Nature.com സന്ദർശിച്ചതിന് നന്ദി. പരിമിതമായ CSS പിന്തുണയുള്ള ഒരു ബ്രൗസർ പതിപ്പാണ് നിങ്ങൾ ഉപയോഗിക്കുന്നത്. സ്റ്റെയിൻലെസ് സ്റ്റീൽ കോയിൽ ട്യൂബ് മികച്ച അനുഭവത്തിനായി, നിങ്ങൾ ഒരു അപ്ഡേറ്റ് ചെയ്ത ബ്രൗസർ ഉപയോഗിക്കാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു (അല്ലെങ്കിൽ ഇന്റർനെറ്റ് എക്സ്പ്ലോററിൽ കോംപാറ്റിബിലിറ്റി മോഡ് പ്രവർത്തനരഹിതമാക്കുക). കൂടാതെ, തുടർച്ചയായ പിന്തുണ ഉറപ്പാക്കാൻ, സ്റ്റൈലുകളും ജാവാസ്ക്രിപ്റ്റും ഇല്ലാതെ ഞങ്ങൾ സൈറ്റ് കാണിക്കുന്നു.
മൂന്ന് സ്ലൈഡുകളുടെ ഒരു കറൗസൽ ഒരേസമയം പ്രദർശിപ്പിക്കുന്നു. ഒരേ സമയം മൂന്ന് സ്ലൈഡുകളിലൂടെ നീങ്ങാൻ മുമ്പത്തേതും അടുത്തതും ബട്ടണുകൾ ഉപയോഗിക്കുക, അല്ലെങ്കിൽ ഒരേ സമയം മൂന്ന് സ്ലൈഡുകളിലൂടെ നീങ്ങാൻ അവസാനത്തിലുള്ള സ്ലൈഡർ ബട്ടണുകൾ ഉപയോഗിക്കുക.
ഈ പഠനത്തിൽ, സ്റ്റെയിൻലെസ് സ്റ്റീൽ കോയിൽ ട്യൂബ്, റോക്കറ്റിൽ ഉപയോഗിക്കുന്ന വിംഗ് ഫോൾഡിംഗ് മെക്കാനിസത്തിന്റെ ടോർഷൻ, കംപ്രഷൻ സ്പ്രിംഗുകളുടെ രൂപകൽപ്പന ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രശ്നമായി കണക്കാക്കപ്പെടുന്നു. റോക്കറ്റ് ലോഞ്ച് ട്യൂബിൽ നിന്ന് പുറത്തുപോയതിനുശേഷം, അടച്ച ചിറകുകൾ ഒരു നിശ്ചിത സമയത്തേക്ക് തുറന്ന് സുരക്ഷിതമാക്കണം. ചിറകുകൾക്ക് ഏറ്റവും കുറഞ്ഞ സമയത്തിനുള്ളിൽ വിന്യസിക്കാൻ കഴിയുന്ന തരത്തിൽ സ്പ്രിംഗുകളിൽ സംഭരിച്ചിരിക്കുന്ന ഊർജ്ജം പരമാവധിയാക്കുക എന്നതായിരുന്നു പഠനത്തിന്റെ ലക്ഷ്യം. ഈ സാഹചര്യത്തിൽ, രണ്ട് പ്രസിദ്ധീകരണങ്ങളിലെയും ഊർജ്ജ സമവാക്യം ഒപ്റ്റിമൈസേഷൻ പ്രക്രിയയിലെ വസ്തുനിഷ്ഠമായ പ്രവർത്തനമായി നിർവചിക്കപ്പെട്ടു. സ്പ്രിംഗ് ഡിസൈനിന് ആവശ്യമായ വയർ വ്യാസം, കോയിൽ വ്യാസം, കോയിലുകളുടെ എണ്ണം, ഡിഫ്ലെക്ഷൻ പാരാമീറ്ററുകൾ എന്നിവ ഒപ്റ്റിമൈസേഷൻ വേരിയബിളുകളായി നിർവചിക്കപ്പെട്ടു. മെക്കാനിസത്തിന്റെ വലുപ്പം കാരണം വേരിയബിളുകളിൽ ജ്യാമിതീയ പരിധികളുണ്ട്, അതുപോലെ സ്പ്രിംഗുകൾ വഹിക്കുന്ന ലോഡ് കാരണം സുരക്ഷാ ഘടകത്തിന് പരിധികളുമുണ്ട്. ഈ ഒപ്റ്റിമൈസേഷൻ പ്രശ്നം പരിഹരിക്കാനും സ്പ്രിംഗ് ഡിസൈൻ നിർവഹിക്കാനും തേനീച്ച (BA) അൽഗോരിതം ഉപയോഗിച്ചു. BA ഉപയോഗിച്ച് ലഭിച്ച ഊർജ്ജ മൂല്യങ്ങൾ മുൻ പരീക്ഷണങ്ങളുടെ രൂപകൽപ്പന (DOE) പഠനങ്ങളിൽ നിന്ന് ലഭിച്ചതിനേക്കാൾ മികച്ചതാണ്. ഒപ്റ്റിമൈസേഷനിൽ നിന്ന് ലഭിച്ച പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് രൂപകൽപ്പന ചെയ്ത സ്പ്രിംഗുകളും മെക്കാനിസങ്ങളും ആദ്യം ADAMS പ്രോഗ്രാമിൽ വിശകലനം ചെയ്തു. അതിനുശേഷം, നിർമ്മിച്ച സ്പ്രിംഗുകളെ യഥാർത്ഥ സംവിധാനങ്ങളിലേക്ക് സംയോജിപ്പിച്ചുകൊണ്ട് പരീക്ഷണാത്മക പരിശോധനകൾ നടത്തി. പരിശോധനയുടെ ഫലമായി, ഏകദേശം 90 മില്ലിസെക്കൻഡുകൾക്ക് ശേഷം ചിറകുകൾ തുറന്നതായി നിരീക്ഷിക്കപ്പെട്ടു. ഈ മൂല്യം പദ്ധതിയുടെ ലക്ഷ്യമായ 200 മില്ലിസെക്കൻഡിനേക്കാൾ വളരെ താഴെയാണ്. കൂടാതെ, വിശകലന, പരീക്ഷണ ഫലങ്ങൾ തമ്മിലുള്ള വ്യത്യാസം 16 എംഎസ് മാത്രമാണ്.
വിമാനങ്ങളിലും സമുദ്ര വാഹനങ്ങളിലും, സ്റ്റെയിൻലെസ് സ്റ്റീൽ കോയിൽ ട്യൂബ് മടക്കൽ സംവിധാനങ്ങൾ നിർണായകമാണ്. ഫ്ലൈറ്റ് പ്രകടനവും നിയന്ത്രണവും മെച്ചപ്പെടുത്തുന്നതിന് വിമാന പരിഷ്കാരങ്ങളിലും പരിവർത്തനങ്ങളിലും ഈ സംവിധാനങ്ങൾ ഉപയോഗിക്കുന്നു. ഫ്ലൈറ്റ് മോഡിനെ ആശ്രയിച്ച്, എയറോഡൈനാമിക് ആഘാതം കുറയ്ക്കുന്നതിന് ചിറകുകൾ വ്യത്യസ്തമായി മടക്കുകയും വിടരുകയും ചെയ്യുന്നു. ദൈനംദിന പറക്കലിലും ഡൈവിംഗിലും ചില പക്ഷികളുടെയും പ്രാണികളുടെയും ചിറകുകളുടെ ചലനങ്ങളുമായി ഈ സാഹചര്യത്തെ താരതമ്യം ചെയ്യാം. അതുപോലെ, ഹൈഡ്രോഡൈനാമിക് ഇഫക്റ്റുകൾ കുറയ്ക്കുന്നതിനും കൈകാര്യം ചെയ്യൽ പരമാവധിയാക്കുന്നതിനും സബ്‌മെർസിബിളുകളിൽ ഗ്ലൈഡറുകൾ മടക്കുകയും വിടരുകയും ചെയ്യുന്നു3. സംഭരണത്തിനും ഗതാഗതത്തിനുമായി ഒരു ഹെലികോപ്റ്റർ പ്രൊപ്പല്ലർ 4 മടക്കുന്നത് പോലുള്ള സിസ്റ്റങ്ങൾക്ക് വോള്യൂമെട്രിക് ഗുണങ്ങൾ നൽകുക എന്നതാണ് ഈ സംവിധാനങ്ങളുടെ മറ്റൊരു ലക്ഷ്യം. സംഭരണ ​​സ്ഥലം കുറയ്ക്കുന്നതിന് റോക്കറ്റിന്റെ ചിറകുകളും മടക്കിക്കളയുന്നു. അങ്ങനെ, ലോഞ്ചറിന്റെ ഒരു ചെറിയ സ്ഥലത്ത് കൂടുതൽ മിസൈലുകൾ സ്ഥാപിക്കാൻ കഴിയും 5. മടക്കുന്നതിലും വിടരുന്നതിലും ഫലപ്രദമായി ഉപയോഗിക്കുന്ന ഘടകങ്ങൾ സാധാരണയായി സ്പ്രിംഗുകളാണ്. മടക്കുന്ന സമയത്ത്, അതിൽ ഊർജ്ജം സംഭരിക്കപ്പെടുകയും വികസിക്കുന്ന സമയത്ത് പുറത്തുവിടുകയും ചെയ്യുന്നു. അതിന്റെ വഴക്കമുള്ള ഘടന കാരണം, സംഭരിക്കപ്പെടുകയും പുറത്തുവിടുകയും ചെയ്യുന്ന ഊർജ്ജം തുല്യമാക്കപ്പെടുന്നു. സ്പ്രിംഗ് പ്രധാനമായും സിസ്റ്റത്തിനായി രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ്, കൂടാതെ ഈ ഡിസൈൻ ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രശ്നം അവതരിപ്പിക്കുന്നു6. കാരണം അതിൽ വയർ വ്യാസം, കോയിൽ വ്യാസം, തിരിവുകളുടെ എണ്ണം, ഹെലിക്സ് ആംഗിൾ, മെറ്റീരിയലിന്റെ തരം എന്നിങ്ങനെയുള്ള വിവിധ വേരിയബിളുകൾ ഉൾപ്പെടുന്നു, അതേസമയം പിണ്ഡം, വ്യാപ്തം, കുറഞ്ഞ സമ്മർദ്ദ വിതരണം അല്ലെങ്കിൽ പരമാവധി ഊർജ്ജ ലഭ്യത തുടങ്ങിയ മാനദണ്ഡങ്ങളും ഉണ്ട്7.
റോക്കറ്റ് സിസ്റ്റങ്ങളിൽ ഉപയോഗിക്കുന്ന ചിറകുകൾ മടക്കാനുള്ള സംവിധാനങ്ങൾക്കായുള്ള സ്പ്രിംഗുകളുടെ രൂപകൽപ്പനയിലും ഒപ്റ്റിമൈസേഷനിലും ഈ പഠനം വെളിച്ചം വീശുന്നു. പറക്കുന്നതിന് മുമ്പ് വിക്ഷേപണ ട്യൂബിനുള്ളിൽ ആയിരിക്കുമ്പോൾ, ചിറകുകൾ റോക്കറ്റിന്റെ ഉപരിതലത്തിൽ മടക്കിവെച്ചിരിക്കും, വിക്ഷേപണ ട്യൂബിൽ നിന്ന് പുറത്തുകടന്നതിനുശേഷം, അവ ഒരു നിശ്ചിത സമയത്തേക്ക് വിരിയുകയും ഉപരിതലത്തിലേക്ക് അമർത്തിപ്പിടിക്കുകയും ചെയ്യും. റോക്കറ്റിന്റെ ശരിയായ പ്രവർത്തനത്തിന് ഈ പ്രക്രിയ നിർണായകമാണ്. വികസിപ്പിച്ച മടക്കാനുള്ള സംവിധാനത്തിൽ, ചിറകുകൾ തുറക്കുന്നത് ടോർഷൻ സ്പ്രിംഗുകൾ ഉപയോഗിച്ചാണ് നടത്തുന്നത്, ലോക്കിംഗ് കംപ്രഷൻ സ്പ്രിംഗുകൾ ഉപയോഗിച്ചാണ് നടത്തുന്നത്. അനുയോജ്യമായ ഒരു സ്പ്രിംഗ് രൂപകൽപ്പന ചെയ്യുന്നതിന്, ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രക്രിയ നടത്തണം. സ്പ്രിംഗ് ഒപ്റ്റിമൈസേഷനിൽ, സാഹിത്യത്തിൽ വിവിധ ആപ്ലിക്കേഷനുകൾ ഉണ്ട്.
പരേഡസ് തുടങ്ങിയവർ 8 ഹെലിക്കൽ സ്പ്രിംഗുകളുടെ രൂപകൽപ്പനയ്ക്കുള്ള ഒരു വസ്തുനിഷ്ഠമായ പ്രവർത്തനമായി പരമാവധി ക്ഷീണ ജീവിത ഘടകത്തെ നിർവചിക്കുകയും ഒപ്റ്റിമൈസേഷൻ രീതിയായി ക്വാസി-ന്യൂട്ടോണിയൻ രീതി ഉപയോഗിക്കുകയും ചെയ്തു. വയർ വ്യാസം, കോയിൽ വ്യാസം, തിരിവുകളുടെ എണ്ണം, സ്പ്രിംഗ് നീളം എന്നിവയാണ് ഒപ്റ്റിമൈസേഷനിലെ വേരിയബിളുകൾ തിരിച്ചറിഞ്ഞത്. സ്പ്രിംഗ് ഘടനയുടെ മറ്റൊരു പാരാമീറ്റർ അത് നിർമ്മിച്ച മെറ്റീരിയലാണ്. അതിനാൽ, ഡിസൈൻ, ഒപ്റ്റിമൈസേഷൻ പഠനങ്ങളിൽ ഇത് കണക്കിലെടുത്തിരുന്നു. സെബ്ഡി തുടങ്ങിയവർ 9 അവരുടെ പഠനത്തിൽ ഒബ്ജക്റ്റീവ് ഫംഗ്ഷനിൽ പരമാവധി കാഠിന്യത്തിന്റെയും കുറഞ്ഞ ഭാരത്തിന്റെയും ലക്ഷ്യങ്ങൾ വെച്ചു, അവിടെ ഭാരം ഘടകം ഗണ്യമായിരുന്നു. ഈ സാഹചര്യത്തിൽ, അവർ സ്പ്രിംഗ് മെറ്റീരിയലും ജ്യാമിതീയ ഗുണങ്ങളും വേരിയബിളുകളായി നിർവചിച്ചു. ഒപ്റ്റിമൈസേഷൻ രീതിയായി അവർ ഒരു ജനിതക അൽഗോരിതം ഉപയോഗിക്കുന്നു. ഓട്ടോമോട്ടീവ് വ്യവസായത്തിൽ, വാഹന പ്രകടനം മുതൽ ഇന്ധന ഉപഭോഗം വരെ പല തരത്തിൽ വസ്തുക്കളുടെ ഭാരം ഉപയോഗപ്രദമാണ്. സസ്പെൻഷനുള്ള കോയിൽ സ്പ്രിംഗുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുമ്പോൾ ഭാരം കുറയ്ക്കൽ അറിയപ്പെടുന്ന ഒരു പഠനമാണ്10. വിവിധ സസ്പെൻഷൻ സ്പ്രിംഗ് കോമ്പോസിറ്റ് ഡിസൈനുകളിൽ കുറഞ്ഞ ഭാരവും പരമാവധി ടെൻസൈൽ ശക്തിയും കൈവരിക്കുക എന്ന ലക്ഷ്യത്തോടെ, ANSYS പരിതസ്ഥിതിയിൽ E-ഗ്ലാസ്, കാർബൺ, കെവ്‌ലർ തുടങ്ങിയ വസ്തുക്കളെ വേരിയബിളുകളായി ബഹ്‌ഷേഷും ബഹ്‌ഷേഷും തിരിച്ചറിഞ്ഞു. കോമ്പോസിറ്റ് സ്പ്രിംഗുകളുടെ വികസനത്തിൽ നിർമ്മാണ പ്രക്രിയ നിർണായകമാണ്. അതിനാൽ, ഉൽ‌പാദന രീതി, പ്രക്രിയയിൽ സ്വീകരിച്ച ഘട്ടങ്ങൾ, ആ ഘട്ടങ്ങളുടെ ക്രമം എന്നിങ്ങനെ വിവിധ വേരിയബിളുകൾ ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രശ്നത്തിൽ ഇടപെടുന്നു. ഡൈനാമിക് സിസ്റ്റങ്ങൾക്കായി സ്പ്രിംഗുകൾ രൂപകൽപ്പന ചെയ്യുമ്പോൾ, സിസ്റ്റത്തിന്റെ സ്വാഭാവിക ആവൃത്തികൾ കണക്കിലെടുക്കണം. അനുരണനം ഒഴിവാക്കാൻ സ്പ്രിംഗിന്റെ ആദ്യ സ്വാഭാവിക ആവൃത്തി സിസ്റ്റത്തിന്റെ സ്വാഭാവിക ആവൃത്തിയുടെ കുറഞ്ഞത് 5-10 മടങ്ങ് ആയിരിക്കണമെന്ന് ശുപാർശ ചെയ്യുന്നു. കോയിൽ സ്പ്രിംഗ് ഡിസൈനിൽ ഒബ്ജക്റ്റീവ് ഫംഗ്ഷനുകളായി സ്പ്രിംഗിന്റെ പിണ്ഡം കുറയ്ക്കാനും ആദ്യത്തെ സ്വാഭാവിക ആവൃത്തി പരമാവധിയാക്കാനും തക്തക് തുടങ്ങിയവർ തീരുമാനിച്ചു. മാറ്റ്ലാബ് ഒപ്റ്റിമൈസേഷൻ ടൂളിൽ അവർ പാറ്റേൺ തിരയൽ, ഇന്റീരിയർ പോയിന്റ്, ആക്റ്റീവ് സെറ്റ്, ജനിതക അൽഗോരിതം രീതികൾ എന്നിവ ഉപയോഗിച്ചു. സ്പ്രിംഗ് ഡിസൈൻ ഗവേഷണത്തിന്റെ ഭാഗമാണ് വിശകലന ഗവേഷണം, ഈ മേഖലയിൽ ഫിനിറ്റ് എലമെന്റ് രീതി ജനപ്രിയമാണ്15. പാട്ടീൽ തുടങ്ങിയവർ 16 ഒരു വിശകലന നടപടിക്രമം ഉപയോഗിച്ച് ഒരു കംപ്രഷൻ ഹെലിക്കൽ സ്പ്രിംഗിന്റെ ഭാരം കുറയ്ക്കുന്നതിനുള്ള ഒരു ഒപ്റ്റിമൈസേഷൻ രീതി വികസിപ്പിച്ചെടുത്തു, കൂടാതെ പരിമിത മൂലക രീതി ഉപയോഗിച്ച് വിശകലന സമവാക്യങ്ങൾ പരീക്ഷിച്ചു. ഒരു സ്പ്രിംഗിന്റെ ഉപയോഗക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനുള്ള മറ്റൊരു മാനദണ്ഡം അത് സംഭരിക്കാൻ കഴിയുന്ന ഊർജ്ജത്തിലെ വർദ്ധനവാണ്. ഈ കേസ് സ്പ്രിംഗ് ദീർഘകാലത്തേക്ക് അതിന്റെ ഉപയോഗക്ഷമത നിലനിർത്തുന്നുവെന്ന് ഉറപ്പാക്കുന്നു. രാഹുലും രമേശ്കുമാറും 17 കാർ കോയിൽ സ്പ്രിംഗ് ഡിസൈനുകളിൽ സ്പ്രിംഗ് വോളിയം കുറയ്ക്കാനും സ്ട്രെയിൻ എനർജി വർദ്ധിപ്പിക്കാനും ശ്രമിക്കുന്നു. ഒപ്റ്റിമൈസേഷൻ ഗവേഷണത്തിൽ അവർ ജനിതക അൽഗോരിതങ്ങളും ഉപയോഗിച്ചിട്ടുണ്ട്.
കാണാൻ കഴിയുന്നതുപോലെ, ഒപ്റ്റിമൈസേഷൻ പഠനത്തിലെ പാരാമീറ്ററുകൾ ഓരോ സിസ്റ്റത്തിനും വ്യത്യാസപ്പെടുന്നു. പൊതുവേ, കാഠിന്യവും ഷിയർ സ്ട്രെസ് പാരാമീറ്ററുകളും ഒരു സിസ്റ്റത്തിൽ പ്രധാനമാണ്, അവിടെ അത് വഹിക്കുന്ന ലോഡ് നിർണ്ണയിക്കുന്ന ഘടകമാണ്. ഈ രണ്ട് പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് ഭാരം പരിധി സിസ്റ്റത്തിൽ മെറ്റീരിയൽ തിരഞ്ഞെടുപ്പ് ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. മറുവശത്ത്, ഉയർന്ന ചലനാത്മകമായ സിസ്റ്റങ്ങളിൽ അനുരണനങ്ങൾ ഒഴിവാക്കാൻ സ്വാഭാവിക ആവൃത്തികൾ പരിശോധിക്കുന്നു. യൂട്ടിലിറ്റി പ്രാധാന്യമുള്ള സിസ്റ്റങ്ങളിൽ, ഊർജ്ജം പരമാവധിയാക്കുന്നു. ഒപ്റ്റിമൈസേഷൻ പഠനങ്ങളിൽ, വിശകലന പഠനങ്ങൾക്കായി FEM ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും, ജനിതക അൽഗോരിതം14,18, ഗ്രേ വുൾഫ് അൽഗോരിതം19 തുടങ്ങിയ മെറ്റാഹ്യൂറിസ്റ്റിക് അൽഗോരിതങ്ങൾ ക്ലാസിക്കൽ ന്യൂട്ടൺ രീതിയോടൊപ്പം ചില പാരാമീറ്ററുകളുടെ പരിധിക്കുള്ളിൽ ഉപയോഗിക്കുന്നതായി കാണാൻ കഴിയും. പ്രത്യേകിച്ച് ജനസംഖ്യയുടെ സ്വാധീനത്തിൽ, ചുരുങ്ങിയ സമയത്തിനുള്ളിൽ ഒപ്റ്റിമൽ അവസ്ഥയെ സമീപിക്കുന്ന സ്വാഭാവിക അഡാപ്റ്റേഷൻ രീതികളെ അടിസ്ഥാനമാക്കിയാണ് മെറ്റാഹ്യൂറിസ്റ്റിക് അൽഗോരിതങ്ങൾ വികസിപ്പിച്ചെടുത്തിരിക്കുന്നത്20,21. തിരയൽ മേഖലയിലെ ജനസംഖ്യയുടെ ക്രമരഹിതമായ വിതരണത്തോടെ, അവർ പ്രാദേശിക ഒപ്റ്റിമയെ ഒഴിവാക്കുകയും ആഗോള ഒപ്റ്റിമയിലേക്ക് നീങ്ങുകയും ചെയ്യുന്നു22. അങ്ങനെ, സമീപ വർഷങ്ങളിൽ ഇത് പലപ്പോഴും യഥാർത്ഥ വ്യാവസായിക പ്രശ്നങ്ങളുടെ പശ്ചാത്തലത്തിൽ ഉപയോഗിക്കുന്നു23,24.
ഈ പഠനത്തിൽ വികസിപ്പിച്ചെടുത്ത മടക്കൽ സംവിധാനത്തിന്റെ നിർണായക കേസ്, പറക്കുന്നതിന് മുമ്പ് അടച്ച നിലയിലായിരുന്ന ചിറകുകൾ ട്യൂബ് വിട്ട് ഒരു നിശ്ചിത സമയത്തിന് ശേഷം തുറക്കുന്നു എന്നതാണ്. അതിനുശേഷം, ലോക്കിംഗ് ഘടകം ചിറകിനെ തടയുന്നു. അതിനാൽ, സ്പ്രിംഗുകൾ ഫ്ലൈറ്റ് ഡൈനാമിക്സിനെ നേരിട്ട് ബാധിക്കുന്നില്ല. ഈ സാഹചര്യത്തിൽ, സ്പ്രിംഗിന്റെ ചലനം ത്വരിതപ്പെടുത്തുന്നതിന് സംഭരിച്ചിരിക്കുന്ന ഊർജ്ജം പരമാവധിയാക്കുക എന്നതായിരുന്നു ഒപ്റ്റിമൈസേഷന്റെ ലക്ഷ്യം. റോൾ വ്യാസം, വയർ വ്യാസം, റോളുകളുടെ എണ്ണം, വ്യതിചലനം എന്നിവ ഒപ്റ്റിമൈസേഷൻ പാരാമീറ്ററുകളായി നിർവചിക്കപ്പെട്ടു. സ്പ്രിംഗിന്റെ ചെറിയ വലിപ്പം കാരണം, ഭാരം ഒരു ലക്ഷ്യമായി കണക്കാക്കിയിരുന്നില്ല. അതിനാൽ, മെറ്റീരിയൽ തരം സ്ഥിരമായി നിർവചിച്ചിരിക്കുന്നു. മെക്കാനിക്കൽ രൂപഭേദങ്ങൾക്കുള്ള സുരക്ഷയുടെ മാർജിൻ ഒരു നിർണായക പരിമിതിയായി നിർണ്ണയിക്കപ്പെടുന്നു. കൂടാതെ, മെക്കാനിസത്തിന്റെ പരിധിയിൽ വേരിയബിൾ വലുപ്പ നിയന്ത്രണങ്ങൾ ഉൾപ്പെടുന്നു. ഒപ്റ്റിമൈസേഷൻ രീതിയായി BA മെറ്റാഹ്യൂറിസ്റ്റിക് രീതി തിരഞ്ഞെടുത്തു. അതിന്റെ വഴക്കമുള്ളതും ലളിതവുമായ ഘടനയ്ക്കും മെക്കാനിക്കൽ ഒപ്റ്റിമൈസേഷൻ ഗവേഷണത്തിലെ പുരോഗതിക്കും BA അനുകൂലമായി. പഠനത്തിന്റെ രണ്ടാം ഭാഗത്തിൽ, മടക്കൽ സംവിധാനത്തിന്റെ അടിസ്ഥാന രൂപകൽപ്പനയുടെയും സ്പ്രിംഗ് രൂപകൽപ്പനയുടെയും ചട്ടക്കൂടിൽ വിശദമായ ഗണിതശാസ്ത്ര പദപ്രയോഗങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. മൂന്നാം ഭാഗത്തിൽ ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതവും ഒപ്റ്റിമൈസേഷൻ ഫലങ്ങളും അടങ്ങിയിരിക്കുന്നു. ADAMS പ്രോഗ്രാമിൽ അധ്യായം 4 വിശകലനം നടത്തുന്നു. ഉൽ‌പാദനത്തിന് മുമ്പ് സ്പ്രിംഗുകളുടെ അനുയോജ്യത വിശകലനം ചെയ്യുന്നു. അവസാന വിഭാഗത്തിൽ പരീക്ഷണ ഫലങ്ങളും പരീക്ഷണ ചിത്രങ്ങളും അടങ്ങിയിരിക്കുന്നു. പഠനത്തിൽ ലഭിച്ച ഫലങ്ങൾ DOE സമീപനം ഉപയോഗിച്ച് രചയിതാക്കളുടെ മുൻകാല പ്രവർത്തനങ്ങളുമായി താരതമ്യം ചെയ്തു.
ഈ പഠനത്തിൽ വികസിപ്പിച്ചെടുത്ത ചിറകുകൾ റോക്കറ്റിന്റെ ഉപരിതലത്തിലേക്ക് മടക്കണം. ചിറകുകൾ മടക്കിയ സ്ഥാനത്ത് നിന്ന് വികസിച്ച സ്ഥാനത്തേക്ക് കറങ്ങുന്നു. ഇതിനായി, ഒരു പ്രത്യേക സംവിധാനം വികസിപ്പിച്ചെടുത്തു. ചിത്രം 1-ൽ റോക്കറ്റ് കോർഡിനേറ്റ് സിസ്റ്റത്തിലെ മടക്കിയതും വികസിച്ചതുമായ കോൺഫിഗറേഷൻ5 കാണിക്കുന്നു.
ചിത്രം 2-ൽ മെക്കാനിസത്തിന്റെ ഒരു സെക്ഷണൽ വ്യൂ കാണിക്കുന്നു. മെക്കാനിസത്തിൽ നിരവധി മെക്കാനിക്കൽ ഭാഗങ്ങൾ അടങ്ങിയിരിക്കുന്നു: (1) മെയിൻ ബോഡി, (2) വിംഗ് ഷാഫ്റ്റ്, (3) ബെയറിംഗ്, (4) ലോക്ക് ബോഡി, (5) ലോക്ക് ബുഷ്, (6) സ്റ്റോപ്പ് പിൻ, (7) ടോർഷൻ സ്പ്രിംഗ്, (8 ) കംപ്രഷൻ സ്പ്രിംഗുകൾ. വിംഗ് ഷാഫ്റ്റ് (2) ടോർഷൻ സ്പ്രിംഗുമായി (7) ലോക്കിംഗ് സ്ലീവ് (4) വഴി ബന്ധിപ്പിച്ചിരിക്കുന്നു. റോക്കറ്റ് പറന്നുയർന്നതിനുശേഷം മൂന്ന് ഭാഗങ്ങളും ഒരേസമയം കറങ്ങുന്നു. ഈ ഭ്രമണ ചലനത്തിലൂടെ, ചിറകുകൾ അവയുടെ അന്തിമ സ്ഥാനത്തേക്ക് തിരിയുന്നു. അതിനുശേഷം, പിൻ (6) കംപ്രഷൻ സ്പ്രിംഗ് (8) ഉപയോഗിച്ച് പ്രവർത്തിപ്പിക്കുന്നു, അതുവഴി ലോക്കിംഗ് ബോഡിയുടെ മുഴുവൻ മെക്കാനിസവും തടയുന്നു (4)5.
ഇലാസ്റ്റിക് മോഡുലസ് (E), ഷിയർ മോഡുലസ് (G) എന്നിവയാണ് സ്പ്രിംഗിന്റെ പ്രധാന ഡിസൈൻ പാരാമീറ്ററുകൾ. ഈ പഠനത്തിൽ, ഉയർന്ന കാർബൺ സ്പ്രിംഗ് സ്റ്റീൽ വയർ (മ്യൂസിക് വയർ ASTM A228) സ്പ്രിംഗ് മെറ്റീരിയലായി തിരഞ്ഞെടുത്തു. വയർ വ്യാസം (d), ശരാശരി കോയിൽ വ്യാസം (Dm), കോയിലുകളുടെ എണ്ണം (N), സ്പ്രിംഗ് ഡിഫ്ലെക്ഷൻ (കംപ്രഷൻ സ്പ്രിംഗുകൾക്ക് xd, ടോർഷൻ സ്പ്രിംഗുകൾക്ക് θ) എന്നിവയാണ് മറ്റ് പാരാമീറ്ററുകൾ. കംപ്രഷൻ സ്പ്രിംഗുകൾ \({(SE}_{x})\) ടോർഷൻ (\({SE}_{\theta}\)) സ്പ്രിംഗുകൾ എന്നിവയ്ക്കുള്ള സംഭരിച്ച ഊർജ്ജം സമവാക്യത്തിൽ നിന്ന് കണക്കാക്കാം. (1) ഉം (2)26 ഉം. (കംപ്രഷൻ സ്പ്രിംഗിനുള്ള ഷിയർ മോഡുലസ് (G) മൂല്യം 83.7E9 Pa ആണ്, ടോർഷൻ സ്പ്രിംഗിനുള്ള ഇലാസ്റ്റിക് മോഡുലസ് (E) മൂല്യം 203.4E9 Pa ആണ്.)
സിസ്റ്റത്തിന്റെ മെക്കാനിക്കൽ അളവുകൾ സ്പ്രിംഗിന്റെ ജ്യാമിതീയ നിയന്ത്രണങ്ങളെ നേരിട്ട് നിർണ്ണയിക്കുന്നു. കൂടാതെ, റോക്കറ്റ് സ്ഥിതി ചെയ്യുന്ന സാഹചര്യങ്ങളും കണക്കിലെടുക്കണം. ഈ ഘടകങ്ങൾ സ്പ്രിംഗ് പാരാമീറ്ററുകളുടെ പരിധികൾ നിർണ്ണയിക്കുന്നു. മറ്റൊരു പ്രധാന പരിമിതിയാണ് സുരക്ഷാ ഘടകം. ഒരു സുരക്ഷാ ഘടകത്തിന്റെ നിർവചനം ഷിഗ്ലി തുടങ്ങിയവർ വിശദമായി വിവരിച്ചിട്ടുണ്ട്. 26. തുടർച്ചയായ നീളത്തിലുള്ള സമ്മർദ്ദം കൊണ്ട് ഹരിച്ച പരമാവധി അനുവദനീയമായ സമ്മർദ്ദമായി കംപ്രഷൻ സ്പ്രിംഗ് സുരക്ഷാ ഘടകം (SFC) നിർവചിച്ചിരിക്കുന്നു. സമവാക്യങ്ങൾ ഉപയോഗിച്ച് SFC കണക്കാക്കാം. (3), (4), (5) , (6)26. (ഈ പഠനത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന സ്പ്രിംഗ് മെറ്റീരിയലിന്, \({S}_{sy}=980 MPa\)). F സമവാക്യത്തിലെ ബലത്തെയും KB 26 ന്റെ ബെർഗ്സ്ട്രാസർ ഘടകത്തെയും പ്രതിനിധീകരിക്കുന്നു.
ഒരു സ്പ്രിംഗിന്റെ (SFT) ടോർഷൻ സുരക്ഷാ ഘടകം M നെ k കൊണ്ട് ഹരിച്ചാണ് നിർവചിച്ചിരിക്കുന്നത്. (7), (8), (9) , (10) എന്നീ സമവാക്യങ്ങളിൽ നിന്ന് SFT കണക്കാക്കാം. 26. (ഈ പഠനത്തിൽ ഉപയോഗിച്ചിരിക്കുന്ന മെറ്റീരിയലിന്, \({S}_{y}=1600 \mathrm{MPa}\)). സമവാക്യത്തിൽ, ടോർക്കിന് M ഉപയോഗിക്കുന്നു, സ്പ്രിംഗ് കോൺസ്റ്റന്റിന് (ടോർക്ക്/റൊട്ടേഷൻ) \({k}^{\prime}}\) ഉപയോഗിക്കുന്നു, സ്ട്രെസ് കറക്ഷൻ ഫാക്ടറിന് Ki ഉപയോഗിക്കുന്നു.
ഈ പഠനത്തിലെ പ്രധാന ഒപ്റ്റിമൈസേഷൻ ലക്ഷ്യം സ്പ്രിംഗിന്റെ ഊർജ്ജം പരമാവധിയാക്കുക എന്നതാണ്. \(f(X)\) പരമാവധിയാക്കുന്ന \(\overrightarrow{\{X\}}\) കണ്ടെത്തുന്നതിനാണ് ഒബ്ജക്റ്റീവ് ഫംഗ്ഷൻ രൂപപ്പെടുത്തിയിരിക്കുന്നത്. \({f}_{1}(X)\) ഉം \({f}_{2}(X)\) ഉം യഥാക്രമം കംപ്രഷന്റെയും ടോർഷൻ സ്പ്രിംഗിന്റെയും ഊർജ്ജ ഫംഗ്ഷനുകളാണ്. ഒപ്റ്റിമൈസേഷനായി ഉപയോഗിക്കുന്ന കണക്കാക്കിയ വേരിയബിളുകളും ഫംഗ്ഷനുകളും ഇനിപ്പറയുന്ന സമവാക്യങ്ങളിൽ കാണിച്ചിരിക്കുന്നു.
സ്പ്രിംഗിന്റെ രൂപകൽപ്പനയിൽ ഏർപ്പെടുത്തിയിരിക്കുന്ന വിവിധ നിയന്ത്രണങ്ങൾ ഇനിപ്പറയുന്ന സമവാക്യങ്ങളിൽ നൽകിയിരിക്കുന്നു. സമവാക്യങ്ങൾ (15) ഉം (16) ഉം യഥാക്രമം കംപ്രഷൻ, ടോർഷൻ സ്പ്രിംഗുകൾക്കുള്ള സുരക്ഷാ ഘടകങ്ങളെ പ്രതിനിധീകരിക്കുന്നു. ഈ പഠനത്തിൽ, SFC 1.2 നേക്കാൾ കൂടുതലോ തുല്യമോ ആയിരിക്കണം, SFT θ26 നേക്കാൾ കൂടുതലോ തുല്യമോ ആയിരിക്കണം.
തേനീച്ചകളുടെ പൂമ്പൊടി തേടൽ തന്ത്രങ്ങളിൽ നിന്നാണ് BA പ്രചോദനം ഉൾക്കൊണ്ടത്27. ഫലഭൂയിഷ്ഠമായ പൂമ്പൊടി പാടങ്ങളിലേക്ക് കൂടുതൽ തീറ്റ തേടുന്നവരെയും ഫലഭൂയിഷ്ഠത കുറഞ്ഞ പൂമ്പൊടി പാടങ്ങളിലേക്ക് കുറച്ച് തീറ്റ തേടുന്നവരെയും അയച്ചുകൊണ്ടാണ് തേനീച്ചകൾ തിരയുന്നത്. അങ്ങനെ, തേനീച്ചകളുടെ എണ്ണത്തിൽ നിന്നുള്ള ഏറ്റവും വലിയ കാര്യക്ഷമത കൈവരിക്കുന്നു. മറുവശത്ത്, സ്കൗട്ട് തേനീച്ചകൾ പുതിയ പൂമ്പൊടി മേഖലകൾക്കായി തിരയുന്നത് തുടരുന്നു, മുമ്പത്തേക്കാൾ കൂടുതൽ ഉൽപ്പാദന മേഖലകളുണ്ടെങ്കിൽ, നിരവധി തീറ്റ തേടുന്നവരെ ഈ പുതിയ മേഖലയിലേക്ക് നയിക്കും28. BA രണ്ട് ഭാഗങ്ങൾ ഉൾക്കൊള്ളുന്നു: പ്രാദേശിക തിരയൽ, ആഗോള തിരയൽ. തേനീച്ചകൾ പോലുള്ള ഏറ്റവും കുറഞ്ഞ (എലൈറ്റ് സൈറ്റുകൾ) അടുത്തുള്ള കൂടുതൽ കമ്മ്യൂണിറ്റികൾക്കായി പ്രാദേശിക തിരയൽ തിരയുന്നു, മറ്റ് സൈറ്റുകൾക്കായി (ഒപ്റ്റിമം അല്ലെങ്കിൽ തിരഞ്ഞെടുത്ത സൈറ്റുകൾ) കുറവ് തിരയുന്നു. ആഗോള തിരയൽ ഭാഗത്ത് ഒരു ഏകപക്ഷീയമായ തിരയൽ നടത്തുന്നു, നല്ല മൂല്യങ്ങൾ കണ്ടെത്തിയാൽ, അടുത്ത ആവർത്തനത്തിൽ സ്റ്റേഷനുകൾ പ്രാദേശിക തിരയൽ ഭാഗത്തേക്ക് മാറ്റുന്നു. അൽഗോരിതത്തിൽ ചില പാരാമീറ്ററുകൾ അടങ്ങിയിരിക്കുന്നു: സ്കൗട്ട് തേനീച്ചകളുടെ എണ്ണം (n), പ്രാദേശിക തിരയൽ സൈറ്റുകളുടെ എണ്ണം (m), എലൈറ്റ് സൈറ്റുകളുടെ എണ്ണം (e), എലൈറ്റ് സൈറ്റുകളിലെ തീറ്റ തേടുന്നവരുടെ എണ്ണം (nep), ഒപ്റ്റിമൽ ഏരിയകളിലെ തീറ്റ തേടുന്നവരുടെ എണ്ണം. സൈറ്റ് (nsp), അയൽപക്ക വലുപ്പം (ngh), ആവർത്തനങ്ങളുടെ എണ്ണം (I)29. BA സ്യൂഡോകോഡ് ചിത്രം 3 ൽ കാണിച്ചിരിക്കുന്നു.
ഈ അൽഗോരിതം \({g}_{1}(X)\) നും \({g}_{2}(X)\) നും ഇടയിൽ പ്രവർത്തിക്കാൻ ശ്രമിക്കുന്നു. ഓരോ ആവർത്തനത്തിന്റെയും ഫലമായി, ഒപ്റ്റിമൽ മൂല്യങ്ങൾ നിർണ്ണയിക്കപ്പെടുകയും മികച്ച മൂല്യങ്ങൾ നേടുന്നതിനായി ഈ മൂല്യങ്ങൾക്ക് ചുറ്റും ഒരു പോപ്പുലേഷൻ ശേഖരിക്കുകയും ചെയ്യുന്നു. ലോക്കൽ, ഗ്ലോബൽ സെർച്ച് വിഭാഗങ്ങളിൽ നിയന്ത്രണങ്ങൾ പരിശോധിക്കുന്നു. ഒരു ലോക്കൽ സെർച്ചിൽ, ഈ ഘടകങ്ങൾ ഉചിതമാണെങ്കിൽ, ഊർജ്ജ മൂല്യം കണക്കാക്കുന്നു. പുതിയ ഊർജ്ജ മൂല്യം ഒപ്റ്റിമൽ മൂല്യത്തേക്കാൾ കൂടുതലാണെങ്കിൽ, പുതിയ മൂല്യം ഒപ്റ്റിമൽ മൂല്യത്തിന് നൽകുക. തിരയൽ ഫലത്തിൽ കണ്ടെത്തിയ ഏറ്റവും മികച്ച മൂല്യം നിലവിലെ ഘടകത്തേക്കാൾ വലുതാണെങ്കിൽ, പുതിയ ഘടകം ശേഖരത്തിൽ ഉൾപ്പെടുത്തും. ലോക്കൽ സെർച്ചിന്റെ ബ്ലോക്ക് ഡയഗ്രം ചിത്രം 4 ൽ കാണിച്ചിരിക്കുന്നു.
ബിഎയിലെ പ്രധാന പാരാമീറ്ററുകളിൽ ഒന്നാണ് ജനസംഖ്യ. മുൻ പഠനങ്ങളിൽ നിന്ന് ജനസംഖ്യ വർദ്ധിപ്പിക്കുന്നത് ആവശ്യമായ ആവർത്തനങ്ങളുടെ എണ്ണം കുറയ്ക്കുകയും വിജയസാധ്യത വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നുവെന്ന് കാണാൻ കഴിയും. എന്നിരുന്നാലും, പ്രവർത്തനപരമായ വിലയിരുത്തലുകളുടെ എണ്ണവും വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്. ധാരാളം എലൈറ്റ് സൈറ്റുകളുടെ സാന്നിധ്യം പ്രകടനത്തെ കാര്യമായി ബാധിക്കുന്നില്ല. പൂജ്യം 30 അല്ലെങ്കിൽ എലൈറ്റ് സൈറ്റുകളുടെ എണ്ണം കുറവായിരിക്കാം. സ്കൗട്ട് തേനീച്ച ജനസംഖ്യയുടെ (n) വലുപ്പം സാധാരണയായി 30 നും 100 നും ഇടയിൽ തിരഞ്ഞെടുക്കുന്നു. ഈ പഠനത്തിൽ, ഉചിതമായ സംഖ്യ നിർണ്ണയിക്കാൻ 30 നും 50 നും ഇടയിലുള്ള സാഹചര്യങ്ങൾ പ്രവർത്തിപ്പിച്ചു (പട്ടിക 2). ജനസംഖ്യയെ ആശ്രയിച്ച് മറ്റ് പാരാമീറ്ററുകൾ നിർണ്ണയിക്കപ്പെടുന്നു. തിരഞ്ഞെടുത്ത സൈറ്റുകളുടെ എണ്ണം (m) ജനസംഖ്യ വലുപ്പത്തിന്റെ (ഏകദേശം) 25% ആണ്, കൂടാതെ തിരഞ്ഞെടുത്ത സൈറ്റുകളിൽ എലൈറ്റ് സൈറ്റുകളുടെ എണ്ണം (e) m ന്റെ 25% ആണ്. എലൈറ്റ് പ്ലോട്ടുകൾക്ക് തീറ്റ നൽകുന്ന തേനീച്ചകളുടെ എണ്ണം (തിരയലുകളുടെ എണ്ണം) 100 ഉം മറ്റ് പ്രാദേശിക പ്ലോട്ടുകൾക്ക് 30 ഉം ആയി തിരഞ്ഞെടുത്തു. എല്ലാ പരിണാമ അൽഗോരിതങ്ങളുടെയും അടിസ്ഥാന ആശയം അയൽപക്ക തിരയലാണ്. ഈ പഠനത്തിൽ, ടാപ്പറിംഗ് അയൽക്കാരുടെ രീതി ഉപയോഗിച്ചു. ഈ രീതി ഓരോ ആവർത്തനത്തിലും ഒരു നിശ്ചിത നിരക്കിൽ അയൽപക്കത്തിന്റെ വലിപ്പം കുറയ്ക്കുന്നു. ഭാവിയിലെ ആവർത്തനങ്ങളിൽ, കൂടുതൽ കൃത്യമായ തിരയലിനായി ചെറിയ അയൽപക്ക മൂല്യങ്ങൾ 30 ഉപയോഗിക്കാം.
ഓരോ സാഹചര്യത്തിനും, ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതത്തിന്റെ പുനരുൽപാദനക്ഷമത പരിശോധിക്കുന്നതിനായി തുടർച്ചയായി പത്ത് പരിശോധനകൾ നടത്തി. ചിത്രം 5-ൽ സ്കീം 1-നുള്ള ടോർഷൻ സ്പ്രിംഗിന്റെ ഒപ്റ്റിമൈസേഷന്റെ ഫലങ്ങൾ കാണിക്കുന്നു, ചിത്രം 6-ൽ - സ്കീം 2-ന്. ടെസ്റ്റ് ഡാറ്റയും പട്ടിക 3-ലും 4-ലും നൽകിയിരിക്കുന്നു (കംപ്രഷൻ സ്പ്രിംഗിനായി ലഭിച്ച ഫലങ്ങൾ അടങ്ങിയ ഒരു പട്ടിക സപ്ലിമെന്ററി ഇൻഫർമേഷൻ എസ് 1-ൽ ഉണ്ട്). ആദ്യ ആവർത്തനത്തിൽ തേനീച്ച ജനസംഖ്യ നല്ല മൂല്യങ്ങൾക്കായുള്ള തിരയൽ തീവ്രമാക്കുന്നു. സാഹചര്യം 1-ൽ, ചില പരിശോധനകളുടെ ഫലങ്ങൾ പരമാവധിയേക്കാൾ താഴെയായിരുന്നു. സാഹചര്യം 2-ൽ, ജനസംഖ്യയിലെ വർദ്ധനവും മറ്റ് പ്രസക്തമായ പാരാമീറ്ററുകളും കാരണം എല്ലാ ഒപ്റ്റിമൈസേഷൻ ഫലങ്ങളും പരമാവധിയിലേക്ക് അടുക്കുന്നതായി കാണാൻ കഴിയും. സാഹചര്യം 2-ലെ മൂല്യങ്ങൾ അൽഗോരിതത്തിന് പര്യാപ്തമാണെന്ന് കാണാൻ കഴിയും.
ആവർത്തനങ്ങളിൽ പരമാവധി ഊർജ്ജ മൂല്യം ലഭിക്കുമ്പോൾ, പഠനത്തിന് ഒരു നിയന്ത്രണമായി ഒരു സുരക്ഷാ ഘടകവും നൽകിയിരിക്കുന്നു. സുരക്ഷാ ഘടകത്തിനായി പട്ടിക കാണുക. BA ഉപയോഗിച്ച് ലഭിക്കുന്ന ഊർജ്ജ മൂല്യങ്ങളെ പട്ടിക 5 ലെ 5 DOE രീതി ഉപയോഗിച്ച് ലഭിക്കുന്നവയുമായി താരതമ്യം ചെയ്യുന്നു. (നിർമ്മാണത്തിന്റെ എളുപ്പത്തിനായി, ടോർഷൻ സ്പ്രിംഗിന്റെ തിരിവുകളുടെ എണ്ണം (N) 4.88 ന് പകരം 4.9 ആണ്, കംപ്രഷൻ സ്പ്രിംഗിൽ 7.99 mm ന് പകരം വ്യതിചലനം (xd) 8 mm ആണ്.) BA മികച്ചതാണെന്ന് കാണാൻ കഴിയും ഫലം. പ്രാദേശികവും ആഗോളവുമായ ലുക്കപ്പുകളിലൂടെ BA എല്ലാ മൂല്യങ്ങളെയും വിലയിരുത്തുന്നു. ഈ രീതിയിൽ അയാൾക്ക് കൂടുതൽ ബദലുകൾ വേഗത്തിൽ പരീക്ഷിക്കാൻ കഴിയും.
ഈ പഠനത്തിൽ, ആഡംസിനെ വിംഗ് മെക്കാനിസത്തിന്റെ ചലനം വിശകലനം ചെയ്യാൻ ഉപയോഗിച്ചു. ആദ്യം ആഡംസിന് മെക്കാനിസത്തിന്റെ ഒരു 3D മോഡൽ നൽകുന്നു. തുടർന്ന് മുൻ വിഭാഗത്തിൽ തിരഞ്ഞെടുത്ത പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് ഒരു സ്പ്രിംഗ് നിർവചിക്കേണ്ടതുണ്ട്. കൂടാതെ, യഥാർത്ഥ വിശകലനത്തിനായി മറ്റ് ചില പാരാമീറ്ററുകൾ നിർവചിക്കേണ്ടതുണ്ട്. കണക്ഷനുകൾ, മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ, കോൺടാക്റ്റ്, ഘർഷണം, ഗുരുത്വാകർഷണം തുടങ്ങിയ ഭൗതിക പാരാമീറ്ററുകളാണ് ഇവ. ബ്ലേഡ് ഷാഫ്റ്റിനും ബെയറിംഗിനും ഇടയിൽ ഒരു സ്വിവൽ ജോയിന്റ് ഉണ്ട്. 5-6 സിലിണ്ടർ സന്ധികളുണ്ട്. 5-1 ഫിക്സഡ് സന്ധികളുണ്ട്. പ്രധാന ബോഡി അലുമിനിയം മെറ്റീരിയൽ കൊണ്ട് നിർമ്മിച്ചതും ഉറപ്പിച്ചതുമാണ്. ബാക്കിയുള്ള ഭാഗങ്ങളുടെ മെറ്റീരിയൽ സ്റ്റീൽ ആണ്. മെറ്റീരിയലിന്റെ തരം അനുസരിച്ച് ഘർഷണത്തിന്റെ ഗുണകം, കോൺടാക്റ്റ് കാഠിന്യം, ഘർഷണ പ്രതലത്തിന്റെ നുഴഞ്ഞുകയറ്റത്തിന്റെ ആഴം എന്നിവ തിരഞ്ഞെടുക്കുക. (സ്റ്റെയിൻലെസ് സ്റ്റീൽ AISI 304) ഈ പഠനത്തിൽ, നിർണായക പാരാമീറ്റർ വിംഗ് മെക്കാനിസത്തിന്റെ തുറക്കൽ സമയമാണ്, അത് 200 ms-ൽ കുറവായിരിക്കണം. അതിനാൽ, വിശകലന സമയത്ത് വിംഗ് തുറക്കുന്ന സമയം ശ്രദ്ധിക്കുക.
ആഡംസിന്റെ വിശകലനത്തിന്റെ ഫലമായി, വിംഗ് മെക്കാനിസത്തിന്റെ തുറക്കൽ സമയം 74 മില്ലിസെക്കൻഡാണ്. 1 മുതൽ 4 വരെയുള്ള ഡൈനാമിക് സിമുലേഷന്റെ ഫലങ്ങൾ ചിത്രം 7 ൽ കാണിച്ചിരിക്കുന്നു. ചിത്രം 5 ലെ ആദ്യ ചിത്രം സിമുലേഷൻ ആരംഭ സമയമാണ്, ചിറകുകൾ മടക്കാനുള്ള കാത്തിരിപ്പ് സ്ഥാനത്താണ്. (2) 43 ഡിഗ്രി കറങ്ങുമ്പോൾ 40ms ന് ശേഷം ചിറകിന്റെ സ്ഥാനം പ്രദർശിപ്പിക്കുന്നു. (3) 71 മില്ലിസെക്കൻഡുകൾക്ക് ശേഷം ചിറകിന്റെ സ്ഥാനം കാണിക്കുന്നു. അവസാന ചിത്രത്തിൽ (4) ചിറകിന്റെ തിരിവിന്റെ അവസാനവും തുറന്ന സ്ഥാനവും കാണിക്കുന്നു. ഡൈനാമിക് വിശകലനത്തിന്റെ ഫലമായി, വിംഗ് ഓപ്പണിംഗ് മെക്കാനിസം 200 ms എന്ന ലക്ഷ്യ മൂല്യത്തേക്കാൾ വളരെ കുറവാണെന്ന് നിരീക്ഷിക്കപ്പെട്ടു. കൂടാതെ, സ്പ്രിംഗുകൾ വലുപ്പം മാറ്റുമ്പോൾ, സാഹിത്യത്തിൽ ശുപാർശ ചെയ്യുന്ന ഉയർന്ന മൂല്യങ്ങളിൽ നിന്ന് സുരക്ഷാ പരിധികൾ തിരഞ്ഞെടുത്തു.
എല്ലാ ഡിസൈൻ, ഒപ്റ്റിമൈസേഷൻ, സിമുലേഷൻ പഠനങ്ങളും പൂർത്തിയാക്കിയ ശേഷം, മെക്കാനിസത്തിന്റെ ഒരു പ്രോട്ടോടൈപ്പ് നിർമ്മിക്കുകയും സംയോജിപ്പിക്കുകയും ചെയ്തു. സിമുലേഷൻ ഫലങ്ങൾ പരിശോധിക്കുന്നതിനായി പ്രോട്ടോടൈപ്പ് പരീക്ഷിച്ചു. ആദ്യം പ്രധാന ഷെൽ സുരക്ഷിതമാക്കി ചിറകുകൾ മടക്കുക. തുടർന്ന് ചിറകുകൾ മടക്കിയ സ്ഥാനത്ത് നിന്ന് വിടുവിക്കുകയും മടക്കിയ സ്ഥാനത്ത് നിന്ന് വിന്യസിച്ചിരിക്കുന്നതിലേക്ക് ചിറകുകളുടെ ഭ്രമണത്തിന്റെ ഒരു വീഡിയോ നിർമ്മിക്കുകയും ചെയ്തു. വീഡിയോ റെക്കോർഡിംഗ് സമയത്ത് സമയം വിശകലനം ചെയ്യുന്നതിനും ടൈമർ ഉപയോഗിച്ചു.
ചിത്രം 8-ൽ 1-4 എന്ന നമ്പറുള്ള വീഡിയോ ഫ്രെയിമുകൾ കാണിക്കുന്നു. ചിത്രത്തിലെ ഫ്രെയിം നമ്പർ 1 മടക്കിയ ചിറകുകളുടെ വിടുതൽ നിമിഷം കാണിക്കുന്നു. ഈ നിമിഷം t0 സമയത്തിന്റെ പ്രാരംഭ നിമിഷമായി കണക്കാക്കപ്പെടുന്നു. ഫ്രെയിമുകൾ 2 ഉം 3 ഉം പ്രാരംഭ നിമിഷത്തിന് ശേഷം 40 ms ഉം 70 ms ഉം ചിറകുകളുടെ സ്ഥാനങ്ങൾ കാണിക്കുന്നു. ഫ്രെയിമുകൾ 3 ഉം 4 ഉം വിശകലനം ചെയ്യുമ്പോൾ, t0 ന് ശേഷം ചിറകിന്റെ ചലനം 90 ms ഉം സ്ഥിരത കൈവരിക്കുന്നതായി കാണാൻ കഴിയും, കൂടാതെ ചിറകിന്റെ തുറക്കൽ 70 നും 90 ms നും ഇടയിൽ പൂർത്തിയാകുകയും ചെയ്യുന്നു. ഈ സാഹചര്യം അർത്ഥമാക്കുന്നത് സിമുലേഷനും പ്രോട്ടോടൈപ്പ് പരിശോധനയും ഏകദേശം ഒരേ വിംഗ് വിന്യാസ സമയം നൽകുന്നു, കൂടാതെ ഡിസൈൻ മെക്കാനിസത്തിന്റെ പ്രകടന ആവശ്യകതകൾ നിറവേറ്റുന്നു എന്നാണ്.
ഈ ലേഖനത്തിൽ, വിംഗ് ഫോൾഡിംഗ് മെക്കാനിസത്തിൽ ഉപയോഗിക്കുന്ന ടോർഷൻ, കംപ്രഷൻ സ്പ്രിംഗുകൾ BA ഉപയോഗിച്ച് ഒപ്റ്റിമൈസ് ചെയ്തിരിക്കുന്നു. കുറച്ച് ആവർത്തനങ്ങൾ ഉപയോഗിച്ച് പാരാമീറ്ററുകൾ വേഗത്തിൽ എത്തിച്ചേരാനാകും. ടോർഷൻ സ്പ്രിംഗ് 1075 mJ ഉം കംപ്രഷൻ സ്പ്രിംഗ് 37.24 mJ ഉം ആണ്. ഈ മൂല്യങ്ങൾ മുൻ DOE പഠനങ്ങളേക്കാൾ 40-50% മികച്ചതാണ്. സ്പ്രിംഗ് മെക്കാനിസത്തിൽ സംയോജിപ്പിച്ച് ADAMS പ്രോഗ്രാമിൽ വിശകലനം ചെയ്തിട്ടുണ്ട്. വിശകലനം ചെയ്തപ്പോൾ, ചിറകുകൾ 74 മില്ലിസെക്കൻഡിനുള്ളിൽ തുറന്നതായി കണ്ടെത്തി. ഈ മൂല്യം പ്രോജക്റ്റിന്റെ ലക്ഷ്യമായ 200 മില്ലിസെക്കൻഡിനേക്കാൾ വളരെ താഴെയാണ്. തുടർന്നുള്ള ഒരു പരീക്ഷണ പഠനത്തിൽ, ടേൺ-ഓൺ സമയം ഏകദേശം 90 ms ആയി കണക്കാക്കി. വിശകലനങ്ങൾ തമ്മിലുള്ള ഈ 16 മില്ലിസെക്കൻഡ് വ്യത്യാസം സോഫ്റ്റ്‌വെയറിൽ മാതൃകയാക്കാത്ത പാരിസ്ഥിതിക ഘടകങ്ങൾ മൂലമാകാം. പഠനത്തിന്റെ ഫലമായി ലഭിച്ച ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം വിവിധ സ്പ്രിംഗ് ഡിസൈനുകൾക്ക് ഉപയോഗിക്കാമെന്ന് വിശ്വസിക്കപ്പെടുന്നു.
സ്പ്രിംഗ് മെറ്റീരിയൽ മുൻകൂട്ടി നിശ്ചയിച്ചിരുന്നു, ഒപ്റ്റിമൈസേഷനിൽ ഒരു വേരിയബിളായി ഉപയോഗിച്ചിരുന്നില്ല. വിമാനങ്ങളിലും റോക്കറ്റുകളിലും പലതരം സ്പ്രിംഗുകൾ ഉപയോഗിക്കുന്നതിനാൽ, ഭാവിയിലെ ഗവേഷണങ്ങളിൽ ഒപ്റ്റിമൽ സ്പ്രിംഗ് ഡിസൈൻ നേടുന്നതിന് വ്യത്യസ്ത വസ്തുക്കൾ ഉപയോഗിച്ച് മറ്റ് തരത്തിലുള്ള സ്പ്രിംഗുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിനും ബിഎ പ്രയോഗിക്കും.
ഈ കൈയെഴുത്തുപ്രതി യഥാർത്ഥമാണെന്നും, മുമ്പ് പ്രസിദ്ധീകരിച്ചിട്ടില്ലെന്നും, നിലവിൽ മറ്റെവിടെയെങ്കിലും പ്രസിദ്ധീകരിക്കാൻ പരിഗണിക്കുന്നില്ലെന്നും ഞങ്ങൾ പ്രഖ്യാപിക്കുന്നു.
ഈ പഠനത്തിൽ സൃഷ്ടിച്ചതോ വിശകലനം ചെയ്തതോ ആയ എല്ലാ ഡാറ്റയും ഈ പ്രസിദ്ധീകരിച്ച ലേഖനത്തിൽ [കൂടാതെ അധിക വിവര ഫയലിലും] ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.
മിൻ, ഇസഡ്., കിൻ, വി.കെ., റിച്ചാർഡ്, എൽ.ജെ. റാഡിക്കൽ ജ്യാമിതീയ മാറ്റങ്ങളിലൂടെ എയർഫോയിൽ ആശയത്തിന്റെ എയർക്രാഫ്റ്റ് ആധുനികവൽക്കരണം. ഐ.ഇ.എസ്. ജെ. പാർട്ട് എ നാഗരികത. രചന. പ്രോജക്റ്റ്. 3(3), 188–195 (2010).
സൺ, ജെ., ലിയു, കെ., ഭൂഷൺ, ബി. വണ്ടിന്റെ പിൻചിറകിന്റെ ഒരു അവലോകനം: ഘടന, മെക്കാനിക്കൽ ഗുണങ്ങൾ, സംവിധാനങ്ങൾ, ജൈവ പ്രചോദനം. ജെ. മെച്ച. പെരുമാറ്റം. ബയോമെഡിക്കൽ സയൻസ്. അൽമ മേറ്റർ. 94, 63–73 (2019).
ചെൻ, ഇസഡ്., യു, ജെ., ഷാങ്, എ., ഷാങ്, എഫ്. ഒരു ഹൈബ്രിഡ് പവർഡ് അണ്ടർവാട്ടർ ഗ്ലൈഡറിനായുള്ള ഒരു മടക്കാവുന്ന പ്രൊപ്പൽഷൻ മെക്കാനിസത്തിന്റെ രൂപകൽപ്പനയും വിശകലനവും. ഓഷ്യൻ എഞ്ചിനീയറിംഗ് 119, 125–134 (2016).
കാർത്തിക്, എച്ച്എസ്, പൃഥ്വി, കെ. ഒരു ഹെലികോപ്റ്റർ തിരശ്ചീന സ്റ്റെബിലൈസർ ഫോൾഡിംഗ് മെക്കാനിസത്തിന്റെ രൂപകൽപ്പനയും വിശകലനവും. ഇന്റേണൽ ജെ. ഇംഗ്ലിഷ് സ്റ്റോറേജ് ടാങ്ക്. സാങ്കേതികവിദ്യ. (IGERT) 9(05), 110–113 (2020).
കുലുങ്ക്, ഇസഡ്., സാഹിൻ, എം. ഒരു പരീക്ഷണ രൂപകൽപ്പന സമീപനം ഉപയോഗിച്ച് മടക്കാവുന്ന റോക്കറ്റ് വിംഗ് ഡിസൈനിന്റെ മെക്കാനിക്കൽ പാരാമീറ്ററുകളുടെ ഒപ്റ്റിമൈസേഷൻ. ഇന്റേണൽ ജെ. മോഡൽ. ഒപ്റ്റിമൈസേഷൻ. 9(2), 108–112 (2019).
കെ, ജെ., വു, ZY, ലിയു, വൈ.എസ്., സിയാങ്, Z. & ഹു, XD ഡിസൈൻ രീതി, പ്രകടന പഠനം, കോമ്പോസിറ്റ് കോയിൽ സ്പ്രിംഗുകളുടെ നിർമ്മാണ പ്രക്രിയ: ഒരു അവലോകനം. രചിക്കുക. രചന. 252, 112747 (2020).
തക്തക് എം., ഒംഹേനി കെ., ആലുയി എ., ഡമ്മാക് എഫ്., ഖദ്ദർ എം. കോയിൽ സ്പ്രിംഗുകളുടെ ഡൈനാമിക് ഡിസൈൻ ഒപ്റ്റിമൈസേഷൻ. ശബ്ദത്തിനായി അപേക്ഷിക്കുക. 77, 178–183 (2014).
പരേഡെസ്, എം., സാർട്ടർ, എം., മാസ്‌കിൽ, കെ. ടെൻഷൻ സ്പ്രിംഗുകളുടെ രൂപകൽപ്പന ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള ഒരു നടപടിക്രമം. ഒരു കമ്പ്യൂട്ടർ. രീതിയുടെ പ്രയോഗം. രോമങ്ങൾ. പ്രോജക്റ്റ്. 191(8-10), 783-797 (2001).
സെബ്ഡി ഒ., ബൗഹിലി ആർ., ട്രോച്ചു എഫ്. മൾട്ടിഒബ്ജക്റ്റീവ് ഒപ്റ്റിമൈസേഷൻ ഉപയോഗിച്ചുള്ള സംയുക്ത ഹെലിക്കൽ സ്പ്രിംഗുകളുടെ ഒപ്റ്റിമൽ ഡിസൈൻ. ജെ. റെയിൻഫ്. പ്ലാസ്റ്റിക്. കമ്പോസ്. 28 (14), 1713–1732 (2009).
പവാർട്ട്, എച്ച്ബി, ഡെസാലെ, ഡിഡി ട്രൈസൈക്കിൾ ഫ്രണ്ട് സസ്പെൻഷൻ കോയിൽ സ്പ്രിംഗുകളുടെ ഒപ്റ്റിമൈസേഷൻ. പ്രക്രിയ. നിർമ്മാതാവ്. 20, 428–433 (2018).
ബഹ്‌ഷേഷ് എം., ബഹ്‌ഷേഷ് എം. കോമ്പോസിറ്റ് സ്പ്രിംഗുകൾ ഉപയോഗിച്ച് സ്റ്റീൽ കോയിൽ സ്പ്രിംഗുകളുടെ ഒപ്റ്റിമൈസേഷൻ. ഇന്റേണൽ ജെ. മൾട്ടിഡിസിപ്ലിനറി. ദി സയൻസ്. പ്രോജക്റ്റ്. 3(6), 47–51 (2012).
ചെൻ, എൽ. തുടങ്ങിയവർ. കമ്പോസിറ്റ് കോയിൽ സ്പ്രിംഗുകളുടെ സ്റ്റാറ്റിക്, ഡൈനാമിക് പ്രകടനത്തെ ബാധിക്കുന്ന നിരവധി പാരാമീറ്ററുകളെക്കുറിച്ച് അറിയുക. ജെ. മാർക്കറ്റ്. സ്റ്റോറേജ് ടാങ്ക്. 20, 532–550 (2022).
ഫ്രാങ്ക്, ജെ. കോമ്പോസിറ്റ് ഹെലിക്കൽ സ്പ്രിംഗ്സിന്റെ വിശകലനവും ഒപ്റ്റിമൈസേഷനും, പിഎച്ച്ഡി തീസിസ്, സാക്രമെന്റോ സ്റ്റേറ്റ് യൂണിവേഴ്സിറ്റി (2020).
ഗു, ഇസഡ്., ഹൗ, എക്സ്., യെ, ജെ. ഫിനിറ്റ് എലമെന്റ് വിശകലനം, ലാറ്റിൻ ഹൈപ്പർക്യൂബ് ലിമിറ്റഡ് സാമ്പിൾ, ജനിതക പ്രോഗ്രാമിംഗ് എന്നീ രീതികളുടെ സംയോജനം ഉപയോഗിച്ച് നോൺ-ലീനിയർ ഹെലിക്കൽ സ്പ്രിംഗുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള രീതികൾ. പ്രക്രിയ. ഫർ ഇൻസ്റ്റിറ്റ്യൂട്ട്. പ്രോജക്റ്റ്. സിജെ മെച്ച. പ്രോജക്റ്റ്. ദി സയൻസ്. 235(22), 5917–5930 (2021).
വു, എൽ., തുടങ്ങിയവർ. ക്രമീകരിക്കാവുന്ന സ്പ്രിംഗ് റേറ്റ് കാർബൺ ഫൈബർ മൾട്ടി-സ്ട്രാൻഡ് കോയിൽ സ്പ്രിംഗ്സ്: ഒരു ഡിസൈൻ ആൻഡ് മെക്കാനിസം പഠനം. ജെ. മാർക്കറ്റ്. സ്റ്റോറേജ് ടാങ്ക്. 9(3), 5067–5076 (2020).
പാട്ടീൽ ഡിഎസ്, മംഗ്രുൾക്കർ കെഎസ്, ജഗ്താപ് എസ്ടി എന്നിവർ കംപ്രഷൻ ഹെലിക്കൽ സ്പ്രിംഗുകളുടെ വെയ്റ്റ് ഒപ്റ്റിമൈസേഷൻ. ഇന്റേണൽ ജെ. ഇന്നോവ്. സ്റ്റോറേജ് ടാങ്ക്. മൾട്ടിഡിസിപ്ലിനറി. 2(11), 154–164 (2016).
രാഹുൽ, എം.എസ്., രമേശ്കുമാർ, കെ. ഓട്ടോമോട്ടീവ് ആപ്ലിക്കേഷനുകൾക്കായുള്ള കോയിൽ സ്പ്രിംഗുകളുടെ മൾട്ടിപർപ്പസ് ഒപ്റ്റിമൈസേഷനും സംഖ്യാ സിമുലേഷനും. അൽമ മേറ്റർ. ഇന്നത്തെ പ്രക്രിയ. 46. 4847–4853 (2021).
ബായ്, ജെ.ബി തുടങ്ങിയവർ. ജനിതക അൽഗോരിതങ്ങൾ ഉപയോഗിച്ച് കോമ്പോസിറ്റ് ഹെലിക്കൽ ഘടനകളുടെ ഒപ്റ്റിമൽ ഡിസൈൻ - മികച്ച രീതി നിർവചിക്കൽ. രചിക്കുക. രചന. 268, 113982 (2021).
ഷാഹിൻ, ഐ., ഡോർട്ടർലർ, എം., ഗോക്ചെ, എച്ച്. കംപ്രഷൻ സ്പ്രിംഗ് ഡിസൈനിന്റെ ഏറ്റവും കുറഞ്ഞ വോളിയത്തിന്റെ ഒപ്റ്റിമൈസേഷനെ അടിസ്ഥാനമാക്കിയുള്ള 灰狼 ഒപ്റ്റിമൈസേഷൻ രീതി ഉപയോഗിച്ച്, ഗാസി ജെ. എഞ്ചിനീയറിംഗ് സയൻസ്, 3(2), 21–27 (2017).
ക്രാഷുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിന് ഒന്നിലധികം ഏജന്റുകൾ ഉപയോഗിക്കുന്ന അയ്, കെ.എം., ഫോൾഡി, എൻ., യിൽഡിസ്, എ.ആർ., ബുരിരാത്ത്, എസ്. സെയ്റ്റ്, എസ്. മെറ്റാഹ്യൂറിസ്റ്റിക്സ്. ഇന്റേണൽ ജെ. വെഹ്. ഡിസംബർ 80(2–4), 223–240 (2019).
യിൽഡിസ്, എആർ, എർഡാഷ്, എംയു. യഥാർത്ഥ എഞ്ചിനീയറിംഗ് പ്രശ്നങ്ങളുടെ വിശ്വസനീയമായ രൂപകൽപ്പനയ്ക്കുള്ള പുതിയ ഹൈബ്രിഡ് ടാഗുച്ചി-സാൽപ ഗ്രൂപ്പ് ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം. അൽമ മേറ്റർ. ടെസ്റ്റ്. 63(2), 157–162 (2021).
യിൽഡിസ് ബിഎസ്, ഫോൾഡി എൻ., ബ്യൂററാറ്റ് എസ്., യിൽഡിസ് എആർ, സെയ്റ്റ് എസ്എം എന്നിവർ പുതിയ ഹൈബ്രിഡ് ഗ്രാസ്‌പോഷർ ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം ഉപയോഗിച്ച് റോബോട്ടിക് ഗ്രിപ്പർ മെക്കാനിസങ്ങളുടെ വിശ്വസനീയമായ രൂപകൽപ്പന നടത്തി. വിദഗ്ദ്ധൻ. സിസ്റ്റം. 38(3), e12666 (2021).