Kiitos vierailustasi Nature.comissa.Käytät selainversiota, jossa on rajoitettu CSS-tuki.Parhaan kokemuksen saamiseksi suosittelemme käyttämään päivitettyä selainta (tai poistamaan Yhteensopivuustila käytöstä Internet Explorerissa).Lisäksi jatkuvan tuen varmistamiseksi näytämme sivuston ilman tyylejä ja JavaScriptiä.
Liukusäätimet, joissa näkyy kolme artikkelia per dia.Käytä Takaisin- ja Seuraava-painikkeita liikkuaksesi diojen välillä tai diaohjaimen painikkeita lopussa.
AISI 304/304L Ruostumattomasta teräksestä valmistettu kapillaarikierreputki
AISI 304 ruostumaton teräskela on erinomaisen kestävyyden omaava yleistuote, joka soveltuu monenlaisiin sovelluksiin, jotka vaativat hyvää muovattavuutta ja hitsattavuutta.
Sheye Metalilla on 304 kelaa, joiden paksuus on 0,3–16 mm, ja 2B-viimeistely, BA-viimeistely, No.4-viimeistely on aina saatavilla.
Kolmen eri pinnan lisäksi ruostumattomasta teräksestä valmistettu 304 kela voidaan toimittaa erilaisilla pintakäsittelyillä.Laadun 304 ruostumaton teräs sisältää sekä Cr (yleensä 18 %) että nikkeli (yleensä 8 %) metalleja tärkeimpinä ei-raudan ainesosina.
Tämän tyyppiset kelat ovat tyypillisesti austeniittista ruostumatonta terästä, jotka kuuluvat standardi Cr-Ni ruostumattoman teräksen perheeseen.
Niitä käytetään tyypillisesti talous- ja kulutustavaroihin, keittiökalusteisiin, sisä- ja ulkoverhouksiin, kaiteisiin ja ikkunoiden karmeihin, elintarvike- ja juomateollisuuden laitteisiin, varastosäiliöihin.
| 304 ruostumattomasta teräksestä valmistetun kelan erittely | |
| Koko | Kylmävalssattu: Paksuus: 0,3 ~ 8,0 mm;Leveys: 1000-2000mm |
| Kuumavalssattu: Paksuus: 3,0 ~ 16,0 mm;Leveys: 1000-2500mm | |
| Tekniikat | Kylmävalssattu, kuumavalssattu |
| Pinta | 2B, BA, 8K, 6K, peilipinnoitettu, nro 1, nro 2, nro 3, nro 4, PVC-hiuslinja |
| Kylmävalssattu 304 ruostumaton teräskela varastossa | 304 2B ruostumaton teräskela 304 BA ruostumaton teräskela 304 No.4 ruostumaton teräskela |
| Kuumavalssattu 304 ruostumaton teräskela varastossa | 304 No.1 ruostumaton teräskela |
| Yleiset 304 ruostumattoman teräslevyn koot | 1000 mm x 2000 mm, 1200 mm x 2400 mm, 1219 mm x 2438 mm, 1220 mm x 2440 mm, 1250 mm x 2500 mm, 1500 mm x 3000 mm, 1500 mm x 3000 mm, 1500 mm x 6000 mm, 6000 mm, 600040 mm 00 mm |
| Suojakalvo 304 Coilille (25 μm ~ 200 μm) | Valkoinen ja musta PVC-kalvo;Saatavilla on myös sininen PE-kalvo, läpinäkyvä PE-kalvo, muu väri tai materiaali. |
| Vakio | ASTM A240, JIS G4304, G4305, GB/T 4237, GB/T 8165, BS 1449, DIN17460, DIN 17441, EN10088-2 |
| Kylmävalssatun 304 kelan yleinen paksuus | |||||||||
| 0,3 mm | 0,4 mm | 0,5 mm | 0,6 mm | 0,7 mm | 0,8 mm | 0,9 mm | 1,0 mm | 1,2 mm | 1,5 mm |
| 1,8 mm | 2,0 mm | 2,5 mm | 2,8 mm | 3,0 mm | 4,0 mm | 5,0 mm | 6,0 mm | ||
| Kuumavalssatun 304 kelan yhteinen paksuus | ||||||||
| 3,0 mm | 4,0 mm | 5,0 mm | 6,0 mm | 8,0 mm | 10,0 mm | 12,0 mm | 14,0 mm | 16,0 mm |
| Kemiallinen koostumus | |
| Elementti | AISI 304 / EN 1.4301 |
| Hiili | ≤0,08 |
| Mangaani | ≤2.00 |
| Rikki | ≤0,030 |
| Fosfori | ≤0,045 |
| Pii | ≤0,75 |
| Kromi | 18,0-20,0 |
| Nikkeli | 8,0-10,5 |
| Typpi | ≤0,10 |
| Mekaaniset ominaisuudet | |||
| Tuoton lujuus 0,2 % offset (MPa) | Vetovoima (MPa) | % venymä (2" tai 50mm) | Kovuus (HRB) |
| ≥ 205 | ≥ 515 | ≥40 | ≤92 |
Tässä tutkimuksessa raketissa käytetyn siiven taittomekanismin vääntö- ja puristusjousien suunnittelua pidetään optimointiongelmana.Raketin poistuttua laukaisuputkesta suljetut siivet on avattava ja kiinnitettävä tietyksi ajaksi.Tutkimuksen tavoitteena oli maksimoida jousiin varastoitunut energia, jotta siivet voisivat avautua mahdollisimman lyhyessä ajassa.Tässä tapauksessa molemmissa julkaisuissa energiayhtälö määriteltiin optimointiprosessin tavoitefunktioksi.Optimointimuuttujiksi määriteltiin jousen suunnittelussa tarvittavat langan halkaisija, kelan halkaisija, kelojen lukumäärä ja taipumaparametrit.Muuttujilla on geometrisia rajoituksia mekanismin koosta johtuen sekä rajoituksia jousien kantaman kuorman aiheuttamalle turvakertoimelle.Tämän optimointiongelman ratkaisemiseen ja jousisuunnitteluun käytettiin mehiläisalgoritmia (BA).BA:lla saadut energia-arvot ovat parempia kuin aikaisemmissa Design of Experiments (DOE) -tutkimuksissa saadut.Optimoinnista saatujen parametrien perusteella suunnitellut jouset ja mekanismit analysoitiin ensin ADAMS-ohjelmassa.Sen jälkeen suoritettiin kokeellisia kokeita integroimalla valmistetut jouset todellisiin mekanismeihin.Testin tuloksena havaittiin, että siivet avautuivat noin 90 millisekunnin jälkeen.Tämä arvo on selvästi alle projektin tavoitteen 200 ms.Lisäksi ero analyyttisten ja kokeellisten tulosten välillä on vain 16 ms.
Lentokoneissa ja merikulkuneuvoissa taittomekanismit ovat kriittisiä.Näitä järjestelmiä käytetään lentokoneen muunnoksissa ja muunnoksissa lennon suorituskyvyn ja hallinnan parantamiseksi.Lentotilasta riippuen siivet taittuvat ja avautuvat eri tavalla aerodynaamisen vaikutuksen vähentämiseksi1.Tätä tilannetta voidaan verrata joidenkin lintujen ja hyönteisten siipien liikkeisiin päivittäisen lennon ja sukelluksen aikana.Samalla tavalla purjelentokone taittuu ja avautuu sukellusveneissä hydrodynaamisten vaikutusten vähentämiseksi ja käsiteltävyyden maksimoimiseksi3.Vielä yksi näiden mekanismien tarkoitus on tarjota tilavuusetuja järjestelmille, kuten helikopterin potkurin 4 taittaminen varastointia ja kuljetusta varten.Myös raketin siivet taittuvat alas säilytystilan vähentämiseksi.Siten enemmän ohjuksia voidaan sijoittaa pienemmälle kantoraketin 5 alueelle. Komponentit, joita käytetään tehokkaasti taittamisessa ja avaamisessa, ovat yleensä jousia.Taittamisen hetkellä siihen varastoituu energiaa ja vapautuu avautumishetkellä.Joustavan rakenteensa ansiosta varastoitunut ja vapautunut energia tasataan.Jousi on pääosin suunniteltu järjestelmää varten, ja tämä suunnittelu aiheuttaa optimointiongelman6.Koska vaikka se sisältää erilaisia muuttujia, kuten langan halkaisijan, kelan halkaisijan, kierrosten lukumäärän, helix-kulman ja materiaalin tyypin, on olemassa myös kriteerejä, kuten massa, tilavuus, vähimmäisjännitysjakauma tai maksimaalinen energian saatavuus7.
Tämä tutkimus valaisee rakettijärjestelmissä käytettävien siipien taittomekanismien jousien suunnittelua ja optimointia.Ennen lentoa laukaisuputken sisällä siivet pysyvät taitettuina raketin pinnalla ja laukaisuputkesta poistuttuaan ne avautuvat tietyn ajan ja pysyvät pintaan painettuna.Tämä prosessi on kriittinen raketin asianmukaisen toiminnan kannalta.Kehitetyssä taittomekanismissa siipien avaaminen tapahtuu vääntöjousilla ja lukitus puristusjousilla.Sopivan jousen suunnittelemiseksi on suoritettava optimointiprosessi.Jousioptimoinnin sisällä on kirjallisuudessa erilaisia sovelluksia.
Paredes et al.8 määrittelivät suurimman väsymiselintekijän kierrejousien suunnittelun objektiiviseksi funktioksi ja käyttivät kvasi-Newtonilaista menetelmää optimointimenetelmänä.Optimoinnin muuttujiksi tunnistettiin langan halkaisija, kelan halkaisija, kierrosten lukumäärä ja jousen pituus.Toinen jousirakenteen parametri on materiaali, josta se on valmistettu.Siksi tämä otettiin huomioon suunnittelu- ja optimointitutkimuksissa.Zebdi et ai.9 asettivat tutkimuksessaan tavoitefunktion maksimijäykkyyden ja minimipainon tavoitteet, joissa painokerroin oli merkittävä.Tässä tapauksessa he määrittelivät muuttujiksi jousimateriaalin ja geometriset ominaisuudet.He käyttävät geneettistä algoritmia optimointimenetelmänä.Autoteollisuudessa materiaalien painosta on hyötyä monella tapaa ajoneuvon suorituskyvystä polttoaineenkulutukseen.Painon minimointi optimoimalla kierrejousia jousitusta varten on hyvin tunnettu tutkimus10.Bahshesh ja Bahshesh11 tunnistivat materiaalit, kuten E-lasin, hiili ja Kevlar, muuttujiksi työssään ANSYS-ympäristössä tavoitteenaan saavuttaa pienin paino ja suurin vetolujuus erilaisissa jousitusjousikomposiittimalleissa.Valmistusprosessi on kriittinen komposiittijousien kehittämisessä.Näin ollen optimointiongelmassa tulee esiin erilaisia muuttujia, kuten tuotantomenetelmä, prosessin vaiheet ja näiden vaiheiden järjestys12,13.Suunniteltaessa jousia dynaamisiin järjestelmiin on otettava huomioon järjestelmän luonnolliset taajuudet.On suositeltavaa, että jousen ensimmäinen luonnollinen taajuus on vähintään 5-10 kertaa järjestelmän luonnollinen taajuus resonanssin välttämiseksi14.Taktak et ai.7 päätti minimoida jousen massan ja maksimoida ensimmäisen ominaistaajuuden tavoitefunktioina kierrejousen suunnittelussa.He käyttivät kuviohakua, sisäpistettä, aktiivista joukkoa ja geneettisiä algoritmeja Matlab-optimointityökalussa.Analyyttinen tutkimus on osa kevätsuunnittelututkimusta, ja elementtimenetelmä on suosittu tällä alueella15.Patil ym.16 kehittivät optimointimenetelmän puristuskierrejousen painon vähentämiseksi analyyttisellä menettelyllä ja testasivat analyyttisiä yhtälöitä elementtimenetelmällä.Toinen kriteeri jousen hyödyllisyyden lisäämiselle on sen varastoiman energian lisääntyminen.Tämä kotelo varmistaa myös, että jousi säilyttää käyttökelpoisuutensa pitkän aikaa.Rahul ja Rameshkumar17 Pyritään vähentämään jousitilavuutta ja lisäämään jännitysenergiaa autojen kierrejousimalleissa.He ovat käyttäneet myös geneettisiä algoritmeja optimointitutkimuksessa.
Kuten voidaan nähdä, optimointitutkimuksen parametrit vaihtelevat järjestelmästä toiseen.Yleisesti ottaen jäykkyys- ja leikkausjännitysparametrit ovat tärkeitä järjestelmässä, jossa sen kantama kuorma on määräävä tekijä.Materiaalivalinta sisältyy painorajoitusjärjestelmään näillä kahdella parametrilla.Toisaalta luonnolliset taajuudet tarkistetaan resonanssien välttämiseksi erittäin dynaamisissa järjestelmissä.Järjestelmissä, joissa hyödyllisyys on tärkeää, energia maksimoidaan.Vaikka optimointitutkimuksissa FEM:ää käytetään analyyttisiin tutkimuksiin, voidaan havaita, että metaheuristisia algoritmeja, kuten geneettistä algoritmia14,18 ja harmaa susialgoritmia19, käytetään yhdessä klassisen Newton-menetelmän kanssa tietyillä parametreilla.Luonnollisiin sopeutumismenetelmiin perustuvia metaheuristisia algoritmeja on kehitetty, jotka lähestyvät optimaalista tilaa lyhyessä ajassa, erityisesti populaation vaikutuksesta20,21.Kun väestö jakautuu satunnaisesti hakualueella, he välttävät paikallista optimia ja siirtyvät kohti globaalia optimia22.Siksi sitä on viime vuosina käytetty usein todellisten teollisten ongelmien yhteydessä23,24.
Tässä tutkimuksessa kehitetyn taittomekanismin kriittinen tapaus on, että ennen lentoa suljetussa asennossa olleet siivet avautuvat tietyn ajan putkesta poistumisen jälkeen.Sen jälkeen lukituselementti estää siiven.Siksi jouset eivät vaikuta suoraan lentodynamiikkaan.Tässä tapauksessa optimoinnin tavoitteena oli maksimoida varastoitu energia jousen liikkeen nopeuttamiseksi.Telan halkaisija, langan halkaisija, telojen lukumäärä ja taipuma määriteltiin optimointiparametreiksi.Jousen pienen koon vuoksi painoa ei pidetty tavoitteena.Siksi materiaalityyppi määritellään kiinteäksi.Mekaanisten muodonmuutosten turvallisuusmarginaali on määritelty kriittiseksi rajoitukseksi.Lisäksi mekanismin soveltamisalaan liittyy vaihtelevan kokoisia rajoituksia.Optimointimenetelmäksi valittiin BA-metaheuristinen menetelmä.BA:ta suosittiin joustavan ja yksinkertaisen rakenteensa sekä mekaanisen optimointitutkimuksen edistymisen vuoksi25.Tutkimuksen toisessa osassa yksityiskohtaiset matemaattiset lausekkeet sisältyvät taittomekanismin perussuunnitteluun ja jousisuunnitteluun.Kolmas osa sisältää optimointialgoritmin ja optimointitulokset.Luvussa 4 analysoidaan ADAMS-ohjelmassa.Jousien soveltuvuus analysoidaan ennen tuotantoa.Viimeinen osa sisältää kokeelliset tulokset ja testikuvat.Tutkimuksessa saatuja tuloksia verrattiin myös tekijöiden aikaisempaan työhön DOE-lähestymistapaa käyttäen.
Tässä tutkimuksessa kehitettyjen siipien tulisi taittua raketin pintaa kohti.Siivet pyörivät taitetusta asennosta auki.Tätä varten kehitettiin erityinen mekanismi.KuvassaKuva 1 näyttää taitetun ja taittamattoman kokoonpanon5 raketin koordinaattijärjestelmässä.
KuvassaKuvio 2 esittää poikkileikkauskuvaa mekanismista.Mekanismi koostuu useista mekaanisista osista: (1) päärunko, (2) siiven akseli, (3) laakeri, (4) lukon runko, (5) lukkoholkki, (6) pysäytystappi, (7) vääntöjousi ja ( 8) puristusjouset.Siipiakseli (2) on kytketty vääntöjouseen (7) lukitusholkin (4) kautta.Kaikki kolme osaa pyörivät samanaikaisesti raketin nousun jälkeen.Tällä pyörivällä liikkeellä siivet kääntyvät lopulliseen asentoonsa.Tämän jälkeen tappi (6) aktivoituu puristusjousella (8), jolloin lukitusrungon (4)5 koko mekanismi tukkeutuu.
Kimmomoduuli (E) ja leikkausmoduuli (G) ovat jousen tärkeimpiä suunnitteluparametreja.Tässä tutkimuksessa jousimateriaaliksi valittiin korkeahiilinen jousiteräslanka (Music wire ASTM A228).Muita parametreja ovat langan halkaisija (d), keskimääräinen kelan halkaisija (Dm), kelojen lukumäärä (N) ja jousen taipuma (xd puristusjousilla ja θ vääntöjousilla)26.Puristusjousien \({(SE}_{x})\) ja vääntöjousien (\({SE}_{\theta}\)) varastoitu energia voidaan laskea yhtälöstä.(1) ja (2)26.(Puristusjousen leikkausmoduulin (G) arvo on 83,7E9 Pa ja vääntöjousen kimmomoduulin (E) arvo on 203,4E9 Pa.)
Järjestelmän mekaaniset mitat määräävät suoraan jousen geometriset rajoitukset.Lisäksi tulee ottaa huomioon olosuhteet, joissa raketti sijoitetaan.Nämä tekijät määräävät jousiparametrien rajat.Toinen tärkeä rajoitus on turvallisuustekijä.Turvallisuustekijän määritelmää kuvaavat yksityiskohtaisesti Shigley et al.26.Puristusjousen turvallisuustekijä (SFC) määritellään suurimmaksi sallituksi jännitykseksi jaettuna jännityksellä jatkuvan pituuden aikana.SFC voidaan laskea yhtälöiden avulla.(3), (4), (5) ja (6)26.(Tässä tutkimuksessa käytetylle kevätmateriaalille \({S}_{sy}=980 MPa\)).F edustaa yhtälön voimaa ja KB edustaa Bergstrasserin kerrointa 26.
Jousen vääntövarmuustekijä (SFT) määritellään M jaettuna k:lla.SFT voidaan laskea yhtälöstä.(7), (8), (9) ja (10)26.(Tässä tutkimuksessa käytetylle materiaalille \({S}_{y}=1600 \mathrm{MPa}\)).Yhtälössä M on vääntömomentti, \({k}^{^{\prime}}\) on jousivakio (vääntömomentti/kierto) ja Ki käytetään jännityksen korjauskerrointa.
Tämän tutkimuksen pääasiallinen optimointitavoite on maksimoida jousen energia.Tavoitefunktio on muotoiltu etsimään \(\overrightarrow{\{X\}}\), joka maksimoi arvon \(f(X)\).\({f}_{1}(X)\) ja \({f}_{2}(X)\) ovat puristus- ja vääntöjousen energiafunktiot, vastaavasti.Optimointiin käytetyt lasketut muuttujat ja funktiot on esitetty seuraavissa yhtälöissä.
Jousen suunnitteluun asetetut erilaiset rajoitukset on esitetty seuraavissa yhtälöissä.Yhtälöt (15) ja (16) edustavat puristus- ja vääntöjousien turvallisuuskertoimia.Tässä tutkimuksessa SFC:n on oltava suurempi tai yhtä suuri kuin 1,2 ja SFT:n on oltava suurempi tai yhtä suuri kuin θ26.
BA sai inspiraationsa mehiläisten siitepölynhakustrategioista27.Mehiläiset pyrkivät lähettämällä enemmän rehunhakijoita hedelmällisille siitepölypelloille ja vähemmän rehunhakijoita vähemmän hedelmällisille siitepölypelloille.Siten saavutetaan suurin tehokkuus mehiläispopulaatiosta.Toisaalta partiomehiläiset jatkavat uusien siitepölyalueiden etsimistä, ja jos siellä on aiempaa tuottavampia alueita, tälle uudelle alueelle ohjataan paljon rehunhakijoita28.BA koostuu kahdesta osasta: paikallishaku ja globaali haku.Paikallisella haulla etsitään enemmän yhteisöjä, jotka ovat lähellä minimiä (eliittisivustot), kuten mehiläisiä, ja vähemmän muilta sivustoilta (optimaaliset tai suositellut sivustot).Globaalissa hakuosassa suoritetaan mielivaltainen haku, ja jos hyviä arvoja löytyy, asemat siirretään paikallishakuosaan seuraavassa iteraatiossa.Algoritmi sisältää joitain parametreja: partiomehiläisten lukumäärä (n), paikallisten hakupaikkojen määrä (m), eliittipaikkojen lukumäärä (e), rehunhakijoiden määrä eliittikohteissa (nep), metsänhakijoiden määrä optimaaliset alueet.Sivusto (nsp), naapuruston koko (ngh) ja iteraatioiden määrä (I)29.BA-pseudokoodi on esitetty kuvassa 3.
Algoritmi yrittää toimia \({g}_{1}(X)\) ja \({g}_{2}(X)\) välillä.Jokaisen iteroinnin tuloksena määritetään optimaaliset arvot ja näiden arvojen ympärille kootaan populaatio parhaiden arvojen saamiseksi.Rajoitukset tarkistetaan paikallisessa ja globaalissa hakuosiossa.Paikallisessa haussa, jos nämä tekijät ovat sopivia, energia-arvo lasketaan.Jos uusi energia-arvo on suurempi kuin optimaalinen arvo, määritä uusi arvo optimiarvoon.Jos paras hakutuloksesta löytynyt arvo on suurempi kuin nykyinen elementti, uusi elementti sisällytetään kokoelmaan.Paikallisen haun lohkokaavio on esitetty kuvassa 4.
Väestö on yksi BA:n tärkeimmistä parametreista.Aiemmista tutkimuksista on nähtävissä, että populaation laajentaminen vähentää tarvittavien iteraatioiden määrää ja lisää onnistumisen todennäköisyyttä.Kuitenkin myös toiminnallisten arviointien määrä on kasvussa.Suuri määrä eliittisivustoja ei vaikuta merkittävästi suorituskykyyn.Eliittisivustojen määrä voi olla pieni, jos se ei ole nolla30.Partiomehiläispopulaation koko (n) valitaan yleensä välillä 30 ja 100. Tässä tutkimuksessa ajettiin sekä 30 että 50 skenaariota sopivan määrän määrittämiseksi (taulukko 2).Muut parametrit määräytyvät populaation mukaan.Valittujen paikkojen määrä (m) on (noin) 25 % väestön koosta, ja eliittikohteiden määrä (e) valittujen paikkojen joukossa on 25 % m:stä.Ruokintamehiläisten lukumääräksi (etsintöjen määrä) valittiin eliittipalstoille 100 ja muille paikallisille lohkoille 30 kpl.Lähihaku on kaikkien evoluutioalgoritmien peruskäsite.Tässä tutkimuksessa käytettiin kapenevien naapureiden menetelmää.Tämä menetelmä pienentää naapuruston kokoa tietyllä nopeudella jokaisen iteraation aikana.Tulevissa iteraatioissa pienempiä naapuruusarvoja30 voidaan käyttää tarkempaan hakuun.
Jokaiselle skenaariolle suoritettiin kymmenen peräkkäistä testiä optimointialgoritmin toistettavuuden tarkistamiseksi.KuvassaKuva 5 esittää vääntöjousen optimoinnin tulokset kaaviossa 1 ja kuviossa 1.6 – kaaviolle 2. Testitiedot esitetään myös taulukoissa 3 ja 4 (puristusjouselle saadut tulokset sisältävä taulukko on lisätiedoissa S1).Mehiläispopulaatio tehostaa hyvien arvojen etsintää ensimmäisessä iteraatiossa.Skenaariossa 1 joidenkin testien tulokset jäivät alle maksimiarvon.Skenaariossa 2 voidaan nähdä, että kaikki optimointitulokset lähestyvät maksimia väestömäärän ja muiden relevanttien parametrien kasvun vuoksi.Voidaan nähdä, että skenaarion 2 arvot ovat riittävät algoritmille.
Kun saadaan energian maksimiarvo iteraatioissa, tutkimukselle asetetaan myös varmuuskerroin.Katso turvallisuustekijät taulukosta.BA:lla saatuja energia-arvoja verrataan taulukossa 5 5 DOE -menetelmällä saatuihin energia-arvoihin. (Valmistuksen helpottamiseksi vääntöjousen kierrosluku (N) on 4,9 4,88:n sijaan, ja taipuma (xd) ) on 8 mm puristusjousen 7,99 mm:n sijaan.) Voidaan nähdä, että BA on parempi Tulos.BA arvioi kaikki arvot paikallisten ja globaalien hakujen avulla.Näin hän voi kokeilla enemmän vaihtoehtoja nopeammin.
Tässä tutkimuksessa Adamsia käytettiin analysoimaan siipimekanismin liikettä.Adamsille annetaan ensin mekanismin 3D-malli.Määritä sitten jousi edellisessä osiossa valituilla parametreilla.Lisäksi varsinaista analyysiä varten on määritettävä joitain muita parametreja.Nämä ovat fysikaalisia parametreja, kuten liitännät, materiaalin ominaisuudet, kosketus, kitka ja painovoima.Terän akselin ja laakerin välillä on kääntönivel.Sylinterimäisiä liitoksia on 5-6.Kiinteitä liitoksia on 5-1.Päärunko on valmistettu alumiinimateriaalista ja kiinteä.Muiden osien materiaali on terästä.Valitse kitkakerroin, kosketusjäykkyys ja kitkapinnan tunkeutumissyvyys materiaalityypistä riippuen.(ruostumaton teräs AISI 304) Tässä tutkimuksessa kriittinen parametri on siipimekanismin avautumisaika, jonka tulee olla alle 200 ms.Siksi pidä silmällä siiven avautumisaikaa analyysin aikana.
Adamsin analyysin tuloksena siipimekanismin avautumisaika on 74 millisekuntia.Dynaamisen simulaation tulokset 1 - 4 on esitetty kuvassa 7. Ensimmäinen kuva kuvassa.5 on simulaation alkamisaika ja siivet ovat taittoasennossa.(2) Näyttää siiven asennon 40 ms:n jälkeen, kun siipi on kiertynyt 43 astetta.(3) näyttää siiven sijainnin 71 millisekunnin jälkeen.Myös viimeisessä kuvassa (4) näkyy siiven käännöksen loppu ja auki-asento.Dynaamisen analyysin tuloksena havaittiin, että siiven avausmekanismi on merkittävästi lyhyempi kuin tavoitearvo 200 ms.Lisäksi jousien mitoituksessa turvarajat valittiin kirjallisuuden korkeimmista suositelluista arvoista.
Kaikkien suunnittelu-, optimointi- ja simulointitutkimusten päätyttyä mekanismin prototyyppi valmistettiin ja integroitiin.Prototyyppiä testattiin sitten simulaatiotulosten tarkistamiseksi.Kiinnitä ensin pääkuori ja taita siivet.Sen jälkeen siivet vapautettiin taitetusta asennosta ja siipien pyörimisestä taitetusta asennosta avautuvaan asentoon tehtiin video.Ajastimella analysoitiin myös aikaa videotallennuksen aikana.
Kuvassa8 näyttää videokehykset numeroidut 1-4.Kuvan kehys numero 1 näyttää taitettujen siipien vapautumishetken.Tätä hetkeä pidetään ajan t0 alkuhetkenä.Kehykset 2 ja 3 näyttävät siipien asennot 40 ms ja 70 ms alkuhetken jälkeen.Analysoitaessa kehyksiä 3 ja 4 voidaan nähdä, että siiven liike tasaantuu 90 ms:n kuluttua t0:sta ja siiven avautuminen valmistuu 70-90 ms:n välillä.Tämä tilanne tarkoittaa, että sekä simulointi että prototyyppitestaus antavat suunnilleen saman siiven käyttöönottoajan ja suunnittelu täyttää mekanismin suorituskykyvaatimukset.
Tässä artikkelissa siiven taittomekanismissa käytetyt vääntö- ja puristusjouset on optimoitu BA:n avulla.Parametrit saavutetaan nopeasti muutamalla iteraatiolla.Vääntöjousen teho on 1075 mJ ja puristusjousen 37,24 mJ.Nämä arvot ovat 40-50 % parempia kuin aikaisemmat DOE-tutkimukset.Jousi on integroitu mekanismiin ja analysoitu ADAMS-ohjelmassa.Analysoitaessa havaittiin, että siivet avautuivat 74 millisekunnissa.Tämä arvo on selvästi alle projektin tavoitteen 200 millisekuntia.Myöhemmässä kokeellisessa tutkimuksessa käynnistysajaksi mitattiin noin 90 ms.Tämä 16 millisekunnin ero analyysien välillä voi johtua ympäristötekijöistä, joita ei ole mallinnettu ohjelmistossa.Uskotaan, että tutkimuksen tuloksena saatua optimointialgoritmia voidaan käyttää erilaisiin jousirakenteisiin.
Jousimateriaali oli ennalta määritetty eikä sitä käytetty muuttujana optimoinnissa.Koska lentokoneissa ja raketteissa käytetään monia erilaisia jousia, BA:ta käytetään muun tyyppisten jousien suunnittelussa eri materiaaleista optimaalisen jousisuunnittelun saavuttamiseksi tulevassa tutkimuksessa.
Vakuutamme, että tämä käsikirjoitus on alkuperäinen, sitä ei ole aiemmin julkaistu eikä sitä tällä hetkellä harkita julkaistavaksi muualla.
Kaikki tässä tutkimuksessa tuotetut tai analysoidut tiedot sisältyvät tähän julkaistuun artikkeliin [ja lisätietotiedostoon].
Min, Z., Kin, VK ja Richard, LJ Lentokone Kantosiipikonseptin modernisointi radikaalien geometristen muutosten avulla.IES J. Osa A Sivilisaatio.yhdiste.hanke.3(3), 188–195 (2010).
Sun, J., Liu, K. ja Bhushan, B. Yleiskatsaus kovakuoriaisen takasiipeen: rakenne, mekaaniset ominaisuudet, mekanismit ja biologinen inspiraatio.J. Mecha.Käyttäytyminen.Biolääketieteellinen tiede.alma mater.94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. ja Zhang, F. Suunnittelu ja analyysi taittuvasta propulsiomekanismista hybridikäyttöiselle vedenalaiselle purjelentokoneelle.Ocean Engineering 119, 125–134 (2016).
Kartik, HS ja Prithvi, K. Helikopterin vaakasuuntaisen stabilisaattorin taittomekanismin suunnittelu ja analyysi.sisäinen J. Ing.varastosäiliö.teknologioita.(IGERT) 9(05), 110–113 (2020).
Kulunk, Z. ja Sahin, M. Taittuvan rakettisiiven suunnittelun mekaanisten parametrien optimointi kokeilusuunnittelun lähestymistapaa käyttäen.sisäinen J. Malli.optimointi.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: A Review.säveltää.yhdiste.252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. ja Khaddar M. Dynamic design optimization of coil springs.Hae ääntä.77, 178–183 (2014).
Paredes, M., Sartor, M. ja Mascle, K. Menettely jännitysjousien suunnittelun optimoimiseksi.tietokone.menetelmän soveltaminen.turkista.hanke.191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. ja Trochu F. Optimaalinen komposiittikierrejousien suunnittelu käyttämällä moniobjektiivista optimointia.J. Reinf.muovi.säveltää.28 (14), 1713–1732 (2009).
Pawart, HB ja Desale, DD Kolmipyörän etujousituksen kierrejousien optimointi.käsitellä asiaa.valmistaja.20, 428–433 (2018).
Bahshesh M. ja Bahshesh M. Teräksisten kierrejousien optimointi komposiittijousilla.sisäinen J. Monitieteellinen.Tiede.hanke.3(6), 47–51 (2012).
Chen, L. et ai.Opi useista parametreista, jotka vaikuttavat komposiittikierrejousien staattiseen ja dynaamiseen suorituskykyyn.J. Market.varastosäiliö.20, 532–550 (2022).
Frank, J. Analysis and Optimization of Composite Helical Springs, PhD-työ, Sacramento State University (2020).
Gu, Z., Hou, X. ja Ye, J. Menetelmät epälineaaristen kierrejousien suunnitteluun ja analysointiin käyttämällä menetelmien yhdistelmää: elementtianalyysi, latinalainen hyperkuution rajoitettu näytteenotto ja geneettinen ohjelmointi.käsitellä asiaa.Turkisinstituutti.hanke.CJ Mecha.hanke.Tiede.235(22), 5917–5930 (2021).
Wu, L., et ai.Säädettävät jousinopeudet, hiilikuituiset monisäikeiset kierrejouset: Suunnittelu- ja mekanismitutkimus.J. Market.varastosäiliö.9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS ja Jagtap ST Puristuskierrejousien painon optimointi.sisäinen J. Innov.varastosäiliö.Monitieteinen.2(11), 154–164 (2016).
Rahul, MS ja Rameshkumar, K. Kierrejousien monikäyttöinen optimointi ja numeerinen simulointi autoteollisuuden sovelluksiin.alma mater.prosessi tänään.46, 4847–4853 (2021).
Bai, JB et ai.Parhaan käytännön määrittely – Komposiittikierteisten rakenteiden optimaalinen suunnittelu geneettisiä algoritmeja käyttäen.säveltää.yhdiste.268, 113982 (2021).
Shahin, I., Dorterler, M. ja Gokche, H. Käyttämällä 灰狼-optimointimenetelmää, joka perustuu puristusjousen suunnittelun minimitilavuuden optimointiin, Ghazi J. Engineering Science, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. ja Sait, SM Metaheuristics käyttää useita agentteja kaatumisten optimointiin.sisäinen J. Veh.joulukuu80(2–4), 223–240 (2019).
Yildyz, AR ja Erdash, MU Uusi hybridi Taguchi-salpa -ryhmän optimointialgoritmi todellisten suunnitteluongelmien luotettavaan suunnitteluun.alma mater.testata.63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR ja Sait SM Luotettava robottitarttujamekanismien suunnittelu käyttämällä uutta hybridiheinäsirkkaoptimointialgoritmia.asiantuntija.järjestelmä.38(3), e12666 (2021).
Postitusaika: 21.3.2023