Dziękujemy za odwiedzenie Nature.com. Używasz wersji przeglądarki z ograniczoną obsługą CSS. Rura spiralna ze stali nierdzewnej Aby uzyskać najlepsze wrażenia, zalecamy korzystanie z zaktualizowanej przeglądarki (lub wyłączenie trybu zgodności w przeglądarce Internet Explorer). Ponadto, aby zapewnić stałe wsparcie, wyświetlamy witrynę bez stylów i JavaScript.
Wyświetla karuzelę trzech slajdów na raz. Użyj przycisków Poprzedni i Następny, aby przejść przez trzy slajdy na raz, lub użyj przycisków suwaka na końcu, aby przejść przez trzy slajdy na raz.
W tym badaniu, rura ze stali nierdzewnej, konstrukcja sprężyn skrętnych i ściskanych mechanizmu składania skrzydeł używanego w rakiecie jest rozpatrywana jako problem optymalizacji. Po opuszczeniu wyrzutni rakietowej zamknięte skrzydła muszą zostać otwarte i zabezpieczone na określony czas. Celem badania było zmaksymalizowanie energii zmagazynowanej w sprężynach, tak aby skrzydła mogły się rozwinąć w jak najkrótszym czasie. W tym przypadku równanie energii w obu publikacjach zostało zdefiniowane jako funkcja celu w procesie optymalizacji. Średnica drutu, średnica cewki, liczba cewek i parametry ugięcia wymagane do projektu sprężyny zostały zdefiniowane jako zmienne optymalizacji. Istnieją ograniczenia geometryczne zmiennych ze względu na rozmiar mechanizmu, a także ograniczenia współczynnika bezpieczeństwa ze względu na obciążenie przenoszone przez sprężyny. Algorytm pszczoły miodnej (BA) został użyty do rozwiązania tego problemu optymalizacji i wykonania projektu sprężyny. Wartości energii uzyskane za pomocą BA są lepsze od tych uzyskanych z poprzednich badań Design of Experiments (DOE). Sprężyny i mechanizmy zaprojektowane przy użyciu parametrów uzyskanych z optymalizacji zostały najpierw przeanalizowane w programie ADAMS. Następnie przeprowadzono testy eksperymentalne, integrując wyprodukowane sprężyny z rzeczywistymi mechanizmami. W wyniku testu zaobserwowano, że skrzydła otwierały się po około 90 milisekundach. Wartość ta jest znacznie poniżej celu projektu wynoszącego 200 milisekund. Ponadto różnica między wynikami analitycznymi i eksperymentalnymi wynosi zaledwie 16 ms.
W samolotach i pojazdach morskich mechanizmy składania rurek ze stali nierdzewnej są krytyczne. Systemy te są stosowane w modyfikacjach i konwersjach samolotów w celu poprawy osiągów i kontroli lotu. W zależności od trybu lotu skrzydła składają się i rozkładają w różny sposób, aby zmniejszyć wpływ aerodynamiczny1. Sytuację tę można porównać do ruchów skrzydeł niektórych ptaków i owadów podczas codziennego lotu i nurkowania. Podobnie szybowce składają się i rozkładają w łodziach podwodnych, aby zmniejszyć efekty hydrodynamiczne i zmaksymalizować obsługę3. Jeszcze innym celem tych mechanizmów jest zapewnienie korzyści objętościowych systemom, takim jak składanie śmigła helikoptera 4 do przechowywania i transportu. Skrzydła rakiety również składają się w dół, aby zmniejszyć przestrzeń magazynową. Dzięki temu więcej pocisków można umieścić na mniejszej powierzchni wyrzutni 5. Komponenty, które są skutecznie wykorzystywane do składania i rozkładania, to zazwyczaj sprężyny. W momencie składania energia jest w niej magazynowana i uwalniana w momencie rozkładania. Ze względu na elastyczną strukturę, magazynowana i uwalniana energia są wyrównywane. Sprężyna jest zaprojektowana głównie dla systemu, a ta konstrukcja przedstawia problem optymalizacji6. Ponieważ oprócz różnych zmiennych, takich jak średnica drutu, średnica cewki, liczba zwojów, kąt pochylenia linii śrubowej i rodzaj materiału, występują również kryteria, takie jak masa, objętość, minimalny rozkład naprężeń lub maksymalna dostępność energii7.
Niniejsze badanie rzuca światło na projektowanie i optymalizację sprężyn do mechanizmów składania skrzydeł stosowanych w systemach rakietowych. Znajdując się wewnątrz wyrzutni przed lotem, skrzydła pozostają złożone na powierzchni rakiety, a po wyjściu z wyrzutni rozkładają się przez pewien czas i pozostają dociśnięte do powierzchni. Proces ten jest krytyczny dla prawidłowego funkcjonowania rakiety. W opracowanym mechanizmie składania otwieranie skrzydeł odbywa się za pomocą sprężyn skrętnych, a blokowanie za pomocą sprężyn ściskanych. Aby zaprojektować odpowiednią sprężynę, należy przeprowadzić proces optymalizacji. W zakresie optymalizacji sprężyn istnieją różne zastosowania w literaturze.
Paredes i in.8 zdefiniowali maksymalny współczynnik trwałości zmęczeniowej jako funkcję celu dla projektu sprężyn śrubowych i zastosowali metodę quasi-newtonowską jako metodę optymalizacji. Zmienne w optymalizacji zostały zidentyfikowane jako średnica drutu, średnica cewki, liczba zwojów i długość sprężyny. Innym parametrem struktury sprężyny jest materiał, z którego jest wykonana. Dlatego też zostało to uwzględnione w badaniach projektowych i optymalizacyjnych. Zebdi i in.9 ustalili cele maksymalnej sztywności i minimalnej masy w funkcji celu w swoim badaniu, gdzie współczynnik masy był istotny. W tym przypadku zdefiniowali materiał sprężyny i właściwości geometryczne jako zmienne. Zastosowali algorytm genetyczny jako metodę optymalizacji. W przemyśle motoryzacyjnym masa materiałów jest przydatna na wiele sposobów, od osiągów pojazdu po zużycie paliwa. Minimalizacja masy przy optymalizacji sprężyn śrubowych do zawieszenia jest dobrze znanym badaniem10. Bahshesh i Bahshesh11 zidentyfikowali materiały takie jak szkło E, węgiel i kevlar jako zmienne w swojej pracy w środowisku ANSYS, mając na celu osiągnięcie minimalnej masy i maksymalnej wytrzymałości na rozciąganie w różnych projektach kompozytowych sprężyn zawieszenia. Proces produkcyjny ma kluczowe znaczenie w rozwoju sprężyn kompozytowych. Tak więc w problemie optymalizacji wchodzą w grę różne zmienne, takie jak metoda produkcji, kroki podejmowane w procesie i kolejność tych kroków12,13. Podczas projektowania sprężyn dla układów dynamicznych należy wziąć pod uwagę częstotliwości własne układu. Zaleca się, aby pierwsza częstotliwość własna sprężyny była co najmniej 5-10 razy większa od częstotliwości własnej układu, aby uniknąć rezonansu14. Taktak i in. 7 postanowili zminimalizować masę sprężyny i zmaksymalizować pierwszą częstotliwość własną jako funkcje obiektywne w projekcie sprężyny śrubowej. Wykorzystali metody wyszukiwania wzorca, punktu wewnętrznego, zbioru aktywnego i algorytmu genetycznego w narzędziu optymalizacyjnym Matlab. Badania analityczne są częścią badań nad projektowaniem sprężyn, a metoda elementów skończonych jest popularna w tym obszarze15. Patil i in.16 opracowali metodę optymalizacji w celu zmniejszenia ciężaru sprężyny śrubowej ściskanej przy użyciu procedury analitycznej i przetestowali równania analityczne przy użyciu metody elementów skończonych. Innym kryterium zwiększania użyteczności sprężyny jest wzrost energii, którą może ona magazynować. Ten przypadek zapewnia również, że sprężyna zachowuje swoją użyteczność przez długi okres czasu. Rahul i Rameshkumar17 Dążą do zmniejszenia objętości sprężyny i zwiększenia energii odkształcenia w projektach sprężyn śrubowych w samochodach. Wykorzystali również algorytmy genetyczne w badaniach nad optymalizacją.
Jak widać, parametry w badaniu optymalizacji różnią się w zależności od systemu. Ogólnie rzecz biorąc, parametry sztywności i naprężenia ścinającego są ważne w systemie, w którym czynnikiem decydującym jest przenoszone przez niego obciążenie. Wybór materiału jest uwzględniony w systemie limitu wagowego z tymi dwoma parametrami. Z drugiej strony, częstotliwości własne są sprawdzane w celu uniknięcia rezonansów w wysoce dynamicznych systemach. W systemach, w których liczy się użyteczność, energia jest maksymalizowana. W badaniach optymalizacji, chociaż FEM jest używany do badań analitycznych, można zauważyć, że algorytmy metaheurystyczne, takie jak algorytm genetyczny14,18 i algorytm wilka szarego19, są używane razem z klasyczną metodą Newtona w zakresie pewnych parametrów. Algorytmy metaheurystyczne zostały opracowane w oparciu o naturalne metody adaptacji, które zbliżają się do stanu optymalnego w krótkim okresie czasu, szczególnie pod wpływem populacji20,21. Przy losowym rozkładzie populacji w obszarze poszukiwań unikają lokalnych optimów i zmierzają w kierunku globalnych optimów22. Dlatego w ostatnich latach często stosowano je w kontekście rzeczywistych problemów przemysłowych23,24.
Krytycznym przypadkiem dla mechanizmu składania opracowanego w tym badaniu jest to, że skrzydła, które były w pozycji zamkniętej przed lotem, otwierają się po pewnym czasie od opuszczenia rury. Następnie element blokujący blokuje skrzydło. Dlatego sprężyny nie wpływają bezpośrednio na dynamikę lotu. W tym przypadku celem optymalizacji było zmaksymalizowanie zmagazynowanej energii w celu przyspieszenia ruchu sprężyny. Średnica rolki, średnica drutu, liczba rolek i ugięcie zostały zdefiniowane jako parametry optymalizacji. Ze względu na mały rozmiar sprężyny, waga nie była uważana za cel. Dlatego typ materiału jest zdefiniowany jako stały. Margines bezpieczeństwa dla odkształceń mechanicznych jest określony jako krytyczne ograniczenie. Ponadto w zakresie mechanizmu występują ograniczenia o zmiennej wielkości. Jako metodę optymalizacji wybrano metodę metaheurystyczną BA. BA została wyróżniona ze względu na elastyczną i prostą strukturę oraz ze względu na postęp w badaniach nad optymalizacją mechaniczną25. W drugiej części badania szczegółowe wyrażenia matematyczne są zawarte w ramach podstawowego projektu i projektu sprężyny mechanizmu składania. Trzecia część zawiera algorytm optymalizacji i wyniki optymalizacji. Rozdział 4 przeprowadza analizę w programie ADAMS. Przydatność sprężyn jest analizowana przed produkcją. Ostatnia sekcja zawiera wyniki eksperymentów i obrazy testowe. Wyniki uzyskane w badaniu porównano również z poprzednią pracą autorów, wykorzystując podejście DOE.
Skrzydła opracowane w tym badaniu powinny składać się w kierunku powierzchni rakiety. Skrzydła obracają się z pozycji złożonej do rozłożonej. W tym celu opracowano specjalny mechanizm. Na rys. 1 przedstawiono konfigurację złożoną i rozłożoną5 w układzie współrzędnych rakiety.
Na rys. 2 przedstawiono widok przekroju mechanizmu. Mechanizm składa się z kilku części mechanicznych: (1) korpus główny, (2) wał skrzydła, (3) łożysko, (4) korpus zamka, (5) tuleja zamka, (6) sworzeń oporowy, (7) sprężyna skrętna i (8) sprężyny ściskane. Wał skrzydła (2) jest połączony ze sprężyną skrętną (7) poprzez tuleję blokującą (4). Wszystkie trzy części obracają się jednocześnie po starcie rakiety. Dzięki temu ruchowi obrotowemu skrzydła obracają się do swojej pozycji końcowej. Następnie sworzeń (6) jest uruchamiany przez sprężynę ściskającą (8), blokując w ten sposób cały mechanizm korpusu blokującego (4)5.
Moduł sprężystości (E) i moduł ścinania (G) są kluczowymi parametrami projektowymi sprężyny. W tym badaniu wybrano drut ze stali sprężynowej wysokowęglowej (drut muzyczny ASTM A228) jako materiał sprężyny. Inne parametry to średnica drutu (d), średnia średnica zwoju (Dm), liczba zwojów (N) i ugięcie sprężyny (xd dla sprężyn ściskanych i θ dla sprężyn skrętnych)26. Zmagazynowaną energię dla sprężyn ściskanych \({(SE}_{x})\) i sprężyn skrętnych (\({SE}_{\theta}\)) można obliczyć z równania. (1) i (2)26. (Wartość modułu ścinania (G) dla sprężyny ściskanej wynosi 83,7E9 Pa, a wartość modułu sprężystości (E) dla sprężyny skrętnej wynosi 203,4E9 Pa.)
Wymiary mechaniczne układu bezpośrednio określają ograniczenia geometryczne sprężyny. Ponadto należy również wziąć pod uwagę warunki, w jakich będzie się znajdować rakieta. Czynniki te określają granice parametrów sprężyny. Innym ważnym ograniczeniem jest współczynnik bezpieczeństwa. Definicja współczynnika bezpieczeństwa jest szczegółowo opisana przez Shigley i in.26. Współczynnik bezpieczeństwa sprężyny ściskanej (SFC) jest zdefiniowany jako maksymalne dopuszczalne naprężenie podzielone przez naprężenie na ciągłej długości. SFC można obliczyć za pomocą równań. (3), (4), (5) i (6)26. (Dla materiału sprężyny użytego w tym badaniu \({S}_{sy}=980 MPa\)). F reprezentuje siłę w równaniu, a KB reprezentuje współczynnik Bergstrassera wynoszący 26.
Współczynnik bezpieczeństwa skręcania sprężyny (SFT) jest zdefiniowany jako M podzielone przez k. SFT można obliczyć z równania. (7), (8), (9) i (10)26. (Dla materiału użytego w tym badaniu, \({S}_{y}=1600 \mathrm{MPa}\)). W równaniu, M jest używane dla momentu obrotowego, \({k}^{^{\prime}}\) jest używane dla stałej sprężyny (moment obrotowy/obrót), a Ki jest używane dla współczynnika korekcji naprężeń.
Głównym celem optymalizacji w tym badaniu jest maksymalizacja energii sprężyny. Funkcja celu jest sformułowana tak, aby znaleźć \(\overrightarrow{\{X\}}\), która maksymalizuje \(f(X)\). \({f}_{1}(X)\) i \({f}_{2}(X)\) to funkcje energii sprężyny ściskanej i skrętnej. Obliczone zmienne i funkcje użyte do optymalizacji są pokazane w następujących równaniach.
Różne ograniczenia nałożone na projekt sprężyny podano w poniższych równaniach. Równania (15) i (16) przedstawiają odpowiednio współczynniki bezpieczeństwa dla sprężyn ściskanych i skrętnych. W tym badaniu SFC musi być większe lub równe 1,2, a SFT musi być większe lub równe θ26.
BA został zainspirowany strategiami poszukiwania pyłku przez pszczoły27. Pszczoły poszukują, wysyłając więcej zbieraczek na żyzne pola pyłkowe i mniej zbieraczek na mniej żyzne pola pyłkowe. W ten sposób osiąga się największą wydajność populacji pszczół. Z drugiej strony, pszczoły zwiadowcze nadal poszukują nowych obszarów pyłku, a jeśli są bardziej produktywne obszary niż wcześniej, wiele zbieraczek zostanie skierowanych na ten nowy obszar28. BA składa się z dwóch części: wyszukiwania lokalnego i wyszukiwania globalnego. Wyszukiwanie lokalne wyszukuje więcej społeczności w pobliżu minimum (miejsca elitarne), takich jak pszczoły, a mniej innych miejsc (miejsca optymalne lub wybrane). W części wyszukiwania globalnego przeprowadzane jest wyszukiwanie dowolne, a jeśli zostaną znalezione dobre wartości, stacje są przenoszone do części wyszukiwania lokalnego w następnej iteracji. Algorytm zawiera pewne parametry: liczbę pszczół zwiadowczych (n), liczbę miejsc wyszukiwania lokalnego (m), liczbę miejsc elitarnych (e), liczbę zbieraczek w miejscach elitarnych (nep), liczbę zbieraczek w obszarach optymalnych. Miejsce (nsp), rozmiar sąsiedztwa (ngh) i liczba iteracji (I)29. Pseudokod BA pokazano na rysunku 3.
Algorytm próbuje działać pomiędzy \({g}_{1}(X)\) i \({g}_{2}(X)\). W wyniku każdej iteracji określane są optymalne wartości, a wokół tych wartości gromadzona jest populacja w celu uzyskania najlepszych wartości. Ograniczenia są sprawdzane w sekcjach wyszukiwania lokalnego i globalnego. W wyszukiwaniu lokalnym, jeśli te czynniki są odpowiednie, obliczana jest wartość energii. Jeśli nowa wartość energii jest większa od wartości optymalnej, przypisz nową wartość do wartości optymalnej. Jeśli najlepsza wartość znaleziona w wyniku wyszukiwania jest większa od bieżącego elementu, nowy element zostanie uwzględniony w zbiorze. Schemat blokowy wyszukiwania lokalnego pokazano na rysunku 4.
Populacja jest jednym z kluczowych parametrów w BA. Z poprzednich badań wynika, że ​​rozszerzanie populacji zmniejsza liczbę wymaganych iteracji i zwiększa prawdopodobieństwo sukcesu. Jednak liczba ocen funkcjonalnych również wzrasta. Obecność dużej liczby elitarnych stanowisk nie wpływa znacząco na wydajność. Liczba elitarnych stanowisk może być niska, jeśli nie wynosi zero30. Wielkość populacji pszczół zwiadowczych (n) jest zwykle wybierana między 30 a 100. W tym badaniu uruchomiono zarówno scenariusze 30, jak i 50, aby określić odpowiednią liczbę (Tabela 2). Inne parametry są określane w zależności od populacji. Liczba wybranych stanowisk (m) stanowi (w przybliżeniu) 25% wielkości populacji, a liczba elitarnych stanowisk (e) wśród wybranych stanowisk stanowi 25% m. Liczbę pszczół żerujących (liczbę wyszukiwań) wybrano na 100 dla elitarnych działek i 30 dla innych lokalnych działek. Przeszukiwanie sąsiedztwa jest podstawową koncepcją wszystkich algorytmów ewolucyjnych. W tym badaniu zastosowano metodę tapering neighbors. Ta metoda zmniejsza rozmiar sąsiedztwa w określonym tempie podczas każdej iteracji. W przyszłych iteracjach można użyć mniejszych wartości sąsiedztwa30 w celu dokładniejszego wyszukiwania.
Dla każdego scenariusza wykonano dziesięć kolejnych testów w celu sprawdzenia powtarzalności algorytmu optymalizacji. Na rys. 5 przedstawiono wyniki optymalizacji sprężyny skrętnej dla schematu 1, a na rys. 6 – dla schematu 2. Dane testowe podano również w tabelach 3 i 4 (tabela zawierająca wyniki uzyskane dla sprężyny ściskanej znajduje się w Informacjach uzupełniających S1). Populacja pszczół nasila poszukiwanie dobrych wartości w pierwszej iteracji. W scenariuszu 1 wyniki niektórych testów były poniżej maksimum. W scenariuszu 2 widać, że wszystkie wyniki optymalizacji zbliżają się do maksimum ze względu na wzrost populacji i innych istotnych parametrów. Widać, że wartości w scenariuszu 2 są wystarczające dla algorytmu.
Podczas uzyskiwania maksymalnej wartości energii w iteracjach, współczynnik bezpieczeństwa jest również podawany jako ograniczenie dla badania. Zobacz tabelę dotyczącą współczynnika bezpieczeństwa. Wartości energii uzyskane za pomocą BA są porównywane z wartościami uzyskanymi za pomocą metody 5 DOE w Tabeli 5. (Dla ułatwienia produkcji liczba zwojów (N) sprężyny skrętnej wynosi 4,9 zamiast 4,88, a ugięcie (xd) wynosi 8 mm zamiast 7,99 mm w sprężynie ściskanej.) Można zauważyć, że BA jest lepszym wynikiem. BA ocenia wszystkie wartości poprzez lokalne i globalne wyszukiwania. W ten sposób może szybciej wypróbować więcej alternatyw.
W tym badaniu Adams został użyty do analizy ruchu mechanizmu skrzydła. Adamsowi najpierw przedstawiono trójwymiarowy model mechanizmu. Następnie zdefiniuj sprężynę z parametrami wybranymi w poprzedniej sekcji. Ponadto, do rzeczywistej analizy należy zdefiniować kilka innych parametrów. Są to parametry fizyczne, takie jak połączenia, właściwości materiału, kontakt, tarcie i grawitacja. Pomiędzy wałem łopatki a łożyskiem znajduje się przegub obrotowy. Jest 5-6 przegubów cylindrycznych. Jest 5-1 przegubów stałych. Korpus główny jest wykonany z materiału aluminiowego i stały. Materiał pozostałych części jest stalowy. Wybierz współczynnik tarcia, sztywność styku i głębokość penetracji powierzchni ciernej w zależności od rodzaju materiału. (stal nierdzewna AISI 304) W tym badaniu krytycznym parametrem jest czas otwierania mechanizmu skrzydła, który musi być krótszy niż 200 ms. Dlatego należy zwracać uwagę na czas otwierania skrzydła podczas analizy.
W wyniku analizy Adamsa czas otwarcia mechanizmu skrzydła wynosi 74 milisekundy. Wyniki symulacji dynamicznej od 1 do 4 pokazano na rysunku 7. Pierwszy rysunek na rysunku 5 to czas rozpoczęcia symulacji, a skrzydła znajdują się w pozycji oczekiwania na złożenie. (2) Wyświetla pozycję skrzydła po 40 ms, gdy skrzydło obróciło się o 43 stopnie. (3) pokazuje pozycję skrzydła po 71 milisekundach. Również na ostatnim rysunku (4) pokazano koniec obrotu skrzydła i pozycję otwartą. W wyniku analizy dynamicznej zaobserwowano, że mechanizm otwierania skrzydła jest znacznie krótszy od wartości docelowej 200 ms. Ponadto przy doborze sprężyn wybrano granice bezpieczeństwa z najwyższych wartości zalecanych w literaturze.
Po zakończeniu wszystkich badań projektowych, optymalizacyjnych i symulacyjnych, wyprodukowano i zintegrowano prototyp mechanizmu. Następnie prototyp przetestowano w celu weryfikacji wyników symulacji. Najpierw zabezpieczono główną powłokę i złożono skrzydła. Następnie skrzydła uwolniono ze złożonej pozycji i nagrano wideo przedstawiające obrót skrzydeł ze złożonej do rozłożonej pozycji. Timer wykorzystano również do analizy czasu podczas nagrywania wideo.
Na rys. 8 pokazano klatki wideo ponumerowane od 1 do 4. Klatka numer 1 na rysunku pokazuje moment uwolnienia złożonych skrzydeł. Ten moment jest uważany za początkowy moment czasu t0. Klatki 2 i 3 pokazują położenia skrzydeł 40 ms i 70 ms po początkowym momencie. Analizując klatki 3 i 4, można zauważyć, że ruch skrzydła stabilizuje się 90 ms po t0, a otwieranie skrzydła jest zakończone między 70 a 90 ms. Taka sytuacja oznacza, że ​​zarówno symulacja, jak i testy prototypu dają mniej więcej taki sam czas rozwinięcia skrzydła, a konstrukcja spełnia wymagania dotyczące wydajności mechanizmu.
W tym artykule sprężyny skrętne i ściskane stosowane w mechanizmie składania skrzydeł są optymalizowane przy użyciu BA. Parametry można osiągnąć szybko przy kilku iteracjach. Sprężyna skrętna ma wartość znamionową 1075 mJ, a sprężyna ściskana ma wartość znamionową 37,24 mJ. Wartości te są o 40-50% lepsze niż w poprzednich badaniach DOE. Sprężyna jest zintegrowana z mechanizmem i analizowana w programie ADAMS. Po przeprowadzeniu analizy stwierdzono, że skrzydła otwierają się w ciągu 74 milisekund. Wartość ta jest znacznie poniżej celu projektu wynoszącego 200 milisekund. W późniejszym badaniu eksperymentalnym zmierzono czas włączania wynoszący około 90 ms. Ta 16-milisekundowa różnica między analizami może wynikać z czynników środowiskowych, które nie zostały zamodelowane w oprogramowaniu. Uważa się, że algorytm optymalizacji uzyskany w wyniku badania może być stosowany do różnych projektów sprężyn.
Materiał sprężyny został wstępnie zdefiniowany i nie był używany jako zmienna w optymalizacji. Ponieważ w samolotach i rakietach stosuje się wiele różnych typów sprężyn, BA zostanie zastosowany do zaprojektowania innych typów sprężyn przy użyciu różnych materiałów, aby uzyskać optymalną konstrukcję sprężyny w przyszłych badaniach.
Oświadczamy, że niniejszy manuskrypt jest oryginalny, nie był wcześniej publikowany i nie jest obecnie rozpatrywany pod kątem publikacji gdzie indziej.
Wszystkie dane wygenerowane lub przeanalizowane w ramach tego badania zawarto w niniejszym opublikowanym artykule [oraz w pliku z dodatkowymi informacjami].
Min, Z., Kin, VK i Richard, LJ Modernizacja samolotu w koncepcji profilu lotniczego poprzez radykalne zmiany geometryczne. IES J. Część A Cywilizacja. kompozycja. projekt. 3(3), 188–195 (2010).
Sun, J., Liu, K. i Bhushan, B. Przegląd tylnego skrzydła chrząszcza: struktura, właściwości mechaniczne, mechanizmy i inspiracja biologiczna. J. Mecha. Zachowanie. Biomedical Science. alma mater. 94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. i Zhang, F. Projekt i analiza składanego mechanizmu napędowego dla hybrydowego podwodnego szybowca. Ocean Engineering 119, 125–134 (2016).
Kartik, HS i Prithvi, K. Projekt i analiza mechanizmu składania poziomego statecznika śmigłowca. wewnętrzny zbiornik magazynowy J. Ing. technologia. (IGERT) 9(05), 110–113 (2020).
Kulunk, Z. i Sahin, M. Optymalizacja parametrów mechanicznych konstrukcji skrzydła rakiety składanej przy użyciu podejścia eksperymentalnego. wewnętrzny J. Model. optymalizacja. 9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. i Hu, XD Metoda projektowania, badanie wydajności i proces produkcji sprężyn śrubowych kompozytowych: przegląd. compose. composition. 252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. i Khaddar M. Dynamiczna optymalizacja konstrukcji sprężyn śrubowych. Zastosuj dla dźwięku. 77, 178–183 (2014).
Paredes, M., Sartor, M. i Mascle, K. Procedura optymalizacji projektowania sprężyn naciągowych. komputer. zastosowanie metody. projekt. 191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. i Trochu F. Optymalne projektowanie kompozytowych sprężyn śrubowych przy użyciu optymalizacji wielokryterialnej. J. Reinf. plastic. compose. 28 (14), 1713–1732 (2009).
Pawart, HB i Desale, DD Optymalizacja sprężyn śrubowych przedniego zawieszenia trójkołowego. Proces. Producent. 20, 428–433 (2018).
Bahshesh M. i Bahshesh M. Optymalizacja sprężyn śrubowych stalowych ze sprężynami kompozytowymi. J. Wielodyscyplinarny. Projekt naukowy. 3(6), 47–51 (2012).
Chen, L. i in. Dowiedz się więcej o wielu parametrach, które wpływają na statyczną i dynamiczną wydajność sprężyn śrubowych kompozytowych. J. Market. zbiornik magazynowy. 20, 532–550 (2022).
Frank, J. Analiza i optymalizacja kompozytowych sprężyn śrubowych, praca doktorska, Uniwersytet Stanowy w Sacramento (2020).
Gu, Z., Hou, X. i Ye, J. Metody projektowania i analizy nieliniowych sprężyn śrubowych przy użyciu kombinacji metod: analizy elementów skończonych, ograniczonego próbkowania łacińskiego hipersześcianu i programowania genetycznego. proces. Fur Institute. projekt. CJ Mecha. projekt. nauka. 235(22), 5917–5930 (2021).
Wu, L. i in. Regulowana sztywność sprężyny wielożyłowej z włókna węglowego: badanie konstrukcji i mechanizmu. J. Market. zbiornik magazynowy. 9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS i Jagtap ST Optymalizacja wagowa sprężyn śrubowych ściskanych. wewnętrzny J. Innov. zbiornik magazynowy. Multidyscyplinarny. 2(11), 154–164 (2016).
Rahul, MS i Rameshkumar, K. Wielofunkcyjna optymalizacja i symulacja numeryczna sprężyn śrubowych do zastosowań motoryzacyjnych. alma mater. process today. 46. ​​4847–4853 (2021).
Bai, JB i in. Definicja najlepszych praktyk – optymalny projekt kompozytowych struktur helikalnych przy użyciu algorytmów genetycznych. compose. composition. 268, 113982 (2021).
Shahin, I., Dorterler, M. i Gokche, H. Wykorzystanie metody optymalizacji 灰狼 opartej na optymalizacji minimalnej objętości konstrukcji sprężyny ściskanej, Ghazi J. Engineering Science, 3(2), 21–27 (2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. i Sait, SM Metaheurystyka wykorzystująca wielu agentów do optymalizacji awarii. wewnętrzne J. Veh. dec. 80(2–4), 223–240 (2019).
Yildyz, AR i Erdash, MU Nowy hybrydowy algorytm optymalizacji grupy Taguchi-salpa do niezawodnego projektowania rzeczywistych problemów inżynierskich. alma mater. test. 63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR i Sait SM Niezawodna konstrukcja mechanizmów chwytaka robota z wykorzystaniem nowego hybrydowego algorytmu optymalizacji Grasshopper. system ekspercki. 38(3), e12666 (2021).