Nature.com ಗೆ ಭೇಟಿ ನೀಡಿದ್ದಕ್ಕಾಗಿ ಧನ್ಯವಾದಗಳು. ನೀವು ಸೀಮಿತ CSS ಬೆಂಬಲದೊಂದಿಗೆ ಬ್ರೌಸರ್ ಆವೃತ್ತಿಯನ್ನು ಬಳಸುತ್ತಿದ್ದೀರಿ. ಸ್ಟೇನ್‌ಲೆಸ್ ಸ್ಟೀಲ್ ಕಾಯಿಲ್ ಟ್ಯೂಬ್ ಉತ್ತಮ ಅನುಭವಕ್ಕಾಗಿ, ನೀವು ನವೀಕರಿಸಿದ ಬ್ರೌಸರ್ ಅನ್ನು ಬಳಸಬೇಕೆಂದು ನಾವು ಶಿಫಾರಸು ಮಾಡುತ್ತೇವೆ (ಅಥವಾ ಇಂಟರ್ನೆಟ್ ಎಕ್ಸ್‌ಪ್ಲೋರರ್‌ನಲ್ಲಿ ಹೊಂದಾಣಿಕೆ ಮೋಡ್ ಅನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಿ). ಹೆಚ್ಚುವರಿಯಾಗಿ, ನಡೆಯುತ್ತಿರುವ ಬೆಂಬಲವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು, ನಾವು ಶೈಲಿಗಳು ಮತ್ತು ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಇಲ್ಲದೆ ಸೈಟ್ ಅನ್ನು ತೋರಿಸುತ್ತೇವೆ.
ಮೂರು ಸ್ಲೈಡ್‌ಗಳ ಕ್ಯಾರೋಸೆಲ್ ಅನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಪ್ರದರ್ಶಿಸುತ್ತದೆ. ಒಂದೇ ಬಾರಿಗೆ ಮೂರು ಸ್ಲೈಡ್‌ಗಳ ಮೂಲಕ ಚಲಿಸಲು ಹಿಂದಿನ ಮತ್ತು ಮುಂದಿನ ಬಟನ್‌ಗಳನ್ನು ಬಳಸಿ, ಅಥವಾ ಒಂದೇ ಬಾರಿಗೆ ಮೂರು ಸ್ಲೈಡ್‌ಗಳ ಮೂಲಕ ಚಲಿಸಲು ಕೊನೆಯಲ್ಲಿರುವ ಸ್ಲೈಡರ್ ಬಟನ್‌ಗಳನ್ನು ಬಳಸಿ.
ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಸ್ಟೇನ್‌ಲೆಸ್ ಸ್ಟೀಲ್ ಕಾಯಿಲ್ ಟ್ಯೂಬ್ ರಾಕೆಟ್‌ನಲ್ಲಿ ಬಳಸಲಾಗುವ ರೆಕ್ಕೆ ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನದ ತಿರುಚುವಿಕೆ ಮತ್ತು ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ವಿನ್ಯಾಸವನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಮಸ್ಯೆ ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ರಾಕೆಟ್ ಉಡಾವಣಾ ಟ್ಯೂಬ್‌ನಿಂದ ಹೊರಬಂದ ನಂತರ, ಮುಚ್ಚಿದ ರೆಕ್ಕೆಗಳನ್ನು ನಿರ್ದಿಷ್ಟ ಸಮಯದವರೆಗೆ ತೆರೆಯಬೇಕು ಮತ್ತು ಸುರಕ್ಷಿತಗೊಳಿಸಬೇಕು. ಸ್ಪ್ರಿಂಗ್‌ಗಳಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಶಕ್ತಿಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸುವುದು ಅಧ್ಯಯನದ ಉದ್ದೇಶವಾಗಿತ್ತು, ಇದರಿಂದ ರೆಕ್ಕೆಗಳು ಸಾಧ್ಯವಾದಷ್ಟು ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ನಿಯೋಜಿಸಬಹುದು. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಎರಡೂ ಪ್ರಕಟಣೆಗಳಲ್ಲಿನ ಶಕ್ತಿಯ ಸಮೀಕರಣವನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ವಸ್ತುನಿಷ್ಠ ಕಾರ್ಯವೆಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸಕ್ಕೆ ಅಗತ್ಯವಿರುವ ತಂತಿಯ ವ್ಯಾಸ, ಸುರುಳಿಯ ವ್ಯಾಸ, ಸುರುಳಿಗಳ ಸಂಖ್ಯೆ ಮತ್ತು ವಿಚಲನ ನಿಯತಾಂಕಗಳನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಸ್ಥಿರಗಳಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. ಕಾರ್ಯವಿಧಾನದ ಗಾತ್ರದಿಂದಾಗಿ ಅಸ್ಥಿರಗಳ ಮೇಲೆ ಜ್ಯಾಮಿತೀಯ ಮಿತಿಗಳಿವೆ, ಜೊತೆಗೆ ಸ್ಪ್ರಿಂಗ್‌ಗಳು ಹೊತ್ತೊಯ್ಯುವ ಹೊರೆಯಿಂದಾಗಿ ಸುರಕ್ಷತಾ ಅಂಶದ ಮೇಲೆ ಮಿತಿಗಳಿವೆ. ಈ ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಮತ್ತು ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸವನ್ನು ನಿರ್ವಹಿಸಲು ಜೇನುನೊಣ (BA) ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಲಾಯಿತು. BA ಯೊಂದಿಗೆ ಪಡೆದ ಶಕ್ತಿಯ ಮೌಲ್ಯಗಳು ಹಿಂದಿನ ಪ್ರಯೋಗಗಳ ವಿನ್ಯಾಸ (DOE) ಅಧ್ಯಯನಗಳಿಂದ ಪಡೆದ ಮೌಲ್ಯಗಳಿಗಿಂತ ಉತ್ತಮವಾಗಿವೆ. ಆಪ್ಟಿಮೈಸೇಶನ್‌ನಿಂದ ಪಡೆದ ನಿಯತಾಂಕಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸ್ಪ್ರಿಂಗ್‌ಗಳು ಮತ್ತು ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಮೊದಲು ADAMS ಪ್ರೋಗ್ರಾಂನಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಲಾಯಿತು. ಅದರ ನಂತರ, ತಯಾರಿಸಿದ ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ನೈಜ ಕಾರ್ಯವಿಧಾನಗಳಲ್ಲಿ ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸಲಾಯಿತು. ಪರೀಕ್ಷೆಯ ಪರಿಣಾಮವಾಗಿ, ಸುಮಾರು 90 ಮಿಲಿಸೆಕೆಂಡುಗಳ ನಂತರ ರೆಕ್ಕೆಗಳು ತೆರೆದುಕೊಳ್ಳುವುದನ್ನು ಗಮನಿಸಲಾಯಿತು. ಈ ಮೌಲ್ಯವು ಯೋಜನೆಯ ಗುರಿಯಾದ 200 ಮಿಲಿಸೆಕೆಂಡುಗಳಿಗಿಂತ ಬಹಳ ಕಡಿಮೆಯಾಗಿದೆ. ಇದರ ಜೊತೆಗೆ, ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ಕೇವಲ 16 ಎಂಎಸ್ ಆಗಿದೆ.
ವಿಮಾನ ಮತ್ತು ಸಮುದ್ರ ವಾಹನಗಳಲ್ಲಿ, ಸ್ಟೇನ್‌ಲೆಸ್ ಸ್ಟೀಲ್ ಕಾಯಿಲ್ ಟ್ಯೂಬ್ ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನಗಳು ನಿರ್ಣಾಯಕವಾಗಿವೆ. ಹಾರಾಟದ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ನಿಯಂತ್ರಣವನ್ನು ಸುಧಾರಿಸಲು ಈ ವ್ಯವಸ್ಥೆಗಳನ್ನು ವಿಮಾನ ಮಾರ್ಪಾಡುಗಳು ಮತ್ತು ಪರಿವರ್ತನೆಗಳಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ. ಹಾರಾಟದ ಮೋಡ್ ಅನ್ನು ಅವಲಂಬಿಸಿ, ರೆಕ್ಕೆಗಳು ವಾಯುಬಲವೈಜ್ಞಾನಿಕ ಪರಿಣಾಮವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ವಿಭಿನ್ನವಾಗಿ ಮಡಚಿಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ಬಿಚ್ಚಿಕೊಳ್ಳುತ್ತವೆ. ಈ ಪರಿಸ್ಥಿತಿಯನ್ನು ದೈನಂದಿನ ಹಾರಾಟ ಮತ್ತು ಡೈವಿಂಗ್ ಸಮಯದಲ್ಲಿ ಕೆಲವು ಪಕ್ಷಿಗಳು ಮತ್ತು ಕೀಟಗಳ ರೆಕ್ಕೆಗಳ ಚಲನೆಗೆ ಹೋಲಿಸಬಹುದು. ಅದೇ ರೀತಿ, ಹೈಡ್ರೊಡೈನಾಮಿಕ್ ಪರಿಣಾಮಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮತ್ತು ನಿರ್ವಹಣೆಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸಲು ಗ್ಲೈಡರ್‌ಗಳು ಸಬ್‌ಮರ್ಸಿಬಲ್‌ಗಳಲ್ಲಿ ಮಡಚಿಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ಬಿಚ್ಚಿಕೊಳ್ಳುತ್ತವೆ3. ಸಂಗ್ರಹಣೆ ಮತ್ತು ಸಾಗಣೆಗಾಗಿ ಹೆಲಿಕಾಪ್ಟರ್ ಪ್ರೊಪೆಲ್ಲರ್ 4 ಅನ್ನು ಮಡಿಸುವಂತಹ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ವಾಲ್ಯೂಮೆಟ್ರಿಕ್ ಪ್ರಯೋಜನಗಳನ್ನು ಒದಗಿಸುವುದು ಈ ಕಾರ್ಯವಿಧಾನಗಳ ಮತ್ತೊಂದು ಉದ್ದೇಶವಾಗಿದೆ. ಶೇಖರಣಾ ಸ್ಥಳವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ರಾಕೆಟ್‌ನ ರೆಕ್ಕೆಗಳು ಸಹ ಮಡಚಿಕೊಳ್ಳುತ್ತವೆ. ಹೀಗಾಗಿ, ಲಾಂಚರ್ 5 ರ ಸಣ್ಣ ಪ್ರದೇಶದ ಮೇಲೆ ಹೆಚ್ಚಿನ ಕ್ಷಿಪಣಿಗಳನ್ನು ಇರಿಸಬಹುದು. ಮಡಿಸುವ ಮತ್ತು ಬಿಚ್ಚಿಕೊಳ್ಳುವಲ್ಲಿ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಬಳಸಲಾಗುವ ಘಟಕಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸ್ಪ್ರಿಂಗ್‌ಗಳಾಗಿವೆ. ಮಡಿಸುವ ಕ್ಷಣದಲ್ಲಿ, ಶಕ್ತಿಯನ್ನು ಅದರಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಬಿಚ್ಚಿಕೊಳ್ಳುವ ಕ್ಷಣದಲ್ಲಿ ಬಿಡುಗಡೆ ಮಾಡಲಾಗುತ್ತದೆ. ಅದರ ಹೊಂದಿಕೊಳ್ಳುವ ರಚನೆಯಿಂದಾಗಿ, ಸಂಗ್ರಹಿಸಲಾದ ಮತ್ತು ಬಿಡುಗಡೆಯಾದ ಶಕ್ತಿಯನ್ನು ಸಮನಾಗಿರುತ್ತದೆ. ಸ್ಪ್ರಿಂಗ್ ಅನ್ನು ಮುಖ್ಯವಾಗಿ ವ್ಯವಸ್ಥೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಮತ್ತು ಈ ವಿನ್ಯಾಸವು ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಮಸ್ಯೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ6. ಏಕೆಂದರೆ ಇದು ತಂತಿಯ ವ್ಯಾಸ, ಸುರುಳಿಯ ವ್ಯಾಸ, ತಿರುವುಗಳ ಸಂಖ್ಯೆ, ಹೆಲಿಕ್ಸ್ ಕೋನ ಮತ್ತು ವಸ್ತುವಿನ ಪ್ರಕಾರದಂತಹ ವಿವಿಧ ಅಸ್ಥಿರಗಳನ್ನು ಒಳಗೊಂಡಿದ್ದರೂ, ದ್ರವ್ಯರಾಶಿ, ಪರಿಮಾಣ, ಕನಿಷ್ಠ ಒತ್ತಡ ವಿತರಣೆ ಅಥವಾ ಗರಿಷ್ಠ ಶಕ್ತಿಯ ಲಭ್ಯತೆಯಂತಹ ಮಾನದಂಡಗಳೂ ಇವೆ7.
ಈ ಅಧ್ಯಯನವು ರಾಕೆಟ್ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಬಳಸುವ ರೆಕ್ಕೆ ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನಗಳಿಗಾಗಿ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ವಿನ್ಯಾಸ ಮತ್ತು ಅತ್ಯುತ್ತಮೀಕರಣದ ಮೇಲೆ ಬೆಳಕು ಚೆಲ್ಲುತ್ತದೆ. ಹಾರಾಟದ ಮೊದಲು ಉಡಾವಣಾ ಕೊಳವೆಯೊಳಗೆ ಇರುವುದರಿಂದ, ರೆಕ್ಕೆಗಳು ರಾಕೆಟ್‌ನ ಮೇಲ್ಮೈಯಲ್ಲಿ ಮಡಚಲ್ಪಟ್ಟಿರುತ್ತವೆ ಮತ್ತು ಉಡಾವಣಾ ಕೊಳವೆಯಿಂದ ನಿರ್ಗಮಿಸಿದ ನಂತರ, ಅವು ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಮಯದವರೆಗೆ ತೆರೆದುಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ಮೇಲ್ಮೈಗೆ ಒತ್ತಲ್ಪಟ್ಟಿರುತ್ತವೆ. ಈ ಪ್ರಕ್ರಿಯೆಯು ರಾಕೆಟ್‌ನ ಸರಿಯಾದ ಕಾರ್ಯನಿರ್ವಹಣೆಗೆ ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನದಲ್ಲಿ, ರೆಕ್ಕೆಗಳ ತೆರೆಯುವಿಕೆಯನ್ನು ತಿರುಚುವ ಸ್ಪ್ರಿಂಗ್‌ಗಳಿಂದ ನಡೆಸಲಾಗುತ್ತದೆ ಮತ್ತು ಲಾಕ್ ಮಾಡುವಿಕೆಯನ್ನು ಕಂಪ್ರೆಷನ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳಿಂದ ನಡೆಸಲಾಗುತ್ತದೆ. ಸೂಕ್ತವಾದ ಸ್ಪ್ರಿಂಗ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು, ಆಪ್ಟಿಮೈಸೇಶನ್ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಿರ್ವಹಿಸಬೇಕು. ಸ್ಪ್ರಿಂಗ್ ಆಪ್ಟಿಮೈಸೇಶನ್ ಒಳಗೆ, ಸಾಹಿತ್ಯದಲ್ಲಿ ವಿವಿಧ ಅನ್ವಯಿಕೆಗಳಿವೆ.
ಪ್ಯಾರೆಡೆಸ್ ಮತ್ತು ಇತರರು 8 ಗರಿಷ್ಠ ಆಯಾಸ ಜೀವಿತಾವಧಿಯ ಅಂಶವನ್ನು ಸುರುಳಿಯಾಕಾರದ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ವಿನ್ಯಾಸಕ್ಕಾಗಿ ವಸ್ತುನಿಷ್ಠ ಕಾರ್ಯವೆಂದು ವ್ಯಾಖ್ಯಾನಿಸಿದ್ದಾರೆ ಮತ್ತು ಅರೆ-ನ್ಯೂಟೋನಿಯನ್ ವಿಧಾನವನ್ನು ಅತ್ಯುತ್ತಮೀಕರಣ ವಿಧಾನವಾಗಿ ಬಳಸಿದ್ದಾರೆ. ಆಪ್ಟಿಮೈಸೇಶನ್‌ನಲ್ಲಿನ ಅಸ್ಥಿರಗಳನ್ನು ತಂತಿಯ ವ್ಯಾಸ, ಸುರುಳಿಯ ವ್ಯಾಸ, ತಿರುವುಗಳ ಸಂಖ್ಯೆ ಮತ್ತು ಸ್ಪ್ರಿಂಗ್ ಉದ್ದ ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ. ಸ್ಪ್ರಿಂಗ್ ರಚನೆಯ ಮತ್ತೊಂದು ನಿಯತಾಂಕವೆಂದರೆ ಅದನ್ನು ತಯಾರಿಸಿದ ವಸ್ತು. ಆದ್ದರಿಂದ, ವಿನ್ಯಾಸ ಮತ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಇದನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ. ಜೆಬ್ಡಿ ಮತ್ತು ಇತರರು 9 ತಮ್ಮ ಅಧ್ಯಯನದಲ್ಲಿ ವಸ್ತುನಿಷ್ಠ ಕಾರ್ಯದಲ್ಲಿ ಗರಿಷ್ಠ ಬಿಗಿತ ಮತ್ತು ಕನಿಷ್ಠ ತೂಕದ ಗುರಿಗಳನ್ನು ಹೊಂದಿದ್ದಾರೆ, ಅಲ್ಲಿ ತೂಕದ ಅಂಶವು ಗಮನಾರ್ಹವಾಗಿತ್ತು. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅವರು ಸ್ಪ್ರಿಂಗ್ ವಸ್ತು ಮತ್ತು ಜ್ಯಾಮಿತೀಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಅಸ್ಥಿರಗಳಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಿದ್ದಾರೆ. ಅವರು ಆನುವಂಶಿಕ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್ ವಿಧಾನವಾಗಿ ಬಳಸುತ್ತಾರೆ. ಆಟೋಮೋಟಿವ್ ಉದ್ಯಮದಲ್ಲಿ, ವಾಹನ ಕಾರ್ಯಕ್ಷಮತೆಯಿಂದ ಇಂಧನ ಬಳಕೆಯವರೆಗೆ ವಸ್ತುಗಳ ತೂಕವು ಹಲವು ವಿಧಗಳಲ್ಲಿ ಉಪಯುಕ್ತವಾಗಿದೆ. ಅಮಾನತುಗೊಳಿಸುವಿಕೆಗಾಗಿ ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸುವಾಗ ತೂಕವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಪ್ರಸಿದ್ಧ ಅಧ್ಯಯನವಾಗಿದೆ10. ಬಹಶೇಷ್ ಮತ್ತು ಬಹೇಶ್11 ಅವರು ANSYS ಪರಿಸರದಲ್ಲಿ ತಮ್ಮ ಕೆಲಸದಲ್ಲಿ ಇ-ಗ್ಲಾಸ್, ಕಾರ್ಬನ್ ಮತ್ತು ಕೆವ್ಲರ್‌ನಂತಹ ವಸ್ತುಗಳನ್ನು ವೇರಿಯೇಬಲ್‌ಗಳಾಗಿ ಗುರುತಿಸಿದ್ದಾರೆ, ವಿವಿಧ ಸಸ್ಪೆನ್ಷನ್ ಸ್ಪ್ರಿಂಗ್ ಕಾಂಪೋಸಿಟ್ ವಿನ್ಯಾಸಗಳಲ್ಲಿ ಕನಿಷ್ಠ ತೂಕ ಮತ್ತು ಗರಿಷ್ಠ ಕರ್ಷಕ ಶಕ್ತಿಯನ್ನು ಸಾಧಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದ್ದಾರೆ. ಸಂಯೋಜಿತ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಅಭಿವೃದ್ಧಿಯಲ್ಲಿ ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆಯು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಹೀಗಾಗಿ, ಉತ್ಪಾದನಾ ವಿಧಾನ, ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ತೆಗೆದುಕೊಂಡ ಹಂತಗಳು ಮತ್ತು ಆ ಹಂತಗಳ ಅನುಕ್ರಮದಂತಹ ವಿವಿಧ ಅಸ್ಥಿರಗಳು ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಮಸ್ಯೆಯಲ್ಲಿ ಪಾತ್ರವಹಿಸುತ್ತವೆ12,13. ಡೈನಾಮಿಕ್ ಸಿಸ್ಟಮ್‌ಗಳಿಗಾಗಿ ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಾಗ, ವ್ಯವಸ್ಥೆಯ ನೈಸರ್ಗಿಕ ಆವರ್ತನಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಅನುರಣನವನ್ನು ತಪ್ಪಿಸಲು ಸ್ಪ್ರಿಂಗ್‌ನ ಮೊದಲ ನೈಸರ್ಗಿಕ ಆವರ್ತನವು ವ್ಯವಸ್ಥೆಯ ನೈಸರ್ಗಿಕ ಆವರ್ತನಕ್ಕಿಂತ ಕನಿಷ್ಠ 5-10 ಪಟ್ಟು ಇರಬೇಕೆಂದು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ14. ಟಕ್ತಕ್ ಮತ್ತು ಇತರರು. 7 ಸ್ಪ್ರಿಂಗ್‌ನ ದ್ರವ್ಯರಾಶಿಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮತ್ತು ಸುರುಳಿಯಾಕಾರದ ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸದಲ್ಲಿ ವಸ್ತುನಿಷ್ಠ ಕಾರ್ಯಗಳಾಗಿ ಮೊದಲ ನೈಸರ್ಗಿಕ ಆವರ್ತನವನ್ನು ಗರಿಷ್ಠಗೊಳಿಸಲು ನಿರ್ಧರಿಸಿದರು. ಅವರು ಮ್ಯಾಟ್‌ಲ್ಯಾಬ್ ಆಪ್ಟಿಮೈಸೇಶನ್ ಪರಿಕರದಲ್ಲಿ ಮಾದರಿ ಹುಡುಕಾಟ, ಆಂತರಿಕ ಬಿಂದು, ಸಕ್ರಿಯ ಸೆಟ್ ಮತ್ತು ಜೆನೆಟಿಕ್ ಅಲ್ಗಾರಿದಮ್ ವಿಧಾನಗಳನ್ನು ಬಳಸಿದರು. ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಸಂಶೋಧನೆಯು ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸ ಸಂಶೋಧನೆಯ ಭಾಗವಾಗಿದೆ ಮತ್ತು ಸೀಮಿತ ಅಂಶ ವಿಧಾನವು ಈ ಪ್ರದೇಶದಲ್ಲಿ ಜನಪ್ರಿಯವಾಗಿದೆ15. ಪಾಟೀಲ್ ಮತ್ತು ಇತರರು.16 ವಿಶ್ಲೇಷಣಾತ್ಮಕ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಕೋಚನ ಹೆಲಿಕಲ್ ಸ್ಪ್ರಿಂಗ್‌ನ ತೂಕವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಒಂದು ಅತ್ಯುತ್ತಮೀಕರಣ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು ಮತ್ತು ಸೀಮಿತ ಅಂಶ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಸಮೀಕರಣಗಳನ್ನು ಪರೀಕ್ಷಿಸಿದರು. ಸ್ಪ್ರಿಂಗ್‌ನ ಉಪಯುಕ್ತತೆಯನ್ನು ಹೆಚ್ಚಿಸುವ ಮತ್ತೊಂದು ಮಾನದಂಡವೆಂದರೆ ಅದು ಸಂಗ್ರಹಿಸಬಹುದಾದ ಶಕ್ತಿಯ ಹೆಚ್ಚಳ. ಈ ಪ್ರಕರಣವು ಸ್ಪ್ರಿಂಗ್ ದೀರ್ಘಕಾಲದವರೆಗೆ ತನ್ನ ಉಪಯುಕ್ತತೆಯನ್ನು ಉಳಿಸಿಕೊಳ್ಳುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ. ರಾಹುಲ್ ಮತ್ತು ರಮೇಶ್‌ಕುಮಾರ್17 ಕಾರ್ ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸಗಳಲ್ಲಿ ಸ್ಪ್ರಿಂಗ್ ಪರಿಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮತ್ತು ಸ್ಟ್ರೈನ್ ಎನರ್ಜಿಯನ್ನು ಹೆಚ್ಚಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಾರೆ. ಅವರು ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಂಶೋಧನೆಯಲ್ಲಿ ಜೆನೆಟಿಕ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಸಹ ಬಳಸಿದ್ದಾರೆ.
ನೋಡಬಹುದಾದಂತೆ, ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಧ್ಯಯನದಲ್ಲಿನ ನಿಯತಾಂಕಗಳು ವ್ಯವಸ್ಥೆಯಿಂದ ವ್ಯವಸ್ಥೆಗೆ ಬದಲಾಗುತ್ತವೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಠೀವಿ ಮತ್ತು ಶಿಯರ್ ಒತ್ತಡದ ನಿಯತಾಂಕಗಳು ಒಂದು ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಮುಖ್ಯವಾಗಿವೆ, ಅಲ್ಲಿ ಅದು ಹೊತ್ತೊಯ್ಯುವ ಹೊರೆ ನಿರ್ಧರಿಸುವ ಅಂಶವಾಗಿದೆ. ಈ ಎರಡು ನಿಯತಾಂಕಗಳೊಂದಿಗೆ ತೂಕ ಮಿತಿ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ವಸ್ತುಗಳ ಆಯ್ಕೆಯನ್ನು ಸೇರಿಸಲಾಗಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಹೆಚ್ಚು ಕ್ರಿಯಾತ್ಮಕ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಅನುರಣನಗಳನ್ನು ತಪ್ಪಿಸಲು ನೈಸರ್ಗಿಕ ಆವರ್ತನಗಳನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ. ಉಪಯುಕ್ತತೆಯು ಮುಖ್ಯವಾದ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ, ಶಕ್ತಿಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸಲಾಗುತ್ತದೆ. ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಧ್ಯಯನಗಳಲ್ಲಿ, FEM ಅನ್ನು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಅಧ್ಯಯನಗಳಿಗೆ ಬಳಸಲಾಗಿದ್ದರೂ, ಜೆನೆಟಿಕ್ ಅಲ್ಗಾರಿದಮ್ 14,18 ಮತ್ತು ಬೂದು ತೋಳ ಅಲ್ಗಾರಿದಮ್ 19 ನಂತಹ ಮೆಟಾಹ್ಯೂರಿಸ್ಟಿಕ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಕೆಲವು ನಿಯತಾಂಕಗಳ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಶಾಸ್ತ್ರೀಯ ನ್ಯೂಟನ್ ವಿಧಾನದೊಂದಿಗೆ ಬಳಸಲಾಗುತ್ತದೆ ಎಂದು ಕಾಣಬಹುದು. ಮೆಟಾಹ್ಯೂರಿಸ್ಟಿಕ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ನೈಸರ್ಗಿಕ ರೂಪಾಂತರ ವಿಧಾನಗಳ ಆಧಾರದ ಮೇಲೆ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ, ಅದು ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ, ವಿಶೇಷವಾಗಿ ಜನಸಂಖ್ಯೆಯ ಪ್ರಭಾವದ ಅಡಿಯಲ್ಲಿ 20,21. ಹುಡುಕಾಟ ಪ್ರದೇಶದಲ್ಲಿ ಜನಸಂಖ್ಯೆಯ ಯಾದೃಚ್ಛಿಕ ವಿತರಣೆಯೊಂದಿಗೆ, ಅವರು ಸ್ಥಳೀಯ ಆಪ್ಟಿಮಾವನ್ನು ತಪ್ಪಿಸುತ್ತಾರೆ ಮತ್ತು ಜಾಗತಿಕ ಆಪ್ಟಿಮಾ 22 ಕಡೆಗೆ ಚಲಿಸುತ್ತಾರೆ. ಹೀಗಾಗಿ, ಇತ್ತೀಚಿನ ವರ್ಷಗಳಲ್ಲಿ ಇದನ್ನು ಹೆಚ್ಚಾಗಿ ನಿಜವಾದ ಕೈಗಾರಿಕಾ ಸಮಸ್ಯೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ 23,24.
ಈ ಅಧ್ಯಯನದಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನದ ನಿರ್ಣಾಯಕ ಪ್ರಕರಣವೆಂದರೆ, ಹಾರಾಟದ ಮೊದಲು ಮುಚ್ಚಿದ ಸ್ಥಾನದಲ್ಲಿದ್ದ ರೆಕ್ಕೆಗಳು, ಟ್ಯೂಬ್ ಅನ್ನು ಬಿಟ್ಟ ನಂತರ ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಮಯದ ನಂತರ ತೆರೆದುಕೊಳ್ಳುತ್ತವೆ. ಅದರ ನಂತರ, ಲಾಕಿಂಗ್ ಅಂಶವು ರೆಕ್ಕೆಯನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತದೆ. ಆದ್ದರಿಂದ, ಸ್ಪ್ರಿಂಗ್‌ಗಳು ಹಾರಾಟದ ಚಲನಶಾಸ್ತ್ರದ ಮೇಲೆ ನೇರವಾಗಿ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಸ್ಪ್ರಿಂಗ್‌ನ ಚಲನೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ಸಂಗ್ರಹಿಸಲಾದ ಶಕ್ತಿಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸುವುದು ಆಪ್ಟಿಮೈಸೇಶನ್‌ನ ಗುರಿಯಾಗಿದೆ. ರೋಲ್ ವ್ಯಾಸ, ತಂತಿಯ ವ್ಯಾಸ, ರೋಲ್‌ಗಳ ಸಂಖ್ಯೆ ಮತ್ತು ವಿಚಲನವನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್ ನಿಯತಾಂಕಗಳಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. ಸ್ಪ್ರಿಂಗ್‌ನ ಸಣ್ಣ ಗಾತ್ರದ ಕಾರಣ, ತೂಕವನ್ನು ಗುರಿಯಾಗಿ ಪರಿಗಣಿಸಲಾಗಿಲ್ಲ. ಆದ್ದರಿಂದ, ವಸ್ತುವಿನ ಪ್ರಕಾರವನ್ನು ಸ್ಥಿರ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. ಯಾಂತ್ರಿಕ ವಿರೂಪಗಳಿಗೆ ಸುರಕ್ಷತೆಯ ಅಂಚನ್ನು ನಿರ್ಣಾಯಕ ಮಿತಿಯಾಗಿ ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಇದರ ಜೊತೆಗೆ, ವೇರಿಯಬಲ್ ಗಾತ್ರದ ನಿರ್ಬಂಧಗಳು ಕಾರ್ಯವಿಧಾನದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಒಳಗೊಂಡಿರುತ್ತವೆ. BA ಮೆಟಾಹ್ಯೂರಿಸ್ಟಿಕ್ ವಿಧಾನವನ್ನು ಆಪ್ಟಿಮೈಸೇಶನ್ ವಿಧಾನವಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ. BA ಅದರ ಹೊಂದಿಕೊಳ್ಳುವ ಮತ್ತು ಸರಳ ರಚನೆಗಾಗಿ ಮತ್ತು ಯಾಂತ್ರಿಕ ಆಪ್ಟಿಮೈಸೇಶನ್ ಸಂಶೋಧನೆಯಲ್ಲಿ ಅದರ ಪ್ರಗತಿಗಾಗಿ ಒಲವು ತೋರಿತು25. ಅಧ್ಯಯನದ ಎರಡನೇ ಭಾಗದಲ್ಲಿ, ವಿವರವಾದ ಗಣಿತದ ಅಭಿವ್ಯಕ್ತಿಗಳನ್ನು ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನದ ಮೂಲ ವಿನ್ಯಾಸ ಮತ್ತು ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸದ ಚೌಕಟ್ಟಿನಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ. ಮೂರನೇ ಭಾಗವು ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಲ್ಗಾರಿದಮ್ ಮತ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಅಧ್ಯಾಯ 4 ADAMS ಕಾರ್ಯಕ್ರಮದಲ್ಲಿ ವಿಶ್ಲೇಷಣೆಯನ್ನು ನಡೆಸುತ್ತದೆ. ಉತ್ಪಾದನೆಗೆ ಮೊದಲು ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಸೂಕ್ತತೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ. ಕೊನೆಯ ವಿಭಾಗವು ಪ್ರಾಯೋಗಿಕ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಪರೀಕ್ಷಾ ಚಿತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಅಧ್ಯಯನದಲ್ಲಿ ಪಡೆದ ಫಲಿತಾಂಶಗಳನ್ನು DOE ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಲೇಖಕರ ಹಿಂದಿನ ಕೆಲಸದೊಂದಿಗೆ ಹೋಲಿಸಲಾಗಿದೆ.
ಈ ಅಧ್ಯಯನದಲ್ಲಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾದ ರೆಕ್ಕೆಗಳು ರಾಕೆಟ್‌ನ ಮೇಲ್ಮೈ ಕಡೆಗೆ ಮಡಚಿಕೊಳ್ಳಬೇಕು. ರೆಕ್ಕೆಗಳು ಮಡಿಸಿದ ಸ್ಥಾನದಿಂದ ಬಿಚ್ಚಿದ ಸ್ಥಾನಕ್ಕೆ ತಿರುಗುತ್ತವೆ. ಇದಕ್ಕಾಗಿ, ವಿಶೇಷ ಕಾರ್ಯವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ. ಚಿತ್ರ 1 ರಲ್ಲಿ ರಾಕೆಟ್ ನಿರ್ದೇಶಾಂಕ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಮಡಿಸಿದ ಮತ್ತು ಬಿಚ್ಚಿದ ಸಂರಚನೆಯನ್ನು ತೋರಿಸುತ್ತದೆ.
ಚಿತ್ರ 2 ರಲ್ಲಿ ಕಾರ್ಯವಿಧಾನದ ವಿಭಾಗೀಯ ನೋಟವನ್ನು ತೋರಿಸಲಾಗಿದೆ. ಕಾರ್ಯವಿಧಾನವು ಹಲವಾರು ಯಾಂತ್ರಿಕ ಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: (1) ಮುಖ್ಯ ಭಾಗ, (2) ರೆಕ್ಕೆ ಶಾಫ್ಟ್, (3) ಬೇರಿಂಗ್, (4) ಲಾಕ್ ಬಾಡಿ, (5) ಲಾಕ್ ಬುಷ್, (6) ಸ್ಟಾಪ್ ಪಿನ್, (7) ಟಾರ್ಷನ್ ಸ್ಪ್ರಿಂಗ್ ಮತ್ತು (8 ) ಕಂಪ್ರೆಷನ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳು. ರೆಕ್ಕೆ ಶಾಫ್ಟ್ (2) ಅನ್ನು ಲಾಕಿಂಗ್ ಸ್ಲೀವ್ (4) ಮೂಲಕ ಟಾರ್ಷನ್ ಸ್ಪ್ರಿಂಗ್ (7) ಗೆ ಸಂಪರ್ಕಿಸಲಾಗಿದೆ. ರಾಕೆಟ್ ಟೇಕ್ ಆಫ್ ಆದ ನಂತರ ಎಲ್ಲಾ ಮೂರು ಭಾಗಗಳು ಏಕಕಾಲದಲ್ಲಿ ತಿರುಗುತ್ತವೆ. ಈ ತಿರುಗುವಿಕೆಯ ಚಲನೆಯೊಂದಿಗೆ, ರೆಕ್ಕೆಗಳು ಅವುಗಳ ಅಂತಿಮ ಸ್ಥಾನಕ್ಕೆ ತಿರುಗುತ್ತವೆ. ಅದರ ನಂತರ, ಪಿನ್ (6) ಅನ್ನು ಕಂಪ್ರೆಷನ್ ಸ್ಪ್ರಿಂಗ್ (8) ನಿಂದ ಸಕ್ರಿಯಗೊಳಿಸಲಾಗುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಲಾಕಿಂಗ್ ಬಾಡಿ (4)5 ನ ಸಂಪೂರ್ಣ ಕಾರ್ಯವಿಧಾನವನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತದೆ.
ಸ್ಥಿತಿಸ್ಥಾಪಕ ಮಾಡ್ಯುಲಸ್ (E) ಮತ್ತು ಶಿಯರ್ ಮಾಡ್ಯುಲಸ್ (G) ಸ್ಪ್ರಿಂಗ್‌ನ ಪ್ರಮುಖ ವಿನ್ಯಾಸ ನಿಯತಾಂಕಗಳಾಗಿವೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಹೆಚ್ಚಿನ ಇಂಗಾಲದ ಸ್ಪ್ರಿಂಗ್ ಸ್ಟೀಲ್ ತಂತಿ (ಮ್ಯೂಸಿಕ್ ವೈರ್ ASTM A228) ಅನ್ನು ಸ್ಪ್ರಿಂಗ್ ವಸ್ತುವಾಗಿ ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ. ಇತರ ನಿಯತಾಂಕಗಳು ತಂತಿ ವ್ಯಾಸ (d), ಸರಾಸರಿ ಸುರುಳಿಯ ವ್ಯಾಸ (Dm), ಸುರುಳಿಗಳ ಸಂಖ್ಯೆ (N) ಮತ್ತು ಸ್ಪ್ರಿಂಗ್ ವಿಚಲನ (ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ಗಳಿಗೆ xd ಮತ್ತು ತಿರುಚುವ ಸ್ಪ್ರಿಂಗ್‌ಗಳಿಗೆ θ)26. ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ಗಳಿಗೆ ಸಂಗ್ರಹಿಸಲಾದ ಶಕ್ತಿಯನ್ನು \({(SE}_{x})\) ಮತ್ತು ತಿರುಚುವ (\({SE}_{\theta}\)) ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ಸಮೀಕರಣದಿಂದ ಲೆಕ್ಕಹಾಕಬಹುದು. (1) ಮತ್ತು (2)26. (ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ಗೆ ಶಿಯರ್ ಮಾಡ್ಯುಲಸ್ (G) ಮೌಲ್ಯವು 83.7E9 Pa, ಮತ್ತು ತಿರುಚುವ ಸ್ಪ್ರಿಂಗ್‌ಗೆ ಸ್ಥಿತಿಸ್ಥಾಪಕ ಮಾಡ್ಯುಲಸ್ (E) ಮೌಲ್ಯವು 203.4E9 Pa.)
ವ್ಯವಸ್ಥೆಯ ಯಾಂತ್ರಿಕ ಆಯಾಮಗಳು ಸ್ಪ್ರಿಂಗ್‌ನ ಜ್ಯಾಮಿತೀಯ ನಿರ್ಬಂಧಗಳನ್ನು ನೇರವಾಗಿ ನಿರ್ಧರಿಸುತ್ತವೆ. ಇದರ ಜೊತೆಗೆ, ರಾಕೆಟ್ ಇರುವ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಸಹ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಈ ಅಂಶಗಳು ಸ್ಪ್ರಿಂಗ್ ನಿಯತಾಂಕಗಳ ಮಿತಿಗಳನ್ನು ನಿರ್ಧರಿಸುತ್ತವೆ. ಮತ್ತೊಂದು ಪ್ರಮುಖ ಮಿತಿಯೆಂದರೆ ಸುರಕ್ಷತಾ ಅಂಶ. ಸುರಕ್ಷತಾ ಅಂಶದ ವ್ಯಾಖ್ಯಾನವನ್ನು ಶಿಗ್ಲಿ ಮತ್ತು ಇತರರು ವಿವರವಾಗಿ ವಿವರಿಸಿದ್ದಾರೆ. 26. ಕಂಪ್ರೆಷನ್ ಸ್ಪ್ರಿಂಗ್ ಸುರಕ್ಷತಾ ಅಂಶವನ್ನು (SFC) ನಿರಂತರ ಉದ್ದದ ಮೇಲಿನ ಒತ್ತಡದಿಂದ ಭಾಗಿಸಲಾದ ಗರಿಷ್ಠ ಅನುಮತಿಸುವ ಒತ್ತಡ ಎಂದು ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. SFC ಅನ್ನು ಸಮೀಕರಣಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಲೆಕ್ಕಹಾಕಬಹುದು. (3), (4), (5) ಮತ್ತು (6)26. (ಈ ಅಧ್ಯಯನದಲ್ಲಿ ಬಳಸಲಾದ ಸ್ಪ್ರಿಂಗ್ ವಸ್ತುಗಳಿಗೆ, \({S}_{sy}=980 MPa\)). F ಸಮೀಕರಣದಲ್ಲಿನ ಬಲವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಮತ್ತು KB 26 ರ ಬರ್ಗ್‌ಸ್ಟ್ರಾಸರ್ ಅಂಶವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ.
ಸ್ಪ್ರಿಂಗ್‌ನ (SFT) ತಿರುಚುವ ಸುರಕ್ಷತಾ ಅಂಶವನ್ನು M ಅನ್ನು k ನಿಂದ ಭಾಗಿಸಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾಗಿದೆ. SFT ಅನ್ನು ಸಮೀಕರಣದಿಂದ ಲೆಕ್ಕಹಾಕಬಹುದು. (7), (8), (9) ಮತ್ತು (10)26. (ಈ ಅಧ್ಯಯನದಲ್ಲಿ ಬಳಸಲಾದ ವಸ್ತುವಿಗೆ, \({S}_{y}=1600 \mathrm{MPa}\)). ಸಮೀಕರಣದಲ್ಲಿ, M ಅನ್ನು ಟಾರ್ಕ್‌ಗೆ ಬಳಸಲಾಗುತ್ತದೆ, \({k}^{\prime}}\) ಅನ್ನು ಸ್ಪ್ರಿಂಗ್ ಸ್ಥಿರಾಂಕಕ್ಕೆ (ಟಾರ್ಕ್/ತಿರುಗುವಿಕೆ) ಬಳಸಲಾಗುತ್ತದೆ, ಮತ್ತು Ki ಅನ್ನು ಒತ್ತಡ ತಿದ್ದುಪಡಿ ಅಂಶಕ್ಕೆ ಬಳಸಲಾಗುತ್ತದೆ.
ಈ ಅಧ್ಯಯನದಲ್ಲಿ ಮುಖ್ಯ ಆಪ್ಟಿಮೈಸೇಶನ್ ಗುರಿ ಸ್ಪ್ರಿಂಗ್‌ನ ಶಕ್ತಿಯನ್ನು ಗರಿಷ್ಠಗೊಳಿಸುವುದು. \(f(X)\) ಅನ್ನು ಗರಿಷ್ಠಗೊಳಿಸುವ \(\overrightarrow{\{X\}}\) ಅನ್ನು ಕಂಡುಹಿಡಿಯಲು ವಸ್ತುನಿಷ್ಠ ಕಾರ್ಯವನ್ನು ರೂಪಿಸಲಾಗಿದೆ. \({f}_{1}(X)\) ಮತ್ತು \({f}_{2}(X)\) ಕ್ರಮವಾಗಿ ಸಂಕೋಚನ ಮತ್ತು ತಿರುಚು ಸ್ಪ್ರಿಂಗ್‌ನ ಶಕ್ತಿ ಕಾರ್ಯಗಳಾಗಿವೆ. ಆಪ್ಟಿಮೈಸೇಶನ್‌ಗಾಗಿ ಬಳಸಲಾಗುವ ಲೆಕ್ಕಾಚಾರದ ಅಸ್ಥಿರಗಳು ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಈ ಕೆಳಗಿನ ಸಮೀಕರಣಗಳಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.
ಸ್ಪ್ರಿಂಗ್‌ನ ವಿನ್ಯಾಸದ ಮೇಲೆ ಇರಿಸಲಾದ ವಿವಿಧ ನಿರ್ಬಂಧಗಳನ್ನು ಈ ಕೆಳಗಿನ ಸಮೀಕರಣಗಳಲ್ಲಿ ನೀಡಲಾಗಿದೆ. ಸಮೀಕರಣಗಳು (15) ಮತ್ತು (16) ಕ್ರಮವಾಗಿ ಸಂಕೋಚನ ಮತ್ತು ತಿರುಚು ಸ್ಪ್ರಿಂಗ್‌ಗಳಿಗೆ ಸುರಕ್ಷತಾ ಅಂಶಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, SFC 1.2 ಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿರಬೇಕು ಅಥವಾ ಸಮನಾಗಿರಬೇಕು ಮತ್ತು SFT θ26 ಕ್ಕಿಂತ ಹೆಚ್ಚಿರಬೇಕು ಅಥವಾ ಸಮನಾಗಿರಬೇಕು.
BA ಜೇನುನೊಣಗಳ ಪರಾಗ ಹುಡುಕಾಟ ತಂತ್ರಗಳಿಂದ ಪ್ರೇರಿತವಾಗಿದೆ27. ಜೇನುನೊಣಗಳು ಫಲವತ್ತಾದ ಪರಾಗ ಕ್ಷೇತ್ರಗಳಿಗೆ ಹೆಚ್ಚಿನ ಆಹಾರ ಹುಡುಕುವವರನ್ನು ಮತ್ತು ಕಡಿಮೆ ಫಲವತ್ತಾದ ಪರಾಗ ಕ್ಷೇತ್ರಗಳಿಗೆ ಕಡಿಮೆ ಆಹಾರ ಹುಡುಕುವವರನ್ನು ಕಳುಹಿಸುವ ಮೂಲಕ ಹುಡುಕುತ್ತವೆ. ಹೀಗಾಗಿ, ಜೇನುನೊಣಗಳ ಜನಸಂಖ್ಯೆಯಿಂದ ಹೆಚ್ಚಿನ ದಕ್ಷತೆಯನ್ನು ಸಾಧಿಸಲಾಗುತ್ತದೆ. ಮತ್ತೊಂದೆಡೆ, ಸ್ಕೌಟ್ ಜೇನುನೊಣಗಳು ಪರಾಗದ ಹೊಸ ಪ್ರದೇಶಗಳನ್ನು ಹುಡುಕುತ್ತಲೇ ಇರುತ್ತವೆ ಮತ್ತು ಮೊದಲಿಗಿಂತ ಹೆಚ್ಚು ಉತ್ಪಾದಕ ಪ್ರದೇಶಗಳಿದ್ದರೆ, ಅನೇಕ ಆಹಾರ ಹುಡುಕುವವರನ್ನು ಈ ಹೊಸ ಪ್ರದೇಶಕ್ಕೆ ನಿರ್ದೇಶಿಸಲಾಗುತ್ತದೆ28. BA ಎರಡು ಭಾಗಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ಸ್ಥಳೀಯ ಹುಡುಕಾಟ ಮತ್ತು ಜಾಗತಿಕ ಹುಡುಕಾಟ. ಜೇನುನೊಣಗಳಂತಹ ಕನಿಷ್ಠ (ಗಣ್ಯ ತಾಣಗಳು) ಬಳಿ ಹೆಚ್ಚಿನ ಸಮುದಾಯಗಳಿಗೆ ಸ್ಥಳೀಯ ಹುಡುಕಾಟ ಹುಡುಕಾಟಗಳು ಮತ್ತು ಇತರ ಸೈಟ್‌ಗಳಿಗೆ ಕಡಿಮೆ ಹುಡುಕಾಟಗಳು (ಸೂಕ್ತ ಅಥವಾ ಆಯ್ದ ತಾಣಗಳು). ಜಾಗತಿಕ ಹುಡುಕಾಟ ಭಾಗದಲ್ಲಿ ಅನಿಯಂತ್ರಿತ ಹುಡುಕಾಟವನ್ನು ನಡೆಸಲಾಗುತ್ತದೆ ಮತ್ತು ಉತ್ತಮ ಮೌಲ್ಯಗಳು ಕಂಡುಬಂದರೆ, ಮುಂದಿನ ಪುನರಾವರ್ತನೆಯಲ್ಲಿ ನಿಲ್ದಾಣಗಳನ್ನು ಸ್ಥಳೀಯ ಹುಡುಕಾಟ ಭಾಗಕ್ಕೆ ಸರಿಸಲಾಗುತ್ತದೆ. ಅಲ್ಗಾರಿದಮ್ ಕೆಲವು ನಿಯತಾಂಕಗಳನ್ನು ಒಳಗೊಂಡಿದೆ: ಸ್ಕೌಟ್ ಜೇನುನೊಣಗಳ ಸಂಖ್ಯೆ (n), ಸ್ಥಳೀಯ ಹುಡುಕಾಟ ತಾಣಗಳ ಸಂಖ್ಯೆ (m), ಗಣ್ಯ ತಾಣಗಳ ಸಂಖ್ಯೆ (e), ಗಣ್ಯ ತಾಣಗಳಲ್ಲಿ ಆಹಾರ ಹುಡುಕುವವರ ಸಂಖ್ಯೆ (nep), ಸೂಕ್ತ ಪ್ರದೇಶಗಳಲ್ಲಿ ಆಹಾರ ಹುಡುಕುವವರ ಸಂಖ್ಯೆ. ಸೈಟ್ (nsp), ನೆರೆಹೊರೆಯ ಗಾತ್ರ (ngh), ಮತ್ತು ಪುನರಾವರ್ತನೆಗಳ ಸಂಖ್ಯೆ (I)29. BA ಸೂಡೊಕೋಡ್ ಅನ್ನು ಚಿತ್ರ 3 ರಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.
ಅಲ್ಗಾರಿದಮ್ \({g}_{1}(X)\) ಮತ್ತು \({g}_{2}(X)\) ನಡುವೆ ಕೆಲಸ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ. ಪ್ರತಿ ಪುನರಾವರ್ತನೆಯ ಪರಿಣಾಮವಾಗಿ, ಸೂಕ್ತ ಮೌಲ್ಯಗಳನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಉತ್ತಮ ಮೌಲ್ಯಗಳನ್ನು ಪಡೆಯುವ ಪ್ರಯತ್ನದಲ್ಲಿ ಈ ಮೌಲ್ಯಗಳ ಸುತ್ತಲೂ ಜನಸಂಖ್ಯೆಯನ್ನು ಒಟ್ಟುಗೂಡಿಸಲಾಗುತ್ತದೆ. ಸ್ಥಳೀಯ ಮತ್ತು ಜಾಗತಿಕ ಹುಡುಕಾಟ ವಿಭಾಗಗಳಲ್ಲಿ ನಿರ್ಬಂಧಗಳನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ. ಸ್ಥಳೀಯ ಹುಡುಕಾಟದಲ್ಲಿ, ಈ ಅಂಶಗಳು ಸೂಕ್ತವಾಗಿದ್ದರೆ, ಶಕ್ತಿಯ ಮೌಲ್ಯವನ್ನು ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ. ಹೊಸ ಶಕ್ತಿಯ ಮೌಲ್ಯವು ಸೂಕ್ತ ಮೌಲ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಿದ್ದರೆ, ಹೊಸ ಮೌಲ್ಯವನ್ನು ಸೂಕ್ತ ಮೌಲ್ಯಕ್ಕೆ ನಿಯೋಜಿಸಿ. ಹುಡುಕಾಟ ಫಲಿತಾಂಶದಲ್ಲಿ ಕಂಡುಬರುವ ಉತ್ತಮ ಮೌಲ್ಯವು ಪ್ರಸ್ತುತ ಅಂಶಕ್ಕಿಂತ ಹೆಚ್ಚಿದ್ದರೆ, ಹೊಸ ಅಂಶವನ್ನು ಸಂಗ್ರಹದಲ್ಲಿ ಸೇರಿಸಲಾಗುತ್ತದೆ. ಸ್ಥಳೀಯ ಹುಡುಕಾಟದ ಬ್ಲಾಕ್ ರೇಖಾಚಿತ್ರವನ್ನು ಚಿತ್ರ 4 ರಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ.
BA ಯಲ್ಲಿ ಜನಸಂಖ್ಯೆಯು ಪ್ರಮುಖ ನಿಯತಾಂಕಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಜನಸಂಖ್ಯೆಯನ್ನು ವಿಸ್ತರಿಸುವುದರಿಂದ ಅಗತ್ಯವಿರುವ ಪುನರಾವರ್ತನೆಗಳ ಸಂಖ್ಯೆ ಕಡಿಮೆಯಾಗುತ್ತದೆ ಮತ್ತು ಯಶಸ್ಸಿನ ಸಾಧ್ಯತೆ ಹೆಚ್ಚಾಗುತ್ತದೆ ಎಂದು ಹಿಂದಿನ ಅಧ್ಯಯನಗಳಿಂದ ಕಾಣಬಹುದು. ಆದಾಗ್ಯೂ, ಕ್ರಿಯಾತ್ಮಕ ಮೌಲ್ಯಮಾಪನಗಳ ಸಂಖ್ಯೆಯೂ ಹೆಚ್ಚುತ್ತಿದೆ. ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಗಣ್ಯ ತಾಣಗಳ ಉಪಸ್ಥಿತಿಯು ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಗಮನಾರ್ಹವಾಗಿ ಪರಿಣಾಮ ಬೀರುವುದಿಲ್ಲ. ಶೂನ್ಯವಲ್ಲದಿದ್ದರೆ ಗಣ್ಯ ತಾಣಗಳ ಸಂಖ್ಯೆ ಕಡಿಮೆ ಇರಬಹುದು30. ಸ್ಕೌಟ್ ಬೀ ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರ (n) ಅನ್ನು ಸಾಮಾನ್ಯವಾಗಿ 30 ಮತ್ತು 100 ರ ನಡುವೆ ಆಯ್ಕೆ ಮಾಡಲಾಗುತ್ತದೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಸೂಕ್ತವಾದ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ಧರಿಸಲು 30 ಮತ್ತು 50 ಸನ್ನಿವೇಶಗಳನ್ನು ನಡೆಸಲಾಯಿತು (ಕೋಷ್ಟಕ 2). ಜನಸಂಖ್ಯೆಯನ್ನು ಅವಲಂಬಿಸಿ ಇತರ ನಿಯತಾಂಕಗಳನ್ನು ನಿರ್ಧರಿಸಲಾಗುತ್ತದೆ. ಆಯ್ಕೆಮಾಡಿದ ತಾಣಗಳ ಸಂಖ್ಯೆ (m) ಜನಸಂಖ್ಯೆಯ ಗಾತ್ರದ (ಸರಿಸುಮಾರು) 25%, ಮತ್ತು ಆಯ್ಕೆಮಾಡಿದ ತಾಣಗಳಲ್ಲಿ ಗಣ್ಯ ತಾಣಗಳ ಸಂಖ್ಯೆ (e) m ನ 25%. ಗಣ್ಯ ತಾಣಗಳಿಗೆ ಆಹಾರ ನೀಡುವ ಜೇನುನೊಣಗಳ ಸಂಖ್ಯೆ (ಹುಡುಕಾಟಗಳ ಸಂಖ್ಯೆ) 100 ಮತ್ತು ಇತರ ಸ್ಥಳೀಯ ಪ್ಲಾಟ್‌ಗಳಿಗೆ 30 ಎಂದು ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ. ನೆರೆಹೊರೆಯ ಹುಡುಕಾಟವು ಎಲ್ಲಾ ವಿಕಸನೀಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಮೂಲ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ. ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ಟ್ಯಾಪರಿಂಗ್ ನೆರೆಹೊರೆಯ ವಿಧಾನವನ್ನು ಬಳಸಲಾಗಿದೆ. ಈ ವಿಧಾನವು ಪ್ರತಿ ಪುನರಾವರ್ತನೆಯ ಸಮಯದಲ್ಲಿ ನೆರೆಹೊರೆಯ ಗಾತ್ರವನ್ನು ಒಂದು ನಿರ್ದಿಷ್ಟ ದರದಲ್ಲಿ ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಭವಿಷ್ಯದ ಪುನರಾವರ್ತನೆಗಳಲ್ಲಿ, ಹೆಚ್ಚು ನಿಖರವಾದ ಹುಡುಕಾಟಕ್ಕಾಗಿ ಸಣ್ಣ ನೆರೆಹೊರೆಯ ಮೌಲ್ಯಗಳು 30 ಅನ್ನು ಬಳಸಬಹುದು.
ಪ್ರತಿ ಸನ್ನಿವೇಶಕ್ಕೂ, ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಲ್ಗಾರಿದಮ್‌ನ ಪುನರುತ್ಪಾದನಾ ಸಾಮರ್ಥ್ಯವನ್ನು ಪರಿಶೀಲಿಸಲು ಸತತ ಹತ್ತು ಪರೀಕ್ಷೆಗಳನ್ನು ನಡೆಸಲಾಯಿತು. ಚಿತ್ರ 5 ರಲ್ಲಿ ಸ್ಕೀಮ್ 1 ಗಾಗಿ ಟಾರ್ಷನ್ ಸ್ಪ್ರಿಂಗ್‌ನ ಆಪ್ಟಿಮೈಸೇಶನ್ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸುತ್ತದೆ ಮತ್ತು ಚಿತ್ರ 6 ರಲ್ಲಿ - ಸ್ಕೀಮ್ 2 ಗಾಗಿ. ಪರೀಕ್ಷಾ ಡೇಟಾವನ್ನು ಕೋಷ್ಟಕಗಳು 3 ಮತ್ತು 4 ರಲ್ಲಿ ನೀಡಲಾಗಿದೆ (ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ಗಾಗಿ ಪಡೆದ ಫಲಿತಾಂಶಗಳನ್ನು ಹೊಂದಿರುವ ಕೋಷ್ಟಕವು ಪೂರಕ ಮಾಹಿತಿ S1 ನಲ್ಲಿದೆ). ಜೇನುನೊಣಗಳ ಜನಸಂಖ್ಯೆಯು ಮೊದಲ ಪುನರಾವರ್ತನೆಯಲ್ಲಿ ಉತ್ತಮ ಮೌಲ್ಯಗಳ ಹುಡುಕಾಟವನ್ನು ತೀವ್ರಗೊಳಿಸುತ್ತದೆ. ಸನ್ನಿವೇಶ 1 ರಲ್ಲಿ, ಕೆಲವು ಪರೀಕ್ಷೆಗಳ ಫಲಿತಾಂಶಗಳು ಗರಿಷ್ಠಕ್ಕಿಂತ ಕಡಿಮೆಯಿದ್ದವು. ಸನ್ನಿವೇಶ 2 ರಲ್ಲಿ, ಜನಸಂಖ್ಯೆಯ ಹೆಚ್ಚಳ ಮತ್ತು ಇತರ ಸಂಬಂಧಿತ ನಿಯತಾಂಕಗಳಿಂದಾಗಿ ಎಲ್ಲಾ ಆಪ್ಟಿಮೈಸೇಶನ್ ಫಲಿತಾಂಶಗಳು ಗರಿಷ್ಠವನ್ನು ಸಮೀಪಿಸುತ್ತಿರುವುದನ್ನು ಕಾಣಬಹುದು. ಸನ್ನಿವೇಶ 2 ರಲ್ಲಿನ ಮೌಲ್ಯಗಳು ಅಲ್ಗಾರಿದಮ್‌ಗೆ ಸಾಕಾಗುತ್ತದೆ ಎಂದು ನೋಡಬಹುದು.
ಪುನರಾವರ್ತನೆಗಳಲ್ಲಿ ಶಕ್ತಿಯ ಗರಿಷ್ಠ ಮೌಲ್ಯವನ್ನು ಪಡೆಯುವಾಗ, ಅಧ್ಯಯನಕ್ಕೆ ನಿರ್ಬಂಧವಾಗಿ ಸುರಕ್ಷತಾ ಅಂಶವನ್ನು ಸಹ ಒದಗಿಸಲಾಗುತ್ತದೆ. ಸುರಕ್ಷತಾ ಅಂಶಕ್ಕಾಗಿ ಕೋಷ್ಟಕವನ್ನು ನೋಡಿ. BA ಬಳಸಿ ಪಡೆದ ಶಕ್ತಿಯ ಮೌಲ್ಯಗಳನ್ನು ಕೋಷ್ಟಕ 5 ರಲ್ಲಿ 5 DOE ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಪಡೆದ ಶಕ್ತಿ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಹೋಲಿಸಲಾಗುತ್ತದೆ. (ತಯಾರಿಕೆಯ ಸುಲಭತೆಗಾಗಿ, ತಿರುಚು ಸ್ಪ್ರಿಂಗ್‌ನ ತಿರುವುಗಳ ಸಂಖ್ಯೆ (N) 4.88 ರ ಬದಲಿಗೆ 4.9 ಆಗಿದೆ, ಮತ್ತು ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ನಲ್ಲಿ 7.99 mm ಬದಲಿಗೆ ವಿಚಲನ (xd) 8 mm ಆಗಿದೆ.) BA ಉತ್ತಮವಾಗಿದೆ ಎಂದು ಕಾಣಬಹುದು ಫಲಿತಾಂಶ. BA ಸ್ಥಳೀಯ ಮತ್ತು ಜಾಗತಿಕ ಹುಡುಕಾಟಗಳ ಮೂಲಕ ಎಲ್ಲಾ ಮೌಲ್ಯಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ ಅವನು ಹೆಚ್ಚಿನ ಪರ್ಯಾಯಗಳನ್ನು ವೇಗವಾಗಿ ಪ್ರಯತ್ನಿಸಬಹುದು.
ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ರೆಕ್ಕೆ ಕಾರ್ಯವಿಧಾನದ ಚಲನೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಆಡಮ್ಸ್ ಅನ್ನು ಬಳಸಲಾಯಿತು. ಮೊದಲು ಆಡಮ್ಸ್‌ಗೆ ಕಾರ್ಯವಿಧಾನದ 3D ಮಾದರಿಯನ್ನು ನೀಡಲಾಗುತ್ತದೆ. ನಂತರ ಹಿಂದಿನ ವಿಭಾಗದಲ್ಲಿ ಆಯ್ಕೆ ಮಾಡಲಾದ ನಿಯತಾಂಕಗಳೊಂದಿಗೆ ಸ್ಪ್ರಿಂಗ್ ಅನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಿ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ನಿಜವಾದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಕೆಲವು ಇತರ ನಿಯತಾಂಕಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸಬೇಕಾಗಿದೆ. ಇವು ಸಂಪರ್ಕಗಳು, ವಸ್ತು ಗುಣಲಕ್ಷಣಗಳು, ಸಂಪರ್ಕ, ಘರ್ಷಣೆ ಮತ್ತು ಗುರುತ್ವಾಕರ್ಷಣೆಯಂತಹ ಭೌತಿಕ ನಿಯತಾಂಕಗಳಾಗಿವೆ. ಬ್ಲೇಡ್ ಶಾಫ್ಟ್ ಮತ್ತು ಬೇರಿಂಗ್ ನಡುವೆ ಸ್ವಿವೆಲ್ ಜಂಟಿ ಇದೆ. 5-6 ಸಿಲಿಂಡರಾಕಾರದ ಕೀಲುಗಳಿವೆ. 5-1 ಸ್ಥಿರ ಕೀಲುಗಳಿವೆ. ಮುಖ್ಯ ದೇಹವು ಅಲ್ಯೂಮಿನಿಯಂ ವಸ್ತುವಿನಿಂದ ಮಾಡಲ್ಪಟ್ಟಿದೆ ಮತ್ತು ಸ್ಥಿರವಾಗಿದೆ. ಉಳಿದ ಭಾಗಗಳ ವಸ್ತುವು ಉಕ್ಕು. ವಸ್ತುಗಳ ಪ್ರಕಾರವನ್ನು ಅವಲಂಬಿಸಿ ಘರ್ಷಣೆಯ ಗುಣಾಂಕ, ಸಂಪರ್ಕ ಬಿಗಿತ ಮತ್ತು ಘರ್ಷಣೆ ಮೇಲ್ಮೈಯ ನುಗ್ಗುವಿಕೆಯ ಆಳವನ್ನು ಆರಿಸಿ. (ಸ್ಟೇನ್‌ಲೆಸ್ ಸ್ಟೀಲ್ AISI 304) ಈ ಅಧ್ಯಯನದಲ್ಲಿ, ನಿರ್ಣಾಯಕ ನಿಯತಾಂಕವು ರೆಕ್ಕೆ ಕಾರ್ಯವಿಧಾನದ ಆರಂಭಿಕ ಸಮಯವಾಗಿದೆ, ಇದು 200 ms ಗಿಂತ ಕಡಿಮೆಯಿರಬೇಕು. ಆದ್ದರಿಂದ, ವಿಶ್ಲೇಷಣೆಯ ಸಮಯದಲ್ಲಿ ರೆಕ್ಕೆ ತೆರೆಯುವ ಸಮಯದ ಮೇಲೆ ನಿಗಾ ಇರಿಸಿ.
ಆಡಮ್ಸ್ ವಿಶ್ಲೇಷಣೆಯ ಪರಿಣಾಮವಾಗಿ, ರೆಕ್ಕೆ ಕಾರ್ಯವಿಧಾನದ ಆರಂಭಿಕ ಸಮಯ 74 ಮಿಲಿಸೆಕೆಂಡುಗಳು. 1 ರಿಂದ 4 ರವರೆಗಿನ ಡೈನಾಮಿಕ್ ಸಿಮ್ಯುಲೇಶನ್‌ನ ಫಲಿತಾಂಶಗಳನ್ನು ಚಿತ್ರ 7 ರಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ. ಚಿತ್ರ 5 ರಲ್ಲಿನ ಮೊದಲ ಚಿತ್ರವು ಸಿಮ್ಯುಲೇಶನ್ ಪ್ರಾರಂಭದ ಸಮಯ ಮತ್ತು ರೆಕ್ಕೆಗಳು ಮಡಚಲು ಕಾಯುವ ಸ್ಥಾನದಲ್ಲಿವೆ. (2) ರೆಕ್ಕೆ 43 ಡಿಗ್ರಿಗಳನ್ನು ತಿರುಗಿಸಿದಾಗ 40ms ನಂತರ ರೆಕ್ಕೆಯ ಸ್ಥಾನವನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ. (3) 71 ಮಿಲಿಸೆಕೆಂಡುಗಳ ನಂತರ ರೆಕ್ಕೆಯ ಸ್ಥಾನವನ್ನು ತೋರಿಸುತ್ತದೆ. ಕೊನೆಯ ಚಿತ್ರದಲ್ಲಿ (4) ರೆಕ್ಕೆಯ ತಿರುವಿನ ಅಂತ್ಯ ಮತ್ತು ತೆರೆದ ಸ್ಥಾನವನ್ನು ತೋರಿಸುತ್ತದೆ. ಡೈನಾಮಿಕ್ ವಿಶ್ಲೇಷಣೆಯ ಪರಿಣಾಮವಾಗಿ, ರೆಕ್ಕೆ ತೆರೆಯುವ ಕಾರ್ಯವಿಧಾನವು 200 ms ನ ಗುರಿ ಮೌಲ್ಯಕ್ಕಿಂತ ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆಯಾಗಿದೆ ಎಂದು ಗಮನಿಸಲಾಗಿದೆ. ಇದರ ಜೊತೆಗೆ, ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ಗಾತ್ರ ಮಾಡುವಾಗ, ಸಾಹಿತ್ಯದಲ್ಲಿ ಶಿಫಾರಸು ಮಾಡಲಾದ ಅತ್ಯುನ್ನತ ಮೌಲ್ಯಗಳಿಂದ ಸುರಕ್ಷತಾ ಮಿತಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಲಾಗಿದೆ.
ಎಲ್ಲಾ ವಿನ್ಯಾಸ, ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಸಿಮ್ಯುಲೇಶನ್ ಅಧ್ಯಯನಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸಿದ ನಂತರ, ಕಾರ್ಯವಿಧಾನದ ಮೂಲಮಾದರಿಯನ್ನು ತಯಾರಿಸಿ ಸಂಯೋಜಿಸಲಾಯಿತು. ನಂತರ ಸಿಮ್ಯುಲೇಶನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಲು ಮೂಲಮಾದರಿಯನ್ನು ಪರೀಕ್ಷಿಸಲಾಯಿತು. ಮೊದಲು ಮುಖ್ಯ ಶೆಲ್ ಅನ್ನು ಸುರಕ್ಷಿತಗೊಳಿಸಿ ಮತ್ತು ರೆಕ್ಕೆಗಳನ್ನು ಮಡಿಸಿ. ನಂತರ ರೆಕ್ಕೆಗಳನ್ನು ಮಡಿಸಿದ ಸ್ಥಾನದಿಂದ ಬಿಡುಗಡೆ ಮಾಡಲಾಯಿತು ಮತ್ತು ಮಡಿಸಿದ ಸ್ಥಾನದಿಂದ ನಿಯೋಜಿಸಲಾದ ಸ್ಥಾನಕ್ಕೆ ರೆಕ್ಕೆಗಳ ತಿರುಗುವಿಕೆಯ ವೀಡಿಯೊವನ್ನು ಮಾಡಲಾಯಿತು. ವೀಡಿಯೊ ರೆಕಾರ್ಡಿಂಗ್ ಸಮಯದಲ್ಲಿ ಸಮಯವನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಟೈಮರ್ ಅನ್ನು ಸಹ ಬಳಸಲಾಯಿತು.
ಚಿತ್ರ 8 ರಲ್ಲಿ 1-4 ಸಂಖ್ಯೆಯ ವೀಡಿಯೊ ಫ್ರೇಮ್‌ಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. ಚಿತ್ರದಲ್ಲಿ ಫ್ರೇಮ್ ಸಂಖ್ಯೆ 1 ಮಡಿಸಿದ ರೆಕ್ಕೆಗಳ ಬಿಡುಗಡೆಯ ಕ್ಷಣವನ್ನು ತೋರಿಸುತ್ತದೆ. ಈ ಕ್ಷಣವನ್ನು t0 ಸಮಯದ ಆರಂಭಿಕ ಕ್ಷಣವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಚೌಕಟ್ಟುಗಳು 2 ಮತ್ತು 3 ಆರಂಭಿಕ ಕ್ಷಣದ ನಂತರ 40 ms ಮತ್ತು 70 ms ನಲ್ಲಿ ರೆಕ್ಕೆಗಳ ಸ್ಥಾನಗಳನ್ನು ತೋರಿಸುತ್ತವೆ. 3 ಮತ್ತು 4 ಫ್ರೇಮ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವಾಗ, t0 ನಂತರ ರೆಕ್ಕೆಯ ಚಲನೆಯು 90 ms ನಲ್ಲಿ ಸ್ಥಿರಗೊಳ್ಳುತ್ತದೆ ಮತ್ತು ರೆಕ್ಕೆಯ ತೆರೆಯುವಿಕೆಯು 70 ಮತ್ತು 90 ms ನಡುವೆ ಪೂರ್ಣಗೊಳ್ಳುತ್ತದೆ ಎಂದು ಕಾಣಬಹುದು. ಈ ಪರಿಸ್ಥಿತಿ ಎಂದರೆ ಸಿಮ್ಯುಲೇಶನ್ ಮತ್ತು ಮೂಲಮಾದರಿಯ ಪರೀಕ್ಷೆ ಎರಡೂ ಸರಿಸುಮಾರು ಒಂದೇ ರೀತಿಯ ರೆಕ್ಕೆ ನಿಯೋಜನೆ ಸಮಯವನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ವಿನ್ಯಾಸವು ಕಾರ್ಯವಿಧಾನದ ಕಾರ್ಯಕ್ಷಮತೆಯ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುತ್ತದೆ.
ಈ ಲೇಖನದಲ್ಲಿ, ರೆಕ್ಕೆ ಮಡಿಸುವ ಕಾರ್ಯವಿಧಾನದಲ್ಲಿ ಬಳಸಲಾಗುವ ತಿರುಚುವಿಕೆ ಮತ್ತು ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು BA ಬಳಸಿ ಅತ್ಯುತ್ತಮವಾಗಿಸಲಾಗಿದೆ. ಕೆಲವು ಪುನರಾವರ್ತನೆಗಳೊಂದಿಗೆ ನಿಯತಾಂಕಗಳನ್ನು ತ್ವರಿತವಾಗಿ ತಲುಪಬಹುದು. ತಿರುಚುವಿಕೆ ಸ್ಪ್ರಿಂಗ್ ಅನ್ನು 1075 mJ ನಲ್ಲಿ ರೇಟ್ ಮಾಡಲಾಗಿದೆ ಮತ್ತು ಸಂಕೋಚನ ಸ್ಪ್ರಿಂಗ್ ಅನ್ನು 37.24 mJ ನಲ್ಲಿ ರೇಟ್ ಮಾಡಲಾಗಿದೆ. ಈ ಮೌಲ್ಯಗಳು ಹಿಂದಿನ DOE ಅಧ್ಯಯನಗಳಿಗಿಂತ 40-50% ಉತ್ತಮವಾಗಿವೆ. ಸ್ಪ್ರಿಂಗ್ ಅನ್ನು ಕಾರ್ಯವಿಧಾನಕ್ಕೆ ಸಂಯೋಜಿಸಲಾಗಿದೆ ಮತ್ತು ADAMS ಪ್ರೋಗ್ರಾಂನಲ್ಲಿ ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ. ವಿಶ್ಲೇಷಿಸಿದಾಗ, ರೆಕ್ಕೆಗಳು 74 ಮಿಲಿಸೆಕೆಂಡ್‌ಗಳ ಒಳಗೆ ತೆರೆದುಕೊಳ್ಳುತ್ತವೆ ಎಂದು ಕಂಡುಬಂದಿದೆ. ಈ ಮೌಲ್ಯವು ಯೋಜನೆಯ ಗುರಿಯಾದ 200 ಮಿಲಿಸೆಕೆಂಡ್‌ಗಳಿಗಿಂತ ಬಹಳ ಕಡಿಮೆಯಾಗಿದೆ. ನಂತರದ ಪ್ರಾಯೋಗಿಕ ಅಧ್ಯಯನದಲ್ಲಿ, ಟರ್ನ್-ಆನ್ ಸಮಯವನ್ನು ಸುಮಾರು 90 ms ಎಂದು ಅಳೆಯಲಾಯಿತು. ವಿಶ್ಲೇಷಣೆಗಳ ನಡುವಿನ ಈ 16 ಮಿಲಿಸೆಕೆಂಡ್ ವ್ಯತ್ಯಾಸವು ಸಾಫ್ಟ್‌ವೇರ್‌ನಲ್ಲಿ ಮಾದರಿಯಾಗದ ಪರಿಸರ ಅಂಶಗಳ ಕಾರಣದಿಂದಾಗಿರಬಹುದು. ಅಧ್ಯಯನದ ಪರಿಣಾಮವಾಗಿ ಪಡೆದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ವಿವಿಧ ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸಗಳಿಗೆ ಬಳಸಬಹುದು ಎಂದು ನಂಬಲಾಗಿದೆ.
ಸ್ಪ್ರಿಂಗ್ ವಸ್ತುವನ್ನು ಪೂರ್ವನಿರ್ಧರಿತಗೊಳಿಸಲಾಗಿತ್ತು ಮತ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್‌ನಲ್ಲಿ ವೇರಿಯೇಬಲ್ ಆಗಿ ಬಳಸಲಾಗುತ್ತಿರಲಿಲ್ಲ. ವಿಮಾನ ಮತ್ತು ರಾಕೆಟ್‌ಗಳಲ್ಲಿ ಹಲವು ವಿಭಿನ್ನ ರೀತಿಯ ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ಬಳಸುವುದರಿಂದ, ಭವಿಷ್ಯದ ಸಂಶೋಧನೆಯಲ್ಲಿ ಅತ್ಯುತ್ತಮ ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸವನ್ನು ಸಾಧಿಸಲು ವಿಭಿನ್ನ ವಸ್ತುಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಇತರ ರೀತಿಯ ಸ್ಪ್ರಿಂಗ್‌ಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲು BA ಅನ್ನು ಅನ್ವಯಿಸಲಾಗುತ್ತದೆ.
ಈ ಹಸ್ತಪ್ರತಿಯು ಮೂಲವಾಗಿದ್ದು, ಈ ಹಿಂದೆ ಪ್ರಕಟವಾಗಿಲ್ಲ ಮತ್ತು ಪ್ರಸ್ತುತ ಬೇರೆಡೆ ಪ್ರಕಟಣೆಗೆ ಪರಿಗಣಿಸಲಾಗಿಲ್ಲ ಎಂದು ನಾವು ಘೋಷಿಸುತ್ತೇವೆ.
ಈ ಅಧ್ಯಯನದಲ್ಲಿ ರಚಿಸಲಾದ ಅಥವಾ ವಿಶ್ಲೇಷಿಸಲಾದ ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಈ ಪ್ರಕಟಿತ ಲೇಖನದಲ್ಲಿ [ಮತ್ತು ಹೆಚ್ಚುವರಿ ಮಾಹಿತಿ ಫೈಲ್] ಸೇರಿಸಲಾಗಿದೆ.
ಮಿನ್, ಝಡ್., ಕಿನ್, ವಿಕೆ ಮತ್ತು ರಿಚರ್ಡ್, ಎಲ್ಜೆ ವಿಮಾನ ಆಮೂಲಾಗ್ರ ಜ್ಯಾಮಿತೀಯ ಬದಲಾವಣೆಗಳ ಮೂಲಕ ವಾಯುಫಲಕ ಪರಿಕಲ್ಪನೆಯ ಆಧುನೀಕರಣ. ಐಇಎಸ್ ಜೆ. ಭಾಗ ಎ ನಾಗರಿಕತೆ. ಸಂಯೋಜನೆ. ಯೋಜನೆ. 3(3), 188–195 (2010).
ಸನ್, ಜೆ., ಲಿಯು, ಕೆ. ಮತ್ತು ಭೂಷಣ್, ಬಿ. ಜೀರುಂಡೆಯ ಹಿಂಗಾಲುಗಳ ಅವಲೋಕನ: ರಚನೆ, ಯಾಂತ್ರಿಕ ಗುಣಲಕ್ಷಣಗಳು, ಕಾರ್ಯವಿಧಾನಗಳು ಮತ್ತು ಜೈವಿಕ ಸ್ಫೂರ್ತಿ. ಜೆ. ಮೆಚಾ. ನಡವಳಿಕೆ. ಬಯೋಮೆಡಿಕಲ್ ಸೈನ್ಸ್. ಅಲ್ಮಾ ಮೇಟರ್. 94, 63–73 (2019).
ಚೆನ್, ಝಡ್., ಯು, ಜೆ., ಜಾಂಗ್, ಎ., ಮತ್ತು ಜಾಂಗ್, ಎಫ್. ಹೈಬ್ರಿಡ್ ಚಾಲಿತ ನೀರೊಳಗಿನ ಗ್ಲೈಡರ್‌ಗಾಗಿ ಮಡಿಸುವ ಪ್ರೊಪಲ್ಷನ್ ಕಾರ್ಯವಿಧಾನದ ವಿನ್ಯಾಸ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ. ಓಷನ್ ಎಂಜಿನಿಯರಿಂಗ್ 119, 125–134 (2016).
ಕಾರ್ತಿಕ್, ಎಚ್‌ಎಸ್ ಮತ್ತು ಪೃಥ್ವಿ, ಕೆ. ಹೆಲಿಕಾಪ್ಟರ್ ಹಾರಿಜಾಂಟಲ್ ಸ್ಟೆಬಿಲೈಸರ್ ಫೋಲ್ಡಿಂಗ್ ಮೆಕ್ಯಾನಿಸಂನ ವಿನ್ಯಾಸ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ. ಆಂತರಿಕ ಜೆ. ಇಂಜಿ. ಶೇಖರಣಾ ಟ್ಯಾಂಕ್. ತಂತ್ರಜ್ಞಾನ. (ಐಜಿಇಆರ್‌ಟಿ) 9(05), 110–113 (2020).
ಕುಲುಂಕ್, ಝಡ್. ಮತ್ತು ಸಾಹಿನ್, ಎಂ. ಪ್ರಾಯೋಗಿಕ ವಿನ್ಯಾಸ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು ಮಡಿಸುವ ರಾಕೆಟ್ ರೆಕ್ಕೆ ವಿನ್ಯಾಸದ ಯಾಂತ್ರಿಕ ನಿಯತಾಂಕಗಳ ಆಪ್ಟಿಮೈಸೇಶನ್. ಆಂತರಿಕ ಜೆ. ಮಾದರಿ. ಆಪ್ಟಿಮೈಸೇಶನ್. 9(2), 108–112 (2019).
ಕೆ, ಜೆ., ವು, ಝೈವೈ, ಲಿಯು, ವೈಎಸ್, ಕ್ಸಿಯಾಂಗ್, ಝಡ್. & ಹು, ಎಕ್ಸ್‌ಡಿ ವಿನ್ಯಾಸ ವಿಧಾನ, ಕಾರ್ಯಕ್ಷಮತೆ ಅಧ್ಯಯನ, ಮತ್ತು ಸಂಯೋಜಿತ ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಉತ್ಪಾದನಾ ಪ್ರಕ್ರಿಯೆ: ಒಂದು ವಿಮರ್ಶೆ. ಸಂಯೋಜನೆ. ಸಂಯೋಜನೆ. 252, 112747 (2020).
ತಕ್ತಕ್ ಎಂ., ಓಮ್ಹೇನಿ ಕೆ., ಅಲುಯಿ ಎ., ಡಮ್ಮಕ್ ಎಫ್. ಮತ್ತು ಖದ್ದರ್ ಎಂ. ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಡೈನಾಮಿಕ್ ವಿನ್ಯಾಸ ಆಪ್ಟಿಮೈಸೇಶನ್. ಧ್ವನಿಗಾಗಿ ಅರ್ಜಿ ಸಲ್ಲಿಸಿ. 77, 178–183 (2014).
ಪ್ಯಾರೆಡೆಸ್, ಎಂ., ಸಾರ್ಟರ್, ಎಂ., ಮತ್ತು ಮಾಸ್ಕಲ್, ಕೆ. ಟೆನ್ಷನ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ವಿನ್ಯಾಸವನ್ನು ಅತ್ಯುತ್ತಮಗೊಳಿಸುವ ವಿಧಾನ. ಕಂಪ್ಯೂಟರ್. ವಿಧಾನದ ಅನ್ವಯ. ಫರ್. ಯೋಜನೆ. 191(8-10), 783-797 (2001).
ಜೆಬ್ಡಿ ಒ., ಬೌಹಿಲಿ ಆರ್. ಮತ್ತು ಟ್ರೋಚು ಎಫ್. ಬಹು-ವಸ್ತು ಆಪ್ಟಿಮೈಸೇಶನ್ ಬಳಸಿಕೊಂಡು ಸಂಯೋಜಿತ ಹೆಲಿಕಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಅತ್ಯುತ್ತಮ ವಿನ್ಯಾಸ. ಜೆ. ರೀನ್ಫ್. ಪ್ಲಾಸ್ಟಿಕ್. ಸಂಯೋಜನೆ. 28 (14), 1713–1732 (2009).
ಪವಾರ್ಟ್, ಎಚ್‌ಬಿ ಮತ್ತು ದೇಸೇಲ್, ಡಿಡಿ ಟ್ರೈಸಿಕಲ್ ಮುಂಭಾಗದ ಸಸ್ಪೆನ್ಷನ್ ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಆಪ್ಟಿಮೈಸೇಶನ್. ಪ್ರಕ್ರಿಯೆ. ತಯಾರಕ. 20, 428–433 (2018).
ಬಹಶೇಷ್ ಎಂ. ಮತ್ತು ಬಹಶೇಷ್ ಎಂ. ಸಂಯೋಜಿತ ಸ್ಪ್ರಿಂಗ್‌ಗಳೊಂದಿಗೆ ಉಕ್ಕಿನ ಸುರುಳಿಯಾಕಾರದ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಆಪ್ಟಿಮೈಸೇಶನ್. ಆಂತರಿಕ ಜೆ. ಬಹುಶಿಸ್ತೀಯ. ವಿಜ್ಞಾನ. ಯೋಜನೆ. 3(6), 47–51 (2012).
ಚೆನ್, ಎಲ್. ಮತ್ತು ಇತರರು. ಸಂಯೋಜಿತ ಸುರುಳಿ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಸ್ಥಿರ ಮತ್ತು ಕ್ರಿಯಾತ್ಮಕ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಹಲವು ನಿಯತಾಂಕಗಳ ಬಗ್ಗೆ ತಿಳಿಯಿರಿ. ಜೆ. ಮಾರುಕಟ್ಟೆ. ಸಂಗ್ರಹ ಟ್ಯಾಂಕ್. 20, 532–550 (2022).
ಫ್ರಾಂಕ್, ಜೆ. ಸಂಯೋಜಿತ ಹೆಲಿಕಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಅತ್ಯುತ್ತಮೀಕರಣ, ಪಿಎಚ್‌ಡಿ ಪ್ರಬಂಧ, ಸ್ಯಾಕ್ರಮೆಂಟೊ ಸ್ಟೇಟ್ ಯೂನಿವರ್ಸಿಟಿ (2020).
ಗು, ಝಡ್., ಹೌ, ಎಕ್ಸ್. ಮತ್ತು ಯೆ, ಜೆ. ಸೀಮಿತ ಅಂಶ ವಿಶ್ಲೇಷಣೆ, ಲ್ಯಾಟಿನ್ ಹೈಪರ್‌ಕ್ಯೂಬ್ ಸೀಮಿತ ಮಾದರಿ ಮತ್ತು ಜೆನೆಟಿಕ್ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ವಿಧಾನಗಳ ಸಂಯೋಜನೆಯನ್ನು ಬಳಸಿಕೊಂಡು ರೇಖಾತ್ಮಕವಲ್ಲದ ಸುರುಳಿಯಾಕಾರದ ಬುಗ್ಗೆಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವ ಮತ್ತು ವಿಶ್ಲೇಷಿಸುವ ವಿಧಾನಗಳು. ಪ್ರಕ್ರಿಯೆ. ಫರ್ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್. ಯೋಜನೆ. ಸಿಜೆ ಮೆಚಾ. ಯೋಜನೆ. ವಿಜ್ಞಾನ. 235(22), 5917–5930 (2021).
ವು, ಎಲ್., ಮತ್ತು ಇತರರು. ಹೊಂದಾಣಿಕೆ ಮಾಡಬಹುದಾದ ಸ್ಪ್ರಿಂಗ್ ದರ ಕಾರ್ಬನ್ ಫೈಬರ್ ಮಲ್ಟಿ-ಸ್ಟ್ರಾಂಡ್ ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್ಸ್: ಒಂದು ವಿನ್ಯಾಸ ಮತ್ತು ಕಾರ್ಯವಿಧಾನ ಅಧ್ಯಯನ. ಜೆ. ಮಾರುಕಟ್ಟೆ. ಶೇಖರಣಾ ಟ್ಯಾಂಕ್. 9(3), 5067–5076 (2020).
ಪಾಟೀಲ್ ಡಿಎಸ್, ಮಂಗ್ರುಲ್ಕರ್ ಕೆಎಸ್ ಮತ್ತು ಜಗ್ತಾಪ್ ಎಸ್‌ಟಿ ಕಂಪ್ರೆಷನ್ ಹೆಲಿಕಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ತೂಕ ಆಪ್ಟಿಮೈಸೇಶನ್. ಆಂತರಿಕ ಜೆ. ಇನ್ನೋವ್. ಶೇಖರಣಾ ಟ್ಯಾಂಕ್. ಬಹುಶಿಸ್ತೀಯ. 2(11), 154–164 (2016).
ರಾಹುಲ್, ಎಂಎಸ್ ಮತ್ತು ರಮೇಶ್‌ಕುಮಾರ್, ಕೆ. ಆಟೋಮೋಟಿವ್ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ ಕಾಯಿಲ್ ಸ್ಪ್ರಿಂಗ್‌ಗಳ ಬಹುಪಯೋಗಿ ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಸಂಖ್ಯಾತ್ಮಕ ಸಿಮ್ಯುಲೇಶನ್. ಅಲ್ಮಾ ಮೇಟರ್. ಇಂದು ಪ್ರಕ್ರಿಯೆ. 46. 4847–4853 (2021).
ಬಾಯಿ, ಜೆಬಿ ಮತ್ತು ಇತರರು. ಜೆನೆಟಿಕ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಸಂಯೋಜಿತ ಸುರುಳಿಯಾಕಾರದ ರಚನೆಗಳ ಅತ್ಯುತ್ತಮ ವಿನ್ಯಾಸ - ಅತ್ಯುತ್ತಮ ಅಭ್ಯಾಸವನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವುದು. ಸಂಯೋಜನೆ. ಸಂಯೋಜನೆ. 268, 113982 (2021).
ಶಾಹಿನ್, ಐ., ಡೋರ್ಟರ್ಲರ್, ಎಂ., ಮತ್ತು ಗೋಕ್ಚೆ, ಹೆಚ್. ಕಂಪ್ರೆಷನ್ ಸ್ಪ್ರಿಂಗ್ ವಿನ್ಯಾಸದ ಕನಿಷ್ಠ ಪರಿಮಾಣದ ಅತ್ಯುತ್ತಮೀಕರಣದ ಆಧಾರದ ಮೇಲೆ 灰狼 ಆಪ್ಟಿಮೈಸೇಶನ್ ವಿಧಾನವನ್ನು ಬಳಸುವುದು, ಘಾಜಿ ಜೆ. ಎಂಜಿನಿಯರಿಂಗ್ ಸೈನ್ಸ್, 3(2), 21–27 (2017).
ಏಯ್, ಕೆಎಂ, ಫೋಲ್ಡಿ, ಎನ್., ಯಿಲ್ಡಿಜ್, ಎಆರ್, ಬುರಿರಾಟ್, ಎಸ್. ಮತ್ತು ಸೇಟ್, ಎಸ್‌ಎಂ ಮೆಟಾಹ್ಯೂರಿಸ್ಟಿಕ್ಸ್ ಕ್ರ್ಯಾಶ್‌ಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ಬಹು ಏಜೆಂಟ್‌ಗಳನ್ನು ಬಳಸುತ್ತವೆ. ಆಂತರಿಕ ಜೆ. ವೆಹ್. ಡಿಸೆಂಬರ್ 80(2–4), 223–240 (2019).
ಯಿಲ್ಡಿಜ್, ಎಆರ್ ಮತ್ತು ಎರ್ಡಾಶ್, MU ನೈಜ ಎಂಜಿನಿಯರಿಂಗ್ ಸಮಸ್ಯೆಗಳ ವಿಶ್ವಾಸಾರ್ಹ ವಿನ್ಯಾಸಕ್ಕಾಗಿ ಹೊಸ ಹೈಬ್ರಿಡ್ ಟಾಗುಚಿ-ಸಲ್ಪಾ ಗುಂಪು ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಲ್ಗಾರಿದಮ್. ಅಲ್ಮಾ ಮೇಟರ್. ಪರೀಕ್ಷೆ. 63(2), 157–162 (2021).
ಯಿಲ್ಡಿಜ್ ಬಿಎಸ್, ಫೋಲ್ಡಿ ಎನ್., ಬುರೆರಾಟ್ ಎಸ್., ಯಿಲ್ಡಿಜ್ ಎಆರ್ ಮತ್ತು ಸೈಟ್ ಎಸ್‌ಎಂ ಹೊಸ ಹೈಬ್ರಿಡ್ ಮಿಡತೆ ಆಪ್ಟಿಮೈಸೇಶನ್ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ರೋಬೋಟಿಕ್ ಗ್ರಿಪ್ಪರ್ ಕಾರ್ಯವಿಧಾನಗಳ ವಿಶ್ವಾಸಾರ್ಹ ವಿನ್ಯಾಸ. ತಜ್ಞ. ವ್ಯವಸ್ಥೆ. 38(3), e12666 (2021).