Nature.com ला भेट दिल्याबद्दल धन्यवाद. तुम्ही मर्यादित CSS सपोर्टसह ब्राउझर आवृत्ती वापरत आहात. स्टेनलेस स्टील कॉइल ट्यूब सर्वोत्तम अनुभवासाठी, आम्ही शिफारस करतो की तुम्ही अपडेटेड ब्राउझर वापरा (किंवा इंटरनेट एक्सप्लोररमध्ये कंपॅटिबिलिटी मोड अक्षम करा). याव्यतिरिक्त, सतत सपोर्ट सुनिश्चित करण्यासाठी, आम्ही शैली आणि जावास्क्रिप्टशिवाय साइट दाखवतो.
एकाच वेळी तीन स्लाईड्सचा कॅरोसेल प्रदर्शित करते. एका वेळी तीन स्लाईड्समधून जाण्यासाठी मागील आणि पुढील बटणे वापरा किंवा एका वेळी तीन स्लाईड्समधून जाण्यासाठी शेवटी स्लाईडर बटणे वापरा.
या अभ्यासात, स्टेनलेस स्टील कॉइल ट्यूब रॉकेटमध्ये वापरल्या जाणाऱ्या विंग फोल्डिंग मेकॅनिझमच्या टॉर्शन आणि कॉम्प्रेशन स्प्रिंग्जची रचना ऑप्टिमायझेशन समस्या मानली जाते. रॉकेट लाँच ट्यूबमधून बाहेर पडल्यानंतर, बंद पंख विशिष्ट वेळेसाठी उघडले पाहिजेत आणि सुरक्षित केले पाहिजेत. अभ्यासाचे उद्दिष्ट स्प्रिंग्जमध्ये साठवलेली ऊर्जा जास्तीत जास्त करणे होते जेणेकरून पंख कमीत कमी वेळेत तैनात करू शकतील. या प्रकरणात, दोन्ही प्रकाशनांमध्ये ऊर्जा समीकरण ऑप्टिमायझेशन प्रक्रियेतील वस्तुनिष्ठ कार्य म्हणून परिभाषित केले गेले होते. स्प्रिंग डिझाइनसाठी आवश्यक असलेले वायर व्यास, कॉइल व्यास, कॉइलची संख्या आणि विक्षेपण पॅरामीटर्स ऑप्टिमायझेशन व्हेरिएबल्स म्हणून परिभाषित केले गेले होते. यंत्रणेच्या आकारामुळे व्हेरिएबल्सवर भौमितिक मर्यादा आहेत, तसेच स्प्रिंग्जद्वारे वाहून नेल्या जाणाऱ्या भारामुळे सुरक्षा घटकावर मर्यादा आहेत. ही ऑप्टिमायझेशन समस्या सोडवण्यासाठी आणि स्प्रिंग डिझाइन करण्यासाठी मधमाशी (BA) अल्गोरिदम वापरण्यात आला. BA सह मिळवलेली ऊर्जा मूल्ये मागील डिझाईन ऑफ एक्सपेरिमेंट्स (DOE) अभ्यासांमधून मिळवलेल्यांपेक्षा श्रेष्ठ आहेत. ऑप्टिमायझेशनमधून मिळवलेल्या पॅरामीटर्स वापरून डिझाइन केलेले स्प्रिंग्ज आणि मेकॅनिझमचे प्रथम ADAMS प्रोग्राममध्ये विश्लेषण केले गेले. त्यानंतर, उत्पादित स्प्रिंग्जना वास्तविक यंत्रणेत एकत्रित करून प्रायोगिक चाचण्या घेण्यात आल्या. चाचणीच्या परिणामी, असे दिसून आले की पंख सुमारे 90 मिलिसेकंदांनंतर उघडले. हे मूल्य प्रकल्पाच्या 200 मिलिसेकंदांच्या लक्ष्यापेक्षा खूपच कमी आहे. याव्यतिरिक्त, विश्लेषणात्मक आणि प्रायोगिक निकालांमधील फरक फक्त 16 मिलिसेकंद आहे.
विमान आणि सागरी वाहनांमध्ये, स्टेनलेस स्टील कॉइल ट्यूब फोल्डिंग यंत्रणा महत्त्वपूर्ण असतात. उड्डाण कामगिरी आणि नियंत्रण सुधारण्यासाठी विमानातील बदल आणि रूपांतरणांमध्ये या प्रणाली वापरल्या जातात. उड्डाण मोडवर अवलंबून, वायुगतिकीय प्रभाव कमी करण्यासाठी पंख वेगवेगळ्या प्रकारे दुमडतात आणि उलगडतात1. या परिस्थितीची तुलना दररोज उड्डाण आणि डायव्हिंग दरम्यान काही पक्षी आणि कीटकांच्या पंखांच्या हालचालींशी करता येते. त्याचप्रमाणे, हायड्रोडायनामिक प्रभाव कमी करण्यासाठी आणि हाताळणी जास्तीत जास्त करण्यासाठी ग्लायडर सबमर्सिबलमध्ये दुमडतात आणि उलगडतात3. या यंत्रणांचा आणखी एक उद्देश म्हणजे स्टोरेज आणि ट्रान्सपोर्टसाठी हेलिकॉप्टर प्रोपेलर 4 च्या फोल्डिंगसारख्या प्रणालींना व्हॉल्यूमेट्रिक फायदे प्रदान करणे. स्टोरेज स्पेस कमी करण्यासाठी रॉकेटचे पंख देखील खाली दुमडतात. अशा प्रकारे, लाँचर 5 च्या लहान क्षेत्रावर अधिक क्षेपणास्त्रे ठेवता येतात. फोल्डिंग आणि उलगडण्यात प्रभावीपणे वापरले जाणारे घटक सहसा स्प्रिंग असतात. फोल्डिंगच्या क्षणी, त्यात ऊर्जा साठवली जाते आणि उलगडण्याच्या क्षणी सोडली जाते. त्याच्या लवचिक संरचनेमुळे, साठवलेली आणि सोडलेली ऊर्जा समान केली जाते. स्प्रिंग प्रामुख्याने सिस्टमसाठी डिझाइन केलेले आहे आणि हे डिझाइन ऑप्टिमायझेशन समस्या सादर करते6. कारण त्यात वायरचा व्यास, कॉइलचा व्यास, वळणांची संख्या, हेलिक्स अँगल आणि मटेरियलचा प्रकार असे विविध चल समाविष्ट असले तरी, वस्तुमान, आकारमान, किमान ताण वितरण किंवा कमाल ऊर्जा उपलब्धता असे निकष देखील आहेत.
हा अभ्यास रॉकेट सिस्टीममध्ये वापरल्या जाणाऱ्या विंग फोल्डिंग मेकॅनिझमसाठी स्प्रिंग्जच्या डिझाइन आणि ऑप्टिमायझेशनवर प्रकाश टाकतो. उड्डाणापूर्वी लाँच ट्यूबमध्ये असल्याने, पंख रॉकेटच्या पृष्ठभागावर दुमडलेले राहतात आणि लाँच ट्यूबमधून बाहेर पडल्यानंतर, ते विशिष्ट वेळेसाठी उलगडतात आणि पृष्ठभागावर दाबलेले राहतात. ही प्रक्रिया रॉकेटच्या योग्य कार्यासाठी महत्त्वाची आहे. विकसित फोल्डिंग मेकॅनिझममध्ये, पंख उघडण्याचे काम टॉर्शन स्प्रिंग्जद्वारे केले जाते आणि लॉकिंग कॉम्प्रेशन स्प्रिंग्जद्वारे केले जाते. योग्य स्प्रिंग डिझाइन करण्यासाठी, एक ऑप्टिमायझेशन प्रक्रिया करणे आवश्यक आहे. स्प्रिंग ऑप्टिमायझेशनमध्ये, साहित्यात विविध अनुप्रयोग आहेत.
पॅरेड्स आणि इतर.8 यांनी हेलिकल स्प्रिंग्जच्या डिझाइनसाठी जास्तीत जास्त थकवा जीवन घटक हा एक वस्तुनिष्ठ कार्य म्हणून परिभाषित केला आणि ऑप्टिमायझेशन पद्धत म्हणून क्वासी-न्यूटोनियन पद्धत वापरली. ऑप्टिमायझेशनमधील चल हे वायर व्यास, कॉइल व्यास, वळणांची संख्या आणि स्प्रिंग लांबी म्हणून ओळखले गेले. स्प्रिंग स्ट्रक्चरचा आणखी एक पॅरामीटर म्हणजे ज्या सामग्रीपासून ते बनवले जाते. म्हणून, डिझाइन आणि ऑप्टिमायझेशन अभ्यासात हे विचारात घेतले गेले. झेब्दी आणि इतर. 9 यांनी त्यांच्या अभ्यासात वस्तुनिष्ठ कार्यात जास्तीत जास्त कडकपणा आणि किमान वजनाची उद्दिष्टे निश्चित केली, जिथे वजन घटक महत्त्वपूर्ण होता. या प्रकरणात, त्यांनी स्प्रिंग मटेरियल आणि भौमितिक गुणधर्मांना चल म्हणून परिभाषित केले. ते ऑप्टिमायझेशन पद्धत म्हणून अनुवांशिक अल्गोरिदम वापरतात. ऑटोमोटिव्ह उद्योगात, वाहनाच्या कामगिरीपासून ते इंधन वापरापर्यंत, सामग्रीचे वजन अनेक प्रकारे उपयुक्त आहे. सस्पेंशनसाठी कॉइल स्प्रिंग्ज ऑप्टिमायझ करताना वजन कमी करणे हा एक सुप्रसिद्ध अभ्यास आहे10. बहशेष आणि बहशेष11 यांनी ANSYS वातावरणात त्यांच्या कामात E-ग्लास, कार्बन आणि केवलर सारख्या पदार्थांना चल म्हणून ओळखले, ज्याचे उद्दिष्ट विविध सस्पेंशन स्प्रिंग कंपोझिट डिझाइनमध्ये किमान वजन आणि जास्तीत जास्त तन्य शक्ती प्राप्त करणे आहे. कंपोझिट स्प्रिंग्जच्या विकासात उत्पादन प्रक्रिया महत्त्वाची आहे. अशा प्रकारे, उत्पादन पद्धत, प्रक्रियेत घेतलेले चरण आणि त्या चरणांचा क्रम यासारख्या ऑप्टिमायझेशन समस्येत विविध चल भूमिका बजावतात12,13. गतिमान प्रणालींसाठी स्प्रिंग्ज डिझाइन करताना, सिस्टमच्या नैसर्गिक फ्रिक्वेन्सीज विचारात घेतल्या पाहिजेत. अनुनाद टाळण्यासाठी स्प्रिंगची पहिली नैसर्गिक वारंवारता सिस्टमच्या नैसर्गिक वारंवारतेच्या किमान 5-10 पट असावी अशी शिफारस केली जाते14. तक्तक आणि इतर 7 ने कॉइल स्प्रिंग डिझाइनमध्ये वस्तुनिष्ठ कार्ये म्हणून स्प्रिंगचे वस्तुमान कमी करण्याचा आणि पहिली नैसर्गिक वारंवारता जास्तीत जास्त करण्याचा निर्णय घेतला. त्यांनी मॅटलॅब ऑप्टिमायझेशन टूलमध्ये पॅटर्न सर्च, इंटीरियर पॉइंट, सक्रिय संच आणि अनुवांशिक अल्गोरिथम पद्धती वापरल्या. विश्लेषणात्मक संशोधन हा स्प्रिंग डिझाइन संशोधनाचा एक भाग आहे आणि या क्षेत्रात फिनाइट एलिमेंट पद्धत लोकप्रिय आहे15. पाटील आणि इतरांनी विश्लेषणात्मक प्रक्रियेचा वापर करून कॉम्प्रेशन हेलिकल स्प्रिंगचे वजन कमी करण्यासाठी ऑप्टिमायझेशन पद्धत विकसित केली आणि मर्यादित घटक पद्धतीचा वापर करून विश्लेषणात्मक समीकरणांची चाचणी केली. स्प्रिंगची उपयुक्तता वाढवण्याचा आणखी एक निकष म्हणजे तो साठवू शकणाऱ्या ऊर्जेमध्ये वाढ. या प्रकरणात स्प्रिंग दीर्घकाळ त्याची उपयुक्तता टिकवून ठेवते याची खात्री देखील होते. राहुल आणि रमेशकुमार17 कार कॉइल स्प्रिंग डिझाइनमध्ये स्प्रिंग व्हॉल्यूम कमी करण्याचा आणि स्ट्रेन एनर्जी वाढवण्याचा प्रयत्न करतात. त्यांनी ऑप्टिमायझेशन संशोधनात अनुवांशिक अल्गोरिदम देखील वापरले आहेत.
जसे पाहिले जाऊ शकते, ऑप्टिमायझेशन अभ्यासातील पॅरामीटर्स सिस्टमनुसार सिस्टममध्ये बदलतात. सर्वसाधारणपणे, ज्या सिस्टममध्ये ती वाहून नेणारा भार हा निर्धारक घटक असतो तेथे कडकपणा आणि कातरणे ताण पॅरामीटर्स महत्वाचे असतात. या दोन पॅरामीटर्ससह वजन मर्यादा प्रणालीमध्ये सामग्री निवड समाविष्ट केली जाते. दुसरीकडे, अत्यंत गतिमान प्रणालींमध्ये अनुनाद टाळण्यासाठी नैसर्गिक फ्रिक्वेन्सी तपासल्या जातात. ज्या प्रणालींमध्ये उपयुक्तता महत्त्वाची असते, तेथे ऊर्जा जास्तीत जास्त केली जाते. ऑप्टिमायझेशन अभ्यासात, जरी FEM चा वापर विश्लेषणात्मक अभ्यासासाठी केला जात असला तरी, हे दिसून येते की अनुवांशिक अल्गोरिदम14,18 आणि ग्रे वुल्फ अल्गोरिदम19 सारखे मेटाह्युरिस्टिक अल्गोरिदम विशिष्ट पॅरामीटर्सच्या श्रेणीमध्ये शास्त्रीय न्यूटन पद्धतीसह वापरले जातात. मेटाह्युरिस्टिक अल्गोरिदम नैसर्गिक अनुकूलन पद्धतींवर आधारित विकसित केले गेले आहेत जे कमी कालावधीत इष्टतम स्थितीकडे जातात, विशेषतः लोकसंख्येच्या प्रभावाखाली20,21. शोध क्षेत्रातील लोकसंख्येच्या यादृच्छिक वितरणासह, ते स्थानिक ऑप्टिमा टाळतात आणि जागतिक ऑप्टिमाकडे जातात22. अशा प्रकारे, अलिकडच्या वर्षांत ते अनेकदा वास्तविक औद्योगिक समस्यांच्या संदर्भात वापरले गेले आहे23,24.
या अभ्यासात विकसित केलेल्या फोल्डिंग मेकॅनिझमसाठी महत्त्वाचा मुद्दा असा आहे की उड्डाणापूर्वी बंद स्थितीत असलेले पंख ट्यूब सोडल्यानंतर ठराविक वेळेत उघडतात. त्यानंतर, लॉकिंग एलिमेंट विंगला ब्लॉक करते. म्हणून, स्प्रिंग्ज थेट उड्डाण गतिशीलतेवर परिणाम करत नाहीत. या प्रकरणात, ऑप्टिमायझेशनचे ध्येय स्प्रिंगच्या हालचालीला गती देण्यासाठी साठवलेली ऊर्जा जास्तीत जास्त करणे हे होते. रोल व्यास, वायर व्यास, रोलची संख्या आणि विक्षेपण हे ऑप्टिमायझेशन पॅरामीटर्स म्हणून परिभाषित केले गेले होते. स्प्रिंगच्या लहान आकारामुळे, वजन हे ध्येय मानले गेले नाही. म्हणून, मटेरियल प्रकार निश्चित म्हणून परिभाषित केला जातो. यांत्रिक विकृतींसाठी सुरक्षिततेचा मार्जिन एक गंभीर मर्यादा म्हणून निर्धारित केला जातो. याव्यतिरिक्त, यंत्रणेच्या व्याप्तीमध्ये परिवर्तनशील आकाराच्या मर्यादा समाविष्ट आहेत. बीए मेटाह्युरिस्टिक पद्धत ऑप्टिमायझेशन पद्धत म्हणून निवडली गेली. बीएला त्याच्या लवचिक आणि साध्या संरचनेसाठी आणि यांत्रिक ऑप्टिमायझेशन संशोधनातील प्रगतीसाठी पसंती देण्यात आली. अभ्यासाच्या दुसऱ्या भागात, फोल्डिंग मेकॅनिझमच्या मूलभूत डिझाइन आणि स्प्रिंग डिझाइनच्या चौकटीत तपशीलवार गणितीय अभिव्यक्ती समाविष्ट केल्या आहेत. तिसऱ्या भागात ऑप्टिमायझेशन अल्गोरिदम आणि ऑप्टिमायझेशन परिणाम आहेत. प्रकरण ४ मध्ये ADAMS कार्यक्रमात विश्लेषण केले जाते. उत्पादनापूर्वी स्प्रिंग्सची योग्यता तपासली जाते. शेवटच्या विभागात प्रायोगिक निकाल आणि चाचणी प्रतिमा आहेत. अभ्यासात मिळालेल्या निकालांची तुलना DOE दृष्टिकोन वापरून लेखकांच्या मागील कामाशी देखील करण्यात आली.
या अभ्यासात विकसित केलेले पंख रॉकेटच्या पृष्ठभागाकडे वळले पाहिजेत. पंख दुमडलेल्या स्थितीपासून उलगडलेल्या स्थितीत फिरतात. यासाठी, एक विशेष यंत्रणा विकसित करण्यात आली. आकृती १ मध्ये रॉकेट निर्देशांक प्रणालीमध्ये दुमडलेल्या आणि उलगडलेल्या संरचना ५ दर्शविल्या आहेत.
आकृती २ मध्ये यंत्रणेचे विभागीय दृश्य दाखवले आहे. यंत्रणेमध्ये अनेक यांत्रिक भाग असतात: (१) मुख्य भाग, (२) विंग शाफ्ट, (३) बेअरिंग, (४) लॉक बॉडी, (५) लॉक बुश, (६) स्टॉप पिन, (७) टॉर्शन स्प्रिंग आणि (८) कॉम्प्रेशन स्प्रिंग्ज. विंग शाफ्ट (२) लॉकिंग स्लीव्ह (४) द्वारे टॉर्शन स्प्रिंग (७) शी जोडलेला असतो. रॉकेटने उड्डाण केल्यानंतर तिन्ही भाग एकाच वेळी फिरतात. या फिरत्या हालचालीमुळे, पंख त्यांच्या अंतिम स्थानावर वळतात. त्यानंतर, पिन (६) कॉम्प्रेशन स्प्रिंग (८) द्वारे सक्रिय होते, ज्यामुळे लॉकिंग बॉडीची संपूर्ण यंत्रणा ब्लॉक होते (४)५.
इलास्टिक मॉड्यूलस (E) आणि शीअर मॉड्यूलस (G) हे स्प्रिंगचे प्रमुख डिझाइन पॅरामीटर्स आहेत. या अभ्यासात, उच्च कार्बन स्प्रिंग स्टील वायर (म्युझिक वायर ASTM A228) स्प्रिंग मटेरियल म्हणून निवडण्यात आली. इतर पॅरामीटर्स म्हणजे वायर व्यास (d), सरासरी कॉइल व्यास (Dm), कॉइलची संख्या (N) आणि स्प्रिंग डिफ्लेक्शन (कम्प्रेशन स्प्रिंग्ससाठी xd आणि टॉर्शन स्प्रिंग्ससाठी θ)26. कॉम्प्रेशन स्प्रिंग्स \({(SE}_{x})\) आणि टॉर्शन (\({SE}_{\theta}\)) स्प्रिंग्ससाठी साठवलेली ऊर्जा समीकरणावरून मोजता येते. (1) आणि (2)26. (कम्प्रेशन स्प्रिंगसाठी शीअर मॉड्यूलस (G) मूल्य 83.7E9 Pa आहे आणि टॉर्शन स्प्रिंगसाठी लवचिक मॉड्यूलस (E) मूल्य 203.4E9 Pa आहे.)
प्रणालीचे यांत्रिक परिमाण थेट स्प्रिंगच्या भौमितिक मर्यादा निश्चित करतात. याव्यतिरिक्त, रॉकेट कोणत्या परिस्थितीत असेल हे देखील विचारात घेतले पाहिजे. हे घटक स्प्रिंग पॅरामीटर्सच्या मर्यादा निश्चित करतात. आणखी एक महत्त्वाची मर्यादा म्हणजे सुरक्षा घटक. सुरक्षा घटकाची व्याख्या शिग्ले आणि इतरांनी तपशीलवार वर्णन केली आहे.26. कॉम्प्रेशन स्प्रिंग सेफ्टी फॅक्टर (SFC) ची व्याख्या सतत लांबीवरील ताणाने भागिले जाणारे जास्तीत जास्त स्वीकार्य ताण म्हणून केली जाते. समीकरणे वापरून SFC ची गणना करता येते. (3), (4), (5) आणि (6)26. (या अभ्यासात वापरल्या जाणाऱ्या स्प्रिंग मटेरियलसाठी, \({S}_{sy}=980 MPa\)). F समीकरणातील बल दर्शवते आणि KB 26 चा बर्गस्ट्रासर फॅक्टर दर्शवते.
स्प्रिंगचा टॉर्शन सेफ्टी फॅक्टर (SFT) हा M भागिले k असा परिभाषित केला जातो. SFT समीकरणावरून काढता येते. (7), (8), (9) आणि (10)26. (या अभ्यासात वापरलेल्या पदार्थासाठी, \({S}_{y}=1600 \mathrm{MPa}\)). समीकरणात, टॉर्कसाठी M वापरला जातो, स्प्रिंग स्थिरांक (टॉर्क/रोटेशन) साठी \({k}^{^{\prime}}\) वापरला जातो आणि ताण सुधार घटकासाठी Ki वापरला जातो.
या अभ्यासातील मुख्य ऑप्टिमायझेशन ध्येय म्हणजे स्प्रिंगची ऊर्जा जास्तीत जास्त करणे. वस्तुनिष्ठ कार्य हे \(\overrightarrow{\{X\}}\) शोधण्यासाठी तयार केले आहे जे \(f(X)\) ला जास्तीत जास्त करते. \({f}_{1}(X)\) आणि \({f}_{2}(X)\) हे अनुक्रमे कॉम्प्रेशन आणि टॉर्शन स्प्रिंगचे ऊर्जा कार्य आहेत. ऑप्टिमायझेशनसाठी वापरलेले गणना केलेले चल आणि कार्ये खालील समीकरणांमध्ये दर्शविली आहेत.
स्प्रिंगच्या डिझाइनवर लावलेल्या विविध अडचणी खालील समीकरणांमध्ये दिल्या आहेत. समीकरणे (15) आणि (16) अनुक्रमे कॉम्प्रेशन आणि टॉर्शन स्प्रिंग्ससाठी सुरक्षा घटक दर्शवतात. या अभ्यासात, SFC 1.2 पेक्षा जास्त किंवा समान असणे आवश्यक आहे आणि SFT θ26 पेक्षा जास्त किंवा समान असणे आवश्यक आहे.
BA ला मधमाश्यांच्या परागकण शोधण्याच्या धोरणांनी प्रेरणा मिळाली होती27. मधमाश्या सुपीक परागकण क्षेत्रात अधिक धाडस पाठवून आणि कमी सुपीक परागकण क्षेत्रात कमी धाडस पाठवून शोध घेतात. अशा प्रकारे, मधमाश्यांच्या लोकसंख्येतून सर्वात जास्त कार्यक्षमता प्राप्त होते. दुसरीकडे, स्काउट मधमाश्या परागकणांचे नवीन क्षेत्र शोधत राहतात आणि जर पूर्वीपेक्षा जास्त उत्पादक क्षेत्रे असतील तर बरेच धाडस या नवीन क्षेत्राकडे निर्देशित केले जातील28. BA मध्ये दोन भाग असतात: स्थानिक शोध आणि जागतिक शोध. स्थानिक शोध मधमाश्यांसारख्या किमान (एलिट साइट्स) जवळील अधिक समुदायांसाठी शोधतो आणि इतर साइट्स (इष्टतम किंवा निवडक साइट्स) साठी कमी शोधतो. जागतिक शोध भागात एक अनियंत्रित शोध केला जातो आणि जर चांगली मूल्ये आढळली तर पुढील पुनरावृत्तीमध्ये स्टेशन स्थानिक शोध भागात हलवले जातात. अल्गोरिदममध्ये काही पॅरामीटर्स आहेत: स्काउट मधमाश्यांची संख्या (n), स्थानिक शोध साइट्सची संख्या (m), उच्चभ्रू साइट्सची संख्या (e), उच्चभ्रू साइट्समधील धाडस करणाऱ्यांची संख्या (nep), इष्टतम क्षेत्रातील धाडस करणाऱ्यांची संख्या. साइट (nsp), अतिपरिचित क्षेत्राचा आकार (ngh), आणि पुनरावृत्तींची संख्या (I)29. BA स्यूडोकोड आकृती 3 मध्ये दर्शविला आहे.
अल्गोरिदम \({g}_{1}(X)\) आणि \({g}_{2}(X)\) दरम्यान काम करण्याचा प्रयत्न करतो. प्रत्येक पुनरावृत्तीच्या परिणामी, इष्टतम मूल्ये निश्चित केली जातात आणि सर्वोत्तम मूल्ये मिळविण्याच्या प्रयत्नात या मूल्यांभोवती लोकसंख्या गोळा केली जाते. स्थानिक आणि जागतिक शोध विभागांमध्ये निर्बंध तपासले जातात. स्थानिक शोधात, जर हे घटक योग्य असतील तर, ऊर्जा मूल्य मोजले जाते. जर नवीन ऊर्जा मूल्य इष्टतम मूल्यापेक्षा जास्त असेल, तर नवीन मूल्य इष्टतम मूल्याला नियुक्त करा. जर शोध परिणामात आढळणारे सर्वोत्तम मूल्य सध्याच्या घटकापेक्षा जास्त असेल, तर नवीन घटक संग्रहात समाविष्ट केला जाईल. स्थानिक शोधाचा ब्लॉक आकृती आकृती 4 मध्ये दर्शविला आहे.
लोकसंख्या ही बीएमधील प्रमुख पॅरामीटर्सपैकी एक आहे. मागील अभ्यासांवरून असे दिसून येते की लोकसंख्या वाढल्याने आवश्यक पुनरावृत्तींची संख्या कमी होते आणि यशाची शक्यता वाढते. तथापि, कार्यात्मक मूल्यांकनांची संख्या देखील वाढत आहे. मोठ्या संख्येने एलिट साइट्सची उपस्थिती कामगिरीवर लक्षणीय परिणाम करत नाही. जर एलिट साइट्सची संख्या शून्य नसेल तर ती कमी असू शकते. स्काउट मधमाश्यांच्या लोकसंख्येचा आकार (n) सहसा 30 आणि 100 दरम्यान निवडला जातो. या अभ्यासात, योग्य संख्या निश्चित करण्यासाठी 30 आणि 50 दोन्ही परिस्थिती चालवल्या गेल्या (तक्ता 2). इतर पॅरामीटर्स लोकसंख्येनुसार निश्चित केले जातात. निवडलेल्या साइट्सची संख्या (m) लोकसंख्येच्या आकाराच्या (अंदाजे) 25% आहे आणि निवडलेल्या साइट्समध्ये एलिट साइट्सची संख्या (e) m च्या 25% आहे. खाद्य देणाऱ्या मधमाश्यांची संख्या (शोधांची संख्या) एलिट प्लॉटसाठी 100 आणि इतर स्थानिक प्लॉटसाठी 30 म्हणून निवडण्यात आली. शेजारचा शोध ही सर्व उत्क्रांतीवादी अल्गोरिदमची मूलभूत संकल्पना आहे. या अभ्यासात, टॅपरिंग नेबर्स पद्धत वापरली गेली. ही पद्धत प्रत्येक पुनरावृत्ती दरम्यान एका विशिष्ट दराने अतिपरिचित क्षेत्राचा आकार कमी करते. भविष्यातील पुनरावृत्तींमध्ये, अधिक अचूक शोधासाठी लहान अतिपरिचित क्षेत्र मूल्ये30 वापरली जाऊ शकतात.
प्रत्येक परिस्थितीसाठी, ऑप्टिमायझेशन अल्गोरिदमची पुनरुत्पादनक्षमता तपासण्यासाठी सलग दहा चाचण्या केल्या गेल्या. आकृती ५ मध्ये स्कीम १ साठी टॉर्शन स्प्रिंगच्या ऑप्टिमायझेशनचे परिणाम दाखवले आहेत आणि आकृती ६ मध्ये स्कीम २ साठी. चाचणी डेटा तक्ते ३ आणि ४ मध्ये देखील दिला आहे (कम्प्रेशन स्प्रिंगसाठी मिळालेले निकाल असलेली सारणी पूरक माहिती S1 मध्ये आहे). मधमाशांची संख्या पहिल्या पुनरावृत्तीमध्ये चांगल्या मूल्यांचा शोध तीव्र करते. परिस्थिती १ मध्ये, काही चाचण्यांचे निकाल कमालपेक्षा कमी होते. परिस्थिती २ मध्ये, लोकसंख्या वाढ आणि इतर संबंधित पॅरामीटर्समुळे सर्व ऑप्टिमायझेशन परिणाम कमाल जवळ येत असल्याचे दिसून येते. परिस्थिती २ मधील मूल्ये अल्गोरिदमसाठी पुरेशी आहेत हे दिसून येते.
पुनरावृत्तींमध्ये ऊर्जेचे कमाल मूल्य मिळवताना, अभ्यासासाठी एक मर्यादा म्हणून एक सुरक्षा घटक देखील प्रदान केला जातो. सुरक्षा घटकासाठी तक्ता पहा. BA वापरून मिळवलेल्या ऊर्जा मूल्यांची तुलना तक्ता 5 मधील 5 DOE पद्धती वापरून मिळवलेल्यांशी केली आहे. (उत्पादन सुलभतेसाठी, टॉर्शन स्प्रिंगच्या वळणांची संख्या (N) 4.88 ऐवजी 4.9 आहे आणि कॉम्प्रेशन स्प्रिंगमध्ये विक्षेपण (xd) 7.99 मिमी ऐवजी 8 मिमी आहे.) हे पाहिले जाऊ शकते की BA चांगले परिणाम देते. BA स्थानिक आणि जागतिक लुकअपद्वारे सर्व मूल्यांचे मूल्यांकन करतो. अशा प्रकारे तो अधिक पर्याय जलद वापरून पाहू शकतो.
या अभ्यासात, विंग मेकॅनिझमच्या हालचालींचे विश्लेषण करण्यासाठी अॅडम्सचा वापर करण्यात आला. अॅडम्सला प्रथम मेकॅनिझमचे 3D मॉडेल दिले जाते. नंतर मागील विभागात निवडलेल्या पॅरामीटर्ससह स्प्रिंग परिभाषित करा. याव्यतिरिक्त, प्रत्यक्ष विश्लेषणासाठी काही इतर पॅरामीटर्स परिभाषित करणे आवश्यक आहे. हे भौतिक पॅरामीटर्स आहेत जसे की कनेक्शन, मटेरियल गुणधर्म, संपर्क, घर्षण आणि गुरुत्वाकर्षण. ब्लेड शाफ्ट आणि बेअरिंगमध्ये एक स्विव्हल जॉइंट आहे. 5-6 दंडगोलाकार जॉइंट आहेत. 5-1 फिक्स्ड जॉइंट आहेत. मुख्य बॉडी अॅल्युमिनियम मटेरियलपासून बनलेली आहे आणि स्थिर आहे. उर्वरित भागांची मटेरियल स्टील आहे. मटेरियलच्या प्रकारानुसार घर्षण, संपर्क कडकपणा आणि घर्षण पृष्ठभागाच्या प्रवेशाची खोली यांचे गुणांक निवडा. (स्टेनलेस स्टील AISI 304) या अभ्यासात, महत्त्वाचे पॅरामीटर म्हणजे विंग मेकॅनिझमचा उघडण्याचा वेळ, जो 200 ms पेक्षा कमी असावा. म्हणून, विश्लेषणादरम्यान विंग उघडण्याच्या वेळेवर लक्ष ठेवा.
अॅडम्सच्या विश्लेषणाच्या परिणामी, विंग मेकॅनिझमचा उघडण्याचा वेळ ७४ मिलिसेकंद आहे. १ ते ४ पर्यंतच्या डायनॅमिक सिम्युलेशनचे निकाल आकृती ७ मध्ये दाखवले आहेत. आकृती ५ मधील पहिले चित्र सिम्युलेशन सुरू होण्याचा वेळ आहे आणि पंख दुमडण्यासाठी प्रतीक्षा स्थितीत आहेत. (२) विंग ४३ अंश फिरवल्यानंतर ४० मिलिसेकंदानंतर विंगची स्थिती दाखवते. (३) ७१ मिलिसेकंदानंतर विंगची स्थिती दाखवते. तसेच शेवटच्या चित्रात (४) विंगच्या वळणाचा शेवट आणि उघडण्याची स्थिती दाखवते. डायनॅमिक विश्लेषणाच्या परिणामी, असे आढळून आले की विंग ओपनिंग मेकॅनिझम २०० मिलिसेकंदच्या लक्ष्य मूल्यापेक्षा लक्षणीयरीत्या लहान आहे. याव्यतिरिक्त, स्प्रिंग्ज आकारताना, साहित्यात शिफारस केलेल्या सर्वोच्च मूल्यांमधून सुरक्षा मर्यादा निवडल्या गेल्या.
सर्व डिझाइन, ऑप्टिमायझेशन आणि सिम्युलेशन अभ्यास पूर्ण झाल्यानंतर, यंत्रणेचा एक नमुना तयार आणि एकत्रित करण्यात आला. त्यानंतर सिम्युलेशन परिणामांची पडताळणी करण्यासाठी नमुना चाचणी घेण्यात आली. प्रथम मुख्य कवच सुरक्षित करा आणि पंख दुमडून टाका. नंतर पंख दुमडलेल्या स्थितीतून सोडण्यात आले आणि पंख दुमडलेल्या स्थितीतून तैनात केलेल्या स्थितीत फिरवण्याचा व्हिडिओ बनवण्यात आला. व्हिडिओ रेकॉर्डिंग दरम्यान वेळेचे विश्लेषण करण्यासाठी टाइमर देखील वापरण्यात आला.
आकृती ८ मध्ये १-४ क्रमांकाच्या व्हिडिओ फ्रेम दाखवल्या आहेत. आकृतीमधील फ्रेम क्रमांक १ मध्ये दुमडलेल्या पंखांच्या सुटकेचा क्षण दाखवला आहे. हा क्षण t0 वेळेचा सुरुवातीचा क्षण मानला जातो. फ्रेम २ आणि ३ मध्ये सुरुवातीच्या क्षणानंतर ४० मिलीसेकंद आणि ७० मिलीसेकंदांनी पंखांची स्थिती दाखवली आहे. फ्रेम ३ आणि ४ चे विश्लेषण करताना, असे दिसून येते की विंगची हालचाल t0 नंतर ९० मिलीसेकंदांनी स्थिर होते आणि विंग उघडणे ७० ते ९० मिलीसेकंदांच्या दरम्यान पूर्ण होते. या परिस्थितीचा अर्थ असा आहे की सिम्युलेशन आणि प्रोटोटाइप चाचणी दोन्ही अंदाजे समान विंग तैनाती वेळ देतात आणि डिझाइन यंत्रणेच्या कामगिरीच्या आवश्यकता पूर्ण करते.
या लेखात, विंग फोल्डिंग मेकॅनिझममध्ये वापरलेले टॉर्शन आणि कॉम्प्रेशन स्प्रिंग्ज BA वापरून ऑप्टिमाइझ केले आहेत. काही पुनरावृत्तींसह पॅरामीटर्स जलद पोहोचता येतात. टॉर्शन स्प्रिंगला 1075 mJ आणि कॉम्प्रेशन स्प्रिंगला 37.24 mJ असे रेट केले आहे. ही मूल्ये मागील DOE अभ्यासांपेक्षा 40-50% चांगली आहेत. स्प्रिंगला मेकॅनिझममध्ये एकत्रित केले आहे आणि ADAMS प्रोग्राममध्ये त्याचे विश्लेषण केले आहे. विश्लेषण केले असता, असे आढळून आले की पंख 74 मिलिसेकंदात उघडले आहेत. हे मूल्य प्रकल्पाच्या 200 मिलिसेकंदांच्या लक्ष्यापेक्षा खूपच कमी आहे. त्यानंतरच्या प्रायोगिक अभ्यासात, चालू होण्याची वेळ सुमारे 90 मिलिसेकंद मोजण्यात आली. विश्लेषणांमधील हा 16 मिलिसेकंद फरक सॉफ्टवेअरमध्ये मॉडेल न केलेल्या पर्यावरणीय घटकांमुळे असू शकतो. असे मानले जाते की अभ्यासाच्या परिणामी प्राप्त झालेले ऑप्टिमायझेशन अल्गोरिदम विविध स्प्रिंग डिझाइनसाठी वापरले जाऊ शकते.
स्प्रिंग मटेरियल पूर्वनिर्धारित होते आणि ऑप्टिमायझेशनमध्ये व्हेरिएबल म्हणून वापरले गेले नव्हते. विमान आणि रॉकेटमध्ये अनेक प्रकारचे स्प्रिंग्ज वापरले जात असल्याने, भविष्यातील संशोधनात इष्टतम स्प्रिंग डिझाइन साध्य करण्यासाठी वेगवेगळ्या सामग्रीचा वापर करून इतर प्रकारचे स्प्रिंग्ज डिझाइन करण्यासाठी BA वापरला जाईल.
आम्ही घोषित करतो की हे हस्तलिखित मूळ आहे, पूर्वी प्रकाशित झालेले नाही आणि सध्या इतरत्र प्रकाशनासाठी विचारात घेतले जात नाही.
या अभ्यासात तयार केलेला किंवा विश्लेषित केलेला सर्व डेटा या प्रकाशित लेखात [आणि अतिरिक्त माहिती फाइल] समाविष्ट केला आहे.
मिन, झेड., किन, व्हीके आणि रिचर्ड, एलजे. विमान, आमूलाग्र भौमितिक बदलांद्वारे एअरफोइल संकल्पनेचे आधुनिकीकरण. आयईएस जे. भाग अ संस्कृती. रचना. प्रकल्प. ३(३), १८८–१९५ (२०१०).
सन, जे., लिऊ, के. आणि भूषण, बी. बीटलच्या मागच्या पंखांचा आढावा: रचना, यांत्रिक गुणधर्म, यंत्रणा आणि जैविक प्रेरणा. जे. मेका. वर्तन. बायोमेडिकल सायन्स. अल्मा मेटर. ९४, ६३–७३ (२०१९).
चेन, झेड., यू, जे., झांग, ए., आणि झांग, एफ. हायब्रिड पॉवर्ड अंडरवॉटर ग्लायडरसाठी फोल्डिंग प्रोपल्शन मेकॅनिझमची रचना आणि विश्लेषण. ओशन इंजिनिअरिंग ११९, १२५–१३४ (२०१६).
कार्तिक, एचएस आणि पृथ्वी, के. हेलिकॉप्टर क्षैतिज स्टॅबिलायझर फोल्डिंग मेकॅनिझमची रचना आणि विश्लेषण. अंतर्गत जे. इंजी. स्टोरेज टँक. तंत्रज्ञान. (IGERT) 9(05), 110–113 (2020).
कुलंक, झेड. आणि साहिन, एम. प्रयोग डिझाइन दृष्टिकोन वापरून फोल्डिंग रॉकेट विंग डिझाइनच्या यांत्रिक पॅरामीटर्सचे ऑप्टिमायझेशन. अंतर्गत जे. मॉडेल. ऑप्टिमायझेशन. 9(2), 108–112 (2019).
के, जे., वू, झेडवाय, लिऊ, वायएस, झियांग, झेड. आणि हू, एक्सडी डिझाइन पद्धत, कामगिरी अभ्यास आणि कंपोझिट कॉइल स्प्रिंग्जची उत्पादन प्रक्रिया: एक पुनरावलोकन. रचना. रचना. २५२, ११२७४७ (२०२०).
तक्तक एम., ओम्हेनी के., अलुई ए., दम्मक एफ. आणि खद्दर एम. कॉइल स्प्रिंग्जचे डायनॅमिक डिझाइन ऑप्टिमायझेशन. ध्वनीसाठी अर्ज करा. ७७, १७८–१८३ (२०१४).
पॅरेडेस, एम., सार्टोर, एम., आणि मास्कल, के. टेंशन स्प्रिंग्जच्या डिझाइनला अनुकूलित करण्यासाठी एक प्रक्रिया. एक संगणक. पद्धतीचा वापर. फर. प्रकल्प. 191(8-10), 783-797 (2001).
झेब्दी ओ., बोहिली आर. आणि ट्रोचू एफ. मल्टीऑब्जेक्टिव्ह ऑप्टिमायझेशन वापरून कंपोझिट हेलिकल स्प्रिंग्जची इष्टतम रचना. जे. रीइन्फ. प्लास्टिक. कंपोझ. २८ (१४), १७१३–१७३२ (२००९).
पावर्ट, एचबी आणि देसले, डीडी ट्रायसायकल फ्रंट सस्पेंशन कॉइल स्प्रिंग्जचे ऑप्टिमायझेशन. प्रक्रिया. निर्माता. २०, ४२८–४३३ (२०१८).
बहशेश एम. आणि बहशेश एम. स्टील कॉइल स्प्रिंग्जचे कंपोझिट स्प्रिंग्जसह ऑप्टिमायझेशन. अंतर्गत जे. बहुविद्याशाखीय. विज्ञान. प्रकल्प. 3(6), 47–51 (2012).
चेन, एल. आणि इतर. कंपोझिट कॉइल स्प्रिंग्जच्या स्थिर आणि गतिमान कामगिरीवर परिणाम करणाऱ्या अनेक पॅरामीटर्सबद्दल जाणून घ्या. जे. मार्केट. स्टोरेज टँक. २०, ५३२–५५० (२०२२).
फ्रँक, जे. कम्पोझिट हेलिकल स्प्रिंग्जचे विश्लेषण आणि ऑप्टिमायझेशन, पीएचडी थीसिस, सॅक्रामेंटो स्टेट युनिव्हर्सिटी (२०२०).
गु, झेड., हौ, एक्स. आणि ये, जे. पद्धतींच्या संयोजनाचा वापर करून नॉनलाइनर हेलिकल स्प्रिंग्ज डिझाइन आणि विश्लेषण करण्याच्या पद्धती: मर्यादित घटक विश्लेषण, लॅटिन हायपरक्यूब मर्यादित नमुना आणि अनुवांशिक प्रोग्रामिंग. प्रक्रिया. फर इन्स्टिट्यूट. प्रकल्प. सीजे मेका. प्रकल्प. विज्ञान. २३५(२२), ५९१७–५९३० (२०२१).
वू, एल., इत्यादी. समायोज्य स्प्रिंग रेट कार्बन फायबर मल्टी-स्ट्रँड कॉइल स्प्रिंग्ज: एक डिझाइन आणि यंत्रणा अभ्यास. जे. मार्केट. स्टोरेज टँक. 9(3), 5067–5076 (2020).
पाटील डीएस, मंगरुळकर केएस आणि जगताप एसटी कॉम्प्रेशन हेलिकल स्प्रिंग्जचे वजन ऑप्टिमायझेशन. अंतर्गत जे. इनोव्ह. स्टोरेज टँक. मल्टीडिसिप्लिनरी. 2(11), 154–164 (2016).
राहुल, एमएस आणि रमेशकुमार, के. ऑटोमोटिव्ह अनुप्रयोगांसाठी कॉइल स्प्रिंग्जचे बहुउद्देशीय ऑप्टिमायझेशन आणि संख्यात्मक सिम्युलेशन. अल्मा मेटर. आज प्रक्रिया. ४६. ४८४७–४८५३ (२०२१).
बाई, जेबी आणि इतर. सर्वोत्तम पद्धती परिभाषित करणे - अनुवांशिक अल्गोरिदम वापरून संमिश्र हेलिकल स्ट्रक्चर्सची इष्टतम रचना. रचना. रचना. २६८, ११३९८२ (२०२१).
शाहीन, आय., डॉर्टरलर, एम., आणि गोक्चे, एच. कॉम्प्रेशन स्प्रिंग डिझाइनच्या किमान व्हॉल्यूमच्या ऑप्टिमायझेशनवर आधारित 灰狼 ऑप्टिमायझेशन पद्धतीचा वापर करून, गाझी जे. अभियांत्रिकी विज्ञान, 3(2), 21–27 (2017).
आये, केएम, फोल्डी, एन., यिल्डीझ, एआर, बुरिराट, एस. आणि सैत, एसएम क्रॅश ऑप्टिमायझ करण्यासाठी अनेक एजंट्स वापरून मेटाह्युरिस्टिक्स. अंतर्गत जे. वेह. डिसेंबर ८०(२–४), २२३–२४० (२०१९).
यिल्डीझ, एआर आणि एर्दाश, एमयू वास्तविक अभियांत्रिकी समस्यांच्या विश्वसनीय डिझाइनसाठी नवीन संकरित तागुची-साल्पा गट ऑप्टिमायझेशन अल्गोरिथम. अल्मा मेटर. चाचणी. 63(2), 157–162 (2021).
यिल्डीझ बीएस, फोल्डी एन., बुरेरॅट एस., यिल्डीझ एआर आणि सैत एसएम नवीन हायब्रिड ग्रासॉपर ऑप्टिमायझेशन अल्गोरिदम वापरून रोबोटिक ग्रिपर यंत्रणेची विश्वसनीय रचना. तज्ञ. प्रणाली. 38(3), e12666 (2021).