Dankon pro via vizito al Nature.com. Vi uzas retumilan version kun limigita CSS-subteno. Tubo el neoksidebla ŝtalo Por la plej bona sperto, ni rekomendas, ke vi uzu ĝisdatigitan retumilon (aŭ malŝaltu Kongruecan Reĝimon en Internet Explorer). Krome, por certigi daŭran subtenon, ni montras la retejon sen stiloj kaj JavaScript.
Montras karuselon de tri lumbildoj samtempe. Uzu la butonojn Antaŭa kaj Sekva por moviĝi tra tri lumbildoj samtempe, aŭ uzu la butonojn de la ŝovilo ĉe la fino por moviĝi tra tri lumbildoj samtempe.
En ĉi tiu studo, pri la dezajno de la tordaj kaj kunpremaj risortoj de la faldmekanismo uzata en la raketo, farita el volvaĵtubo el neoksidebla ŝtalo, estas konsiderata kiel optimumiga problemo. Post kiam la raketo forlasas la lanĉtubon, la fermitaj flugiloj devas esti malfermitaj kaj sekurigitaj dum certa tempodaŭro. La celo de la studo estis maksimumigi la energion stokitan en la risortoj, por ke la flugiloj povu deplojiĝi en la plej mallonga ebla tempo. En ĉi tiu kazo, la energia ekvacio en ambaŭ publikaĵoj estis difinita kiel la objektiva funkcio en la optimumiga procezo. La dratdiametro, volvaĵdiametro, nombro de volvaĵoj kaj dekliniĝaj parametroj necesaj por la risortdezajno estis difinitaj kiel optimumigaj variabloj. Ekzistas geometriaj limoj por la variabloj pro la grandeco de la mekanismo, same kiel limoj por la sekurecfaktoro pro la ŝarĝo portata de la risortoj. La algoritmo de la mielabelo (BA) estis uzata por solvi ĉi tiun optimumigan problemon kaj plenumi la risortdezajnon. La energiaj valoroj akiritaj per BA estas pli bonaj ol tiuj akiritaj de antaŭaj studoj pri Dezajno de Eksperimentoj (DOE). Risortoj kaj mekanismoj desegnitaj uzante la parametrojn akiritajn de la optimumigo estis unue analizitaj en la programo ADAMS. Post tio, eksperimentaj testoj estis faritaj per integrado de la fabrikitaj risortoj en realajn mekanismojn. Rezulte de la testo, oni observis, ke la flugiloj malfermiĝis post ĉirkaŭ 90 milisekundoj. Ĉi tiu valoro estas multe sub la celo de la projekto de 200 milisekundoj. Krome, la diferenco inter la analizaj kaj eksperimentaj rezultoj estas nur 16 ms.
En aviadiloj kaj maraj veturiloj, faldmekanismoj el volvaĵaj tuboj el neoksidebla ŝtalo estas kritikaj. Ĉi tiuj sistemoj estas uzataj en aviadilmodifoj kaj konvertoj por plibonigi flugrendimenton kaj kontrolon. Depende de la flugreĝimo, la flugiloj faldiĝas kaj malfaldiĝas malsame por redukti aerdinamikan efikon1. Ĉi tiu situacio povas esti komparata kun la movoj de la flugiloj de iuj birdoj kaj insektoj dum ĉiutaga flugado kaj plonĝado. Simile, glisiloj faldiĝas kaj malfaldiĝas en submarŝipoj por redukti hidrodinamikajn efikojn kaj maksimumigi la manipuladon3. Alia celo de ĉi tiuj mekanismoj estas provizi volumetrajn avantaĝojn al sistemoj kiel la faldado de helikoptera helico 4 por stokado kaj transporto. La flugiloj de la raketo ankaŭ faldiĝas malsupren por redukti stokan spacon. Tiel, pli da misiloj povas esti metitaj sur pli malgrandan areon de la lanĉilo 5. La komponantoj, kiuj estas uzataj efike dum faldado kaj malfaldado, kutime estas risortoj. Dum la faldado, energio estas stokita en ĝi kaj liberigita dum la malfaldado. Pro ĝia fleksebla strukturo, stokita kaj liberigita energio estas egaligitaj. La risorto estas ĉefe desegnita por la sistemo, kaj ĉi tiu dezajno prezentas optimumigan problemon6. Ĉar dum ĝi inkluzivas diversajn variablojn kiel dratdiametron, bobendiametron, nombron de turnoj, helicangulon kaj tipon de materialo, ekzistas ankaŭ kriterioj kiel maso, volumeno, minimuma streĉdistribuo aŭ maksimuma energia havebleco7.
Ĉi tiu studo klarigas la projektadon kaj optimumigon de risortoj por flugilfaldmekanismoj uzataj en raketsistemoj. Estante interne de la lanĉtubo antaŭ la flugo, la flugiloj restas falditaj sur la surfaco de la raketo, kaj post eliro el la lanĉtubo, ili malfaldiĝas dum certa tempo kaj restas premitaj al la surfaco. Ĉi tiu procezo estas kritika por la ĝusta funkciado de la raketo. En la evoluigita faldmekanismo, la malfermo de la flugiloj estas efektivigita per tordrisortoj, kaj la ŝlosado estas efektivigita per kunpremrisortoj. Por desegni taŭgan risorton, optimumiga procezo devas esti efektivigita. Ene de risortoptimigo, ekzistas diversaj aplikoj en la literaturo.
Paredes kaj aliaj8 difinis la maksimuman laciĝvivfaktoron kiel celfunkcion por la dezajno de helikformaj risortoj kaj uzis la kvazaŭ-Newtonian metodon kiel optimumigan metodon. Variabloj en optimumigo estis identigitaj kiel dratdiametro, volvaĵdiametro, nombro da turnoj kaj risortlongo. Alia parametro de la risortstrukturo estas la materialo el kiu ĝi estas farita. Tial, ĉi tio estis konsiderata en la projektaj kaj optimumigaj studoj. Zebdi kaj aliaj9 fiksis celojn de maksimuma rigideco kaj minimuma pezo en la celfunkcio en sia studo, kie la pezfaktoro estis signifa. En ĉi tiu kazo, ili difinis la risortmaterialon kaj geometriajn ecojn kiel variablojn. Ili uzas genetikan algoritmon kiel optimumigan metodon. En la aŭtomobilindustrio, la pezo de materialoj estas utila laŭ multaj manieroj, de veturila efikeco ĝis fuelkonsumo. Pezminimumigo dum optimumigo de volvaĵrisortoj por suspendo estas konata studo10. Bahshesh kaj Bahshesh11 identigis materialojn kiel E-vitro, karbono kaj Kevlaro kiel variablojn en sia laboro en la ANSYS-medio kun la celo atingi minimuman pezon kaj maksimuman streĉreziston en diversaj kompozitaj dezajnoj de suspendaj risortoj. La fabrikada procezo estas kritika en la disvolviĝo de kompozitaj risortoj. Tial, diversaj variabloj ludas rolon en optimumiga problemo, kiel ekzemple la produktada metodo, la paŝoj faritaj en la procezo, kaj la sinsekvo de tiuj paŝoj12,13. Dum la dizajnado de risortoj por dinamikaj sistemoj, la naturaj frekvencoj de la sistemo devas esti konsiderataj. Estas rekomendinde, ke la unua natura frekvenco de la risorto estu almenaŭ 5-10-oble la natura frekvenco de la sistemo por eviti resonancon14. Taktak et al.7 decidis minimumigi la mason de la risorto kaj maksimumigi la unuan naturan frekvencon kiel objektivajn funkciojn en la dizajno de spiralrisortoj. Ili uzis ŝablonserĉon, internan punkton, aktivan aron, kaj genetikajn algoritmajn metodojn en la optimumiga ilo Matlab. Analiza esplorado estas parto de esplorado pri risorta dizajno, kaj la Finia Elementa Metodo estas populara en ĉi tiu areo15. Patil et al.16 disvolvis optimumigan metodon por redukti la pezon de kunprema helikforma risorto uzante analizan proceduron kaj testis la analizajn ekvaciojn uzante la finian elementan metodon. Alia kriterio por pliigi la utilecon de risorto estas la pliiĝo de la energio, kiun ĝi povas stoki. Ĉi tiu kazo ankaŭ certigas, ke la risorto konservas sian utilecon dum longa tempodaŭro. Rahul kaj Rameshkumar17 celas redukti la volumenon de la risorto kaj pliigi la streĉenergion en aŭto-spiralrisortaj dezajnoj. Ili ankaŭ uzis genetikajn algoritmojn en optimumiga esplorado.
Kiel videblas, la parametroj en la optimumiga studo varias de sistemo al sistemo. Ĝenerale, rigideco kaj ŝerstreĉaj parametroj gravas en sistemo, kie la ŝarĝo, kiun ĝi portas, estas la decida faktoro. Materiala elekto estas inkludita en la pezlima sistemo kun ĉi tiuj du parametroj. Aliflanke, naturaj frekvencoj estas kontrolitaj por eviti resonancojn en tre dinamikaj sistemoj. En sistemoj, kie utileco gravas, energio estas maksimumigita. En optimumigaj studoj, kvankam la FEM estas uzata por analizaj studoj, videblas, ke metaheŭristikaj algoritmoj kiel la genetika algoritmo14,18 kaj la griza lupa algoritmo19 estas uzataj kune kun la klasika Neŭtona metodo ene de intervalo de certaj parametroj. Metaheŭristikaj algoritmoj estis evoluigitaj surbaze de naturaj adaptaj metodoj, kiuj alproksimiĝas al la optimuma stato en mallonga tempodaŭro, precipe sub la influo de la populacio20,21. Kun hazarda distribuo de la populacio en la serĉareo, ili evitas lokajn optimumojn kaj moviĝas al tutmondaj optimumoj22. Tiel, en la lastaj jaroj ĝi ofte estis uzata en la kunteksto de realaj industriaj problemoj23,24.
La kritika kazo por la faldmekanismo evoluigita en ĉi tiu studo estas, ke la flugiloj, kiuj estis en fermita pozicio antaŭ la flugo, malfermiĝas post certa tempo post forlaso de la tubo. Post tio, la ŝlosa elemento blokas la flugilon. Tial, la risortoj ne rekte influas la flugdinamikon. En ĉi tiu kazo, la celo de la optimumigo estis maksimumigi la stokitan energion por akceli la movadon de la risorto. Ruldiametro, dratdiametro, nombro de ruloj kaj dekliniĝo estis difinitaj kiel optimumigaj parametroj. Pro la malgranda grandeco de la risorto, pezo ne estis konsiderata celo. Tial, la materiala tipo estas difinita kiel fiksa. La sekurecmarĝeno por mekanikaj deformadoj estas determinita kiel kritika limigo. Krome, variaj grandeclimoj estas implikitaj en la amplekso de la mekanismo. La BA-metaheŭristika metodo estis elektita kiel la optimumiga metodo. BA estis favorita pro ĝia fleksebla kaj simpla strukturo, kaj pro ĝiaj progresoj en esplorado pri mekanika optimumigo25. En la dua parto de la studo, detalaj matematikaj esprimoj estas inkluditaj en la kadro de la baza dezajno kaj risortdezajno de la faldmekanismo. La tria parto enhavas la optimumigan algoritmon kaj optimumigajn rezultojn. Ĉapitro 4 faras analizon en la ADAMS-programo. La taŭgeco de la risortoj estas analizita antaŭ produktado. La lasta sekcio enhavas eksperimentajn rezultojn kaj testajn bildojn. La rezultoj akiritaj en la studo ankaŭ estis komparitaj kun la antaŭa laboro de la aŭtoroj uzante la DOE-metodon.
La flugiloj evoluigitaj en ĉi tiu studo devus faldiĝi al la surfaco de la raketo. La flugiloj rotacias de faldita al malfaldita pozicio. Por tio, speciala mekanismo estis evoluigita. Figuro 1 montras la falditan kaj malfalditan konfiguracion5 en la koordinatsistemo de la raketo.
Fig. 2 montras sekcan vidon de la mekanismo. La mekanismo konsistas el pluraj mekanikaj partoj: (1) ĉefa korpo, (2) flugilŝafto, (3) lagro, (4) serurkorpo, (5) seruringo, (6) haltiga stifto, (7) tordrisorto kaj (8) kunpremrisortoj. La flugilŝafto (2) estas konektita al la tordrisorto (7) per la ŝlosingo (4). Ĉiuj tri partoj rotacias samtempe post la ekflugo de la raketo. Kun ĉi tiu rotacia movo, la flugiloj turniĝas al sia fina pozicio. Post tio, la stifto (6) estas funkciigata per la kunpremrisorto (8), tiel blokante la tutan mekanismon de la ŝloskorpo (4).
Elasta modulo (E) kaj ŝirmodulo (G) estas ŝlosilaj dezajnaj parametroj de la risorto. En ĉi tiu studo, altkarbona risortŝtala drato (Muzika drato ASTM A228) estis elektita kiel la risortmaterialo. Aliaj parametroj estas drata diametro (d), meza volvaĵdiametro (Dm), nombro de volvaĵoj (N) kaj risortflekso (xd por kunpremaj risortoj kaj θ por tordaj risortoj)26. La stokita energio por kunpremaj risortoj \({(SE}_{x})\) kaj tordaj (\({SE}_{\theta}\)) risortoj povas esti kalkulita per la ekvacioj (1) kaj (2)26. (La ŝirmodulo (G) por la kunprema risorto estas 83.7E9 Pa, kaj la elasta modulo (E) por la torda risorto estas 203.4E9 Pa.)
La mekanikaj dimensioj de la sistemo rekte difinas la geometriajn limojn de la risorto. Krome, oni ankaŭ konsideru la kondiĉojn, en kiuj la raketo estos lokita. Ĉi tiuj faktoroj difinas la limojn de la risortaj parametroj. Alia grava limo estas la sekurecfaktoro. La difino de sekurecfaktoro estas detale priskribita de Shigley et al.26. La sekurecfaktoro de la kunprema risorto (SFC) estas difinita kiel la maksimuma permesita streĉo dividita per la streĉo super la kontinua longo. SFC povas esti kalkulita per la ekvacioj (3), (4), (5) kaj (6)26. (Por la risorta materialo uzita en ĉi tiu studo, \({S}_{sy}=980 MPa\)). F reprezentas la forton en la ekvacio kaj KB reprezentas la Bergstrasser-faktoron de 26.
La torda sekurecfaktoro de risorto (TSF) estas difinita kiel M dividita per k. TSF povas esti kalkulita per la ekvacioj (7), (8), (9) kaj (10)26. (Por la materialo uzita en ĉi tiu studo, \({S}_{y}=1600 \mathrm{MPa}\)). En la ekvacio, M estas uzata por tordmomanto, \({k}^{^{\prime}}\) estas uzata por risortkonstanto (tordmomanto/rotacio), kaj Ki estas uzata por streĉa korekta faktoro.
La ĉefa celo de optimumigo en ĉi tiu studo estas maksimumigi la energion de la risorto. La objektiva funkcio estas formulita por trovi \(\overrightarrow{\{X\}}\) kiu maksimumigas \(f(X)\). \({f}_{1}(X)\) kaj \({f}_{2}(X)\) estas la energiaj funkcioj de la kunprema kaj torda risorto, respektive. La kalkulitaj variabloj kaj funkcioj uzitaj por optimumigo estas montritaj en la jenaj ekvacioj.
La diversaj limigoj aplikitaj al la dezajno de la risorto estas donitaj en la jenaj ekvacioj. Ekvacioj (15) kaj (16) reprezentas la sekurecfaktorojn por kunpremaj kaj tordaj risortoj, respektive. En ĉi tiu studo, SFC devas esti pli granda ol aŭ egala al 1.2 kaj SFT devas esti pli granda ol aŭ egala al θ26.
BA estis inspirita de la polen-serĉaj strategioj de abeloj27. Abeloj serĉas sendante pli da furaĝistoj al fekundaj polenkampoj kaj malpli da furaĝistoj al malpli fekundaj polenkampoj. Tiel, la plej granda efikeco de la abelpopulacio estas atingita. Aliflanke, skoltaj abeloj daŭre serĉas novajn areojn de poleno, kaj se estas pli produktivaj areoj ol antaŭe, multaj furaĝistoj estos direktitaj al ĉi tiu nova areo28. BA konsistas el du partoj: loka serĉo kaj tutmonda serĉo. Loka serĉo serĉas pli da komunumoj proksime al la minimumo (elitaj lokoj), kiel abeloj, kaj serĉas malpli aliajn lokojn (optimumaj aŭ elektitaj lokoj). Arbitra serĉo estas farata en la tutmonda serĉparto, kaj se bonaj valoroj estas trovitaj, la stacioj estas movitaj al la loka serĉparto en la sekva iteracio. La algoritmo enhavas kelkajn parametrojn: la nombron de skoltaj abeloj (n), la nombron de lokaj serĉlokoj (m), la nombron de elitaj lokoj (e), la nombron de furaĝistoj en elitaj lokoj (nep), la nombron de furaĝistoj en optimumaj areoj. Loko (nsp), najbareca grandeco (ngh), kaj nombro de iteracioj (I)29. La BA-pseŭdokodo estas montrita en Figuro 3.
La algoritmo provas labori inter \({g}_{1}(X)\) kaj \({g}_{2}(X)\). Kiel rezulto de ĉiu iteracio, optimumaj valoroj estas determinitaj kaj populacio estas kolektita ĉirkaŭ ĉi tiuj valoroj por provi akiri la plej bonajn valorojn. Limigoj estas kontrolitaj en la lokaj kaj tutmondaj serĉsekcioj. En loka serĉo, se ĉi tiuj faktoroj taŭgas, la energia valoro estas kalkulata. Se la nova energia valoro estas pli granda ol la optimuma valoro, asignu la novan valoron al la optimuma valoro. Se la plej bona valoro trovita en la serĉrezulto estas pli granda ol la nuna elemento, la nova elemento estos inkluzivita en la kolekto. La blokdiagramo de la loka serĉo estas montrita en Figuro 4.
Populacio estas unu el la ŝlosilaj parametroj en BA. Oni povas vidi el antaŭaj studoj, ke vastigi la populacion reduktas la nombron da bezonataj ripetoj kaj pliigas la probablecon de sukceso. Tamen, la nombro da funkciaj taksoj ankaŭ kreskas. La ĉeesto de granda nombro da elitaj lokoj ne signife influas la rendimenton. La nombro da elitaj lokoj povas esti malalta se ĝi ne estas nulo30. La grandeco de la skoltabela populacio (n) estas kutime elektita inter 30 kaj 100. En ĉi tiu studo, kaj 30 kaj 50 scenaroj estis funkciigitaj por determini la taŭgan nombron (Tabelo 2). Aliaj parametroj estas determinitaj depende de la populacio. La nombro da elektitaj lokoj (m) estas (proksimume) 25% de la populaciograndeco, kaj la nombro da elitaj lokoj (e) inter la elektitaj lokoj estas 25% de m. La nombro da manĝantaj abeloj (nombro da serĉoj) estis elektita kiel 100 por elitaj parceloj kaj 30 por aliaj lokaj parceloj. Najbareca serĉado estas la baza koncepto de ĉiuj evoluaj algoritmoj. En ĉi tiu studo, la metodo de mallarĝiĝantaj najbaroj estis uzita. Ĉi tiu metodo reduktas la grandecon de la najbareco je certa rapideco dum ĉiu iteracio. En estontaj iteracioj, pli malgrandaj najbarecaj valoroj30 povas esti uzataj por pli preciza serĉado.
Por ĉiu scenaro, dek sinsekvaj testoj estis faritaj por kontroli la reprodukteblecon de la optimumiga algoritmo. En figuro 5 estas montritaj la rezultoj de la optimumigo de la torda risorto por skemo 1, kaj en figuro 6 - por skemo 2. Testdatumoj ankaŭ estas donitaj en tabeloj 3 kaj 4 (tabelo enhavanta la rezultojn akiritajn por la kunprema risorto estas en Suplementa Informo S1). La abelpopulacio intensigas la serĉadon de bonaj valoroj en la unua iteracio. En scenaro 1, la rezultoj de kelkaj testoj estis sub la maksimumo. En Scenaro 2, videblas, ke ĉiuj optimumigaj rezultoj alproksimiĝas al la maksimumo pro la pliiĝo de la populacio kaj aliaj koncernaj parametroj. Videblas, ke la valoroj en Scenaro 2 estas sufiĉaj por la algoritmo.
Kiam oni akiras la maksimuman valoron de energio en iteracioj, sekurecfaktoro ankaŭ estas provizita kiel limo por la studo. Vidu tabelon por la sekurecfaktoro. La energiaj valoroj akiritaj uzante BA estas komparitaj kun tiuj akiritaj uzante la 5 DOE-metodon en Tabelo 5. (Por faciligi fabrikadon, la nombro da turnoj (N) de la torda risorto estas 4,9 anstataŭ 4,88, kaj la dekliniĝo (xd) estas 8 mm anstataŭ 7,99 mm en la kunprema risorto.) Videblas, ke BA estas pli bona rezulto. BA taksas ĉiujn valorojn per lokaj kaj tutmondaj serĉoj. Tiel li povas provi pli da alternativoj pli rapide.
En ĉi tiu studo, Adams estis uzata por analizi la movadon de la flugilmekanismo. Unue, al Adams oni donas 3D-modelon de la mekanismo. Poste oni difinas risorton kun la parametroj elektitaj en la antaŭa sekcio. Krome, iuj aliaj parametroj devas esti difinitaj por la fakta analizo. Temas pri fizikaj parametroj kiel konektoj, materialaj ecoj, kontakto, frotado kaj gravito. Ekzistas pivota junto inter la klingoŝafto kaj la lagro. Estas 5-6 cilindraj juntoj. Estas 5-1 fiksaj juntoj. La ĉefa korpo estas farita el aluminio kaj fiksita materialo. La materialo de la ceteraj partoj estas ŝtalo. Elektu la frotokoeficienton, kontaktan rigidecon kaj penetroprofundon de la frotosurfaco depende de la tipo de materialo (neoksidebla ŝtalo AISI 304). En ĉi tiu studo, la kritika parametro estas la malfermotempo de la flugilmekanismo, kiu devas esti malpli ol 200 ms. Tial, atentu la malfermotempon de la flugilo dum la analizo.
Rezulte de la analizo de Adams, la malfermiĝtempo de la flugilmekanismo estas 74 milisekundoj. La rezultoj de la dinamika simulado de 1 ĝis 4 estas montritaj en Figuro 7. La unua bildo en Figuro 5 estas la komenctempo de la simulado kaj la flugiloj estas en la atendpozicio por faldado. (2) Montras la pozicion de la flugilo post 40ms kiam la flugilo rotaciis 43 gradojn. (3) montras la pozicion de la flugilo post 71 milisekundoj. Ankaŭ en la lasta bildo (4) montras la finon de la turniĝo de la flugilo kaj la malferman pozicion. Rezulte de la dinamika analizo, oni observis, ke la malfermiĝmekanismo de la flugilo estas signife pli mallonga ol la cela valoro de 200 ms. Krome, dum la dimensio de la risortoj, la sekurecaj limoj estis elektitaj el la plej altaj valoroj rekomenditaj en la literaturo.
Post kompletigo de ĉiuj studoj pri projektado, optimumigo kaj simulado, prototipo de la mekanismo estis fabrikita kaj integrita. La prototipo estis poste testita por kontroli la simulajn rezultojn. Unue oni fiksis la ĉefan ŝelon kaj faldis la flugilojn. Poste la flugiloj estis liberigitaj de la faldita pozicio kaj filmeto estis farita pri la rotacio de la flugiloj de la faldita pozicio al la deplojita. La tempmezurilo ankaŭ estis uzata por analizi la tempon dum la videoregistrado.
En figuro 8 estas montrataj videokadroj numeritaj 1-4. Kadro numero 1 en la figuro montras la momenton de liberigo de la falditaj flugiloj. Ĉi tiu momento estas konsiderata la komenca momento de tempo t0. Kadroj 2 kaj 3 montras la poziciojn de la flugiloj 40 ms kaj 70 ms post la komenca momento. Analizante kadrojn 3 kaj 4, oni povas vidi, ke la movado de la flugilo stabiliĝas 90 ms post t0, kaj la malfermo de la flugilo kompletiĝas inter 70 kaj 90 ms. Ĉi tiu situacio signifas, ke kaj simulado kaj prototiptestado donas proksimume la saman flugilan deplojtempon, kaj la dezajno plenumas la funkciajn postulojn de la mekanismo.
En ĉi tiu artikolo, la tordaj kaj kunpremaj risortoj uzataj en la faldmekanismo de la flugiloj estas optimumigitaj per BA. La parametroj povas esti atingitaj rapide per malmultaj ripetoj. La torda risorto estas taksita je 1075 mJ kaj la kunprema risorto estas taksita je 37.24 mJ. Ĉi tiuj valoroj estas 40-50% pli bonaj ol antaŭaj DOE-studoj. La risorto estas integrita en la mekanismon kaj analizita en la ADAMS-programo. Kiam analizite, oni trovis, ke la flugiloj malfermiĝis ene de 74 milisekundoj. Ĉi tiu valoro estas multe sub la celo de la projekto de 200 milisekundoj. En posta eksperimenta studo, la ŝalttempo estis mezurita je ĉirkaŭ 90 ms. Ĉi tiu 16-milisekunda diferenco inter analizoj povas ŝuldiĝi al mediaj faktoroj ne modelitaj en la programaro. Oni kredas, ke la optimumiga algoritmo akirita kiel rezulto de la studo povas esti uzata por diversaj risortaj dezajnoj.
La risortmaterialo estis antaŭdifinita kaj ne estis uzata kiel variablo en la optimumigo. Ĉar multaj malsamaj specoj de risortoj estas uzataj en aviadiloj kaj raketoj, analizo de analizoj (BA) estos aplikata por desegni aliajn specojn de risortoj uzante malsamajn materialojn por atingi optimuman risortdezajnon en estonta esplorado.
Ni deklaras, ke ĉi tiu manuskripto estas originala, ne estis antaŭe publikigita, kaj nuntempe ne estas konsiderata por publikigo aliloke.
Ĉiuj datumoj generitaj aŭ analizitaj en ĉi tiu studo estas inkluzivitaj en ĉi tiu publikigita artikolo [kaj plia informodosiero].
Min, Z., Kin, VK kaj Richard, LJ Aviadila Modernigo de la aertavola koncepto per radikalaj geometriaj ŝanĝoj. IES J. Parto A Civilizo. Komponado. Projekto. 3(3), 188–195 (2010).
Sun, J., Liu, K. kaj Bhushan, B. Superrigardo pri la malantaŭa flugilo de la skarabo: strukturo, mekanikaj ecoj, mekanismoj kaj biologia inspiro. J. Mecha. Konduto. Biomedicina Scienco. studuniversitato. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., kaj Zhang, F. Dezajno kaj analizo de faldebla propulsmekanismo por hibrida subakva glisilo. Ocean Engineering 119, 125–134 (2016).
Kartik, HS kaj Prithvi, K. Dezajno kaj Analizo de Helikoptera Horizontala Stabiliga Faldebla Mekanismo. interna J. Ing. stokujo. teknologio. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. kaj Sahin, M. Optimigo de la mekanikaj parametroj de faldebla raketa flugilo uzante eksperimentan dezajnan metodon. interna J. Modelo. optimumigo. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Dezajna Metodo, Studo pri Elfaro, kaj Fabrikada Procezo de Komponitaj Volvaĵorisortoj: Revizio. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. kaj Khaddar M. Dinamika dezajnoptimigo de spiralrisortoj. Apliki por sono. 77, 178–183 (2014).
Paredes, M., Sartor, M., kaj Mascle, K. Proceduro por optimumigi la dezajnon de streĉrisortoj. Komputilo. Apliko de la metodo. Fur. Project. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. kaj Trochu F. Optimuma dezajno de kompozitaj helikformaj risortoj uzante plurcelan optimumigon. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB kaj Desale, DD Optimigo de spiralrisortoj de tricikloj antaŭpendantaj. Procezo. Fabrikisto. 20, 428–433 (2018).
Bahshesh M. kaj Bahshesh M. Optimigo de ŝtalaj spiralrisortoj per kompozitaj risortoj. interna J. Multidisciplina. la scienco. projekto. 3(6), 47–51 (2012).
Chen, L. et al. Lernu pri la multaj parametroj, kiuj influas la statikan kaj dinamikan funkciadon de kompozitaj spiralrisortoj. J. Market. stokujo. 20, 532–550 (2022).
Frank, J. Analizo kaj Optimigo de Komponitaj Helikformaj Risortoj, Doktora Disertacio, Sacramento State University (2020).
Gu, Z., Hou, X. kaj Ye, J. Metodoj por desegni kaj analizi nelinearajn helikformajn risortojn uzante kombinaĵon de metodoj: finia elementa analizo, latina hiperkuba limigita specimenado, kaj genetika programado. procezo. Fur Institute. projekto. CJ Mecha. projekto. la scienco. 235(22), 5917–5930 (2021).
Wu, L., et al. Alĝustigeblaj Risortoj el Karbonfibraj Multfadenaj Risortoj: Studo pri Dezajno kaj Mekanismo. J. Market. stokujo. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS kaj Jagtap ST Pezo-optimigo de kunpremaj helikformaj risortoj. interna J. Innov. stokujo. Multdisciplina. 2(11), 154–164 (2016).
Rahul, MS kaj Rameshkumar, K. Multcela optimumigo kaj numera simulado de spiralrisortoj por aŭtomobilaj aplikoj. alma mater. process today. 46. 4847–4853 (2021).
Bai, JB et al. Difinante Plej Bonan Praktikon - Optimuma Dezajno de Komponitaj Helikformaj Strukturoj Uzante Genetikajn Algoritmojn. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M., kaj Gokche, H. Uzante la 灰狼 optimumigan metodon bazitan sur la optimumigo de la minimuma volumeno de la kunprema risortdezajno, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. kaj Sait, SM Metaheŭristikoj uzantaj plurajn agentojn por optimumigi kraŝojn. interna J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR kaj Erdash, MU Nova hibrida Taguchi-salpa grupa optimumiga algoritmo por fidinda projektado de realaj inĝenieraj problemoj. alma mater. test. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR kaj Sait SM Fidinda dezajno de robotaj prenilmekanismoj uzante novan hibridan akridan optimumigalgoritmon. expert. system. 38(3), e12666 (2021).