Chemische Komponente des Spulenrohrs aus Edelstahl AISI 304/304L, Optimierung der Faltflügelfederparameter mithilfe des Honeybee-Algorithmus

Vielen Dank für Ihren Besuch auf Nature.com.Sie verwenden eine Browserversion mit eingeschränkter CSS-Unterstützung.Für ein optimales Erlebnis empfehlen wir die Verwendung eines aktualisierten Browsers (oder die Deaktivierung des Kompatibilitätsmodus im Internet Explorer).Um einen kontinuierlichen Support zu gewährleisten, zeigen wir die Seite außerdem ohne Stile und JavaScript an.
Slider mit drei Artikeln pro Folie.Verwenden Sie die Schaltflächen „Zurück“ und „Weiter“, um durch die Folien zu navigieren, oder die Schaltflächen des Schiebereglers am Ende, um durch die einzelnen Folien zu navigieren.

Kapillarspiralrohr aus Edelstahl AISI 304/304L

Die Edelstahlspule AISI 304 ist ein Allzweckprodukt mit ausgezeichneter Beständigkeit und eignet sich für eine Vielzahl von Anwendungen, die eine gute Formbarkeit und Schweißbarkeit erfordern.

Sheye Metal hat immer 304-Spulen mit einer Dicke von 0,3 mm bis 16 mm und der Ausführung 2B, BA und Nr. 4 auf Lager.

Neben den drei Arten von Oberflächen können Spulen aus Edelstahl 304 mit einer Vielzahl von Oberflächenveredelungen geliefert werden.Edelstahl der Güteklasse 304 enthält sowohl Cr- (normalerweise 18 %) als auch Nickelmetalle (normalerweise 8 %) als Hauptbestandteile, die kein Eisen sind.

Bei diesem Spulentyp handelt es sich um einen typisch austenitischen Edelstahl, der zur Standardfamilie der Cr-Ni-Edelstähle gehört.

Sie werden typischerweise für Haushalts- und Konsumgüter, Küchengeräte, Innen- und Außenverkleidungen, Handläufe und Fensterrahmen, Geräte für die Lebensmittel- und Getränkeindustrie sowie Lagertanks verwendet.

In dieser Studie wird die Gestaltung der Torsions- und Druckfedern des in der Rakete verwendeten Flügelklappmechanismus als Optimierungsproblem betrachtet.Nachdem die Rakete das Abschussrohr verlassen hat, müssen die geschlossenen Flügel geöffnet und für eine gewisse Zeit gesichert werden.Ziel der Studie war es, die in den Federn gespeicherte Energie zu maximieren, damit sich die Flügel in kürzester Zeit entfalten konnten.In diesem Fall wurde die Energiegleichung in beiden Veröffentlichungen als Zielfunktion im Optimierungsprozess definiert.Als Optimierungsgrößen wurden die für die Federauslegung erforderlichen Drahtdurchmesser, Windungsdurchmesser, Windungszahlen und Durchbiegungsparameter definiert.Es gibt geometrische Grenzen für die Variablen aufgrund der Größe des Mechanismus sowie Grenzen für den Sicherheitsfaktor aufgrund der von den Federn getragenen Last.Der Honey Bee (BA)-Algorithmus wurde verwendet, um dieses Optimierungsproblem zu lösen und den Federentwurf durchzuführen.Die mit BA erhaltenen Energiewerte sind denen aus früheren Design of Experiments (DOE)-Studien überlegen.Federn und Mechanismen, die unter Verwendung der aus der Optimierung erhaltenen Parameter entworfen wurden, wurden zunächst im ADAMS-Programm analysiert.Anschließend wurden experimentelle Tests durchgeführt, bei denen die hergestellten Federn in reale Mechanismen integriert wurden.Als Ergebnis des Tests wurde beobachtet, dass sich die Flügel nach etwa 90 Millisekunden öffneten.Dieser Wert liegt deutlich unter dem Projektziel von 200 ms.Darüber hinaus beträgt der Unterschied zwischen den analytischen und experimentellen Ergebnissen nur 16 ms.
In Luft- und Schiffsfahrzeugen sind Klappmechanismen von entscheidender Bedeutung.Diese Systeme werden bei Flugzeugmodifikationen und -umbauten eingesetzt, um die Flugleistung und -kontrolle zu verbessern.Je nach Flugmodus falten und entfalten sich die Flügel unterschiedlich, um die aerodynamische Wirkung zu reduzieren1.Diese Situation kann mit den Flügelbewegungen einiger Vögel und Insekten beim alltäglichen Fliegen und Tauchen verglichen werden.In ähnlicher Weise falten und entfalten sich Segelflugzeuge in Tauchbooten, um hydrodynamische Effekte zu reduzieren und das Handling zu maximieren3.Ein weiterer Zweck dieser Mechanismen besteht darin, volumetrische Vorteile für Systeme wie das Zusammenklappen eines Hubschrauberpropellers 4 für Lagerung und Transport bereitzustellen.Außerdem lassen sich die Flügel der Rakete herunterklappen, um den Stauraum zu reduzieren.Somit können mehr Raketen auf einer kleineren Fläche des Werfers 5 platziert werden. Die Komponenten, die beim Ein- und Ausklappen effektiv zum Einsatz kommen, sind in der Regel Federn.Im Moment der Faltung wird Energie darin gespeichert und im Moment der Entfaltung wieder abgegeben.Aufgrund seiner flexiblen Struktur werden gespeicherte und abgegebene Energie ausgeglichen.Die Feder ist hauptsächlich für das System ausgelegt und dieses Design stellt ein Optimierungsproblem dar6.Denn es umfasst zwar verschiedene Variablen wie Drahtdurchmesser, Spulendurchmesser, Windungszahl, Spiralwinkel und Materialart, aber auch Kriterien wie Masse, Volumen, minimale Spannungsverteilung oder maximale Energieverfügbarkeit7.
Diese Studie beleuchtet das Design und die Optimierung von Federn für Flügelfaltmechanismen, die in Raketensystemen verwendet werden.Da sie sich vor dem Flug im Abschussrohr befinden, bleiben die Flügel gefaltet auf der Oberfläche der Rakete, nach dem Austritt aus dem Abschussrohr entfalten sie sich für eine gewisse Zeit und bleiben an die Oberfläche gedrückt.Dieser Prozess ist für das ordnungsgemäße Funktionieren der Rakete von entscheidender Bedeutung.Bei dem entwickelten Faltmechanismus erfolgt das Öffnen der Flügel durch Torsionsfedern und die Verriegelung durch Druckfedern.Um eine geeignete Feder zu entwerfen, muss ein Optimierungsprozess durchgeführt werden.Innerhalb der Federoptimierung gibt es in der Literatur verschiedene Anwendungen.
Paredes et al.8 definierten den maximalen Ermüdungslebensdauerfaktor als Zielfunktion für die Konstruktion von Schraubenfedern und verwendeten die Quasi-Newtonsche Methode als Optimierungsmethode.Als Optimierungsvariablen wurden Drahtdurchmesser, Spulendurchmesser, Windungszahl und Federlänge identifiziert.Ein weiterer Parameter der Federstruktur ist das Material, aus dem sie besteht.Daher wurde dies in den Design- und Optimierungsstudien berücksichtigt.Zebdi et al.9 setzten sich in ihrer Studie Ziele wie maximale Steifigkeit und minimales Gewicht in der Zielfunktion, wobei der Gewichtsfaktor signifikant war.In diesem Fall definierten sie das Federmaterial und die geometrischen Eigenschaften als Variablen.Als Optimierungsverfahren nutzen sie einen genetischen Algorithmus.In der Automobilindustrie ist das Gewicht von Materialien in vielerlei Hinsicht von Nutzen, von der Fahrzeugleistung bis zum Kraftstoffverbrauch.Gewichtsminimierung bei gleichzeitiger Optimierung von Schraubenfedern für die Federung ist eine bekannte Studie10.Bahshesh und Bahshesh11 identifizierten Materialien wie E-Glas, Carbon und Kevlar als Variablen in ihrer Arbeit in der ANSYS-Umgebung mit dem Ziel, minimales Gewicht und maximale Zugfestigkeit in verschiedenen Verbundkonstruktionen von Aufhängungsfedern zu erreichen.Der Herstellungsprozess ist bei der Entwicklung von Verbundfedern von entscheidender Bedeutung.Daher spielen bei einem Optimierungsproblem verschiedene Variablen eine Rolle, beispielsweise die Produktionsmethode, die im Prozess durchgeführten Schritte und die Reihenfolge dieser Schritte12,13.Bei der Auslegung von Federn für dynamische Systeme müssen die Eigenfrequenzen des Systems berücksichtigt werden.Es wird empfohlen, dass die erste Eigenfrequenz der Feder mindestens das 5- bis 10-fache der Eigenfrequenz des Systems beträgt, um Resonanzen zu vermeiden14.Taktak et al.7 beschlossen, die Masse der Feder zu minimieren und die erste Eigenfrequenz als Zielfunktionen bei der Konstruktion der Schraubenfeder zu maximieren.Sie verwendeten Methoden der Mustersuche, des inneren Punktes, der aktiven Menge und des genetischen Algorithmus im Matlab-Optimierungstool.Analytische Forschung ist Teil der Federdesignforschung, und die Finite-Elemente-Methode ist in diesem Bereich beliebt15.Patil et al.16 entwickelten eine Optimierungsmethode zur Gewichtsreduzierung einer Druckschraubenfeder mithilfe eines analytischen Verfahrens und testeten die analytischen Gleichungen mithilfe der Finite-Elemente-Methode.Ein weiteres Kriterium zur Steigerung der Nutzbarkeit einer Feder ist die Erhöhung der Energiespeicherfähigkeit.Dieser Fall stellt außerdem sicher, dass die Feder über einen langen Zeitraum ihre Nützlichkeit behält.Rahul und Rameshkumar17 versuchen, das Federvolumen zu reduzieren und die Verformungsenergie bei der Konstruktion von Schraubenfedern für Autos zu erhöhen.Sie haben genetische Algorithmen auch in der Optimierungsforschung eingesetzt.
Wie man sieht, variieren die Parameter in der Optimierungsstudie von System zu System.Im Allgemeinen sind Steifigkeits- und Scherspannungsparameter wichtig in einem System, in dem die Last, die es trägt, der entscheidende Faktor ist.Mit diesen beiden Parametern wird die Materialauswahl in das Gewichtsbegrenzungssystem einbezogen.Andererseits werden Eigenfrequenzen überprüft, um Resonanzen in hochdynamischen Systemen zu vermeiden.In Systemen, in denen es auf den Nutzen ankommt, wird die Energie maximiert.Obwohl die FEM in Optimierungsstudien für analytische Studien verwendet wird, zeigt sich, dass metaheuristische Algorithmen wie der genetische Algorithmus14,18 und der Gray-Wolf-Algorithmus19 zusammen mit der klassischen Newton-Methode innerhalb eines Bereichs bestimmter Parameter verwendet werden.Basierend auf natürlichen Anpassungsmethoden wurden metaheuristische Algorithmen entwickelt, die sich in kurzer Zeit dem optimalen Zustand nähern, insbesondere unter dem Einfluss der Bevölkerung20,21.Bei einer zufälligen Verteilung der Bevölkerung im Suchgebiet vermeiden sie lokale Optima und bewegen sich in Richtung globaler Optima22.Daher wurde es in den letzten Jahren häufig im Kontext realer industrieller Probleme eingesetzt23,24.
Der kritische Fall für den in dieser Studie entwickelten Faltmechanismus besteht darin, dass sich die Flügel, die sich vor dem Flug in der geschlossenen Position befanden, eine gewisse Zeit nach dem Verlassen der Röhre öffnen.Danach blockiert das Verriegelungselement den Flügel.Daher haben die Federn keinen direkten Einfluss auf die Flugdynamik.In diesem Fall bestand das Ziel der Optimierung darin, die gespeicherte Energie zu maximieren, um die Bewegung der Feder zu beschleunigen.Als Optimierungsparameter wurden Rollendurchmesser, Drahtdurchmesser, Rollenanzahl und Durchbiegung definiert.Aufgrund der geringen Größe der Feder wurde das Gewicht nicht als Ziel betrachtet.Daher ist der Materialtyp als fest definiert.Als kritische Grenze wird der Sicherheitsspielraum für mechanische Verformungen ermittelt.Darüber hinaus sind im Umfang des Mechanismus variable Größenbeschränkungen enthalten.Als Optimierungsverfahren wurde das metaheuristische BA-Verfahren gewählt.BA wurde wegen seiner flexiblen und einfachen Struktur und wegen seiner Fortschritte in der mechanischen Optimierungsforschung25 bevorzugt.Im zweiten Teil der Studie werden detaillierte mathematische Ausdrücke in den Rahmen des Grundaufbaus und der Federkonstruktion des Klappmechanismus einbezogen.Der dritte Teil enthält den Optimierungsalgorithmus und die Optimierungsergebnisse.Kapitel 4 führt die Analyse im ADAMS-Programm durch.Die Eignung der Federn wird vor der Produktion analysiert.Der letzte Abschnitt enthält experimentelle Ergebnisse und Testbilder.Die in der Studie erzielten Ergebnisse wurden auch mit den früheren Arbeiten der Autoren unter Verwendung des DOE-Ansatzes verglichen.
Die in dieser Studie entwickelten Flügel sollten sich zur Oberfläche der Rakete hin falten.Die Flügel drehen sich von der gefalteten in die entfaltete Position.Hierzu wurde ein spezieller Mechanismus entwickelt.Auf Abb.1 zeigt die gefaltete und entfaltete Konfiguration5 im Raketenkoordinatensystem.
Auf Abb.2 zeigt eine Schnittansicht des Mechanismus.Der Mechanismus besteht aus mehreren mechanischen Teilen: (1) Hauptkörper, (2) Flügelwelle, (3) Lager, (4) Schlosskörper, (5) Schlossbuchse, (6) Anschlagstift, (7) Torsionsfeder und ( 8) Druckfedern.Die Flügelwelle (2) ist über die Verriegelungshülse (4) mit der Torsionsfeder (7) verbunden.Nach dem Start der Rakete drehen sich alle drei Teile gleichzeitig.Durch diese Drehbewegung drehen sich die Flügel in ihre Endposition.Danach wird der Stift (6) durch die Druckfeder (8) betätigt und blockiert dadurch den gesamten Mechanismus des Verriegelungskörpers (4)5.
Elastizitätsmodul (E) und Schubmodul (G) sind wichtige Konstruktionsparameter der Feder.In dieser Studie wurde als Federmaterial Federstahldraht mit hohem Kohlenstoffgehalt (Musikdraht ASTM A228) gewählt.Weitere Parameter sind Drahtdurchmesser (d), durchschnittlicher Windungsdurchmesser (Dm), Anzahl der Windungen (N) und Federweg (xd für Druckfedern und θ für Torsionsfedern)26.Die gespeicherte Energie für Druckfedern \({(SE}_{x})\) und Torsionsfedern (\({SE}_{\theta}\)) kann aus der Gleichung berechnet werden.(1) und (2)26.(Der Wert des Schermoduls (G) für die Druckfeder beträgt 83,7E9 Pa und der Wert des Elastizitätsmoduls (E) für die Torsionsfeder beträgt 203,4E9 Pa.)
Die mechanischen Abmessungen des Systems bestimmen direkt die geometrischen Beschränkungen der Feder.Darüber hinaus sollten auch die Standortbedingungen der Rakete berücksichtigt werden.Diese Faktoren bestimmen die Grenzen der Federparameter.Eine weitere wichtige Einschränkung ist der Sicherheitsfaktor.Die Definition eines Sicherheitsfaktors wird ausführlich von Shigley et al.26 beschrieben.Der Sicherheitsfaktor der Druckfeder (SFC) ist definiert als die maximal zulässige Spannung dividiert durch die Spannung über die durchgehende Länge.SFC kann mithilfe von Gleichungen berechnet werden.(3), (4), (5) und (6)26.(Für das in dieser Studie verwendete Federmaterial gilt \({S}_{sy}=980 MPa\)).F stellt die Kraft in der Gleichung dar und KB stellt den Bergstrasser-Faktor von 26 dar.
Der Torsionssicherheitsfaktor einer Feder (SFT) ist definiert als M dividiert durch k.SFT kann aus der Gleichung berechnet werden.(7), (8), (9) und (10)26.(Für das in dieser Studie verwendete Material gilt \({S}_{y}=1600 \mathrm{MPa}\)).In der Gleichung wird M für das Drehmoment, \({k}^{^{\prime}}\) für die Federkonstante (Drehmoment/Rotation) und Ki für den Spannungskorrekturfaktor verwendet.
Das Hauptoptimierungsziel dieser Studie besteht darin, die Energie der Feder zu maximieren.Die Zielfunktion wird formuliert, um \(\overrightarrow{\{X\}}\) zu finden, das \(f(X)\) maximiert.\({f}_{1}(X)\) und \({f}_{2}(X)\) sind die Energiefunktionen der Druck- bzw. Torsionsfeder.Die zur Optimierung verwendeten berechneten Variablen und Funktionen sind in den folgenden Gleichungen dargestellt.
Die verschiedenen Einschränkungen für die Federkonstruktion sind in den folgenden Gleichungen angegeben.Die Gleichungen (15) und (16) stellen die Sicherheitsfaktoren für Druck- bzw. Torsionsfedern dar.In dieser Studie muss SFC größer oder gleich 1,2 und SFT größer oder gleich θ26 sein.
BA wurde von den Pollensuchstrategien der Bienen inspiriert27.Bienen suchen, indem sie mehr Sammler zu fruchtbaren Pollenfeldern und weniger Sammler zu weniger fruchtbaren Pollenfeldern schicken.Dadurch wird die größte Effizienz der Bienenpopulation erreicht.Andererseits suchen Kundschafterbienen weiterhin nach neuen Pollengebieten, und wenn es produktivere Gebiete als zuvor gibt, werden viele Sammler in dieses neue Gebiet geschickt28.BA besteht aus zwei Teilen: lokaler Suche und globaler Suche.Bei einer lokalen Suche wird nach mehr Communities in der Nähe des Minimums (Elite-Websites) wie Bienen und nach weniger auf anderen Websites (optimale oder empfohlene Websites) gesucht.Im globalen Suchteil wird eine willkürliche Suche durchgeführt, und wenn gute Werte gefunden werden, werden die Stationen in der nächsten Iteration in den lokalen Suchteil verschoben.Der Algorithmus enthält einige Parameter: die Anzahl der Scout-Bienen (n), die Anzahl der lokalen Suchseiten (m), die Anzahl der Elite-Sites (e), die Anzahl der Sammler in Elite-Sites (nep), die Anzahl der Sammler in optimale Bereiche.Standort (nsp), Nachbarschaftsgröße (ngh) und Anzahl der Iterationen (I)29.Der BA-Pseudocode ist in Abbildung 3 dargestellt.
Der Algorithmus versucht, zwischen \({g}_{1}(X)\) und \({g}_{2}(X)\) zu arbeiten.Als Ergebnis jeder Iteration werden optimale Werte bestimmt und eine Population um diese Werte herum zusammengestellt, um zu versuchen, die besten Werte zu erhalten.Einschränkungen werden in den lokalen und globalen Suchbereichen überprüft.Wenn diese Faktoren bei einer lokalen Suche geeignet sind, wird der Energiewert berechnet.Wenn der neue Energiewert größer als der optimale Wert ist, weisen Sie den neuen Wert dem optimalen Wert zu.Wenn der beste im Suchergebnis gefundene Wert größer als das aktuelle Element ist, wird das neue Element in die Sammlung aufgenommen.Das Blockdiagramm der lokalen Suche ist in Abbildung 4 dargestellt.
Die Bevölkerung ist einer der Schlüsselparameter in BA.Aus früheren Studien geht hervor, dass eine Erweiterung der Grundgesamtheit die Anzahl der erforderlichen Iterationen verringert und die Erfolgswahrscheinlichkeit erhöht.Allerdings nimmt auch die Zahl der Funktionsbeurteilungen zu.Das Vorhandensein einer großen Anzahl von Elite-Sites hat keinen wesentlichen Einfluss auf die Leistung.Die Anzahl der Elite-Websites kann gering sein, wenn sie nicht bei Null30 liegt.Die Größe der Kundschafterbienenpopulation (n) wird normalerweise zwischen 30 und 100 gewählt. In dieser Studie wurden sowohl 30- als auch 50-Szenarien durchgeführt, um die geeignete Anzahl zu ermitteln (Tabelle 2).Abhängig von der Population werden weitere Parameter bestimmt.Die Anzahl der ausgewählten Standorte (m) beträgt (ungefähr) 25 % der Bevölkerungsgröße, und die Anzahl der Elitestandorte (e) unter den ausgewählten Standorten beträgt 25 % von m.Die Anzahl der Futterbienen (Anzahl der Suchanfragen) wurde für Elite-Parzellen auf 100 und für andere lokale Parzellen auf 30 festgelegt.Die Nachbarschaftssuche ist das Grundkonzept aller evolutionären Algorithmen.In dieser Studie wurde die Tapering-Neighbors-Methode verwendet.Diese Methode reduziert die Größe der Nachbarschaft bei jeder Iteration mit einer bestimmten Rate.In zukünftigen Iterationen können kleinere Nachbarschaftswerte30 für eine genauere Suche verwendet werden.
Für jedes Szenario wurden zehn aufeinanderfolgende Tests durchgeführt, um die Reproduzierbarkeit des Optimierungsalgorithmus zu überprüfen.Auf Abb.In Abb. 5 sind die Ergebnisse der Optimierung der Torsionsfeder für Schema 1 dargestellt.6 – für Schema 2. Testdaten sind auch in den Tabellen 3 und 4 angegeben (eine Tabelle mit den für die Druckfeder erhaltenen Ergebnissen finden Sie in der Zusatzinformation S1).Der Bienenbestand intensiviert die Suche nach guten Werten in der ersten Iteration.In Szenario 1 lagen die Ergebnisse einiger Tests unter dem Maximum.Im Szenario 2 ist zu erkennen, dass sich alle Optimierungsergebnisse aufgrund der Bevölkerungszunahme und anderer relevanter Parameter dem Maximum nähern.Es ist ersichtlich, dass die Werte in Szenario 2 für den Algorithmus ausreichend sind.
Wenn der maximale Energiewert in Iterationen ermittelt wird, wird auch ein Sicherheitsfaktor als Einschränkung für die Studie angegeben.Sicherheitsfaktor siehe Tabelle.Die mit BA erhaltenen Energiewerte werden in Tabelle 5 mit denen verglichen, die mit der 5-DOE-Methode erhalten wurden. (Zur Vereinfachung der Herstellung beträgt die Anzahl der Windungen (N) der Torsionsfeder 4,9 statt 4,88 und die Durchbiegung (xd.) ) beträgt 8 mm statt 7,99 mm bei der Druckfeder.) Man erkennt, dass BA das bessere Ergebnis ist.BA wertet alle Werte durch lokale und globale Suchvorgänge aus.Auf diese Weise kann er schneller mehr Alternativen ausprobieren.
In dieser Studie wurde Adams verwendet, um die Bewegung des Flügelmechanismus zu analysieren.Adams erhält zunächst ein 3D-Modell des Mechanismus.Definieren Sie dann eine Feder mit den im vorherigen Abschnitt ausgewählten Parametern.Darüber hinaus müssen für die eigentliche Analyse noch einige weitere Parameter definiert werden.Dabei handelt es sich um physikalische Parameter wie Verbindungen, Materialeigenschaften, Kontakt, Reibung und Schwerkraft.Zwischen der Messerwelle und dem Lager befindet sich ein Drehgelenk.Es gibt 5-6 zylindrische Gelenke.Es gibt 5-1 feste Verbindungen.Der Hauptkörper besteht aus Aluminiummaterial und ist fest montiert.Das Material der restlichen Teile ist Stahl.Wählen Sie je nach Materialart den Reibungskoeffizienten, die Kontaktsteifigkeit und die Eindringtiefe der Reibfläche.(Edelstahl AISI 304) In dieser Studie ist der kritische Parameter die Öffnungszeit des Flügelmechanismus, die weniger als 200 ms betragen muss.Behalten Sie daher bei der Analyse die Flügelöffnungszeit im Auge.
Als Ergebnis der Analyse von Adams beträgt die Öffnungszeit des Flügelmechanismus 74 Millisekunden.Die Ergebnisse der dynamischen Simulation von 1 bis 4 sind in Abbildung 7 dargestellt. Das erste Bild in Abbildung.5 ist die Startzeit der Simulation und die Flügel befinden sich in der Warteposition zum Falten.(2) Zeigt die Position des Flügels nach 40 ms an, wenn sich der Flügel um 43 Grad gedreht hat.(3) zeigt die Position des Flügels nach 71 Millisekunden.Auch im letzten Bild (4) ist das Ende der Flügeldrehung und die geöffnete Stellung zu sehen.Als Ergebnis einer dynamischen Analyse wurde beobachtet, dass der Flügelöffnungsmechanismus deutlich kürzer ist als der Zielwert von 200 ms.Darüber hinaus wurden bei der Dimensionierung der Federn die Sicherheitsgrenzen aus den höchsten in der Literatur empfohlenen Werten ausgewählt.
Nach Abschluss aller Design-, Optimierungs- und Simulationsstudien wurde ein Prototyp des Mechanismus hergestellt und integriert.Anschließend wurde der Prototyp getestet, um die Simulationsergebnisse zu verifizieren.Befestigen Sie zunächst die Hauptschale und falten Sie die Flügel.Dann wurden die Flügel aus der gefalteten Position gelöst und ein Video von der Drehung der Flügel aus der gefalteten Position in die entfaltete Position erstellt.Der Timer wurde auch zur Zeitanalyse während der Videoaufzeichnung verwendet.
Auf Abb.8 zeigt Videobilder mit den Nummern 1–4.Bildnummer 1 in der Abbildung zeigt den Moment der Freigabe der gefalteten Flügel.Dieser Moment wird als Anfangszeitpunkt t0 betrachtet.Die Bilder 2 und 3 zeigen die Positionen der Flügel 40 ms und 70 ms nach dem ersten Moment.Bei der Analyse der Frames 3 und 4 ist ersichtlich, dass sich die Bewegung des Flügels 90 ms nach t0 stabilisiert und die Öffnung des Flügels zwischen 70 und 90 ms abgeschlossen ist.Diese Situation bedeutet, dass sowohl Simulation als auch Prototypentests ungefähr die gleiche Flügelentfaltungszeit ergeben und das Design die Leistungsanforderungen des Mechanismus erfüllt.
In diesem Artikel werden die im Flügelklappmechanismus verwendeten Torsions- und Druckfedern mithilfe von BA optimiert.Die Parameter können mit wenigen Iterationen schnell erreicht werden.Die Torsionsfeder hat eine Nennleistung von 1075 mJ und die Druckfeder hat eine Nennleistung von 37,24 mJ.Diese Werte sind 40–50 % besser als frühere DOE-Studien.Die Feder wird in die Mechanik integriert und im ADAMS-Programm analysiert.Bei der Analyse wurde festgestellt, dass sich die Flügel innerhalb von 74 Millisekunden öffneten.Dieser Wert liegt deutlich unter dem Projektziel von 200 Millisekunden.In einer anschließenden experimentellen Studie wurde eine Einschaltzeit von etwa 90 ms gemessen.Dieser Unterschied von 16 Millisekunden zwischen den Analysen kann auf Umgebungsfaktoren zurückzuführen sein, die nicht in der Software modelliert sind.Es wird davon ausgegangen, dass der als Ergebnis der Studie erhaltene Optimierungsalgorithmus für verschiedene Federkonstruktionen verwendet werden kann.
Das Federmaterial war vordefiniert und wurde bei der Optimierung nicht als Variable verwendet.Da in Flugzeugen und Raketen viele verschiedene Arten von Federn verwendet werden, wird BA zur Entwicklung anderer Arten von Federn unter Verwendung unterschiedlicher Materialien eingesetzt, um in der zukünftigen Forschung ein optimales Federdesign zu erreichen.
Wir erklären, dass dieses Manuskript ein Original ist, noch nicht veröffentlicht wurde und derzeit nicht für eine Veröffentlichung an anderer Stelle in Betracht gezogen wird.
Alle in dieser Studie generierten oder analysierten Daten sind in diesem veröffentlichten Artikel [und der Datei mit zusätzlichen Informationen] enthalten.
Min, Z., Kin, VK und Richard, LJ Flugzeugmodernisierung des Tragflächenkonzepts durch radikale geometrische Änderungen.IES J. Teil A Zivilisation.Verbindung.Projekt.3(3), 188–195 (2010).
Sun, J., Liu, K. und Bhushan, B. Ein Überblick über den Hinterflügel des Käfers: Struktur, mechanische Eigenschaften, Mechanismen und biologische Inspiration.J. Mecha.Verhalten.Biomedizinische Wissenschaft.Alma Mater.94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. und Zhang, F. Entwurf und Analyse eines Faltantriebsmechanismus für einen hybridbetriebenen Unterwassergleiter.Ocean Engineering 119, 125–134 (2016).
Kartik, HS und Prithvi, K. Design und Analyse eines Klappmechanismus für das Horizontalstabilisator eines Hubschraubers.Intern J. Ing.Lagertank.Technologien.(IGERT) 9(05), 110–113 (2020).
Kulunk, Z. und Sahin, M. Optimierung der mechanischen Parameter eines Faltraketenflügeldesigns mithilfe eines experimentellen Designansatzes.internes J. Modell.Optimierung.9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD-Designmethode, Leistungsstudie und Herstellungsprozess von Verbundschraubenfedern: Ein Rückblick.komponieren.Verbindung.252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. und Khaddar M. Dynamische Designoptimierung von Schraubenfedern.Bewerben Sie sich für Ton.77, 178–183 (2014).
Paredes, M., Sartor, M. und Mascle, K. Ein Verfahren zur Optimierung des Designs von Zugfedern.Computer.Anwendung der Methode.Fell.Projekt.191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. und Trochu F. Optimales Design von Verbundschraubenfedern mittels multiobjektiver Optimierung.J. Reinf.Plastik.komponieren.28 (14), 1713–1732 (2009).
Pawart, HB und Desale, DD Optimierung der Schraubenfedern der Vorderradaufhängung von Dreirädern.Verfahren.Hersteller.20, 428–433 (2018).
Bahshesh M. und Bahshesh M. Optimierung von Stahlschraubenfedern mit Verbundfedern.intern J. Multidisziplinär.die Wissenschaft.Projekt.3(6), 47–51 (2012).
Chen, L. et al.Erfahren Sie mehr über die zahlreichen Parameter, die die statische und dynamische Leistung von Verbundschraubenfedern beeinflussen.J. Markt.Lagertank.20, 532–550 (2022).
Frank, J. Analyse und Optimierung zusammengesetzter Schraubenfedern, Doktorarbeit, Sacramento State University (2020).
Gu, Z., Hou,Verfahren.Pelzinstitut.Projekt.CJ Mecha.Projekt.die Wissenschaft.235(22), 5917–5930 (2021).
Wu, L., et al.Mehrsträngige Schraubenfedern aus Kohlefaser mit einstellbarer Federrate: Eine Design- und Mechanismusstudie.J. Markt.Lagertank.9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS und Jagtap ST Gewichtsoptimierung von Druckschraubenfedern.intern J. Innov.Lagertank.Multidisziplinär.2(11), 154–164 (2016).
Rahul, MS und Rameshkumar, K. Mehrzweckoptimierung und numerische Simulation von Schraubenfedern für Automobilanwendungen.Alma Mater.Prozess heute.46, 4847–4853 (2021).
Bai, JB et al.Definition von Best Practice – Optimales Design zusammengesetzter helikaler Strukturen mithilfe genetischer Algorithmen.komponieren.Verbindung.268, 113982 (2021).
Shahin, I., Dorterler, M. und Gokche, H. Unter Verwendung der 灰狼-Optimierungsmethode basierend auf der Optimierung des Mindestvolumens der Druckfederkonstruktion, Ghazi J. Engineering Science, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. und Sait, SM Metaheuristik mit mehreren Agenten zur Optimierung von Abstürzen.intern J. Veh.Dez.80(2–4), 223–240 (2019).
Yildyz, AR und Erdash, MU Neuer hybrider Taguchi-Salpa-Gruppenoptimierungsalgorithmus für zuverlässiges Design realer technischer Probleme.Alma Mater.prüfen.63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR und Sait SM Zuverlässiges Design von Robotergreifmechanismen unter Verwendung eines neuen Hybrid-Heuschrecken-Optimierungsalgorithmus.Experte.System.38(3), e12666 (2021).