AISI 304/304L Neoksidebla ŝtalo bobena tubo kemia komponanto, Optimumigo de Faldeblaj Flugilaj Printempaj Parametroj Uzante la Algoritmon de Mielabelo

Dankon pro vizito de Nature.com.Vi uzas retumilon kun limigita CSS-subteno.Por la plej bona sperto, ni rekomendas, ke vi uzu ĝisdatigitan retumilon (aŭ malŝaltu Kongruo-Reĝimon en Internet Explorer).Krome, por certigi daŭran subtenon, ni montras la retejon sen stiloj kaj JavaScript.
Glitiloj montrante tri artikolojn per diapozitivo.Uzu la malantaŭan kaj sekvan butonojn por moviĝi tra la lumbildoj, aŭ la butonojn de glit-regiloj ĉe la fino por moviĝi tra ĉiu lumbildo.

AISI 304/304L Neoksidebla ŝtalo kapilara volvita tubo

AISI 304 neoksidebla ŝtala bobeno estas ĉiucela produkto kun bonega rezisto kaj ĝi taŭgas por ampleksa vario de aplikoj, kiuj postulas bonan formablecon kaj veldeblecon.

Sheye Metalo stokas 304 bobenojn en 0.3mm ĝis 16mm dikeco kaj 2B-finpoluro, BA-finpoluro, No.4-finpoluro estas ĉiam haveblaj.

Apud la tri specoj de surfacoj, 304 neoksidebla ŝtala bobeno povas esti liverita kun diversaj surfacaj finaĵoj.Grado 304 rustorezista enhavas kaj Cr (kutime 18%) kaj nikelon (kutime 8%) metalojn kiel la ĉefaj ne-feraj eroj.

Ĉi tiu speco de bobenoj estas tipe aŭstenita neoksidebla ŝtalo, apartenas al la norma Cr-Ni neoksidebla ŝtalo familio.

Ili estas tipe uzataj por hejmaj kaj konsumvaroj, kuirejaj ekipaĵoj, endomaj kaj subĉielaj tegaĵoj, manretoj kaj fenestraj kadroj, manĝaĵoj kaj trinkaĵindustriaj ekipaĵoj, stokujoj.

En ĉi tiu studo, la dezajno de la tordaj kaj kunpremaj risortoj de la flugila faldmekanismo uzata en la raketo estas konsiderata kiel optimumiga problemo.Post kiam la raketo forlasas la lanĉtubon, la fermitaj flugiloj devas esti malfermitaj kaj sekurigitaj dum certa tempo.La celo de la studo estis maksimumigi la energion stokitan en la fontoj tiel ke la flugiloj povis deploji en la plej mallonga ebla tempo.En ĉi tiu kazo, la energia ekvacio en ambaŭ publikaĵoj estis difinita kiel la objektiva funkcio en la optimumiga procezo.La dratdiametro, bobendiametro, nombro da bobenoj, kaj deklinaj parametroj necesaj por la printempa dezajno estis difinitaj kiel optimumigaj variabloj.Ekzistas geometriaj limoj sur la variabloj pro la grandeco de la mekanismo, same kiel limoj sur la sekurecfaktoro pro la ŝarĝo portita per la risortoj.La algoritmo de mielabelo (BA) estis uzata por solvi ĉi tiun optimumigan problemon kaj plenumi la printempan dezajnon.La energiaj valoroj akiritaj kun BA estas pli bonaj ol tiuj akiritaj de antaŭaj studoj pri Dezajno de Eksperimentoj (DOE).Risortoj kaj mekanismoj dizajnitaj uzante la parametrojn akiritajn de la optimumigo unue estis analizitaj en la ADAMS-programo.Post tio, eksperimentaj provoj estis faritaj per integrado de la fabrikitaj risortoj en realajn mekanismojn.Kiel rezulto de la testo, estis observite ke la flugiloj malfermiĝis post proksimume 90 milisekundoj.Ĉi tiu valoro estas multe sub la celo de la projekto de 200ms.Krome, la diferenco inter la analizaj kaj eksperimentaj rezultoj estas nur 16 ms.
En aviadiloj kaj maraj veturiloj, faldeblaj mekanismoj estas kritikaj.Tiuj sistemoj estas uzitaj en aviadilmodifoj kaj konvertiĝoj por plibonigi flugefikecon kaj kontrolon.Depende de la flugreĝimo, la flugiloj faldiĝas kaj disvolvas alimaniere por redukti aerdinamikan efikon1.Ĉi tiu situacio povas esti komparita kun la movoj de la flugiloj de kelkaj birdoj kaj insektoj dum ĉiutaga flugo kaj plonĝado.Simile, glisaviadiloj faldiĝas kaj disvolviĝas en subakvigiloj por redukti hidrodinamikajn efikojn kaj maksimumigi uzadon3.Ankoraŭ alia celo de tiuj mekanismoj estas disponigi volumetrajn avantaĝojn al sistemoj kiel ekzemple la faldado de helikopterhelico 4 por stokado kaj transporto.La flugiloj de la raketo ankaŭ faldiĝas malsupren por redukti stokspacon.Tiel, pli da misiloj povas esti metitaj sur pli malgrandan areon de la lanĉilo 5. La komponantoj, kiuj estas uzataj efike por faldi kaj disfaldi, kutime estas risortoj.En la momento de faldado, energio estas stokita en ĝi kaj liberigita en la momento de disfaldado.Pro ĝia fleksebla strukturo, stokita kaj liberigita energio estas egaligita.La printempo estas ĉefe desegnita por la sistemo, kaj ĉi tiu dezajno prezentas optimumigan problemon6.Ĉar dum ĝi inkluzivas diversajn variablojn kiel dratdiametron, bobenan diametron, nombron da turnoj, heliksan angulon kaj specon de materialo, ekzistas ankaŭ kriterioj kiel maso, volumeno, minimuma streĉa distribuo aŭ maksimuma energia havebleco7.
Ĉi tiu studo ĵetas lumon sur la dezajno kaj optimumigo de risortoj por flugilaj faldmekanismoj uzitaj en raketsistemoj.Estante ene de la lanĉtubo antaŭ la flugo, la flugiloj restas falditaj sur la surfaco de la raketo, kaj post eliro de la lanĉtubo, ili disvolviĝas por certa tempo kaj restas premitaj al la surfaco.Ĉi tiu procezo estas kritika por la bonorda funkciado de la raketo.En la evoluinta faldmekanismo, la malfermo de la flugiloj estas efektivigita per tordaj risortoj, kaj la ŝlosado estas farita per kunpremaj risortoj.Por desegni taŭgan fonton, oni devas fari optimumigan procezon.Ene de printempa optimumigo, ekzistas diversaj aplikoj en la literaturo.
Paredes et al.8 difinis la maksimuman lacecan vivfaktoron kiel objektivan funkcion por la dezajno de helikformaj risortoj kaj uzis la kvazaŭ-Newtonian metodon kiel optimumigan metodon.Variabloj en optimumigo estis identigitaj kiel dratdiametro, bobendiametro, nombro da turnoj, kaj printempa longo.Alia parametro de la printempa strukturo estas la materialo, el kiu ĝi estas farita.Tial ĉi tio estis konsiderata en la studoj pri dezajno kaj optimumigo.Zebdi et al.9 starigis celojn de maksimuma rigideco kaj minimuma pezo en la objektiva funkcio en ilia studo, kie la pezofaktoro estis signifa.En ĉi tiu kazo, ili difinis la printempan materialon kaj geometriajn trajtojn kiel variablojn.Ili uzas genetikan algoritmon kiel optimumigan metodon.En la aŭtindustrio, la pezo de materialoj estas utila en multaj manieroj, de veturila efikeco ĝis fuelkonsumo.Minimumigo de pezo dum optimumigado de bobenaj risortoj por suspendo estas konata studo10.Bahshesh kaj Bahshesh11 identigis materialojn kiel ekzemple E-vitro, karbono kaj Kevlaro kiel variabloj en sia laboro en la ANSYS-medio kun la celo de atingado de minimuma pezo kaj maksimuma tirstreĉo-rezisto en diversaj pendaj printempaj kunmetaĵdezajnoj.La produktadprocezo estas kritika en la evoluo de kunmetitaj risortoj.Tiel, diversaj variabloj eniras en optimumiga problemo, kiel ekzemple la produktadmetodo, la paŝoj faritaj en la procezo, kaj la sekvenco de tiuj paŝoj12,13.Dum dizajnado de risortoj por dinamikaj sistemoj, la naturaj frekvencoj de la sistemo devas esti konsiderataj.Oni rekomendas, ke la unua natura frekvenco de la printempo estu almenaŭ 5-10 fojojn la natura ofteco de la sistemo por eviti resonancon14.Taktak et al.7 decidis minimumigi la mason de la fonto kaj maksimumigi la unuan naturan frekvencon kiel objektivaj funkcioj en la bobenfonta dezajno.Ili uzis padronserĉon, internan punkton, aktivan aron kaj genetikajn algoritmojn en la Matlab-optimumiga ilo.Analiza esplorado estas parto de printempa desegna esplorado, kaj la Fina Elementa Metodo estas populara en ĉi tiu areo15.Patil et al.16 evoluigis optimumigan metodon por redukti la pezon de kunprema helikforma risorto uzante analizan proceduron kaj testis la analizajn ekvaciojn uzante la finielementan metodon.Alia kriterio por pliigi la utilecon de risorto estas la pliiĝo de la energio, kiun ĝi povas stoki.Ĉi tiu kazo ankaŭ certigas, ke la fonto konservas sian utilecon dum longa tempo.Rahul kaj Rameshkumar17 Serĉas redukti printempan volumon kaj pliigi streĉan energion en aŭtomobilaj bobenaj risortaj dezajnoj.Ili ankaŭ uzis genetikajn algoritmojn en optimumiga esplorado.
Kiel videblas, la parametroj en la optimumiga studo varias de sistemo al sistemo.Ĝenerale, rigideco kaj tonda streĉoparametroj estas gravaj en sistemo kie la ŝarĝo kiun ĝi portas estas la determina faktoro.Materiala elekto estas inkluzivita en la pezlima sistemo kun ĉi tiuj du parametroj.Aliflanke, naturaj frekvencoj estas kontrolitaj por eviti resonancojn en tre dinamikaj sistemoj.En sistemoj kie utileco gravas, energio estas maksimumigita.En optimumigstudoj, kvankam la FEM estas uzita por analizaj studoj, povas esti vidite ke metaheuristikaj algoritmoj kiel ekzemple la genetika algoritmo14,18 kaj la griza lupalgoritmo19 estas uzitaj kune kun la klasika Neŭtona metodo ene de gamo da certaj parametroj.Metaheuristikaj algoritmoj estis evoluigitaj surbaze de naturaj adaptaj metodoj, kiuj alproksimiĝas al la optimuma stato en mallonga tempodaŭro, precipe sub la influo de la loĝantaro20,21.Kun hazarda distribuo de la loĝantaro en la serĉareo, ili evitas lokajn optimumojn kaj moviĝas al tutmondaj optimumoj22.Tiel, en la lastaj jaroj ĝi estis ofte uzata en la kunteksto de realaj industriaj problemoj23,24.
La kritika kazo por la faldmekanismo evoluigita en ĉi tiu studo estas ke la flugiloj, kiuj estis en la fermita pozicio antaŭ flugo, malfermiĝas certan tempon post forlasado de la tubo.Post tio, la ŝlosila elemento blokas la flugilon.Tial, la risortoj ne rekte influas la flugdinamikon.En ĉi tiu kazo, la celo de la optimumigo estis maksimumigi la stokitan energion por akceli la movadon de la fonto.Rulo-diametro, drato-diametro, nombro da ruloj kaj deflankiĝo estis difinitaj kiel optimumigaj parametroj.Pro la malgranda grandeco de la fonto, pezo ne estis konsiderata celo.Tial, la materiala tipo estas difinita kiel fiksa.La marĝeno de sekureco por mekanikaj deformadoj estas determinita kiel kritika limigo.Krome, variaj grandecaj limoj estas implikitaj en la amplekso de la mekanismo.La BA metaheurisma metodo estis elektita kiel la optimumiga metodo.BA estis favorata pro sia fleksebla kaj simpla strukturo, kaj pro siaj progresoj en mekanika optimumigo-esplorado25.En la dua parto de la studo, detalaj matematikaj esprimoj estas inkluditaj en la kadro de la baza dezajno kaj printempa dezajno de la faldmekanismo.La tria parto enhavas la optimumigan algoritmon kaj optimumigajn rezultojn.Ĉapitro 4 faras analizon en la programo ADAMS.La taŭgeco de la risortoj estas analizita antaŭ produktado.La lasta sekcio enhavas eksperimentajn rezultojn kaj testajn bildojn.La rezultoj akiritaj en la studo ankaŭ estis komparitaj kun la antaŭa laboro de la aŭtoroj uzante la DOE-aliron.
La flugiloj evoluigitaj en ĉi tiu studo devus faldi al la surfaco de la raketo.Flugiloj rotacias de faldita al disfaldita pozicio.Por tio, speciala mekanismo estis evoluigita.Sur fig.1 montras la faldita kaj disfaldita agordo5 en la raketa koordinatsistemo.
Sur fig.2 montras sekcan vidon de la mekanismo.La mekanismo konsistas el pluraj mekanikaj partoj: (1) ĉefkorpo, (2) flugilŝafto, (3) lagro, (4) serurkorpo, (5) serurarbusto, (6) haltpinglo, (7) torda risorto kaj ( 8 ) kunpremaj risortoj.La flugilŝafto (2) estas konektita al la torda risorto (7) tra la ŝlosa maniko (4).Ĉiuj tri partoj rotacias samtempe post kiam la raketo ekflugas.Kun ĉi tiu rotacia movado, la flugiloj turnas al sia fina pozicio.Post tio, la pinglo (6) estas funkciigita per la kunprema risorto (8), tiel blokante la tutan mekanismon de la ŝlosa korpo (4)5.
Elasta modulo (E) kaj tondomodulo (G) estas esencaj dezajnoparametroj de la fonto.En ĉi tiu studo, alta karbona printempa ŝtala drato (Muzika drato ASTM A228) estis elektita kiel la printempa materialo.Aliaj parametroj estas dratdiametro (d), averaĝa bobena diametro (Dm), nombro da bobenoj (N) kaj risorta deklino (xd por kunpremaj risortoj kaj θ por torsisortoj)26.La stokita energio por kunpremaj risortoj \({(SE}_{x})\) kaj torsisortoj (\({SE}_{\theta}\)) povas esti kalkulita de la ekvacio.(1) kaj (2)26.(La tondmodulo (G) valoro por la kunpremadrisorto estas 83.7E9 Pa, kaj la elasta modulo (E) valoro por la tordrisorto estas 203.4E9 Pa. )
La mekanikaj grandecoj de la sistemo rekte determinas la geometriajn limojn de la fonto.Krome, la kondiĉoj en kiuj la raketo troviĝos ankaŭ devus esti konsiderataj.Ĉi tiuj faktoroj determinas la limojn de la printempaj parametroj.Alia grava limigo estas la sekureca faktoro.La difino de sekureca faktoro estas detale priskribita de Shigley et al.26.La kunprema fonta sekurecfaktoro (SFC) estas difinita kiel la maksimuma alleblas streĉo dividita per la streso super la kontinua longo.SFC povas esti kalkulita uzante ekvaciojn.(3), (4), (5) kaj (6)26.(Por la printempa materialo uzata en ĉi tiu studo, \({S}_{sy}=980 MPa\)).F reprezentas la forton en la ekvacio kaj KB reprezentas la Bergstrasser-faktoron de 26.
La torda sekurecfaktoro de risorto (SFT) estas difinita kiel M dividita per k.SFT povas esti kalkulita de la ekvacio.(7), (8), (9) kaj (10)26.(Por la materialo uzata en ĉi tiu studo, \({S}_{y}=1600 \mathrm{MPa}\)).En la ekvacio, M estas uzata por tordmomanto, \({k}^{^{\prime}}\) estas uzata por printempa konstanto (tordmomanto/rotacio), kaj Ki estas uzata por streĉa korekta faktoro.
La ĉefa optimumiga celo en ĉi tiu studo estas maksimumigi la energion de la fonto.La objektiva funkcio estas formulita por trovi \(\overrightarrow{\{X\}}\) kiu maksimumigas \(f(X)\).\({f}_{1}(X)\) kaj \({f}_{2}(X)\) estas la energiaj funkcioj de la kunpremo kaj torda risorto, respektive.La kalkulitaj variabloj kaj funkcioj uzataj por optimumigo estas montritaj en la sekvaj ekvacioj.
La diversaj limoj metitaj sur la dezajnon de la fonto estas donitaj en la sekvaj ekvacioj.Ekvacioj (15) kaj (16) reprezentas la sekurecfaktorojn por kunpremado kaj tordrisortoj, respektive.En ĉi tiu studo, SFC devas esti pli granda ol aŭ egala al 1.2 kaj SFT devas esti pli granda ol aŭ egala al θ26.
BA estis inspirita de la polenserĉaj strategioj de abeloj27.Abeloj serĉas sendante pli da furaĝantoj al fekundaj polenkampoj kaj malpli da furaĝantoj al malpli fekundaj polenkampoj.Tiel, la plej granda efikeco de la abelpopulacio estas atingita.Aliflanke, skoltaj abeloj daŭre serĉas novajn areojn de poleno, kaj se estas pli produktivaj areoj ol antaŭe, multaj furaĝistoj estos direktitaj al ĉi tiu nova areo28.BA konsistas el du partoj: loka serĉo kaj tutmonda serĉo.Loka serĉo serĉas pli da komunumoj proksime de la minimumo (elitaj retejoj), kiel abeloj, kaj malpli en aliaj retejoj (optimumaj aŭ elstaraj retejoj).Arbitra serĉo estas farita en la tutmonda serĉparto, kaj se bonaj valoroj estas trovitaj, la stacioj estas movitaj al la loka serĉparto en la sekva ripeto.La algoritmo enhavas kelkajn parametrojn: la nombro da skoltaj abeloj (n), la nombro da lokaj serĉejoj (m), la nombro da elitaj ejoj (e), la nombro da furaĝantoj en elitaj ejoj (nep), la nombro da furaĝantoj en optimumaj areoj.Ejo (nsp), najbara grandeco (ngh), kaj nombro da ripetoj (I)29.La BA-pseŭdokodo estas montrita en Figuro 3.
La algoritmo provas funkcii inter \({g}_{1}(X)\) kaj \({g}_{2}(X)\).Kiel rezulto de ĉiu ripeto, optimumaj valoroj estas determinitaj kaj populacio estas kolektita ĉirkaŭ ĉi tiuj valoroj por provi akiri la plej bonajn valorojn.Limigoj estas kontrolitaj en la lokaj kaj tutmondaj serĉsekcioj.En loka serĉo, se ĉi tiuj faktoroj taŭgas, la energivaloro estas kalkulita.Se la nova energivaloro estas pli granda ol la optimuma valoro, asignu la novan valoron al la optimuma valoro.Se la plej bona valoro trovita en la serĉrezulto estas pli granda ol la nuna elemento, la nova elemento estos inkluzivita en la kolekto.La blokdiagramo de la loka serĉo estas montrita en Figuro 4.
Populacio estas unu el la ŝlosilaj parametroj en BA.Oni povas vidi el antaŭaj studoj, ke vastigi la populacion reduktas la nombron da ripetoj necesaj kaj pliigas la probablecon de sukceso.Tamen, la nombro da funkciaj taksoj ankaŭ pliiĝas.La ĉeesto de granda nombro da elitaj retejoj ne signife influas rendimenton.La nombro da elitaj retejoj povas esti malalta se ĝi ne estas nulo30.La grandeco de la skolta abelpopulacio (n) estas kutime elektita inter 30 kaj 100. En ĉi tiu studo, ambaŭ 30 kaj 50 scenaroj estis kuritaj por determini la taŭgan nombron (Tabelo 2).Aliaj parametroj estas determinitaj depende de la loĝantaro.La nombro da elektitaj ejoj (m) estas (proksimume) 25% de la populaciograndeco, kaj la nombro da elitaj ejoj (e) inter la elektitaj ejoj estas 25% de m.La nombro da manĝaj abeloj (nombro da serĉoj) estis elektita por esti 100 por elitaj intrigoj kaj 30 por aliaj lokaj intrigoj.Najbara serĉo estas la baza koncepto de ĉiuj evoluaj algoritmoj.En ĉi tiu studo, la metodo de mallarĝa najbaroj estis uzata.Ĉi tiu metodo reduktas la grandecon de la najbareco kun certa rapideco dum ĉiu ripeto.En estontaj ripetoj, pli malgrandaj najbaraj valoroj30 povas esti uzataj por pli preciza serĉo.
Por ĉiu scenaro, dek sinsekvaj testoj estis faritaj por kontroli la reprodukteblecon de la optimumiga algoritmo.Sur fig.5 montras la rezultojn de optimumigo de la torda risorto por skemo 1, kaj en fig.6 - por skemo 2. Testaj datumoj ankaŭ estas donitaj en tabeloj 3 kaj 4 (tabelo enhavanta la rezultojn akiritajn por la kunprema risorto estas en Suplementa Informo S1).La abelpopulacio intensigas la serĉon de bonaj valoroj en la unua ripeto.En scenaro 1, la rezultoj de iuj provoj estis sub la maksimumo.En Scenaro 2, oni povas vidi, ke ĉiuj optimumigrezultoj alproksimiĝas al la maksimumo pro la kresko de loĝantaro kaj aliaj rilataj parametroj.Oni povas vidi, ke la valoroj en Scenaro 2 sufiĉas por la algoritmo.
Akirante la maksimuman valoron de energio en ripetoj, sekurecfaktoro ankaŭ estas disponigita kiel limo por la studo.Vidu tabelon por sekureca faktoro.La energiaj valoroj akiritaj per BA estas komparitaj kun tiuj akiritaj per la 5 DOE-metodo en Tabelo 5. (Por facileco de fabrikado, la nombro da turnoj (N) de la torda risorto estas 4.9 anstataŭ 4.88, kaj la deklino (xd). ) estas 8 mm anstataŭ 7,99 mm en la kunprema risorto.) Oni povas vidi, ke BA estas pli bona Rezulto.BA taksas ĉiujn valorojn per lokaj kaj tutmondaj serĉoj.Tiel li povas provi pli da alternativoj pli rapide.
En ĉi tiu studo, Adams kutimis analizi la movadon de la flugilmekanismo.Adams unue ricevas 3D modelon de la mekanismo.Tiam difinu risorton kun la parametroj elektitaj en la antaŭa sekcio.Krome, iuj aliaj parametroj devas esti difinitaj por la fakta analizo.Ĉi tiuj estas fizikaj parametroj kiel ligoj, materialaj trajtoj, kontakto, frotado kaj gravito.Estas turniĝanta junto inter la klingoŝakto kaj la lagro.Estas 5-6 cilindraj juntoj.Estas 5-1 fiksaj juntoj.La ĉefa korpo estas farita el aluminio materialo kaj fiksita.La materialo de la ceteraj partoj estas ŝtalo.Elektu la koeficienton de frotado, kontaktorigideco kaj profundo de penetro de la frota surfaco depende de la tipo de materialo.(neoksidebla ŝtalo AISI 304) En ĉi tiu studo, la kritika parametro estas la malferma tempo de la flugila mekanismo, kiu devas esti malpli ol 200 ms.Sekve, rigardu la flugilmalferman tempon dum la analizo.
Kiel rezulto de la analizo de Adams, la malfermtempo de la flugilmekanismo estas 74 milisekundoj.La rezultoj de dinamika simulado de 1 ĝis 4 estas montritaj en Figuro 7. La unua bildo en Figuro.5 estas la simulada komenca tempo kaj la flugiloj estas en la atenda pozicio por faldado.(2) Montras la pozicion de la flugilo post 40ms kiam la flugilo turniĝis 43 gradojn.(3) montras la pozicion de la flugilo post 71 milisekundoj.Ankaŭ en la lasta bildo (4) montras la finon de la turniĝo de la flugilo kaj la malferma pozicio.Kiel rezulto de dinamika analizo, estis observite ke la flugila malferma mekanismo estas signife pli mallonga ol la celvaloro de 200 ms.Krome, dum la grandeco de la risortoj, la sekurecaj limoj estis elektitaj el la plej altaj valoroj rekomenditaj en la literaturo.
Post kompletigo de ĉiuj studoj pri dezajno, optimumigo kaj simulado, prototipo de la mekanismo estis produktita kaj integrita.La prototipo tiam estis testita por kontroli la simuladrezultojn.Unue sekurigu la ĉefan ŝelon kaj faldu la flugilojn.Tiam la flugiloj estis liberigitaj de la faldita pozicio kaj video estis farita de la rotacio de la flugiloj de la faldita pozicio al la deplojita.La tempigilo ankaŭ estis uzita por analizi tempon dum videoregistrado.
Sur fig.8 montras videokadrojn numeritajn 1-4.Kadro numero 1 en la figuro montras la momenton de liberigo de la falditaj flugiloj.Ĉi tiu momento estas konsiderata la komenca momento de tempo t0.Kadroj 2 kaj 3 montras la poziciojn de la flugiloj 40 m kaj 70 m post la komenca momento.Kiam oni analizas kadrojn 3 kaj 4, oni povas vidi, ke la movo de la flugilo stabiligas 90 ms post t0, kaj la malfermo de la flugilo estas kompletigita inter 70 kaj 90 ms.Ĉi tiu situacio signifas, ke kaj simulado kaj prototiptestado donas proksimume la saman flugilan deplojtempon, kaj la dezajno renkontas la agadopostulojn de la mekanismo.
En ĉi tiu artikolo, la tordo- kaj kunpremadrisortoj uzitaj en la flugila faldmekanismo estas optimumigitaj uzante BA.La parametroj povas esti atingitaj rapide per malmultaj ripetoj.La tordrisorto estas taksita je 1075 mJ kaj la kunpremadrisorto estas taksita je 37.24 mJ.Ĉi tiuj valoroj estas 40-50% pli bonaj ol antaŭaj studoj de DOE.La fonto estas integrita en la mekanismon kaj analizita en la programo ADAMS.Se analizite, estis trovite ke la flugiloj malfermiĝis ene de 74 milisekundoj.Ĉi tiu valoro estas multe sub la celo de la projekto de 200 milisekundoj.En posta eksperimenta studo, la enŝaltotempo estis mezurita por esti proksimume 90 ms.Ĉi tiu 16 milisekunda diferenco inter analizoj povas ŝuldiĝi al mediaj faktoroj ne modeligitaj en la programaro.Oni kredas, ke la optimumiga algoritmo akirita kiel rezulto de la studo povas esti uzata por diversaj printempaj dezajnoj.
La printempa materialo estis antaŭdifinita kaj ne estis uzata kiel variablo en la optimumigo.Ĉar multaj malsamaj specoj de risortoj estas uzitaj en aviadiloj kaj raketoj, BA estos aplikita por dizajni aliajn specojn de risortoj uzante malsamajn materialojn por atingi optimuman printempan dezajnon en estonta esplorado.
Ni deklaras ke ĉi tiu manuskripto estas originala, ne estis antaŭe publikigita, kaj ne estas nuntempe konsiderata por publikigo aliloke.
Ĉiuj datumoj generitaj aŭ analizitaj en ĉi tiu studo estas inkluzivitaj en ĉi tiu publikigita artikolo [kaj plia informdosiero].
Min, Z., Kin, VK kaj Richard, LJ Aircraft Modernigo de la aertavoleta koncepto tra radikalaj geometriaj ŝanĝoj.IES J. Parto A Civilizo.kunmetaĵo.projekto.3 (3), 188-195 (2010).
Suno, J., Liu, K. kaj Bhushan, B. Superrigardo de la malantaŭa flugilo de la skarabo: strukturo, mekanikaj trajtoj, mekanismoj kaj biologia inspiro.J. Mecha.Konduto.Biomedicina Scienco.studuniversitato.94, 63–73 (2019).
Chen, Z. , Yu, J. , Zhang, A., kaj Zhang, F. Dezajno kaj analizo de faldebla propulsmekanismo por hibrida funkciigita subakva glisaviadilo.Ocean Engineering 119, 125-134 (2016).
Kartik, HS kaj Prithvi, K. Design and Analysis of a Helicopter Horizontal Stabilizer Folding Mechanism.interna J. Inĝ.stokujo.teknologioj.(IGERT) 9(05), 110–113 (2020).
Kulunk, Z. kaj Sahin, M. Optimumigo de la mekanikaj parametroj de faldebla raketa flugildezajno uzante eksperimentdezajnaliron.interna J. Modelo.optimumigo.9 (2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Design Method, Performance Study, and Manufacturing Process of Composite Coil Springs: Revizio.komponi.kunmetaĵo.252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. kaj Khaddar M. Dinamika dezajnooptimumigo de volvaĵrisortoj.Petu por sono.77, 178-183 (2014).
Paredes, M., Sartor, M., kaj Mascle, K. Proceduro por optimumigi la dezajnon de streĉrisortoj.komputilo.apliko de la metodo.felo.projekto.191 (8-10), 783-797 (2001).
Zebdi O., Bouhili R. kaj Trochu F. Optimuma dezajno de kunmetitaj helikformaj risortoj uzanta multiobjektivan optimumigon.J. Reinf.plasto.komponi.28 (14), 1713–1732 (2009).
Pawart, HB kaj Desale, DD Optimumigo de triciklaj antaŭpendaj bobenrisortoj.procezo.fabrikanto.20, 428–433 (2018).
Bahshesh M. kaj Bahshesh M. Optimumigo de ŝtalaj volvaĵrisortoj kun kunmetitaj risortoj.interna J. Plurdisciplina.la scienco.projekto.3 (6), 47–51 (2012).
Chen, L. et al.Lernu pri la multoblaj parametroj, kiuj influas la statikan kaj dinamikan agadon de kunmetitaj volvaĵrisortoj.J. Merkato.stokujo.20, 532–550 (2022).
Frank, J. Analysis and Optimization of Composite Helical Springs, PhD Thesis, Sacramento State University (2020).
Gu, Z., Hou, X. kaj Ye, J. Metodoj por dezajnado kaj analizo de neliniaj helikformaj risortoj uzantaj kombinaĵon de metodoj: finhava elementanalizo, latina hiperkubo limigita specimenigo, kaj genetika programado.procezo.Fur Instituto.projekto.CJ Mecha.projekto.la scienco.235 (22), 5917–5930 (2021).
Wu, L., et al.Alĝustigebla Printempa Indice Karbonfibro Multi-Strand Coil Springs: A Design and Mechanism Study.J. Merkato.stokujo.9 (3), 5067–5076 (2020).
Patil DS, Mangrulkar KS kaj Jagtap ST Pezoptimumigo de kunpremaj helikformaj risortoj.interna J. Innov.stokujo.Plurdisciplina.2 (11), 154–164 (2016).
Rahul, MS kaj Rameshkumar, K. Multipurpose-optimumigo kaj nombra simulado de volvaĵrisortoj por aŭtaj aplikoj.studuniversitato.procezo hodiaŭ.46, 4847–4853 (2021).
Bai, JB et al.Difinanta Plej Bonan Praktikon - Optimuma Dezajno de Komponitaj Helikformaj Strukturoj Uzantaj Genetikajn Algoritmojn.komponi.kunmetaĵo.268, 113982 (2021).
Shahin, I., Dorterler, M., kaj Gokche, H. Uzante la 灰狼-optimumiga metodo bazita sur la optimumigo de la minimuma volumeno de la kunprema printempa dezajno, Ghazi J. Engineering Science, 3 (2), 21-27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. kaj Sait, SM Metaheuristics uzanta plurajn agentojn por optimumigi kraŝojn.interna J. Veh.dec.80 (2–4), 223–240 (2019).
Yildyz, AR kaj Erdash, MU Nova hibrida Taguchi-salpa grupa optimumigo-algoritmo por fidinda dezajno de realaj inĝenieraj problemoj.studuniversitato.testo.63 (2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR kaj Sait SM Fidinda dezajno de robotaj kroĉmekanismoj uzantaj novan hibridan akridan optimumigan algoritmon.sperta.sistemo.38(3), e12666 (2021).