Terima kasih telah mengunjungi Nature.com. Anda menggunakan versi browser dengan dukungan CSS terbatas. Tabung kumparan baja tahan karat Untuk pengalaman terbaik, kami sarankan Anda menggunakan browser yang diperbarui (atau nonaktifkan Mode Kompatibilitas di Internet Explorer). Selain itu, untuk memastikan dukungan yang berkelanjutan, kami menampilkan situs tanpa gaya dan JavaScript.
Menampilkan rangkaian tiga slide sekaligus. Gunakan tombol Sebelumnya dan Berikutnya untuk berpindah melalui tiga slide sekaligus, atau gunakan tombol penggeser di bagian akhir untuk berpindah melalui tiga slide sekaligus.
Dalam penelitian ini, tabung kumparan baja tahan karat desain pegas torsi dan kompresi mekanisme pelipatan sayap yang digunakan dalam roket dianggap sebagai masalah optimasi. Setelah roket meninggalkan tabung peluncuran, sayap yang tertutup harus dibuka dan diamankan selama jangka waktu tertentu. Tujuan dari penelitian ini adalah untuk memaksimalkan energi yang tersimpan dalam pegas sehingga sayap dapat mengembang dalam waktu sesingkat mungkin. Dalam hal ini, persamaan energi dalam kedua publikasi tersebut didefinisikan sebagai fungsi objektif dalam proses optimasi. Diameter kawat, diameter kumparan, jumlah kumparan, dan parameter defleksi yang diperlukan untuk desain pegas didefinisikan sebagai variabel optimasi. Ada batasan geometris pada variabel karena ukuran mekanisme, serta batasan pada faktor keamanan karena beban yang dibawa oleh pegas. Algoritma lebah madu (BA) digunakan untuk menyelesaikan masalah optimasi ini dan melakukan desain pegas. Nilai energi yang diperoleh dengan BA lebih unggul daripada yang diperoleh dari studi Design of Experiments (DOE) sebelumnya. Pegas dan mekanisme yang dirancang menggunakan parameter yang diperoleh dari optimasi pertama kali dianalisis dalam program ADAMS. Setelah itu, pengujian eksperimental dilakukan dengan mengintegrasikan pegas yang diproduksi ke dalam mekanisme nyata. Sebagai hasil dari pengujian, diamati bahwa sayap terbuka setelah sekitar 90 milidetik. Nilai ini jauh di bawah target proyek yaitu 200 milidetik. Selain itu, perbedaan antara hasil analitis dan eksperimental hanya 16 ms.
Pada pesawat terbang dan kendaraan laut, mekanisme pelipatan tabung kumparan baja tahan karat sangat penting. Sistem ini digunakan dalam modifikasi dan konversi pesawat terbang untuk meningkatkan kinerja dan kontrol penerbangan. Bergantung pada mode penerbangan, sayap terlipat dan terbuka secara berbeda untuk mengurangi dampak aerodinamis1. Situasi ini dapat dibandingkan dengan gerakan sayap beberapa burung dan serangga selama penerbangan dan penyelaman sehari-hari. Demikian pula, glider terlipat dan terbuka dalam kapal selam untuk mengurangi efek hidrodinamik dan memaksimalkan penanganan3. Tujuan lain dari mekanisme ini adalah untuk memberikan keuntungan volumetrik pada sistem seperti pelipatan baling-baling helikopter 4 untuk penyimpanan dan pengangkutan. Sayap roket juga terlipat ke bawah untuk mengurangi ruang penyimpanan. Dengan demikian, lebih banyak rudal dapat ditempatkan pada area peluncur 5 yang lebih kecil. Komponen yang digunakan secara efektif dalam pelipatan dan pembukaan biasanya adalah pegas. Pada saat pelipatan, energi disimpan di dalamnya dan dilepaskan pada saat pembukaan. Karena strukturnya yang fleksibel, energi yang disimpan dan dilepaskan disamakan. Pegas terutama dirancang untuk sistem, dan desain ini menghadirkan masalah pengoptimalan6. Sebab meskipun mencakup berbagai variabel seperti diameter kawat, diameter kumparan, jumlah lilitan, sudut heliks, dan jenis material, ada juga kriteria seperti massa, volume, distribusi tegangan minimum, atau ketersediaan energi maksimum7.
Studi ini menjelaskan desain dan optimalisasi pegas untuk mekanisme pelipatan sayap yang digunakan dalam sistem roket. Saat berada di dalam tabung peluncuran sebelum terbang, sayap tetap terlipat di permukaan roket, dan setelah keluar dari tabung peluncuran, sayap terbuka selama waktu tertentu dan tetap menempel di permukaan. Proses ini sangat penting untuk berfungsinya roket dengan baik. Dalam mekanisme pelipatan yang dikembangkan, pembukaan sayap dilakukan oleh pegas torsi, dan penguncian dilakukan oleh pegas kompresi. Untuk merancang pegas yang sesuai, proses optimalisasi harus dilakukan. Dalam optimalisasi pegas, terdapat berbagai aplikasi dalam literatur.
Paredes et al.8 mendefinisikan faktor umur lelah maksimum sebagai fungsi objektif untuk desain pegas heliks dan menggunakan metode quasi-Newtonian sebagai metode optimasi. Variabel dalam optimasi diidentifikasi sebagai diameter kawat, diameter kumparan, jumlah lilitan, dan panjang pegas. Parameter lain dari struktur pegas adalah bahan pembuatnya. Oleh karena itu, hal ini diperhitungkan dalam studi desain dan optimasi. Zebdi et al.9 menetapkan tujuan kekakuan maksimum dan berat minimum dalam fungsi objektif dalam studi mereka, di mana faktor berat signifikan. Dalam kasus ini, mereka mendefinisikan bahan pegas dan sifat geometris sebagai variabel. Mereka menggunakan algoritma genetika sebagai metode optimasi. Dalam industri otomotif, berat bahan berguna dalam banyak hal, mulai dari kinerja kendaraan hingga konsumsi bahan bakar. Minimalisasi berat sambil mengoptimalkan pegas koil untuk suspensi adalah studi yang terkenal10. Bahshesh dan Bahshesh11 mengidentifikasi bahan-bahan seperti E-glass, karbon, dan Kevlar sebagai variabel dalam pekerjaan mereka di lingkungan ANSYS dengan tujuan mencapai berat minimum dan kekuatan tarik maksimum dalam berbagai desain pegas suspensi komposit. Proses pembuatan sangat penting dalam pengembangan pegas komposit. Dengan demikian, berbagai variabel berperan dalam masalah optimasi, seperti metode produksi, langkah-langkah yang diambil dalam proses, dan urutan langkah-langkah tersebut12,13. Saat merancang pegas untuk sistem dinamis, frekuensi alami sistem harus diperhitungkan. Direkomendasikan agar frekuensi alami pertama pegas setidaknya 5-10 kali frekuensi alami sistem untuk menghindari resonansi14. Taktak dkk. 7 memutuskan untuk meminimalkan massa pegas dan memaksimalkan frekuensi alami pertama sebagai fungsi objektif dalam desain pegas koil. Mereka menggunakan metode pencarian pola, titik interior, set aktif, dan algoritma genetika dalam alat optimasi Matlab. Penelitian analitis merupakan bagian dari penelitian desain pegas, dan Metode Elemen Hingga populer di bidang ini15. Patil dkk.16 mengembangkan metode optimasi untuk mengurangi berat pegas heliks kompresi menggunakan prosedur analitis dan menguji persamaan analitis menggunakan metode elemen hingga. Kriteria lain untuk meningkatkan kegunaan pegas adalah peningkatan energi yang dapat disimpannya. Kasus ini juga memastikan bahwa pegas mempertahankan kegunaannya untuk jangka waktu yang lama. Rahul dan Rameshkumar17 Berusaha untuk mengurangi volume pegas dan meningkatkan energi regangan dalam desain pegas koil mobil. Mereka juga telah menggunakan algoritma genetika dalam penelitian optimasi.
Seperti yang dapat dilihat, parameter dalam studi optimasi bervariasi dari satu sistem ke sistem lainnya. Secara umum, parameter kekakuan dan tegangan geser penting dalam sistem yang beban yang dipikulnya merupakan faktor penentu. Pemilihan material termasuk dalam sistem batas berat dengan kedua parameter ini. Di sisi lain, frekuensi alami diperiksa untuk menghindari resonansi dalam sistem yang sangat dinamis. Dalam sistem yang utilitasnya penting, energi dimaksimalkan. Dalam studi optimasi, meskipun FEM digunakan untuk studi analitis, dapat dilihat bahwa algoritma metaheuristik seperti algoritma genetika14,18 dan algoritma serigala abu-abu19 digunakan bersama dengan metode Newton klasik dalam rentang parameter tertentu. Algoritma metaheuristik telah dikembangkan berdasarkan metode adaptasi alami yang mendekati keadaan optimal dalam waktu singkat, terutama di bawah pengaruh populasi20,21. Dengan distribusi acak populasi di area pencarian, mereka menghindari optima lokal dan bergerak menuju optima global22. Dengan demikian, dalam beberapa tahun terakhir ini sering digunakan dalam konteks masalah industri nyata23,24.
Kasus kritis untuk mekanisme pelipatan yang dikembangkan dalam penelitian ini adalah bahwa sayap, yang berada dalam posisi tertutup sebelum terbang, terbuka beberapa saat setelah meninggalkan tabung. Setelah itu, elemen pengunci menghalangi sayap. Oleh karena itu, pegas tidak secara langsung memengaruhi dinamika terbang. Dalam kasus ini, tujuan pengoptimalan adalah untuk memaksimalkan energi yang tersimpan guna mempercepat pergerakan pegas. Diameter rol, diameter kawat, jumlah rol, dan defleksi ditetapkan sebagai parameter pengoptimalan. Karena ukuran pegas yang kecil, berat tidak dianggap sebagai tujuan. Oleh karena itu, jenis material ditetapkan sebagai tetap. Batasan keamanan untuk deformasi mekanis ditetapkan sebagai batasan kritis. Selain itu, kendala ukuran variabel terlibat dalam ruang lingkup mekanisme. Metode metaheuristik BA dipilih sebagai metode pengoptimalan. BA disukai karena strukturnya yang fleksibel dan sederhana, dan karena kemajuannya dalam penelitian pengoptimalan mekanis25. Pada bagian kedua penelitian, ekspresi matematika terperinci disertakan dalam kerangka desain dasar dan desain pegas mekanisme pelipatan. Bagian ketiga berisi algoritma pengoptimalan dan hasil pengoptimalan. Bab 4 melakukan analisis dalam program ADAMS. Kesesuaian pegas dianalisis sebelum produksi. Bagian terakhir berisi hasil eksperimen dan gambar uji. Hasil yang diperoleh dalam penelitian ini juga dibandingkan dengan pekerjaan penulis sebelumnya menggunakan pendekatan DOE.
Sayap yang dikembangkan dalam penelitian ini harus terlipat ke arah permukaan roket. Sayap berputar dari posisi terlipat ke posisi tidak terlipat. Untuk ini, mekanisme khusus dikembangkan. Pada gambar 1 menunjukkan konfigurasi terlipat dan tidak terlipat5 dalam sistem koordinat roket.
Pada gambar 2 menunjukkan pandangan penampang mekanisme. Mekanisme tersebut terdiri dari beberapa bagian mekanis: (1) badan utama, (2) poros sayap, (3) bantalan, (4) badan pengunci, (5) semak pengunci, (6) pin penghenti, (7) pegas torsi dan (8) pegas kompresi. Poros sayap (2) dihubungkan ke pegas torsi (7) melalui selongsong pengunci (4). Ketiga bagian berputar secara bersamaan setelah roket lepas landas. Dengan gerakan rotasi ini, sayap berputar ke posisi akhirnya. Setelah itu, pin (6) digerakkan oleh pegas kompresi (8), sehingga menghalangi seluruh mekanisme badan pengunci (4)5.
Modulus elastis (E) dan modulus geser (G) merupakan parameter desain utama pegas. Dalam penelitian ini, kawat baja pegas karbon tinggi (Music wire ASTM A228) dipilih sebagai material pegas. Parameter lainnya adalah diameter kawat (d), diameter kumparan rata-rata (Dm), jumlah kumparan (N), dan defleksi pegas (xd untuk pegas tekan dan θ untuk pegas torsi)26. Energi tersimpan untuk pegas tekan \({(SE}_{x})\) dan pegas torsi (\({SE}_{\theta}\)) dapat dihitung dari persamaan (1) dan (2)26. (Nilai modulus geser (G) untuk pegas tekan adalah 83,7E9 Pa, dan nilai modulus elastis (E) untuk pegas torsi adalah 203,4E9 Pa.)
Dimensi mekanis sistem secara langsung menentukan kendala geometris pegas. Selain itu, kondisi tempat roket akan ditempatkan juga harus diperhitungkan. Faktor-faktor ini menentukan batas parameter pegas. Batasan penting lainnya adalah faktor keamanan. Definisi faktor keamanan dijelaskan secara rinci oleh Shigley et al.26. Faktor keamanan pegas kompresi (SFC) didefinisikan sebagai tegangan maksimum yang diijinkan dibagi dengan tegangan pada panjang kontinu. SFC dapat dihitung menggunakan persamaan. (3), (4), (5) dan (6)26. (Untuk bahan pegas yang digunakan dalam penelitian ini, \({S}_{sy}=980 MPa\)). F mewakili gaya dalam persamaan dan KB mewakili faktor Bergstrasser sebesar 26.
Faktor keamanan torsi pegas (SFT) didefinisikan sebagai M dibagi k. SFT dapat dihitung dari persamaan (7), (8), (9) dan (10)26. (Untuk material yang digunakan dalam penelitian ini, \({S}_{y}=1600 \mathrm{MPa}\)). Dalam persamaan tersebut, M digunakan untuk torsi, \({k}^{^{\prime}}\) digunakan untuk konstanta pegas (torsi/rotasi), dan Ki digunakan untuk faktor koreksi tegangan.
Sasaran optimasi utama dalam studi ini adalah memaksimalkan energi pegas. Fungsi objektif diformulasikan untuk menemukan \(\overrightarrow{\{X\}}\) yang memaksimalkan \(f(X)\). \({f}_{1}(X)\) dan \({f}_{2}(X)\) masing-masing adalah fungsi energi pegas kompresi dan torsi. Variabel terhitung dan fungsi yang digunakan untuk optimasi ditunjukkan dalam persamaan berikut.
Berbagai kendala yang dikenakan pada desain pegas diberikan dalam persamaan berikut. Persamaan (15) dan (16) masing-masing mewakili faktor keamanan untuk pegas kompresi dan torsi. Dalam studi ini, SFC harus lebih besar dari atau sama dengan 1,2 dan SFT harus lebih besar dari atau sama dengan θ26.
BA terinspirasi dari strategi lebah dalam mencari serbuk sari27. Lebah mencari dengan cara mengirimkan lebih banyak lebah pengumpul serbuk sari ke ladang serbuk sari yang subur dan lebih sedikit lebah pengumpul serbuk sari ke ladang serbuk sari yang kurang subur. Dengan demikian, efisiensi terbesar dari populasi lebah tercapai. Di sisi lain, lebah pengintai terus mencari area serbuk sari baru, dan jika ada area yang lebih produktif dari sebelumnya, banyak lebah pengumpul serbuk sari akan diarahkan ke area baru ini28. BA terdiri dari dua bagian: pencarian lokal dan pencarian global. Pencarian lokal mencari lebih banyak komunitas yang mendekati minimum (situs elit), seperti lebah, dan lebih sedikit mencari situs lain (situs optimal atau pilih). Pencarian acak dilakukan di bagian pencarian global, dan jika nilai yang baik ditemukan, stasiun dipindahkan ke bagian pencarian lokal pada iterasi berikutnya. Algoritma tersebut berisi beberapa parameter: jumlah lebah pengintai (n), jumlah situs pencarian lokal (m), jumlah situs elit (e), jumlah lebah pengumpul serbuk sari di situs elit (nep), jumlah lebah pengumpul serbuk sari di area optimal. Lokasi (nsp), ukuran lingkungan (ngh), dan jumlah iterasi (I)29. Pseudocode BA ditunjukkan pada Gambar 3.
Algoritma ini mencoba bekerja antara \({g}_{1}(X)\) dan \({g}_{2}(X)\). Sebagai hasil dari setiap iterasi, nilai-nilai optimal ditentukan dan populasi dikumpulkan di sekitar nilai-nilai ini dalam upaya untuk mendapatkan nilai-nilai terbaik. Pembatasan diperiksa di bagian pencarian lokal dan global. Dalam pencarian lokal, jika faktor-faktor ini sesuai, nilai energi dihitung. Jika nilai energi baru lebih besar dari nilai optimal, tetapkan nilai baru ke nilai optimal. Jika nilai terbaik yang ditemukan dalam hasil pencarian lebih besar dari elemen saat ini, elemen baru akan dimasukkan dalam koleksi. Diagram blok pencarian lokal ditunjukkan pada Gambar 4.
Populasi adalah salah satu parameter kunci dalam BA. Dapat dilihat dari penelitian sebelumnya bahwa memperluas populasi mengurangi jumlah iterasi yang diperlukan dan meningkatkan kemungkinan keberhasilan. Namun, jumlah penilaian fungsional juga meningkat. Kehadiran sejumlah besar situs elit tidak memengaruhi kinerja secara signifikan. Jumlah situs elit bisa rendah jika tidak nol30. Ukuran populasi lebah pengintai (n) biasanya dipilih antara 30 dan 100. Dalam penelitian ini, skenario 30 dan 50 dijalankan untuk menentukan jumlah yang sesuai (Tabel 2). Parameter lain ditentukan tergantung pada populasi. Jumlah situs yang dipilih (m) adalah (kurang lebih) 25% dari ukuran populasi, dan jumlah situs elit (e) di antara situs yang dipilih adalah 25% dari m. Jumlah lebah yang memberi makan (jumlah pencarian) dipilih menjadi 100 untuk plot elit dan 30 untuk plot lokal lainnya. Pencarian lingkungan adalah konsep dasar dari semua algoritma evolusi. Dalam penelitian ini, digunakan metode tapering neighbours. Metode ini mengurangi ukuran lingkungan sekitar pada tingkat tertentu selama setiap iterasi. Pada iterasi berikutnya, nilai lingkungan sekitar yang lebih kecil30 dapat digunakan untuk pencarian yang lebih akurat.
Untuk setiap skenario, sepuluh pengujian berturut-turut dilakukan untuk memeriksa reproduktifitas algoritma optimasi. Pada gbr. 5 menunjukkan hasil optimasi pegas torsi untuk skema 1, dan pada gbr. 6 – untuk skema 2. Data uji juga diberikan dalam tabel 3 dan 4 (tabel yang berisi hasil yang diperoleh untuk pegas kompresi ada di Informasi Tambahan S1). Populasi lebah mengintensifkan pencarian nilai yang baik pada iterasi pertama. Dalam skenario 1, hasil beberapa pengujian berada di bawah maksimum. Dalam Skenario 2, dapat dilihat bahwa semua hasil optimasi mendekati maksimum karena peningkatan populasi dan parameter relevan lainnya. Dapat dilihat bahwa nilai-nilai dalam Skenario 2 cukup untuk algoritma.
Ketika memperoleh nilai energi maksimum dalam iterasi, faktor keamanan juga diberikan sebagai kendala untuk studi. Lihat tabel untuk faktor keamanan. Nilai energi yang diperoleh menggunakan BA dibandingkan dengan yang diperoleh menggunakan metode 5 DOE pada Tabel 5. (Untuk kemudahan pembuatan, jumlah lilitan (N) pegas torsi adalah 4,9 bukannya 4,88, dan defleksi (xd) adalah 8 mm bukannya 7,99 mm pada pegas kompresi.) Dapat dilihat bahwa BA lebih baik Hasil. BA mengevaluasi semua nilai melalui pencarian lokal dan global. Dengan cara ini ia dapat mencoba lebih banyak alternatif dengan lebih cepat.
Dalam studi ini, Adams digunakan untuk menganalisis pergerakan mekanisme sayap. Adams pertama-tama diberikan model 3D mekanisme tersebut. Kemudian tentukan pegas dengan parameter yang dipilih di bagian sebelumnya. Selain itu, beberapa parameter lain perlu ditentukan untuk analisis yang sebenarnya. Ini adalah parameter fisik seperti sambungan, sifat material, kontak, gesekan, dan gravitasi. Ada sambungan putar antara poros bilah dan bantalan. Ada 5-6 sambungan silinder. Ada 5-1 sambungan tetap. Badan utama terbuat dari bahan aluminium dan tetap. Bahan bagian lainnya adalah baja. Pilih koefisien gesekan, kekakuan kontak, dan kedalaman penetrasi permukaan gesekan tergantung pada jenis bahan. (baja tahan karat AISI 304) Dalam studi ini, parameter kritis adalah waktu pembukaan mekanisme sayap, yang harus kurang dari 200 ms. Oleh karena itu, perhatikan waktu pembukaan sayap selama analisis.
Sebagai hasil dari analisis Adams, waktu pembukaan mekanisme sayap adalah 74 milidetik. Hasil simulasi dinamis dari 1 hingga 4 ditunjukkan pada Gambar 7. Gambar pertama pada Gambar. 5 adalah waktu mulai simulasi dan sayap berada dalam posisi menunggu untuk melipat. (2) Menampilkan posisi sayap setelah 40 ms ketika sayap telah berputar 43 derajat. (3) menunjukkan posisi sayap setelah 71 milidetik. Juga pada gambar terakhir (4) menunjukkan akhir putaran sayap dan posisi terbuka. Sebagai hasil dari analisis dinamis, diamati bahwa mekanisme pembukaan sayap secara signifikan lebih pendek dari nilai target 200 ms. Selain itu, ketika mengukur pegas, batas keamanan dipilih dari nilai tertinggi yang direkomendasikan dalam literatur.
Setelah semua desain, optimasi, dan studi simulasi selesai, prototipe mekanisme tersebut diproduksi dan diintegrasikan. Prototipe tersebut kemudian diuji untuk memverifikasi hasil simulasi. Pertama-tama, kencangkan rangka utama dan lipat sayapnya. Kemudian, sayap dilepaskan dari posisi terlipat dan video dibuat untuk menunjukkan rotasi sayap dari posisi terlipat ke posisi terbuka. Pengatur waktu juga digunakan untuk menganalisis waktu selama perekaman video.
Pada gambar 8 menunjukkan frame video bernomor 1-4. Frame nomor 1 pada gambar menunjukkan momen pelepasan sayap yang terlipat. Momen ini dianggap sebagai momen awal waktu t0. Frame 2 dan 3 menunjukkan posisi sayap 40 ms dan 70 ms setelah momen awal. Saat menganalisis frame 3 dan 4, dapat dilihat bahwa pergerakan sayap stabil 90 ms setelah t0, dan pembukaan sayap selesai antara 70 dan 90 ms. Situasi ini berarti bahwa baik pengujian simulasi maupun prototipe memberikan waktu penyebaran sayap yang kira-kira sama, dan desain memenuhi persyaratan kinerja mekanisme.
Dalam artikel ini, pegas torsi dan kompresi yang digunakan dalam mekanisme pelipatan sayap dioptimalkan menggunakan BA. Parameter dapat dicapai dengan cepat dengan beberapa iterasi. Pegas torsi dinilai pada 1075 mJ dan pegas kompresi dinilai pada 37,24 mJ. Nilai-nilai ini 40-50% lebih baik daripada studi DOE sebelumnya. Pegas diintegrasikan ke dalam mekanisme dan dianalisis dalam program ADAMS. Ketika dianalisis, ditemukan bahwa sayap terbuka dalam waktu 74 milidetik. Nilai ini jauh di bawah target proyek sebesar 200 milidetik. Dalam studi eksperimental berikutnya, waktu nyala diukur menjadi sekitar 90 ms. Perbedaan 16 milidetik antara analisis ini mungkin disebabkan oleh faktor lingkungan yang tidak dimodelkan dalam perangkat lunak. Diyakini bahwa algoritma pengoptimalan yang diperoleh sebagai hasil dari studi tersebut dapat digunakan untuk berbagai desain pegas.
Bahan pegas telah ditetapkan sebelumnya dan tidak digunakan sebagai variabel dalam pengoptimalan. Karena banyak jenis pegas yang digunakan dalam pesawat terbang dan roket, BA akan diterapkan untuk merancang jenis pegas lain menggunakan bahan yang berbeda untuk mencapai desain pegas yang optimal dalam penelitian mendatang.
Kami menyatakan bahwa naskah ini asli, belum pernah diterbitkan sebelumnya, dan saat ini tidak sedang dipertimbangkan untuk diterbitkan di tempat lain.
Semua data yang dihasilkan atau dianalisis dalam penelitian ini disertakan dalam artikel yang diterbitkan ini [dan berkas informasi tambahan].
Min, Z., Kin, VK dan Richard, LJ Aircraft Modernisasi konsep airfoil melalui perubahan geometris yang radikal. IES J. Bagian A Peradaban. komposisi. proyek. 3(3), 188–195 (2010).
Sun, J., Liu, K. dan Bhushan, B. Tinjauan umum sayap belakang kumbang: struktur, sifat mekanis, mekanisme, dan inspirasi biologis. J. Mecha. Behavior. Biomedical Science. Almamater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., dan Zhang, F. Desain dan analisis mekanisme propulsi lipat untuk glider bawah air bertenaga hibrida. Ocean Engineering 119, 125–134 (2016).
Kartik, HS dan Prithvi, K. Desain dan Analisis Mekanisme Pelipatan Stabilizer Horizontal Helikopter. J. Ing. internal tangki penyimpanan. teknologi. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. dan Sahin, M. Optimasi parameter mekanik desain sayap roket lipat menggunakan pendekatan desain eksperimen. internal J. Model. optimasi. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Metode Desain, Studi Kinerja, dan Proses Pembuatan Pegas Kumparan Komposit: Tinjauan. komposisi. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. dan Khaddar M. Optimalisasi desain dinamis pegas koil. Terapkan untuk suara. 77, 178–183 (2014).
Paredes, M., Sartor, M., dan Mascle, K. Prosedur untuk mengoptimalkan desain pegas tegangan. komputer. penerapan metode. bulu. proyek. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. dan Trochu F. Desain optimal pegas heliks komposit menggunakan optimasi multiobjektif. J. Reinf. plastik. komposisi. 28 (14), 1713–1732 (2009).
Pawart, HB dan Desale, DD Optimalisasi pegas koil suspensi depan sepeda roda tiga. proses. produsen. 20, 428–433 (2018).
Bahshesh M. dan Bahshesh M. Optimalisasi pegas kumparan baja dengan pegas komposit. jurnal internal. Multidisiplin. proyek sains. 3(6), 47–51 (2012).
Chen, L. dkk. Pelajari berbagai parameter yang memengaruhi kinerja statis dan dinamis pegas koil komposit. J. Market. storage tank. 20, 532–550 (2022).
Frank, J. Analisis dan Optimalisasi Pegas Heliks Komposit, Tesis PhD, Universitas Negeri Sacramento (2020).
Gu, Z., Hou, X. dan Ye, J. Metode untuk merancang dan menganalisis pegas heliks nonlinier menggunakan kombinasi metode: analisis elemen hingga, pengambilan sampel terbatas hiperkubus Latin, dan pemrograman genetik. proses. Institut Bulu. proyek. CJ Mecha. proyek. sains. 235(22), 5917–5930 (2021).
Wu, L., dkk. Pegas Kumparan Serat Karbon Multi-Untai dengan Laju Pegas yang Dapat Disesuaikan: Studi Desain dan Mekanisme. J. Pasar. tangki penyimpanan. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS dan Jagtap ST Optimalisasi berat pegas heliks kompresi. Jurnal internal. Innov. tangki penyimpanan. Multidisiplin. 2(11), 154–164 (2016).
Rahul, MS dan Rameshkumar, K. Optimasi serbaguna dan simulasi numerik pegas koil untuk aplikasi otomotif. Almamater. Proses hari ini. 46. ​​4847–4853 (2021).
Bai, JB dkk. Mendefinisikan Praktik Terbaik – Desain Optimal Struktur Heliks Komposit Menggunakan Algoritma Genetika. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M., dan Gokche, H. Menggunakan metode optimasi 灰狼 berdasarkan optimasi volume minimum desain pegas kompresi, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. dan Sait, SM Metaheuristik menggunakan beberapa agen untuk mengoptimalkan kerusakan. Jurnal Veh. internal. dec. 80(2–4), 223–240 (2019).
Yildyz, AR dan Erdash, MU Algoritma optimasi grup Taguchi-salpa hibrida baru untuk desain masalah teknik nyata yang andal. Almamater. Tes. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR dan Sait SM Desain mekanisme gripper robot yang andal menggunakan algoritma optimasi belalang hibrida baru. sistem pakar. 38(3), e12666 (2021).