AISI 304/304L Stainless steel coil tube ဓာတုအစိတ်အပိုင်းများ၊ Honeybee Algorithm ကိုအသုံးပြု၍ Folding Wing Spring Parameters များကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း

Nature.com ကိုလာရောက်လည်ပတ်သည့်အတွက် ကျေးဇူးတင်ပါသည်။သင်သည် အကန့်အသတ်ရှိသော CSS ပံ့ပိုးမှုဖြင့် ဘရောက်ဆာဗားရှင်းကို အသုံးပြုနေပါသည်။အကောင်းဆုံးအတွေ့အကြုံအတွက်၊ အပ်ဒိတ်လုပ်ထားသောဘရောက်ဆာ (သို့မဟုတ် Internet Explorer တွင် လိုက်ဖက်ညီသောမုဒ်ကိုပိတ်ပါ) ကိုအသုံးပြုရန် ကျွန်ုပ်တို့အကြံပြုအပ်ပါသည်။ထို့အပြင်၊ ဆက်လက်ပံ့ပိုးမှုသေချာစေရန်၊ ပုံစံများနှင့် JavaScript မပါဘဲ ဝဘ်ဆိုက်ကို ပြသပါသည်။
ဆလိုက်တစ်ခုလျှင် ဆောင်းပါးသုံးပုဒ်ကို ပြသသည့် ဆလိုက်ဒါများ။ဆလိုက်များတစ်လျှောက် ရွှေ့ရန် နောက်ဘက်နှင့် နောက်ခလုတ်များကို အသုံးပြုပါ သို့မဟုတ် ဆလိုက်တစ်ခုစီကို ရွှေ့ရန် အဆုံးရှိ ဆလိုက်ထိန်းချုပ်မှုခလုတ်များကို အသုံးပြုပါ။

AISI 304/304L Stainless steel ဆံချည်မျှင်မျှင်ဆံထုံးပြွန်

AISI 304 stainless steel coil သည် အထူးကောင်းမွန်သော ခံနိုင်ရည်ရှိသော အလုံးစုံရည်ရွယ်ချက်ရှိသော ထုတ်ကုန်တစ်ခုဖြစ်ပြီး ကောင်းမွန်သော formability နှင့် weldability လိုအပ်သော application အမျိုးမျိုးအတွက် သင့်လျော်ပါသည်။

Sheye Metal သည် 0.3mm မှ 16mm အထူရှိ 304 coils နှင့် 2B finish၊ BA finish၊ No.4 finish တို့ကို အမြဲရရှိနိုင်ပါသည်။

မျက်နှာပြင်သုံးမျိုးအပြင်၊ 304 stainless steel coil သည် အမျိုးမျိုးသော မျက်နှာပြင်အချောများဖြင့် ပေးပို့နိုင်ပါသည်။Grade 304 stainless တွင် Cr (ပုံမှန်အားဖြင့် 18%) နှင့် nickel (ပုံမှန်အားဖြင့် 8%) metals နှစ်မျိုးလုံးတွင် သံမဟုတ်သော သတ္တုများ ပါဝင်ပါသည်။

ဤကွိုင်အမျိုးအစားသည် ပုံမှန်အားဖြင့် austenitic stainless steel ဖြစ်ပြီး Standard Cr-Ni stainless steel မိသားစုမှ ပိုင်ဆိုင်ပါသည်။

၎င်းတို့ကို အိမ်သုံးနှင့် လူသုံးကုန်ပစ္စည်းများ၊ မီးဖိုချောင်သုံးပစ္စည်းများ၊ အိမ်တွင်းနှင့် အပြင်ဘက်တွင် ကာလာများ၊ လက်ရန်းများ၊ ပြတင်းပေါက်ဘောင်များ၊ အစားအသောက်နှင့် အဖျော်ယမကာလုပ်ငန်းသုံးပစ္စည်းများ၊ သိုလှောင်ကန်များအတွက် အသုံးပြုကြသည်။

ဤလေ့လာမှုတွင်၊ ဒုံးပျံတွင်အသုံးပြုသည့် တောင်ပံခေါက်ယန္တရား၏ torsion နှင့် compression springs များ၏ဒီဇိုင်းကို optimization ပြဿနာအဖြစ်သတ်မှတ်ထားသည်။ဒုံးပျံသည် ပစ်လွှတ်သည့်ပြွန်မှ ထွက်သွားပြီးနောက်၊ ပိတ်ထားသော အတောင်ပံများကို ဖွင့်ကာ အချိန်အတိုင်းအတာတစ်ခုအထိ လုံခြုံအောင် ပြုလုပ်ရပါမည်။လေ့လာမှု၏ ရည်ရွယ်ချက်မှာ စမ်းချောင်းများတွင် သိုလှောင်ထားသော စွမ်းအင်ကို အတိုဆုံးအချိန်အတွင်း အတောင်ပံများ ဖြန့်ကျက်နိုင်စေရန် ဖြစ်သည်။ဤကိစ္စတွင်၊ ပုံနှိပ်ထုတ်ဝေမှုနှစ်ခုစလုံးရှိ စွမ်းအင်ညီမျှခြင်းကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းလုပ်ငန်းစဉ်တွင် ရည်မှန်းချက်လုပ်ဆောင်ချက်အဖြစ် သတ်မှတ်ခဲ့သည်။စပရိန်ဒီဇိုင်းအတွက် လိုအပ်သော ဝါယာအချင်း၊ ကွိုင်အချင်း၊ ကွိုင်အရေအတွက်နှင့် လှည့်ပတ်မှု ဘောင်များကို ပိုမိုကောင်းမွန်အောင် ပြောင်းလဲနိုင်သော ကိန်းရှင်များအဖြစ် သတ်မှတ်ခဲ့သည်။ယန္တရား၏ အရွယ်အစားကြောင့် ကိန်းရှင်များတွင် ဂျီဩမေတြီ ကန့်သတ်ချက်များ ရှိပြီး စမ်းချောင်းများမှ သယ်ဆောင်လာသော ဝန်ကြောင့် ဘေးကင်းရေး အချက်အပေါ် ကန့်သတ်ချက်များ ရှိပါသည်။ပျားရည်ပျား (BA) algorithm ကို ဤ optimization ပြဿနာကို ဖြေရှင်းရန်နှင့် နွေဦးဒီဇိုင်းကို လုပ်ဆောင်ရန် အသုံးပြုခဲ့သည်။BA ဖြင့် ရရှိသော စွမ်းအင်တန်ဖိုးများသည် ယခင် Design of Experiments (DOE) လေ့လာမှုများမှ ရရှိသော ပစ္စည်းများထက် သာလွန်ပါသည်။ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းမှရရှိသော ဘောင်များကိုအသုံးပြု၍ ဒီဇိုင်းထုတ်ထားသော စမ်းများနှင့်ယန္တရားများကို ADAMS ပရိုဂရမ်တွင် ဦးစွာခွဲခြမ်းစိတ်ဖြာခဲ့သည်။ယင်းနောက်၊ ထုတ်လုပ်ထားသော စမ်းချောင်းများကို စစ်မှန်သော ယန္တရားများအဖြစ် ပေါင်းစပ်ခြင်းဖြင့် စမ်းသပ်စမ်းသပ်မှုများ ပြုလုပ်ခဲ့သည်။စမ်းသပ်မှုရလဒ်အရ 90 မီလီစက္ကန့်ခန့်အကြာတွင် တောင်ပံများပွင့်လာသည်ကို တွေ့ရှိရသည်။ဤတန်ဖိုးသည် ပရောဂျက်၏ ပစ်မှတ် 200ms အောက်တွင် ကောင်းမွန်ပါသည်။ထို့အပြင်၊ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် စမ်းသပ်မှုရလဒ်များအကြား ကွာခြားချက်မှာ 16 ms သာဖြစ်သည်။
လေယာဉ်နှင့် ရေကြောင်းယာဉ်များတွင် ခေါက်ယန္တရားများသည် အရေးကြီးပါသည်။ဤစနစ်များကို လေယာဉ်ပျံသန်းမှု စွမ်းဆောင်ရည်နှင့် ထိန်းချုပ်မှု ပိုမိုကောင်းမွန်စေရန်အတွက် လေယာဉ် ပြုပြင်မွမ်းမံမှုများနှင့် ပြောင်းလဲမှုများတွင် အသုံးပြုပါသည်။ပျံသန်းမှုမုဒ်ပေါ် မူတည်၍ လေခွင်းအားသက်ရောက်မှုကို လျှော့ချရန် အတောင်ပံများကို ခေါက်ကာ ကွဲပြားစွာဖြန့်သည်။ဤအခြေအနေသည် နေ့စဉ်ပျံသန်းခြင်းနှင့် ရေငုပ်နေစဉ်အတွင်း အချို့သောငှက်များနှင့် အင်းဆက်ပိုးမွှားများ၏ အတောင်များ၏ လှုပ်ရှားမှုနှင့် နှိုင်းယှဉ်နိုင်သည်။အလားတူ၊ ရေအောက်ဒိုင်းနမစ်သက်ရောက်မှုများကို လျှော့ချရန်နှင့် ကိုင်တွယ်မှုအမြင့်မားဆုံးဖြစ်အောင် လုပ်ဆောင်ရန် glider များသည် ရေငုပ်သင်္ဘောများတွင် ခေါက်ကာ ဖြန့်ကြသည်။ဤယန္တရားများ၏ နောက်ထပ်ရည်ရွယ်ချက်မှာ ရဟတ်ယာဉ်ပန်ကာ 4 ကို သိမ်းဆည်းခြင်းနှင့် သယ်ယူပို့ဆောင်ရေးတို့အတွက် ရဟတ်ယာဉ်ပန်ကာ 4 ခေါက်ခြင်းကဲ့သို့သော စနစ်များအတွက် ထုထည်ကြီးမားသောအားသာချက်များကို ပံ့ပိုးပေးရန်ဖြစ်သည်။သိုလှောင်မှုနေရာကို လျှော့ချရန် ဒုံးပျံ၏အတောင်ပံများကိုလည်း အောက်သို့ခေါက်ချထားသည်။ထို့ကြောင့် ဒုံးကျည်များကို လောင်ချာ ၅ ခု၏ သေးငယ်သော ဧရိယာတွင် ထားရှိနိုင်သည်။ ခေါက်ခြင်းနှင့် ဖြည်ခြင်းများတွင် ထိထိရောက်ရောက် အသုံးပြုနိုင်သော အစိတ်အပိုင်းများသည် များသောအားဖြင့် စမ်းများဖြစ်သည်။ခေါက်နေစဉ်တွင် စွမ်းအင်ကို ၎င်းတွင် သိမ်းဆည်းထားပြီး ဖြည်သည့်အချိန်တွင် ထုတ်လွှတ်သည်။၎င်း၏ပြောင်းလွယ်ပြင်လွယ်ဖွဲ့စည်းပုံကြောင့်၊ သိုလှောင်မှုနှင့် ထုတ်လွှတ်သောစွမ်းအင်များသည် ညီမျှသည်။နွေဦးသည် စနစ်အတွက် အဓိကအားဖြင့် ဒီဇိုင်းထုတ်ထားပြီး၊ ဤဒီဇိုင်းသည် ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်ခြင်းဆိုင်ရာ ပြဿနာ ၆ ခုကို တင်ပြသည်။ဝါယာအချင်း၊ ကွိုင်အချင်း၊ အလှည့်အပြောင်းအရေအတွက်၊ helix angle နှင့် ပစ္စည်းအမျိုးအစားတို့ကဲ့သို့သော အမျိုးမျိုးသော variable များပါ၀င်သော်လည်း၊ ထုထည်၊ ထုထည်၊ အနိမ့်ဆုံးစိတ်ဖိစီးမှုဖြန့်ဖြူးမှု သို့မဟုတ် အမြင့်ဆုံးစွမ်းအင်ရရှိနိုင်မှုစသည့် စံသတ်မှတ်ချက်များလည်း ရှိပါသည်။
ဤလေ့လာမှုသည် ဒုံးပျံစနစ်များတွင် အသုံးပြုသည့် တောင်ပံခေါက်ယန္တရားများအတွက် စမ်းရေတွင်းများ ဒီဇိုင်းနှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းတို့ကို အလင်းပြပါသည်။ပျံသန်းခြင်းမပြုမီ ပစ်လွှတ်သည့်ပြွန်အတွင်း၌ အတောင်ပံများသည် ဒုံးပျံ၏မျက်နှာပြင်ပေါ်တွင် ခေါက်လျက် ရှိနေကြပြီး လွှတ်တင်ပြွန်မှ ထွက်လာပြီးနောက် ၎င်းတို့သည် အချိန်အတိုင်းအတာတစ်ခုအထိ ဖြန့်ကျက်ကာ မျက်နှာပြင်ပေါ်တွင် ဖိထားဆဲဖြစ်သည်။ဤလုပ်ငန်းစဉ်သည် ဒုံးပျံ၏ မှန်ကန်သော လုပ်ဆောင်ချက်အတွက် အရေးကြီးပါသည်။တီထွင်ထားသောခေါက်ယန္တရားတွင်၊ အတောင်ပံများဖွင့်ခြင်းကို torsion springs ဖြင့်လုပ်ဆောင်ပြီး လော့ခ်ချခြင်းကို compression springs ဖြင့်လုပ်ဆောင်သည်။သင့်လျော်သော နွေဦးပေါက်ကို ဒီဇိုင်းဆွဲရန်၊ ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ခြင်း လုပ်ငန်းစဉ်ကို လုပ်ဆောင်ရပါမည်။နွေဦးရာသီတွင် အကောင်းဆုံးဖြစ်အောင်၊ စာပေများတွင် အသုံးချမှုအမျိုးမျိုးရှိသည်။
Paredes et al.8 သည် helical springs များကို ဒီဇိုင်းရေးဆွဲရန်အတွက် အမြင့်ဆုံး ပင်ပန်းနွမ်းနယ်မှု အကြောင်းရင်းကို ရည်မှန်းချက်တစ်ခုအဖြစ် သတ်မှတ်ခဲ့ပြီး တစ်ပိုင်းနယူတန်နီယံနည်းလမ်းကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်သည့်နည်းလမ်းအဖြစ် အသုံးပြုခဲ့သည်။ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းတွင် ပြောင်းလွဲချက်များကို ဝိုင်ယာအချင်း၊ ကွိုင်အချင်း၊ အလှည့်အရေအတွက်နှင့် စပရိန်အလျားအဖြစ် သတ်မှတ်ခဲ့သည်။နွေဦးဖွဲ့စည်းပုံ၏နောက်ထပ် parameter သည်၎င်းကိုပြုလုပ်ထားသောပစ္စည်းဖြစ်သည်။ထို့ကြောင့်၊ ဤအရာကို ဒီဇိုင်းနှင့် ပိုမိုကောင်းမွန်အောင် လေ့လာမှုများတွင် ထည့်သွင်းစဉ်းစားခဲ့သည်။Zebdi et al ။အလေးချိန်အချက်မှာ သိသာထင်ရှားသည့် လေ့လာမှုတွင် ရည်မှန်းချက်လုပ်ဆောင်မှုတွင် အမြင့်ဆုံး တောင့်တင်းမှုနှင့် အနိမ့်ဆုံးအလေးချိန်၏ ပန်းတိုင် ၉ ခုကို သတ်မှတ်ခဲ့သည်။ဤကိစ္စတွင်၊ ၎င်းတို့သည် နွေဦးပစ္စည်းနှင့် ဂျီဩမေတြီဂုဏ်သတ္တိများကို ကိန်းရှင်များအဖြစ် သတ်မှတ်သည်။၎င်းတို့သည် မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်ကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်သည့်နည်းလမ်းအဖြစ် အသုံးပြုကြသည်။မော်တော်ယာဥ်လုပ်ငန်းတွင်၊ မော်တော်ယာဉ်၏စွမ်းဆောင်ရည်မှ လောင်စာဆီသုံးစွဲမှုအထိ နည်းလမ်းများစွာဖြင့် ပစ္စည်းများအလေးချိန်သည် အသုံးဝင်သည်။ဆိုင်းထိန်းစနစ်အတွက် ကွိုင်စပရင်းများကို ကောင်းမွန်အောင်ပြုလုပ်ရာတွင် အလေးချိန်လျှော့ချခြင်းသည် လူသိများသောလေ့လာမှု 10 ဖြစ်သည်။Bahshesh နှင့် Bahshesh11 တို့သည် E-glass၊ ကာဗွန်နှင့် Kevlar ကဲ့သို့သော ပစ္စည်းများအား ANSYS ပတ်၀န်းကျင်တွင် ၎င်းတို့၏လုပ်ငန်းခွင်တွင် ပြောင်းလဲနိုင်သော အမျိုးအစားများအဖြစ် ဆိုင်းထိန်းစပရိန်ပေါင်းစပ်ဒီဇိုင်းများတွင် အနိမ့်ဆုံးအလေးချိန်နှင့် အမြင့်ဆုံး tensile strength ကိုရရှိရန် ရည်မှန်းထားသည်။ပေါင်းစပ်စပရိန်များ ဖွံ့ဖြိုးတိုးတက်ရေးအတွက် ထုတ်လုပ်မှုလုပ်ငန်းစဉ်သည် အရေးကြီးပါသည်။ထို့ကြောင့်၊ ထုတ်လုပ်မှုနည်းလမ်း၊ လုပ်ငန်းစဉ်တွင် လုပ်ဆောင်ခဲ့သော အဆင့်များနှင့် အဆိုပါ အဆင့် ၁၂၊၁၃ ၏ စီစဥ်ကဲ့သို့သော ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်မှု ပြဿနာတွင် အမျိုးမျိုးသော ကိန်းရှင်များ ပါဝင်လာပါသည်။ဒိုင်းနမစ်စနစ်များအတွက် စမ်းချောင်းများကို ဒီဇိုင်းဆွဲသည့်အခါ၊ စနစ်၏ သဘာဝကြိမ်နှုန်းများကို ထည့်သွင်းစဉ်းစားရပါမည်။ပဲ့တင်ထပ်ခြင်းကို ရှောင်ရှားရန် နွေဦး၏ ပထမဆုံး သဘာဝကြိမ်နှုန်းသည် စနစ်၏ သဘာဝကြိမ်နှုန်းထက် အနည်းဆုံး 5-10 ဆ ဖြစ်ရန် အကြံပြုထားသည်။Taktak et al ။7 သည် စပရိန်၏ထုထည်ကို လျှော့ချရန်နှင့် coil spring ဒီဇိုင်းတွင် ရည်ရွယ်ချက်လုပ်ဆောင်ချက်များအဖြစ် ပထမဆုံး သဘာဝကြိမ်နှုန်းကို တိုးမြှင့်ရန် ဆုံးဖြတ်ခဲ့သည်။၎င်းတို့သည် Matlab ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်သည့်ကိရိယာတွင် ပုံစံရှာဖွေမှု၊ အတွင်းပိုင်းအချက်၊ တက်ကြွသောအစုံနှင့် မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်နည်းလမ်းများကို အသုံးပြုခဲ့သည်။ခွဲခြမ်းစိတ်ဖြာသော သုတေသနသည် နွေဦးဒီဇိုင်း သုတေသန၏ တစ်စိတ်တစ်ပိုင်းဖြစ်ပြီး Finite Element Method သည် ဤနယ်ပယ် 15 တွင် လူကြိုက်များသည်။Patil et al.16 သည် ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ထုံးလုပ်နည်းကို အသုံးပြု၍ ဖိသိပ်ထားသော helical spring ၏အလေးချိန်ကို လျှော့ချရန်အတွက် ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်သည့်နည်းလမ်းကို တီထွင်ခဲ့ပြီး finite element method ကိုအသုံးပြုကာ ခွဲခြမ်းစိတ်ဖြာမှုညီမျှခြင်းများကို စမ်းသပ်ခဲ့သည်။စပရိန်၏ အသုံးဝင်မှုကို တိုးမြှင့်ခြင်းအတွက် နောက်ထပ်စံသတ်မှတ်ချက်တစ်ခုမှာ ၎င်းကို သိုလှောင်နိုင်သည့် စွမ်းအင် တိုးလာခြင်းဖြစ်သည်။ဤကိစ္စတွင် နွေဦးသည် ၎င်း၏ အသုံးဝင်မှုကို အချိန်ကြာမြင့်စွာ ထိန်းသိမ်းထားကြောင်းလည်း အာမခံပါသည်။Rahul နှင့် Rameshkumar17 ကားကွိုင်စပရိန်ဒီဇိုင်းများတွင် စပရိန်ထုထည်ကို လျှော့ချရန်နှင့် စွမ်းအင်တိုးမြှင့်ရန် ရှာဖွေပါ။၎င်းတို့သည် ပိုမိုကောင်းမွန်အောင် သုတေသနပြုရာတွင် မျိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်များကိုလည်း အသုံးပြုခဲ့သည်။
မြင်နိုင်သကဲ့သို့၊ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းလေ့လာမှုရှိ ကန့်သတ်ချက်များသည် စနစ်တစ်ခုနှင့်တစ်ခု ကွဲပြားသည်။ယေဘူယျအားဖြင့်၊ ၎င်းတွင်သယ်ဆောင်သည့်ဝန်သည် အဆုံးအဖြတ်ပေးသည့်အချက်ဖြစ်သည့် စနစ်တစ်ခုတွင် တင်းတင်းမာကြောမှုနှင့် ရှရှဖိအားဘောင်များသည် အရေးကြီးသည်။ဤကန့်သတ်ချက်နှစ်ခုဖြင့် ပစ္စည်းရွေးချယ်ခြင်းကို အလေးချိန်ကန့်သတ်မှုစနစ်တွင် ထည့်သွင်းထားသည်။အခြားတစ်ဖက်တွင်၊ အလွန်တက်ကြွသောစနစ်များတွင် ပဲ့တင်ထပ်ခြင်းကို ရှောင်ရှားရန် သဘာဝကြိမ်နှုန်းများကို စစ်ဆေးသည်။အသုံးဝင်မှု အရေးကြီးသော စနစ်များတွင် စွမ်းအင်ကို အမြင့်ဆုံး အသုံးချသည်။ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းလေ့လာမှုများတွင် FEM ကို ခွဲခြမ်းစိတ်ဖြာလေ့လာမှုများအတွက်အသုံးပြုသော်လည်း၊ မျိုးရိုးဗီဇဆိုင်ရာ algorithm14,18 နှင့် grey wolf algorithm19 ကဲ့သို့သော metaheuristic algorithms များကို အချို့သောကန့်သတ်ဘောင်များအတွင်းဂန္ထဝင်နယူတန်နည်းလမ်းနှင့်အတူအသုံးပြုသည်ကိုတွေ့နိုင်သည်။အထူးသဖြင့် လူဦးရေ 20၊21 ၏ လွှမ်းမိုးမှုအောက်တွင် အချိန်တိုအတွင်း အကောင်းဆုံးအခြေအနေသို့ ချဉ်းကပ်သည့် သဘာဝလိုက်လျောညီထွေရှိသော နည်းလမ်းများအပေါ် အခြေခံ၍ Metaheuristic algorithms များကို တီထွင်ထားပါသည်။ရှာဖွေရေးဧရိယာရှိ လူဦးရေကို ကျပန်းခွဲဝေမှုဖြင့်၊ ၎င်းတို့သည် ဒေသဆိုင်ရာ optima ကို ရှောင်ရှားပြီး global optima22 သို့ ရွေ့လျားကြသည်။ထို့ကြောင့်၊ မကြာသေးမီနှစ်များအတွင်း စစ်မှန်သောစက်မှုပြဿနာများ ၂၃၊၂၄ တွင် မကြာခဏအသုံးပြုခဲ့သည်။
ဤလေ့လာမှုတွင် တီထွင်ခဲ့သော ခေါက်ယန္တရားအတွက် အရေးပါသောကိစ္စမှာ ပျံသန်းခြင်းမပြုမီ ပိတ်ထားသော အနေအထားတွင်ရှိသော တောင်ပံများသည် ပြွန်မှထွက်ခွာပြီးနောက် သတ်မှတ်ထားသော အချိန်တစ်ခုတွင် ပွင့်သွားခြင်းပင်ဖြစ်သည်။ထို့နောက် လော့ခ်ချသည့်အရာသည် တောင်ပံကို ပိတ်ဆို့သည်။ထို့ကြောင့် စမ်းချောင်းများသည် ပျံသန်းမှု ဒိုင်နမစ်ကို တိုက်ရိုက်မထိခိုက်စေပါ။ဤကိစ္စတွင်၊ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း၏ပန်းတိုင်မှာ နွေဦး၏လှုပ်ရှားမှုကိုအရှိန်မြှင့်ရန် သိုလှောင်ထားသောစွမ်းအင်ကို အမြင့်ဆုံးမြှင့်တင်ရန်ဖြစ်သည်။လိပ်အချင်း၊ ဝါယာကြိုးအချင်း၊ လိပ်အရေအတွက်နှင့် လှည့်ပတ်မှုကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း ဘောင်များအဖြစ် သတ်မှတ်ခဲ့သည်။နွေဦး၏ သေးငယ်သော အရွယ်အစားကြောင့် ကိုယ်အလေးချိန်ကို ဂိုးအဖြစ် မသတ်မှတ်ခဲ့ပေ။ထို့ကြောင့် ပစ္စည်းအမျိုးအစားကို ပုံသေအဖြစ် သတ်မှတ်သည်။စက်ပိုင်းဆိုင်ရာ ပုံပျက်ခြင်းများအတွက် ဘေးကင်းရေး အနားသတ်ကို အရေးကြီးသော ကန့်သတ်ချက်အဖြစ် သတ်မှတ်သည်။ထို့အပြင်၊ ပြောင်းလဲနိုင်သောအရွယ်အစားကန့်သတ်ချက်များသည် ယန္တရား၏နယ်ပယ်တွင် ပါဝင်ပါသည်။BA metaheuristic နည်းလမ်းကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်သည့်နည်းလမ်းအဖြစ် ရွေးချယ်ခဲ့သည်။၎င်း၏ပြောင်းလွယ်ပြင်လွယ်နှင့် ရိုးရှင်းသောဖွဲ့စည်းပုံအတွက် BA နှင့် စက်ပိုင်းဆိုင်ရာ ပိုမိုကောင်းမွန်အောင် သုတေသနပြုခြင်းဆိုင်ရာ တိုးတက်မှုများအတွက် မျက်နှာသာပေးခဲ့ပါသည်။လေ့လာမှု၏ဒုတိယအပိုင်းတွင်၊ ခေါက်ယန္တရား၏အခြေခံဒီဇိုင်းနှင့် စပရိန်ဒီဇိုင်းမူဘောင်တွင် အသေးစိတ်သင်္ချာဆိုင်ရာအသုံးအနှုန်းများကို ထည့်သွင်းထားသည်။တတိယအပိုင်းတွင် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ထားသော အယ်လဂိုရီသမ်နှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းရလဒ်များ ပါရှိသည်။အခန်း 4 သည် ADAMS ပရိုဂရမ်တွင် ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်သည်။စမ်းချောင်းများ၏ သင့်လျော်မှုကို မထုတ်လုပ်မီ ဆန်းစစ်သည်။နောက်ဆုံးအပိုင်းတွင် စမ်းသပ်မှုရလဒ်များနှင့် စမ်းသပ်ပုံများပါရှိသည်။လေ့လာမှုမှရရှိသောရလဒ်များကို DOE ချဉ်းကပ်မှုဖြင့် စာရေးသူ၏ယခင်အလုပ်နှင့်လည်း နှိုင်းယှဉ်ခဲ့ပါသည်။
ဤလေ့လာမှုတွင် တီထွင်ထားသော အတောင်များသည် ဒုံးပျံ၏ မျက်နှာပြင်ဆီသို့ ခေါက်သင့်သည်။အတောင်များသည် ခေါက်မှ လှန်ထားသော အနေအထားသို့ လှည့်သည်။ယင်းအတွက် အထူးယန္တရားတစ်ခုကို တီထွင်ခဲ့သည်။သဖန်းသီးပေါ်မှာ။1 သည် ဒုံးပျံ သြဒိနိတ်စနစ်ရှိ ခေါက်ပြီး ဖြန့်ထားသော ဖွဲ့စည်းမှု 5 ကို ပြသသည်။
သဖန်းသီးပေါ်မှာ။2 သည် ယန္တရား၏ အပိုင်းအမြင်ကို ပြသသည်။စက်ယန္တရားတွင် (၁) ပင်မကိုယ်ထည်၊ (၂) တောင်ပံရိုး၊ (၃) ဝက်ဝံ၊ (၄) လော့ခ်ကိုယ်ထည်၊ (၅) သော့ချုံ၊ (၆) ရပ်တံ၊ (၇) Torsion Spring နှင့် ( 8) compression springs များ။တောင်ပံရိုး (၂) သည် torsion spring (7) သော့ခတ်စွပ် (4) မှတဆင့် ချိတ်ဆက်ထားသည်။ဒုံးပျံလွှတ်တင်ပြီးနောက် အပိုင်းသုံးပိုင်းစလုံး တပြိုင်နက် လှည့်ပတ်သည်။ဤရွေ့လျားမှုဖြင့် အတောင်များသည် ၎င်းတို့၏ နောက်ဆုံးအနေအထားသို့ လှည့်သွားကြသည်။ထို့နောက် pin (6) ကို compression spring (8) ဖြင့် လည်ပတ်စေပြီး သော့ခန်ကိုယ် (4)5 ၏ ယန္တရားတစ်ခုလုံးကို ပိတ်ဆို့စေပါသည်။
Elastic modulus (E) နှင့် shear modulus (G) များသည် spring ၏ အဓိက ဒီဇိုင်းဘောင်များဖြစ်သည်။ဤလေ့လာမှုတွင် မြင့်မားသော ကာဗွန်စပရိန်သံမဏိဝါယာကြိုး (ဂီတဝိုင်ယာ ASTM A228) ကို စပရိန်ပစ္စည်းအဖြစ် ရွေးချယ်ခဲ့သည်။အခြားကန့်သတ်ချက်များမှာ ဝါယာကြိုးအချင်း (ဃ)၊ ပျမ်းမျှကွိုင်အချင်း (Dm)၊ ကွိုင်အရေအတွက် (N) နှင့် စပရိန် deflection ( compression springs အတွက် xd နှင့် torsion springs အတွက် θ) ၂၆။compression springs အတွက် သိမ်းဆည်းထားသော စွမ်းအင် \({(SE}_{x})\) နှင့် torsion (\({SE}_{\theta}\)) springs များကို ညီမျှခြင်းမှ တွက်ချက်နိုင်ပါသည်။(၁) နှင့် (၂) ၂၆။( compression spring အတွက် shear modulus (G) တန်ဖိုးသည် 83.7E9 Pa ဖြစ်ပြီး torsion spring အတွက် elastic modulus (E) တန်ဖိုးသည် 203.4E9 Pa ဖြစ်သည်။)
စနစ်၏ စက်ပိုင်းဆိုင်ရာအတိုင်းအတာများသည် နွေဦး၏ ဂျီဩမေတြီကန့်သတ်ချက်များကို တိုက်ရိုက်ဆုံးဖြတ်သည်။ထို့အပြင် ဒုံးပျံကို ထားရှိမည့် အခြေအနေများကိုလည်း ထည့်သွင်းစဉ်းစားသင့်သည်။ဤအချက်များသည် spring parameters များ၏ ကန့်သတ်ချက်များကို ဆုံးဖြတ်သည်။နောက်ထပ်အရေးကြီးတဲ့ ကန့်သတ်ချက်ကတော့ လုံခြုံရေးအချက်ပါပဲ။ဘေးကင်းရေးအချက်၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို Shigley et al.26 မှ အသေးစိတ်ဖော်ပြထားပါသည်။compression spring safety factor (SFC) ကို စဉ်ဆက်မပြတ် အရှည်အပေါ် ဖိစီးမှုဖြင့် ပိုင်းခြားထားသော အများဆုံး ခွင့်ပြုနိုင်သော ဖိစီးမှုအဖြစ် သတ်မှတ်သည်။SFC ကို ညီမျှခြင်းများဖြင့် တွက်ချက်နိုင်သည်။(၃)၊(၄)၊(၅)နှင့် (၆)၂၆။(ဤလေ့လာမှုတွင်အသုံးပြုသည့်နွေဦးပစ္စည်းအတွက်၊ \({S}_{sy}=980 MPa\))။F သည် ညီမျှခြင်းရှိ အင်အားကို ကိုယ်စားပြုပြီး KB သည် Bergstrasser factor 26 ကို ကိုယ်စားပြုသည်။
Spring (SFT) ၏ torsion safety factor ကို M ကို k ဖြင့် ပိုင်းခြားသတ်မှတ်သည်။SFT ကို ညီမျှခြင်းကနေ တွက်ချက်နိုင်ပါတယ်။(၇)၊ (၈)၊ (၉) နှင့် (၁၀)၂၆။(ဤလေ့လာမှုတွင်အသုံးပြုသည့်ပစ္စည်းအတွက်၊ \({S}_{y}=1600 \mathrm{MPa}\))။ညီမျှခြင်းတွင် M ကို torque အတွက်အသုံးပြုသည်၊ \({k}^{^{\prime}}\) ကို spring constant (torque/rotation) အတွက်အသုံးပြုပြီး Ki ကို stress correction factor အတွက်သုံးသည်။
ဤလေ့လာမှုတွင် အဓိက ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းပန်းတိုင်မှာ နွေဦး၏စွမ်းအင်ကို အမြင့်ဆုံးဖြစ်စေရန်ဖြစ်သည်။ရည်မှန်းချက် လုပ်ဆောင်ချက်သည် \(\overrightarrow \{X\}}\) ကိုရှာရန် ပုံဖော်ထားသည်။\({f}_{1}(X)\) နှင့် \({f}_{2}(X)\) တို့သည် compression နှင့် torsion spring တို့၏ စွမ်းအင်လုပ်ဆောင်ချက်များ အသီးသီးဖြစ်သည်။တွက်ချက်ထားသော ကိန်းရှင်များနှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ရန် အသုံးပြုသည့်လုပ်ဆောင်ချက်များကို အောက်ပါညီမျှခြင်းများတွင် ပြထားသည်။
နွေဦး၏ဒီဇိုင်းတွင်ထည့်သွင်းထားသောအမျိုးမျိုးသောကန့်သတ်ချက်များကိုအောက်ပါညီမျှခြင်းများတွင်ပေးထားသည်။ညီမျှခြင်း (15) နှင့် (16) တို့သည် compression နှင့် torsion springs များအတွက် ဘေးကင်းသောအချက်များကို ကိုယ်စားပြုသည်။ဤလေ့လာမှုတွင်၊ SFC သည် 1.2 ထက် ကြီးရမည် သို့မဟုတ် ညီမျှရမည်ဖြစ်ပြီး SFT သည် θ26 ထက်ကြီးရမည် သို့မဟုတ် ညီမျှရမည်ဖြစ်သည်။
BA ကို ပျားဝတ်မှုန်ရှာနည်းဗျူဟာများ 27 ဖြင့် မှုတ်သွင်းထားသည်။ပျားများသည် မြေသြဇာကောင်းသော ဝတ်မှုန်ခင်းများဆီသို့ မုဆိုးများကို များများပို့ပြီး မြေသြဇာနည်းသော ဝတ်မှုန်စိုက်ခင်းများသို့ ကျက်စားသူနည်းသော မုဆိုးများကို ရှာဖွေကြသည်။ထို့ကြောင့် ပျားလူဦးရေ၏ အကြီးမားဆုံး ထိရောက်မှု ကို ရရှိသည်။အခြားတစ်ဖက်တွင်၊ ကင်းထောက်ပျားများသည် ဝတ်မှုန်ဒေသအသစ်များကို ဆက်လက်ရှာဖွေနေပြီး ယခင်ကထက် ပိုမိုဖြစ်ထွန်းသောနေရာများရှိပါက မုဆိုးအများအပြားသည် ဤဧရိယာအသစ်သို့ ဦးတည်သွားမည်ဖြစ်သည်။28။BA တွင် အပိုင်းနှစ်ပိုင်းပါဝင်သည်- ပြည်တွင်းရှာဖွေမှုနှင့် ကမ္ဘာလုံးဆိုင်ရာရှာဖွေမှု။ဒေသတွင်း ရှာဖွေမှုတစ်ခုသည် အနိမ့်ဆုံး (အထက်တန်းစားဆိုက်များ) အနီးရှိ ပျားများကဲ့သို့ နောက်ထပ်အသိုင်းအဝိုင်းများကို ရှာဖွေနေပြီး အခြားဆိုက်များ (အကောင်းဆုံး သို့မဟုတ် အထူးအသားပေးဆိုဒ်များ) တွင် နည်းပါးသည်။ကမ္ဘာလုံးဆိုင်ရာ ရှာဖွေမှုအပိုင်းတွင် မထင်သလိုရှာဖွေမှုကို လုပ်ဆောင်ပြီး ကောင်းသောတန်ဖိုးများကို တွေ့ရှိပါက၊ ဘူတာများကို နောက်တစ်ကြိမ်ထပ်ခါထပ်ခါလုပ်ဆောင်ရာတွင် ဒေသတွင်းရှာဖွေမှုအပိုင်းသို့ ရွှေ့မည်ဖြစ်သည်။အယ်လဂိုရီသမ်တွင် အချို့သောကန့်သတ်ချက်များပါဝင်သည်- ကင်းထောက်ပျားအရေအတွက် (n)၊ ဒေသတွင်းရှာဖွေရေးဆိုက်များ (m)၊ ထိပ်တန်းဆိုက်များအရေအတွက် (င)၊ ထိပ်တန်းဆိုက်များတွင် မုဆိုးအရေအတွက်၊ အကောင်းဆုံးနေရာများ။ဆိုက် (nsp)၊ ရပ်ကွက်အရွယ်အစား (ngh) နှင့် ထပ်ကာထပ်ကာ အရေအတွက် (I)29။BA pseudocode ကို ပုံ 3 တွင် ပြထားသည်။
algorithm သည် \({g}_{1}(X)\) နှင့် \({g}_{2}(X)\) အကြား အလုပ်လုပ်ရန် ကြိုးစားသည်။ထပ်ခါထပ်ခါပြုလုပ်ခြင်းတစ်ခုစီ၏ ရလဒ်အနေဖြင့် အကောင်းဆုံးတန်ဖိုးများကို ဆုံးဖြတ်ပြီး အကောင်းဆုံးတန်ဖိုးများရရှိရန် ကြိုးပမ်းမှုဖြင့် ဤတန်ဖိုးများအနီးတွင် လူဦးရေကို စုစည်းထားသည်။ကန့်သတ်ချက်များကို ဒေသတွင်းနှင့် ကမ္ဘာလုံးဆိုင်ရာ ရှာဖွေမှုကဏ္ဍများတွင် စစ်ဆေးထားသည်။ဒေသတွင်းရှာဖွေမှုတွင်၊ ဤအချက်များသည် သင့်လျော်ပါက၊ စွမ်းအင်တန်ဖိုးကို တွက်ချက်သည်။စွမ်းအင်တန်ဖိုးအသစ်သည် အကောင်းဆုံးတန်ဖိုးထက် ပိုနေပါက၊ တန်ဖိုးအသစ်ကို အကောင်းဆုံးတန်ဖိုးသို့ သတ်မှတ်ပေးပါ။ရှာဖွေမှုရလဒ်တွင် တွေ့ရှိရသည့် အကောင်းဆုံးတန်ဖိုးသည် လက်ရှိဒြပ်စင်ထက် ကြီးပါက၊ ဒြပ်စင်အသစ်သည် စုစည်းမှုတွင် ပါဝင်မည်ဖြစ်သည်။ပြည်တွင်းရှာဖွေမှု၏ ဘလောက်ပုံစံကို ပုံ 4 တွင် ပြထားသည်။
လူဦးရေသည် BA ၏ အဓိက ကန့်သတ်ချက်များထဲမှ တစ်ခုဖြစ်သည်။လူဦးရေကို တိုးချဲ့ခြင်းသည် ထပ်ခါတလဲလဲ လိုအပ်သည့် အရေအတွက်ကို လျော့နည်းစေပြီး အောင်မြင်နိုင်ခြေကို တိုးမြင့်စေကြောင်း ယခင်လေ့လာမှုများမှ တွေ့ရှိနိုင်ပါသည်။သို့သော်လည်း လုပ်ငန်းဆိုင်ရာ အကဲဖြတ်မှု အရေအတွက်မှာလည်း တိုးများလာသည်။အထက်တန်းစား ဆိုက်များ အများအပြား ရှိနေခြင်းသည် စွမ်းဆောင်ရည်ကို သိသိသာသာ ထိခိုက်စေခြင်း မရှိပါ။Zero30 မဟုတ်ပါက အထက်တန်းစားဆိုက်များ အရေအတွက် နည်းပါးနိုင်သည်။ကင်းထောက်ပျားလူဦးရေ (n) ၏အရွယ်အစားကို အများအားဖြင့် 30 နှင့် 100 အကြားရွေးချယ်သည်။ ဤလေ့လာမှုတွင်၊ သင့်လျော်သောနံပါတ် (ဇယား 2) ကိုဆုံးဖြတ်ရန် 30 နှင့် 50 အခြေအနေများကိုလုပ်ဆောင်ခဲ့သည်။လူဦးရေပေါ်မူတည်ပြီး အခြားသော ကန့်သတ်ချက်များကို သတ်မှတ်ပေးပါသည်။ရွေးချယ်ထားသောဆိုဒ်များ၏ အရေအတွက် (m) သည် လူဦးရေအရွယ်အစား၏ (ခန့်မှန်းခြေအားဖြင့်) 25% ဖြစ်ပြီး ရွေးချယ်ထားသောဆိုဒ်များထဲမှ elite sites အရေအတွက်သည် m ၏ 25% ဖြစ်သည်။ပျားကျွေးသည့်အရေအတွက် (ရှာဖွေမှုအရေအတွက်) ကို ထိပ်တန်းမြေကွက်များအတွက် 100 နှင့် အခြားဒေသခံမြေကွက်များအတွက် 30 ကို ရွေးချယ်ခဲ့သည်။ရပ်ကွက်အတွင်း ရှာဖွေမှုသည် ဆင့်ကဲဖြစ်စဉ်ဆိုင်ရာ အယ်လဂိုရီသမ်အားလုံး၏ အခြေခံသဘောတရားဖြစ်သည်။ဤလေ့လာမှုတွင် သွယ်လျသော အိမ်နီးချင်းနည်းလမ်းကို အသုံးပြုခဲ့သည်။ဤနည်းလမ်းသည် ထပ်ခါတလဲလဲလုပ်ဆောင်မှုတစ်ခုစီတွင် ရပ်ကွက်၏အရွယ်အစားကို သတ်မှတ်ထားသောနှုန်းဖြင့် လျှော့ချပေးသည်။နောင်ထပ်ခါထပ်ခါတွင်၊ ပိုမိုတိကျသောရှာဖွေမှုတစ်ခုအတွက် သေးငယ်သော ရပ်ကွက်တန်ဖိုးများ 30 ကို အသုံးပြုနိုင်သည်။
အခြေအနေတစ်ခုစီအတွက်၊ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ထားသော အယ်လဂိုရီသမ်၏ မျိုးပွားနိုင်စွမ်းကို စစ်ဆေးရန် ဆက်တိုက်စစ်ဆေးမှု ဆယ်ခုကို ပြုလုပ်ခဲ့သည်။သဖန်းသီးပေါ်မှာ။5 သည် scheme 1 အတွက် torsion spring ကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း၏ ရလဒ်များကို ပြသပြီး ပုံတွင် ပြသည်။6 – အစီအစဥ် 2 အတွက် စမ်းသပ်မှုဒေတာကိုလည်း ဇယား 3 နှင့် 4 တွင်ပေးသည် ( compression spring အတွက်ရရှိသောရလဒ်များပါရှိသောဇယားသည် နောက်ဆက်တွဲအချက်အလက်များ S1 တွင်ရှိသည်)။ပျားလူဦးရေသည် ပထမအကြိမ်တွင် ကောင်းသောတန်ဖိုးများကို ရှာဖွေမှုကို ပြင်းထန်စေသည်။အခြေအနေ 1 တွင်၊ အချို့သောစစ်ဆေးမှုများ၏ ရလဒ်များသည် အမြင့်ဆုံးအောက်တွင်ရှိသည်။Scenario 2 တွင်၊ လူဦးရေတိုးပွားမှုနှင့် အခြားသက်ဆိုင်ရာကန့်သတ်ချက်များကြောင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းရလဒ်များအားလုံးသည် အမြင့်ဆုံးသို့ချဉ်းကပ်နေသည်ကိုတွေ့မြင်နိုင်ပါသည်။Scenario 2 ရှိ တန်ဖိုးများသည် အယ်လဂိုရီသမ်အတွက် လုံလောက်သည်ဟု မြင်နိုင်သည်။
ထပ်ခါတလဲလဲလုပ်ဆောင်မှုများတွင် စွမ်းအင်၏အမြင့်ဆုံးတန်ဖိုးကို ရယူသည့်အခါ၊ လေ့လာမှုအတွက် ကန့်သတ်ချက်တစ်ခုအဖြစ် ဘေးကင်းရေးအချက်ကိုလည်း ပံ့ပိုးပေးပါသည်။လုံခြုံရေးအချက်အတွက် ဇယားကိုကြည့်ပါ။BA ကို အသုံးပြု၍ ရရှိသော စွမ်းအင်တန်ဖိုးများကို ဇယား 5 တွင် DOE နည်းလမ်း 5 ကို အသုံးပြု၍ ရရှိသော စွမ်းအင်တန်ဖိုးများနှင့် နှိုင်းယှဉ်ပါသည်။ (ထုတ်လုပ်ရာတွင် လွယ်ကူစေရန်၊ torsion spring ၏ အလှည့်အရေအတွက် (N) သည် 4.88 အစား 4.9 ဖြစ်ပြီး၊ နှင့် deflection (xd၊ ) compression spring တွင် 7.99 mm အစား 8 mm ရှိသည်။) BA သည် Result ပိုမိုကောင်းမွန်ကြောင်းတွေ့နိုင်ပါသည်။BA သည် ဒေသတွင်းနှင့် ကမ္ဘာလုံးဆိုင်ရာ ရှာဖွေမှုများမှတစ်ဆင့် တန်ဖိုးအားလုံးကို အကဲဖြတ်သည်။ဤနည်းဖြင့် သူသည် အခြားရွေးချယ်စရာများကို ပိုမိုမြန်ဆန်စွာ ကြိုးစားနိုင်သည်။
ဤလေ့လာမှုတွင် တောင်ပံယန္တရား၏ ရွေ့လျားမှုကို ပိုင်းခြားစိတ်ဖြာရန် Adams ကို အသုံးပြုခဲ့သည်။Adams သည် ယန္တရား၏ 3D မော်ဒယ်ကို ပထမဆုံး ပေးအပ်သည်။ထို့နောက် ယခင်အပိုင်းရှိ ရွေးချယ်ထားသော ဘောင်များဖြင့် စပရိန်တစ်ခုကို သတ်မှတ်ပါ။ထို့အပြင်၊ အမှန်တကယ်ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အခြားသတ်မှတ်ချက်အချို့ကို သတ်မှတ်ရန် လိုအပ်သည်။၎င်းတို့သည် ချိတ်ဆက်မှု၊ ပစ္စည်းဂုဏ်သတ္တိများ၊ အဆက်အသွယ်၊ ပွတ်တိုက်မှုနှင့် ဆွဲငင်အားကဲ့သို့သော ရုပ်ပိုင်းဆိုင်ရာ ကန့်သတ်ချက်များဖြစ်သည်။blade shaft နှင့် bearing အကြား ဆုံလည်အဆစ်တစ်ခု ရှိပါသည်။5-6 cylindrical အဆစ်ရှိပါတယ်။5-1 ပုံသေအဆစ်ရှိပါတယ်။ပင်မကိုယ်ထည်ကို အလူမီနီယမ်ပစ္စည်းဖြင့် ပြုလုပ်ထားပြီး ပုံသေဖြစ်သည်။ကျန်တဲ့ အစိတ်အပိုင်းတွေက သံမဏိတွေပါ။ပစ္စည်းအမျိုးအစားပေါ် မူတည်၍ ပွတ်တိုက်မှု၏ကိန်းဂဏန်း၊ ထိတွေ့တင်းမာမှုနှင့် ပွတ်တိုက်မှုမျက်နှာပြင်၏ ထိုးဖောက်ဝင်ရောက်မှုအတိမ်အနက်ကို ရွေးချယ်ပါ။(သံမဏိသံမဏိ AISI 304) ဤလေ့လာမှုတွင်၊ အရေးကြီးသောကန့်သတ်ဘောင်သည် 200 ms ထက်နည်းသော တောင်ပံယန္တရား၏ဖွင့်ချိန်ဖြစ်သည်။ထို့ကြောင့် ခွဲခြမ်းစိတ်ဖြာနေစဉ်အတွင်း တောင်ပံဖွင့်ချိန်ကို စောင့်ကြည့်ပါ။
Adams ၏ခွဲခြမ်းစိတ်ဖြာမှုရလဒ်အရ တောင်ပံယန္တရား၏ဖွင့်ချိန်သည် 74 မီလီစက္ကန့်ဖြစ်သည်။1 မှ 4 မှ dynamic simulation ၏ရလဒ်များကို ပုံ 7 တွင်ပြထားသည်။ ပုံရှိပထမပုံ။5 သည် သရုပ်ဖော်ခြင်းစတင်ချိန်ဖြစ်ပြီး အတောင်များသည် ခေါက်ရန်စောင့်ဆိုင်းနေသည့်အနေအထားတွင်ရှိသည်။(2) တောင်ပံသည် 43 ဒီဂရီလှည့်သောအခါ 40ms ပြီးနောက် တောင်ပံ၏အနေအထားကိုပြသသည်။(၃) ၇၁ မီလီစက္ကန့်အကြာတွင် တောင်ပံ၏ အနေအထားကို ပြသသည်။နောက်ဆုံးပုံ (၄) တွင် တောင်ပံအလှည့်အဆုံးနှင့် အဖွင့်အနေအထားကို ပြသထားသည်။ဒိုင်းနမစ်ခွဲခြမ်းစိတ်ဖြာမှုရလဒ်အရ တောင်ပံအဖွင့်ယန္တရားသည် ပစ်မှတ်တန်ဖိုး 200 ms ထက် သိသာစွာတိုတောင်းသည်ကို တွေ့ရှိခဲ့ရသည်။ထို့အပြင်၊ စမ်းရေများကိုအရွယ်အစားသတ်မှတ်သောအခါ၊ စာပေတွင်အကြံပြုထားသည့်အမြင့်ဆုံးတန်ဖိုးများမှဘေးကင်းရေးကန့်သတ်ချက်များကိုရွေးချယ်ခဲ့သည်။
ဒီဇိုင်း၊ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းနှင့် သရုပ်ဖော်ခြင်းဆိုင်ရာလေ့လာမှုများအားလုံးကို ပြီးမြောက်ပြီးနောက်၊ ယန္တရား၏ရှေ့ပြေးပုံစံကို ထုတ်လုပ်ပြီး ပေါင်းစပ်ခဲ့သည်။ထို့နောက် သရုပ်ပြမှုရလဒ်များကို အတည်ပြုရန် ရှေ့ပြေးပုံစံကို စမ်းသပ်ခဲ့သည်။ပထမဦးစွာ ပင်မခွံကို လုံခြုံအောင်ထားပြီး အတောင်ပံများကို ခေါက်ပါ။ထို့နောက် အတောင်များကို ခေါက်ထားသည့် အနေအထားမှ လွှတ်လိုက်ပြီး ခေါက်ထားသော အနေအထားမှ အတောင်ပံများကို လှည့်ကာ ဗီဒီယိုတစ်ခု ပြုလုပ်ထားသည်။ဗီဒီယိုရိုက်ကူးနေစဉ် အချိန်ခွဲခြမ်းစိတ်ဖြာရန်အတွက်လည်း timer ကို အသုံးပြုထားသည်။
သဖန်းသီးပေါ်မှာ။8 သည် နံပါတ် 1-4 ရှိသော ဗီဒီယိုဘောင်များကို ပြသသည်။ပုံရှိ ဘောင်နံပါတ် 1 သည် ခေါက်ထားသော တောင်ပံများ လွှတ်တင်သည့်အချိန်ကို ပြသသည်။ဤအခိုက်အတန့်ကို အချိန် t0 ၏ ကနဦးအချိန်ဟု သတ်မှတ်သည်။ဘောင် 2 နှင့် 3 သည် ကနဦးအခိုက်အတန့်ပြီးနောက် တောင်ပံများ၏ အနေအထားများကို 40 ms နှင့် 70 ms ကိုပြသသည်။frame 3 နှင့် 4 ကို ခွဲခြမ်းစိတ်ဖြာကြည့်သောအခါ တောင်ပံရွေ့လျားမှုသည် t0 ပြီးနောက် 90 ms တည်ငြိမ်သွားကာ တောင်ပံ၏အဖွင့်သည် 70 မှ 90 ms ကြားတွင် ပြီးစီးကြောင်းတွေ့နိုင်သည်။ဤအခြေအနေတွင် သရုပ်ဖော်ခြင်းနှင့် ရှေ့ပြေးပုံစံစမ်းသပ်ခြင်း နှစ်ခုစလုံးသည် ခန့်မှန်းခြေအားဖြင့် တူညီသော တောင်ပံဖြန့်ကျက်ချိန်ကို ပေးရပြီး ဒီဇိုင်းသည် ယန္တရား၏ စွမ်းဆောင်ရည်လိုအပ်ချက်များနှင့် ကိုက်ညီပါသည်။
ဤဆောင်းပါးတွင်၊ တောင်ပံခေါက်ယန္တရားတွင်အသုံးပြုသော torsion နှင့် compression springs များကို BA ကိုအသုံးပြု၍ အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသည်။ကန့်သတ်ချက်များကို ထပ်ခါတလဲလဲ အနည်းငယ်လုပ်ဆောင်ခြင်းဖြင့် လျင်မြန်စွာရောက်ရှိနိုင်သည်။torsion spring ကို 1075 mJ တွင် အဆင့်သတ်မှတ်ထားပြီး compression spring ကို 37.24 mJ တွင် အဆင့်သတ်မှတ်ထားသည်။ဤတန်ဖိုးများသည် ယခင် DOE လေ့လာမှုများထက် 40-50% ပိုကောင်းပါသည်။နွေဦးသည် ယန္တရားတွင် ပေါင်းစပ်ထားပြီး ADAMS ပရိုဂရမ်တွင် ပိုင်းခြားစိတ်ဖြာထားသည်။ခွဲခြမ်းစိတ်ဖြာသောအခါတွင် အတောင်များသည် 74 မီလီစက္ကန့်အတွင်း ပွင့်သွားသည်ကို တွေ့ရှိခဲ့သည်။ဤတန်ဖိုးသည် ပရောဂျက်၏ ပစ်မှတ် 200 မီလီစက္ကန့်အောက် ကောင်းစွာရှိသည်။နောက်ဆက်တွဲ စမ်းသပ်လေ့လာမှုတစ်ခုတွင် အဖွင့်အချိန်ကို 90 ms ခန့်ဟု တိုင်းတာခဲ့သည်။ခွဲခြမ်းစိတ်ဖြာမှုကြား 16 မီလီစက္ကန့်ကွာဟချက်သည် ဆော့ဖ်ဝဲလ်တွင် ပုံစံမချထားသည့် ပတ်ဝန်းကျင်ဆိုင်ရာအချက်များကြောင့် ဖြစ်နိုင်သည်။လေ့လာမှုရလဒ်အဖြစ်ရရှိသော optimization algorithm ကို နွေဦးဒီဇိုင်းအမျိုးမျိုးအတွက် အသုံးပြုနိုင်ကြောင်း ယုံကြည်ပါသည်။
နွေဦးပစ္စည်းကို ကြိုတင်သတ်မှတ်ထားပြီး ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ရာတွင် ကိန်းရှင်အဖြစ် အသုံးမပြုပါ။လေယာဉ်နှင့် ဒုံးပျံများတွင် မတူညီသော စပရိန်အမျိုးအစားများစွာကို အသုံးပြုထားသောကြောင့် အနာဂတ် သုတေသနတွင် အကောင်းဆုံးသော စပရိန်ဒီဇိုင်းကို ရရှိစေရန်အတွက် မတူညီသောပစ္စည်းများကို အသုံးပြုကာ အခြားသော စမ်းရေတွင်းအမျိုးအစားများကို ဒီဇိုင်းရေးဆွဲရန် BA ကို အသုံးပြုမည်ဖြစ်သည်။
ဤစာမူသည် မူရင်းဖြစ်ပြီး၊ ယခင်က မထုတ်ဝေရသေးကြောင်း၊ လက်ရှိတွင် အခြားနေရာတွင် ထုတ်ဝေရန် ထည့်သွင်းစဉ်းစားခြင်းမရှိကြောင်း ကျွန်ုပ်တို့ကြေညာထားသည်။
ဤလေ့လာမှုတွင် ထုတ်ပေးသော သို့မဟုတ် ခွဲခြမ်းစိတ်ဖြာထားသော အချက်အလက်အားလုံးကို ဤထုတ်ဝေထားသော ဆောင်းပါး [နှင့် ထပ်လောင်းအချက်အလက်ဖိုင်] တွင် ထည့်သွင်းထားသည်။
Min, Z., Kin, VK နှင့် Richard, LJ လေယာဉ်များသည် အစွန်းရောက်ဂျီဩမေတြီပြောင်းလဲမှုများမှတစ်ဆင့် airfoil အယူအဆကို ခေတ်မီအောင်ပြုလုပ်ခြင်း။IES J. အပိုင်း A ယဉ်ကျေးမှု။ထမင်း။ပရောဂျက်။၃(၃)၊ ၁၈၈-၁၉၅ (၂၀၁၀)။
Sun, J., Liu, K. နှင့် Bhushan, B. ပိုး၏နောက်ကွယ်မှ ခြုံငုံသုံးသပ်ချက်- ဖွဲ့စည်းပုံ၊ စက်ပိုင်းဆိုင်ရာ ဂုဏ်သတ္တိများ၊ ယန္တရားများနှင့် ဇီဝဗေဒဆိုင်ရာ လှုံ့ဆော်မှု။J. Mechaအနေအထိုင်။ဇီဝဆေးသိပ္ပံ။အယ်မာမာ။၉၄၊ ၆၃–၇၃ (၂၀၁၉)။
Chen, Z., Yu, J., Zhang, A., and Zhang, F. ပေါင်းစပ်ထားသော ရေအောက် glider အတွက် ခေါက်တွန်းကန်အား ဒီဇိုင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း။Ocean Engineering 119၊ 125–134 (2016)။
Kartik၊ HS နှင့် Prithvi၊ K. ရဟတ်ယာဉ် Horizontal Stabilizer Folding Mechanism ကို ဒီဇိုင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း။အတွင်းပိုင်း J. Ing ။သိုလှောင်မှုကန်။နည်းပညာများ။(IGERT) 9(05)၊ 110–113 (2020)။
Kulunk၊ Z. နှင့် Sahin၊ M. ခေါက်ဒုံးပျံတောင်ပံဒီဇိုင်း၏ စက်ပိုင်းဆိုင်ရာ ဘောင်များကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းအတွင်းပိုင်း J. မော်ဒယ်။ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း။၉(၂)၊ ၁၀၈-၁၁၂ (၂၀၁၉)။
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Design Method, Performance Study, and Manufacturing Process of Composite Coil Springs- သုံးသပ်ချက်။ရေးဖွဲ့ပါ။ထမင်း။252၊ 112747 (2020)။
Taktak M.၊ Omheni K.၊ Alui A.၊ Dammak F. နှင့် Khaddar M. ကွိုင်စပရင်းများ၏ ဒိုင်းနမစ်ဒီဇိုင်း ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း။အသံအတွက်လျှောက်ထားပါ။77၊ 178–183 (2014)။
Paredes၊ M.၊ Sartor၊ M. နှင့် Mascle၊ K. တင်းမာမှုစပရိန်များ၏ ဒီဇိုင်းကို ပိုကောင်းအောင်ပြုလုပ်ရန် လုပ်ထုံးလုပ်နည်း။ကွန်ပျူတာ။နည်းလမ်း၏လျှောက်လွှာ။သားမွေး။ပရောဂျက်။191(8-10), 783-797 (2001)။
Zebdi O.၊ Bouhili R. နှင့် Trochu F. ဘက်စုံသုံး သာလွန်ကောင်းမွန်မှုကို အသုံးပြု၍ ပေါင်းစပ် helical စမ်းများ ၏ အကောင်းဆုံး ဒီဇိုင်း။J. Reinfပလပ်စတစ်။ရေးဖွဲ့ပါ။၂၈ (၁၄)၊ ၁၇၁၃–၁၇၃၂ (၂၀၀၉)။
Pawart၊ HB နှင့် Desale၊ သုံးဘီးဆိုင်ကယ်ရှေ့ဆိုင်းထိန်း ကွိုင်စရင်းများကို DD ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း။လုပ်ငန်းစဉ်။ထုတ်လုပ်သူ။20၊ 428–433 (2018)။
Bahshesh M. နှင့် Bahshesh M. ပေါင်းစပ်စပရိန်များဖြင့် သံမဏိကွိုင်များကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း။အတွင်းပိုင်း J. Multidisciplinary။သိပ္ပံပညာ။ပရောဂျက်။၃(၆)၊ ၄၇-၅၁ (၂၀၁၂)။
Chen, L. et al.ပေါင်းစပ် coil springs များ၏ static နှင့် dynamic performance ကို ထိခိုက်စေသော ဘောင်များစွာကို လေ့လာပါ။ဂျေဈေး။သိုလှောင်မှုကန်။20၊ 532–550 (2022)။
Frank၊ J. သည် Composite Helical Springs၊ PhD Thesis၊ Sacramento State University (2020) ၏ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း
Gu, Z., Hou, X. နှင့် Ye, J. နည်းလမ်းများ- အကန့်အသတ်ရှိသော ဒြပ်စင်ခွဲခြမ်းစိတ်ဖြာမှု၊ Latin hypercube ကန့်သတ်နမူနာနှင့် မျိုးရိုးဗီဇဆိုင်ရာ ပရိုဂရမ်ရေးဆွဲခြင်းတို့ကို အသုံးပြု၍ လိုင်းမဟုတ်သော ဟယ်လီပုံစမ်းများကို ဒီဇိုင်းနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်းအတွက် နည်းလမ်းများ။လုပ်ငန်းစဉ်။သားမွေးဌာန။ပရောဂျက်။CJ Mechaပရောဂျက်။သိပ္ပံပညာ။235(22)၊ 5917–5930 (2021)။
Wu, L., et al.ချိန်ညှိနိုင်သော Spring Rate ကာဗွန်ဖိုက်ဘာ Multi-Strand Coil Springs- ဒီဇိုင်းနှင့် ယန္တရားလေ့လာမှု။ဂျေဈေး။သိုလှောင်မှုကန်။၉(၃)၊ ၅၀၆၇-၅၀၇၆ (၂၀၂၀)။
Patil DS, Mangrulkar KS နှင့် Jagtap ST ၏ ဖိသိပ်မှု helical springs များ၏ အလေးချိန် ပိုမိုကောင်းမွန်အောင် ပြုလုပ်ခြင်း။အတွင်းပိုင်း J. Innov ။သိုလှောင်မှုကန်။ဘက်စုံ။၂(၁၁)၊ ၁၅၄-၁၆၄ (၂၀၁၆)။
Rahul၊ MS နှင့် Rameshkumar၊ K. မော်တော်ယာဥ်အသုံးပြုမှုများအတွက် ဘက်စုံသုံး ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း နှင့် မော်တော်ယာဥ်အသုံးပြုမှုများအတွက် ကွိုင်စပရိန်များ၏ ဂဏန်းပုံသဏ္ဍန်တူခြင်းအယ်မာမာ။ယနေ့ဖြစ်စဉ်။46၊ 4847–4853 (2021)။
Bai, JB et al ။အကောင်းဆုံးအလေ့အကျင့်ကို သတ်မှတ်ခြင်း - မျိုးရိုးဗီဇဆိုင်ရာ အယ်လဂိုရီသမ်များကို အသုံးပြု၍ ပေါင်းစပ်ဖွဲ့စည်းတည်ဆောက်ပုံ၏ အကောင်းဆုံးဒီဇိုင်း။ရေးဖွဲ့ပါ။ထမင်း။268၊ 113982 (2021)။
Shahin 2017)။
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. and Sait, SM Metaheuristics သည် ပျက်စီးမှုများကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်ရန် အေးဂျင့်များစွာကို အသုံးပြုထားသည်။အတွင်းပိုင်း J. Vehဒီဇင်ဘာ80(2–4), 223–240 (2019)။
Yildyz၊ AR နှင့် Erdash၊ MU အသစ်ပေါင်းစပ်ထားသော Taguchi-salpa အုပ်စု ပိုမိုကောင်းမွန်အောင်လုပ်ဆောင်မှု algorithm သည် စစ်မှန်သောအင်ဂျင်နီယာပြဿနာများ၏ ယုံကြည်စိတ်ချရသော ဒီဇိုင်းအတွက်ဖြစ်သည်။အယ်မာမာ။စမ်းသပ်။၆၃(၂)၊ ၁၅၇-၁၆၂ (၂၀၂၁)။
Yildiz BS, Foldi N., Burerat S., Yildiz AR နှင့် Sait SM တို့သည် ခေတ်ရှေ့ပြေး ကလေးငယ် ပိုမိုကောင်းမွန်အောင် လုပ်ဆောင်သည့် အယ်လဂိုရီသမ်အသစ်ကို အသုံးပြု၍ စက်ရုပ်လက်ကိုင်ယန္တရားများ၏ ယုံကြည်စိတ်ချရသော ဒီဇိုင်း။ကျွမ်းကျင်သူ။စနစ်။၃၈(၃)၊ e12666 (2021)။