Nature.com দেখার জন্য আপনাকে ধন্যবাদ। আপনি সীমিত CSS সমর্থন সহ একটি ব্রাউজার সংস্করণ ব্যবহার করছেন। স্টেইনলেস স্টিলের কয়েল টিউব সেরা অভিজ্ঞতার জন্য, আমরা আপনাকে একটি আপডেট করা ব্রাউজার ব্যবহার করার পরামর্শ দিচ্ছি (অথবা ইন্টারনেট এক্সপ্লোরারে সামঞ্জস্যতা মোড অক্ষম করুন)। এছাড়াও, চলমান সহায়তা নিশ্চিত করার জন্য, আমরা স্টাইল এবং জাভাস্ক্রিপ্ট ছাড়াই সাইটটি দেখাই।
একসাথে তিনটি স্লাইডের একটি ক্যারোজেল প্রদর্শন করে। একসাথে তিনটি স্লাইডের মধ্য দিয়ে যেতে পূর্ববর্তী এবং পরবর্তী বোতামগুলি ব্যবহার করুন, অথবা শেষে স্লাইডার বোতামগুলি ব্যবহার করে একবারে তিনটি স্লাইডের মধ্য দিয়ে যান।
এই গবেষণায়, স্টেইনলেস স্টিলের কয়েল টিউব রকেটে ব্যবহৃত উইং ফোল্ডিং মেকানিজমের টর্শন এবং কম্প্রেশন স্প্রিংগুলির নকশাকে একটি অপ্টিমাইজেশন সমস্যা হিসাবে বিবেচনা করা হয়েছে। রকেটটি লঞ্চ টিউব ছেড়ে যাওয়ার পরে, বন্ধ ডানাগুলিকে একটি নির্দিষ্ট সময়ের জন্য খোলা এবং সুরক্ষিত করতে হবে। গবেষণার লক্ষ্য ছিল স্প্রিংগুলিতে সঞ্চিত শক্তি সর্বাধিক করা যাতে ডানাগুলি যতটা সম্ভব কম সময়ের মধ্যে স্থাপন করতে পারে। এই ক্ষেত্রে, উভয় প্রকাশনায় শক্তি সমীকরণকে অপ্টিমাইজেশন প্রক্রিয়ায় উদ্দেশ্যমূলক ফাংশন হিসাবে সংজ্ঞায়িত করা হয়েছিল। স্প্রিং ডিজাইনের জন্য প্রয়োজনীয় তারের ব্যাস, কয়েল ব্যাস, কয়েলের সংখ্যা এবং ডিফ্লেকশন প্যারামিটারগুলিকে অপ্টিমাইজেশন ভেরিয়েবল হিসাবে সংজ্ঞায়িত করা হয়েছিল। প্রক্রিয়াটির আকারের কারণে ভেরিয়েবলের উপর জ্যামিতিক সীমা রয়েছে, সেইসাথে স্প্রিং দ্বারা বহন করা লোডের কারণে সুরক্ষা ফ্যাক্টরের সীমা রয়েছে। এই অপ্টিমাইজেশন সমস্যা সমাধান এবং স্প্রিং ডিজাইন সম্পাদন করতে মধু মৌমাছি (BA) অ্যালগরিদম ব্যবহার করা হয়েছিল। BA দিয়ে প্রাপ্ত শক্তির মান পূর্ববর্তী ডিজাইন অফ এক্সপেরিমেন্টস (DOE) গবেষণা থেকে প্রাপ্ত মানগুলির চেয়ে উন্নত। অপ্টিমাইজেশন থেকে প্রাপ্ত পরামিতিগুলি ব্যবহার করে ডিজাইন করা স্প্রিং এবং মেকানিজমগুলি প্রথমে ADAMS প্রোগ্রামে বিশ্লেষণ করা হয়েছিল। এরপর, উৎপাদিত স্প্রিংগুলিকে বাস্তব প্রক্রিয়ার সাথে একীভূত করে পরীক্ষামূলক পরীক্ষা চালানো হয়েছিল। পরীক্ষার ফলস্বরূপ, দেখা গেছে যে ডানাগুলি প্রায় 90 মিলিসেকেন্ড পরে খোলা হয়েছিল। এই মানটি প্রকল্পের লক্ষ্যমাত্রা 200 মিলিসেকেন্ডের চেয়ে অনেক কম। এছাড়াও, বিশ্লেষণাত্মক এবং পরীক্ষামূলক ফলাফলের মধ্যে পার্থক্য মাত্র 16 মিলিসেকেন্ড।
বিমান এবং সামুদ্রিক যানবাহনে, স্টেইনলেস স্টিলের কয়েল টিউব ভাঁজ করার প্রক্রিয়া অত্যন্ত গুরুত্বপূর্ণ। বিমানের কর্মক্ষমতা এবং নিয়ন্ত্রণ উন্নত করার জন্য এই সিস্টেমগুলি বিমানের পরিবর্তন এবং রূপান্তরগুলিতে ব্যবহৃত হয়। ফ্লাইট মোডের উপর নির্ভর করে, বায়ুগতিগত প্রভাব কমাতে ডানাগুলি আলাদাভাবে ভাঁজ এবং উন্মোচিত হয়। এই পরিস্থিতিকে প্রতিদিনের উড্ডয়ন এবং ডাইভিংয়ের সময় কিছু পাখি এবং পোকামাকড়ের ডানার নড়াচড়ার সাথে তুলনা করা যেতে পারে। একইভাবে, হাইড্রোডাইনামিক প্রভাব কমাতে এবং হ্যান্ডলিং সর্বাধিক করার জন্য গ্লাইডারগুলি সাবমার্সিবলে ভাঁজ এবং উন্মোচিত হয়। এই প্রক্রিয়াগুলির আরেকটি উদ্দেশ্য হল সংরক্ষণ এবং পরিবহনের জন্য হেলিকপ্টার প্রোপেলার 4 ভাঁজ করার মতো সিস্টেমগুলিতে ভলিউমেট্রিক সুবিধা প্রদান করা। রকেটের ডানাগুলিও ভাঁজ করে স্টোরেজ স্পেস কমাতে। এইভাবে, লঞ্চার 5 এর একটি ছোট জায়গায় আরও ক্ষেপণাস্ত্র স্থাপন করা যেতে পারে। ভাঁজ এবং উন্মোচনে কার্যকরভাবে ব্যবহৃত উপাদানগুলি সাধারণত স্প্রিং। ভাঁজ করার মুহুর্তে, এতে শক্তি সঞ্চয় করা হয় এবং উন্মোচনের মুহুর্তে মুক্তি পায়। এর নমনীয় কাঠামোর কারণে, সঞ্চিত এবং মুক্তি শক্তি সমান হয়। স্প্রিংটি মূলত সিস্টেমের জন্য ডিজাইন করা হয়েছে এবং এই নকশাটি একটি অপ্টিমাইজেশন সমস্যা উপস্থাপন করে। কারণ এতে তারের ব্যাস, কয়েলের ব্যাস, বাঁকের সংখ্যা, হেলিক্স কোণ এবং উপাদানের ধরণের মতো বিভিন্ন পরিবর্তনশীল অন্তর্ভুক্ত থাকলেও, ভর, আয়তন, সর্বনিম্ন চাপ বিতরণ বা সর্বাধিক শক্তির প্রাপ্যতার মতো মানদণ্ডও রয়েছে।
এই গবেষণাটি রকেট সিস্টেমে ব্যবহৃত ডানা ভাঁজ করার প্রক্রিয়ার জন্য স্প্রিংগুলির নকশা এবং অপ্টিমাইজেশনের উপর আলোকপাত করে। উড্ডয়নের আগে লঞ্চ টিউবের ভিতরে থাকার কারণে, ডানাগুলি রকেটের পৃষ্ঠে ভাঁজ থাকে এবং লঞ্চ টিউব থেকে বেরিয়ে আসার পরে, তারা একটি নির্দিষ্ট সময়ের জন্য উন্মোচিত হয় এবং পৃষ্ঠের সাথে চাপা থাকে। এই প্রক্রিয়াটি রকেটের সঠিক কার্যকারিতার জন্য অত্যন্ত গুরুত্বপূর্ণ। উন্নত ভাঁজ করার প্রক্রিয়ায়, ডানাগুলি খোলার কাজ টর্শন স্প্রিং দ্বারা সম্পন্ন করা হয় এবং লকিং কম্প্রেশন স্প্রিং দ্বারা সম্পন্ন করা হয়। একটি উপযুক্ত স্প্রিং ডিজাইন করার জন্য, একটি অপ্টিমাইজেশন প্রক্রিয়া সম্পাদন করতে হবে। স্প্রিং অপ্টিমাইজেশনের মধ্যে, সাহিত্যে বিভিন্ন প্রয়োগ রয়েছে।
প্যারেডেস এবং অন্যান্যরা হেলিকাল স্প্রিং ডিজাইনের জন্য সর্বাধিক ক্লান্তি জীবন ফ্যাক্টরকে একটি বস্তুনিষ্ঠ ফাংশন হিসাবে সংজ্ঞায়িত করেছেন এবং একটি অপ্টিমাইজেশন পদ্ধতি হিসাবে কোয়াসি-নিউটোনিয়ান পদ্ধতি ব্যবহার করেছেন। অপ্টিমাইজেশনে পরিবর্তনশীলগুলিকে তারের ব্যাস, কয়েল ব্যাস, বাঁকের সংখ্যা এবং স্প্রিং দৈর্ঘ্য হিসাবে চিহ্নিত করা হয়েছিল। স্প্রিং কাঠামোর আরেকটি প্যারামিটার হল যে উপাদান থেকে এটি তৈরি করা হয়। অতএব, নকশা এবং অপ্টিমাইজেশন গবেষণায় এটি বিবেচনায় নেওয়া হয়েছিল। জেবদি এবং অন্যান্যরা তাদের গবেষণায় বস্তুনিষ্ঠ ফাংশনে সর্বাধিক কঠোরতা এবং সর্বনিম্ন ওজনের লক্ষ্য নির্ধারণ করেছিলেন, যেখানে ওজন ফ্যাক্টরটি তাৎপর্যপূর্ণ ছিল। এই ক্ষেত্রে, তারা স্প্রিং উপাদান এবং জ্যামিতিক বৈশিষ্ট্যগুলিকে পরিবর্তনশীল হিসাবে সংজ্ঞায়িত করেছিলেন। তারা একটি জেনেটিক অ্যালগরিদমকে একটি অপ্টিমাইজেশন পদ্ধতি হিসাবে ব্যবহার করেন। মোটরগাড়ি শিল্পে, যানবাহনের কর্মক্ষমতা থেকে শুরু করে জ্বালানি খরচ পর্যন্ত উপকরণের ওজন অনেক উপায়ে কার্যকর। সাসপেনশনের জন্য কয়েল স্প্রিংগুলিকে অপ্টিমাইজ করার সময় ওজন হ্রাস করা একটি সুপরিচিত গবেষণা 10। ANSYS পরিবেশে তাদের কাজের সময় Bahshesh এবং Bahshesh11 E-glass, কার্বন এবং Kevlar এর মতো উপকরণগুলিকে পরিবর্তনশীল হিসেবে চিহ্নিত করেছেন, যার লক্ষ্য বিভিন্ন সাসপেনশন স্প্রিং কম্পোজিট ডিজাইনে ন্যূনতম ওজন এবং সর্বোচ্চ প্রসার্য শক্তি অর্জন করা। কম্পোজিট স্প্রিং তৈরিতে উৎপাদন প্রক্রিয়া অত্যন্ত গুরুত্বপূর্ণ। সুতরাং, উৎপাদন পদ্ধতি, প্রক্রিয়ায় গৃহীত পদক্ষেপ এবং সেই পদক্ষেপগুলির ক্রম 12,13 এর মতো অপ্টিমাইজেশন সমস্যায় বিভিন্ন পরিবর্তনশীল ভূমিকা পালন করে। গতিশীল সিস্টেমের জন্য স্প্রিং ডিজাইন করার সময়, সিস্টেমের প্রাকৃতিক ফ্রিকোয়েন্সিগুলি বিবেচনায় নেওয়া উচিত। অনুরণন এড়াতে স্প্রিংয়ের প্রথম প্রাকৃতিক ফ্রিকোয়েন্সি সিস্টেমের প্রাকৃতিক ফ্রিকোয়েন্সির কমপক্ষে 5-10 গুণ হওয়া বাঞ্ছনীয়। Taktak et al. 7 স্প্রিংয়ের ভর কমানোর এবং কয়েল স্প্রিং ডিজাইনে বস্তুনিষ্ঠ ফাংশন হিসাবে প্রথম প্রাকৃতিক ফ্রিকোয়েন্সি সর্বাধিক করার সিদ্ধান্ত নিয়েছে। তারা Matlab অপ্টিমাইজেশন টুলে প্যাটার্ন অনুসন্ধান, অভ্যন্তরীণ বিন্দু, সক্রিয় সেট এবং জেনেটিক অ্যালগরিদম পদ্ধতি ব্যবহার করেছে। বিশ্লেষণাত্মক গবেষণা স্প্রিং ডিজাইন গবেষণার অংশ, এবং Finite Element পদ্ধতি এই ক্ষেত্রে জনপ্রিয়। পাতিল প্রমুখ। 16 একটি বিশ্লেষণাত্মক পদ্ধতি ব্যবহার করে একটি কম্প্রেশন হেলিকাল স্প্রিংয়ের ওজন কমানোর জন্য একটি অপ্টিমাইজেশন পদ্ধতি তৈরি করেছেন এবং সসীম উপাদান পদ্ধতি ব্যবহার করে বিশ্লেষণাত্মক সমীকরণ পরীক্ষা করেছেন। স্প্রিংয়ের উপযোগিতা বৃদ্ধির আরেকটি মানদণ্ড হল এটি যে শক্তি সঞ্চয় করতে পারে তার বৃদ্ধি। এই ক্ষেত্রে এটিও নিশ্চিত করে যে স্প্রিং দীর্ঘ সময়ের জন্য তার উপযোগিতা বজায় রাখে। রাহুল এবং রমেশকুমার17 গাড়ির কয়েল স্প্রিং ডিজাইনে স্প্রিংয়ের আয়তন কমাতে এবং স্ট্রেন শক্তি বাড়ানোর চেষ্টা করেন। তারা অপ্টিমাইজেশন গবেষণায় জেনেটিক অ্যালগরিদমও ব্যবহার করেছেন।
দেখা যাচ্ছে, অপ্টিমাইজেশন স্টাডিতে প্যারামিটারগুলি সিস্টেম থেকে সিস্টেমে পরিবর্তিত হয়। সাধারণভাবে, এমন একটি সিস্টেমে কঠোরতা এবং শিয়ার স্ট্রেস প্যারামিটারগুলি গুরুত্বপূর্ণ যেখানে এটি বহন করে এমন লোড নির্ধারক ফ্যাক্টর। এই দুটি প্যারামিটারের সাথে ওজন সীমা সিস্টেমে উপাদান নির্বাচন অন্তর্ভুক্ত করা হয়। অন্যদিকে, অত্যন্ত গতিশীল সিস্টেমে অনুরণন এড়াতে প্রাকৃতিক ফ্রিকোয়েন্সি পরীক্ষা করা হয়। যেসব সিস্টেমে ইউটিলিটি গুরুত্বপূর্ণ, সেখানে শক্তি সর্বাধিক করা হয়। অপ্টিমাইজেশন স্টাডিতে, যদিও FEM বিশ্লেষণাত্মক অধ্যয়নের জন্য ব্যবহৃত হয়, এটি দেখা যায় যে জেনেটিক অ্যালগরিদম14,18 এবং ধূসর নেকড়ে অ্যালগরিদম19 এর মতো মেটাহিউরিস্টিক অ্যালগরিদমগুলি নির্দিষ্ট পরামিতিগুলির একটি পরিসরের মধ্যে ধ্রুপদী নিউটন পদ্ধতির সাথে একসাথে ব্যবহৃত হয়। মেটাহিউরিস্টিক অ্যালগরিদমগুলি প্রাকৃতিক অভিযোজন পদ্ধতির উপর ভিত্তি করে তৈরি করা হয়েছে যা অল্প সময়ের মধ্যে সর্বোত্তম অবস্থার কাছে পৌঁছায়, বিশেষ করে জনসংখ্যার প্রভাবে20,21। অনুসন্ধান এলাকায় জনসংখ্যার একটি এলোমেলো বন্টনের মাধ্যমে, তারা স্থানীয় অপটিমা এড়িয়ে যায় এবং বিশ্বব্যাপী অপটিমা22 এর দিকে অগ্রসর হয়। সুতরাং, সাম্প্রতিক বছরগুলিতে এটি প্রায়শই বাস্তব শিল্প সমস্যার প্রেক্ষাপটে ব্যবহৃত হয়েছে23,24।
এই গবেষণায় বিকশিত ভাঁজ প্রক্রিয়ার জন্য গুরুত্বপূর্ণ বিষয় হল, উড়ানের আগে বন্ধ অবস্থায় থাকা ডানাগুলি টিউব ছেড়ে যাওয়ার একটি নির্দিষ্ট সময় পরে খোলে। এর পরে, লকিং উপাদানটি ডানাটিকে ব্লক করে। অতএব, স্প্রিংগুলি সরাসরি উড়ানের গতিশীলতার উপর প্রভাব ফেলে না। এই ক্ষেত্রে, অপ্টিমাইজেশনের লক্ষ্য ছিল স্প্রিংয়ের চলাচল ত্বরান্বিত করার জন্য সঞ্চিত শক্তি সর্বাধিক করা। রোলের ব্যাস, তারের ব্যাস, রোলের সংখ্যা এবং বিচ্যুতিকে অপ্টিমাইজেশন পরামিতি হিসাবে সংজ্ঞায়িত করা হয়েছিল। স্প্রিংয়ের ছোট আকারের কারণে, ওজনকে লক্ষ্য হিসাবে বিবেচনা করা হয়নি। অতএব, উপাদানের ধরণকে স্থির হিসাবে সংজ্ঞায়িত করা হয়েছে। যান্ত্রিক বিকৃতির জন্য সুরক্ষার মার্জিন একটি গুরুত্বপূর্ণ সীমাবদ্ধতা হিসাবে নির্ধারিত হয়। উপরন্তু, পরিবর্তনশীল আকারের সীমাবদ্ধতাগুলি প্রক্রিয়াটির ক্ষেত্রে জড়িত। BA মেটাহিউরিস্টিক পদ্ধতিটিকে অপ্টিমাইজেশন পদ্ধতি হিসাবে বেছে নেওয়া হয়েছিল। BA এর নমনীয় এবং সরল কাঠামোর জন্য এবং যান্ত্রিক অপ্টিমাইজেশন গবেষণায় অগ্রগতির জন্য পছন্দ করা হয়েছিল। গবেষণার দ্বিতীয় অংশে, ভাঁজ প্রক্রিয়ার মৌলিক নকশা এবং স্প্রিং ডিজাইনের কাঠামোতে বিস্তারিত গাণিতিক অভিব্যক্তি অন্তর্ভুক্ত করা হয়েছে। তৃতীয় অংশে অপ্টিমাইজেশন অ্যালগরিদম এবং অপ্টিমাইজেশন ফলাফল রয়েছে। চতুর্থ অধ্যায়ে ADAMS প্রোগ্রামে বিশ্লেষণ করা হয়েছে। উৎপাদনের আগে স্প্রিংগুলির উপযুক্ততা বিশ্লেষণ করা হয়। শেষ বিভাগে পরীক্ষামূলক ফলাফল এবং পরীক্ষার ছবি রয়েছে। গবেষণায় প্রাপ্ত ফলাফলগুলি DOE পদ্ধতি ব্যবহার করে লেখকদের পূর্ববর্তী কাজের সাথেও তুলনা করা হয়েছিল।
এই গবেষণায় বিকশিত ডানাগুলি রকেটের পৃষ্ঠের দিকে ভাঁজ হওয়া উচিত। ডানাগুলি ভাঁজ থেকে খোলা অবস্থানে ঘোরে। এর জন্য, একটি বিশেষ প্রক্রিয়া তৈরি করা হয়েছিল। চিত্র 1-এ রকেট স্থানাঙ্ক ব্যবস্থায় ভাঁজ এবং খোলা কনফিগারেশন5 দেখানো হয়েছে।
চিত্র ২-এ মেকানিজমের একটি বিভাগীয় দৃশ্য দেখানো হয়েছে। মেকানিজমটিতে বেশ কয়েকটি যান্ত্রিক অংশ রয়েছে: (১) প্রধান বডি, (২) উইং শ্যাফ্ট, (৩) বিয়ারিং, (৪) লক বডি, (৫) লক বুশ, (৬) স্টপ পিন, (৭) টর্শন স্প্রিং এবং (৮) কম্প্রেশন স্প্রিং। উইং শ্যাফ্ট (২) লকিং স্লিভ (৪) এর মাধ্যমে টর্শন স্প্রিং (৭) এর সাথে সংযুক্ত থাকে। রকেট উড্ডয়নের পর তিনটি অংশই একই সাথে ঘোরে। এই ঘূর্ণনশীল নড়াচড়ার মাধ্যমে, ডানাগুলি তাদের চূড়ান্ত অবস্থানে ফিরে যায়। এরপর, পিন (৬) কম্প্রেশন স্প্রিং (৮) দ্বারা সক্রিয় হয়, যার ফলে লকিং বডির সম্পূর্ণ মেকানিজম ব্লক হয়ে যায় (৪)৫।
স্প্রিং-এর মূল নকশা পরামিতি হল ইলাস্টিক মডুলাস (E) এবং শিয়ার মডুলাস (G)। এই গবেষণায়, উচ্চ কার্বন স্প্রিং স্টিলের তার (মিউজিক ওয়্যার ASTM A228) কে স্প্রিং উপাদান হিসেবে বেছে নেওয়া হয়েছে। অন্যান্য পরামিতি হল তারের ব্যাস (d), গড় কয়েল ব্যাস (Dm), কয়েলের সংখ্যা (N) এবং স্প্রিং ডিফ্লেকশন (কম্প্রেশন স্প্রিং-এর জন্য xd এবং টর্শন স্প্রিং-এর জন্য θ)26। কম্প্রেশন স্প্রিং \({(SE}_{x})\) এবং টর্শন (\({SE}_{\theta}\)) স্প্রিং-এর জন্য সঞ্চিত শক্তি সমীকরণ থেকে গণনা করা যেতে পারে। (1) এবং (2)26। (কম্প্রেশন স্প্রিং-এর জন্য শিয়ার মডুলাস (G) মান হল 83.7E9 Pa, এবং টর্শন স্প্রিং-এর জন্য ইলাস্টিক মডুলাস (E) মান হল 203.4E9 Pa।)
সিস্টেমের যান্ত্রিক মাত্রা সরাসরি স্প্রিংয়ের জ্যামিতিক সীমাবদ্ধতা নির্ধারণ করে। এছাড়াও, রকেটটি কোন পরিস্থিতিতে অবস্থিত হবে তাও বিবেচনায় নেওয়া উচিত। এই বিষয়গুলি স্প্রিং প্যারামিটারের সীমা নির্ধারণ করে। আরেকটি গুরুত্বপূর্ণ সীমাবদ্ধতা হল নিরাপত্তা ফ্যাক্টর। শিগলি এবং অন্যান্যরা নিরাপত্তা ফ্যাক্টরের সংজ্ঞা বিস্তারিতভাবে বর্ণনা করেছেন। 26. কম্প্রেশন স্প্রিং সেফটি ফ্যাক্টর (SFC) কে সর্বোচ্চ অনুমোদিত চাপ হিসাবে সংজ্ঞায়িত করা হয় যা ক্রমাগত দৈর্ঘ্যের উপর চাপ দ্বারা ভাগ করা হয়। SFC সমীকরণ ব্যবহার করে গণনা করা যেতে পারে। (3), (4), (5) এবং (6)26. (এই গবেষণায় ব্যবহৃত স্প্রিং উপাদানের জন্য, \({S}_{sy}=980 MPa\))। F সমীকরণের বলকে প্রতিনিধিত্ব করে এবং KB 26 এর বার্গস্ট্র্যাসার ফ্যাক্টরকে প্রতিনিধিত্ব করে।
একটি স্প্রিং (SFT) এর টর্শন সেফটি ফ্যাক্টরকে M দিয়ে ভাগ করলে k হিসেবে সংজ্ঞায়িত করা হয়। SFT সমীকরণ থেকে গণনা করা যেতে পারে। (7), (8), (9) এবং (10)26। (এই গবেষণায় ব্যবহৃত উপাদানের জন্য, \({S}_{y}=1600 \mathrm{MPa}\))। সমীকরণে, টর্কের জন্য M ব্যবহার করা হয়েছে, স্প্রিং ধ্রুবকের জন্য \({k}^{^{\prime}}\) ব্যবহার করা হয়েছে (টর্ক/ঘূর্ণন), এবং স্ট্রেস সংশোধন ফ্যাক্টরের জন্য Ki ব্যবহার করা হয়েছে।
এই গবেষণায় প্রধান অপ্টিমাইজেশন লক্ষ্য হল স্প্রিংয়ের শক্তি সর্বাধিক করা। বস্তুনিষ্ঠ ফাংশনটি \(\overrightarrow{\{X\}}\) খুঁজে বের করার জন্য তৈরি করা হয়েছে যা \(f(X)\) কে সর্বাধিক করে। \({f}_{1}(X)\) এবং \({f}_{2}(X)\) যথাক্রমে কম্প্রেশন এবং টর্শন স্প্রিংয়ের শক্তি ফাংশন। অপ্টিমাইজেশনের জন্য ব্যবহৃত গণনা করা চলক এবং ফাংশনগুলি নিম্নলিখিত সমীকরণগুলিতে দেখানো হয়েছে।
স্প্রিং-এর নকশার উপর স্থাপিত বিভিন্ন সীমাবদ্ধতাগুলি নিম্নলিখিত সমীকরণগুলিতে দেওয়া হল। সমীকরণ (15) এবং (16) যথাক্রমে কম্প্রেশন এবং টর্শন স্প্রিং-এর নিরাপত্তার কারণগুলি উপস্থাপন করে। এই গবেষণায়, SFC অবশ্যই 1.2 এর চেয়ে বড় বা সমান এবং SFT অবশ্যই θ26 এর চেয়ে বড় বা সমান হতে হবে।
মৌমাছিদের পরাগ-অনুসন্ধান কৌশল দ্বারা BA অনুপ্রাণিত হয়েছিল27। মৌমাছিরা উর্বর পরাগক্ষেত্রে আরও বেশি সংগ্রাহক এবং কম উর্বর পরাগক্ষেত্রে কম সংগ্রাহক প্রেরণ করে অনুসন্ধান করে। এইভাবে, মৌমাছির জনসংখ্যা থেকে সর্বাধিক দক্ষতা অর্জন করা হয়। অন্যদিকে, স্কাউট মৌমাছিরা পরাগের নতুন ক্ষেত্র অনুসন্ধান করতে থাকে এবং যদি আগের চেয়ে বেশি উৎপাদনশীল এলাকা থাকে, তাহলে অনেক সংগ্রাহক এই নতুন এলাকায় পরিচালিত হবে28। BA দুটি অংশ নিয়ে গঠিত: স্থানীয় অনুসন্ধান এবং বিশ্বব্যাপী অনুসন্ধান। স্থানীয় অনুসন্ধান মৌমাছির মতো ন্যূনতম (অভিজাত স্থান) কাছাকাছি আরও সম্প্রদায়ের জন্য অনুসন্ধান করে এবং অন্যান্য সাইটগুলির জন্য কম অনুসন্ধান করে (সর্বোত্তম বা নির্বাচিত সাইট)। বিশ্বব্যাপী অনুসন্ধান অংশে একটি স্বেচ্ছাসেবী অনুসন্ধান করা হয় এবং যদি ভাল মান পাওয়া যায়, তাহলে পরবর্তী পুনরাবৃত্তিতে স্টেশনগুলিকে স্থানীয় অনুসন্ধান অংশে স্থানান্তরিত করা হয়। অ্যালগরিদমে কিছু পরামিতি রয়েছে: স্কাউট মৌমাছির সংখ্যা (n), স্থানীয় অনুসন্ধান স্থানের সংখ্যা (m), অভিজাত স্থানের সংখ্যা (e), অভিজাত স্থানে সংগ্রাহকের সংখ্যা (nep), সর্বোত্তম এলাকায় সংগ্রাহকের সংখ্যা। সাইট (nsp), আশেপাশের আকার (ngh), এবং পুনরাবৃত্তির সংখ্যা (I)29। BA সিউডোকোড চিত্র 3 এ দেখানো হয়েছে।
অ্যালগরিদম \({g}_{1}(X)\) এবং \({g}_{2}(X)\) এর মধ্যে কাজ করার চেষ্টা করে। প্রতিটি পুনরাবৃত্তির ফলে, সর্বোত্তম মান নির্ধারণ করা হয় এবং সর্বোত্তম মানগুলি অর্জনের জন্য এই মানগুলির চারপাশে একটি জনসংখ্যা সংগ্রহ করা হয়। স্থানীয় এবং বিশ্বব্যাপী অনুসন্ধান বিভাগে সীমাবদ্ধতাগুলি পরীক্ষা করা হয়। স্থানীয় অনুসন্ধানে, যদি এই কারণগুলি উপযুক্ত হয়, তবে শক্তির মান গণনা করা হয়। যদি নতুন শক্তির মান সর্বোত্তম মানের চেয়ে বেশি হয়, তবে নতুন মানটিকে সর্বোত্তম মানের সাথে নির্ধারণ করুন। যদি অনুসন্ধানের ফলাফলে পাওয়া সেরা মান বর্তমান উপাদানের চেয়ে বেশি হয়, তবে নতুন উপাদানটি সংগ্রহে অন্তর্ভুক্ত করা হবে। স্থানীয় অনুসন্ধানের ব্লক ডায়াগ্রাম চিত্র 4 এ দেখানো হয়েছে।
জনসংখ্যা হল BA-তে অন্যতম গুরুত্বপূর্ণ পরামিতি। পূর্ববর্তী গবেষণা থেকে দেখা যায় যে জনসংখ্যা বৃদ্ধির ফলে প্রয়োজনীয় পুনরাবৃত্তির সংখ্যা হ্রাস পায় এবং সাফল্যের সম্ভাবনা বৃদ্ধি পায়। তবে, কার্যকরী মূল্যায়নের সংখ্যাও বৃদ্ধি পাচ্ছে। বিপুল সংখ্যক অভিজাত স্থানের উপস্থিতি কর্মক্ষমতাকে উল্লেখযোগ্যভাবে প্রভাবিত করে না। শূন্য ৩০ না হলে অভিজাত স্থানের সংখ্যা কম হতে পারে। স্কাউট মৌমাছির জনসংখ্যার আকার (n) সাধারণত ৩০ থেকে ১০০ এর মধ্যে বেছে নেওয়া হয়। এই গবেষণায়, উপযুক্ত সংখ্যা নির্ধারণের জন্য ৩০ এবং ৫০ উভয় পরিস্থিতিই চালানো হয়েছিল (সারণী ২)। অন্যান্য পরামিতি জনসংখ্যার উপর নির্ভর করে নির্ধারিত হয়। নির্বাচিত স্থানের সংখ্যা (m) জনসংখ্যার আকারের (প্রায়) ২৫%, এবং নির্বাচিত স্থানগুলির মধ্যে অভিজাত স্থানের সংখ্যা (e) m-এর ২৫%। অভিজাত প্লটের জন্য খাওয়ানো মৌমাছির সংখ্যা (অনুসন্ধানের সংখ্যা) ১০০ এবং অন্যান্য স্থানীয় প্লটের জন্য ৩০ হিসাবে বেছে নেওয়া হয়েছিল। আশেপাশের অনুসন্ধান হল সমস্ত বিবর্তনীয় অ্যালগরিদমের মৌলিক ধারণা। এই গবেষণায়, প্রতিবেশীদের ট্যাপারিং পদ্ধতি ব্যবহার করা হয়েছিল। এই পদ্ধতিটি প্রতিটি পুনরাবৃত্তির সময় একটি নির্দিষ্ট হারে আশেপাশের এলাকার আকার হ্রাস করে। ভবিষ্যতের পুনরাবৃত্তিতে, আরও সঠিক অনুসন্ধানের জন্য ছোট আশেপাশের মান30 ব্যবহার করা যেতে পারে।
প্রতিটি দৃশ্যকল্পের জন্য, অপ্টিমাইজেশন অ্যালগরিদমের পুনরুৎপাদনযোগ্যতা পরীক্ষা করার জন্য পরপর দশটি পরীক্ষা করা হয়েছিল। চিত্র ৫-এ স্কিম ১-এর জন্য টর্শন স্প্রিং-এর অপ্টিমাইজেশনের ফলাফল দেখানো হয়েছে, এবং চিত্র ৬-এ স্কিম ২-এর জন্য। পরীক্ষার তথ্য টেবিল ৩ এবং ৪-এও দেওয়া হয়েছে (কম্প্রেশন স্প্রিংয়ের জন্য প্রাপ্ত ফলাফল সম্বলিত একটি টেবিল পরিপূরক তথ্য S1-এ রয়েছে)। মৌমাছির সংখ্যা প্রথম পুনরাবৃত্তিতে ভাল মানের অনুসন্ধানকে তীব্র করে তোলে। দৃশ্যকল্প ১-এ, কিছু পরীক্ষার ফলাফল সর্বোচ্চের নিচে ছিল। দৃশ্যকল্প ২-এ, দেখা যায় যে জনসংখ্যা বৃদ্ধি এবং অন্যান্য প্রাসঙ্গিক পরামিতিগুলির কারণে সমস্ত অপ্টিমাইজেশন ফলাফল সর্বোচ্চের কাছাকাছি পৌঁছে যাচ্ছে। দেখা যায় যে দৃশ্যকল্প ২-এর মানগুলি অ্যালগরিদমের জন্য যথেষ্ট।
পুনরাবৃত্তিতে শক্তির সর্বোচ্চ মান অর্জন করার সময়, অধ্যয়নের জন্য একটি সীমাবদ্ধতা হিসাবে একটি সুরক্ষা ফ্যাক্টরও সরবরাহ করা হয়। সুরক্ষা ফ্যাক্টরের জন্য সারণী দেখুন। BA ব্যবহার করে প্রাপ্ত শক্তির মানগুলি সারণি 5-এ 5 DOE পদ্ধতি ব্যবহার করে প্রাপ্ত মানগুলির সাথে তুলনা করা হয়েছে। (উৎপাদনের সুবিধার জন্য, টর্শন স্প্রিংয়ের টার্ন (N) সংখ্যা 4.88 এর পরিবর্তে 4.9 এবং সংকোচন স্প্রিংয়ে বিচ্যুতি (xd) 7.99 মিমি এর পরিবর্তে 8 মিমি।) দেখা যায় যে BA আরও ভাল ফলাফল। BA স্থানীয় এবং বিশ্বব্যাপী অনুসন্ধানের মাধ্যমে সমস্ত মান মূল্যায়ন করে। এইভাবে সে আরও দ্রুত বিকল্প চেষ্টা করতে পারে।
এই গবেষণায়, অ্যাডামসকে উইং মেকানিজমের গতিবিধি বিশ্লেষণ করতে ব্যবহার করা হয়েছিল। অ্যাডামসকে প্রথমে মেকানিজমের একটি 3D মডেল দেওয়া হয়। তারপর পূর্ববর্তী বিভাগে নির্বাচিত প্যারামিটারগুলি ব্যবহার করে একটি স্প্রিং সংজ্ঞায়িত করা হয়। এছাড়াও, প্রকৃত বিশ্লেষণের জন্য আরও কিছু প্যারামিটার সংজ্ঞায়িত করা প্রয়োজন। এগুলি হল ভৌত প্যারামিটার যেমন সংযোগ, উপাদান বৈশিষ্ট্য, যোগাযোগ, ঘর্ষণ এবং মাধ্যাকর্ষণ। ব্লেড শ্যাফ্ট এবং বিয়ারিংয়ের মধ্যে একটি সুইভেল জয়েন্ট রয়েছে। 5-6টি নলাকার জয়েন্ট রয়েছে। 5-1টি স্থির জয়েন্ট রয়েছে। মূল বডিটি অ্যালুমিনিয়াম উপাদান দিয়ে তৈরি এবং স্থির। বাকি অংশগুলির উপাদান হল ইস্পাত। উপাদানের ধরণের উপর নির্ভর করে ঘর্ষণ, যোগাযোগের দৃঢ়তা এবং ঘর্ষণ পৃষ্ঠের অনুপ্রবেশের গভীরতার সহগ নির্বাচন করুন। (স্টেইনলেস স্টিল AISI 304) এই গবেষণায়, গুরুত্বপূর্ণ প্যারামিটার হল উইং মেকানিজমের খোলার সময়, যা অবশ্যই 200 ms এর কম হতে হবে। অতএব, বিশ্লেষণের সময় উইং খোলার সময়ের দিকে নজর রাখুন।
অ্যাডামসের বিশ্লেষণের ফলে, উইং মেকানিজমের খোলার সময় হল ৭৪ মিলিসেকেন্ড। ১ থেকে ৪ পর্যন্ত ডায়নামিক সিমুলেশনের ফলাফল চিত্র ৭-এ দেখানো হয়েছে। চিত্র ৫-এর প্রথম ছবিটি হল সিমুলেশন শুরুর সময় এবং ডানাগুলি ভাঁজ করার জন্য অপেক্ষারত অবস্থানে রয়েছে। (২) উইংটি ৪৩ ডিগ্রি ঘোরার ৪০ মিলিসেকেন্ড পরে উইংয়ের অবস্থান প্রদর্শন করে। (৩) ৭১ মিলিসেকেন্ড পরে উইংয়ের অবস্থান দেখায়। এছাড়াও শেষ ছবিতে (৪) উইংয়ের বাঁকের শেষ এবং খোলা অবস্থান দেখায়। ডায়নামিক বিশ্লেষণের ফলে, দেখা গেছে যে উইং খোলার প্রক্রিয়াটি ২০০ মিলিসেকেন্ডের লক্ষ্য মানের চেয়ে উল্লেখযোগ্যভাবে ছোট। এছাড়াও, স্প্রিংগুলির আকার পরিবর্তন করার সময়, সাহিত্যে সুপারিশকৃত সর্বোচ্চ মান থেকে সুরক্ষা সীমা নির্বাচন করা হয়েছিল।
সমস্ত নকশা, অপ্টিমাইজেশন এবং সিমুলেশন অধ্যয়ন সম্পন্ন করার পর, প্রক্রিয়াটির একটি প্রোটোটাইপ তৈরি এবং সংহত করা হয়েছিল। সিমুলেশন ফলাফল যাচাই করার জন্য প্রোটোটাইপটি পরীক্ষা করা হয়েছিল। প্রথমে প্রধান শেলটি সুরক্ষিত করুন এবং ডানাগুলি ভাঁজ করুন। তারপর ডানাগুলিকে ভাঁজ করা অবস্থান থেকে ছেড়ে দেওয়া হয়েছিল এবং ভাঁজ করা অবস্থান থেকে স্থাপন করা অবস্থানে ডানার ঘূর্ণনের একটি ভিডিও তৈরি করা হয়েছিল। ভিডিও রেকর্ডিংয়ের সময় সময় বিশ্লেষণ করার জন্য টাইমারটিও ব্যবহার করা হয়েছিল।
চিত্র ৮-এ ১-৪ নম্বর ভিডিও ফ্রেম দেখানো হয়েছে। চিত্রের ১ নম্বর ফ্রেমে ভাঁজ করা ডানাগুলির মুক্তির মুহূর্ত দেখানো হয়েছে। এই মুহূর্তটিকে t0 সময়ের প্রাথমিক মুহূর্ত হিসেবে বিবেচনা করা হয়। ফ্রেম ২ এবং ৩ প্রাথমিক মুহূর্ত থেকে ৪০ মিলিসেকেন্ড এবং ৭০ মিলিসেকেন্ড পরে ডানার অবস্থান দেখায়। ফ্রেম ৩ এবং ৪ বিশ্লেষণ করলে দেখা যাবে যে ডানার নড়াচড়া t0 এর পরে ৯০ মিলিসেকেন্ড স্থির হয় এবং ডানার খোলার কাজ ৭০ থেকে ৯০ মিলিসেকেন্ডের মধ্যে সম্পন্ন হয়। এই পরিস্থিতির অর্থ হল সিমুলেশন এবং প্রোটোটাইপ পরীক্ষা উভয়ই প্রায় একই ডানা স্থাপনের সময় দেয় এবং নকশাটি প্রক্রিয়াটির কর্মক্ষমতা প্রয়োজনীয়তা পূরণ করে।
এই প্রবন্ধে, উইং ফোল্ডিং মেকানিজমে ব্যবহৃত টর্শন এবং কম্প্রেশন স্প্রিংগুলি BA ব্যবহার করে অপ্টিমাইজ করা হয়েছে। কয়েকটি পুনরাবৃত্তির মাধ্যমে দ্রুত পরামিতিগুলিতে পৌঁছানো সম্ভব। টর্শন স্প্রিংকে 1075 mJ এবং কম্প্রেশন স্প্রিংকে 37.24 mJ রেট করা হয়েছে। এই মানগুলি পূর্ববর্তী DOE গবেষণার তুলনায় 40-50% ভালো। স্প্রিংটিকে মেকানিজমের সাথে একীভূত করা হয়েছে এবং ADAMS প্রোগ্রামে বিশ্লেষণ করা হয়েছে। বিশ্লেষণ করার সময়, দেখা গেছে যে উইংসগুলি 74 মিলিসেকেন্ডের মধ্যে খোলা হয়েছে। এই মানটি প্রকল্পের 200 মিলিসেকেন্ডের লক্ষ্যমাত্রার অনেক কম। পরবর্তী পরীক্ষামূলক গবেষণায়, টার্ন-অন সময় প্রায় 90 ms পরিমাপ করা হয়েছিল। বিশ্লেষণের মধ্যে এই 16 মিলিসেকেন্ডের পার্থক্য সফ্টওয়্যারে মডেল না করা পরিবেশগত কারণগুলির কারণে হতে পারে। এটি বিশ্বাস করা হয় যে গবেষণার ফলে প্রাপ্ত অপ্টিমাইজেশন অ্যালগরিদম বিভিন্ন স্প্রিং ডিজাইনের জন্য ব্যবহার করা যেতে পারে।
স্প্রিং উপাদানটি পূর্বনির্ধারিত ছিল এবং অপ্টিমাইজেশনে পরিবর্তনশীল হিসাবে ব্যবহার করা হয়নি। যেহেতু বিমান এবং রকেটে বিভিন্ন ধরণের স্প্রিং ব্যবহার করা হয়, তাই ভবিষ্যতের গবেষণায় সর্বোত্তম স্প্রিং নকশা অর্জনের জন্য বিভিন্ন ধরণের স্প্রিং ডিজাইনে BA প্রয়োগ করা হবে।
আমরা ঘোষণা করছি যে এই পাণ্ডুলিপিটি মৌলিক, পূর্বে প্রকাশিত হয়নি এবং বর্তমানে অন্য কোথাও প্রকাশের জন্য বিবেচিত হচ্ছে না।
এই গবেষণায় উৎপন্ন বা বিশ্লেষণ করা সমস্ত তথ্য এই প্রকাশিত নিবন্ধে [এবং অতিরিক্ত তথ্য ফাইল] অন্তর্ভুক্ত করা হয়েছে।
মিন, জেড., কিন, ভিকে এবং রিচার্ড, এলজে বিমান আমূল জ্যামিতিক পরিবর্তনের মাধ্যমে এয়ারফয়েল ধারণার আধুনিকীকরণ। আইইএস জে. পার্ট এ সভ্যতা। রচনা। প্রকল্প। 3(3), 188–195 (2010)।
সান, জে., লিউ, কে. এবং ভূষণ, বি. বিটলের পিছনের ডানার একটি সংক্ষিপ্তসার: গঠন, যান্ত্রিক বৈশিষ্ট্য, প্রক্রিয়া এবং জৈবিক অনুপ্রেরণা। জে. মেকা। আচরণ। জৈব চিকিৎসা বিজ্ঞান। আলমা ম্যাটার। 94, 63–73 (2019)।
চেন, জেড., ইউ, জে., ঝাং, এ., এবং ঝাং, এফ. একটি হাইব্রিড চালিত আন্ডারওয়াটার গ্লাইডারের জন্য একটি ভাঁজ প্রপালশন প্রক্রিয়ার নকশা এবং বিশ্লেষণ। ওশান ইঞ্জিনিয়ারিং 119, 125–134 (2016)।
কার্তিক, এইচএস এবং পৃথ্বী, কে। হেলিকপ্টার অনুভূমিক স্ট্যাবিলাইজার ভাঁজ প্রক্রিয়ার নকশা এবং বিশ্লেষণ। অভ্যন্তরীণ জে. ইঞ্জি. স্টোরেজ ট্যাঙ্ক। প্রযুক্তি। (আইজিইআরটি) 9(05), 110–113 (2020)।
কুলুঙ্ক, জেড. এবং সাহিন, এম. একটি পরীক্ষামূলক নকশা পদ্ধতি ব্যবহার করে একটি ভাঁজ করা রকেট উইং ডিজাইনের যান্ত্রিক পরামিতিগুলির অপ্টিমাইজেশন। অভ্যন্তরীণ জে. মডেল। অপ্টিমাইজেশন। 9(2), 108–112 (2019)।
কে, জে., উ, জেডওয়াই, লিউ, ওয়াইএস, জিয়াং, জেড. এবং হু, এক্সডি ডিজাইন পদ্ধতি, কর্মক্ষমতা অধ্যয়ন, এবং কম্পোজিট কয়েল স্প্রিংসের উৎপাদন প্রক্রিয়া: একটি পর্যালোচনা। রচনা। রচনা। 252, 112747 (2020)।
তাক্তাক এম., ওমহেনি কে., আলুই এ., দাম্মাক এফ. এবং খাদ্দার এম. কয়েল স্প্রিং-এর গতিশীল নকশা অপ্টিমাইজেশন। শব্দের জন্য আবেদন করুন। 77, 178–183 (2014)।
প্যারেডেস, এম., সার্টর, এম., এবং মাসকেল, কে. টেনশন স্প্রিংসের নকশা অপ্টিমাইজ করার একটি পদ্ধতি। একটি কম্পিউটার। পদ্ধতির প্রয়োগ। পশম। প্রকল্প। 191(8-10), 783-797 (2001)।
জেবদি ও., বোহিলি আর. এবং ট্রোচু এফ. মাল্টিঅবজেক্টিভ অপ্টিমাইজেশন ব্যবহার করে কম্পোজিট হেলিকাল স্প্রিংসের সর্বোত্তম নকশা। জে. রিইনফ. প্লাস্টিক। কম্পোজ। 28 (14), 1713–1732 (2009)।
পাওয়ার্ট, এইচবি এবং ডেসালে, ডিডি ট্রাইসাইকেল ফ্রন্ট সাসপেনশন কয়েল স্প্রিংয়ের অপ্টিমাইজেশন। প্রক্রিয়া। প্রস্তুতকারক। ২০, ৪২৮–৪৩৩ (২০১৮)।
বাহশেশ এম. এবং বাহশেশ এম. কম্পোজিট স্প্রিং সহ স্টিলের কয়েল স্প্রিংগুলির অপ্টিমাইজেশন। অভ্যন্তরীণ জে. মাল্টিডিসিপ্লিনারি। বিজ্ঞান। প্রকল্প। 3(6), 47–51 (2012)।
চেন, এল. প্রমুখ। কম্পোজিট কয়েল স্প্রিংসের স্ট্যাটিক এবং ডাইনামিক পারফরম্যান্সকে প্রভাবিত করে এমন অনেক পরামিতি সম্পর্কে জানুন। জে. মার্কেট। স্টোরেজ ট্যাঙ্ক। ২০, ৫৩২–৫৫০ (২০২২)।
ফ্রাঙ্ক, জে. কম্পোজিট হেলিকাল স্প্রিংসের বিশ্লেষণ এবং অপ্টিমাইজেশন, পিএইচডি থিসিস, স্যাক্রামেন্টো স্টেট ইউনিভার্সিটি (২০২০)।
গু, জেড., হাউ, এক্স. এবং ইয়ে, জে. পদ্ধতির সংমিশ্রণ ব্যবহার করে অরৈখিক হেলিকাল স্প্রিং ডিজাইন এবং বিশ্লেষণের পদ্ধতি: সসীম উপাদান বিশ্লেষণ, ল্যাটিন হাইপারকিউব সীমিত নমুনা এবং জেনেটিক প্রোগ্রামিং। প্রক্রিয়া। ফার ইনস্টিটিউট। প্রকল্প। সিজে মেকা। প্রকল্প। বিজ্ঞান। 235(22), 5917–5930 (2021)।
উ, এল., প্রমুখ। অ্যাডজাস্টেবল স্প্রিং রেট কার্বন ফাইবার মাল্টি-স্ট্র্যান্ড কয়েল স্প্রিং: একটি ডিজাইন এবং মেকানিজম স্টাডি। জে. মার্কেট। স্টোরেজ ট্যাঙ্ক। 9(3), 5067–5076 (2020)।
পাতিল ডিএস, মঙ্গরুলকার কেএস এবং জগতাপ এসটি কম্প্রেশন হেলিকাল স্প্রিংসের ওজন অপ্টিমাইজেশন। অভ্যন্তরীণ জে. ইনোভ। স্টোরেজ ট্যাঙ্ক। মাল্টিডিসিপ্লিনারি। 2(11), 154–164 (2016)।
রাহুল, এমএস এবং রমেশকুমার, কে. অটোমোটিভ অ্যাপ্লিকেশনের জন্য কয়েল স্প্রিংসের বহুমুখী অপ্টিমাইজেশন এবং সংখ্যাসূচক সিমুলেশন। আলমা ম্যাটার। আজ প্রক্রিয়া। 46. 4847–4853 (2021)।
বাই, জেবি প্রমুখ। সর্বোত্তম অনুশীলন নির্ধারণ - জেনেটিক অ্যালগরিদম ব্যবহার করে যৌগিক হেলিকাল কাঠামোর সর্বোত্তম নকশা। রচনা। রচনা। 268, 113982 (2021)।
শাহিন, আই., ডর্টারলার, এম., এবং গোকচে, এইচ. কম্প্রেশন স্প্রিং ডিজাইনের ন্যূনতম আয়তনের অপ্টিমাইজেশনের উপর ভিত্তি করে 灰狼 অপ্টিমাইজেশন পদ্ধতি ব্যবহার করে, গাজী জে. ইঞ্জিনিয়ারিং সায়েন্স, 3(2), 21–27 (2017)।
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. এবং Sait, SM মেটাহিউরিস্টিকস ক্র্যাশ অপ্টিমাইজ করার জন্য একাধিক এজেন্ট ব্যবহার করে। অভ্যন্তরীণ J. Veh. ডিসেম্বর 80(2–4), 223–240 (2019)।
ইলদিজ, এআর এবং এরদাশ, এমইউ বাস্তব প্রকৌশল সমস্যার নির্ভরযোগ্য নকশার জন্য নতুন হাইব্রিড তাগুচি-সালপা গ্রুপ অপ্টিমাইজেশন অ্যালগরিদম। আলমা ম্যাটার। পরীক্ষা। 63(2), 157–162 (2021)।
Yildiz BS, Foldi N., Burerat S., Yildiz AR এবং Sait SM একটি নতুন হাইব্রিড ঘাসফড়িং অপ্টিমাইজেশন অ্যালগরিদম ব্যবহার করে রোবোটিক গ্রিপার মেকানিজমের নির্ভরযোগ্য নকশা। বিশেষজ্ঞ। সিস্টেম। 38(3), e12666 (2021)।