Componente chimico del tubo a spirale in acciaio inossidabile AISI 304/304L, ottimizzazione dei parametri della molla ad ala pieghevole utilizzando l'algoritmo Honeybee

Grazie per aver visitato Nature.com.Stai utilizzando una versione del browser con supporto CSS limitato.Per un'esperienza ottimale, ti consigliamo di utilizzare un browser aggiornato (o disattivare la modalità compatibilità in Internet Explorer).Inoltre, per garantire un supporto continuo, mostriamo il sito senza stili e JavaScript.
Dispositivi di scorrimento che mostrano tre articoli per diapositiva.Utilizza i pulsanti Indietro e Avanti per spostarti tra le diapositive oppure i pulsanti del controller diapositiva alla fine per spostarti tra ciascuna diapositiva.

Tubo capillare spiralato in acciaio inossidabile AISI 304/304L

Il nastro in acciaio inossidabile AISI 304 è un prodotto universale con eccellente resistenza ed è adatto per un'ampia varietà di applicazioni che richiedono buona formabilità e saldabilità.

Sheye Metal dispone di 304 bobine con spessore da 0,3 mm a 16 mm e finitura 2B, finitura BA, finitura n. 4 sono sempre disponibili.

Oltre ai tre tipi di superfici, la bobina in acciaio inossidabile 304 può essere consegnata con una varietà di finiture superficiali.L'acciaio inossidabile di grado 304 contiene sia metalli Cr (solitamente 18%) che nichel (solitamente 8%) come principali costituenti non ferrosi.

Questa tipologia di bobine è un acciaio inossidabile tipicamente austenitico, appartiene alla famiglia standard degli acciai inossidabili Cr-Ni.

Sono generalmente utilizzati per beni di consumo e per la casa, attrezzature da cucina, rivestimenti interni ed esterni, corrimano e infissi di finestre, attrezzature per l'industria alimentare e delle bevande, serbatoi di stoccaggio.

In questo studio, la progettazione delle molle di torsione e compressione del meccanismo di ripiegamento delle ali utilizzato nel razzo è considerata un problema di ottimizzazione.Dopo che il razzo ha lasciato il tubo di lancio, le ali chiuse devono essere aperte e fissate per un certo periodo di tempo.Lo scopo dello studio era massimizzare l'energia immagazzinata nelle molle in modo che le ali potessero aprirsi nel più breve tempo possibile.In questo caso, l'equazione dell'energia in entrambe le pubblicazioni è stata definita come la funzione obiettivo nel processo di ottimizzazione.Il diametro del filo, il diametro della spira, il numero di spire e i parametri di deflessione richiesti per la progettazione della molla sono stati definiti come variabili di ottimizzazione.Esistono limiti geometrici sulle variabili dovuti alla dimensione del meccanismo, nonché limiti sul fattore di sicurezza dovuto al carico portato dalle molle.Per risolvere questo problema di ottimizzazione ed eseguire la progettazione della molla è stato utilizzato l'algoritmo Honey Bee (BA).I valori energetici ottenuti con BA sono superiori a quelli ottenuti da precedenti studi di Design of Experiments (DOE).Molle e meccanismi progettati utilizzando i parametri ottenuti dall'ottimizzazione sono stati inizialmente analizzati nel programma ADAMS.Successivamente sono state effettuate prove sperimentali integrando le molle prodotte in meccanismi reali.Come risultato del test si è osservato che le ali si aprivano dopo circa 90 millisecondi.Questo valore è ben al di sotto dell'obiettivo del progetto di 200 ms.Inoltre, la differenza tra i risultati analitici e sperimentali è di soli 16 ms.
Negli aerei e nei veicoli marini, i meccanismi di piegatura sono fondamentali.Questi sistemi vengono utilizzati nelle modifiche e conversioni degli aeromobili per migliorare le prestazioni e il controllo del volo.A seconda della modalità di volo, le ali si piegano e si aprono in modo diverso per ridurre l'impatto aerodinamico1.Questa situazione può essere paragonata ai movimenti delle ali di alcuni uccelli e insetti durante il volo e le immersioni quotidiane.Allo stesso modo, gli alianti si piegano e si aprono nei sommergibili per ridurre gli effetti idrodinamici e massimizzare la manovrabilità3.Ancora un altro scopo di questi meccanismi è fornire vantaggi volumetrici a sistemi come il ripiegamento dell'elica 4 di un elicottero per lo stoccaggio e il trasporto.Anche le ali del razzo si ripiegano per ridurre lo spazio di stoccaggio.Pertanto, è possibile posizionare più missili su un'area più piccola del lanciatore 5. I componenti utilizzati efficacemente per piegarsi e aprirsi sono solitamente molle.Al momento della piegatura, l'energia viene immagazzinata al suo interno e rilasciata al momento dello spiegamento.Grazie alla sua struttura flessibile, l'energia immagazzinata e rilasciata viene equalizzata.La molla è progettata principalmente per il sistema e questo design presenta un problema di ottimizzazione6.Infatti, sebbene includa diverse variabili come diametro del filo, diametro della bobina, numero di spire, angolo dell'elica e tipo di materiale, esistono anche criteri come massa, volume, distribuzione minima dello stress o massima disponibilità di energia7.
Questo studio fa luce sulla progettazione e sull'ottimizzazione delle molle per i meccanismi di ripiegamento delle ali utilizzati nei sistemi a razzo.Trovandosi all'interno del tubo di lancio prima del volo, le ali rimangono piegate sulla superficie del razzo e, dopo essere uscite dal tubo di lancio, si aprono per un certo tempo e rimangono premute sulla superficie.Questo processo è fondamentale per il corretto funzionamento del razzo.Nel meccanismo di piegatura sviluppato, l'apertura delle ali viene effettuata mediante molle di torsione e il bloccaggio viene effettuato mediante molle di compressione.Per progettare una molla adatta è necessario eseguire un processo di ottimizzazione.Nell'ambito dell'ottimizzazione delle molle, in letteratura sono presenti varie applicazioni.
Paredes et al.8 hanno definito il fattore massimo di durata a fatica come una funzione obiettivo per la progettazione di molle elicoidali e hanno utilizzato il metodo quasi newtoniano come metodo di ottimizzazione.Le variabili nell'ottimizzazione sono state identificate come diametro del filo, diametro della bobina, numero di spire e lunghezza della molla.Un altro parametro della struttura della molla è il materiale con cui è realizzato.Pertanto, questo è stato preso in considerazione negli studi di progettazione e ottimizzazione.Zebdi et al.9 hanno fissato obiettivi di massima rigidità e peso minimo nella funzione obiettivo nel loro studio, dove il fattore peso era significativo.In questo caso, hanno definito come variabili il materiale della molla e le proprietà geometriche.Usano un algoritmo genetico come metodo di ottimizzazione.Nell’industria automobilistica, il peso dei materiali è utile in molti modi, dalle prestazioni del veicolo al consumo di carburante.La minimizzazione del peso ottimizzando al contempo le molle elicoidali per le sospensioni è uno studio ben noto10.Bahshesh e Bahshesh11 hanno identificato materiali come vetro E, carbonio e Kevlar come variabili nel loro lavoro nell'ambiente ANSYS con l'obiettivo di ottenere un peso minimo e una resistenza alla trazione massima in vari design compositi di molle di sospensione.Il processo di produzione è fondamentale nello sviluppo di molle composite.Pertanto, in un problema di ottimizzazione entrano in gioco diverse variabili, come il metodo di produzione, i passaggi eseguiti nel processo e la sequenza di tali passaggi12,13.Quando si progettano molle per sistemi dinamici è necessario tenere conto delle frequenze proprie del sistema.Si raccomanda che la prima frequenza naturale della molla sia almeno 5-10 volte la frequenza naturale del sistema per evitare risonanza14.Taktak et al.7 hanno deciso di ridurre al minimo la massa della molla e massimizzare la prima frequenza naturale come funzioni obiettivo nel progetto della molla elicoidale.Hanno utilizzato metodi di ricerca di pattern, punti interni, set attivi e algoritmi genetici nello strumento di ottimizzazione Matlab.La ricerca analitica fa parte della ricerca sulla progettazione delle molle e il metodo degli elementi finiti è popolare in questo settore15.Patil et al.16 hanno sviluppato un metodo di ottimizzazione per ridurre il peso di una molla elicoidale di compressione utilizzando una procedura analitica e hanno testato le equazioni analitiche utilizzando il metodo degli elementi finiti.Un altro criterio per aumentare l'utilità di una sorgente è l'aumento dell'energia che può immagazzinare.Questo caso garantisce inoltre che la molla mantenga la sua utilità per un lungo periodo di tempo.Rahul e Rameshkumar17 Cercano di ridurre il volume della molla e aumentare l'energia di deformazione nei progetti di molle elicoidali per auto.Hanno anche utilizzato algoritmi genetici nella ricerca sull'ottimizzazione.
Come si può vedere, i parametri nello studio di ottimizzazione variano da sistema a sistema.In generale, i parametri di rigidezza e di sollecitazione di taglio sono importanti in un sistema in cui il carico che trasporta è il fattore determinante.La selezione del materiale è inclusa nel sistema di limite di peso con questi due parametri.D'altra parte, le frequenze naturali vengono controllate per evitare risonanze in sistemi altamente dinamici.Nei sistemi in cui l’utilità conta, l’energia è massimizzata.Negli studi di ottimizzazione, sebbene il FEM sia utilizzato per studi analitici, si può vedere che algoritmi metaeuristici come l'algoritmo genetico14,18 e l'algoritmo del lupo grigio19 vengono utilizzati insieme al metodo classico di Newton entro un intervallo di determinati parametri.Sono stati sviluppati algoritmi metaeuristici basati su metodi di adattamento naturale che si avvicinano allo stato ottimale in un breve periodo di tempo, soprattutto sotto l'influenza della popolazione20,21.Con una distribuzione casuale della popolazione nell’area di ricerca, evitano gli ottimali locali e si spostano verso gli ottimali globali22.Pertanto, negli ultimi anni è stato spesso utilizzato nel contesto di problemi industriali reali23,24.
Il caso critico per il meccanismo di piegatura sviluppato in questo studio è che le ali, che erano in posizione chiusa prima del volo, si aprono un certo tempo dopo aver lasciato il tubo.Successivamente l'elemento di bloccaggio blocca l'anta.Pertanto le molle non influiscono direttamente sulla dinamica del volo.In questo caso, l'obiettivo dell'ottimizzazione era massimizzare l'energia immagazzinata per accelerare il movimento della molla.Diametro dei rulli, diametro del filo, numero di rulli e deflessione sono stati definiti come parametri di ottimizzazione.A causa delle dimensioni ridotte della molla, il peso non era considerato un obiettivo.Pertanto, il tipo di materiale è definito come fisso.Il margine di sicurezza per le deformazioni meccaniche è determinato come limitazione critica.Inoltre, nel campo di applicazione del meccanismo rientrano vincoli di dimensione variabile.Come metodo di ottimizzazione è stato scelto il metodo metaeuristico BA.BA è stata apprezzata per la sua struttura flessibile e semplice e per i suoi progressi nella ricerca sull'ottimizzazione meccanica25.Nella seconda parte dello studio vengono incluse espressioni matematiche dettagliate nel quadro della progettazione di base e della progettazione della molla del meccanismo di piegatura.La terza parte contiene l'algoritmo di ottimizzazione e i risultati dell'ottimizzazione.Il capitolo 4 conduce l'analisi nel programma ADAMS.L'idoneità delle molle viene analizzata prima della produzione.L'ultima sezione contiene i risultati sperimentali e le immagini di prova.I risultati ottenuti nello studio sono stati anche confrontati con il lavoro precedente degli autori utilizzando l'approccio DOE.
Le ali sviluppate in questo studio dovrebbero piegarsi verso la superficie del razzo.Le ali ruotano dalla posizione piegata a quella aperta.Per questo è stato sviluppato un meccanismo speciale.Nella fig.1 mostra la configurazione piegata e spiegata5 nel sistema di coordinate del razzo.
Nella fig.2 mostra una vista in sezione del meccanismo.Il meccanismo è costituito da diverse parti meccaniche: (1) corpo principale, (2) albero dell'ala, (3) cuscinetto, (4) corpo della serratura, (5) boccola della serratura, (6) perno di arresto, (7) molla di torsione e ( 8) molle di compressione.L'albero dell'ala (2) è collegato alla molla di torsione (7) attraverso il manicotto di bloccaggio (4).Tutte e tre le parti ruotano simultaneamente dopo il decollo del razzo.Con questo movimento rotatorio le ali tornano nella posizione finale.Successivamente il perno (6) viene azionato dalla molla di compressione (8), bloccando così l'intero meccanismo del corpo di chiusura (4)5.
Il modulo elastico (E) e il modulo di taglio (G) sono parametri chiave di progettazione della molla.In questo studio, come materiale della molla è stato scelto il filo di acciaio per molle ad alto tenore di carbonio (filo musicale ASTM A228).Altri parametri sono il diametro del filo (d), il diametro medio delle spire (Dm), il numero di spire (N) e la deflessione della molla (xd per molle a compressione e θ per molle a torsione)26.L'energia immagazzinata per le molle di compressione \({(SE}_{x})\) e di torsione (\({SE}_{\theta}\)) può essere calcolata dall'equazione.(1) e (2)26.(Il valore del modulo di taglio (G) per la molla di compressione è 83,7E9 Pa e il valore del modulo elastico (E) per la molla di torsione è 203,4E9 Pa.)
Le dimensioni meccaniche del sistema determinano direttamente i vincoli geometrici della molla.Inoltre, dovrebbero essere prese in considerazione anche le condizioni in cui verrà posizionato il razzo.Questi fattori determinano i limiti dei parametri della molla.Un’altra limitazione importante è il fattore sicurezza.La definizione di fattore di sicurezza è descritta in dettaglio da Shigley et al.26.Il fattore di sicurezza della molla di compressione (SFC) è definito come la sollecitazione massima consentita divisa per la sollecitazione sulla lunghezza continua.L'SFC può essere calcolato utilizzando equazioni.(3), (4), (5) e (6)26.(Per il materiale della molla utilizzato in questo studio, \({S}_{sy}=980 MPa\)).F rappresenta la forza nell'equazione e KB rappresenta il fattore Bergstrasser di 26.
Il fattore di sicurezza alla torsione di una molla (SFT) è definito come M diviso k.SFT può essere calcolato dall'equazione.(7), (8), (9) e (10)26.(Per il materiale utilizzato in questo studio, \({S}_{y}=1600 \mathrm{MPa}\)).Nell'equazione, M viene utilizzato per la coppia, \({k}^{^{\prime}}\) viene utilizzato per la costante della molla (coppia/rotazione) e Ki viene utilizzato per il fattore di correzione della sollecitazione.
L'obiettivo principale di ottimizzazione in questo studio è massimizzare l'energia della molla.La funzione obiettivo è formulata per trovare \(\overrightarrow{\{X\}}\) che massimizza \(f(X)\).\({f}_{1}(X)\) e \({f}_{2}(X)\) sono le funzioni energetiche rispettivamente della molla di compressione e di torsione.Le variabili calcolate e le funzioni utilizzate per l'ottimizzazione sono mostrate nelle seguenti equazioni.
I vari vincoli imposti alla progettazione della molla sono riportati nelle seguenti equazioni.Le equazioni (15) e (16) rappresentano rispettivamente i fattori di sicurezza per le molle a compressione e a torsione.In questo studio, SFC deve essere maggiore o uguale a 1,2 e SFT deve essere maggiore o uguale a θ26.
BA è stato ispirato dalle strategie di ricerca del polline delle api27.Le api cercano inviando più raccoglitrici verso campi pollinici fertili e meno raccoglitrici verso campi pollinici meno fertili.In questo modo si ottiene la massima efficienza della popolazione di api.D'altra parte, le api esploratrici continuano a cercare nuove aree di polline e, se ci sono aree più produttive di prima, molte bottinatrici verranno indirizzate verso questa nuova area28.BA è composto da due parti: ricerca locale e ricerca globale.Una ricerca locale cerca più comunità vicine al minimo (siti d'élite), come le api, e meno su altri siti (siti ottimali o in primo piano).Viene eseguita una ricerca arbitraria nella parte di ricerca globale e, se vengono trovati valori buoni, le stazioni vengono spostate nella parte di ricerca locale nell'iterazione successiva.L'algoritmo contiene alcuni parametri: il numero di api scout (n), il numero di siti di ricerca locale (m), il numero di siti elite (e), il numero di raccoglitrici nei siti elite (nep), il numero di raccoglitrici in aree ottimali.Sito (nsp), dimensione del quartiere (ngh) e numero di iterazioni (I)29.Lo pseudocodice BA è mostrato nella Figura 3.
L'algoritmo tenta di funzionare tra \({g}_{1}(X)\) e \({g}_{2}(X)\).Come risultato di ogni iterazione, vengono determinati i valori ottimali e attorno a questi valori viene raccolta una popolazione nel tentativo di ottenere i valori migliori.Le restrizioni vengono controllate nelle sezioni di ricerca locale e globale.In una ricerca locale, se questi fattori sono appropriati, viene calcolato il valore energetico.Se il nuovo valore energetico è maggiore del valore ottimale, assegnare il nuovo valore al valore ottimale.Se il miglior valore trovato nel risultato della ricerca è maggiore dell'elemento corrente, il nuovo elemento verrà incluso nella raccolta.Lo schema a blocchi della ricerca locale è mostrato in Figura 4.
La popolazione è uno dei parametri chiave in BA.Da studi precedenti si può vedere che l’espansione della popolazione riduce il numero di iterazioni richieste e aumenta la probabilità di successo.Tuttavia, anche il numero di valutazioni funzionali è in aumento.La presenza di un gran numero di siti d'élite non influisce in modo significativo sulle prestazioni.Il numero di siti d’élite può essere basso se non è pari a zero30.La dimensione della popolazione di api esploratrici (n) viene solitamente scelta tra 30 e 100. In questo studio, sono stati eseguiti sia 30 che 50 scenari per determinare il numero appropriato (Tabella 2).Altri parametri sono determinati a seconda della popolazione.Il numero di siti selezionati (m) è (approssimativamente) il 25% della dimensione della popolazione, e il numero di siti d'élite (e) tra i siti selezionati è il 25% di m.Il numero di api nutrite (numero di ricerche) è stato scelto pari a 100 per gli appezzamenti d'élite e 30 per gli altri appezzamenti locali.La ricerca del vicinato è il concetto base di tutti gli algoritmi evolutivi.In questo studio è stato utilizzato il metodo dei tapering neighbors.Questo metodo riduce la dimensione del quartiere ad una certa velocità durante ogni iterazione.Nelle iterazioni future, valori di vicinato più piccoli30 potranno essere utilizzati per una ricerca più accurata.
Per ciascuno scenario sono stati eseguiti dieci test consecutivi per verificare la riproducibilità dell'algoritmo di ottimizzazione.Nella fig.5 mostra i risultati dell'ottimizzazione della molla di torsione per lo schema 1, e in fig.6 - per lo schema 2. I dati dei test sono riportati anche nelle tabelle 3 e 4 (una tabella contenente i risultati ottenuti per la molla di compressione si trova nelle Informazioni supplementari S1).La popolazione di api intensifica la ricerca di buoni valori nella prima iterazione.Nello scenario 1, i risultati di alcuni test erano inferiori al massimo.Nello scenario 2 si può vedere che tutti i risultati di ottimizzazione si stanno avvicinando al massimo a causa dell'aumento della popolazione e di altri parametri rilevanti.Si può vedere che i valori nello scenario 2 sono sufficienti per l'algoritmo.
Quando si ottiene il valore massimo di energia nelle iterazioni, viene fornito anche un fattore di sicurezza come vincolo per lo studio.Vedere la tabella per il fattore di sicurezza.I valori di energia ottenuti utilizzando BA vengono confrontati con quelli ottenuti utilizzando il metodo 5 DOE nella Tabella 5. (Per facilità di fabbricazione, il numero di giri (N) della molla di torsione è 4,9 anziché 4,88, e la deflessione (xd ) è 8 mm invece di 7,99 mm nella molla di compressione.) Si può vedere che BA è il risultato migliore.BA valuta tutti i valori attraverso ricerche locali e globali.In questo modo può provare più alternative più velocemente.
In questo studio, Adams è stato utilizzato per analizzare il movimento del meccanismo alare.Ad Adams viene prima fornito un modello 3D del meccanismo.Quindi definire una molla con i parametri selezionati nella sezione precedente.Inoltre, per l'analisi vera e propria è necessario definire alcuni altri parametri.Questi sono parametri fisici come connessioni, proprietà dei materiali, contatto, attrito e gravità.C'è un giunto girevole tra l'albero della lama e il cuscinetto.Ci sono 5-6 giunti cilindrici.Ci sono 5-1 giunti fissi.Il corpo principale è realizzato in materiale di alluminio e fisso.Il materiale del resto delle parti è acciaio.Scegliere il coefficiente di attrito, la rigidità di contatto e la profondità di penetrazione della superficie di attrito in base al tipo di materiale.(acciaio inossidabile AISI 304) In questo studio il parametro critico è il tempo di apertura del meccanismo dell'anta, che deve essere inferiore a 200 ms.Tenete quindi d'occhio il tempo di apertura delle ali durante l'analisi.
Come risultato dell'analisi di Adams, il tempo di apertura del meccanismo alare è di 74 millisecondi.I risultati della simulazione dinamica da 1 a 4 sono mostrati in Figura 7. La prima immagine in Figura.5 è l'orario di inizio della simulazione e le ante sono in posizione di attesa per la piegatura.(2) Visualizza la posizione dell'anta dopo 40 ms quando l'anta ha ruotato di 43 gradi.(3) mostra la posizione dell'ala dopo 71 millisecondi.Sempre nell'ultima immagine (4) è mostrata la fine del giro dell'anta e la posizione di apertura.Dall'analisi dinamica è stato osservato che il meccanismo di apertura delle ali è significativamente più breve del valore target di 200 ms.Inoltre, in fase di dimensionamento delle molle, i limiti di sicurezza sono stati selezionati tra i valori più alti consigliati in letteratura.
Dopo aver completato tutti gli studi di progettazione, ottimizzazione e simulazione, è stato prodotto e integrato un prototipo del meccanismo.Il prototipo è stato poi testato per verificare i risultati della simulazione.Per prima cosa fissa il guscio principale e piega le ali.Quindi le ali sono state rilasciate dalla posizione piegata ed è stato realizzato un video della rotazione delle ali dalla posizione piegata a quella aperta.Il timer è stato utilizzato anche per analizzare il tempo durante la registrazione video.
Nella fig.8 mostra i fotogrammi video numerati da 1 a 4.Il fotogramma numero 1 nella figura mostra il momento di rilascio delle ali piegate.Questo momento è considerato l'istante iniziale del tempo t0.I fotogrammi 2 e 3 mostrano le posizioni delle ali 40 ms e 70 ms dopo il momento iniziale.Analizzando i fotogrammi 3 e 4 si nota che il movimento dell'anta si stabilizza 90 ms dopo t0 e l'apertura dell'anta si completa tra 70 e 90 ms.Questa situazione significa che sia la simulazione che il test del prototipo danno approssimativamente lo stesso tempo di spiegamento dell'ala, e il progetto soddisfa i requisiti prestazionali del meccanismo.
In questo articolo, le molle di torsione e compressione utilizzate nel meccanismo di ripiegamento delle ali sono ottimizzate utilizzando BA.I parametri possono essere raggiunti rapidamente con poche iterazioni.La molla di torsione ha una potenza nominale di 1075 mJ e la molla di compressione ha una potenza nominale di 37,24 mJ.Questi valori sono migliori del 40-50% rispetto ai precedenti studi DOE.La molla viene integrata nel meccanismo e analizzata nel programma ADAMS.Quando analizzato, si è scoperto che le ali si aprivano entro 74 millisecondi.Questo valore è ben al di sotto dell'obiettivo del progetto di 200 millisecondi.In un successivo studio sperimentale, il tempo di accensione è stato misurato in circa 90 ms.Questa differenza di 16 millisecondi tra le analisi potrebbe essere dovuta a fattori ambientali non modellati nel software.Si ritiene che l'algoritmo di ottimizzazione ottenuto come risultato dello studio possa essere utilizzato per vari progetti di molle.
Il materiale della molla era predefinito e non è stato utilizzato come variabile nell'ottimizzazione.Poiché negli aerei e nei razzi vengono utilizzati molti tipi diversi di molle, la BA verrà applicata per progettare altri tipi di molle utilizzando materiali diversi per ottenere una progettazione ottimale delle molle nella ricerca futura.
Dichiariamo che questo manoscritto è originale, non è stato pubblicato in precedenza e non è attualmente considerato per la pubblicazione altrove.
Tutti i dati generati o analizzati in questo studio sono inclusi in questo articolo pubblicato [e in un file di informazioni aggiuntive].
Min, Z., Kin, VK e Richard, LJ Aeromobile Modernizzazione del concetto di profilo alare attraverso cambiamenti geometrici radicali.IES J. Parte A Civiltà.composto.progetto.3(3), 188–195 (2010).
Sun, J., Liu, K. e Bhushan, B. Una panoramica del posteriore dello scarafaggio: struttura, proprietà meccaniche, meccanismi e ispirazione biologica.J.Mecha.Comportamento.Scienze Biomediche.alma mater.94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. e Zhang, F. Progettazione e analisi di un meccanismo di propulsione pieghevole per un aliante subacqueo a propulsione ibrida.Ingegneria oceanica 119, 125–134 (2016).
Kartik, HS e Prithvi, K. Progettazione e analisi di un meccanismo di piegatura dello stabilizzatore orizzontale per elicottero.interno J.Ing.serbatoio di stoccaggio.tecnologie.(IGERT) 9(05), 110–113 (2020).
Kulunk, Z. e Sahin, M. Ottimizzazione dei parametri meccanici del progetto di un'ala di razzo pieghevole utilizzando un approccio di progettazione sperimentale.modello J. interno.ottimizzazione.9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, Metodo di progettazione XD, studio delle prestazioni e processo di produzione di molle elicoidali composite: una revisione.comporre.composto.252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. e Khaddar M. Ottimizzazione del design dinamico delle molle elicoidali.Richiedi il suono.77, 178–183 (2014).
Paredes, M., Sartor, M. e Mascle, K. Una procedura per ottimizzare la progettazione delle molle di trazione.computer.applicazione del metodo.pelliccia.progetto.191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. e Trochu F. Progettazione ottimale di molle elicoidali composite utilizzando l'ottimizzazione multiobiettivo.J. Reinf.plastica.comporre.28 (14), 1713–1732 (2009).
Pawart, HB e Desale, DD Ottimizzazione delle molle elicoidali della sospensione anteriore del triciclo.processi.produttore.20, 428–433 (2018).
Bahshesh M. e Bahshesh M. Ottimizzazione delle molle elicoidali in acciaio con molle composite.interno J. Multidisciplinare.la scienza.progetto.3(6), 47–51 (2012).
Chen, L. et al.Scopri i molteplici parametri che influenzano le prestazioni statiche e dinamiche delle molle elicoidali composite.J. Mercato.serbatoio di stoccaggio.20, 532–550 (2022).
Frank, J. Analisi e ottimizzazione delle molle elicoidali composite, tesi di dottorato, Sacramento State University (2020).
Gu, Z., Hou, X. e Ye, J. Metodi per la progettazione e l'analisi di molle elicoidali non lineari utilizzando una combinazione di metodi: analisi degli elementi finiti, campionamento limitato dell'ipercubo latino e programmazione genetica.processi.Istituto della pelliccia.progetto.CJ Mecha.progetto.la scienza.235(22), 5917–5930 (2021).
Wu, L., et al.Molle elicoidali multistrato in fibra di carbonio con rigidità di molla regolabile: uno studio di progettazione e meccanismo.J. Mercato.serbatoio di stoccaggio.9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS e Jagtap ST Ottimizzazione del peso delle molle elicoidali a compressione.interno J. Innov.serbatoio di stoccaggio.Multidisciplinare.2(11), 154–164 (2016).
Rahul, MS e Rameshkumar, K. Ottimizzazione multiuso e simulazione numerica di molle elicoidali per applicazioni automobilistiche.alma mater.processo oggi.46, 4847–4853 (2021).
Bai, JB et al.Definizione delle migliori pratiche: progettazione ottimale di strutture elicoidali composite utilizzando algoritmi genetici.comporre.composto.268, 113982 (2021).
Shahin, I., Dorterler, M. e Gokche, H. Utilizzo del metodo di ottimizzazione 灰狼 basato sull'ottimizzazione del volume minimo del progetto della molla di compressione, Ghazi J. Engineering Science, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. e Sait, SM Metaheuristics che utilizza più agenti per ottimizzare gli arresti anomali.interno J. Veh.dicembre80(2–4), 223–240 (2019).
Yildyz, AR e Erdash, MU Nuovo algoritmo ibrido di ottimizzazione del gruppo Taguchi-salpa per la progettazione affidabile di problemi ingegneristici reali.alma mater.test.63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR e Sait SM Progettazione affidabile di meccanismi di presa robotizzati utilizzando un nuovo algoritmo ibrido di ottimizzazione della cavalletta.esperto.sistema.38(3), e12666 (2021).