از بازدید شما از Nature.com متشکریم. شما از نسخه مرورگری با پشتیبانی محدود از CSS استفاده می‌کنید. لوله کویل فولادی ضد زنگ برای بهترین تجربه، توصیه می‌کنیم از یک مرورگر به‌روز استفاده کنید (یا حالت سازگاری را در Internet Explorer غیرفعال کنید). علاوه بر این، برای اطمینان از پشتیبانی مداوم، سایت را بدون استایل‌ها و جاوا اسکریپت نمایش می‌دهیم.
یک چرخ و فلک از سه اسلاید را به طور همزمان نمایش می‌دهد. از دکمه‌های قبلی و بعدی برای حرکت بین سه اسلاید به طور همزمان استفاده کنید، یا از دکمه‌های کشویی در انتها برای حرکت بین سه اسلاید به طور همزمان استفاده کنید.
در این مطالعه، طراحی فنرهای پیچشی و فشاری مکانیزم تاشوی بال مورد استفاده در موشک به عنوان یک مسئله بهینه‌سازی در نظر گرفته شده است. پس از خروج موشک از لوله پرتاب، بال‌های بسته باید برای مدت زمان مشخصی باز و محکم شوند. هدف از این مطالعه، به حداکثر رساندن انرژی ذخیره شده در فنرها بود تا بال‌ها بتوانند در کمترین زمان ممکن باز شوند. در این حالت، معادله انرژی در هر دو نشریه به عنوان تابع هدف در فرآیند بهینه‌سازی تعریف شد. قطر سیم، قطر سیم‌پیچ، تعداد سیم‌پیچ‌ها و پارامترهای انحراف مورد نیاز برای طراحی فنر به عنوان متغیرهای بهینه‌سازی تعریف شدند. محدودیت‌های هندسی بر روی متغیرها به دلیل اندازه مکانیزم و همچنین محدودیت‌هایی بر روی ضریب ایمنی به دلیل بار حمل شده توسط فنرها وجود دارد. از الگوریتم زنبور عسل (BA) برای حل این مسئله بهینه‌سازی و انجام طراحی فنر استفاده شد. مقادیر انرژی به دست آمده با BA نسبت به مقادیر به دست آمده از مطالعات قبلی طراحی آزمایش‌ها (DOE) برتر است. فنرها و مکانیزم‌های طراحی شده با استفاده از پارامترهای به دست آمده از بهینه‌سازی ابتدا در برنامه ADAMS تجزیه و تحلیل شدند. پس از آن، آزمایش‌های تجربی با ادغام فنرهای ساخته شده در مکانیزم‌های واقعی انجام شد. در نتیجه آزمایش، مشاهده شد که بال‌ها پس از حدود ۹۰ میلی‌ثانیه باز شدند. این مقدار بسیار کمتر از هدف پروژه یعنی ۲۰۰ میلی‌ثانیه است. علاوه بر این، تفاوت بین نتایج تحلیلی و تجربی تنها ۱۶ میلی‌ثانیه است.
در هواپیماها و وسایل نقلیه دریایی، مکانیزم‌های تاشو لوله کویل فولادی ضد زنگ بسیار مهم هستند. این سیستم‌ها در اصلاحات و تبدیل‌های هواپیما برای بهبود عملکرد و کنترل پرواز استفاده می‌شوند. بسته به حالت پرواز، بال‌ها به طور متفاوتی تا می‌شوند و باز می‌شوند تا ضربه آیرودینامیکی را کاهش دهند1. این وضعیت را می‌توان با حرکات بال برخی از پرندگان و حشرات در طول پرواز و غواصی روزمره مقایسه کرد. به طور مشابه، گلایدرها در زیردریایی‌ها تا می‌شوند و باز می‌شوند تا اثرات هیدرودینامیکی را کاهش دهند و هندلینگ را به حداکثر برسانند3. هدف دیگر این مکانیزم‌ها، ارائه مزایای حجمی به سیستم‌هایی مانند تا شدن پروانه هلیکوپتر4 برای ذخیره‌سازی و حمل و نقل است. بال‌های موشک نیز برای کاهش فضای ذخیره‌سازی تا می‌شوند. بنابراین، می‌توان موشک‌های بیشتری را در ناحیه کوچکتری از پرتابگر5 قرار داد. اجزایی که به طور موثر در تا شدن و باز شدن استفاده می‌شوند، معمولاً فنر هستند. در لحظه تا شدن، انرژی در آن ذخیره می‌شود و در لحظه باز شدن آزاد می‌شود. به دلیل ساختار انعطاف‌پذیر آن، انرژی ذخیره شده و آزاد شده برابر می‌شوند. فنر عمدتاً برای سیستم طراحی شده است و این طراحی یک مسئله بهینه‌سازی6 را ارائه می‌دهد. زیرا اگرچه شامل متغیرهای مختلفی مانند قطر سیم، قطر سیم‌پیچ، تعداد دور، زاویه مارپیچ و نوع ماده می‌شود، معیارهایی مانند جرم، حجم، حداقل توزیع تنش یا حداکثر انرژی در دسترس نیز وجود دارد.
این مطالعه، طراحی و بهینه‌سازی فنرها برای مکانیزم‌های تاشوندگی بال مورد استفاده در سیستم‌های موشکی را روشن می‌کند. بال‌ها قبل از پرواز، در داخل لوله پرتاب، روی سطح موشک تا می‌شوند و پس از خروج از لوله پرتاب، برای مدت معینی باز می‌شوند و به سطح فشرده می‌مانند. این فرآیند برای عملکرد صحیح موشک بسیار مهم است. در مکانیزم تاشوندگی توسعه‌یافته، باز شدن بال‌ها توسط فنرهای پیچشی و قفل شدن توسط فنرهای فشاری انجام می‌شود. برای طراحی یک فنر مناسب، باید یک فرآیند بهینه‌سازی انجام شود. در بهینه‌سازی فنر، کاربردهای مختلفی در مقالات علمی وجود دارد.
پاردس و همکارانش، حداکثر ضریب عمر خستگی را به عنوان یک تابع هدف برای طراحی فنرهای مارپیچ تعریف کردند و از روش شبه نیوتنی به عنوان یک روش بهینه‌سازی استفاده کردند. متغیرهای بهینه‌سازی به عنوان قطر سیم، قطر سیم‌پیچ، تعداد دور و طول فنر شناسایی شدند. یکی دیگر از پارامترهای ساختار فنر، ماده‌ای است که از آن ساخته شده است. بنابراین، این موضوع در مطالعات طراحی و بهینه‌سازی در نظر گرفته شد. زبدی و همکارانش، در مطالعه خود، اهداف حداکثر سختی و حداقل وزن را در تابع هدف تعیین کردند، که در آن عامل وزن قابل توجه بود. در این مورد، آنها جنس فنر و خواص هندسی را به عنوان متغیر تعریف کردند. آنها از الگوریتم ژنتیک به عنوان یک روش بهینه‌سازی استفاده می‌کنند. در صنعت خودرو، وزن مواد از بسیاری جهات، از عملکرد خودرو گرفته تا مصرف سوخت، مفید است. به حداقل رساندن وزن هنگام بهینه‌سازی فنرهای مارپیچ برای سیستم تعلیق، یک مطالعه شناخته شده است. باهش و باهش، موادی مانند شیشه E، کربن و کولار را به عنوان متغیر در کار خود در محیط ANSYS شناسایی کردند تا هدف آنها دستیابی به حداقل وزن و حداکثر استحکام کششی در طرح‌های مختلف کامپوزیت فنر سیستم تعلیق باشد. فرآیند تولید در توسعه فنرهای کامپوزیتی بسیار مهم است. بنابراین، متغیرهای مختلفی در یک مسئله بهینه‌سازی نقش دارند، مانند روش تولید، مراحل انجام شده در فرآیند و توالی آن مراحل12،13. هنگام طراحی فنر برای سیستم‌های دینامیکی، فرکانس‌های طبیعی سیستم باید در نظر گرفته شوند. توصیه می‌شود اولین فرکانس طبیعی فنر حداقل 5 تا 10 برابر فرکانس طبیعی سیستم باشد تا از رزونانس جلوگیری شود14. تکتک و همکارانش 7 تصمیم گرفتند جرم فنر را به عنوان توابع هدف در طراحی فنر مارپیچی به حداقل برسانند و اولین فرکانس طبیعی را به حداکثر برسانند. آنها از روش‌های جستجوی الگو، نقطه داخلی، مجموعه فعال و الگوریتم ژنتیک در ابزار بهینه‌سازی Matlab استفاده کردند. تحقیقات تحلیلی بخشی از تحقیقات طراحی فنر است و روش اجزای محدود در این زمینه محبوب است15. پاتیل و همکارانش 16 یک روش بهینه‌سازی برای کاهش وزن یک فنر مارپیچی فشاری با استفاده از یک روش تحلیلی توسعه دادند و معادلات تحلیلی را با استفاده از روش اجزای محدود آزمایش کردند. معیار دیگر برای افزایش سودمندی یک فنر، افزایش انرژی است که می‌تواند ذخیره کند. این مورد همچنین تضمین می‌کند که فنر برای مدت طولانی مفید بودن خود را حفظ می‌کند. راهول و رامشکومار17 به دنبال کاهش حجم فنر و افزایش انرژی کرنشی در طراحی فنرهای مارپیچ خودرو هستند. آنها همچنین از الگوریتم‌های ژنتیک در تحقیقات بهینه‌سازی استفاده کرده‌اند.
همانطور که مشاهده می‌شود، پارامترهای مطالعه بهینه‌سازی از سیستمی به سیستم دیگر متفاوت است. به طور کلی، پارامترهای سختی و تنش برشی در سیستمی که بار آن عامل تعیین‌کننده است، مهم هستند. انتخاب مواد در سیستم محدودیت وزن با این دو پارامتر گنجانده شده است. از سوی دیگر، فرکانس‌های طبیعی برای جلوگیری از رزونانس در سیستم‌های بسیار پویا بررسی می‌شوند. در سیستم‌هایی که سودمندی اهمیت دارد، انرژی به حداکثر می‌رسد. در مطالعات بهینه‌سازی، اگرچه از FEM برای مطالعات تحلیلی استفاده می‌شود، اما می‌توان مشاهده کرد که الگوریتم‌های فراابتکاری مانند الگوریتم ژنتیک14،18 و الگوریتم گرگ خاکستری19 همراه با روش کلاسیک نیوتن در محدوده‌ای از پارامترهای خاص استفاده می‌شوند. الگوریتم‌های فراابتکاری بر اساس روش‌های سازگاری طبیعی توسعه یافته‌اند که در مدت زمان کوتاهی، به ویژه تحت تأثیر جمعیت20،21، به حالت بهینه نزدیک می‌شوند. با توزیع تصادفی جمعیت در منطقه جستجو، از بهینه محلی اجتناب می‌کنند و به سمت بهینه سراسری حرکت می‌کنند22. بنابراین، در سال‌های اخیر اغلب در زمینه مسائل صنعتی واقعی23،24 مورد استفاده قرار گرفته است.
مورد بحرانی برای مکانیزم تاشو توسعه‌یافته در این مطالعه این است که بال‌ها، که قبل از پرواز در حالت بسته بودند، پس از خروج از لوله، مدت زمان مشخصی باز می‌شوند. پس از آن، عنصر قفل‌کننده، بال را مسدود می‌کند. بنابراین، فنرها مستقیماً بر دینامیک پرواز تأثیر نمی‌گذارند. در این حالت، هدف بهینه‌سازی، به حداکثر رساندن انرژی ذخیره‌شده برای تسریع حرکت فنر بود. قطر غلتک، قطر سیم، تعداد غلتک‌ها و انحراف به عنوان پارامترهای بهینه‌سازی تعریف شدند. با توجه به اندازه کوچک فنر، وزن به عنوان هدف در نظر گرفته نشد. بنابراین، نوع ماده به صورت ثابت تعریف می‌شود. حاشیه ایمنی برای تغییر شکل‌های مکانیکی به عنوان یک محدودیت بحرانی تعیین می‌شود. علاوه بر این، محدودیت‌های اندازه متغیر در محدوده مکانیزم دخیل هستند. روش فراابتکاری BA به عنوان روش بهینه‌سازی انتخاب شد. BA به دلیل ساختار انعطاف‌پذیر و ساده و پیشرفت‌های آن در تحقیقات بهینه‌سازی مکانیکی مورد توجه قرار گرفت25. در بخش دوم مطالعه، عبارات ریاضی دقیق در چارچوب طراحی اولیه و طراحی فنر مکانیزم تاشو گنجانده شده است. بخش سوم شامل الگوریتم بهینه‌سازی و نتایج بهینه‌سازی است. فصل 4 تجزیه و تحلیل را در برنامه ADAMS انجام می‌دهد. مناسب بودن فنرها قبل از تولید مورد تجزیه و تحلیل قرار می‌گیرد. بخش آخر شامل نتایج تجربی و تصاویر آزمایشی است. نتایج به‌دست‌آمده در این مطالعه همچنین با کارهای قبلی نویسندگان با استفاده از رویکرد DOE مقایسه شده است.
بال‌های توسعه‌یافته در این مطالعه باید به سمت سطح موشک تا شوند. بال‌ها از حالت تاشده به حالت بازشده می‌چرخند. برای این منظور، یک مکانیزم ویژه توسعه داده شد. در شکل 1، پیکربندی تاشده و بازشده5 در سیستم مختصات موشک نشان داده شده است.
شکل 2 نمای مقطعی از مکانیزم را نشان می‌دهد. این مکانیزم از چندین بخش مکانیکی تشکیل شده است: (1) بدنه اصلی، (2) شفت بال، (3) یاتاقان، (4) بدنه قفل، (5) بوش قفل، (6) پین متوقف کننده، (7) فنر پیچشی و (8) فنرهای فشاری. شفت بال (2) از طریق غلاف قفل کننده (4) به فنر پیچشی (7) متصل است. هر سه بخش پس از برخاستن موشک به طور همزمان می‌چرخند. با این حرکت چرخشی، بال‌ها به موقعیت نهایی خود می‌رسند. پس از آن، پین (6) توسط فنر فشاری (8) فعال می‌شود و در نتیجه کل مکانیزم بدنه قفل کننده (4) را مسدود می‌کند.
مدول الاستیک (E) و مدول برشی (G) پارامترهای کلیدی طراحی فنر هستند. در این مطالعه، سیم فولادی فنر پرکربن (سیم موسیقی ASTM A228) به عنوان ماده فنر انتخاب شد. پارامترهای دیگر عبارتند از قطر سیم (d)، قطر متوسط ​​سیم‌پیچ (Dm)، تعداد سیم‌پیچ‌ها (N) و انحراف فنر (xd برای فنرهای فشاری و θ برای فنرهای پیچشی)26. انرژی ذخیره شده برای فنرهای فشاری \({(SE}_{x})\) و پیچشی (\({SE}_{\theta}\)) را می‌توان از معادله (1) و (2)26 محاسبه کرد. (مقدار مدول برشی (G) برای فنر فشاری 83.7E9 Pa و مقدار مدول الاستیک (E) برای فنر پیچشی 203.4E9 Pa است.)
ابعاد مکانیکی سیستم مستقیماً محدودیت‌های هندسی فنر را تعیین می‌کند. علاوه بر این، شرایطی که موشک در آن قرار خواهد گرفت نیز باید در نظر گرفته شود. این عوامل، محدودیت‌های پارامترهای فنر را تعیین می‌کنند. یکی دیگر از محدودیت‌های مهم، ضریب ایمنی است. تعریف ضریب ایمنی به طور مفصل توسط شیگلی و همکارانش شرح داده شده است.26. ضریب ایمنی فنر فشاری (SFC) به عنوان حداکثر تنش مجاز تقسیم بر تنش در طول پیوسته تعریف می‌شود. SFC را می‌توان با استفاده از معادلات (3)، (4)، (5) و (6)26 محاسبه کرد. (برای ماده فنر مورد استفاده در این مطالعه، \({S}_{sy}=980 MPa\)). F نشان دهنده نیرو در معادله و KB نشان دهنده ضریب برگشتراسر 26 است.
ضریب ایمنی پیچشی فنر (SFT) به صورت M تقسیم بر k تعریف می‌شود. SFT را می‌توان از معادله (7)، (8)، (9) و (10)26 محاسبه کرد. (برای ماده مورد استفاده در این مطالعه، \({S}_{y}=1600 \mathrm{MPa}\)). در معادله، M برای گشتاور، \({k}^{^{\prime}}\) برای ثابت فنر (گشتاور/چرخش) و Ki برای ضریب تصحیح تنش استفاده می‌شود.
هدف اصلی بهینه‌سازی در این مطالعه، بیشینه کردن انرژی فنر است. تابع هدف برای یافتن \(\overrightarrow{\{X\}}\) که \(f(X)\) را بیشینه می‌کند، فرموله شده است. \({f}_{1}(X)\) و \({f}_{2}(X)\) به ترتیب توابع انرژی فنر فشاری و پیچشی هستند. متغیرها و توابع محاسبه شده مورد استفاده برای بهینه‌سازی در معادلات زیر نشان داده شده‌اند.
محدودیت‌های مختلفی که بر طراحی فنر اعمال می‌شود در معادلات زیر آمده است. معادلات (15) و (16) به ترتیب ضرایب اطمینان برای فنرهای فشاری و پیچشی را نشان می‌دهند. در این مطالعه، SFC باید بزرگتر یا مساوی 1.2 و SFT باید بزرگتر یا مساوی θ26 باشد.
الگوریتم BA از استراتژی‌های جستجوی گرده زنبورها الهام گرفته شده است27. زنبورها با فرستادن زنبورهای جستجوگر بیشتر به مزارع گرده حاصلخیز و زنبورهای جستجوگر کمتر به مزارع گرده کمتر حاصلخیز، جستجو می‌کنند. بنابراین، بیشترین کارایی از جمعیت زنبورها حاصل می‌شود. از سوی دیگر، زنبورهای جستجوگر همچنان به دنبال مناطق جدید گرده هستند و اگر مناطق حاصلخیزتری نسبت به قبل وجود داشته باشد، بسیاری از زنبورهای جستجوگر به این منطقه جدید هدایت می‌شوند28. الگوریتم BA از دو بخش تشکیل شده است: جستجوی محلی و جستجوی سراسری. جستجوی محلی به دنبال جوامع بیشتری در نزدیکی حداقل (مکان‌های ممتاز)، مانند زنبورها، می‌گردد و جستجوی کمتری برای سایر مکان‌ها (مکان‌های بهینه یا منتخب) انجام می‌دهد. یک جستجوی دلخواه در بخش جستجوی سراسری انجام می‌شود و اگر مقادیر خوبی پیدا شود، ایستگاه‌ها در تکرار بعدی به بخش جستجوی محلی منتقل می‌شوند. این الگوریتم شامل پارامترهایی است: تعداد زنبورهای جستجوگر (n)، تعداد مکان‌های جستجوی محلی (m)، تعداد مکان‌های ممتاز (e)، تعداد زنبورهای جستجوگر در مکان‌های ممتاز (nep)، تعداد زنبورهای جستجوگر در مناطق بهینه. مکان (nsp)، اندازه همسایگی (ngh) و تعداد تکرارها (I)29. شبه کد BA در شکل 3 نشان داده شده است.
این الگوریتم سعی می‌کند بین \({g}_{1}(X)\) و \({g}_{2}(X)\) کار کند. در نتیجه هر تکرار، مقادیر بهینه تعیین می‌شوند و جمعیتی حول این مقادیر جمع‌آوری می‌شود تا بهترین مقادیر به دست آید. محدودیت‌ها در بخش‌های جستجوی محلی و سراسری بررسی می‌شوند. در یک جستجوی محلی، اگر این عوامل مناسب باشند، مقدار انرژی محاسبه می‌شود. اگر مقدار انرژی جدید بزرگتر از مقدار بهینه باشد، مقدار جدید را به مقدار بهینه اختصاص دهید. اگر بهترین مقدار یافت شده در نتیجه جستجو بزرگتر از عنصر فعلی باشد، عنصر جدید در مجموعه قرار می‌گیرد. نمودار بلوکی جستجوی محلی در شکل 4 نشان داده شده است.
جمعیت یکی از پارامترهای کلیدی در BA است. از مطالعات قبلی می‌توان دریافت که گسترش جمعیت، تعداد تکرارهای مورد نیاز را کاهش داده و احتمال موفقیت را افزایش می‌دهد. با این حال، تعداد ارزیابی‌های عملکردی نیز در حال افزایش است. وجود تعداد زیادی از مکان‌های ممتاز تأثیر قابل توجهی بر عملکرد ندارد. تعداد مکان‌های ممتاز اگر صفر نباشد، می‌تواند کم باشد. اندازه جمعیت زنبورهای دیده‌بان (n) معمولاً بین 30 تا 100 انتخاب می‌شود. در این مطالعه، سناریوهای 30 و 50 برای تعیین تعداد مناسب اجرا شدند (جدول 2). سایر پارامترها بسته به جمعیت تعیین می‌شوند. تعداد مکان‌های انتخاب شده (m) (تقریباً) 25٪ از اندازه جمعیت است و تعداد مکان‌های ممتاز (e) در بین مکان‌های انتخاب شده 25٪ از m است. تعداد زنبورهای تغذیه کننده (تعداد جستجوها) برای قطعات ممتاز 100 و برای سایر قطعات محلی 30 انتخاب شد. جستجوی همسایگی مفهوم اساسی همه الگوریتم‌های تکاملی است. در این مطالعه، از روش کاهش تدریجی همسایه‌ها استفاده شد. این روش در هر تکرار، اندازه همسایگی را با نرخ مشخصی کاهش می‌دهد. در تکرارهای آینده، می‌توان از مقادیر همسایگی کوچک‌تر30 برای جستجوی دقیق‌تر استفاده کرد.
برای هر سناریو، ده آزمایش متوالی برای بررسی تکرارپذیری الگوریتم بهینه‌سازی انجام شد. شکل ۵ نتایج بهینه‌سازی فنر پیچشی را برای طرح ۱ و شکل ۶ را برای طرح ۲ نشان می‌دهد. داده‌های آزمایش نیز در جداول ۳ و ۴ ارائه شده‌اند (جدولی حاوی نتایج به‌دست‌آمده برای فنر فشاری در اطلاعات تکمیلی S1 آمده است). جمعیت زنبورها جستجوی مقادیر خوب را در تکرار اول تشدید می‌کند. در سناریو ۱، نتایج برخی از آزمایش‌ها کمتر از حداکثر بود. در سناریو ۲، می‌توان مشاهده کرد که تمام نتایج بهینه‌سازی به دلیل افزایش جمعیت و سایر پارامترهای مربوطه به حداکثر نزدیک می‌شوند. می‌توان مشاهده کرد که مقادیر موجود در سناریو ۲ برای الگوریتم کافی هستند.
هنگام به دست آوردن حداکثر مقدار انرژی در تکرارها، یک ضریب ایمنی نیز به عنوان محدودیت برای مطالعه ارائه می‌شود. برای ضریب ایمنی به جدول مراجعه کنید. مقادیر انرژی به دست آمده با استفاده از BA با مقادیر به دست آمده با استفاده از روش 5 DOE در جدول 5 مقایسه می‌شوند. (برای سهولت تولید، تعداد دور (N) فنر پیچشی 4.9 به جای 4.88 و انحراف (xd) 8 میلی‌متر به جای 7.99 میلی‌متر در فنر فشاری است.) مشاهده می‌شود که BA نتیجه بهتری دارد. BA تمام مقادیر را از طریق جستجوهای محلی و سراسری ارزیابی می‌کند. به این ترتیب او می‌تواند گزینه‌های بیشتری را سریع‌تر امتحان کند.
در این مطالعه، از نرم‌افزار آدامز برای تحلیل حرکت مکانیزم بال استفاده شد. ابتدا یک مدل سه‌بعدی از مکانیزم به آدامز داده می‌شود. سپس با پارامترهای انتخاب شده در بخش قبل، یک فنر تعریف می‌شود. علاوه بر این، برای تحلیل واقعی باید پارامترهای دیگری نیز تعریف شوند. این پارامترها، پارامترهای فیزیکی مانند اتصالات، خواص مواد، تماس، اصطکاک و گرانش هستند. یک مفصل گردان بین شفت تیغه و یاتاقان وجود دارد. 5-6 مفصل استوانه‌ای وجود دارد. 5-1 مفصل ثابت وجود دارد. بدنه اصلی از جنس آلومینیوم و ثابت است. جنس بقیه قطعات از فولاد است. ضریب اصطکاک، سختی تماس و عمق نفوذ سطح اصطکاک را بسته به نوع ماده انتخاب کنید. (فولاد ضد زنگ AISI 304) در این مطالعه، پارامتر بحرانی زمان باز شدن مکانیزم بال است که باید کمتر از 200 میلی‌ثانیه باشد. بنابراین، در طول تحلیل به زمان باز شدن بال توجه داشته باشید.
در نتیجه تحلیل آدامز، زمان باز شدن مکانیزم بال 74 میلی‌ثانیه است. نتایج شبیه‌سازی دینامیکی از 1 تا 4 در شکل 7 نشان داده شده است. اولین تصویر در شکل 5 زمان شروع شبیه‌سازی است و بال‌ها در موقعیت انتظار برای تا شدن قرار دارند. (2) موقعیت بال را پس از 40 میلی‌ثانیه، زمانی که بال 43 درجه چرخیده است، نشان می‌دهد. (3) موقعیت بال را پس از 71 میلی‌ثانیه نشان می‌دهد. همچنین در آخرین تصویر (4) پایان چرخش بال و موقعیت باز شدن را نشان می‌دهد. در نتیجه تحلیل دینامیکی، مشاهده شد که مکانیزم باز شدن بال به طور قابل توجهی کوتاه‌تر از مقدار هدف 200 میلی‌ثانیه است. علاوه بر این، هنگام تعیین اندازه فنرها، محدودیت‌های ایمنی از بالاترین مقادیر توصیه شده در مقالات انتخاب شدند.
پس از تکمیل تمام مطالعات طراحی، بهینه‌سازی و شبیه‌سازی، یک نمونه اولیه از مکانیزم ساخته و یکپارچه شد. سپس نمونه اولیه برای تأیید نتایج شبیه‌سازی آزمایش شد. ابتدا پوسته اصلی را محکم کنید و بال‌ها را تا کنید. سپس بال‌ها از حالت تا شده رها شدند و از چرخش بال‌ها از حالت تا شده تا حالت باز شده، فیلمی تهیه شد. از تایمر نیز برای تجزیه و تحلیل زمان در طول ضبط ویدیو استفاده شد.
در شکل ۸ فریم‌های ویدیویی با شماره ۱ تا ۴ نشان داده شده است. فریم شماره ۱ در شکل، لحظه آزاد شدن بال‌های تا شده را نشان می‌دهد. این لحظه، لحظه اولیه زمان t0 در نظر گرفته می‌شود. فریم‌های ۲ و ۳ موقعیت بال‌ها را ۴۰ میلی‌ثانیه و ۷۰ میلی‌ثانیه پس از لحظه اولیه نشان می‌دهند. هنگام تجزیه و تحلیل فریم‌های ۳ و ۴، می‌توان مشاهده کرد که حرکت بال ۹۰ میلی‌ثانیه پس از t0 تثبیت می‌شود و باز شدن بال بین ۷۰ تا ۹۰ میلی‌ثانیه تکمیل می‌شود. این وضعیت به این معنی است که هم شبیه‌سازی و هم آزمایش نمونه اولیه تقریباً زمان باز شدن بال یکسانی را ارائه می‌دهند و طراحی، الزامات عملکرد مکانیزم را برآورده می‌کند.
در این مقاله، فنرهای پیچشی و فشاری مورد استفاده در مکانیزم تاشوی بال با استفاده از BA بهینه شده‌اند. پارامترها را می‌توان با تکرارهای کم به سرعت به دست آورد. فنر پیچشی 1075 میلی‌ژول و فنر فشاری 37.24 میلی‌ژول ارزیابی شده است. این مقادیر 40 تا 50 درصد بهتر از مطالعات قبلی DOE هستند. فنر در مکانیزم ادغام شده و در برنامه ADAMS تجزیه و تحلیل شده است. هنگام تجزیه و تحلیل، مشخص شد که بال‌ها در عرض 74 میلی‌ثانیه باز می‌شوند. این مقدار بسیار کمتر از هدف پروژه یعنی 200 میلی‌ثانیه است. در یک مطالعه تجربی بعدی، زمان روشن شدن حدود 90 میلی‌ثانیه اندازه‌گیری شد. این تفاوت 16 میلی‌ثانیه‌ای بین تجزیه و تحلیل‌ها ممکن است به دلیل عوامل محیطی باشد که در نرم‌افزار مدل‌سازی نشده‌اند. اعتقاد بر این است که الگوریتم بهینه‌سازی به دست آمده در نتیجه مطالعه می‌تواند برای طرح‌های مختلف فنر استفاده شود.
جنس فنر از پیش تعریف شده بود و به عنوان متغیر در بهینه‌سازی استفاده نشد. از آنجایی که انواع مختلفی از فنرها در هواپیماها و موشک‌ها استفاده می‌شوند، BA برای طراحی انواع دیگر فنرها با استفاده از مواد مختلف برای دستیابی به طراحی بهینه فنر در تحقیقات آینده اعمال خواهد شد.
ما اعلام می‌کنیم که این نسخه خطی، اصیل است، قبلاً منتشر نشده و در حال حاضر برای انتشار در جای دیگری در نظر گرفته نشده است.
تمام داده‌های تولید شده یا تحلیل شده در این مطالعه در این مقاله منتشر شده [و فایل اطلاعات تکمیلی] گنجانده شده است.
مین، ز.، کین، وی. کی. و ریچارد، ال. جی. مدرن‌سازی مفهوم ایرفویل از طریق تغییرات هندسی بنیادی. مجله IES J. بخش الف، تمدن. ترکیب. پروژه. 3(3)، 188–195 (2010).
سان، جی.، لیو، کی. و بوشان، بی. مروری بر بال عقبی سوسک: ساختار، خواص مکانیکی، مکانیسم‌ها و الهام بیولوژیکی. مجله مکانیک. رفتار. علوم زیست پزشکی. آلما ماتر. 94، 63–73 (2019).
چن، ز.، یو، ج.، ژانگ، آ.، و ژانگ، ف. طراحی و تحلیل مکانیزم پیشرانش تاشو برای یک گلایدر زیرآبی هیبریدی. مهندسی اقیانوس 119، 125–134 (2016).
کارتیک، اچ اس و پریتوی، کی. طراحی و تحلیل مکانیزم تاشوی تثبیت‌کننده افقی هلیکوپتر. مجله داخلی جی. اینگ. مخزن ذخیره‌سازی. فناوری. (IGERT) 9(05)، 110–113 (2020).
کولونک، ز. و ساهین، م. بهینه‌سازی پارامترهای مکانیکی طراحی بال موشک تاشو با استفاده از رویکرد طراحی آزمایش. مجله داخلی مدل. بهینه‌سازی. 9(2)، 108–112 (2019).
کی، جی.، وو، زی.وای، لیو، وای.اس، شیانگ، زی. و هو، روش طراحی XD، مطالعه عملکرد و فرآیند تولید فنرهای مارپیچی کامپوزیتی: مروری. ترکیب. ترکیب. 252، 112747 (2020).
تکتک م.، اومنی ک.، آلوئی آ.، دماک ف. و خدار م. بهینه‌سازی طراحی دینامیکی فنرهای مارپیچی. درخواست برای صدا. 77، 178–183 (2014).
پاردس، م.، سارتور، م.، و ماسکل، ک. روشی برای بهینه‌سازی طراحی فنرهای کششی. یک کامپیوتر. کاربرد روش. fur. project. 191(8-10)، 783-797 (2001).
زبدی او.، بوهیلی آر. و تروچو اف. طراحی بهینه فنرهای مارپیچ کامپوزیتی با استفاده از بهینه‌سازی چندهدفه. مجله Reinf. plastic. compose. 28 (14)، 1713–1732 (2009).
پاوارت، اچ‌بی و دسال، دی‌دی، بهینه‌سازی فنرهای لول سیستم تعلیق جلوی سه‌چرخه. فرآیند. تولیدکننده. 20، 428–433 (2018).
بهشش م. و بهشش م. بهینه‌سازی فنرهای مارپیچ فولادی با فنرهای کامپوزیتی. مجله داخلی. چندرشته‌ای. پروژه علمی. 3(6)، 47–51 (2012).
چن، ال. و همکاران. با پارامترهای زیادی که بر عملکرد استاتیکی و دینامیکی فنرهای مارپیچی کامپوزیتی تأثیر می‌گذارند، آشنا شوید. مجله بازار. مخزن ذخیره‌سازی. 20، 532–550 (2022).
فرانک، جی. تحلیل و بهینه‌سازی فنرهای مارپیچ کامپوزیتی، پایان‌نامه دکترا، دانشگاه ایالتی ساکرامنتو (۲۰۲۰).
گو، ز.، هو، ایکس. و یه، جی. روش‌هایی برای طراحی و تحلیل فنرهای مارپیچ غیرخطی با استفاده از ترکیبی از روش‌ها: تحلیل المان محدود، نمونه‌گیری محدود لاتین هایپرکیوب و برنامه‌نویسی ژنتیک. فرآیند. پروژه موسسه فور. پروژه مکانیک سی‌جی. علم. 235(22)، 5917–5930 (2021).
وو، ل. و همکاران. فنرهای مارپیچی چند رشته‌ای فیبر کربنی با نرخ فنر قابل تنظیم: مطالعه‌ای در طراحی و مکانیسم. مجله بازار. مخزن ذخیره‌سازی. 9(3)، 5067–5076 (2020).
پاتیل دی‌اس، منگرولکار کی‌اس و جاگتاپ اس‌تی، بهینه‌سازی وزن فنرهای مارپیچی فشرده‌سازی. مجله داخلی نوآوری. مخزن ذخیره‌سازی. چندرشته‌ای. 2(11)، 154–164 (2016).
راهول، ام اس و رامشکومار، کی. بهینه‌سازی چندمنظوره و شبیه‌سازی عددی فنرهای مارپیچی برای کاربردهای خودرو. دانشگاه آلما. فرآیند امروز. 46. ​​4847–4853 (2021).
بای، جی.بی و همکاران. تعریف بهترین روش - طراحی بهینه سازه‌های مارپیچی کامپوزیتی با استفاده از الگوریتم‌های ژنتیک. ترکیب. ترکیب. 268، 113982 (2021).
شاهین، آی.، دورترلر، ام.، و گوکچه، اچ. استفاده از روش بهینه‌سازی 灰狼 بر اساس بهینه‌سازی حداقل حجم طراحی فنر فشاری، قاضی جی. علوم مهندسی، 3(2)، 21–27 (2017).
آی، کی ام، فولدی، ان، ییلدیز، ای آر، بوریرات، اس. و سایت، اس ام. فراابتکاری با استفاده از عوامل چندگانه برای بهینه‌سازی تصادفات. مجله داخلی خودرو. دسامبر 80(2-4)، 223-240 (2019).
ییلدیز، ای. آر. و ارداش، ام. یو. الگوریتم بهینه‌سازی گروهی ترکیبی جدید تاگوچی-سالپا برای طراحی قابل اعتماد مسائل مهندسی واقعی. آلما ماتر. آزمون. 63(2)، 157–162 (2021).
ییلدیز بی اس، فولدی ان.، بوررات اس.، ییلدیز ای آر و سایت اس ام. طراحی قابل اعتماد مکانیزم‌های پنجه رباتیک با استفاده از یک الگوریتم بهینه‌سازی ملخ هیبریدی جدید. expert. system. 38(3)، e12666 (2021).