Köszönjük, hogy felkereste a Nature.com weboldalt. Ön korlátozott CSS-támogatású böngészőverziót használ. Rozsdamentes acél tekercscső A legjobb élmény érdekében javasoljuk, hogy frissített böngészőt használjon (vagy tiltsa le a kompatibilitási módot az Internet Explorerben). Ezenkívül a folyamatos támogatás biztosítása érdekében stílusok és JavaScript nélkül jelenítjük meg az oldalt.
Három diából álló forgószalagot jelenít meg egyszerre. Az Előző és Következő gombokkal egyszerre három dián, vagy a végén található csúszkagombokkal egyszerre három dián lapozhat.
Ebben a tanulmányban a rakétában használt szárnyösszecsukó mechanizmus torziós és nyomórugóinak kialakítását optimalizálási problémaként tekintjük. Miután a rakéta elhagyja az indítócsövet, a zárt szárnyakat egy bizonyos ideig ki kell nyitni és rögzíteni kell. A tanulmány célja a rugókban tárolt energia maximalizálása volt, hogy a szárnyak a lehető legrövidebb idő alatt kinyílhassanak. Ebben az esetben mindkét publikációban az energiaegyenletet definiálták célfüggvényként az optimalizálási folyamatban. A rugótervezéshez szükséges huzalátmérőt, tekercsátmérőt, tekercsek számát és elhajlási paramétereket optimalizálási változóként definiálták. A mechanizmus mérete miatt geometriai korlátok vannak a változókra, valamint a rugók által hordozott terhelés miatt a biztonsági tényezőre is. A mézméh (BA) algoritmust alkalmazták az optimalizálási probléma megoldására és a rugótervezés elvégzésére. A BA-val kapott energiaértékek jobbak, mint a korábbi kísérlettervezési (DOE) tanulmányokból kapott értékek. Az optimalizálásból kapott paraméterek felhasználásával tervezett rugókat és mechanizmusokat először az ADAMS programban elemezték. Ezt követően kísérleti teszteket végeztek a gyártott rugók valós mechanizmusokba való integrálásával. A teszt eredményeként megfigyelték, hogy a szárnyak körülbelül 90 milliszekundum után nyíltak ki. Ez az érték jóval a projekt által kitűzött 200 milliszekundumos célérték alatt van. Ezenkívül az analitikai és a kísérleti eredmények közötti különbség mindössze 16 ms.
Repülőgépekben és vízi járművekben a rozsdamentes acél tekercses csőhajtású mechanizmusok kritikus fontosságúak. Ezeket a rendszereket repülőgép-módosításoknál és átalakításoknál használják a repülési teljesítmény és az irányítás javítása érdekében. A repülési módtól függően a szárnyak eltérően hajtódnak és nyílnak ki, hogy csökkentsék az aerodinamikai hatásokat1. Ez a helyzet összehasonlítható egyes madarak és rovarok szárnyainak mozgásával a mindennapi repülés és merülés során. Hasonlóképpen, a vitorlázó repülőgépek a merülőhajókban hajtódnak össze és nyílnak ki, hogy csökkentsék a hidrodinamikai hatásokat és maximalizálják a kezelhetőséget3. Ezen mechanizmusok egy további célja, hogy térfogati előnyöket biztosítsanak olyan rendszerekhez, mint például a helikopterpropeller 4 hajtogatása tárolás és szállítás céljából. A rakéta szárnyai is lehajthatók, hogy csökkentsék a tárolóhelyet. Így több rakéta helyezhető el a hordozórakéta 5 kisebb területén. A hajtogatásban és kibontásban hatékonyan használt alkatrészek általában rugók. A hajtogatás pillanatában energia tárolódik benne, és a kibontás pillanatában szabadul fel. Rugalmas szerkezetének köszönhetően a tárolt és felszabaduló energia kiegyenlítődik. A rugót elsősorban a rendszerhez tervezték, és ez a kialakítás optimalizálási problémát vet fel6. Mert bár különféle változókat tartalmaz, mint például a huzalátmérő, a tekercsátmérő, a menetek száma, a spirálszög és az anyag típusa, olyan kritériumokat is figyelembe vesznek, mint a tömeg, a térfogat, a minimális feszültségeloszlás vagy a maximális energia rendelkezésre állása7.
Ez a tanulmány rávilágít a rakétarendszerekben használt szárnyhajtogató mechanizmusok rugóinak tervezésére és optimalizálására. A repülés előtt az indítócsőben tartózkodva a szárnyak a rakéta felületén összehajtva maradnak, majd az indítócsőből való kilépés után egy bizonyos ideig kinyílnak és a felülethez nyomva maradnak. Ez a folyamat kritikus fontosságú a rakéta megfelelő működése szempontjából. A kifejlesztett hajtogató mechanizmusban a szárnyak nyitását torziós rugók, a rögzítést pedig nyomórugók végzik. A megfelelő rugó megtervezéséhez optimalizálási folyamatot kell végrehajtani. A rugóoptimalizáláson belül számos alkalmazás található a szakirodalomban.
Paredes és munkatársai8 a maximális kifáradási élettartam tényezőt definiálták célfüggvényként a spirálrugók tervezéséhez, és a kvázi-newtoni módszert alkalmazták optimalizálási módszerként. Az optimalizálásban szereplő változókat a huzalátmérő, a tekercsátmérő, a menetek száma és a rugóhossz azonosította. A rugószerkezet egy másik paramétere az anyag, amelyből készült. Ezért ezt figyelembe vették a tervezési és optimalizálási vizsgálatok során. Zebdi és munkatársai9 a tanulmányukban a maximális merevséget és a minimális súlyt tűzték ki célul a célfüggvényben, ahol a súlytényező szignifikáns volt. Ebben az esetben a rugó anyagát és a geometriai tulajdonságokat változóként definiálták. Genetikus algoritmust használnak optimalizálási módszerként. Az autóiparban az anyagok súlya sok szempontból hasznos, a jármű teljesítményétől az üzemanyag-fogyasztásig. A súlyminimalizálás a tekercsrugók felfüggesztéshez való optimalizálása során egy jól ismert tanulmány10. Bahshesh és Bahshesh11 olyan anyagokat azonosítottak változóként az ANSYS környezetben végzett munkájuk során, mint az E-üveg, a szén és a Kevlar, azzal a céllal, hogy minimális súlyt és maximális szakítószilárdságot érjenek el a különböző felfüggesztő rugó kompozit kialakításokban. A gyártási folyamat kritikus fontosságú a kompozit rugók fejlesztése során. Így az optimalizálási problémákban számos változó játszik szerepet, például a gyártási módszer, a folyamat lépései és ezen lépések sorrendje12,13. Dinamikus rendszerekhez való rugók tervezésekor figyelembe kell venni a rendszer sajátfrekvenciáit. A rezonancia elkerülése érdekében ajánlott, hogy a rugó első sajátfrekvenciája legalább 5-10-szerese legyen a rendszer sajátfrekvenciájának14. Taktak és munkatársai7 úgy döntöttek, hogy minimalizálják a rugó tömegét és maximalizálják az első sajátfrekvenciát célfüggvényként a tekercsrugó tervezésében. Mintakeresést, belső pontot, aktív halmazt és genetikus algoritmus módszereket alkalmaztak a Matlab optimalizáló eszközben. Az analitikus kutatás a rugótervezési kutatások részét képezi, és a végeselemes módszer népszerű ezen a területen15. Patil és munkatársai16 optimalizálási módszert fejlesztettek ki a nyomó spirális rugók súlyának csökkentésére analitikus eljárással, és az analitikai egyenleteket végeselemes módszerrel tesztelték. A rugó hasznosságának növelésének másik kritériuma a tárolható energia növekedése. Ez az eset azt is biztosítja, hogy a rugó hosszú ideig megőrzi hasznosságát. Rahul és Rameshkumar17 A rugótérfogat csökkentésére és a deformációs energia növelésére törekszenek az autók tekercsrugó-kialakításaiban. Genetikai algoritmusokat is alkalmaztak az optimalizálási kutatásokban.
Amint látható, az optimalizálási tanulmányban szereplő paraméterek rendszerenként változnak. Általánosságban elmondható, hogy a merevségi és nyírófeszültségi paraméterek fontosak egy olyan rendszerben, ahol a hordozott terhelés a meghatározó tényező. Az anyagválasztást a súlykorlátozó rendszerbe e két paraméterrel együtt foglalják bele. Másrészt a természetes frekvenciákat ellenőrzik, hogy elkerüljék a rezonanciákat a nagyon dinamikus rendszerekben. Azokban a rendszerekben, ahol a hasznosság számít, az energiát maximalizálják. Az optimalizálási vizsgálatokban, bár a végeselem-módszert analitikus vizsgálatokhoz használják, látható, hogy metaheurisztikus algoritmusokat, mint például a genetikus algoritmust14,18 és a szürke farkas algoritmust19, a klasszikus Newton-módszerrel együtt használnak bizonyos paraméterek tartományán belül. A metaheurisztikus algoritmusokat természetes adaptációs módszerek alapján fejlesztették ki, amelyek rövid időn belül megközelítik az optimális állapotot, különösen a populáció hatása alatt20,21. A populáció véletlenszerű eloszlása ​​esetén a keresési területen elkerülik a lokális optimumokat, és a globális optimum felé haladnak22. Így az utóbbi években gyakran használták valós ipari problémák kontextusában23,24.
A tanulmányban kidolgozott összecsukó mechanizmus kritikus esete, hogy a repülés előtt zárt helyzetben lévő szárnyak a cső elhagyása után egy bizonyos idő elteltével kinyílnak. Ezt követően a reteszelőelem blokkolja a szárnyat. Ezért a rugók nem befolyásolják közvetlenül a repülési dinamikát. Ebben az esetben az optimalizálás célja a tárolt energia maximalizálása volt a rugó mozgásának gyorsítása érdekében. Optimalizálási paraméterként a tekercs átmérőjét, a huzal átmérőjét, a tekercsek számát és az elhajlást definiálták. A rugó kis mérete miatt a súlyt nem tekintették célnak. Ezért az anyagtípust rögzítettként definiálták. A mechanikai deformációk biztonsági ráhagyását kritikus korlátozásként határozták meg. Ezenkívül a mechanizmus hatókörébe változó méretkorlátok is beletartoznak. Optimalizálási módszerként a BA metaheurisztikus módszert választották. A BA-t rugalmas és egyszerű szerkezete, valamint a mechanikai optimalizálási kutatásokban elért eredményei miatt részesítették előnyben25. A tanulmány második részében részletes matematikai kifejezéseket tartalmaznak az összecsukó mechanizmus alaptervezésének és rugótervezésének keretében. A harmadik rész tartalmazza az optimalizálási algoritmust és az optimalizálási eredményeket. A 4. fejezet az ADAMS programban végez elemzést. A rugók alkalmasságát a gyártás előtt elemezzük. Az utolsó rész kísérleti eredményeket és tesztképeket tartalmaz. A tanulmányban kapott eredményeket a szerzők korábbi, DOE-megközelítést alkalmazó munkájával is összehasonlítottuk.
A tanulmányban kifejlesztett szárnyaknak a rakéta felszíne felé kell hajtaniuk. A szárnyak összehajtott és kihajtott helyzetből elfordulnak. Ehhez egy speciális mechanizmust fejlesztettek ki. Az 1. ábra a rakéta koordinátarendszerében az összehajtott és kihajtott konfigurációt5 mutatja.
A 2. ábra a mechanizmus metszeti nézetét mutatja. A mechanizmus több mechanikus részből áll: (1) fő test, (2) szárnytengely, (3) csapágy, (4) zártest, (5) zárpersely, (6) ütközőcsap, (7) torziós rugó és (8) nyomórugók. A szárnytengely (2) a reteszelőhüvelyen (4) keresztül csatlakozik a torziós rugóval (7). Mindhárom rész egyszerre forog a rakéta felszállása után. Ezzel a forgó mozgással a szárnyak véghelyzetükbe fordulnak. Ezután a nyomórugó (8) működteti a csapot (6), ezáltal blokkolva a reteszelőtest (4)5 teljes mechanizmusát.
A rugó kulcsfontosságú tervezési paraméterei a rugalmassági modulus (E) és a nyírási modulus (G). Ebben a tanulmányban nagy széntartalmú rugóacél huzalt (Music wire ASTM A228) választottunk rugóanyagként. Egyéb paraméterek a huzalátmérő (d), az átlagos tekercsátmérő (Dm), a tekercsek száma (N) és a rugó elhajlása (xd a nyomórugóknál és θ a torziós rugóoknál)26. A nyomórugók \({(SE}_{x})\) és a torziós rugók (\({SE}_{\theta}\)) tárolt energiája az (1) és (2)26 egyenletekből számítható ki. (A nyomórugó nyírási modulusa (G) értéke 83,7E9 Pa, a torziós rugó rugalmassági modulusa (E) értéke pedig 203,4E9 Pa.)
A rendszer mechanikai méretei közvetlenül meghatározzák a rugó geometriai korlátait. Ezenkívül figyelembe kell venni a rakéta elhelyezésének körülményeit is. Ezek a tényezők határozzák meg a rugó paramétereinek határait. Egy másik fontos korlátozás a biztonsági tényező. A biztonsági tényező definícióját Shigley és munkatársai részletesen ismertetik.26 A nyomórugó biztonsági tényezője (SFC) a maximálisan megengedhető feszültség és a folytonos hosszra eső feszültség osztva. Az SFC a (3), (4), (5) és (6)26 egyenletekkel számítható ki. (A jelen tanulmányban használt rugóanyag esetében \({S}_{sy}=980 MPa\)). Az F az egyenletben szereplő erőt, a KB pedig a 26-os Bergstrasser-tényezőt jelöli.
Egy rugó torziós biztonsági tényezőjét (SFT) az M és k osztva definiáljuk. Az SFT a (7), (8), (9) és (10)26 egyenletekből számítható ki. (A vizsgálatban használt anyag esetében \({S}_{y}=1600 \mathrm{MPa}\)). Az egyenletben M a nyomatékot, \({k}^{^{\prime}}\) a rugóállandót (nyomaték/forgás), Ki pedig a feszültségkorrekciós tényezőt jelöli.
A tanulmány fő optimalizálási célja a rugó energiájának maximalizálása. A célfüggvényt úgy fogalmaztuk meg, hogy megtalálja az f(X) maximalizáló \(\overrightarrow{\{X\}}\) értéket. Az \({f}_{1}(X)\) és \({f}_{2}(X)\) a nyomó- és a torziós rugó energiafüggvényei. Az optimalizáláshoz használt számított változókat és függvényeket a következő egyenletek mutatják.
A rugó tervezésére vonatkozó különféle korlátozásokat a következő egyenletek adják meg. A (15) és (16) egyenletek a nyomó- és torziós rugók biztonsági tényezőit jelölik. Ebben a vizsgálatban az SFC-nek legalább 1,2-nek, az SFT-nek pedig legalább θ26-nak kell lennie.
A bioanalógiai keresést (BA) a méhek pollenkereső stratégiái ihlették27. A méhek úgy keresnek, hogy több gyűjtögetőt küldenek a termékeny pollenmezőkre, és kevesebbet a kevésbé termékeny pollenmezőkre. Így érhető el a méhpopuláció legnagyobb hatékonysága. Másrészt a felderítő méhek továbbra is új pollenterületeket keresnek, és ha több produktív terület van, mint korábban, akkor sok gyűjtögető erre az új területre lesz irányítva28. A BA két részből áll: lokális keresésből és globális keresésből. A lokális keresés a minimumhoz közeli (elit helyek) közösségeket keres, például a méheket, és kevesebbet más helyeket (optimális vagy kiválasztott helyeket). A globális keresési részben tetszőleges keresést hajtanak végre, és ha jó értékeket találnak, az állomások a következő iterációban a lokális keresési részbe kerülnek. Az algoritmus néhány paramétert tartalmaz: a felderítő méhek számát (n), a helyi keresőhelyek számát (m), az elit helyek számát (e), a gyűjtögetőket az elit helyeken (nep), a gyűjtögetőket az optimális területeken. Helyszín (nsp), környékméret (ngh) és iterációk száma (I)29. A BA pszeudokód a 3. ábrán látható.
Az algoritmus a \({g}_{1}(X)\) és \({g}_{2}(X)\) között próbál működni. Minden iteráció eredményeként optimális értékeket határoz meg, és ezen értékek köré gyűjt egy populációt a legjobb értékek elérése érdekében. A korlátozásokat a lokális és globális keresési szakaszokban ellenőrzi a rendszer. Lokális keresés során, ha ezek a tényezők megfelelőek, kiszámítja az energiaértéket. Ha az új energiaérték nagyobb, mint az optimális érték, akkor az új értéket rendeli hozzá az optimális értékhez. Ha a keresési eredményben talált legjobb érték nagyobb, mint az aktuális elem értéke, akkor az új elem bekerül a gyűjteménybe. A lokális keresés blokkdiagramja a 4. ábrán látható.
A populáció az egyik kulcsfontosságú paraméter a BA-ban. Korábbi tanulmányokból látható, hogy a populáció bővítése csökkenti a szükséges iterációk számát és növeli a siker valószínűségét. Ugyanakkor a funkcionális értékelések száma is növekszik. Nagyszámú elit helyszín jelenléte nem befolyásolja jelentősen a teljesítményt. Az elit helyszínek száma alacsony lehet, ha nem nulla30. A felderítő méhpopuláció méretét (n) általában 30 és 100 között választják. Ebben a tanulmányban mind a 30, mind az 50 forgatókönyvet lefuttatták a megfelelő szám meghatározásához (2. táblázat). A többi paramétert a populációtól függően határozzák meg. A kiválasztott helyszínek száma (m) (körülbelül) a populáció méretének 25%-a, az elit helyszínek száma (e) pedig a kiválasztott helyszínek között az m 25%-a. A táplálkozó méhek számát (keresések számát) az elit parcellák esetében 100-ra, a többi lokális parcella esetében pedig 30-ra választották. A szomszédságkeresés minden evolúciós algoritmus alapkoncepciója. Ebben a tanulmányban a szűkülő szomszédok módszerét alkalmazták. Ez a módszer minden iteráció során egy bizonyos ütemben csökkenti a környék méretét. A későbbi iterációkban kisebb környékértékek30 használhatók a pontosabb keresés érdekében.
Minden forgatókönyvhöz tíz egymást követő tesztet végeztek az optimalizáló algoritmus reprodukálhatóságának ellenőrzésére. Az 5. ábra az 1. séma szerinti torziós rugó optimalizálásának eredményeit, a 6. ábra pedig a 2. séma szerintiét mutatja. A tesztadatok a 3. és 4. táblázatban is szerepelnek (a nyomórugóra kapott eredményeket tartalmazó táblázat az S1. kiegészítő információkban található). A méhpopuláció az első iterációban fokozza a jó értékek keresését. Az 1. forgatókönyvben egyes tesztek eredménye a maximum alatt volt. A 2. forgatókönyvben látható, hogy az összes optimalizálási eredmény a maximumhoz közeledik a populáció növekedése és más releváns paraméterek miatt. Látható, hogy a 2. forgatókönyvben szereplő értékek elegendőek az algoritmus számára.
Az iterációkban az energia maximális értékének meghatározásakor egy biztonsági tényezőt is megadnak a vizsgálathoz szükséges korlátozásként. A biztonsági tényezőt lásd a táblázatban. A BA segítségével kapott energiaértékeket az 5 DOE módszerrel kapott értékekkel hasonlítjuk össze az 5. táblázatban. (A gyártás megkönnyítése érdekében a torziós rugó menetszáma (N) 4,9 a 4,88 helyett, a nyomórugó elhajlása (xd) pedig 8 mm a 7,99 mm helyett.) Látható, hogy a BA jobb eredményt ad. A BA lokális és globális kereséseken keresztül értékeli ki az összes értéket. Így gyorsabban kipróbálhat több alternatívát.
Ebben a tanulmányban Adamst használták a szárnymechanizmus mozgásának elemzésére. Adams először a mechanizmus 3D-s modelljét kapja meg. Ezután definiáljon egy rugót az előző szakaszban kiválasztott paraméterekkel. Ezenkívül néhány további paramétert is meg kell határozni a tényleges elemzéshez. Ezek fizikai paraméterek, mint például a csatlakozások, az anyagtulajdonságok, az érintkezés, a súrlódás és a gravitáció. A lapáttengely és a csapágy között egy forgócsukló található. 5-6 hengeres illesztés található. 5-1 rögzített illesztés található. A fő test alumínium anyagból készült és rögzített. A többi alkatrész anyaga acél. A súrlódási együtthatót, az érintkezési merevséget és a súrlódó felület behatolási mélységét az anyag típusától függően kell kiválasztani. (AISI 304 rozsdamentes acél) Ebben a tanulmányban a kritikus paraméter a szárnymechanizmus nyitási ideje, amelynek kevesebbnek kell lennie, mint 200 ms. Ezért az elemzés során figyelni kell a szárnynyitási időre.
Adams elemzésének eredményeként a szárnymechanizmus nyitási ideje 74 milliszekundum. Az 1-től 4-ig terjedő dinamikus szimuláció eredményeit a 7. ábra mutatja. Az 5. ábra első képe a szimuláció kezdési időpontja, és a szárnyak a becsukódásra váró helyzetben vannak. (2) A szárny helyzetét mutatja 40 ms elteltével, amikor a szárny 43 fokkal elfordult. (3) A szárny helyzetét mutatja 71 milliszekundum elteltével. Az utolsó képen (4) a szárny fordulásának vége és a nyitott helyzet látható. A dinamikus elemzés eredményeként megfigyelték, hogy a szárnynyitási mechanizmus lényegesen rövidebb, mint a 200 ms-os célérték. Ezenkívül a rugók méretezésekor a biztonsági határértékeket az irodalomban ajánlott legmagasabb értékek közül választották.
Az összes tervezési, optimalizálási és szimulációs tanulmány elvégzése után elkészítették és integrálták a mechanizmus prototípusát. A prototípust ezután tesztelték a szimulációs eredmények ellenőrzése érdekében. Először rögzítették a fő héjat, és összehajtották a szárnyakat. Ezután a szárnyakat kioldották az összecsukott helyzetből, és videót készítettek a szárnyak elfordulásáról az összecsukott helyzetből a kihajtott helyzetbe. Az időzítőt a videofelvétel során az idő elemzésére is használták.
A 8. ábrán az 1-4. számmal jelölt videoképkockák láthatók. Az ábrán az 1. képkocka a behajtott szárnyak kioldásának pillanatát mutatja. Ezt a pillanatot tekintjük a t0 idő kezdeti pillanatának. A 2. és 3. képkocka a szárnyak helyzetét mutatja 40 ms és 70 ms múlva a kezdeti pillanat után. A 3. és 4. képkocka elemzésekor látható, hogy a szárny mozgása t0 után 90 ms-mal stabilizálódik, a szárny nyitása pedig 70 és 90 ms között fejeződik be. Ez azt jelenti, hogy mind a szimuláció, mind a prototípus tesztelés megközelítőleg azonos szárnynyitási időt eredményez, és a terv megfelel a mechanizmus teljesítménykövetelményeinek.
Ebben a cikkben a szárnyösszecsukó mechanizmusban használt torziós és nyomórugókat optimalizálták BA módszerrel. A paraméterek gyorsan elérhetők néhány iterációval. A torziós rugó 1075 mJ-ra, a nyomórugó pedig 37,24 mJ-ra van méretezve. Ezek az értékek 40-50%-kal jobbak, mint a korábbi DOE-tanulmányok. A rugót integrálták a mechanizmusba, és az ADAMS programban elemezték. Az elemzés során azt találták, hogy a szárnyak 74 milliszekundumon belül kinyíltak. Ez az érték jóval a projekt által kitűzött 200 milliszekundumos célérték alatt van. Egy későbbi kísérleti vizsgálatban a bekapcsolási időt körülbelül 90 ms-nak mérték. Ez a 16 milliszekundumos különbség az elemzések között a szoftverben nem modellezett környezeti tényezőknek tudható be. Úgy vélik, hogy a vizsgálat eredményeként kapott optimalizáló algoritmus különféle rugókialakításokhoz használható.
A rugóanyagot előre meghatározták, és nem használták változóként az optimalizálás során. Mivel a repülőgépekben és rakétákban sokféle rugótípust használnak, a BA-t más típusú rugók tervezésére fogják alkalmazni, különböző anyagok felhasználásával, az optimális rugótervezés elérése érdekében a jövőbeli kutatásokban.
Kijelentjük, hogy ez a kézirat eredeti, korábban nem jelent meg, és jelenleg nem fontolgatják máshol történő publikálását.
A tanulmányban keletkezett vagy elemzett összes adat megtalálható ebben a publikált cikkben [és a kiegészítő információs fájlban].
Min, Z., Kin, VK és Richard, LJ Repülőgép A szárnyprofil koncepció modernizálása radikális geometriai változtatásokon keresztül. IES J. Part A Civilization. composition. project. 3(3), 188–195 (2010).
Sun, J., Liu, K. és Bhushan, B. A bogár hátsó szárnyának áttekintése: szerkezet, mechanikai tulajdonságok, mechanizmusok és biológiai ihlet. J. Mecha. Behavior. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. és Zhang, F. Összecsukható meghajtású mechanizmus tervezése és elemzése egy hibrid hajtású víz alatti vitorlázórepülőgéphez. Ocean Engineering 119, 125–134 (2016).
Kartik, HS és Prithvi, K. Helikopter vízszintes stabilizátor összecsukó mechanizmusának tervezése és elemzése. belső J. Ing. tárolótartály. technológia. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. és Sahin, M. Összecsukható rakétaszárny-kialakítás mechanikai paramétereinek optimalizálása kísérlettervezési megközelítéssel. internal J. Model. optimization. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. és Hu, XD tervezési módszer, teljesítményvizsgálat és kompozit tekercsrugók gyártási folyamata: áttekintés. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. és Khaddar M. Tekercsrugók dinamikus tervezési optimalizálása. Apply for sound. 77, 178–183 (2014).
Paredes, M., Sartor, M. és Mascle, K. Eljárás húzórugók tervezésének optimalizálására. Számítógép. A módszer alkalmazása. Fur. Project. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. és Trochu F. Kompozit csavarrugók optimális tervezése többcélú optimalizálással. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB és Desale, DD: Tricikli első felfüggesztés tekercsrugóinak optimalizálása. Process. Manufacturer. 20, 428–433 (2018).
Bahshesh M. és Bahshesh M. Acél tekercsrugók optimalizálása kompozit rugókkal. internal J. Multidisciplinary. The Science. Project. 3(6), 47–51 (2012).
Chen, L. et al. Ismerje meg a kompozit tekercsrugók statikus és dinamikus teljesítményét befolyásoló számos paramétert. J. Market. Storage Tank. 20, 532–550 (2022).
Frank, J. Összetett csavarrugók elemzése és optimalizálása, PhD értekezés, Sacramento Állami Egyetem (2020).
Gu, Z., Hou, X. és Ye, J. Nemlineáris spirális rugók tervezési és elemzési módszerei a következő módszerek kombinációjával: végeselemes analízis, latin hiperkocka korlátozott mintavételezés és genetikus programozás. Process. Fur Institute. Project. CJ Mecha. Project. The Science. 235(22), 5917–5930 (2021).
Wu, L. és munkatársai. Állítható rugóstabilitású, szénszálas, többszálú tekercsrugók: tervezési és mechanizmusvizsgálat. J. Market. tárolótartály. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS és Jagtap ST: Nyomóerős csavarrugók súlyoptimalizálása. Belső J. Innov. tárolótartály. Multidisciplinary. 2(11), 154–164 (2016).
Rahul, MS és Rameshkumar, K. Többcélú optimalizálás és numerikus szimuláció autóipari alkalmazásokhoz. alma mater. process today. 46. ​​4847–4853 (2021).
Bai, JB et al. A legjobb gyakorlat meghatározása – Kompozit spirális szerkezetek optimális tervezése genetikus algoritmusok segítségével. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M. és Gokche, H. A nyomórugó minimális térfogatának optimalizálásán alapuló 灰狼 optimalizálási módszer használata, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. és Sait, SM. Metaheurisztika több ágens használatával az összeomlások optimalizálására. internal J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR és Erdash, MU Új hibrid Taguchi-salpa csoportoptimalizáló algoritmus valós mérnöki problémák megbízható tervezéséhez. alma mater. test. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR és Sait SM Robotmegfogó mechanizmusok megbízható tervezése egy új hibrid szöcskeoptimalizáló algoritmus felhasználásával. expert. system. 38(3), e12666 (2021).