AISI 304/304L સ્ટેનલેસ સ્ટીલ કોઇલ ટ્યુબ રાસાયણિક ઘટક, હનીબી અલ્ગોરિધમનો ઉપયોગ કરીને ફોલ્ડિંગ વિંગ સ્પ્રિંગ પેરામીટર્સને ઑપ્ટિમાઇઝ કરવું

Nature.com ની મુલાકાત લેવા બદલ આભાર.તમે મર્યાદિત CSS સપોર્ટ સાથે બ્રાઉઝર સંસ્કરણનો ઉપયોગ કરી રહ્યાં છો.શ્રેષ્ઠ અનુભવ માટે, અમે ભલામણ કરીએ છીએ કે તમે અપડેટ કરેલ બ્રાઉઝરનો ઉપયોગ કરો (અથવા Internet Explorer માં સુસંગતતા મોડને અક્ષમ કરો).વધુમાં, ચાલુ સમર્થનની ખાતરી કરવા માટે, અમે શૈલીઓ અને JavaScript વિના સાઇટ બતાવીએ છીએ.
સ્લાઇડર્સ સ્લાઇડ દીઠ ત્રણ લેખો દર્શાવે છે.સ્લાઇડ્સમાંથી આગળ વધવા માટે પાછળના અને આગળના બટનોનો ઉપયોગ કરો અથવા દરેક સ્લાઇડમાંથી આગળ વધવા માટે અંતે સ્લાઇડ કંટ્રોલર બટનોનો ઉપયોગ કરો.

AISI 304/304L સ્ટેનલેસ સ્ટીલ કેશિલરી કોઇલ્ડ ટ્યુબિંગ

AISI 304 સ્ટેનલેસ સ્ટીલ કોઇલ ઉત્તમ પ્રતિકાર સાથે સર્વ-હેતુનું ઉત્પાદન છે અને તે વિવિધ પ્રકારની એપ્લિકેશનો માટે યોગ્ય છે જેને સારી ફોર્મેબિલિટી અને વેલ્ડેબિલિટીની જરૂર હોય છે.

શેય મેટલ સ્ટોક્સ 0.3mm થી 16mm જાડાઈમાં 304 કોઇલ અને 2B ફિનિશ, BA ફિનિશ, નંબર 4 ફિનિશ હંમેશા ઉપલબ્ધ છે.

ત્રણ પ્રકારની સપાટીની બાજુમાં, 304 સ્ટેનલેસ સ્ટીલ કોઇલ વિવિધ સપાટીની પૂર્ણાહુતિ સાથે વિતરિત કરી શકાય છે.ગ્રેડ 304 સ્ટેનલેસમાં મુખ્ય બિન-આયર્ન ઘટકો તરીકે Cr (સામાન્ય રીતે 18%) અને નિકલ (સામાન્ય રીતે 8%) ધાતુઓ હોય છે.

આ પ્રકારની કોઇલ સામાન્ય રીતે ઓસ્ટેનિટીક સ્ટેનલેસ સ્ટીલ છે, જે પ્રમાણભૂત Cr-Ni સ્ટેનલેસ સ્ટીલ પરિવારની છે.

તેનો ઉપયોગ સામાન્ય રીતે ઘરગથ્થુ અને ઉપભોક્તા સામાન, રસોડાનાં સાધનો, ઇન્ડોર અને આઉટડોર ક્લેડીંગ, હેન્ડ્રેલ્સ અને વિન્ડો ફ્રેમ્સ, ખાદ્ય અને પીણા ઉદ્યોગનાં સાધનો, સંગ્રહ ટાંકીઓ માટે થાય છે.

આ અભ્યાસમાં, રોકેટમાં વપરાતા વિંગ ફોલ્ડિંગ મિકેનિઝમના ટોર્સિયન અને કમ્પ્રેશન સ્પ્રિંગ્સની ડિઝાઇનને ઑપ્ટિમાઇઝેશન સમસ્યા તરીકે ગણવામાં આવે છે.રોકેટ પ્રક્ષેપણ ટ્યુબમાંથી બહાર નીકળ્યા પછી, બંધ પાંખોને અમુક ચોક્કસ સમય માટે ખોલી અને સુરક્ષિત રાખવાની રહેશે.અભ્યાસનો ઉદ્દેશ ઝરણામાં સંગ્રહિત ઊર્જાને મહત્તમ કરવાનો હતો જેથી પાંખો શક્ય તેટલા ઓછા સમયમાં તૈનાત કરી શકે.આ કિસ્સામાં, બંને પ્રકાશનોમાં ઊર્જા સમીકરણને ઑપ્ટિમાઇઝેશન પ્રક્રિયામાં ઉદ્દેશ્ય કાર્ય તરીકે વ્યાખ્યાયિત કરવામાં આવ્યું હતું.વાયરનો વ્યાસ, કોઇલનો વ્યાસ, કોઇલની સંખ્યા અને સ્પ્રિંગ ડિઝાઇન માટે જરૂરી ડિફ્લેક્શન પરિમાણોને ઓપ્ટિમાઇઝેશન વેરીએબલ તરીકે વ્યાખ્યાયિત કરવામાં આવ્યા હતા.મિકેનિઝમના કદને કારણે ચલો પર ભૌમિતિક મર્યાદાઓ છે, તેમજ ઝરણા દ્વારા વહન કરવામાં આવતા ભારને કારણે સલામતી પરિબળ પરની મર્યાદાઓ છે.મધમાખી (BA) અલ્ગોરિધમનો ઉપયોગ આ ઑપ્ટિમાઇઝેશન સમસ્યાને ઉકેલવા અને વસંત ડિઝાઇન કરવા માટે કરવામાં આવ્યો હતો.BA સાથે મેળવેલ ઉર્જા મૂલ્યો અગાઉના ડિઝાઇન ઓફ એક્સપેરિમેન્ટ્સ (DOE) અભ્યાસોમાંથી મેળવેલો કરતાં ચડિયાતા છે.ઑપ્ટિમાઇઝેશનમાંથી મેળવેલા પરિમાણોનો ઉપયોગ કરીને રચાયેલ સ્પ્રિંગ્સ અને મિકેનિઝમ્સનું પ્રથમ ADAMS પ્રોગ્રામમાં વિશ્લેષણ કરવામાં આવ્યું હતું.તે પછી, ઉત્પાદિત સ્પ્રિંગ્સને વાસ્તવિક મિકેનિઝમ્સમાં એકીકૃત કરીને પ્રાયોગિક પરીક્ષણો હાથ ધરવામાં આવ્યા હતા.પરીક્ષણના પરિણામે, એવું જોવામાં આવ્યું કે પાંખો લગભગ 90 મિલિસેકન્ડ પછી ખુલી.આ મૂલ્ય પ્રોજેક્ટના 200ms ના લક્ષ્ય કરતાં ઘણું ઓછું છે.વધુમાં, વિશ્લેષણાત્મક અને પ્રાયોગિક પરિણામો વચ્ચેનો તફાવત માત્ર 16 ms છે.
એરક્રાફ્ટ અને દરિયાઈ વાહનોમાં, ફોલ્ડિંગ મિકેનિઝમ મહત્વપૂર્ણ છે.આ સિસ્ટમોનો ઉપયોગ એરક્રાફ્ટમાં ફેરફાર અને રૂપાંતરણમાં ફ્લાઇટ કામગીરી અને નિયંત્રણને સુધારવા માટે થાય છે.ફ્લાઇટ મોડ પર આધાર રાખીને, એરોડાયનેમિક અસર ઘટાડવા માટે પાંખો અલગ રીતે ફોલ્ડ અને ફોલ્ડ થાય છે1.આ પરિસ્થિતિની સરખામણી રોજિંદા ફ્લાઇટ અને ડાઇવિંગ દરમિયાન કેટલાક પક્ષીઓ અને જંતુઓની પાંખોની હિલચાલ સાથે કરી શકાય છે.એ જ રીતે, હાઇડ્રોડાયનેમિક અસરો ઘટાડવા અને મહત્તમ હેન્ડલિંગ3 માટે ગ્લાઈડર્સ સબમર્સિબલ્સમાં ફોલ્ડ અને ફોલ્ડ થાય છે.હજુ સુધી આ પદ્ધતિઓનો બીજો હેતુ સંગ્રહ અને પરિવહન માટે હેલિકોપ્ટર પ્રોપેલર 4 ના ફોલ્ડિંગ જેવી સિસ્ટમોને વોલ્યુમેટ્રિક ફાયદા પ્રદાન કરવાનો છે.સ્ટોરેજ સ્પેસ ઘટાડવા રોકેટની પાંખો પણ નીચે ફોલ્ડ થાય છે.આમ, લૉન્ચર 5 ના નાના વિસ્તાર પર વધુ મિસાઇલો મૂકી શકાય છે. ફોલ્ડિંગ અને ફોલ્ડિંગમાં અસરકારક રીતે ઉપયોગમાં લેવાતા ઘટકો સામાન્ય રીતે સ્પ્રિંગ્સ હોય છે.ફોલ્ડિંગની ક્ષણે, ઊર્જા તેમાં સંગ્રહિત થાય છે અને પ્રગટ થવાની ક્ષણે મુક્ત થાય છે.તેની લવચીક રચનાને લીધે, સંગ્રહિત અને મુક્ત ઊર્જા સમાન થાય છે.વસંત મુખ્યત્વે સિસ્ટમ માટે રચાયેલ છે, અને આ ડિઝાઇન ઑપ્ટિમાઇઝેશન સમસ્યા રજૂ કરે છે6.કારણ કે જ્યારે તેમાં વાયરનો વ્યાસ, કોઇલનો વ્યાસ, વળાંકોની સંખ્યા, હેલિક્સ કોણ અને સામગ્રીનો પ્રકાર જેવા વિવિધ ચલોનો સમાવેશ થાય છે, ત્યારે ત્યાં સમૂહ, વોલ્યુમ, લઘુત્તમ તાણ વિતરણ અથવા મહત્તમ ઊર્જા ઉપલબ્ધતા7 જેવા માપદંડો પણ છે.
આ અભ્યાસ રોકેટ સિસ્ટમમાં વપરાતી વિંગ ફોલ્ડિંગ મિકેનિઝમ માટે ઝરણાની ડિઝાઇન અને ઑપ્ટિમાઇઝેશન પર પ્રકાશ પાડે છે.ફ્લાઇટ પહેલાં લોન્ચ ટ્યુબની અંદર હોવાથી, પાંખો રોકેટની સપાટી પર ફોલ્ડ રહે છે, અને લોન્ચ ટ્યુબમાંથી બહાર નીકળ્યા પછી, તે ચોક્કસ સમય માટે ખુલે છે અને સપાટી પર દબાયેલી રહે છે.આ પ્રક્રિયા રોકેટની યોગ્ય કામગીરી માટે મહત્વપૂર્ણ છે.વિકસિત ફોલ્ડિંગ મિકેનિઝમમાં, પાંખોનું ઉદઘાટન ટોર્સિયન સ્પ્રિંગ્સ દ્વારા કરવામાં આવે છે, અને લોકીંગ કમ્પ્રેશન સ્પ્રિંગ્સ દ્વારા હાથ ધરવામાં આવે છે.યોગ્ય વસંતની રચના કરવા માટે, ઑપ્ટિમાઇઝેશન પ્રક્રિયા કરવી આવશ્યક છે.વસંત ઑપ્ટિમાઇઝેશનની અંદર, સાહિત્યમાં વિવિધ એપ્લિકેશનો છે.
પેરેડ્સ એટ અલ.8 એ હેલિકલ સ્પ્રિંગ્સની ડિઝાઇન માટે ઉદ્દેશ્ય કાર્ય તરીકે મહત્તમ થાક જીવન પરિબળને વ્યાખ્યાયિત કર્યું અને ઑપ્ટિમાઇઝેશન પદ્ધતિ તરીકે અર્ધ-ન્યૂટોનિયન પદ્ધતિનો ઉપયોગ કર્યો.ઓપ્ટિમાઇઝેશનમાં ચલોને વાયર વ્યાસ, કોઇલ વ્યાસ, વળાંકની સંખ્યા અને વસંત લંબાઈ તરીકે ઓળખવામાં આવ્યા હતા.વસંત રચનાનું બીજું પરિમાણ એ સામગ્રી છે જેમાંથી તે બનાવવામાં આવે છે.તેથી, ડિઝાઇન અને ઑપ્ટિમાઇઝેશન અભ્યાસમાં આને ધ્યાનમાં લેવામાં આવ્યું હતું.ઝેબદી એટ અલ.9 તેમના અભ્યાસમાં ઉદ્દેશ્ય કાર્યમાં મહત્તમ જડતા અને લઘુત્તમ વજનના લક્ષ્યો નક્કી કર્યા, જ્યાં વજનનું પરિબળ નોંધપાત્ર હતું.આ કિસ્સામાં, તેઓએ વસંત સામગ્રી અને ભૌમિતિક ગુણધર્મોને ચલ તરીકે વ્યાખ્યાયિત કર્યા.તેઓ ઑપ્ટિમાઇઝેશન પદ્ધતિ તરીકે આનુવંશિક અલ્ગોરિધમનો ઉપયોગ કરે છે.ઓટોમોટિવ ઉદ્યોગમાં, સામગ્રીનું વજન વાહનની કામગીરીથી લઈને બળતણ વપરાશ સુધી ઘણી રીતે ઉપયોગી છે.સસ્પેન્શન માટે કોઇલ સ્પ્રિંગ્સને ઑપ્ટિમાઇઝ કરતી વખતે વજન ઓછું કરવું એ જાણીતો અભ્યાસ છે10.Bahshesh અને Bahshesh11 એ વિવિધ સસ્પેન્શન સ્પ્રિંગ કમ્પોઝિટ ડિઝાઇનમાં લઘુત્તમ વજન અને મહત્તમ તાણ શક્તિ હાંસલ કરવાના ધ્યેય સાથે ANSYS પર્યાવરણમાં તેમના કાર્યમાં ચલ તરીકે ઇ-ગ્લાસ, કાર્બન અને કેવલર જેવી સામગ્રીની ઓળખ કરી.સંયુક્ત ઝરણાના વિકાસમાં ઉત્પાદન પ્રક્રિયા મહત્વપૂર્ણ છે.આમ, ઑપ્ટિમાઇઝેશનની સમસ્યામાં વિવિધ ચલો કામમાં આવે છે, જેમ કે ઉત્પાદન પદ્ધતિ, પ્રક્રિયામાં લેવાયેલા પગલાં અને તે પગલાંનો ક્રમ 12,13.ગતિશીલ સિસ્ટમો માટે ઝરણા ડિઝાઇન કરતી વખતે, સિસ્ટમની કુદરતી ફ્રીક્વન્સીઝ ધ્યાનમાં લેવી આવશ્યક છે.એવી ભલામણ કરવામાં આવે છે કે પડઘો ટાળવા માટે વસંતની પ્રથમ કુદરતી આવર્તન સિસ્ટમની કુદરતી આવર્તન કરતાં ઓછામાં ઓછી 5-10 ગણી હોવી જોઈએ14.તક્તક એટ અલ.7 એ કોઇલ સ્પ્રિંગ ડિઝાઇનમાં ઉદ્દેશ્ય કાર્યો તરીકે વસંતના સમૂહને ઘટાડવાનું અને પ્રથમ કુદરતી આવર્તનને મહત્તમ બનાવવાનું નક્કી કર્યું.તેઓએ Matlab ઑપ્ટિમાઇઝેશન ટૂલમાં પેટર્ન શોધ, આંતરિક બિંદુ, સક્રિય સમૂહ અને આનુવંશિક અલ્ગોરિધમ પદ્ધતિઓનો ઉપયોગ કર્યો.વિશ્લેષણાત્મક સંશોધન એ વસંત ડિઝાઇન સંશોધનનો એક ભાગ છે, અને આ ક્ષેત્રમાં મર્યાદિત તત્વ પદ્ધતિ લોકપ્રિય છે15.પાટીલ એટ અલ.16 એ વિશ્લેષણાત્મક પ્રક્રિયાનો ઉપયોગ કરીને કમ્પ્રેશન હેલિકલ સ્પ્રિંગનું વજન ઘટાડવા માટે ઑપ્ટિમાઇઝેશન પદ્ધતિ વિકસાવી અને મર્યાદિત તત્વ પદ્ધતિનો ઉપયોગ કરીને વિશ્લેષણાત્મક સમીકરણોનું પરીક્ષણ કર્યું.ઝરણાની ઉપયોગીતા વધારવા માટેનો બીજો માપદંડ એ છે કે તે જે ઊર્જા સંગ્રહિત કરી શકે છે તેમાં વધારો.આ કેસ એ પણ સુનિશ્ચિત કરે છે કે વસંત લાંબા સમય સુધી તેની ઉપયોગિતા જાળવી રાખે છે.રાહુલ અને રમેશકુમાર17 સ્પ્રિંગ વોલ્યુમ ઘટાડવા અને કાર કોઇલ સ્પ્રિંગ ડિઝાઇનમાં તાણ ઊર્જા વધારવાનો પ્રયાસ કરે છે.તેઓએ ઑપ્ટિમાઇઝેશન સંશોધનમાં આનુવંશિક અલ્ગોરિધમનો પણ ઉપયોગ કર્યો છે.
જેમ જોઈ શકાય છે, ઑપ્ટિમાઇઝેશન અભ્યાસના પરિમાણો સિસ્ટમથી સિસ્ટમમાં બદલાય છે.સામાન્ય રીતે, જડતા અને શીયર સ્ટ્રેસ પેરામીટર એ સિસ્ટમમાં મહત્વપૂર્ણ છે જ્યાં તે જે ભાર વહન કરે છે તે નિર્ણાયક પરિબળ છે.આ બે પરિમાણો સાથે વજન મર્યાદા સિસ્ટમમાં સામગ્રીની પસંદગીનો સમાવેશ થાય છે.બીજી બાજુ, અત્યંત ગતિશીલ પ્રણાલીઓમાં પડઘો ટાળવા માટે કુદરતી ફ્રીક્વન્સીઝની તપાસ કરવામાં આવે છે.સિસ્ટમોમાં જ્યાં ઉપયોગિતા મહત્વની છે, ઊર્જા મહત્તમ કરવામાં આવે છે.ઑપ્ટિમાઇઝેશન અભ્યાસમાં, જો કે FEM નો ઉપયોગ વિશ્લેષણાત્મક અભ્યાસ માટે કરવામાં આવે છે, તે જોઈ શકાય છે કે આનુવંશિક અલ્ગોરિધમ14,18 અને ગ્રે વુલ્ફ અલ્ગોરિધમ19 જેવા મેટાહ્યુરિસ્ટિક અલ્ગોરિધમનો ઉપયોગ ચોક્કસ પરિમાણોની શ્રેણીમાં ક્લાસિકલ ન્યૂટન પદ્ધતિ સાથે કરવામાં આવે છે.મેટાહ્યુરિસ્ટિક અલ્ગોરિધમ્સ કુદરતી અનુકૂલન પદ્ધતિઓના આધારે વિકસાવવામાં આવ્યા છે જે ટૂંકા ગાળામાં શ્રેષ્ઠ સ્થિતિનો સંપર્ક કરે છે, ખાસ કરીને 20,21 વસ્તીના પ્રભાવ હેઠળ.શોધ વિસ્તારમાં વસ્તીના રેન્ડમ વિતરણ સાથે, તેઓ સ્થાનિક ઓપ્ટિમાને ટાળે છે અને વૈશ્વિક optima22 તરફ આગળ વધે છે.આમ, તાજેતરના વર્ષોમાં તેનો વારંવાર વાસ્તવિક ઔદ્યોગિક સમસ્યાઓના સંદર્ભમાં ઉપયોગ થાય છે23,24.
આ અભ્યાસમાં વિકસાવવામાં આવેલ ફોલ્ડિંગ મિકેનિઝમ માટેનો નિર્ણાયક કેસ એ છે કે પાંખો, જે ઉડાન પહેલા બંધ સ્થિતિમાં હતી, તે ટ્યુબ છોડ્યા પછી ચોક્કસ સમયે ખુલે છે.તે પછી, લોકીંગ તત્વ પાંખને અવરોધે છે.તેથી, ઝરણા ફ્લાઇટની ગતિશીલતાને સીધી અસર કરતા નથી.આ કિસ્સામાં, ઑપ્ટિમાઇઝેશનનો ધ્યેય વસંતની હિલચાલને વેગ આપવા માટે સંગ્રહિત ઊર્જાને મહત્તમ કરવાનો હતો.રોલનો વ્યાસ, વાયરનો વ્યાસ, રોલ્સની સંખ્યા અને ડિફ્લેક્શનને ઓપ્ટિમાઇઝેશન પરિમાણો તરીકે વ્યાખ્યાયિત કરવામાં આવ્યા હતા.વસંતના નાના કદને લીધે, વજનને ધ્યેય માનવામાં આવતું ન હતું.તેથી, સામગ્રીનો પ્રકાર નિશ્ચિત તરીકે વ્યાખ્યાયિત કરવામાં આવે છે.યાંત્રિક વિકૃતિઓ માટે સલામતીનું માર્જિન નિર્ણાયક મર્યાદા તરીકે નક્કી કરવામાં આવે છે.વધુમાં, ચલ કદના અવરોધો મિકેનિઝમના અવકાશમાં સામેલ છે.BA મેટાહ્યુરિસ્ટિક પદ્ધતિને ઓપ્ટિમાઇઝેશન પદ્ધતિ તરીકે પસંદ કરવામાં આવી હતી.BA ને તેની લવચીક અને સરળ રચના અને યાંત્રિક ઓપ્ટિમાઇઝેશન સંશોધન25માં તેની પ્રગતિ માટે તરફેણ કરવામાં આવી હતી.અભ્યાસના બીજા ભાગમાં, ફોલ્ડિંગ મિકેનિઝમની મૂળભૂત ડિઝાઇન અને વસંત ડિઝાઇનના માળખામાં વિગતવાર ગાણિતિક અભિવ્યક્તિઓ શામેલ છે.ત્રીજા ભાગમાં ઑપ્ટિમાઇઝેશન અલ્ગોરિધમ અને ઑપ્ટિમાઇઝેશન પરિણામો છે.પ્રકરણ 4 ADAMS પ્રોગ્રામમાં વિશ્લેષણ કરે છે.ઉત્પાદન પહેલાં ઝરણાની યોગ્યતાનું વિશ્લેષણ કરવામાં આવે છે.છેલ્લા વિભાગમાં પ્રાયોગિક પરિણામો અને પરીક્ષણ છબીઓ છે.અભ્યાસમાં મેળવેલ પરિણામોની તુલના DOE અભિગમનો ઉપયોગ કરીને લેખકોના અગાઉના કાર્ય સાથે પણ કરવામાં આવી હતી.
આ અભ્યાસમાં વિકસિત પાંખો રોકેટની સપાટી તરફ ફોલ્ડ થવી જોઈએ.પાંખો ફોલ્ડથી અનફોલ્ડ સ્થિતિમાં ફેરવાય છે.આ માટે, એક ખાસ મિકેનિઝમ વિકસાવવામાં આવી હતી.અંજીર પર.1 રોકેટ કોઓર્ડિનેટ સિસ્ટમમાં ફોલ્ડ અને અનફોલ્ડ રૂપરેખાંકન5 બતાવે છે.
અંજીર પર.2 મિકેનિઝમનું વિભાગીય દૃશ્ય બતાવે છે.મિકેનિઝમમાં કેટલાક યાંત્રિક ભાગોનો સમાવેશ થાય છે: (1) મુખ્ય ભાગ, (2) વિંગ શાફ્ટ, (3) બેરિંગ, (4) લોક બોડી, (5) લોક બુશ, (6) સ્ટોપ પિન, (7) ટોર્સિયન સ્પ્રિંગ અને ( 8) કમ્પ્રેશન સ્પ્રિંગ્સ.વિંગ શાફ્ટ (2) લોકીંગ સ્લીવ (4) દ્વારા ટોર્સિયન સ્પ્રિંગ (7) સાથે જોડાયેલ છે.રોકેટ ઉપડ્યા પછી ત્રણેય ભાગો એક સાથે ફરે છે.આ રોટેશનલ ચળવળ સાથે, પાંખો તેમની અંતિમ સ્થિતિ તરફ વળે છે.તે પછી, પિન (6) કમ્પ્રેશન સ્પ્રિંગ (8) દ્વારા સક્રિય થાય છે, ત્યાં લોકીંગ બોડીની સમગ્ર પદ્ધતિને અવરોધિત કરે છે (4)5.
સ્થિતિસ્થાપક મોડ્યુલસ (E) અને શીયર મોડ્યુલસ (G) વસંતના મુખ્ય ડિઝાઇન પરિમાણો છે.આ અભ્યાસમાં, ઉચ્ચ કાર્બન સ્પ્રિંગ સ્ટીલ વાયર (મ્યુઝિક વાયર ASTM A228)ને વસંત સામગ્રી તરીકે પસંદ કરવામાં આવ્યો હતો.અન્ય પરિમાણો છે વાયર વ્યાસ (d), સરેરાશ કોઇલ વ્યાસ (Dm), કોઇલની સંખ્યા (N) અને સ્પ્રિંગ ડિફ્લેક્શન (કમ્પ્રેશન સ્પ્રિંગ્સ માટે xd અને ટોર્સિયન સ્પ્રિંગ્સ માટે θ)26.કમ્પ્રેશન સ્પ્રિંગ્સ \({(SE}_{x})\) અને ટોર્સિયન (\({SE}_{\theta}\)) સ્પ્રિંગ્સ માટે સંગ્રહિત ઊર્જાની ગણતરી સમીકરણમાંથી કરી શકાય છે.(1) અને (2)26.(કમ્પ્રેશન સ્પ્રિંગ માટે શીયર મોડ્યુલસ (G) મૂલ્ય 83.7E9 Pa છે, અને ટોર્સિયન સ્પ્રિંગ માટે સ્થિતિસ્થાપક મોડ્યુલસ (E) મૂલ્ય 203.4E9 Pa છે.)
સિસ્ટમના યાંત્રિક પરિમાણો સીધા વસંતના ભૌમિતિક અવરોધોને નિર્ધારિત કરે છે.આ ઉપરાંત, રોકેટ કઈ પરિસ્થિતિઓમાં સ્થિત હશે તે પણ ધ્યાનમાં લેવું જોઈએ.આ પરિબળો વસંત પરિમાણોની મર્યાદા નક્કી કરે છે.અન્ય મહત્વપૂર્ણ મર્યાદા એ સલામતી પરિબળ છે.સુરક્ષા પરિબળની વ્યાખ્યા શિગલી એટ અલ.26 દ્વારા વિગતવાર વર્ણવવામાં આવી છે.કમ્પ્રેશન સ્પ્રિંગ સેફ્ટી ફેક્ટર (SFC) એ સતત લંબાઈ પરના તણાવ દ્વારા વિભાજિત મહત્તમ સ્વીકાર્ય તણાવ તરીકે વ્યાખ્યાયિત કરવામાં આવે છે.SFC ની ગણતરી સમીકરણોનો ઉપયોગ કરીને કરી શકાય છે.(3), (4), (5) અને (6)26.(આ અભ્યાસમાં વપરાતી વસંત સામગ્રી માટે, \({S}_{sy}=980 MPa\)).F એ સમીકરણમાં બળ રજૂ કરે છે અને KB 26 ના બર્ગસ્ટ્રેસર પરિબળને રજૂ કરે છે.
સ્પ્રિંગ (SFT) ના ટોર્સિયન સેફ્ટી ફેક્ટરને K વડે ભાગ્યા M તરીકે વ્યાખ્યાયિત કરવામાં આવે છે.SFT ની ગણતરી સમીકરણ પરથી કરી શકાય છે.(7), (8), (9) અને (10)26.(આ અભ્યાસમાં વપરાતી સામગ્રી માટે, \({S}_{y}=1600 \mathrm{MPa}\)).સમીકરણમાં, M નો ઉપયોગ ટોર્ક માટે થાય છે, \({k}^{^{\prime}}\) નો ઉપયોગ સ્પ્રિંગ કોન્સ્ટન્ટ (ટોર્ક/રોટેશન) માટે થાય છે, અને Ki નો ઉપયોગ તણાવ સુધારણા પરિબળ માટે થાય છે.
આ અભ્યાસમાં મુખ્ય ઑપ્ટિમાઇઝેશન ધ્યેય વસંતની ઊર્જાને મહત્તમ કરવાનો છે.ઉદ્દેશ્ય કાર્ય \(\overrightarrow{\{X\}}\) શોધવા માટે ઘડવામાં આવે છે જે \(f(X)\) ને મહત્તમ કરે છે.\({f}_{1}(X)\) અને \({f}_{2}(X)\) અનુક્રમે કમ્પ્રેશન અને ટોર્સિયન સ્પ્રિંગના ઊર્જા કાર્યો છે.ઑપ્ટિમાઇઝેશન માટે વપરાતા ગણતરી કરેલ ચલો અને કાર્યો નીચેના સમીકરણોમાં દર્શાવવામાં આવ્યા છે.
સ્પ્રિંગની ડિઝાઇન પર મૂકવામાં આવેલા વિવિધ અવરોધો નીચેના સમીકરણોમાં આપવામાં આવ્યા છે.સમીકરણો (15) અને (16) અનુક્રમે કમ્પ્રેશન અને ટોર્સિયન સ્પ્રિંગ્સ માટે સલામતી પરિબળોનું પ્રતિનિધિત્વ કરે છે.આ અભ્યાસમાં, SFC 1.2 કરતા વધારે અથવા તેની બરાબર હોવું જોઈએ અને SFT θ26 કરતા વધારે અથવા બરાબર હોવું જોઈએ.
BA મધમાખીઓની પરાગ-શોધની વ્યૂહરચનાથી પ્રેરિત હતી27.મધમાખીઓ ફળદ્રુપ પરાગ ક્ષેત્રોમાં વધુ ચારો અને ઓછા ફળદ્રુપ પરાગ ક્ષેત્રોમાં ઓછા ચારો મોકલીને શોધે છે.આમ, મધમાખીઓની વસ્તીમાંથી સૌથી વધુ કાર્યક્ષમતા પ્રાપ્ત થાય છે.બીજી બાજુ, સ્કાઉટ મધમાખીઓ પરાગના નવા વિસ્તારો શોધવાનું ચાલુ રાખે છે, અને જો ત્યાં પહેલાં કરતાં વધુ ઉત્પાદક વિસ્તારો હશે, તો ઘણા ચારો આ નવા વિસ્તાર તરફ નિર્દેશિત કરવામાં આવશે28.BA બે ભાગો ધરાવે છે: સ્થાનિક શોધ અને વૈશ્વિક શોધ.સ્થાનિક શોધ ન્યૂનતમ (ભદ્ર સાઇટ્સ) ની નજીકના વધુ સમુદાયો માટે જુએ છે, જેમ કે મધમાખીઓ, અને અન્ય સાઇટ્સ (શ્રેષ્ઠ અથવા વૈશિષ્ટિકૃત સાઇટ્સ) પર ઓછા.વૈશ્વિક શોધ ભાગમાં એક મનસ્વી શોધ કરવામાં આવે છે, અને જો સારા મૂલ્યો મળી આવે, તો સ્ટેશનોને આગલા પુનરાવર્તનમાં સ્થાનિક શોધ ભાગમાં ખસેડવામાં આવે છે.અલ્ગોરિધમમાં કેટલાક પરિમાણો શામેલ છે: સ્કાઉટ મધમાખીઓની સંખ્યા (n), સ્થાનિક શોધ સાઇટ્સની સંખ્યા (m), ભદ્ર સાઇટ્સની સંખ્યા (e), ચુનંદા સાઇટ્સ (nep) માં ફોરેજર્સની સંખ્યા, માં ફોરેજર્સની સંખ્યા શ્રેષ્ઠ વિસ્તારો.સાઇટ (nsp), પડોશી કદ (ngh), અને પુનરાવર્તનોની સંખ્યા (I)29.BA સ્યુડોકોડ આકૃતિ 3 માં બતાવેલ છે.
અલ્ગોરિધમ \({g}_{1}(X)\) અને \({g}_{2}(X)\) વચ્ચે કામ કરવાનો પ્રયાસ કરે છે.દરેક પુનરાવર્તનના પરિણામે, શ્રેષ્ઠ મૂલ્યો નક્કી કરવામાં આવે છે અને શ્રેષ્ઠ મૂલ્યો મેળવવાના પ્રયાસમાં આ મૂલ્યોની આસપાસ વસ્તી એકત્રિત કરવામાં આવે છે.સ્થાનિક અને વૈશ્વિક શોધ વિભાગોમાં પ્રતિબંધો તપાસવામાં આવે છે.સ્થાનિક શોધમાં, જો આ પરિબળો યોગ્ય હોય, તો ઊર્જા મૂલ્યની ગણતરી કરવામાં આવે છે.જો નવી ઊર્જા મૂલ્ય શ્રેષ્ઠ મૂલ્ય કરતાં વધારે હોય, તો નવા મૂલ્યને શ્રેષ્ઠ મૂલ્યને સોંપો.જો શોધ પરિણામમાં મળેલ શ્રેષ્ઠ મૂલ્ય વર્તમાન ઘટક કરતા વધારે હોય, તો નવા ઘટકને સંગ્રહમાં સામેલ કરવામાં આવશે.સ્થાનિક શોધનો બ્લોક ડાયાગ્રામ આકૃતિ 4 માં દર્શાવેલ છે.
BA માં મુખ્ય પરિમાણો પૈકી એક વસ્તી છે.તે અગાઉના અભ્યાસો પરથી જોઈ શકાય છે કે વસ્તીના વિસ્તરણથી આવશ્યક પુનરાવર્તનોની સંખ્યા ઘટે છે અને સફળતાની સંભાવના વધે છે.જો કે, કાર્યાત્મક આકારણીઓની સંખ્યા પણ વધી રહી છે.મોટી સંખ્યામાં ભદ્ર સાઇટ્સની હાજરી પ્રભાવને નોંધપાત્ર રીતે અસર કરતી નથી.જો તે શૂન્ય 30 ન હોય તો ભદ્ર સાઇટ્સની સંખ્યા ઓછી હોઈ શકે છે.સ્કાઉટ મધમાખીની વસ્તી (n)નું કદ સામાન્ય રીતે 30 અને 100 ની વચ્ચે પસંદ કરવામાં આવે છે. આ અભ્યાસમાં, યોગ્ય સંખ્યા (કોષ્ટક 2) નક્કી કરવા માટે 30 અને 50 બંને દૃશ્યો ચલાવવામાં આવ્યા હતા.અન્ય પરિમાણો વસ્તીના આધારે નક્કી કરવામાં આવે છે.પસંદ કરેલી સાઇટ્સની સંખ્યા (m) વસ્તીના કદના (અંદાજે) 25% છે, અને પસંદ કરેલી સાઇટ્સમાં ભદ્ર સાઇટ્સની સંખ્યા (e) m ના 25% છે.મધમાખીઓને ખવડાવવાની સંખ્યા (શોધની સંખ્યા) ભદ્ર પ્લોટ માટે 100 અને અન્ય સ્થાનિક પ્લોટ માટે 30 પસંદ કરવામાં આવી હતી.નેબરહુડ સર્ચ એ તમામ ઉત્ક્રાંતિ અલ્ગોરિધમનો મૂળભૂત ખ્યાલ છે.આ અભ્યાસમાં, ટેપરિંગ પડોશી પદ્ધતિનો ઉપયોગ કરવામાં આવ્યો હતો.આ પદ્ધતિ દરેક પુનરાવર્તન દરમિયાન ચોક્કસ દરે પડોશીના કદને ઘટાડે છે.ભવિષ્યના પુનરાવર્તનોમાં, વધુ સચોટ શોધ માટે નાના પડોશી મૂલ્યો 30 નો ઉપયોગ કરી શકાય છે.
દરેક દૃશ્ય માટે, ઑપ્ટિમાઇઝેશન અલ્ગોરિધમની પુનઃઉત્પાદનક્ષમતા ચકાસવા માટે સતત દસ પરીક્ષણો કરવામાં આવ્યા હતા.અંજીર પર.5 સ્કીમ 1 માટે ટોર્સિયન સ્પ્રિંગના ઑપ્ટિમાઇઝેશનના પરિણામો બતાવે છે અને ફિગમાં.6 – સ્કીમ 2 માટે. ટેસ્ટ ડેટા કોષ્ટકો 3 અને 4 માં પણ આપવામાં આવે છે (કોમ્પ્રેશન સ્પ્રિંગ માટે મેળવેલ પરિણામોનું કોષ્ટક પૂરક માહિતી S1 માં છે).મધમાખી વસ્તી પ્રથમ પુનરાવર્તનમાં સારા મૂલ્યોની શોધને વધુ તીવ્ર બનાવે છે.દૃશ્ય 1 માં, કેટલાક પરીક્ષણોના પરિણામો મહત્તમ કરતા ઓછા હતા.દૃશ્ય 2 માં, તે જોઈ શકાય છે કે વસ્તીમાં વધારો અને અન્ય સંબંધિત પરિમાણોને કારણે તમામ ઑપ્ટિમાઇઝેશન પરિણામો મહત્તમ નજીક આવી રહ્યા છે.તે જોઈ શકાય છે કે દૃશ્ય 2 માં મૂલ્યો અલ્ગોરિધમ માટે પૂરતા છે.
પુનરાવૃત્તિઓમાં ઊર્જાનું મહત્તમ મૂલ્ય પ્રાપ્ત કરતી વખતે, અભ્યાસ માટે અવરોધ તરીકે સલામતી પરિબળ પણ પ્રદાન કરવામાં આવે છે.સુરક્ષા પરિબળ માટે કોષ્ટક જુઓ.BA નો ઉપયોગ કરીને મેળવેલા ઉર્જા મૂલ્યોની સરખામણી કોષ્ટક 5 માં 5 DOE પદ્ધતિનો ઉપયોગ કરીને મેળવેલો સાથે કરવામાં આવે છે. (ઉત્પાદનમાં સરળતા માટે, ટોર્સિયન સ્પ્રિંગના વળાંક (N) ની સંખ્યા 4.88 ને બદલે 4.9 છે અને વિચલન (xd) ) કમ્પ્રેશન સ્પ્રિંગમાં 7.99 mm ને બદલે 8 mm છે.) તે જોઈ શકાય છે કે BA વધુ સારું પરિણામ છે.BA સ્થાનિક અને વૈશ્વિક લુકઅપ દ્વારા તમામ મૂલ્યોનું મૂલ્યાંકન કરે છે.આ રીતે તે વધુ વિકલ્પો ઝડપથી અજમાવી શકે છે.
આ અભ્યાસમાં, એડમ્સનો ઉપયોગ વિંગ મિકેનિઝમની હિલચાલનું વિશ્લેષણ કરવા માટે કરવામાં આવ્યો હતો.એડમ્સને સૌપ્રથમ મિકેનિઝમનું 3D મોડલ આપવામાં આવ્યું છે.પછી પાછલા વિભાગમાં પસંદ કરેલ પરિમાણો સાથે વસંત વ્યાખ્યાયિત કરો.વધુમાં, વાસ્તવિક વિશ્લેષણ માટે કેટલાક અન્ય પરિમાણોને વ્યાખ્યાયિત કરવાની જરૂર છે.આ ભૌતિક પરિમાણો છે જેમ કે જોડાણો, ભૌતિક ગુણધર્મો, સંપર્ક, ઘર્ષણ અને ગુરુત્વાકર્ષણ.બ્લેડ શાફ્ટ અને બેરિંગ વચ્ચે સ્વીવેલ સંયુક્ત છે.ત્યાં 5-6 નળાકાર સાંધા છે.ત્યાં 5-1 નિશ્ચિત સાંધા છે.મુખ્ય ભાગ એલ્યુમિનિયમ સામગ્રીથી બનેલો છે અને નિશ્ચિત છે.બાકીના ભાગોની સામગ્રી સ્ટીલ છે.સામગ્રીના પ્રકાર પર આધાર રાખીને ઘર્ષણના ગુણાંક, સંપર્કની જડતા અને ઘર્ષણ સપાટીની ઘૂંસપેંઠની ઊંડાઈ પસંદ કરો.(સ્ટેઈનલેસ સ્ટીલ AISI 304) આ અભ્યાસમાં, નિર્ણાયક પરિમાણ એ વિંગ મિકેનિઝમની શરૂઆતનો સમય છે, જે 200 ms કરતા ઓછો હોવો જોઈએ.તેથી, વિશ્લેષણ દરમિયાન પાંખ ખોલવાના સમય પર નજર રાખો.
એડમ્સના પૃથ્થકરણના પરિણામે, વિંગ મિકેનિઝમનો ઉદઘાટન સમય 74 મિલીસેકન્ડ છે.1 થી 4 સુધીના ગતિશીલ સિમ્યુલેશનના પરિણામો આકૃતિ 7 માં દર્શાવવામાં આવ્યા છે. આકૃતિમાં પ્રથમ ચિત્ર.5 એ સિમ્યુલેશન શરૂ થવાનો સમય છે અને પાંખો ફોલ્ડિંગ માટે રાહ જોવાની સ્થિતિમાં છે.(2) જ્યારે પાંખ 43 ડિગ્રી ફરે છે ત્યારે 40ms પછી પાંખની સ્થિતિ દર્શાવે છે.(3) 71 મિલીસેકન્ડ પછી પાંખની સ્થિતિ બતાવે છે.છેલ્લા ચિત્રમાં પણ (4) પાંખના વળાંકનો અંત અને ખુલ્લી સ્થિતિ બતાવે છે.ગતિશીલ પૃથ્થકરણના પરિણામે, એવું જોવામાં આવ્યું કે પાંખ ખોલવાની પદ્ધતિ 200 ms ના લક્ષ્ય મૂલ્ય કરતાં નોંધપાત્ર રીતે ટૂંકી છે.વધુમાં, ઝરણાનું કદ આપતી વખતે, સાહિત્યમાં ભલામણ કરાયેલા ઉચ્ચતમ મૂલ્યોમાંથી સલામતી મર્યાદાઓ પસંદ કરવામાં આવી હતી.
તમામ ડિઝાઇન, ઑપ્ટિમાઇઝેશન અને સિમ્યુલેશન અભ્યાસ પૂર્ણ કર્યા પછી, મિકેનિઝમનો પ્રોટોટાઇપ બનાવવામાં આવ્યો અને એકીકૃત કરવામાં આવ્યો.પછી સિમ્યુલેશન પરિણામો ચકાસવા માટે પ્રોટોટાઇપનું પરીક્ષણ કરવામાં આવ્યું હતું.પ્રથમ મુખ્ય શેલ સુરક્ષિત કરો અને પાંખો ફોલ્ડ કરો.પછી પાંખોને ફોલ્ડ સ્થિતિમાંથી મુક્ત કરવામાં આવી હતી અને ફોલ્ડ સ્થિતિમાંથી તૈનાત સ્થિતિમાં પાંખોના પરિભ્રમણનો વિડિઓ બનાવવામાં આવ્યો હતો.ટાઈમરનો ઉપયોગ વિડિયો રેકોર્ડિંગ દરમિયાન સમયનું વિશ્લેષણ કરવા માટે પણ થતો હતો.
અંજીર પર.8 1-4 નંબરવાળી વિડિયો ફ્રેમ્સ બતાવે છે.આકૃતિમાં ફ્રેમ નંબર 1 ફોલ્ડ પાંખોના પ્રકાશનની ક્ષણ દર્શાવે છે.આ ક્ષણને સમય t0 ની પ્રારંભિક ક્ષણ માનવામાં આવે છે.ફ્રેમ 2 અને 3 પ્રારંભિક ક્ષણ પછી પાંખોની સ્થિતિ 40 ms અને 70 ms દર્શાવે છે.ફ્રેમ 3 અને 4 નું વિશ્લેષણ કરતી વખતે, તે જોઈ શકાય છે કે પાંખની હિલચાલ t0 પછી 90 ms પર સ્થિર થાય છે, અને પાંખનું ઉદઘાટન 70 અને 90 ms વચ્ચે પૂર્ણ થાય છે.આ પરિસ્થિતિનો અર્થ એ છે કે સિમ્યુલેશન અને પ્રોટોટાઇપ પરીક્ષણ બંને લગભગ સમાન વિંગ ડિપ્લોયમેન્ટ સમય આપે છે, અને ડિઝાઇન મિકેનિઝમની કામગીરીની જરૂરિયાતોને પૂર્ણ કરે છે.
આ લેખમાં, વિંગ ફોલ્ડિંગ મિકેનિઝમમાં ઉપયોગમાં લેવાતા ટોર્સિયન અને કમ્પ્રેશન સ્પ્રિંગ્સ BA નો ઉપયોગ કરીને ઑપ્ટિમાઇઝ કરવામાં આવ્યા છે.પરિમાણો થોડા પુનરાવર્તનો સાથે ઝડપથી પહોંચી શકાય છે.ટોર્સિયન સ્પ્રિંગને 1075 mJ અને કમ્પ્રેશન સ્પ્રિંગને 37.24 mJ પર રેટિંગ આપવામાં આવ્યું છે.આ મૂલ્યો અગાઉના DOE અભ્યાસ કરતાં 40-50% વધુ સારા છે.વસંતને મિકેનિઝમમાં એકીકૃત કરવામાં આવે છે અને ADAMS પ્રોગ્રામમાં તેનું વિશ્લેષણ કરવામાં આવે છે.જ્યારે પૃથ્થકરણ કરવામાં આવ્યું ત્યારે જાણવા મળ્યું કે પાંખો 74 મિલીસેકન્ડમાં ખુલી જાય છે.આ મૂલ્ય પ્રોજેક્ટના 200 મિલિસેકન્ડના લક્ષ્યાંક કરતાં ઘણું ઓછું છે.અનુગામી પ્રાયોગિક અભ્યાસમાં, ટર્ન-ઓન સમય લગભગ 90 ms માપવામાં આવ્યો હતો.વિશ્લેષણો વચ્ચેનો આ 16 મિલિસેકન્ડનો તફાવત પર્યાવરણીય પરિબળોને કારણે હોઈ શકે છે જે સૉફ્ટવેરમાં નૉડેલ ન હોય.એવું માનવામાં આવે છે કે અભ્યાસના પરિણામે મેળવેલ ઑપ્ટિમાઇઝેશન અલ્ગોરિધમનો ઉપયોગ વિવિધ વસંત ડિઝાઇન માટે થઈ શકે છે.
વસંત સામગ્રી પૂર્વવ્યાખ્યાયિત હતી અને ઑપ્ટિમાઇઝેશનમાં ચલ તરીકે ઉપયોગમાં લેવાતી ન હતી.એરક્રાફ્ટ અને રોકેટમાં ઘણાં વિવિધ પ્રકારના ઝરણાનો ઉપયોગ થતો હોવાથી, ભવિષ્યના સંશોધનમાં શ્રેષ્ઠ વસંત ડિઝાઇન હાંસલ કરવા માટે વિવિધ સામગ્રીનો ઉપયોગ કરીને અન્ય પ્રકારના ઝરણાને ડિઝાઇન કરવા માટે BA લાગુ કરવામાં આવશે.
અમે જાહેર કરીએ છીએ કે આ હસ્તપ્રત મૂળ છે, અગાઉ પ્રકાશિત કરવામાં આવી નથી, અને હાલમાં અન્યત્ર પ્રકાશન માટે વિચારણા કરવામાં આવી રહી નથી.
આ અભ્યાસમાં જનરેટ કરેલ અથવા વિશ્લેષણ કરવામાં આવેલ તમામ ડેટા આ પ્રકાશિત લેખ [અને વધારાની માહિતી ફાઇલ] માં સમાવવામાં આવેલ છે.
મીન, ઝેડ., કિન, વીકે અને રિચાર્ડ, એલજે એરક્રાફ્ટ આમૂલ ભૌમિતિક ફેરફારો દ્વારા એરફોઇલ ખ્યાલનું આધુનિકીકરણ.IES J. ભાગ A સભ્યતા.સંયોજનપ્રોજેક્ટ3(3), 188–195 (2010).
સન, જે., લિયુ, કે. અને ભૂષણ, બી. ભમરોનાં પાછળના ભાગનું વિહંગાવલોકન: માળખું, યાંત્રિક ગુણધર્મો, મિકેનિઝમ્સ અને જૈવિક પ્રેરણા.જે. મેચા.વર્તન.બાયોમેડિકલ સાયન્સ.અલ્મા મેટર.94, 63–73 (2019).
ચેન, ઝેડ., યુ, જે., ઝાંગ, એ., અને ઝાંગ, એફ. હાઇબ્રિડ સંચાલિત પાણીની અંદર ગ્લાઈડર માટે ફોલ્ડિંગ પ્રોપલ્શન મિકેનિઝમની ડિઝાઇન અને વિશ્લેષણ.ઓશન એન્જિનિયરિંગ 119, 125–134 (2016).
કાર્તિક, એચએસ અને પૃથ્વી, કે. હેલિકોપ્ટર હોરીઝોન્ટલ સ્ટેબિલાઇઝર ફોલ્ડિંગ મિકેનિઝમની ડિઝાઇન અને વિશ્લેષણ.આંતરિક જે. ઇન્જી.સંગ્રહ ટાંકી.ટેકનોલોજી(IGERT) 9(05), 110–113 (2020).
કુલંક, ઝેડ. અને સાહિન, એમ. પ્રયોગ ડિઝાઇન અભિગમનો ઉપયોગ કરીને ફોલ્ડિંગ રોકેટ વિંગ ડિઝાઇનના યાંત્રિક પરિમાણોનું ઑપ્ટિમાઇઝેશન.આંતરિક જે. મોડલ.ઑપ્ટિમાઇઝેશન9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD ડિઝાઇન પદ્ધતિ, પ્રદર્શન અભ્યાસ, અને સંયુક્ત કોઇલ સ્પ્રિંગ્સની ઉત્પાદન પ્રક્રિયા: એક સમીક્ષા.કંપોઝસંયોજન252, 112747 (2020).
તક્તક એમ., ઓમ્હેની કે., અલુઇ એ., દમ્માક એફ. અને ખદ્દર એમ. કોઇલ સ્પ્રિંગ્સનું ડાયનેમિક ડિઝાઇન ઓપ્ટિમાઇઝેશન.અવાજ માટે અરજી કરો.77, 178–183 (2014).
પરેડેસ, એમ., સાર્ટોર, એમ., અને માસકલ, કે. ટેન્શન સ્પ્રિંગ્સની ડિઝાઇનને ઑપ્ટિમાઇઝ કરવા માટેની પ્રક્રિયા.કમ્પ્યુટરપદ્ધતિનો ઉપયોગ.ફરપ્રોજેક્ટ191(8-10), 783-797 (2001).
ઝેબડી ઓ., બૌહિલી આર. અને ટ્રોચુ એફ. મલ્ટિ-ઓબ્જેક્ટિવ ઑપ્ટિમાઇઝેશનનો ઉપયોગ કરીને સંયુક્ત હેલિકલ સ્પ્રિંગ્સની શ્રેષ્ઠ ડિઝાઇન.J. Reinf.પ્લાસ્ટિકકંપોઝ28 (14), 1713–1732 (2009).
પાવર, એચબી અને દેસેલ, ટ્રાઇસિકલ ફ્રન્ટ સસ્પેન્શન કોઇલ સ્પ્રિંગ્સનું ડીડી ઓપ્ટિમાઇઝેશન.પ્રક્રિયાઉત્પાદક20, 428–433 (2018).
બહશેશ એમ. અને બહશેશ એમ. સંયુક્ત સ્પ્રિંગ્સ સાથે સ્ટીલ કોઇલ સ્પ્રિંગ્સનું ઑપ્ટિમાઇઝેશન.આંતરિક J. મલ્ટિડિસિપ્લિનરી.વિજ્ઞાનપ્રોજેક્ટ3(6), 47–51 (2012).
ચેન, એલ. એટ અલ.સંયુક્ત કોઇલ સ્પ્રિંગ્સના સ્થિર અને ગતિશીલ પ્રદર્શનને અસર કરતા બહુવિધ પરિમાણો વિશે જાણો.જે. માર્કેટ.સંગ્રહ ટાંકી.20, 532–550 (2022).
ફ્રેન્ક, જે. કમ્પોઝિટ હેલિકલ સ્પ્રિંગ્સનું વિશ્લેષણ અને ઑપ્ટિમાઇઝેશન, પીએચડી થીસીસ, સેક્રામેન્ટો સ્ટેટ યુનિવર્સિટી (2020).
Gu, Z., Hou, X. અને Ye, J. પદ્ધતિઓના સંયોજનનો ઉપયોગ કરીને બિનરેખીય હેલિકલ સ્પ્રિંગ્સની રચના અને વિશ્લેષણ માટેની પદ્ધતિઓ: મર્યાદિત તત્વ વિશ્લેષણ, લેટિન હાઇપરક્યુબ મર્યાદિત નમૂના અને આનુવંશિક પ્રોગ્રામિંગ.પ્રક્રિયાફર સંસ્થા.પ્રોજેક્ટસીજે મેચા.પ્રોજેક્ટવિજ્ઞાન235(22), 5917–5930 (2021).
વુ, એલ., એટ અલ.એડજસ્ટેબલ સ્પ્રિંગ રેટ કાર્બન ફાઇબર મલ્ટી-સ્ટ્રેન્ડ કોઇલ સ્પ્રિંગ્સ: એક ડિઝાઇન અને મિકેનિઝમ અભ્યાસ.જે. માર્કેટ.સંગ્રહ ટાંકી.9(3), 5067–5076 (2020).
પાટીલ ડીએસ, માંગરૂલકર કેએસ અને જગતાપ એસટી વેઈટ ઓપ્ટિમાઈઝેશન ઓફ કમ્પ્રેશન હેલિકલ સ્પ્રીંગ્સ.આંતરિક જે. ઇનોવ.સંગ્રહ ટાંકી.મલ્ટિડિસિપ્લિનરી.2(11), 154–164 (2016).
રાહુલ, એમએસ અને રમેશકુમાર, કે. બહુહેતુક ઓપ્ટિમાઇઝેશન અને ઓટોમોટિવ એપ્લીકેશન માટે કોઇલ સ્પ્રિંગ્સનું સંખ્યાત્મક સિમ્યુલેશન.અલ્મા મેટર.આજે પ્રક્રિયા કરો.46, 4847–4853 (2021).
બાઇ, જેબી એટ અલ.શ્રેષ્ઠ પ્રેક્ટિસ વ્યાખ્યાયિત કરવી - આનુવંશિક અલ્ગોરિધમનો ઉપયોગ કરીને સંયુક્ત હેલિકલ સ્ટ્રક્ચર્સની શ્રેષ્ઠ ડિઝાઇન.કંપોઝસંયોજન268, 113982 (2021).
શાહિન, આઇ., ડોર્ટરલર, એમ., અને ગોકચે, એચ. કમ્પ્રેશન સ્પ્રિંગ ડિઝાઇનના ન્યૂનતમ વોલ્યુમના ઑપ્ટિમાઇઝેશન પર આધારિત 灰狼 ઑપ્ટિમાઇઝેશન પદ્ધતિનો ઉપયોગ કરીને, ગાઝી જે. એન્જિનિયરિંગ સાયન્સ, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. અને Sait, SM Metaheuristics ક્રેશને ઑપ્ટિમાઇઝ કરવા માટે બહુવિધ એજન્ટોનો ઉપયોગ કરીને.આંતરિક J. Veh.ડિસે.80(2–4), 223–240 (2019).
Yildyz, AR અને Erdash, MU નવી હાઇબ્રિડ Taguchi-salpa ગ્રૂપ ઑપ્ટિમાઇઝેશન એલ્ગોરિધમ વાસ્તવિક એન્જિનિયરિંગ સમસ્યાઓની વિશ્વસનીય ડિઝાઇન માટે.અલ્મા મેટર.પરીક્ષણ63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR અને Sait SM નવા હાઇબ્રિડ ગ્રાસશોપર ઑપ્ટિમાઇઝેશન અલ્ગોરિધમનો ઉપયોગ કરીને રોબોટિક ગ્રિપર મિકેનિઝમ્સની વિશ્વસનીય ડિઝાઇન.નિષ્ણાત.સિસ્ટમ38(3), e12666 (2021).