9, ağırlık faktörünün önemli olduğu çalışmalarında amaç fonksiyonunda maksimum sertlik ve minimum ağırlık hedeflerini belirlemiştir. Bu durumda, yay malzemesini ve geometrik özelliklerini değişken olarak tanımlamışlardır. Optimizasyon yöntemi olarak genetik algoritma kullanmışlardır. Otomotiv endüstrisinde, malzemelerin ağırlığı, araç performansından yakıt tüketimine kadar birçok açıdan faydalıdır. Süspansiyon için helezon yayların optimizasyonunda ağırlık minimizasyonu iyi bilinen bir çalışmadır10. Bahshesh ve Bahshesh11, ANSYS ortamında çeşitli süspansiyon yay kompozit tasarımlarında minimum ağırlık ve maksimum çekme dayanımı elde etme hedefiyle E-cam, karbon ve Kevlar gibi malzemeleri değişken olarak belirlemiştir. Kompozit yayların geliştirilmesinde üretim süreci kritik öneme sahiptir. Bu nedenle, üretim yöntemi, süreçte atılan adımlar ve bu adımların sırası gibi çeşitli değişkenler optimizasyon probleminde rol oynar12,13. Dinamik sistemler için yaylar tasarlanırken, sistemin doğal frekansları dikkate alınmalıdır. Rezonansı önlemek için yayın ilk doğal frekansının sistemin doğal frekansının en az 5-10 katı olması önerilir14. Taktak vd. 7, helezon yay tasarımında amaç fonksiyonları olarak yayın kütlesini en aza indirmeyi ve ilk doğal frekansı en üst düzeye çıkarmayı seçmiştir. Matlab optimizasyon aracında desen arama, iç nokta, aktif küme ve genetik algoritma yöntemlerini kullanmışlardır. Analitik araştırma, yay tasarım araştırmasının bir parçasıdır ve Sonlu Elemanlar Yöntemi bu alanda popülerdir15. Patil vd.16, analitik bir prosedür kullanarak bir sıkıştırma helezon yayının ağırlığını azaltmak için bir optimizasyon yöntemi geliştirmiş ve analitik denklemleri sonlu elemanlar yöntemi kullanarak test etmiştir. Bir yayın kullanışlılığını artırmak için bir diğer kriter ise depolayabileceği enerjinin artmasıdır. Bu durum aynı zamanda yayın uzun süre kullanışlılığını korumasını da sağlar. Rahul ve Rameshkumar17, otomobil helezon yay tasarımlarında yay hacmini azaltmayı ve gerilme enerjisini artırmayı hedeflemektedir. Ayrıca optimizasyon araştırmalarında genetik algoritmalar da kullanmışlardır.
Görüldüğü gibi, optimizasyon çalışmasındaki parametreler sistemden sisteme değişmektedir. Genel olarak, yükün belirleyici faktör olduğu bir sistemde rijitlik ve kayma gerilimi parametreleri önemlidir. Malzeme seçimi, bu iki parametreyle birlikte ağırlık sınırı sistemine dahil edilir. Öte yandan, yüksek dinamik sistemlerde rezonansları önlemek için doğal frekanslar kontrol edilir. Faydanın önemli olduğu sistemlerde enerji maksimize edilir. Optimizasyon çalışmalarında, analitik çalışmalar için FEM kullanılsa da, belirli parametre aralığında klasik Newton yöntemiyle birlikte genetik algoritma14,18 ve gri kurt algoritması19 gibi meta sezgisel algoritmaların da kullanıldığı görülebilir. Meta sezgisel algoritmalar, özellikle popülasyonun etkisi altında20,21 kısa sürede optimum duruma yaklaşan doğal adaptasyon yöntemlerine dayanarak geliştirilmiştir. Arama alanındaki popülasyonun rastgele dağılımıyla, yerel optimumlardan kaçınır ve küresel optimumlara doğru ilerler22. Bu nedenle, son yıllarda gerçek endüstriyel problemler bağlamında sıklıkla kullanılmaktadır23,24.
Bu çalışmada geliştirilen katlama mekanizması için kritik durum, uçuş öncesinde kapalı konumda olan kanatların, tüpten çıktıktan belirli bir süre sonra açılmasıdır. Bundan sonra, kilitleme elemanı kanadı bloke eder. Bu nedenle, yaylar uçuş dinamiklerini doğrudan etkilemez. Bu durumda, optimizasyonun amacı, yayın hareketini hızlandırmak için depolanan enerjiyi maksimize etmektir. Rulo çapı, tel çapı, rulo sayısı ve sapma optimizasyon parametreleri olarak tanımlanmıştır. Yayın küçük boyutu nedeniyle, ağırlık bir hedef olarak değerlendirilmemiştir. Bu nedenle, malzeme türü sabit olarak tanımlanmıştır. Mekanik deformasyonlar için güvenlik payı kritik bir sınırlama olarak belirlenmiştir. Ayrıca, mekanizmanın kapsamına değişken boyut kısıtlamaları da dahil edilmiştir. Optimizasyon yöntemi olarak BA meta sezgisel yöntemi seçilmiştir. BA, esnek ve basit yapısı ve mekanik optimizasyon araştırmalarındaki ilerlemeleri nedeniyle tercih edilmiştir. Çalışmanın ikinci bölümünde, katlama mekanizmasının temel tasarımı ve yay tasarımı çerçevesinde ayrıntılı matematiksel ifadeler yer almaktadır. Üçüncü bölüm ise optimizasyon algoritmasını ve optimizasyon sonuçlarını içermektedir. Bölüm 4, ADAMS programında analizler yapmaktadır. Yayların üretim öncesi uygunluğu analiz edilmektedir. Son bölüm deneysel sonuçları ve test görüntülerini içermektedir. Çalışmada elde edilen sonuçlar, yazarların daha önceki DOE yaklaşımıyla yaptıkları çalışmalarla da karşılaştırılmıştır.
Bu çalışmada geliştirilen kanatlar roketin yüzeyine doğru katlanmalıdır. Kanatlar katlanmış konumdan açılmış konuma döner. Bunun için özel bir mekanizma geliştirilmiştir. Şekil 1'de roket koordinat sisteminde katlanmış ve açılmış konfigürasyon 5 gösterilmektedir.
Şekil 2'de mekanizmanın kesit görünümü gösterilmektedir. Mekanizma birkaç mekanik parçadan oluşmaktadır: (1) ana gövde, (2) kanat mili, (3) yatak, (4) kilit gövdesi, (5) kilit burcu, (6) durdurma pimi, (7) burulma yayı ve (8) sıkıştırma yayları. Kanat mili (2), kilitleme manşonu (4) vasıtasıyla burulma yayına (7) bağlanır. Roket kalkış yaptıktan sonra her üç parça da eş zamanlı olarak döner. Bu dönme hareketiyle kanatlar son konumlarına döner. Bundan sonra, pim (6) sıkıştırma yayı (8) tarafından harekete geçirilir ve böylece kilitleme gövdesinin (4)5 tüm mekanizması bloke edilir.
Elastik modül (E) ve kayma modülü (G), yayın temel tasarım parametreleridir. Bu çalışmada, yay malzemesi olarak yüksek karbonlu yay çeliği teli (Müzik teli ASTM A228) seçilmiştir. Diğer parametreler tel çapı (d), ortalama bobin çapı (Dm), bobin sayısı (N) ve yay sapması (sıkıştırma yayları için xd ve burulma yayları için θ)26'dır. Sıkıştırma yayları \({(SE}_{x})\) ve burulma (\({SE}_{\theta}\)) yayları için depolanan enerji, (1) ve (2)26 denklemlerinden hesaplanabilir. (Sıkıştırma yayı için kayma modülü (G) değeri 83,7E9 Pa ve burulma yayı için elastik modül (E) değeri 203,4E9 Pa'dır.)
Sistemin mekanik boyutları, yayın geometrik kısıtlamalarını doğrudan belirler. Ayrıca, roketin yerleştirileceği koşullar da dikkate alınmalıdır. Bu faktörler, yay parametrelerinin sınırlarını belirler. Bir diğer önemli sınırlama ise güvenlik faktörüdür. Güvenlik faktörünün tanımı Shigley vd.26 tarafından ayrıntılı olarak açıklanmıştır. Sıkıştırma yayı güvenlik faktörü (SFC), maksimum izin verilen gerilmenin sürekli uzunluk üzerindeki gerilmeye bölünmesiyle tanımlanır. SFC, (3), (4), (5) ve (6)26 denklemleri kullanılarak hesaplanabilir. (Bu çalışmada kullanılan yay malzemesi için, \({S}_{sy}=980 MPa\)). F, denklemdeki kuvveti ve KB ise Bergstrasser faktörünü temsil eder.
Bir yayın burulma emniyet faktörü (SFT), M'nin k'ye bölünmesiyle tanımlanır. SFT, (7), (8), (9) ve (10)26 denklemlerinden hesaplanabilir. (Bu çalışmada kullanılan malzeme için, \({S}_{y}=1600 \mathrm{MPa}\)). Denklemde, M tork için, \({k}^{^{\prime}}\) yay sabiti (tork/dönme) için ve Ki gerilim düzeltme faktörü için kullanılır.
Bu çalışmadaki temel optimizasyon hedefi, yayın enerjisini maksimize etmektir. Amaç fonksiyonu, \(f(X)\)'i maksimize eden \(\overrightarrow{\{X\}}\)'i bulmak üzere formüle edilmiştir. \({f}_{1}(X)\) ve \({f}_{2}(X)\), sırasıyla sıkıştırma ve burulma yayının enerji fonksiyonlarıdır. Optimizasyon için kullanılan hesaplanan değişkenler ve fonksiyonlar aşağıdaki denklemlerde gösterilmiştir.
Yay tasarımına getirilen çeşitli kısıtlamalar aşağıdaki denklemlerde verilmiştir. Denklemler (15) ve (16) sırasıyla sıkıştırma ve burulma yayları için güvenlik faktörlerini temsil etmektedir. Bu çalışmada, SFC'nin 1,2'den büyük veya eşit olması ve SFT'nin θ26'dan büyük veya eşit olması gerekmektedir.
BA, arıların polen arama stratejilerinden esinlenmiştir.27 Arılar, verimli polen alanlarına daha fazla işçi arı, daha az verimli polen alanlarına ise daha az işçi arı göndererek polen ararlar. Böylece arı popülasyonundan en yüksek verimlilik elde edilir. Öte yandan, keşifçi arılar yeni polen alanları aramaya devam eder ve eğer daha öncekinden daha verimli alanlar varsa, birçok işçi arı bu yeni alana yönlendirilir.28 BA iki bölümden oluşur: yerel arama ve küresel arama. Yerel arama, arılar gibi minimuma yakın (elit alanlar) daha fazla topluluk arar ve diğer alanları (optimum veya seçili alanlar) daha az arar. Küresel arama bölümünde rastgele bir arama yapılır ve iyi değerler bulunursa, istasyonlar bir sonraki yinelemede yerel arama bölümüne taşınır. Algoritma bazı parametreler içerir: keşifçi arı sayısı (n), yerel arama alanı sayısı (m), elit alan sayısı (e), elit alanlardaki işçi arı sayısı (nep), optimal alanlardaki işçi arı sayısı. Konum (nsp), komşuluk boyutu (ngh) ve yineleme sayısı (I)29. BA sözde kodu Şekil 3'te gösterilmiştir.
Algoritma, \({g}_{1}(X)\) ve \({g}_{2}(X)\) arasında çalışmaya çalışır. Her yinelemenin sonucunda, en uygun değerler belirlenir ve en iyi değerleri elde etmek amacıyla bu değerlerin etrafında bir popülasyon oluşturulur. Kısıtlamalar, yerel ve küresel arama bölümlerinde kontrol edilir. Yerel aramada, bu faktörler uygunsa, enerji değeri hesaplanır. Yeni enerji değeri en uygun değerden büyükse, yeni değer en uygun değere atanır. Arama sonucunda bulunan en iyi değer mevcut elemandan büyükse, yeni eleman koleksiyona dahil edilir. Yerel aramanın blok diyagramı Şekil 4'te gösterilmiştir.
BA'da popülasyon, temel parametrelerden biridir. Önceki çalışmalardan, popülasyonun genişletilmesinin gerekli yineleme sayısını azalttığı ve başarı olasılığını artırdığı görülmektedir. Bununla birlikte, fonksiyonel değerlendirme sayısı da artmaktadır. Çok sayıda elit alanın varlığı performansı önemli ölçüde etkilememektedir. Elit alan sayısı sıfır değilse düşük olabilir. Keşifçi arı popülasyonunun boyutu (n) genellikle 30 ile 100 arasında seçilir. Bu çalışmada, uygun sayıyı belirlemek için hem 30 hem de 50 senaryosu çalıştırılmıştır (Tablo 2). Diğer parametreler popülasyona bağlı olarak belirlenir. Seçilen alan sayısı (m), popülasyon boyutunun (yaklaşık) %25'idir ve seçilen alanlar arasındaki elit alan sayısı (e), m'nin %25'idir. Beslenen arı sayısı (arama sayısı), elit alanlar için 100 ve diğer yerel alanlar için 30 olarak seçilmiştir. Komşuluk araması, tüm evrimsel algoritmaların temel kavramıdır. Bu çalışmada, kademeli komşular yöntemi kullanılmıştır. Bu yöntem, her yinelemede komşuluk boyutunu belirli bir oranda azaltır. Gelecek yinelemelerde, daha doğru bir arama için daha küçük komşuluk değerleri30 kullanılabilir.
Her senaryo için, optimizasyon algoritmasının tekrarlanabilirliğini kontrol etmek amacıyla on ardışık test yapılmıştır. Şekil 5'te şema 1 için burulma yayının optimizasyon sonuçları, şekil 6'da ise şema 2 için sonuçlar gösterilmektedir. Test verileri ayrıca tablo 3 ve 4'te verilmiştir (sıkıştırma yayı için elde edilen sonuçları içeren tablo Ek Bilgi S1'dedir). Arı popülasyonu, ilk iterasyonda iyi değerler arayışını yoğunlaştırır. Senaryo 1'de, bazı testlerin sonuçları maksimumun altında kalmıştır. Senaryo 2'de, popülasyon artışı ve diğer ilgili parametreler nedeniyle tüm optimizasyon sonuçlarının maksimuma yaklaştığı görülebilir. Senaryo 2'deki değerlerin algoritma için yeterli olduğu görülebilir.
İterasyonlarda maksimum enerji değerini elde ederken, çalışma için bir kısıtlama olarak bir güvenlik faktörü de sağlanır. Güvenlik faktörü için tabloya bakınız. BA kullanılarak elde edilen enerji değerleri, Tablo 5'te 5 DOE yöntemi kullanılarak elde edilenlerle karşılaştırılmıştır. (Üretim kolaylığı için, burulma yayının sarım sayısı (N) 4,88 yerine 4,9 ve sıkıştırma yayındaki sapma (xd) 7,99 mm yerine 8 mm'dir.) BA'nın daha iyi sonuç verdiği görülebilir. BA, tüm değerleri yerel ve küresel aramalar yoluyla değerlendirir. Bu şekilde daha fazla alternatifi daha hızlı deneyebilir.
Bu çalışmada, kanat mekanizmasının hareketini analiz etmek için Adams yazılımı kullanılmıştır. Adams yazılımına öncelikle mekanizmanın 3 boyutlu modeli verilir. Daha sonra, önceki bölümde seçilen parametrelerle bir yay tanımlanır. Ayrıca, gerçek analiz için bazı diğer parametrelerin de tanımlanması gerekir. Bunlar, bağlantılar, malzeme özellikleri, temas, sürtünme ve yerçekimi gibi fiziksel parametrelerdir. Bıçak mili ile yatak arasında döner bir mafsal bulunmaktadır. 5-6 silindirik mafsal ve 5-1 sabit mafsal vardır. Ana gövde alüminyum malzemeden yapılmış ve sabittir. Geri kalan parçaların malzemesi çeliktir. Sürtünme katsayısı, temas sertliği ve sürtünme yüzeyinin penetrasyon derinliği, malzeme türüne bağlı olarak seçilir (paslanmaz çelik AISI 304). Bu çalışmada, kritik parametre kanat mekanizmasının açılma süresidir ve 200 ms'den az olmalıdır. Bu nedenle, analiz sırasında kanat açılma süresine dikkat edilmelidir.
Adams'ın analizi sonucunda, kanat mekanizmasının açılma süresi 74 milisaniyedir. 1'den 4'e kadar olan dinamik simülasyon sonuçları Şekil 7'de gösterilmiştir. Şekil 5'teki ilk resim, simülasyonun başlangıç ​​zamanını ve kanatların katlanmayı beklediği pozisyonu göstermektedir. (2) Kanat 43 derece döndükten sonra 40 ms sonraki pozisyonunu göstermektedir. (3) 71 milisaniye sonraki pozisyonu göstermektedir. Ayrıca son resimde (4) kanadın dönüşünün sonu ve açık pozisyonu gösterilmektedir. Dinamik analiz sonucunda, kanat açma mekanizmasının 200 ms'lik hedef değerden önemli ölçüde daha kısa olduğu gözlemlenmiştir. Ek olarak, yayların boyutlandırılmasında, güvenlik sınırları literatürde önerilen en yüksek değerlerden seçilmiştir.
Tüm tasarım, optimizasyon ve simülasyon çalışmaları tamamlandıktan sonra, mekanizmanın bir prototipi üretildi ve entegre edildi. Daha sonra prototip, simülasyon sonuçlarını doğrulamak için test edildi. İlk olarak ana gövde sabitlendi ve kanatlar katlandı. Ardından kanatlar katlanmış konumdan serbest bırakıldı ve kanatların katlanmış konumdan açılmış konuma dönüşünün videosu çekildi. Video kaydı sırasında zamanı analiz etmek için zamanlayıcı da kullanıldı.
Şekil 8'de 1-4 arası numaralandırılmış video kareleri gösterilmektedir. Şekildeki 1 numaralı kare, katlanmış kanatların açılma anını göstermektedir. Bu an, t0 zamanının başlangıç ​​anı olarak kabul edilir. 2 ve 3 numaralı kareler, başlangıç ​​anından 40 ms ve 70 ms sonraki kanatların konumlarını göstermektedir. 3 ve 4 numaralı kareler incelendiğinde, kanat hareketinin t0'dan 90 ms sonra stabilize olduğu ve kanat açılmasının 70 ile 90 ms arasında tamamlandığı görülmektedir. Bu durum, hem simülasyon hem de prototip testlerinin yaklaşık olarak aynı kanat açılma süresini verdiğini ve tasarımın mekanizmanın performans gereksinimlerini karşıladığını göstermektedir.
Bu makalede, kanat katlama mekanizmasında kullanılan burulma ve sıkıştırma yayları BA (Baskı Algoritması) kullanılarak optimize edilmiştir. Parametrelere birkaç iterasyonla hızlıca ulaşılabilir. Burulma yayı 1075 mJ, sıkıştırma yayı ise 37,24 mJ olarak derecelendirilmiştir. Bu değerler, önceki DOE (Deney Tasarımı) çalışmalarına göre %40-50 daha iyidir. Yay, mekanizmaya entegre edilmiş ve ADAMS programında analiz edilmiştir. Analiz sonucunda, kanatların 74 milisaniye içinde açıldığı bulunmuştur. Bu değer, projenin 200 milisaniyelik hedefinin oldukça altındadır. Daha sonraki deneysel bir çalışmada, açılma süresi yaklaşık 90 ms olarak ölçülmüştür. Analizler arasındaki bu 16 milisaniyelik fark, yazılımda modellenmeyen çevresel faktörlerden kaynaklanıyor olabilir. Çalışma sonucunda elde edilen optimizasyon algoritmasının çeşitli yay tasarımları için kullanılabileceğine inanılmaktadır.
Yay malzemesi önceden tanımlanmıştı ve optimizasyonda değişken olarak kullanılmadı. Uçaklarda ve roketlerde birçok farklı yay türü kullanıldığı için, gelecekteki araştırmalarda optimum yay tasarımına ulaşmak amacıyla farklı malzemeler kullanılarak diğer yay türlerinin tasarımında BA (Yanal Algoritma) uygulanacaktır.
Bu makalenin özgün olduğunu, daha önce yayınlanmadığını ve şu anda başka bir yerde yayınlanmak üzere değerlendirilmediğini beyan ederiz.
Bu çalışmada üretilen veya analiz edilen tüm veriler bu yayınlanan makalede [ve ek bilgi dosyasında] yer almaktadır.
Min, Z., Kin, VK ve Richard, LJ Uçak Modernizasyonu: Radikal Geometrik Değişiklikler Yoluyla Kanat Profili Konseptinin Modernizasyonu. IES J. Bölüm A Medeniyet. kompozisyon. proje. 3(3), 188–195 (2010).
Sun, J., Liu, K. ve Bhushan, B. Böceğin arka kanadına genel bir bakış: yapı, mekanik özellikler, mekanizmalar ve biyolojik ilham. J. Mecha. Behavior. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. ve Zhang, F. Hibrit güçle çalışan bir sualtı planörü için katlanabilir bir itme mekanizmasının tasarımı ve analizi. Okyanus Mühendisliği 119, 125–134 (2016).
Kartik, HS ve Prithvi, K. Bir Helikopter Yatay Stabilizör Katlama Mekanizmasının Tasarımı ve Analizi. İç Mühendislik Depolama Tankı Teknolojisi Dergisi (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. ve Sahin, M. Deneysel tasarım yaklaşımı kullanılarak katlanır roket kanadı tasarımının mekanik parametrelerinin optimizasyonu. İçsel J. Model. optimizasyon. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Kompozit Yayların Tasarım Yöntemi, Performans Çalışması ve Üretim Süreci: Bir İnceleme. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. ve Khaddar M. Helezon yayların dinamik tasarım optimizasyonu. Ses uygulaması. 77, 178–183 (2014).
Paredes, M., Sartor, M. ve Mascle, K. Gerilim yaylarının tasarımını optimize etme prosedürü. Yöntemin bilgisayar uygulaması. Fur. Projesi. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. ve Trochu F. Çok amaçlı optimizasyon kullanarak kompozit helisel yayların optimal tasarımı. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB ve Desale, DD Üç tekerlekli bisiklet ön süspansiyon helezon yaylarının optimizasyonu. işlem. üretici. 20, 428–433 (2018).
Bahshesh M. ve Bahshesh M. Kompozit yaylarla çelik helezon yayların optimizasyonu. Dahili J. Çok Disiplinli. Bilim. Proje. 3(6), 47–51 (2012).
Chen, L. ve diğerleri. Kompozit helezon yayların statik ve dinamik performansını etkileyen birçok parametre hakkında bilgi edinin. J. Market. depolama tankı. 20, 532–550 (2022).
Frank, J. Kompozit Helisel Yayların Analizi ve Optimizasyonu, Doktora Tezi, Sacramento State Üniversitesi (2020).
Gu, Z., Hou, X. ve Ye, J. Sonlu eleman analizi, Latin hiperküp sınırlı örnekleme ve genetik programlama yöntemlerinin bir kombinasyonunu kullanarak doğrusal olmayan helisel yayların tasarımı ve analizi için yöntemler. süreç. Kürk Enstitüsü. proje. CJ Mecha. proje. bilim. 235(22), 5917–5930 (2021).
Wu, L., ve diğerleri. Ayarlanabilir Yay Oranlı Karbon Fiber Çok Telli Helezon Yaylar: Bir Tasarım ve Mekanizma Çalışması. J. Market. depolama tankı. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS ve Jagtap ST Sıkıştırma helisel yaylarının ağırlık optimizasyonu. Dahili J. Innov. depolama tankı. Çok disiplinli. 2(11), 154–164 (2016).
Rahul, MS ve Rameshkumar, K. Otomotiv uygulamaları için helezon yayların çok amaçlı optimizasyonu ve sayısal simülasyonu. alma mater. process today. 46. ​​4847–4853 (2021).
Bai, JB ve diğerleri. En İyi Uygulamayı Tanımlama – Genetik Algoritmalar Kullanarak Kompozit Helisel Yapıların Optimal Tasarımı. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M. ve Gokche, H. Sıkıştırma yayı tasarımının minimum hacminin optimizasyonuna dayalı 灰狼 optimizasyon yönteminin kullanımı, Ghazi J. Mühendislik Bilimi, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. ve Sait, SM Çoklu ajanlar kullanarak çarpışmaları optimize eden meta sezgisel yöntemler. internal J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR ve Erdash, MU Gerçek mühendislik problemlerinin güvenilir tasarımı için yeni hibrit Taguchi-salpa grup optimizasyon algoritması. alma mater. test. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR ve Sait SM Yeni bir hibrit çekirge optimizasyon algoritması kullanarak robotik tutucu mekanizmalarının güvenilir tasarımı. uzman. sistem. 38(3), e12666 (2021).