AISI 304/304L സ്റ്റെയിൻലെസ്സ് സ്റ്റീൽ കോയിൽ ട്യൂബ് കെമിക്കൽ ഘടകം, ഹണിബീ അൽഗോരിതം ഉപയോഗിച്ച് ഫോൾഡിംഗ് വിംഗ് സ്പ്രിംഗ് പാരാമീറ്ററുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നു

Nature.com സന്ദർശിച്ചതിന് നന്ദി.പരിമിതമായ CSS പിന്തുണയുള്ള ഒരു ബ്രൗസർ പതിപ്പാണ് നിങ്ങൾ ഉപയോഗിക്കുന്നത്.മികച്ച അനുഭവത്തിനായി, നിങ്ങൾ ഒരു അപ്‌ഡേറ്റ് ചെയ്‌ത ബ്രൗസർ ഉപയോഗിക്കാൻ ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു (അല്ലെങ്കിൽ Internet Explorer-ൽ അനുയോജ്യത മോഡ് പ്രവർത്തനരഹിതമാക്കുക).കൂടാതെ, നിലവിലുള്ള പിന്തുണ ഉറപ്പാക്കാൻ, ഞങ്ങൾ ശൈലികളും JavaScript ഇല്ലാതെ സൈറ്റ് കാണിക്കുന്നു.
ഓരോ സ്ലൈഡിലും മൂന്ന് ലേഖനങ്ങൾ കാണിക്കുന്ന സ്ലൈഡറുകൾ.സ്ലൈഡുകളിലൂടെ നീങ്ങാൻ ബാക്ക്, അടുത്ത ബട്ടണുകൾ ഉപയോഗിക്കുക അല്ലെങ്കിൽ ഓരോ സ്ലൈഡിലൂടെയും നീങ്ങാൻ അവസാനത്തെ സ്ലൈഡ് കൺട്രോളർ ബട്ടണുകൾ ഉപയോഗിക്കുക.

AISI 304/304L സ്റ്റെയിൻലെസ്സ് സ്റ്റീൽ കാപ്പിലറി കോയിൽഡ് ട്യൂബിംഗ്

AISI 304 സ്റ്റെയിൻ‌ലെസ് സ്റ്റീൽ കോയിൽ മികച്ച പ്രതിരോധശേഷിയുള്ള ഒരു എല്ലാ-ഉദ്ദേശ്യ ഉൽപ്പന്നമാണ്, നല്ല രൂപീകരണവും വെൽഡബിലിറ്റിയും ആവശ്യമുള്ള വൈവിധ്യമാർന്ന ആപ്ലിക്കേഷനുകൾക്ക് ഇത് അനുയോജ്യമാണ്.

Sheye Metal സ്റ്റോക്ക് 304 കോയിലുകൾ 0.3mm മുതൽ 16mm വരെ കനവും 2B ഫിനിഷും, BA ഫിനിഷും, No.4 ഫിനിഷും എപ്പോഴും ലഭ്യമാണ്.

മൂന്ന് തരത്തിലുള്ള ഉപരിതലങ്ങൾ കൂടാതെ, 304 സ്റ്റെയിൻലെസ് സ്റ്റീൽ കോയിൽ പലതരം ഉപരിതല ഫിനിഷുകൾ ഉപയോഗിച്ച് വിതരണം ചെയ്യാൻ കഴിയും.ഗ്രേഡ് 304 സ്റ്റെയിൻലെസിൽ Cr (സാധാരണയായി 18%), നിക്കൽ (സാധാരണയായി 8%) ലോഹങ്ങൾ ഇരുമ്പ് ഇതര ഘടകങ്ങളായി അടങ്ങിയിരിക്കുന്നു.

ഇത്തരത്തിലുള്ള കോയിലുകൾ ഒരു സാധാരണ ഓസ്റ്റെനിറ്റിക് സ്റ്റെയിൻലെസ് സ്റ്റീലാണ്, ഇത് സ്റ്റാൻഡേർഡ് Cr-Ni സ്റ്റെയിൻലെസ് സ്റ്റീൽ കുടുംബത്തിൽ പെടുന്നു.

ഗാർഹിക, ഉപഭോക്തൃ സാധനങ്ങൾ, അടുക്കള ഉപകരണങ്ങൾ, ഇൻഡോർ, ഔട്ട്ഡോർ ക്ലാഡിംഗ്, ഹാൻഡ്‌റെയിലുകൾ, വിൻഡോ ഫ്രെയിമുകൾ, ഭക്ഷണ പാനീയ വ്യവസായ ഉപകരണങ്ങൾ, സംഭരണ ​​​​ടാങ്കുകൾ എന്നിവയ്ക്കായി അവ സാധാരണയായി ഉപയോഗിക്കുന്നു.

ഈ പഠനത്തിൽ, റോക്കറ്റിൽ ഉപയോഗിക്കുന്ന വിംഗ് ഫോൾഡിംഗ് മെക്കാനിസത്തിന്റെ ടോർഷൻ, കംപ്രഷൻ സ്പ്രിംഗുകളുടെ രൂപകൽപ്പന ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രശ്നമായി കണക്കാക്കപ്പെടുന്നു.റോക്കറ്റ് വിക്ഷേപണ ട്യൂബിൽ നിന്ന് പുറത്തുപോയ ശേഷം, അടഞ്ഞ ചിറകുകൾ തുറന്ന് നിശ്ചിത സമയത്തേക്ക് സുരക്ഷിതമാക്കണം.ഏറ്റവും കുറഞ്ഞ സമയത്തിനുള്ളിൽ ചിറകുകൾ വിന്യസിക്കാൻ കഴിയുന്ന തരത്തിൽ നീരുറവകളിൽ സംഭരിക്കുന്ന ഊർജ്ജം പരമാവധി വർദ്ധിപ്പിക്കുക എന്നതായിരുന്നു പഠനത്തിന്റെ ലക്ഷ്യം.ഈ സാഹചര്യത്തിൽ, രണ്ട് പ്രസിദ്ധീകരണങ്ങളിലെയും ഊർജ്ജ സമവാക്യം ഒപ്റ്റിമൈസേഷൻ പ്രക്രിയയിലെ വസ്തുനിഷ്ഠമായ പ്രവർത്തനമായി നിർവചിക്കപ്പെട്ടു.സ്പ്രിംഗ് ഡിസൈനിന് ആവശ്യമായ വയർ വ്യാസം, കോയിൽ വ്യാസം, കോയിലുകളുടെ എണ്ണം, ഡിഫ്ലെക്ഷൻ പാരാമീറ്ററുകൾ എന്നിവ ഒപ്റ്റിമൈസേഷൻ വേരിയബിളുകളായി നിർവചിക്കപ്പെട്ടിട്ടുണ്ട്.മെക്കാനിസത്തിന്റെ വലിപ്പം കാരണം വേരിയബിളുകളിൽ ജ്യാമിതീയ പരിധികൾ ഉണ്ട്, അതുപോലെ സ്പ്രിംഗുകൾ വഹിക്കുന്ന ലോഡ് കാരണം സുരക്ഷാ ഘടകത്തിന്റെ പരിധികൾ.ഈ ഒപ്റ്റിമൈസേഷൻ പ്രശ്നം പരിഹരിക്കാനും സ്പ്രിംഗ് ഡിസൈൻ നിർവഹിക്കാനും തേനീച്ച (BA) അൽഗോരിതം ഉപയോഗിച്ചു.ബിഎയ്‌ക്കൊപ്പം ലഭിച്ച ഊർജ്ജ മൂല്യങ്ങൾ മുമ്പത്തെ ഡിസൈൻ ഓഫ് എക്‌സ്‌പെരിമെന്റ്‌സ് (DOE) പഠനങ്ങളിൽ നിന്ന് ലഭിച്ചതിനേക്കാൾ മികച്ചതാണ്.ഒപ്റ്റിമൈസേഷനിൽ നിന്ന് ലഭിച്ച പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് രൂപകൽപ്പന ചെയ്ത സ്പ്രിംഗുകളും മെക്കാനിസങ്ങളും ആദ്യം ADAMS പ്രോഗ്രാമിൽ വിശകലനം ചെയ്തു.അതിനുശേഷം, നിർമ്മിച്ച സ്പ്രിംഗുകൾ യഥാർത്ഥ സംവിധാനങ്ങളിലേക്ക് സംയോജിപ്പിച്ച് പരീക്ഷണാത്മക പരിശോധനകൾ നടത്തി.പരിശോധനയുടെ ഫലമായി, ഏകദേശം 90 മില്ലിസെക്കൻഡുകൾക്ക് ശേഷം ചിറകുകൾ തുറന്നതായി നിരീക്ഷിച്ചു.ഈ മൂല്യം പ്രോജക്ടിന്റെ ലക്ഷ്യമായ 200ms എന്നതിനേക്കാൾ വളരെ താഴെയാണ്.കൂടാതെ, വിശകലനപരവും പരീക്ഷണാത്മകവുമായ ഫലങ്ങൾ തമ്മിലുള്ള വ്യത്യാസം 16 ms മാത്രമാണ്.
വിമാനങ്ങളിലും മറൈൻ വാഹനങ്ങളിലും മടക്കാനുള്ള സംവിധാനങ്ങൾ നിർണായകമാണ്.ഫ്ലൈറ്റ് പ്രകടനവും നിയന്ത്രണവും മെച്ചപ്പെടുത്തുന്നതിന് ഈ സംവിധാനങ്ങൾ എയർക്രാഫ്റ്റ് പരിഷ്ക്കരണങ്ങളിലും പരിവർത്തനങ്ങളിലും ഉപയോഗിക്കുന്നു.ഫ്ലൈറ്റ് മോഡിനെ ആശ്രയിച്ച്, എയറോഡൈനാമിക് ആഘാതം കുറയ്ക്കുന്നതിന് ചിറകുകൾ വ്യത്യസ്തമായി മടക്കുകയും തുറക്കുകയും ചെയ്യുന്നു1.ദിവസേനയുള്ള പറക്കലിലും ഡൈവിംഗിലും ചില പക്ഷികളുടെയും പ്രാണികളുടെയും ചിറകുകളുടെ ചലനങ്ങളുമായി ഈ സാഹചര്യത്തെ താരതമ്യം ചെയ്യാം.അതുപോലെ, ഹൈഡ്രോഡൈനാമിക് ഇഫക്‌റ്റുകൾ കുറയ്ക്കുന്നതിനും കൈകാര്യം ചെയ്യൽ പരമാവധിയാക്കുന്നതിനും ഗ്ലൈഡറുകൾ സബ്‌മെർസിബിളുകളിൽ മടക്കുകയും തുറക്കുകയും ചെയ്യുന്നു3.സംഭരണത്തിനും ഗതാഗതത്തിനുമായി ഒരു ഹെലികോപ്റ്റർ പ്രൊപ്പല്ലർ 4 മടക്കിക്കളയുന്നത് പോലുള്ള സംവിധാനങ്ങൾക്ക് വോള്യൂമെട്രിക് നേട്ടങ്ങൾ നൽകുക എന്നതാണ് ഈ സംവിധാനങ്ങളുടെ മറ്റൊരു ലക്ഷ്യം.സ്റ്റോറേജ് സ്പേസ് കുറയ്ക്കാൻ റോക്കറ്റിന്റെ ചിറകുകളും മടക്കിക്കളയുന്നു.അങ്ങനെ, ലോഞ്ചറിന്റെ ഒരു ചെറിയ പ്രദേശത്ത് കൂടുതൽ മിസൈലുകൾ സ്ഥാപിക്കാൻ കഴിയും 5. മടക്കിവെക്കുന്നതിനും തുറക്കുന്നതിനും ഫലപ്രദമായി ഉപയോഗിക്കുന്ന ഘടകങ്ങൾ സാധാരണയായി സ്പ്രിംഗുകളാണ്.മടക്കിക്കളയുന്ന നിമിഷത്തിൽ, ഊർജ്ജം അതിൽ സംഭരിക്കപ്പെടുകയും തുറക്കുന്ന നിമിഷത്തിൽ പുറത്തുവിടുകയും ചെയ്യുന്നു.അതിന്റെ വഴക്കമുള്ള ഘടന കാരണം, സംഭരിച്ചതും പുറത്തുവിടുന്നതുമായ ഊർജ്ജം തുല്യമാണ്.സ്പ്രിംഗ് പ്രധാനമായും സിസ്റ്റത്തിനായി രൂപകൽപ്പന ചെയ്തിട്ടുള്ളതാണ്, ഈ ഡിസൈൻ ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രശ്നം അവതരിപ്പിക്കുന്നു6.കാരണം അതിൽ വയർ വ്യാസം, കോയിൽ വ്യാസം, തിരിവുകളുടെ എണ്ണം, ഹെലിക്‌സ് ആംഗിൾ, മെറ്റീരിയലിന്റെ തരം എന്നിങ്ങനെയുള്ള വിവിധ വേരിയബിളുകൾ ഉൾപ്പെടുമ്പോൾ, പിണ്ഡം, വോളിയം, കുറഞ്ഞ സമ്മർദ്ദ വിതരണം അല്ലെങ്കിൽ പരമാവധി ഊർജ്ജ ലഭ്യത എന്നിങ്ങനെയുള്ള മാനദണ്ഡങ്ങളും ഉണ്ട്7.
റോക്കറ്റ് സിസ്റ്റങ്ങളിൽ ഉപയോഗിക്കുന്ന ചിറകുകൾ മടക്കാനുള്ള സംവിധാനങ്ങൾക്കായുള്ള സ്പ്രിംഗുകളുടെ രൂപകൽപ്പനയിലും ഒപ്റ്റിമൈസേഷനിലും ഈ പഠനം വെളിച്ചം വീശുന്നു.ഫ്ലൈറ്റിന് മുമ്പ് വിക്ഷേപണ ട്യൂബിനുള്ളിലായിരിക്കുമ്പോൾ, ചിറകുകൾ റോക്കറ്റിന്റെ ഉപരിതലത്തിൽ മടക്കിയിരിക്കും, വിക്ഷേപണ ട്യൂബിൽ നിന്ന് പുറത്തുകടന്നതിന് ശേഷം, അവ ഒരു നിശ്ചിത സമയത്തേക്ക് തുറക്കുകയും ഉപരിതലത്തിലേക്ക് അമർത്തിപ്പിടിക്കുകയും ചെയ്യുന്നു.റോക്കറ്റിന്റെ ശരിയായ പ്രവർത്തനത്തിന് ഈ പ്രക്രിയ നിർണായകമാണ്.വികസിപ്പിച്ച ഫോൾഡിംഗ് മെക്കാനിസത്തിൽ, ചിറകുകൾ തുറക്കുന്നത് ടോർഷൻ സ്പ്രിംഗുകളാൽ നടത്തപ്പെടുന്നു, കൂടാതെ ലോക്കിംഗ് കംപ്രഷൻ സ്പ്രിംഗുകളാൽ നടത്തപ്പെടുന്നു.അനുയോജ്യമായ ഒരു സ്പ്രിംഗ് രൂപകൽപ്പന ചെയ്യുന്നതിന്, ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രക്രിയ നടത്തണം.സ്പ്രിംഗ് ഒപ്റ്റിമൈസേഷനിൽ, സാഹിത്യത്തിൽ വിവിധ ആപ്ലിക്കേഷനുകൾ ഉണ്ട്.
പരേഡസ് et al.8, ഹെലിക്കൽ സ്പ്രിംഗുകളുടെ രൂപകൽപ്പനയ്ക്കുള്ള ഒരു വസ്തുനിഷ്ഠമായ പ്രവർത്തനമായി പരമാവധി ക്ഷീണം ജീവിത ഘടകത്തെ നിർവചിക്കുകയും ഒരു ഒപ്റ്റിമൈസേഷൻ രീതിയായി ക്വാസി-ന്യൂട്ടോണിയൻ രീതി ഉപയോഗിക്കുകയും ചെയ്തു.വയർ വ്യാസം, കോയിൽ വ്യാസം, തിരിവുകളുടെ എണ്ണം, സ്പ്രിംഗ് ദൈർഘ്യം എന്നിങ്ങനെ ഒപ്റ്റിമൈസേഷനിലെ വേരിയബിളുകൾ തിരിച്ചറിഞ്ഞു.സ്പ്രിംഗ് ഘടനയുടെ മറ്റൊരു പരാമീറ്റർ അത് നിർമ്മിച്ച മെറ്റീരിയലാണ്.അതിനാൽ, ഡിസൈൻ, ഒപ്റ്റിമൈസേഷൻ പഠനങ്ങളിൽ ഇത് കണക്കിലെടുക്കുന്നു.സെബ്ദി et al.അവരുടെ പഠനത്തിൽ വസ്തുനിഷ്ഠമായ പ്രവർത്തനത്തിൽ പരമാവധി കാഠിന്യത്തിന്റെയും കുറഞ്ഞ ഭാരത്തിന്റെയും 9 സെറ്റ് ലക്ഷ്യങ്ങൾ, അവിടെ ഭാരം ഘടകം പ്രാധാന്യമർഹിക്കുന്നു.ഈ സാഹചര്യത്തിൽ, അവർ സ്പ്രിംഗ് മെറ്റീരിയലും ജ്യാമിതീയ ഗുണങ്ങളും വേരിയബിളുകളായി നിർവചിച്ചു.ഒപ്റ്റിമൈസേഷൻ രീതിയായി അവർ ഒരു ജനിതക അൽഗോരിതം ഉപയോഗിക്കുന്നു.ഓട്ടോമോട്ടീവ് വ്യവസായത്തിൽ, വസ്തുക്കളുടെ ഭാരം വാഹന പ്രകടനം മുതൽ ഇന്ധന ഉപഭോഗം വരെ പല തരത്തിൽ ഉപയോഗപ്രദമാണ്.സസ്പെൻഷനായി കോയിൽ സ്പ്രിംഗുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുമ്പോൾ ഭാരം കുറയ്ക്കുന്നത് അറിയപ്പെടുന്ന ഒരു പഠനമാണ്.വിവിധ സസ്‌പെൻഷൻ സ്പ്രിംഗ് കോമ്പോസിറ്റ് ഡിസൈനുകളിൽ കുറഞ്ഞ ഭാരവും പരമാവധി ടെൻസൈൽ ശക്തിയും കൈവരിക്കുക എന്ന ലക്ഷ്യത്തോടെ ANSYS പരിതസ്ഥിതിയിൽ അവരുടെ പ്രവർത്തനത്തിൽ E-ഗ്ലാസ്, കാർബൺ, കെവ്‌ലർ തുടങ്ങിയ മെറ്റീരിയലുകളെ വേരിയബിളുകളായി Bahshesh, Bahshesh11 തിരിച്ചറിഞ്ഞു.സംയോജിത നീരുറവകളുടെ വികസനത്തിൽ നിർമ്മാണ പ്രക്രിയ നിർണായകമാണ്.അങ്ങനെ, ഒരു ഒപ്റ്റിമൈസേഷൻ പ്രശ്നത്തിൽ വിവിധ വേരിയബിളുകൾ പ്രവർത്തിക്കുന്നു, ഉൽപ്പാദന രീതി, പ്രക്രിയയിൽ സ്വീകരിച്ച ഘട്ടങ്ങൾ, ആ ഘട്ടങ്ങളുടെ ക്രമം12,13.ഡൈനാമിക് സിസ്റ്റങ്ങൾക്കായി സ്പ്രിംഗുകൾ രൂപകൽപ്പന ചെയ്യുമ്പോൾ, സിസ്റ്റത്തിന്റെ സ്വാഭാവിക ആവൃത്തികൾ കണക്കിലെടുക്കണം.അനുരണനം ഒഴിവാക്കുന്നതിന് സ്പ്രിംഗിന്റെ ആദ്യ സ്വാഭാവിക ആവൃത്തി സിസ്റ്റത്തിന്റെ സ്വാഭാവിക ആവൃത്തിയുടെ 5-10 മടങ്ങെങ്കിലും ആയിരിക്കണമെന്ന് ശുപാർശ ചെയ്യുന്നു14.തക്തക് തുടങ്ങിയവർ.7 സ്പ്രിംഗിന്റെ പിണ്ഡം കുറയ്ക്കാനും കോയിൽ സ്പ്രിംഗ് ഡിസൈനിലെ വസ്തുനിഷ്ഠമായ പ്രവർത്തനങ്ങളായി ആദ്യത്തെ സ്വാഭാവിക ആവൃത്തി പരമാവധിയാക്കാനും തീരുമാനിച്ചു.മാറ്റ്ലാബ് ഒപ്റ്റിമൈസേഷൻ ടൂളിൽ അവർ പാറ്റേൺ തിരയൽ, ഇന്റീരിയർ പോയിന്റ്, സജീവ സെറ്റ്, ജനിതക അൽഗോരിതം രീതികൾ എന്നിവ ഉപയോഗിച്ചു.അനലിറ്റിക്കൽ ഗവേഷണം സ്പ്രിംഗ് ഡിസൈൻ ഗവേഷണത്തിന്റെ ഭാഗമാണ്, കൂടാതെ ഫിനിറ്റ് എലമെന്റ് രീതി ഈ മേഖലയിൽ ജനപ്രിയമാണ്15.പാട്ടീൽ et al.16 ഒരു കംപ്രഷൻ ഹെലിക്കൽ സ്പ്രിംഗിന്റെ ഭാരം കുറയ്ക്കുന്നതിനുള്ള ഒരു ഒപ്റ്റിമൈസേഷൻ രീതി വികസിപ്പിച്ചെടുത്തു.ഒരു നീരുറവയുടെ ഉപയോഗക്ഷമത വർദ്ധിപ്പിക്കുന്നതിനുള്ള മറ്റൊരു മാനദണ്ഡം അത് സംഭരിക്കാൻ കഴിയുന്ന ഊർജ്ജത്തിന്റെ വർദ്ധനവാണ്.ഈ കേസ് വളരെക്കാലം സ്പ്രിംഗ് അതിന്റെ ഉപയോഗക്ഷമത നിലനിർത്തുന്നുവെന്നും ഉറപ്പാക്കുന്നു.രാഹുലും രമേഷ്കുമാറും17 കാർ കോയിൽ സ്പ്രിംഗ് ഡിസൈനുകളിൽ സ്പ്രിംഗ് വോളിയം കുറയ്ക്കാനും സ്‌ട്രെയിൻ എനർജി വർദ്ധിപ്പിക്കാനും ശ്രമിക്കുന്നു.ഒപ്റ്റിമൈസേഷൻ ഗവേഷണത്തിൽ അവർ ജനിതക അൽഗോരിതങ്ങളും ഉപയോഗിച്ചിട്ടുണ്ട്.
കാണാൻ കഴിയുന്നതുപോലെ, ഒപ്റ്റിമൈസേഷൻ പഠനത്തിലെ പാരാമീറ്ററുകൾ സിസ്റ്റത്തിൽ നിന്ന് സിസ്റ്റത്തിലേക്ക് വ്യത്യാസപ്പെടുന്നു.പൊതുവേ, ഒരു സിസ്റ്റത്തിൽ കാഠിന്യവും ഷിയർ സ്ട്രെസ് പാരാമീറ്ററുകളും പ്രധാനമാണ്, അവിടെ അത് വഹിക്കുന്ന ലോഡ് നിർണ്ണയിക്കുന്ന ഘടകമാണ്.ഈ രണ്ട് പരാമീറ്ററുകളുള്ള ഭാരം പരിധി സിസ്റ്റത്തിൽ മെറ്റീരിയൽ തിരഞ്ഞെടുക്കൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.മറുവശത്ത്, വളരെ ചലനാത്മകമായ സിസ്റ്റങ്ങളിൽ അനുരണനം ഒഴിവാക്കാൻ സ്വാഭാവിക ആവൃത്തികൾ പരിശോധിക്കുന്നു.യൂട്ടിലിറ്റി പ്രാധാന്യമുള്ള സിസ്റ്റങ്ങളിൽ, ഊർജ്ജം പരമാവധിയാക്കുന്നു.ഒപ്റ്റിമൈസേഷൻ പഠനങ്ങളിൽ, അനലിറ്റിക്കൽ പഠനങ്ങൾക്ക് FEM ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും, ജനിതക അൽഗോരിതം14,18, ഗ്രേ വുൾഫ് അൽഗോരിതം19 എന്നിവ പോലുള്ള മെറ്റാഹ്യൂറിസ്റ്റിക് അൽഗോരിതങ്ങൾ ക്ലാസിക്കൽ ന്യൂട്ടൺ രീതിക്കൊപ്പം ചില പരാമീറ്ററുകളുടെ പരിധിയിൽ ഉപയോഗിക്കുന്നതായി കാണാൻ കഴിയും.സ്വാഭാവിക അഡാപ്റ്റേഷൻ രീതികളെ അടിസ്ഥാനമാക്കി മെറ്റാഹ്യൂറിസ്റ്റിക് അൽഗോരിതങ്ങൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, അത് ചുരുങ്ങിയ സമയത്തിനുള്ളിൽ ഒപ്റ്റിമൽ അവസ്ഥയെ സമീപിക്കുന്നു, പ്രത്യേകിച്ച് ജനസംഖ്യയുടെ സ്വാധീനത്തിൽ20,21.തിരയൽ ഏരിയയിലെ ജനസംഖ്യയുടെ ക്രമരഹിതമായ വിതരണത്തോടെ, അവർ പ്രാദേശിക ഒപ്റ്റിമ ഒഴിവാക്കുകയും ആഗോള ഒപ്റ്റിമ22-ലേക്ക് നീങ്ങുകയും ചെയ്യുന്നു.അതിനാൽ, സമീപ വർഷങ്ങളിൽ ഇത് പലപ്പോഴും യഥാർത്ഥ വ്യാവസായിക പ്രശ്നങ്ങളുടെ പശ്ചാത്തലത്തിൽ ഉപയോഗിക്കുന്നു23,24.
ഈ പഠനത്തിൽ വികസിപ്പിച്ച ഫോൾഡിംഗ് മെക്കാനിസത്തിന്റെ നിർണായകമായ കാര്യം, പറക്കുന്നതിന് മുമ്പ് അടച്ച നിലയിലായിരുന്ന ചിറകുകൾ ട്യൂബ് വിട്ടശേഷം ഒരു നിശ്ചിത സമയം തുറക്കുന്നു എന്നതാണ്.അതിനുശേഷം, ലോക്കിംഗ് ഘടകം ചിറകിനെ തടയുന്നു.അതിനാൽ, സ്പ്രിംഗുകൾ ഫ്ലൈറ്റ് ഡൈനാമിക്സിനെ നേരിട്ട് ബാധിക്കുന്നില്ല.ഈ സാഹചര്യത്തിൽ, ഒപ്റ്റിമൈസേഷന്റെ ലക്ഷ്യം സ്പ്രിംഗിന്റെ ചലനത്തെ ത്വരിതപ്പെടുത്തുന്നതിന് സംഭരിച്ച ഊർജ്ജം പരമാവധിയാക്കുക എന്നതായിരുന്നു.റോൾ വ്യാസം, വയർ വ്യാസം, റോളുകളുടെ എണ്ണം, വ്യതിചലനം എന്നിവ ഒപ്റ്റിമൈസേഷൻ പാരാമീറ്ററുകളായി നിർവചിക്കപ്പെട്ടിട്ടുണ്ട്.നീരുറവയുടെ വലിപ്പം കുറവായതിനാൽ ഭാരം ഒരു ലക്ഷ്യമായി കണക്കാക്കിയിരുന്നില്ല.അതിനാൽ, മെറ്റീരിയൽ തരം സ്ഥിരമായി നിർവചിച്ചിരിക്കുന്നു.മെക്കാനിക്കൽ വൈകല്യങ്ങൾക്കുള്ള സുരക്ഷയുടെ മാർജിൻ ഒരു നിർണായക പരിമിതിയായി നിർണ്ണയിക്കപ്പെടുന്നു.കൂടാതെ, മെക്കാനിസത്തിന്റെ പരിധിയിൽ വേരിയബിൾ സൈസ് നിയന്ത്രണങ്ങൾ ഉൾപ്പെടുന്നു.ഒപ്റ്റിമൈസേഷൻ രീതിയായി ബിഎ മെറ്റാഹ്യൂറിസ്റ്റിക് രീതി തിരഞ്ഞെടുത്തു.BA അതിന്റെ വഴക്കമുള്ളതും ലളിതവുമായ ഘടനയ്ക്കും മെക്കാനിക്കൽ ഒപ്റ്റിമൈസേഷൻ ഗവേഷണത്തിലെ പുരോഗതിക്കും അനുകൂലമായിരുന്നു.പഠനത്തിന്റെ രണ്ടാം ഭാഗത്ത്, ഫോൾഡിംഗ് മെക്കാനിസത്തിന്റെ അടിസ്ഥാന രൂപകൽപ്പനയുടെയും സ്പ്രിംഗ് ഡിസൈനിന്റെയും ചട്ടക്കൂടിൽ വിശദമായ ഗണിത പദപ്രയോഗങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.മൂന്നാം ഭാഗത്ത് ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതവും ഒപ്റ്റിമൈസേഷൻ ഫലങ്ങളും അടങ്ങിയിരിക്കുന്നു.അധ്യായം 4 ADAMS പ്രോഗ്രാമിൽ വിശകലനം നടത്തുന്നു.ഉൽപ്പാദനത്തിന് മുമ്പ് ഉറവകളുടെ അനുയോജ്യത വിശകലനം ചെയ്യുന്നു.അവസാന വിഭാഗത്തിൽ പരീക്ഷണ ഫലങ്ങളും പരീക്ഷണ ചിത്രങ്ങളും അടങ്ങിയിരിക്കുന്നു.പഠനത്തിൽ ലഭിച്ച ഫലങ്ങൾ DOE സമീപനം ഉപയോഗിച്ച് രചയിതാക്കളുടെ മുമ്പത്തെ പ്രവർത്തനങ്ങളുമായി താരതമ്യം ചെയ്തു.
ഈ പഠനത്തിൽ വികസിപ്പിച്ച ചിറകുകൾ റോക്കറ്റിന്റെ ഉപരിതലത്തിലേക്ക് മടക്കിയിരിക്കണം.ചിറകുകൾ മടക്കിവെച്ചിരിക്കുന്ന സ്ഥാനത്തേക്ക് തിരിയുന്നു.ഇതിനായി ഒരു പ്രത്യേക സംവിധാനം വികസിപ്പിച്ചെടുത്തു.അത്തിപ്പഴത്തിൽ.1 റോക്കറ്റ് കോർഡിനേറ്റ് സിസ്റ്റത്തിൽ മടക്കിയതും മടക്കിയതുമായ കോൺഫിഗറേഷൻ കാണിക്കുന്നു.
അത്തിപ്പഴത്തിൽ.മെക്കാനിസത്തിന്റെ ഒരു വിഭാഗീയ കാഴ്ച 2 കാണിക്കുന്നു.മെക്കാനിസത്തിൽ നിരവധി മെക്കാനിക്കൽ ഭാഗങ്ങൾ അടങ്ങിയിരിക്കുന്നു: (1) മെയിൻ ബോഡി, (2) വിംഗ് ഷാഫ്റ്റ്, (3) ബെയറിംഗ്, (4) ലോക്ക് ബോഡി, (5) ലോക്ക് ബുഷ്, (6) സ്റ്റോപ്പ് പിൻ, (7) ടോർഷൻ സ്പ്രിംഗ് കൂടാതെ ( 8 ) കംപ്രഷൻ സ്പ്രിംഗ്സ്.വിംഗ് ഷാഫ്റ്റ് (2) ലോക്കിംഗ് സ്ലീവ് (4) വഴി ടോർഷൻ സ്പ്രിംഗിലേക്ക് (7) ബന്ധിപ്പിച്ചിരിക്കുന്നു.റോക്കറ്റ് പറന്നുയർന്നതിന് ശേഷം മൂന്ന് ഭാഗങ്ങളും ഒരേസമയം കറങ്ങുന്നു.ഈ ഭ്രമണ ചലനത്തിലൂടെ, ചിറകുകൾ അവയുടെ അവസാന സ്ഥാനത്തേക്ക് തിരിയുന്നു.അതിനുശേഷം, പിൻ (6) കംപ്രഷൻ സ്പ്രിംഗ് (8) വഴി പ്രവർത്തിക്കുന്നു, അതുവഴി ലോക്കിംഗ് ബോഡിയുടെ മുഴുവൻ സംവിധാനവും തടയുന്നു (4)5.
ഇലാസ്റ്റിക് മോഡുലസ് (ഇ), ഷിയർ മോഡുലസ് (ജി) എന്നിവ വസന്തത്തിന്റെ പ്രധാന ഡിസൈൻ പാരാമീറ്ററുകളാണ്.ഈ പഠനത്തിൽ, ഉയർന്ന കാർബൺ സ്പ്രിംഗ് സ്റ്റീൽ വയർ (മ്യൂസിക് വയർ ASTM A228) സ്പ്രിംഗ് മെറ്റീരിയലായി തിരഞ്ഞെടുത്തു.വയർ വ്യാസം (d), ശരാശരി കോയിൽ വ്യാസം (Dm), കോയിലുകളുടെ എണ്ണം (N), സ്പ്രിംഗ് ഡിഫ്ലെക്ഷൻ (കംപ്രഷൻ സ്പ്രിംഗുകൾക്ക് xd, ടോർഷൻ സ്പ്രിംഗുകൾക്ക് θ) എന്നിവയാണ് മറ്റ് പാരാമീറ്ററുകൾ.കംപ്രഷൻ സ്പ്രിംഗുകൾ \({(SE}_{x})\) ടോർഷൻ (\({SE}_{\theta}\)) സ്പ്രിംഗുകൾക്കായി സംഭരിച്ചിരിക്കുന്ന ഊർജ്ജം സമവാക്യത്തിൽ നിന്ന് കണക്കാക്കാം.(1) കൂടാതെ (2)26.(കംപ്രഷൻ സ്പ്രിംഗിന്റെ ഷിയർ മോഡുലസ് (G) മൂല്യം 83.7E9 Pa ആണ്, ടോർഷൻ സ്പ്രിംഗിന്റെ ഇലാസ്റ്റിക് മോഡുലസ് (E) മൂല്യം 203.4E9 Pa ആണ്.)
സിസ്റ്റത്തിന്റെ മെക്കാനിക്കൽ അളവുകൾ വസന്തത്തിന്റെ ജ്യാമിതീയ നിയന്ത്രണങ്ങൾ നേരിട്ട് നിർണ്ണയിക്കുന്നു.കൂടാതെ, റോക്കറ്റ് സ്ഥിതി ചെയ്യുന്ന സാഹചര്യങ്ങളും കണക്കിലെടുക്കണം.ഈ ഘടകങ്ങൾ സ്പ്രിംഗ് പാരാമീറ്ററുകളുടെ പരിധി നിർണ്ണയിക്കുന്നു.മറ്റൊരു പ്രധാന പരിമിതി സുരക്ഷാ ഘടകമാണ്.ഒരു സുരക്ഷാ ഘടകത്തിന്റെ നിർവചനം ഷിഗ്ലി et al.26 വിശദമായി വിവരിച്ചിരിക്കുന്നു.കംപ്രഷൻ സ്പ്രിംഗ് സേഫ്റ്റി ഫാക്ടർ (എസ്എഫ്സി) എന്നത് അനുവദനീയമായ പരമാവധി സമ്മർദ്ദം തുടർച്ചയായ ദൈർഘ്യത്തെ സ്ട്രെസ് കൊണ്ട് ഹരിച്ചാണ്.സമവാക്യങ്ങൾ ഉപയോഗിച്ച് SFC കണക്കാക്കാം.(3), (4), (5) കൂടാതെ (6)26.(ഈ പഠനത്തിൽ ഉപയോഗിച്ച സ്പ്രിംഗ് മെറ്റീരിയലിനായി, \({S}_{sy}=980 MPa\)).എഫ് സമവാക്യത്തിലെ ബലത്തെയും കെബി 26 ന്റെ ബെർഗ്‌സ്ട്രാസർ ഘടകത്തെയും പ്രതിനിധീകരിക്കുന്നു.
ഒരു സ്പ്രിംഗിന്റെ (SFT) ടോർഷൻ സുരക്ഷാ ഘടകം നിർവചിച്ചിരിക്കുന്നത് M ആയി k കൊണ്ട് ഹരിച്ചാൽ.സമവാക്യത്തിൽ നിന്ന് SFT കണക്കാക്കാം.(7), (8), (9) കൂടാതെ (10)26.(ഈ പഠനത്തിൽ ഉപയോഗിച്ച മെറ്റീരിയലിന്, \({S}_{y}=1600 \mathrm{MPa}\)).സമവാക്യത്തിൽ, ടോർക്കിന് M ഉപയോഗിക്കുന്നു, \({k}^{^{\prime}}\) സ്പ്രിംഗ് കോൺസ്റ്റന്റ് (ടോർക്ക്/റൊട്ടേഷൻ), സ്ട്രെസ് തിരുത്തൽ ഘടകത്തിന് കി ഉപയോഗിക്കുന്നു.
ഈ പഠനത്തിലെ പ്രധാന ഒപ്റ്റിമൈസേഷൻ ലക്ഷ്യം വസന്തത്തിന്റെ ഊർജ്ജം പരമാവധിയാക്കുക എന്നതാണ്.ഒബ്ജക്റ്റീവ് ഫംഗ്ഷൻ \(\ഓവർ റൈറ്റ് ആരോ{\{X\}}\) കണ്ടുപിടിക്കുന്നതിനാണ് \(f(X)\) പരമാവധിയാക്കുന്നത്.\({f}_{1}(X)\) ഒപ്പം \({f}_{2}(X)\) എന്നിവ യഥാക്രമം കംപ്രഷന്റെയും ടോർഷൻ സ്പ്രിംഗിന്റെയും ഊർജ്ജ പ്രവർത്തനങ്ങളാണ്.ഒപ്റ്റിമൈസേഷനായി ഉപയോഗിക്കുന്ന കണക്കുകൂട്ടിയ വേരിയബിളുകളും ഫംഗ്ഷനുകളും ഇനിപ്പറയുന്ന സമവാക്യങ്ങളിൽ കാണിച്ചിരിക്കുന്നു.
വസന്തത്തിന്റെ രൂപകൽപ്പനയിൽ സ്ഥാപിച്ചിരിക്കുന്ന വിവിധ നിയന്ത്രണങ്ങൾ ഇനിപ്പറയുന്ന സമവാക്യങ്ങളിൽ നൽകിയിരിക്കുന്നു.സമവാക്യങ്ങൾ (15), (16) എന്നിവ യഥാക്രമം കംപ്രഷൻ, ടോർഷൻ സ്പ്രിംഗുകൾക്കുള്ള സുരക്ഷാ ഘടകങ്ങളെ പ്രതിനിധീകരിക്കുന്നു.ഈ പഠനത്തിൽ, SFC 1.2-നേക്കാൾ വലുതോ തുല്യമോ ആയിരിക്കണം, SFT θ26-നേക്കാൾ വലുതോ തുല്യമോ ആയിരിക്കണം.
തേനീച്ചകളുടെ പൂമ്പൊടി തേടൽ തന്ത്രങ്ങളിൽ നിന്നാണ് ബിഎ പ്രചോദനം ഉൾക്കൊണ്ടത്27.ഫലഭൂയിഷ്ഠമായ പൂമ്പൊടിപ്പാടങ്ങളിലേക്ക് കൂടുതൽ തീറ്റക്കാരെയും ഫലഭൂയിഷ്ഠമല്ലാത്ത പൂമ്പൊടിപ്പാടങ്ങളിലേക്ക് കുറച്ച് തീറ്റപ്പുല്ലുകളെയും അയച്ചുകൊണ്ടാണ് തേനീച്ചകൾ അന്വേഷിക്കുന്നത്.അങ്ങനെ, തേനീച്ച ജനസംഖ്യയിൽ നിന്ന് ഏറ്റവും വലിയ കാര്യക്ഷമത കൈവരിക്കുന്നു.മറുവശത്ത്, സ്കൗട്ട് തേനീച്ചകൾ പൂമ്പൊടിയുടെ പുതിയ പ്രദേശങ്ങൾ തിരയുന്നത് തുടരുന്നു, മുമ്പത്തേതിനേക്കാൾ കൂടുതൽ ഉൽപ്പാദനക്ഷമതയുള്ള പ്രദേശങ്ങൾ ഉണ്ടെങ്കിൽ, ഈ പുതിയ പ്രദേശത്തേക്ക് ധാരാളം തീറ്റ തേടുന്നവരെ നയിക്കും28.ബിഎ രണ്ട് ഭാഗങ്ങൾ ഉൾക്കൊള്ളുന്നു: പ്രാദേശിക തിരയൽ, ആഗോള തിരയൽ.ഒരു പ്രാദേശിക തിരയൽ തേനീച്ചകളെപ്പോലെ ഏറ്റവും കുറഞ്ഞ (എലൈറ്റ് സൈറ്റുകൾ) കൂടുതൽ കമ്മ്യൂണിറ്റികൾക്കായി തിരയുന്നു, മറ്റ് സൈറ്റുകളിൽ (ഒപ്റ്റിമൽ അല്ലെങ്കിൽ ഫീച്ചർ ചെയ്ത സൈറ്റുകൾ).ആഗോള തിരയൽ ഭാഗത്ത് ഒരു ഏകപക്ഷീയമായ തിരയൽ നടക്കുന്നു, നല്ല മൂല്യങ്ങൾ കണ്ടെത്തിയാൽ, അടുത്ത ആവർത്തനത്തിൽ സ്റ്റേഷനുകൾ പ്രാദേശിക തിരയൽ ഭാഗത്തേക്ക് മാറ്റും.അൽഗോരിതത്തിൽ ചില പാരാമീറ്ററുകൾ അടങ്ങിയിരിക്കുന്നു: സ്കൗട്ട് തേനീച്ചകളുടെ എണ്ണം (n), പ്രാദേശിക തിരയൽ സൈറ്റുകളുടെ എണ്ണം (m), എലൈറ്റ് സൈറ്റുകളുടെ എണ്ണം (e), എലൈറ്റ് സൈറ്റുകളിലെ ഫോറേജർമാരുടെ എണ്ണം (nep), ഫോറേജുകളുടെ എണ്ണം ഒപ്റ്റിമൽ ഏരിയകൾ.സൈറ്റ് (nsp), അയൽപക്കത്തിന്റെ വലിപ്പം (ngh), ആവർത്തനങ്ങളുടെ എണ്ണം (I)29.ബിഎ സ്യൂഡോകോഡ് ചിത്രം 3 ൽ കാണിച്ചിരിക്കുന്നു.
അൽഗോരിതം \({g}_{1}(X)\) നും \({g}_{2}(X)\) ഇടയിലും പ്രവർത്തിക്കാൻ ശ്രമിക്കുന്നു.ഓരോ ആവർത്തനത്തിന്റെയും ഫലമായി, ഒപ്റ്റിമൽ മൂല്യങ്ങൾ നിർണ്ണയിക്കുകയും മികച്ച മൂല്യങ്ങൾ നേടാനുള്ള ശ്രമത്തിൽ ഈ മൂല്യങ്ങൾക്ക് ചുറ്റും ഒരു ജനസംഖ്യ ശേഖരിക്കുകയും ചെയ്യുന്നു.പ്രാദേശിക, ആഗോള തിരയൽ വിഭാഗങ്ങളിൽ നിയന്ത്രണങ്ങൾ പരിശോധിക്കുന്നു.ഒരു പ്രാദേശിക തിരയലിൽ, ഈ ഘടകങ്ങൾ ഉചിതമാണെങ്കിൽ, ഊർജ്ജ മൂല്യം കണക്കാക്കുന്നു.പുതിയ ഊർജ്ജ മൂല്യം ഒപ്റ്റിമൽ മൂല്യത്തേക്കാൾ കൂടുതലാണെങ്കിൽ, ഒപ്റ്റിമൽ മൂല്യത്തിന് പുതിയ മൂല്യം നൽകുക.തിരയൽ ഫലത്തിൽ കണ്ടെത്തിയ ഏറ്റവും മികച്ച മൂല്യം നിലവിലെ ഘടകത്തേക്കാൾ കൂടുതലാണെങ്കിൽ, പുതിയ ഘടകം ശേഖരത്തിൽ ഉൾപ്പെടുത്തും.ലോക്കൽ സെർച്ചിന്റെ ബ്ലോക്ക് ഡയഗ്രം ചിത്രം 4 ൽ കാണിച്ചിരിക്കുന്നു.
ബിഎയിലെ പ്രധാന പാരാമീറ്ററുകളിൽ ഒന്നാണ് ജനസംഖ്യ.ജനസംഖ്യ വർദ്ധിപ്പിക്കുന്നത് ആവശ്യമായ ആവർത്തനങ്ങളുടെ എണ്ണം കുറയ്ക്കുകയും വിജയസാധ്യത വർദ്ധിപ്പിക്കുകയും ചെയ്യുന്നുവെന്ന് മുൻ പഠനങ്ങളിൽ നിന്ന് കാണാൻ കഴിയും.എന്നിരുന്നാലും, പ്രവർത്തനപരമായ വിലയിരുത്തലുകളുടെ എണ്ണവും വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്.ധാരാളം എലൈറ്റ് സൈറ്റുകളുടെ സാന്നിധ്യം പ്രകടനത്തെ കാര്യമായി ബാധിക്കുന്നില്ല.പൂജ്യം 30 അല്ലെങ്കിൽ എലൈറ്റ് സൈറ്റുകളുടെ എണ്ണം കുറവായിരിക്കും.സ്കൗട്ട് തേനീച്ച ജനസംഖ്യയുടെ (n) വലുപ്പം സാധാരണയായി 30 നും 100 നും ഇടയിലാണ് തിരഞ്ഞെടുക്കുന്നത്. ഈ പഠനത്തിൽ, ഉചിതമായ സംഖ്യ നിർണ്ണയിക്കാൻ 30-ഉം 50-ഉം സാഹചര്യങ്ങൾ ഉപയോഗിച്ചു (പട്ടിക 2).ജനസംഖ്യയെ ആശ്രയിച്ച് മറ്റ് പാരാമീറ്ററുകൾ നിർണ്ണയിക്കപ്പെടുന്നു.തിരഞ്ഞെടുത്ത സൈറ്റുകളുടെ എണ്ണം (ഏകദേശം) ജനസംഖ്യയുടെ 25% ആണ്, തിരഞ്ഞെടുത്ത സൈറ്റുകളിൽ എലൈറ്റ് സൈറ്റുകളുടെ എണ്ണം (e) m ന്റെ 25% ആണ്.എലൈറ്റ് പ്ലോട്ടുകൾക്ക് 100 ഉം മറ്റ് പ്രാദേശിക പ്ലോട്ടുകൾക്ക് 30 ഉം ആയി തീറ്റ തേനീച്ചകളുടെ എണ്ണം (തിരയലുകളുടെ എണ്ണം) തിരഞ്ഞെടുത്തു.എല്ലാ പരിണാമ അൽഗോരിതങ്ങളുടെയും അടിസ്ഥാന ആശയമാണ് അയൽപക്ക തിരയൽ.ഈ പഠനത്തിൽ, ടാപ്പറിംഗ് അയൽക്കാർ രീതി ഉപയോഗിച്ചു.ഈ രീതി ഓരോ ആവർത്തന സമയത്തും ഒരു നിശ്ചിത നിരക്കിൽ അയൽപക്കത്തിന്റെ വലിപ്പം കുറയ്ക്കുന്നു.ഭാവിയിലെ ആവർത്തനങ്ങളിൽ, കൂടുതൽ കൃത്യമായ തിരയലിനായി ചെറിയ അയൽപക്ക മൂല്യങ്ങൾ30 ഉപയോഗിക്കാനാകും.
ഓരോ സാഹചര്യത്തിനും, ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതത്തിന്റെ പുനരുൽപാദനക്ഷമത പരിശോധിക്കാൻ തുടർച്ചയായി പത്ത് ടെസ്റ്റുകൾ നടത്തി.അത്തിപ്പഴത്തിൽ.സ്കീം 1-നുള്ള ടോർഷൻ സ്പ്രിംഗിന്റെ ഒപ്റ്റിമൈസേഷന്റെ ഫലങ്ങൾ 5 കാണിക്കുന്നു, കൂടാതെ ചിത്രം.6 - സ്കീമിന് 2. ടെസ്റ്റ് ഡാറ്റയും ടേബിളുകൾ 3, 4 എന്നിവയിൽ നൽകിയിരിക്കുന്നു (കംപ്രഷൻ സ്പ്രിംഗിനായി ലഭിച്ച ഫലങ്ങൾ അടങ്ങുന്ന ഒരു പട്ടിക സപ്ലിമെന്ററി ഇൻഫർമേഷൻ S1 ൽ ഉണ്ട്).തേനീച്ചകളുടെ എണ്ണം ആദ്യ ആവർത്തനത്തിൽ നല്ല മൂല്യങ്ങൾക്കായുള്ള തിരയൽ തീവ്രമാക്കുന്നു.സാഹചര്യം 1-ൽ, ചില ടെസ്റ്റുകളുടെ ഫലങ്ങൾ പരമാവധി താഴെയായിരുന്നു.ജനസംഖ്യാ വർദ്ധനയും മറ്റ് പ്രസക്തമായ പാരാമീറ്ററുകളും കാരണം എല്ലാ ഒപ്റ്റിമൈസേഷൻ ഫലങ്ങളും പരമാവധി അടുക്കുന്നതായി രംഗം 2 ൽ കാണാൻ കഴിയും.രംഗം 2 ലെ മൂല്യങ്ങൾ അൽഗോരിതത്തിന് പര്യാപ്തമാണെന്ന് കാണാൻ കഴിയും.
ആവർത്തനങ്ങളിൽ ഊർജ്ജത്തിന്റെ പരമാവധി മൂല്യം നേടുമ്പോൾ, പഠനത്തിന് ഒരു പരിമിതിയായി ഒരു സുരക്ഷാ ഘടകവും നൽകുന്നു.സുരക്ഷാ ഘടകത്തിനായി പട്ടിക കാണുക.BA ഉപയോഗിച്ച് ലഭിച്ച ഊർജ്ജ മൂല്യങ്ങൾ പട്ടിക 5-ലെ 5 DOE രീതി ഉപയോഗിച്ച് ലഭിച്ചവയുമായി താരതമ്യം ചെയ്യുന്നു. (നിർമ്മാണത്തിന്റെ എളുപ്പത്തിനായി, ടോർഷൻ സ്പ്രിംഗിന്റെ തിരിവുകളുടെ എണ്ണം (N) 4.88 ന് പകരം 4.9 ആണ്, കൂടാതെ വ്യതിചലനം (xd) ) കംപ്രഷൻ സ്പ്രിംഗിൽ 7.99 മില്ലീമീറ്ററിന് പകരം 8 എംഎം ആണ്.) BA ആണ് മികച്ച ഫലം എന്ന് കാണാൻ കഴിയും.പ്രാദേശികവും ആഗോളവുമായ ലുക്കപ്പിലൂടെ ബിഎ എല്ലാ മൂല്യങ്ങളും വിലയിരുത്തുന്നു.ഇതുവഴി അയാൾക്ക് കൂടുതൽ ബദലുകൾ വേഗത്തിൽ പരീക്ഷിക്കാൻ കഴിയും.
ഈ പഠനത്തിൽ, ചിറകിന്റെ മെക്കാനിസത്തിന്റെ ചലനം വിശകലനം ചെയ്യാൻ ആഡംസ് ഉപയോഗിച്ചു.ആഡംസിന് ആദ്യം മെക്കാനിസത്തിന്റെ 3D മോഡൽ നൽകി.മുമ്പത്തെ വിഭാഗത്തിൽ തിരഞ്ഞെടുത്ത പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് ഒരു സ്പ്രിംഗ് നിർവ്വചിക്കുക.കൂടാതെ, യഥാർത്ഥ വിശകലനത്തിനായി മറ്റ് ചില പാരാമീറ്ററുകൾ നിർവചിക്കേണ്ടതുണ്ട്.കണക്ഷനുകൾ, മെറ്റീരിയൽ പ്രോപ്പർട്ടികൾ, കോൺടാക്റ്റ്, ഘർഷണം, ഗുരുത്വാകർഷണം തുടങ്ങിയ ഭൗതിക പാരാമീറ്ററുകളാണിവ.ബ്ലേഡ് ഷാഫ്റ്റിനും ബെയറിംഗിനും ഇടയിൽ ഒരു സ്വിവൽ ജോയിന്റ് ഉണ്ട്.5-6 സിലിണ്ടർ സന്ധികൾ ഉണ്ട്.5-1 സ്ഥിര സന്ധികൾ ഉണ്ട്.പ്രധാന ബോഡി അലുമിനിയം മെറ്റീരിയൽ കൊണ്ട് നിർമ്മിച്ചതാണ്, ഉറപ്പിച്ചതാണ്.ബാക്കി ഭാഗങ്ങളുടെ മെറ്റീരിയൽ സ്റ്റീൽ ആണ്.മെറ്റീരിയലിന്റെ തരം അനുസരിച്ച് ഘർഷണം, കോൺടാക്റ്റ് കാഠിന്യം, ഘർഷണ പ്രതലത്തിന്റെ നുഴഞ്ഞുകയറ്റത്തിന്റെ ആഴം എന്നിവയുടെ ഗുണകം തിരഞ്ഞെടുക്കുക.(സ്റ്റെയിൻലെസ്സ് സ്റ്റീൽ AISI 304) ഈ പഠനത്തിൽ, നിർണ്ണായക പരാമീറ്റർ വിംഗ് മെക്കാനിസത്തിന്റെ തുറക്കുന്ന സമയമാണ്, അത് 200 ms-ൽ കുറവായിരിക്കണം.അതിനാൽ, വിശകലന സമയത്ത് ചിറകുകൾ തുറക്കുന്ന സമയം ശ്രദ്ധിക്കുക.
ആഡംസിന്റെ വിശകലനത്തിന്റെ ഫലമായി, വിംഗ് മെക്കാനിസത്തിന്റെ തുറക്കുന്ന സമയം 74 മില്ലിസെക്കൻഡ് ആണ്.1 മുതൽ 4 വരെയുള്ള ഡൈനാമിക് സിമുലേഷന്റെ ഫലങ്ങൾ ചിത്രം 7-ൽ കാണിച്ചിരിക്കുന്നു. ചിത്രത്തിലെ ആദ്യ ചിത്രം.5 സിമുലേഷൻ ആരംഭിക്കുന്ന സമയമാണ്, ചിറകുകൾ മടക്കാനുള്ള കാത്തിരിപ്പിലാണ്.(2) ചിറക് 43 ഡിഗ്രി തിരിയുമ്പോൾ 40ms കഴിഞ്ഞ് ചിറകിന്റെ സ്ഥാനം കാണിക്കുന്നു.(3) 71 മില്ലിസെക്കൻഡിന് ശേഷം ചിറകിന്റെ സ്ഥാനം കാണിക്കുന്നു.അവസാന ചിത്രത്തിൽ (4) ചിറകിന്റെ തിരിവിന്റെ അവസാനവും തുറന്ന സ്ഥാനവും കാണിക്കുന്നു.ഡൈനാമിക് വിശകലനത്തിന്റെ ഫലമായി, വിംഗ് ഓപ്പണിംഗ് മെക്കാനിസം ടാർഗെറ്റ് മൂല്യമായ 200 എംഎസിനേക്കാൾ വളരെ ചെറുതാണെന്ന് നിരീക്ഷിക്കപ്പെട്ടു.കൂടാതെ, നീരുറവകൾ അളക്കുമ്പോൾ, സാഹിത്യത്തിൽ ശുപാർശ ചെയ്യുന്ന ഏറ്റവും ഉയർന്ന മൂല്യങ്ങളിൽ നിന്ന് സുരക്ഷാ പരിധികൾ തിരഞ്ഞെടുത്തു.
എല്ലാ ഡിസൈൻ, ഒപ്റ്റിമൈസേഷൻ, സിമുലേഷൻ പഠനങ്ങളും പൂർത്തിയാക്കിയ ശേഷം, മെക്കാനിസത്തിന്റെ ഒരു പ്രോട്ടോടൈപ്പ് നിർമ്മിക്കുകയും സംയോജിപ്പിക്കുകയും ചെയ്തു.സിമുലേഷൻ ഫലങ്ങൾ പരിശോധിക്കുന്നതിനായി പ്രോട്ടോടൈപ്പ് പിന്നീട് പരീക്ഷിച്ചു.ആദ്യം പ്രധാന ഷെൽ സുരക്ഷിതമാക്കി ചിറകുകൾ മടക്കിക്കളയുക.തുടർന്ന് ചിറകുകൾ മടക്കിയ സ്ഥാനത്ത് നിന്ന് വിടുകയും ചിറകുകൾ മടക്കിയ സ്ഥാനത്ത് നിന്ന് വിന്യസിച്ചിരിക്കുന്നതിലേക്ക് തിരിയുന്ന വീഡിയോ തയ്യാറാക്കുകയും ചെയ്തു.വീഡിയോ റെക്കോർഡിംഗ് സമയത്ത് സമയം വിശകലനം ചെയ്യാനും ടൈമർ ഉപയോഗിച്ചു.
അത്തിപ്പഴത്തിൽ.1-4 നമ്പറുള്ള വീഡിയോ ഫ്രെയിമുകൾ 8 കാണിക്കുന്നു.ചിത്രത്തിലെ ഫ്രെയിം നമ്പർ 1 മടക്കിയ ചിറകുകളുടെ പ്രകാശന നിമിഷം കാണിക്കുന്നു.ഈ നിമിഷം t0 സമയത്തിന്റെ പ്രാരംഭ നിമിഷമായി കണക്കാക്കപ്പെടുന്നു.ഫ്രെയിമുകൾ 2 ഉം 3 ഉം പ്രാരംഭ നിമിഷത്തിന് ശേഷം ചിറകുകളുടെ സ്ഥാനം 40 ms, 70 ms എന്നിവ കാണിക്കുന്നു.ഫ്രെയിമുകൾ 3 ഉം 4 ഉം വിശകലനം ചെയ്യുമ്പോൾ, ചിറകിന്റെ ചലനം t0 ന് ശേഷം 90 ms സ്ഥിരത കൈവരിക്കുന്നു, ഒപ്പം ചിറകിന്റെ തുറക്കൽ 70 നും 90 ms നും ഇടയിൽ പൂർത്തിയായി.ഈ സാഹചര്യം അർത്ഥമാക്കുന്നത് സിമുലേഷനും പ്രോട്ടോടൈപ്പ് ടെസ്റ്റിംഗും ഏകദേശം ഒരേ വിംഗ് വിന്യാസ സമയം നൽകുന്നു, കൂടാതെ ഡിസൈൻ മെക്കാനിസത്തിന്റെ പ്രകടന ആവശ്യകതകൾ നിറവേറ്റുന്നു.
ഈ ലേഖനത്തിൽ, വിംഗ് ഫോൾഡിംഗ് മെക്കാനിസത്തിൽ ഉപയോഗിക്കുന്ന ടോർഷനും കംപ്രഷൻ സ്പ്രിംഗുകളും BA ഉപയോഗിച്ച് ഒപ്റ്റിമൈസ് ചെയ്തിരിക്കുന്നു.കുറച്ച് ആവർത്തനങ്ങളിലൂടെ പാരാമീറ്ററുകൾ വേഗത്തിൽ എത്തിച്ചേരാനാകും.ടോർഷൻ സ്പ്രിംഗ് 1075 mJ ഉം കംപ്രഷൻ സ്പ്രിംഗ് 37.24 mJ ഉം ആണ്.ഈ മൂല്യങ്ങൾ മുമ്പത്തെ DOE പഠനങ്ങളേക്കാൾ 40-50% മികച്ചതാണ്.സ്പ്രിംഗ് മെക്കാനിസത്തിൽ സംയോജിപ്പിച്ച് ADAMS പ്രോഗ്രാമിൽ വിശകലനം ചെയ്യുന്നു.വിശകലനം ചെയ്തപ്പോൾ, ചിറകുകൾ 74 മില്ലിസെക്കൻഡിനുള്ളിൽ തുറന്നതായി കണ്ടെത്തി.ഈ മൂല്യം പദ്ധതിയുടെ ലക്ഷ്യമായ 200 മില്ലിസെക്കൻഡിനേക്കാൾ വളരെ താഴെയാണ്.തുടർന്നുള്ള ഒരു പരീക്ഷണാത്മക പഠനത്തിൽ, ടേൺ-ഓൺ സമയം ഏകദേശം 90 ms ആയി കണക്കാക്കി.വിശകലനങ്ങൾ തമ്മിലുള്ള ഈ 16 മില്ലിസെക്കൻഡ് വ്യത്യാസം സോഫ്റ്റ്‌വെയറിൽ മാതൃകയാക്കാത്ത പാരിസ്ഥിതിക ഘടകങ്ങളാകാം.പഠനത്തിന്റെ ഫലമായി ലഭിച്ച ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം വിവിധ സ്പ്രിംഗ് ഡിസൈനുകൾക്കായി ഉപയോഗിക്കാമെന്ന് വിശ്വസിക്കപ്പെടുന്നു.
സ്പ്രിംഗ് മെറ്റീരിയൽ മുൻകൂട്ടി നിശ്ചയിച്ചിട്ടുള്ളതും ഒപ്റ്റിമൈസേഷനിൽ ഒരു വേരിയബിളായി ഉപയോഗിച്ചിട്ടില്ല.വിമാനങ്ങളിലും റോക്കറ്റുകളിലും വ്യത്യസ്ത തരം സ്പ്രിംഗുകൾ ഉപയോഗിക്കുന്നതിനാൽ, ഭാവിയിലെ ഗവേഷണങ്ങളിൽ ഒപ്റ്റിമൽ സ്പ്രിംഗ് ഡിസൈൻ നേടുന്നതിന് വ്യത്യസ്ത മെറ്റീരിയലുകൾ ഉപയോഗിച്ച് മറ്റ് തരത്തിലുള്ള സ്പ്രിംഗുകൾ രൂപകൽപ്പന ചെയ്യാൻ BA പ്രയോഗിക്കും.
ഈ കൈയെഴുത്തുപ്രതി യഥാർത്ഥമാണെന്നും മുമ്പ് പ്രസിദ്ധീകരിച്ചിട്ടില്ലെന്നും മറ്റെവിടെയെങ്കിലും പ്രസിദ്ധീകരിക്കാൻ നിലവിൽ പരിഗണിക്കുന്നില്ലെന്നും ഞങ്ങൾ പ്രഖ്യാപിക്കുന്നു.
ഈ പഠനത്തിൽ സൃഷ്ടിച്ചതോ വിശകലനം ചെയ്തതോ ആയ എല്ലാ ഡാറ്റയും ഈ പ്രസിദ്ധീകരിച്ച ലേഖനത്തിൽ [കൂടാതെ അധിക വിവര ഫയലും] ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.
Min, Z., Kin, VK and Richard, LJ എയർക്രാഫ്റ്റ് സമൂലമായ ജ്യാമിതീയ മാറ്റങ്ങളിലൂടെ എയർഫോയിൽ ആശയത്തിന്റെ ആധുനികവൽക്കരണം.ഐഇഎസ് ജെ. പാർട്ട് എ നാഗരികത.സംയുക്തം.പദ്ധതി.3(3), 188–195 (2010).
സൺ, ജെ., ലിയു, കെ., ഭൂഷൺ, ബി. വണ്ടിന്റെ പിൻ ചിറകിന്റെ ഒരു അവലോകനം: ഘടന, മെക്കാനിക്കൽ ഗുണങ്ങൾ, മെക്കാനിസങ്ങൾ, ജൈവ പ്രചോദനം.ജെ മേച്ച.പെരുമാറ്റം.ബയോമെഡിക്കൽ സയൻസ്.അൽമ മെറ്റർ.94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A., Zhang, F. ഹൈബ്രിഡ് പവർഡ് അണ്ടർവാട്ടർ ഗ്ലൈഡറിനായുള്ള ഒരു ഫോൾഡിംഗ് പ്രൊപ്പൽഷൻ മെക്കാനിസത്തിന്റെ രൂപകൽപ്പനയും വിശകലനവും.ഓഷ്യൻ എഞ്ചിനീയറിംഗ് 119, 125–134 (2016).
കാർത്തിക്, എച്ച്എസ്, പൃഥ്വി, കെ. ഹെലികോപ്റ്ററിന്റെ തിരശ്ചീന സ്റ്റെബിലൈസർ ഫോൾഡിംഗ് മെക്കാനിസത്തിന്റെ രൂപകൽപ്പനയും വിശകലനവും.ആന്തരിക ജെ. ഇംഗ്.സംഭരണ ​​ടാങ്ക്.സാങ്കേതികവിദ്യകൾ.(IGERT) 9(05), 110–113 (2020).
കുലുങ്ക്, ഇസഡ്, സാഹിൻ, എം. ഒരു പരീക്ഷണ ഡിസൈൻ സമീപനം ഉപയോഗിച്ച് ഒരു മടക്കാവുന്ന റോക്കറ്റ് വിംഗ് ഡിസൈനിന്റെ മെക്കാനിക്കൽ പാരാമീറ്ററുകളുടെ ഒപ്റ്റിമൈസേഷൻ.ആന്തരിക ജെ. മോഡൽ.ഒപ്റ്റിമൈസേഷൻ.9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD ഡിസൈൻ രീതി, പ്രകടന പഠനം, കോമ്പോസിറ്റ് കോയിൽ സ്പ്രിംഗുകളുടെ നിർമ്മാണ പ്രക്രിയ: ഒരു അവലോകനം.രചിക്കുക.സംയുക്തം.252, 112747 (2020).
തക്താക് എം., ഒംഹേനി കെ., അലൂയി എ., ദമ്മാക് എഫ്., ഖദ്ദർ എം. കോയിൽ സ്പ്രിംഗുകളുടെ ഡൈനാമിക് ഡിസൈൻ ഒപ്റ്റിമൈസേഷൻ.ശബ്ദത്തിനായി അപേക്ഷിക്കുക.77, 178–183 (2014).
Paredes, M., Sartor, M., and Mascle, K. ടെൻഷൻ സ്പ്രിംഗുകളുടെ രൂപകൽപ്പന ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള ഒരു നടപടിക്രമം.കമ്പ്യൂട്ടർ.രീതിയുടെ പ്രയോഗം.രോമങ്ങൾ.പദ്ധതി.191(8-10), 783-797 (2001).
Zebdi O., Bouhili R., Trochu F. മൾട്ടിഒബ്ജക്റ്റീവ് ഒപ്റ്റിമൈസേഷൻ ഉപയോഗിച്ച് സംയുക്ത ഹെലിക്കൽ സ്പ്രിംഗുകളുടെ ഒപ്റ്റിമൽ ഡിസൈൻ.ജെ. റെയിൻഫ്.പ്ലാസ്റ്റിക്.രചിക്കുക.28 (14), 1713–1732 (2009).
പാവർട്ട്, എച്ച്ബി, ഡീസെൽ, ട്രൈസൈക്കിൾ ഫ്രണ്ട് സസ്പെൻഷൻ കോയിൽ സ്പ്രിംഗുകളുടെ ഡിഡി ഒപ്റ്റിമൈസേഷൻ.പ്രക്രിയ.നിർമ്മാതാവ്.20, 428–433 (2018).
ബഹ്‌ഷേഷ് എം., ബഹ്‌ഷേഷ് എം. സംയോജിത സ്പ്രിംഗുകളുള്ള സ്റ്റീൽ കോയിൽ സ്പ്രിംഗുകളുടെ ഒപ്റ്റിമൈസേഷൻ.ആന്തരിക ജെ. മൾട്ടി ഡിസിപ്ലിനറി.ശാസ്ത്രം.പദ്ധതി.3(6), 47–51 (2012).
ചെൻ, എൽ. et al.കമ്പോസിറ്റ് കോയിൽ സ്പ്രിംഗുകളുടെ സ്റ്റാറ്റിക്, ഡൈനാമിക് പ്രകടനത്തെ ബാധിക്കുന്ന ഒന്നിലധികം പാരാമീറ്ററുകളെക്കുറിച്ച് അറിയുക.ജെ. മാർക്കറ്റ്.സംഭരണ ​​ടാങ്ക്.20, 532–550 (2022).
ഫ്രാങ്ക്, ജെ. കോമ്പോസിറ്റ് ഹെലിക്കൽ സ്പ്രിംഗ്സിന്റെ വിശകലനവും ഒപ്റ്റിമൈസേഷനും, പിഎച്ച്ഡി തീസിസ്, സാക്രമെന്റോ സ്റ്റേറ്റ് യൂണിവേഴ്സിറ്റി (2020).
Gu, Z., Hou, X., Ye, J. രീതികളുടെ സംയോജനം ഉപയോഗിച്ച് നോൺ-ലീനിയർ ഹെലിക്കൽ സ്പ്രിംഗുകൾ രൂപകൽപ്പന ചെയ്യുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള രീതികൾ: ഫിനൈറ്റ് എലമെന്റ് വിശകലനം, ലാറ്റിൻ ഹൈപ്പർക്യൂബ് ലിമിറ്റഡ് സാംപ്ലിംഗ്, ജനിതക പ്രോഗ്രാമിംഗ്.പ്രക്രിയ.ഫർ ഇൻസ്റ്റിറ്റ്യൂട്ട്.പദ്ധതി.സിജെ മേച്ച.പദ്ധതി.ശാസ്ത്രം.235(22), 5917–5930 (2021).
വു, എൽ., et al.ക്രമീകരിക്കാവുന്ന സ്പ്രിംഗ് റേറ്റ് കാർബൺ ഫൈബർ മൾട്ടി-സ്ട്രാൻഡ് കോയിൽ സ്പ്രിംഗ്സ്: ഒരു ഡിസൈൻ ആൻഡ് മെക്കാനിസം പഠനം.ജെ. മാർക്കറ്റ്.സംഭരണ ​​ടാങ്ക്.9(3), 5067–5076 (2020).
പാട്ടീൽ DS, മംഗ്രുൽക്കർ KS, ജഗ്തപ് ST എന്നിവ കംപ്രഷൻ ഹെലിക്കൽ സ്പ്രിംഗുകളുടെ ഭാരം ഒപ്റ്റിമൈസേഷൻ.ആന്തരിക ജെ. ഇന്നോവ്.സംഭരണ ​​ടാങ്ക്.മൾട്ടി ഡിസിപ്ലിനറി.2(11), 154–164 (2016).
രാഹുൽ, എംഎസ്, രമേഷ്കുമാർ, കെ. ഓട്ടോമോട്ടീവ് ആപ്ലിക്കേഷനുകൾക്കായുള്ള കോയിൽ സ്പ്രിംഗുകളുടെ മൾട്ടിപർപ്പസ് ഒപ്റ്റിമൈസേഷനും സംഖ്യാ അനുകരണവും.അൽമ മെറ്റർ.ഇന്ന് പ്രക്രിയ.46, 4847–4853 (2021).
ബായ്, ജെബി തുടങ്ങിയവർ.മികച്ച പ്രാക്ടീസ് നിർവചിക്കുന്നു - ജനിതക അൽഗോരിതം ഉപയോഗിച്ച് സംയുക്ത ഹെലിക്കൽ ഘടനകളുടെ ഒപ്റ്റിമൽ ഡിസൈൻ.രചിക്കുക.സംയുക്തം.268, 113982 (2021).
ഷാഹിൻ, ഐ., ഡോർട്ടർലർ, എം., കൂടാതെ ഗോക്ചെ, എച്ച്. കംപ്രഷൻ സ്പ്രിംഗ് ഡിസൈനിന്റെ ഏറ്റവും കുറഞ്ഞ വോള്യത്തിന്റെ ഒപ്റ്റിമൈസേഷൻ അടിസ്ഥാനമാക്കിയുള്ള 灰狼 ഒപ്റ്റിമൈസേഷൻ രീതി ഉപയോഗിച്ച്, ഗാസി ജെ. എഞ്ചിനീയറിംഗ് സയൻസ്, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. and Sait, SM Metaheuristics ക്രാഷുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിന് ഒന്നിലധികം ഏജന്റുമാർ ഉപയോഗിക്കുന്നു.ആന്തരിക ജെ. വെഹ്.ഡിസംബർ.80(2–4), 223–240 (2019).
Yildyz, AR, Erdash, MU പുതിയ ഹൈബ്രിഡ് Taguchi-salpa ഗ്രൂപ്പ് ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം യഥാർത്ഥ എഞ്ചിനീയറിംഗ് പ്രശ്നങ്ങളുടെ വിശ്വസനീയമായ രൂപകൽപ്പനയ്ക്ക്.അൽമ മെറ്റർ.പരീക്ഷ.63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR, Sait SM എന്നിവ പുതിയ ഹൈബ്രിഡ് ഗ്രാസ്‌ഷോപ്പർ ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതം ഉപയോഗിച്ച് റോബോട്ടിക് ഗ്രിപ്പർ മെക്കാനിസങ്ങളുടെ വിശ്വസനീയമായ ഡിസൈൻ.വിദഗ്ധൻ.സിസ്റ്റം.38(3), e12666 (2021).