Składnik chemiczny cewki ze stali nierdzewnej AISI 304/304L, optymalizacja parametrów sprężyny składanego skrzydła przy użyciu algorytmu pszczoły miodnej

Dziękujemy za odwiedzenie Nature.com.Używasz wersji przeglądarki z ograniczoną obsługą CSS.Aby uzyskać najlepszą jakość, zalecamy użycie zaktualizowanej przeglądarki (lub wyłączenie trybu zgodności w przeglądarce Internet Explorer).Dodatkowo, aby zapewnić bieżące wsparcie, pokazujemy witrynę bez stylów i JavaScript.
Suwaki pokazujące trzy artykuły na slajd.Użyj przycisków Wstecz i Dalej, aby poruszać się po slajdach, lub przycisków kontrolera slajdów na końcu, aby poruszać się po poszczególnych slajdach.

AISI 304/304L Zwijane rurki kapilarne ze stali nierdzewnej

Cewka ze stali nierdzewnej AISI 304 jest produktem uniwersalnym o doskonałej wytrzymałości i nadaje się do szerokiej gamy zastosowań, które wymagają dobrej odkształcalności i spawalności.

Sheye Metal ma w magazynie 304 cewki o grubości od 0,3 mm do 16 mm i wykończeniu 2B, wykończeniu BA i wykończeniu nr 4. są zawsze dostępne.

Oprócz trzech rodzajów powierzchni, cewka ze stali nierdzewnej 304 może być dostarczana z różnymi wykończeniami powierzchni.Stal nierdzewna klasy 304 zawiera zarówno metale Cr (zwykle 18%), jak i nikiel (zwykle 8%) jako główne składniki nieżelazne.

Cewki tego typu to typowo austenityczna stal nierdzewna, należąca do standardowej rodziny stali nierdzewnych Cr-Ni.

Zwykle stosuje się je do artykułów gospodarstwa domowego i towarów konsumpcyjnych, sprzętu kuchennego, okładzin wewnętrznych i zewnętrznych, poręczy i ram okiennych, sprzętu przemysłu spożywczego i napojów, zbiorników magazynowych.

W pracy za problem optymalizacji uznano konstrukcję sprężyn skrętnych i naciskowych mechanizmu składania skrzydła zastosowanego w rakiecie.Po opuszczeniu przez rakietę wyrzutni zamknięte skrzydła należy otworzyć i zabezpieczyć na określony czas.Celem badań była maksymalizacja energii zgromadzonej w sprężynach, aby skrzydła mogły się rozwinąć w możliwie najkrótszym czasie.W tym przypadku równanie energii w obu publikacjach zostało zdefiniowane jako funkcja celu w procesie optymalizacji.Jako zmienne optymalizacyjne zdefiniowano średnicę drutu, średnicę cewki, liczbę cewek i parametry ugięcia wymagane do konstrukcji sprężyny.Istnieją ograniczenia geometryczne zmiennych ze względu na wielkość mechanizmu, a także ograniczenia współczynnika bezpieczeństwa ze względu na obciążenie przenoszone przez sprężyny.Do rozwiązania tego problemu optymalizacyjnego i obliczenia sprężyny wykorzystano algorytm pszczoły miodnej (BA).Wartości energii uzyskane za pomocą BA są lepsze niż te uzyskane z poprzednich badań projektu eksperymentów (DOE).Sprężyny i mechanizmy zaprojektowane z wykorzystaniem parametrów uzyskanych z optymalizacji zostały w pierwszej kolejności przeanalizowane w programie ADAMS.Następnie przeprowadzono badania eksperymentalne polegające na integracji wyprodukowanych sprężyn z rzeczywistymi mechanizmami.W wyniku testu zaobserwowano, że skrzydła otworzyły się po około 90 milisekundach.Wartość ta jest znacznie niższa od docelowej wartości projektu wynoszącej 200 ms.Ponadto różnica między wynikami analitycznymi i eksperymentalnymi wynosi tylko 16 ms.
W samolotach i pojazdach morskich kluczowe znaczenie mają mechanizmy składania.Systemy te są wykorzystywane w modyfikacjach i konwersjach statków powietrznych w celu poprawy wydajności i kontroli lotu.W zależności od trybu lotu skrzydła składają się i rozkładają w różny sposób, aby zmniejszyć wpływ aerodynamiki1.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 4 helikoptera w celu przechowywania i transportu.Skrzydła rakiety również się składają, aby zmniejszyć przestrzeń do przechowywania.W ten sposób na mniejszej powierzchni wyrzutni 5 można umieścić więcej rakiet. Elementami skutecznie wykorzystywanymi przy składaniu i rozkładaniu są zwykle sprężyny.W momencie składania energia jest w nim magazynowana i uwalniana w momencie rozkładania.Dzięki swojej elastycznej budowie energia zmagazynowana i uwolniona zostaje wyrównana.Sprężyna jest zaprojektowana głównie dla układu i ta konstrukcja stwarza problem optymalizacyjny6.Ponieważ chociaż uwzględnia różne zmienne, takie jak średnica drutu, średnica cewki, liczba zwojów, kąt pochylenia linii śrubowej i rodzaj materiału, istnieją również kryteria, takie jak masa, objętość, minimalny rozkład naprężeń lub maksymalna dostępność energii7.
Badanie to rzuca światło na projektowanie i optymalizację sprężyn do mechanizmów składania skrzydeł stosowanych w systemach rakietowych.Będąc przed lotem w wyrzutni, skrzydła pozostają złożone na powierzchni rakiety, a po wyjściu z wyrzutni przez pewien czas rozkładają się i pozostają dociśnięte do powierzchni.Proces ten ma kluczowe znaczenie dla prawidłowego funkcjonowania rakiety.W opracowanym mechanizmie składania otwieranie skrzydeł odbywa się za pomocą sprężyn skrętnych, a blokowanie za pomocą sprężyn naciskowych.Aby zaprojektować odpowiednią sprężynę, należy przeprowadzić proces optymalizacji.W literaturze można znaleźć różne zastosowania optymalizacji sprężyn.
Paredes i in.8 zdefiniowali współczynnik maksymalnej trwałości zmęczeniowej jako funkcję celu przy projektowaniu sprężyn śrubowych i wykorzystali metodę quasi-newtonowską jako metodę optymalizacji.Zmienne optymalizacyjne zidentyfikowano jako średnicę drutu, średnicę cewki, liczbę zwojów i długość sprężyny.Kolejnym parametrem konstrukcji sprężyny jest materiał, z którego jest wykonana.Dlatego też wzięto to pod uwagę w badaniach projektowych i optymalizacyjnych.Zebdi i in.9 w swoich badaniach ustalili cele maksymalnej sztywności i minimalnej masy w funkcji celu, gdzie współczynnik masy był istotny.W tym przypadku zdefiniowali materiał sprężyny i właściwości geometryczne jako zmienne.Używają algorytmu genetycznego jako metody optymalizacji.W przemyśle motoryzacyjnym masa materiałów jest przydatna na wiele sposobów, od osiągów pojazdu po zużycie paliwa.Minimalizacja masy przy jednoczesnej optymalizacji sprężyn śrubowych do zawieszenia to dobrze znane badanie10.Bahshesh i Bahshesh11 zidentyfikowali takie materiały, 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 konstrukcjach kompozytowych sprężyn zawieszenia.Proces produkcyjny ma kluczowe znaczenie przy opracowywaniu sprężyn kompozytowych.Zatem w problemie optymalizacji biorą udział różne zmienne, takie jak metoda produkcji, etapy procesu i kolejność tych kroków12,13.Projektując sprężyny do układów dynamicznych, należy wziąć pod uwagę częstotliwości własne układu.Zaleca się, aby pierwsza częstotliwość drgań własnych sprężyny była co najmniej 5–10 razy większa od częstotliwości drgań własnych systemu, aby uniknąć rezonansu14.Taktak i in.7 postanowiono zminimalizować masę sprężyny i zmaksymalizować pierwszą częstotliwość drgań własnych jako funkcje celu w konstrukcji sprężyny śrubowej.Wykorzystali metody wyszukiwania wzorców, punktów wewnętrznych, zbiorów aktywnych i algorytmów genetycznych w narzędziu optymalizacyjnym Matlab.Badania analityczne są częścią badań nad projektowaniem sprężyn, a popularna w tym obszarze jest Metoda Elementów Skończonych15.Patil i in.16 opracowali metodę optymalizacji zmniejszania ciężaru sprężyny śrubowej ściskanej za pomocą procedury analitycznej i przetestowali równania analityczne za pomocą metody elementów skończonych.Kolejnym kryterium zwiększającym użyteczność sprężyny jest wzrost energii, jaką może ona zmagazynować.To etui gwarantuje także, że sprężyna zachowa swoją użyteczność przez długi okres czasu.Rahul i Rameshkumar17 Dążą do zmniejszenia objętości sprężyn i zwiększenia energii odkształcenia w konstrukcjach sprężyn śrubowych samochodów.Wykorzystali także algorytmy genetyczne w badaniach optymalizacyjnych.
Jak widać, parametry w badaniu optymalizacyjnym 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.Dzięki tym dwóm parametrom dobór materiału jest uwzględniony w systemie limitów wagowych.Z drugiej strony sprawdzane są częstotliwości własne, aby uniknąć rezonansów w układach o dużej dynamice.W systemach, w których liczy się użyteczność, energia jest maksymalizowana.W badaniach optymalizacyjnych, mimo że MES jest wykorzystywana do badań analitycznych, można zauważyć, że algorytmy metaheurystyczne, takie jak algorytm genetyczny14,18 i algorytm szarego wilka19, są stosowane łącznie z klasyczną metodą Newtona w zakresie określonych parametrów.Algorytmy metaheurystyczne opracowano w oparciu o naturalne metody adaptacji, które w krótkim czasie dochodzą do stanu optymalnego, zwłaszcza pod wpływem populacji20,21.Przy losowym rozmieszczeniu populacji w obszarze poszukiwań unikają one optimów lokalnych i zmierzają w stronę optimów globalnych22.Dlatego w ostatnich latach często używano go w kontekście realnych problemów przemysłowych23,24.
Krytycznym przypadkiem mechanizmu składania opracowanego w tym badaniu jest to, że skrzydła, które przed lotem znajdowały się w pozycji złożonej, otwierają się po pewnym czasie po opuszczeniu tuby.Następnie element blokujący blokuje skrzydło.Dlatego sprężyny nie wpływają bezpośrednio na dynamikę lotu.W tym przypadku celem optymalizacji była maksymalizacja zmagazynowanej energii w celu przyspieszenia ruchu sprężyny.Jako parametry optymalizacyjne zdefiniowano średnicę rolki, średnicę drutu, liczbę rolek i ugięcie.Ze względu na mały rozmiar sprężyny za cel nie uznawano wagi.Dlatego typ materiału definiuje się jako stały.Margines bezpieczeństwa dla odkształceń mechanicznych określa się jako ograniczenie krytyczne.Ponadto w zakres mechanizmu wchodzą ograniczenia o zmiennej wielkości.Jako metodę optymalizacji wybrano metodę metaheurystyczną BA.BA został doceniony ze względu na elastyczną i prostą strukturę oraz postępy w badaniach nad optymalizacją mechaniczną25.W drugiej części opracowania zawarte są szczegółowe wyrażenia matematyczne w ramach konstrukcji podstawowej oraz konstrukcji sprężyny mechanizmu składającego.Część trzecia 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 także z wcześniejszymi pracami autorów wykorzystującymi 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 ryc.1 przedstawia konfigurację złożoną i rozłożoną5 w układzie współrzędnych rakiety.
Na ryc.2 przedstawia przekrój mechanizmu.Mechanizm składa się z kilku części mechanicznych: (1) korpusu głównego, (2) wału motylkowego, (3) łożyska, (4) korpusu zamka, (5) tulei zamka, (6) sworznia oporowego, (7) sprężyny skrętnej oraz ( 8 ) sprężyny naciskowe.Wał motylkowy (2) połączony jest ze sprężyną skrętową (7) poprzez tuleję blokującą (4).Wszystkie trzy części obracają się jednocześnie po wystartowaniu rakiety.Dzięki temu ruchowi obrotowemu skrzydła obracają się do swojej ostatecznej pozycji.Następnie sworzeń (6) zostaje uruchomiony przez sprężynę naciskową (8), blokując w ten sposób cały mechanizm korpusu blokującego (4)5.
Moduł sprężystości (E) i moduł ścinania (G) to kluczowe parametry konstrukcyjne sprężyny.W tym badaniu jako materiał sprężynowy wybrano drut ze stali sprężynowej o wysokiej zawartości węgla (drut muzyczny ASTM A228).Pozostałe parametry to średnica drutu (d), średnia średnica cewki (Dm), liczba zwojów (N) i ugięcie sprężyny (xd dla sprężyn ściskanych i θ dla sprężyn skrętnych)26.Energię zmagazynowaną dla sprężyn ściskanych \({(SE}_{x})\) i skrętnych (\({SE}_{\theta}\)) można obliczyć z równania.(1) i (2)26.(Wartość modułu ścinania (G) dla sprężyny naciskowej wynosi 83,7E9 Pa, a wartość modułu sprężystości (E) dla sprężyny skrętowej wynosi 203,4E9 Pa.)
Wymiary mechaniczne układu bezpośrednio determinują ograniczenia geometryczne sprężyny.Ponadto należy wziąć pod uwagę warunki, w jakich rakieta będzie zlokalizowana.Czynniki te wyznaczają granice parametrów sprężyny.Kolejnym ważnym ograniczeniem jest współczynnik bezpieczeństwa.Definicja współczynnika bezpieczeństwa została szczegółowo opisana przez Shigley i in.26.Współczynnik bezpieczeństwa sprężyny naciskowej (SFC) definiuje się 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 skrętnego sprężyny (SFT) definiuje się 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 oznacza moment obrotowy, \({k}^{^{\prime}}\) służy do stałej sprężyny (moment obrotowy/obrót), a Ki służy do współczynnika korekcji naprężenia.
Głównym celem optymalizacji w tym badaniu jest maksymalizacja energii sprężyny.Funkcja celu została sformułowana w taki sposób, aby znaleźć \(\overrightarrow{\{X\}}\), które maksymalizuje \(f(X)\).\({f}_{1}(X)\) i \({f}_{2}(X)\) są funkcjami energetycznymi odpowiednio sprężyny naciskowej i skrętowej.Obliczone zmienne i funkcje użyte do optymalizacji przedstawiono w poniższych równaniach.
Różne ograniczenia nałożone na konstrukcję sprężyny podano w poniższych równaniach.Równania (15) i (16) przedstawiają współczynniki bezpieczeństwa odpowiednio dla sprężyn ściskanych i skrętnych.W tym badaniu SFC musi być większe lub równe 1,2, a SFT musi być większe lub równe θ26.
Inspiracją dla BA były strategie poszukiwania pyłku przez pszczoły27.Pszczoły poszukują, wysyłając więcej zbieraczy na żyzne pola pyłkowe, a mniej zbieraczy na mniej żyzne pola pyłkowe.W ten sposób osiąga się największą efektywność z populacji pszczół.Z drugiej strony pszczoły harcerskie w dalszym ciągu poszukują nowych obszarów pyłku, a jeśli pojawi się więcej obszarów produktywnych niż dotychczas, wielu zbieraczy 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 (witryny elitarne), takich jak pszczoły, i mniej w innych witrynach (witrynach optymalnych lub polecanych).W części wyszukiwania globalnego przeprowadzane jest dowolne wyszukiwanie, a w przypadku znalezienia dobrych wartości, w kolejnej iteracji stacje są przenoszone do części wyszukiwania lokalnego.Algorytm zawiera pewne parametry: liczbę pszczół harcerskich (n), liczbę lokalnych punktów wyszukiwania (m), liczbę punktów elitarnych (e), liczbę zbieraczy w obiektach elitarnych (nep), liczbę zbieraczy w optymalne obszary.Miejsce (nsp), rozmiar sąsiedztwa (ngh) i liczba iteracji (I)29.Pseudokod BA pokazano na rysunku 3.
Algorytm próbuje działać pomiędzy \({g}_{1}(X)\) a \({g}_{2}(X)\).W wyniku każdej iteracji wyznaczane są wartości optymalne i wokół tych wartości zbierana jest populacja w celu uzyskania najlepszych wartości.Ograniczenia sprawdzane są w sekcjach wyszukiwania lokalnego i globalnego.W przypadku wyszukiwania lokalnego, jeśli te współczynniki są odpowiednie, obliczana jest wartość energetyczna.Jeżeli nowa wartość energii jest większa od wartości optymalnej, przypisz nową wartość do wartości optymalnej.Jeśli najlepsza wartość znaleziona w wyniku wyszukiwania jest większa niż bieżący element, nowy element zostanie uwzględniony w kolekcji.Schemat blokowy wyszukiwania lokalnego pokazano na rysunku 4.
Populacja jest jednym z kluczowych parametrów w BA.Z poprzednich badań wynika, że ​​powiększenie populacji zmniejsza liczbę wymaganych iteracji i zwiększa prawdopodobieństwo sukcesu.Rośnie jednak także liczba ocen funkcjonalnych.Obecność dużej liczby elitarnych witryn nie wpływa znacząco na wydajność.Liczba elitarnych witryn może być niska, jeśli nie wynosi zero30.Liczebność populacji pszczół harcerskich (n) jest zwykle wybierana pomiędzy 30 a 100. W tym badaniu w celu określenia odpowiedniej liczby przeprowadzono zarówno 30, jak i 50 scenariuszy (Tabela 2).Pozostałe parametry ustalane są w zależności od populacji.Liczba wybranych obiektów (m) wynosi (w przybliżeniu) 25% wielkości populacji, a liczba obiektów elitarnych (e) wśród wybranych obiektów wynosi 25% m.Liczbę żerujących pszczół (liczbę poszukiwań) ustalono na 100 dla poletek elitarnych i 30 dla pozostałych poletek lokalnych.Przeszukiwanie sąsiedztwa jest podstawową koncepcją wszystkich algorytmów ewolucyjnych.W badaniu wykorzystano metodę zwężających się sąsiadów.Ta metoda zmniejsza rozmiar sąsiedztwa w określonym tempie podczas każdej iteracji.W przyszłych iteracjach można zastosować mniejsze wartości sąsiedztwa30 w celu dokładniejszego wyszukiwania.
Dla każdego scenariusza przeprowadzono dziesięć kolejnych testów sprawdzających powtarzalność algorytmu optymalizacji.Na ryc.Na rys. 5 przedstawiono wyniki optymalizacji sprężyny skrętowej dla schematu 1, a na rys.6 – dla schematu 2. Dane z badań podano także w tabelach 3 i 4 (tabela zawierająca wyniki uzyskane dla sprężyny naciskowej znajduje się w Informacji Uzupełniającej S1).Populacja pszczół intensyfikuje poszukiwania dobrych wartości już w pierwszej iteracji.W scenariuszu 1 wyniki niektórych testów były poniżej wartości maksymalnych.W Scenariuszu 2 można zauważyć, że wszystkie wyniki optymalizacji zbliżają się do maksimum ze względu na wzrost populacji i innych istotnych parametrów.Można zauważyć, że wartości w Scenariuszu 2 są wystarczające dla algorytmu.
Przy uzyskiwaniu maksymalnej wartości energii w iteracjach, jako ograniczenie badania podawany jest także współczynnik bezpieczeństwa.Patrz tabela ze współczynnikiem bezpieczeństwa.Wartości energii uzyskane za pomocą BA porównuje się z wartościami uzyskanymi metodą 5 DOE w tabeli 5. (Dla ułatwienia produkcji liczba zwojów (N) sprężyny skrętowej wynosi 4,9 zamiast 4,88, a ugięcie (xd ) wynosi 8 mm zamiast 7,99 mm w sprężynie naciskowej.) Można zauważyć, że BA jest lepszym wynikiem.BA ocenia wszystkie wartości poprzez wyszukiwania lokalne i globalne.W ten sposób będzie mógł szybciej wypróbować więcej alternatyw.
W tym badaniu Adams został wykorzystany do analizy ruchu mechanizmu skrzydeł.Adams najpierw otrzymuje model 3D mechanizmu.Następnie zdefiniuj sprężynę z parametrami wybranymi w poprzedniej sekcji.Ponadto na potrzeby rzeczywistej analizy należy zdefiniować inne parametry.Są to parametry fizyczne, takie jak połączenia, właściwości materiału, kontakt, tarcie i grawitacja.Pomiędzy wałem ostrza a łożyskiem znajduje się złącze obrotowe.Istnieje 5-6 połączeń cylindrycznych.Istnieje 5-1 stałych połączeń.Korpus główny wykonany jest z aluminium i zamocowany na stałe.Materiał pozostałych części to stal.Dobierz współczynnik tarcia, sztywność styku i głębokość penetracji powierzchni ciernej w zależności od rodzaju materiału.(stal nierdzewna AISI 304) W tym badaniu parametrem krytycznym jest czas otwarcia mechanizmu skrzydła, który musi być mniejszy niż 200 ms.Dlatego podczas analizy należy zwracać uwagę na czas otwarcia skrzydła.
Z analizy Adamsa wynika, że ​​czas otwarcia mechanizmu skrzydła wynosi 74 milisekundy.Wyniki symulacji dynamicznej od 1 do 4 przedstawiono na rysunku 7. Pierwszy obraz 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 położenie skrzydła po 71 milisekundach.Również na ostatnim zdjęciu (4) widać koniec obrotu skrzydła i położenie otwarte.W wyniku analizy dynamicznej stwierdzono, że mechanizm otwierania skrzydła jest znacznie krótszy od wartości docelowej wynoszącej 200 ms.Dodatkowo przy wymiarowaniu sprężyn wybrano granice bezpieczeństwa spośród najwyższych wartości zalecanych w literaturze.
Po zakończeniu wszystkich badań projektowych, optymalizacyjnych i symulacyjnych wykonano i zintegrowano prototyp mechanizmu.Następnie prototyp poddano testom w celu sprawdzenia wyników symulacji.Najpierw zabezpiecz skorupę główną i złóż skrzydła.Następnie skrzydła zwolniono z pozycji złożonej i nakręcono film przedstawiający obrót skrzydeł z pozycji złożonej do pozycji rozłożonej.Timer służył także do analizy czasu podczas nagrywania wideo.
Na ryc.8 przedstawia klatki wideo ponumerowane 1-4.Klatka nr 1 na rysunku przedstawia moment rozłożenia złożonych skrzydeł.Moment ten uważany jest za moment początkowy czasu t0.Ramki 2 i 3 przedstawiają położenie skrzydeł 40 ms i 70 ms od momentu początkowego.Analizując klatki 3 i 4 można zauważyć, że ruch skrzydła stabilizuje się 90 ms po t0, a otwarcie skrzydła zostaje zakończone pomiędzy 70 a 90 ms.Sytuacja ta oznacza, że ​​zarówno symulacja, jak i badania prototypu dają w przybliżeniu taki sam czas rozłożenia skrzydła, a konstrukcja spełnia wymagania eksploatacyjne mechanizmu.
W tym artykule sprężyny skrętowe i dociskowe stosowane w mechanizmie składania skrzydeł są optymalizowane przy użyciu BA.Parametry można osiągnąć szybko w kilku iteracjach.Sprężyna skrętowa ma siłę znamionową 1075 mJ, a sprężyna naciskowa 37,24 mJ.Wartości te są o 40-50% lepsze niż poprzednie badania DOE.Sprężyna jest zintegrowana z mechanizmem i analizowana w programie ADAMS.Analiza wykazała, że ​​skrzydła otworzyły się w ciągu 74 milisekund.Wartość ta jest znacznie niższa od docelowej wartości projektu wynoszącej 200 milisekund.W kolejnym badaniu eksperymentalnym zmierzono czas włączenia na około 90 ms.Ta 16-milisekundowa różnica między analizami może wynikać z czynników środowiskowych, które nie są modelowane w oprogramowaniu.Uważa się, że uzyskany w wyniku badań algorytm optymalizacji można zastosować do różnych konstrukcji sprężyn.
Materiał sprężyny został wcześniej zdefiniowany i nie został użyty jako zmienna w optymalizacji.Ponieważ w samolotach i rakietach stosuje się wiele różnych typów sprężyn, BA zostanie zastosowana do projektowania innych typów sprężyn przy użyciu różnych materiałów, aby w przyszłych badaniach osiągnąć optymalną konstrukcję sprężyny.
Oświadczamy, że niniejszy rękopis jest oryginalny, nie był wcześniej publikowany i nie jest obecnie rozważany do publikacji w innym miejscu.
Wszystkie dane wygenerowane lub przeanalizowane w tym badaniu znajdują się w tym opublikowanym artykule [oraz dodatkowym pliku informacyjnym].
Min, Z., Kin, VK i Richard, LJ Samolot Modernizacja koncepcji płata poprzez radykalne zmiany geometryczne.IES J. Część A Cywilizacja.mieszanina.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.Nauka Biomedyczna.Alma Mater.94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. i Zhang, F. Projekt i analiza składanego mechanizmu napędowego dla podwodnego szybowca z napędem hybrydowym.Inżynieria oceaniczna 119, 125–134 (2016).
Kartik, HS i Prithvi, K. Projektowanie i analiza mechanizmu składania stabilizatora poziomego helikoptera.wewnętrzny J.Inż.Zbiornik.technologie.(IGERT) 9(05), 110–113 (2020).
Kulunk, Z. i Sahin, M. Optymalizacja parametrów mechanicznych konstrukcji składanego skrzydła rakiety przy użyciu podejścia do projektowania eksperymentów.wewnętrzny J. Model.optymalizacja.9 ust. 2, 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. i Hu, Metoda projektowania XD, badanie wydajności i proces produkcyjny kompozytowych sprężyn śrubowych: przegląd.komponować.mieszanina.252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. i Khaddar M. Optymalizacja dynamicznego projektowania sprężyn śrubowych.Złóż wniosek o dźwięk.77, 178–183 (2014).
Paredes, M., Sartor, M. i Mascle, K. Procedura optymalizacji konstrukcji sprężyn naciągowych.komputer.zastosowanie metody.futro.projekt.191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. i Trochu F. Optymalne projektowanie kompozytowych sprężyn śrubowych z wykorzystaniem optymalizacji wieloobiektowej.J. Reinf.Plastikowy.komponować.28 (14), 1713–1732 (2009).
Pawart, HB i Desale, DD Optymalizacja sprężyn śrubowych przedniego zawieszenia pojazdu trójkołowego.proces.producent.20, 428–433 (2018).
Bahshesh M. i Bahshesh M. Optymalizacja stalowych sprężyn śrubowych za pomocą sprężyn kompozytowych.wewnętrzny J. Multidyscyplinarny.nauka.projekt.3(6), 47–51 (2012).
Chen, L. i in.Dowiedz się o wielu parametrach wpływających na działanie statyczne i dynamiczne kompozytowych sprężyn śrubowych.J. Rynek.Zbiornik.20, 532–550 (2022).
Frank, J. Analiza i optymalizacja kompozytowych sprężyn śrubowych, praca doktorska, Sacramento State University (2020).
Gu, Z., Hou, X. i Ye, J. Metody projektowania i analizy nieliniowych sprężyn śrubowych przy użyciu kombinacji metod: analizy elementów skończonych, próbkowania ograniczonego do łacińskiego hipersześcianu i programowania genetycznego.proces.Instytut Futra.projekt.CJ Mecha.projekt.nauka.235(22), 5917–5930 (2021).
Wu, L. i in.Wielożyłowe sprężyny śrubowe z włókna węglowego o regulowanym naprężeniu: badanie projektu i mechanizmu.J. Rynek.Zbiornik.9 ust. 3, 5067–5076 (2020).
Patil DS, Mangrulkar KS i Jagtap ST Optymalizacja masy sprężyn śrubowych ściskanych.wew. J. Innov.Zbiornik.Multidyscyplinarny.2(11), 154–164 (2016).
Rahul, MS i Rameshkumar, K. Uniwersalna optymalizacja i symulacja numeryczna sprężyn śrubowych do zastosowań motoryzacyjnych.Alma Mater.proces dzisiaj.46, 4847–4853 (2021).
Bai, JB i in.Definiowanie najlepszych praktyk – optymalne projektowanie kompozytowych struktur śrubowych z wykorzystaniem algorytmów genetycznych.komponować.mieszanina.268, 113982 (2021).
Shahin, I., Dorterler, M. i Gokche, H. Korzystanie z metody optymalizacji 灰狼 opartej na optymalizacji minimalnej objętości konstrukcji sprężyny naciskowej, Ghazi J. Engineering Science, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. i Sait, SM Metaheuristics wykorzystujący wiele agentów do optymalizacji awarii.wewnętrzny J. Veh.grudzień80(2–4), 223–240 (2019).
Yildyz, AR i Erdash, MU Nowy hybrydowy algorytm optymalizacji grup Taguchi-salpa do niezawodnego projektowania rzeczywistych problemów inżynierskich.Alma Mater.test.63 ust. 2, 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR i Sait SM Niezawodny projekt mechanizmów robotycznych chwytaków z wykorzystaniem nowego algorytmu optymalizacji hybrydowego konika polnego.ekspert.system.38 ust. 3, e12666 (2021).