Gracias por visitar Nature.com. Está utilizando una versión de navegador con compatibilidad limitada con CSS. Tubo de acero inoxidable en espiral. Para una mejor experiencia, le recomendamos usar un navegador actualizado (o desactivar el modo de compatibilidad en Internet Explorer). Además, para garantizar un soporte continuo, mostramos el sitio sin estilos ni JavaScript.
Muestra un carrusel de tres diapositivas a la vez. Use los botones Anterior y Siguiente para desplazarse por las tres diapositivas a la vez, o use los botones deslizantes al final para desplazarse por las tres diapositivas a la vez.
En este estudio, el diseño de los resortes de torsión y compresión del mecanismo de plegado de las alas del cohete se considera un problema de optimización. Tras abandonar el cohete el tubo de lanzamiento, las alas cerradas deben abrirse y sujetarse durante un tiempo determinado. El objetivo del estudio fue maximizar la energía almacenada en los resortes para que estas se desplegaran en el menor tiempo posible. En este caso, la ecuación de energía, presente en ambas publicaciones, se definió como la función objetivo del proceso de optimización. El diámetro del alambre, el diámetro de la bobina, el número de espiras y los parámetros de deflexión necesarios para el diseño del resorte se definieron como variables de optimización. Existen límites geométricos en las variables debido al tamaño del mecanismo, así como límites en el factor de seguridad debido a la carga soportada por los resortes. Se utilizó el algoritmo Honey Bee (BA) para resolver este problema de optimización y diseñar el resorte. Los valores de energía obtenidos con BA son superiores a los obtenidos en estudios previos de Diseño de Experimentos (DOE). Los resortes y mecanismos diseñados con los parámetros obtenidos en la optimización se analizaron inicialmente en el programa ADAMS. Posteriormente, se realizaron pruebas experimentales integrando los resortes fabricados en mecanismos reales. Como resultado de la prueba, se observó que las alas se abrieron después de aproximadamente 90 milisegundos. Este valor está muy por debajo del objetivo del proyecto de 200 milisegundos. Además, la diferencia entre los resultados analíticos y experimentales es de tan solo 16 ms.
En aeronaves y vehículos marinos, los mecanismos de plegado de tubos de acero inoxidable son cruciales. Estos sistemas se utilizan en modificaciones y conversiones de aeronaves para mejorar el rendimiento y el control del vuelo. Según el modo de vuelo, las alas se pliegan y despliegan de forma diferente para reducir el impacto aerodinámico¹. Esta situación se puede comparar con los movimientos de las alas de algunas aves e insectos durante el vuelo y el buceo diarios. De forma similar, los planeadores en sumergibles se pliegan y despliegan para reducir los efectos hidrodinámicos y maximizar el manejo³. Otro propósito de estos mecanismos es proporcionar ventajas volumétricas a sistemas como el plegado de la hélice de un helicóptero¹ para su almacenamiento y transporte. Las alas de un cohete también se pliegan para reducir el espacio de almacenamiento. De esta forma, se pueden colocar más misiles en un área más pequeña del lanzador¹². Los componentes que se utilizan eficazmente en el plegado y despliegue suelen ser resortes. Al plegarse, se almacena energía en ellos y se libera al desplegarse. Gracias a su estructura flexible, la energía almacenada y liberada se equilibran. El resorte está diseñado principalmente para el sistema, y ​​este diseño presenta un problema de optimización¹². Porque si bien incluye diversas variables como el diámetro del alambre, el diámetro de la bobina, el número de vueltas, el ángulo de la hélice y el tipo de material, también hay criterios como la masa, el volumen, la distribución mínima de tensiones o la máxima disponibilidad energética7.
Este estudio arroja luz sobre el diseño y la optimización de resortes para mecanismos de plegado de alas utilizados en sistemas de cohetes. Dentro del tubo de lanzamiento antes del vuelo, las alas permanecen plegadas sobre la superficie del cohete y, tras salir del tubo de lanzamiento, se despliegan durante un tiempo determinado, permaneciendo presionadas contra la superficie. Este proceso es crucial para el correcto funcionamiento del cohete. En el mecanismo de plegado desarrollado, la apertura de las alas se realiza mediante resortes de torsión y el bloqueo mediante resortes de compresión. Para diseñar un resorte adecuado, se debe realizar un proceso de optimización. La optimización de resortes presenta diversas aplicaciones en la literatura.
Paredes et al.8 definieron el factor de vida útil máxima por fatiga como función objetivo para el diseño de resortes helicoidales y utilizaron el método cuasi-newtoniano como método de optimización. Las variables de optimización fueron el diámetro del alambre, el diámetro de la bobina, el número de vueltas y la longitud del resorte. Otro parámetro de la estructura del resorte es el material del que está hecho. Por lo tanto, esto se tuvo en cuenta en los estudios de diseño y optimización. Zebdi et al.9 establecieron objetivos de rigidez máxima y peso mínimo en la función objetivo en su estudio, donde el factor de peso fue significativo. En este caso, definieron el material del resorte y las propiedades geométricas como variables. Utilizaron un algoritmo genético como método de optimización. En la industria automotriz, el peso de los materiales es útil en muchos aspectos, desde el rendimiento del vehículo hasta el consumo de combustible. La minimización del peso durante la optimización de resortes helicoidales para suspensión es un estudio bien conocido10. Bahshesh y Bahshesh11 identificaron materiales como el vidrio E, el carbono y el kevlar como variables en su trabajo en el entorno ANSYS con el objetivo de lograr el peso mínimo y la máxima resistencia a la tracción en varios diseños compuestos de resortes de suspensión. El proceso de fabricación es fundamental en el desarrollo de resortes compuestos. Por lo tanto, en un problema de optimización intervienen diversas variables, como el método de producción, los pasos del proceso y su secuencia12,13. Al diseñar resortes para sistemas dinámicos, se deben considerar las frecuencias naturales del sistema. Se recomienda que la primera frecuencia natural del resorte sea al menos de 5 a 10 veces la frecuencia natural del sistema para evitar resonancia14. Taktak et al. 7 decidieron minimizar la masa del resorte y maximizar la primera frecuencia natural como funciones objetivo en el diseño del resorte helicoidal. Utilizaron métodos de búsqueda de patrones, punto interior, conjunto activo y algoritmos genéticos en la herramienta de optimización Matlab. La investigación analítica forma parte de la investigación en diseño de resortes, y el método de elementos finitos es popular en este campo15. Patil et al. 16 desarrollaron un método de optimización para reducir el peso de un resorte helicoidal de compresión mediante un procedimiento analítico y probaron las ecuaciones analíticas mediante el método de elementos finitos. Otro criterio para aumentar la utilidad de un resorte es el aumento de su capacidad de almacenamiento de energía. Este caso también garantiza que el resorte conserve su utilidad durante un largo período. Rahul y Rameshkumar17 buscan reducir el volumen del resorte y aumentar la energía de deformación en los diseños de resortes helicoidales para automóviles. También han utilizado algoritmos genéticos en la investigación de optimización.
Como se puede observar, los parámetros en el estudio de optimización varían de un sistema a otro. En general, la rigidez y la tensión cortante son importantes en un sistema donde la carga que soporta es el factor determinante. La selección de materiales se incluye en el sistema de límite de peso con estos dos parámetros. Por otro lado, se verifican las frecuencias naturales para evitar resonancias en sistemas altamente dinámicos. En sistemas donde la utilidad es importante, se maximiza la energía. En estudios de optimización, aunque el MEF se utiliza para estudios analíticos, se observa que algoritmos metaheurísticos como el algoritmo genético14,18 y el algoritmo del lobo gris19 se utilizan junto con el método clásico de Newton dentro de un rango de ciertos parámetros. Se han desarrollado algoritmos metaheurísticos basados ​​en métodos de adaptación natural que se aproximan al estado óptimo en un corto período de tiempo, especialmente bajo la influencia de la población20,21. Con una distribución aleatoria de la población en el área de búsqueda, evitan los óptimos locales y se acercan a los óptimos globales22. Por lo tanto, en los últimos años se ha utilizado con frecuencia en el contexto de problemas industriales reales23,24.
El caso crítico del mecanismo de plegado desarrollado en este estudio radica en que las alas, que se encontraban cerradas antes del vuelo, se abren transcurrido un tiempo tras salir del tubo. Posteriormente, el elemento de bloqueo bloquea el ala. Por lo tanto, los resortes no afectan directamente la dinámica de vuelo. En este caso, el objetivo de la optimización fue maximizar la energía almacenada para acelerar el movimiento del resorte. Se definieron como parámetros de optimización el diámetro del rodillo, el diámetro del alambre, el número de rodillos y la deflexión. Debido al pequeño tamaño del resorte, el peso no se consideró un objetivo. Por lo tanto, el tipo de material se define como fijo. El margen de seguridad para las deformaciones mecánicas se considera una limitación crítica. Además, existen restricciones de tamaño variable en el alcance del mecanismo. Se seleccionó el método metaheurístico BA como método de optimización. BA fue el método predilecto por su estructura flexible y simple, y por sus avances en la investigación de optimización mecánica25. En la segunda parte del estudio, se incluyen expresiones matemáticas detalladas en el marco del diseño básico y del diseño del resorte del mecanismo de plegado. La tercera parte contiene el algoritmo de optimización y sus resultados. El capítulo 4 realiza el análisis en el programa ADAMS. Se analiza la idoneidad de los resortes antes de la producción. La última sección contiene resultados experimentales e imágenes de prueba. Los resultados obtenidos en el estudio también se compararon con trabajos previos de los autores utilizando el método DOE.
Las alas desarrolladas en este estudio deben plegarse hacia la superficie del cohete. Las alas giran de la posición plegada a la desplegada. Para ello, se desarrolló un mecanismo especial. La figura 1 muestra la configuración plegada y desplegada5 en el sistema de coordenadas del cohete.
La figura 2 muestra una vista en sección del mecanismo. Este consta de varias piezas mecánicas: (1) cuerpo principal, (2) eje del ala, (3) cojinete, (4) cuerpo de bloqueo, (5) casquillo de bloqueo, (6) pasador de tope, (7) resorte de torsión y (8) resortes de compresión. El eje del ala (2) está conectado al resorte de torsión (7) a través del manguito de bloqueo (4). Las tres piezas giran simultáneamente tras el despegue del cohete. Con este movimiento de rotación, las alas giran hasta su posición final. Posteriormente, el pasador (6) es accionado por el resorte de compresión (8), bloqueando así todo el mecanismo del cuerpo de bloqueo (4)5.
El módulo elástico (E) y el módulo de corte (G) son parámetros clave de diseño del resorte. En este estudio, se seleccionó alambre de acero para resortes con alto contenido de carbono (alambre de música ASTM A228) como material. Otros parámetros son el diámetro del alambre (d), el diámetro promedio de la bobina (Dm), el número de bobinas (N) y la deflexión del resorte (xd para resortes de compresión y θ para resortes de torsión)26. La energía almacenada para resortes de compresión \({(SE}_{x})\) y de torsión (\({SE}_{\theta}\)) se puede calcular a partir de las ecuaciones (1) y (2)26. (El valor del módulo de corte (G) para el resorte de compresión es de 83,7 E₂ Pa, y el valor del módulo elástico (E) para el resorte de torsión es de 203,4 E₂ Pa).
Las dimensiones mecánicas del sistema determinan directamente las restricciones geométricas del resorte. Además, también deben tenerse en cuenta las condiciones en las que se ubicará el cohete. Estos factores determinan los límites de los parámetros del resorte. Otra limitación importante es el factor de seguridad. La definición de factor de seguridad se describe en detalle en Shigley et al.26. El factor de seguridad del resorte de compresión (SFC) se define como la tensión máxima admisible dividida entre la tensión sobre la longitud continua. El SFC se puede calcular mediante las ecuaciones (3), (4), (5) y (6)26. (Para el material del resorte utilizado en este estudio, \({S}_{sy}=980 MPa\)). F representa la fuerza en la ecuación y KB representa el factor de Bergstrasser de 26.
El factor de seguridad de torsión de un resorte (SFT) se define como M dividido entre k. El SFT se puede calcular a partir de las ecuaciones (7), (8), (9) y (10)26. (Para el material utilizado en este estudio, \({S}_{y}=1600 \mathrm{MPa}\)). En la ecuación, M representa el torque, \({k}^{^{\prime}}\) representa la constante del resorte (torque/rotación) y Ki representa el factor de corrección de tensión.
El principal objetivo de optimización de este estudio es maximizar la energía del resorte. La función objetivo se formula para encontrar \(\overrightarrow{\{X\}}\) que maximiza \(f(X)\). \({f}_{1}(X)\) y \({f}_{2}(X)\) son las funciones de energía del resorte de compresión y torsión, respectivamente. Las variables y funciones calculadas para la optimización se muestran en las siguientes ecuaciones.
Las diversas restricciones impuestas al diseño del resorte se indican en las siguientes ecuaciones. Las ecuaciones (15) y (16) representan los factores de seguridad para resortes de compresión y torsión, respectivamente. En este estudio, el factor de seguridad de compresión (FSC) debe ser mayor o igual a 1,2 y el factor de seguridad de torsión (FTS) debe ser mayor o igual a θ26.
BA se inspiró en las estrategias de búsqueda de polen de las abejas27. Las abejas buscan enviando más abejas recolectoras a campos de polen fértiles y menos a campos de polen menos fértiles. Por lo tanto, se logra la mayor eficiencia de la población de abejas. Por otro lado, las abejas exploradoras continúan buscando nuevas áreas de polen, y si hay áreas más productivas que antes, muchas abejas recolectoras se dirigirán a esta nueva área28. BA consta de dos partes: búsqueda local y búsqueda global. La búsqueda local busca más comunidades cerca del mínimo (sitios de élite), como las abejas, y busca menos otros sitios (sitios óptimos o selectos). Se realiza una búsqueda arbitraria en la parte de búsqueda global, y si se encuentran buenos valores, las estaciones se mueven a la parte de búsqueda local en la siguiente iteración. El algoritmo contiene algunos parámetros: el número de abejas exploradoras (n), el número de sitios de búsqueda local (m), el número de sitios de élite (e), el número de abejas recolectoras en sitios de élite (nep), el número de abejas recolectoras en áreas óptimas. Sitio (nsp), tamaño del vecindario (ngh) y número de iteraciones (I)29. El pseudocódigo de BA se muestra en la Figura 3.
El algoritmo intenta trabajar entre \({g}_{1}(X)\) y \({g}_{2}(X)\). Como resultado de cada iteración, se determinan los valores óptimos y se crea una población en torno a ellos para intentar obtener los mejores. Se verifican las restricciones en las secciones de búsqueda local y global. En una búsqueda local, si estos factores son apropiados, se calcula el valor de energía. Si el nuevo valor de energía es mayor que el valor óptimo, se asigna el nuevo valor a este. Si el mejor valor encontrado en el resultado de la búsqueda es mayor que el elemento actual, el nuevo elemento se incluirá en la colección. El diagrama de bloques de la búsqueda local se muestra en la Figura 4.
La población es uno de los parámetros clave en AB. Estudios previos demuestran que expandir la población reduce el número de iteraciones requeridas y aumenta la probabilidad de éxito. Sin embargo, el número de evaluaciones funcionales también está aumentando. La presencia de un gran número de sitios élite no afecta significativamente el rendimiento. El número de sitios élite puede ser bajo si no es cero30. El tamaño de la población de abejas exploradoras (n) generalmente se elige entre 30 y 100. En este estudio, se ejecutaron escenarios de 30 y 50 para determinar el número apropiado (Tabla 2). Se determinan otros parámetros según la población. El número de sitios seleccionados (m) es (aproximadamente) el 25% del tamaño de la población, y el número de sitios élite (e) entre los sitios seleccionados es el 25% de m. El número de abejas que se alimentan (número de búsquedas) se eligió en 100 para las parcelas élite y 30 para otras parcelas locales. La búsqueda de vecindad es el concepto básico de todos los algoritmos evolutivos. En este estudio, se utilizó el método de vecinos decrecientes. Este método reduce el tamaño del vecindario a una tasa determinada en cada iteración. En iteraciones futuras, se podrán utilizar valores de vecindario menores para una búsqueda más precisa.
Para cada escenario, se realizaron diez pruebas consecutivas para verificar la reproducibilidad del algoritmo de optimización. La figura 5 muestra los resultados de la optimización del resorte de torsión para el esquema 1 y la figura 6 para el esquema 2. Los datos de las pruebas también se presentan en las tablas 3 y 4 (la tabla con los resultados obtenidos para el resorte de compresión se encuentra en la Información Suplementaria S1). La población de abejas intensifica la búsqueda de buenos valores en la primera iteración. En el escenario 1, los resultados de algunas pruebas fueron inferiores al máximo. En el escenario 2, se puede observar que todos los resultados de la optimización se acercan al máximo debido al aumento de la población y otros parámetros relevantes. Se puede observar que los valores del escenario 2 son suficientes para el algoritmo.
Al obtener el valor máximo de energía en las iteraciones, se incluye un factor de seguridad como restricción para el estudio. Véase la tabla para el factor de seguridad. Los valores de energía obtenidos con BA se comparan con los obtenidos con el método 5 DOE en la Tabla 5. (Para facilitar la fabricación, el número de vueltas (N) del resorte de torsión es 4,9 en lugar de 4,88, y la deflexión (xd) es 8 mm en lugar de 7,99 mm en el resorte de compresión). Se observa que BA ofrece un mejor resultado. BA evalúa todos los valores mediante búsquedas locales y globales. De esta forma, puede probar más alternativas con mayor rapidez.
En este estudio, Adams se utilizó para analizar el movimiento del mecanismo del ala. Primero se le da a Adams un modelo 3D del mecanismo. Luego se define un resorte con los parámetros seleccionados en la sección anterior. Además, se deben definir algunos otros parámetros para el análisis real. Estos son parámetros físicos como conexiones, propiedades del material, contacto, fricción y gravedad. Hay una junta giratoria entre el eje de la pala y el cojinete. Hay 5-6 juntas cilíndricas. Hay 5-1 juntas fijas. El cuerpo principal está hecho de material de aluminio y fijo. El material del resto de las partes es acero. Elija el coeficiente de fricción, la rigidez de contacto y la profundidad de penetración de la superficie de fricción dependiendo del tipo de material. (acero inoxidable AISI 304) En este estudio, el parámetro crítico es el tiempo de apertura del mecanismo del ala, que debe ser inferior a 200 ms. Por lo tanto, vigile el tiempo de apertura del ala durante el análisis.
Como resultado del análisis de Adams, el tiempo de apertura del mecanismo del ala es de 74 milisegundos. Los resultados de la simulación dinámica de los pasos 1 a 4 se muestran en la Figura 7. La primera imagen de la Figura 5 es el tiempo de inicio de la simulación y las alas están en la posición de espera para plegarse. (2) Muestra la posición del ala después de 40 ms cuando el ala ha girado 43 grados. (3) muestra la posición del ala después de 71 milisegundos. También en la última imagen (4) se muestra el final del giro del ala y la posición abierta. Como resultado del análisis dinámico, se observó que el mecanismo de apertura del ala es significativamente más corto que el valor objetivo de 200 ms. Además, al dimensionar los resortes, los límites de seguridad se seleccionaron de los valores más altos recomendados en la literatura.
Tras completar todos los estudios de diseño, optimización y simulación, se fabricó e integró un prototipo del mecanismo. Posteriormente, se probó el prototipo para verificar los resultados de la simulación. Primero, se fijó la carcasa principal y se plegaron las alas. A continuación, se soltaron las alas de la posición plegada y se grabó un video de su rotación desde la posición plegada hasta la desplegada. El cronómetro también se utilizó para analizar el tiempo durante la grabación.
La figura 8 muestra los fotogramas de vídeo del 1 al 4. El fotograma 1 muestra el momento de liberación de las alas plegadas, considerado el instante inicial del tiempo t0. Los fotogramas 2 y 3 muestran las posiciones de las alas 40 ms y 70 ms después del instante inicial. Al analizar los fotogramas 3 y 4, se observa que el movimiento del ala se estabiliza 90 ms después de t0, y su apertura se completa entre 70 y 90 ms. Esto significa que tanto la simulación como las pruebas de prototipo arrojan aproximadamente el mismo tiempo de despliegue del ala, y que el diseño cumple con los requisitos de rendimiento del mecanismo.
En este artículo, se optimizan los resortes de torsión y compresión utilizados en el mecanismo de plegado de alas mediante BA. Los parámetros se alcanzan rápidamente con pocas iteraciones. El resorte de torsión tiene una capacidad nominal de 1075 mJ y el de compresión de 37,24 mJ. Estos valores son entre un 40 % y un 50 % mejores que los obtenidos en estudios previos del DOE. El resorte está integrado en el mecanismo y se analiza en el programa ADAMS. Tras el análisis, se observó que las alas se abrieron en 74 milisegundos. Este valor está muy por debajo del objetivo del proyecto de 200 milisegundos. En un estudio experimental posterior, se midió un tiempo de activación de aproximadamente 90 ms. Esta diferencia de 16 milisegundos entre los análisis puede deberse a factores ambientales no modelados en el software. Se cree que el algoritmo de optimización obtenido como resultado del estudio puede utilizarse para diversos diseños de resortes.
El material del resorte estaba predefinido y no se utilizó como variable en la optimización. Dado que se utilizan diversos tipos de resortes en aeronaves y cohetes, se aplicará el BA para diseñar otros tipos de resortes con diferentes materiales y así lograr un diseño óptimo en futuras investigaciones.
Declaramos que este manuscrito es original, no ha sido publicado previamente y no está siendo considerado actualmente para su publicación en otro lugar.
Todos los datos generados o analizados en este estudio están incluidos en este artículo publicado [y archivo de información adicional].
Min, Z., Kin, VK y Richard, LJ Modernización de aeronaves del concepto de perfil aerodinámico mediante cambios geométricos radicales. IES J. Parte A Civilización. Composición. Proyecto. 3(3), 188–195 (2010).
Sun, J., Liu, K. y Bhushan, B. Una visión general del ala posterior del escarabajo: estructura, propiedades mecánicas, mecanismos e inspiración biológica. J. Mecha. Behavior. Biomedical Science. Alma Mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. y Zhang, F. Diseño y análisis de un mecanismo de propulsión plegable para un planeador submarino híbrido. Ocean Engineering 119, 125–134 (2016).
Kartik, HS y Prithvi, K. Diseño y análisis de un mecanismo de plegado del estabilizador horizontal de un helicóptero. tanque de almacenamiento interno. tecnología. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. y Sahin, M. Optimización de los parámetros mecánicos del diseño de un ala de cohete plegable utilizando un enfoque de diseño de experimentos. Modelo interno J. Optimización. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. y Hu, XD Método de diseño, estudio de rendimiento y proceso de fabricación de resortes helicoidales compuestos: una revisión. componer. composición. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. y Khaddar M. Optimización del diseño dinámico de resortes helicoidales. Aplicación para el sonido. 77, 178–183 (2014).
Paredes, M., Sartor, M., y Mascle, K. Un procedimiento para optimizar el diseño de resortes de tensión. una aplicación computacional del método. proyecto fur. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. y Trochu F. Diseño óptimo de resortes helicoidales compuestos mediante optimización multiobjetivo. J. Reinf. Plastic. Compose. 28 (14), 1713–1732 (2009).
Pawart, HB y Desale, DD Optimización de resortes helicoidales de suspensión delantera de triciclo. proceso. fabricante. 20, 428–433 (2018).
Bahshesh M. y Bahshesh M. Optimización de resortes helicoidales de acero con resortes compuestos. Internal J. Multidisciplinary. La ciencia. Proyecto. 3(6), 47–51 (2012).
Chen, L. et al. Conozca los diversos parámetros que afectan el rendimiento estático y dinámico de los resortes helicoidales compuestos. J. Market. Tanque de almacenamiento. 20, 532–550 (2022).
Frank, J. Análisis y optimización de resortes helicoidales compuestos, tesis doctoral, Universidad Estatal de Sacramento (2020).
Gu, Z., Hou, X. y Ye, J. Métodos para el diseño y análisis de resortes helicoidales no lineales mediante una combinación de métodos: análisis de elementos finitos, muestreo limitado por hipercubo latino y programación genética. Proceso. Instituto Fur. Proyecto. CJ Mecha. Proyecto. La Ciencia. 235(22), 5917–5930 (2021).
Wu, L., et al. Resortes helicoidales multifilamento de fibra de carbono con tasa de resorte ajustable: Estudio de diseño y mecanismo. J. Market. Tanque de almacenamiento. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS y Jagtap ST. Optimización del peso de resortes helicoidales de compresión. Tanque de almacenamiento interno. J. Innov. Multidisciplinario. 2(11), 154–164 (2016).
Rahul, MS y Rameshkumar, K. Optimización multipropósito y simulación numérica de resortes helicoidales para aplicaciones automotrices. alma mater. proceso hoy. 46. ​​4847–4853 (2021).
Bai, JB et al. Definición de las mejores prácticas: diseño óptimo de estructuras helicoidales compuestas mediante algoritmos genéticos. 268, 113982 (2021).
Shahin, I., Dorterler, M. y Gokche, H. Utilizando el método de optimización 灰狼 basado en la optimización del volumen mínimo del diseño del resorte de compresión, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. y Sait, SM Metaheurísticas utilizando múltiples agentes para optimizar accidentes. J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR y Erdash, MU Nuevo algoritmo híbrido de optimización del grupo Taguchi-salpa para el diseño confiable de problemas de ingeniería reales. alma mater. prueba. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR y Sait SM Diseño confiable de mecanismos de pinza robótica utilizando un nuevo algoritmo de optimización híbrido de saltamontes. experto. sistema. 38(3), e12666 (2021).