Componente químico do tubo de bobina de aço inoxidável AISI 304/304L, otimizando os parâmetros de mola de asa dobrável usando o algoritmo de abelha

Obrigado por visitar Nature.com.Você está usando uma versão de navegador com suporte CSS limitado.Para obter a melhor experiência, recomendamos que você use um navegador atualizado (ou desative o Modo de Compatibilidade no Internet Explorer).Além disso, para garantir suporte contínuo, mostramos o site sem estilos e JavaScript.
Sliders mostrando três artigos por slide.Use os botões voltar e avançar para percorrer os slides ou os botões do controlador de slides no final para percorrer cada slide.

Tubulação espiralada capilar de aço inoxidável AISI 304 / 304L

A bobina de aço inoxidável AISI 304 é um produto multifuncional com excelente resistência e adequada para uma ampla variedade de aplicações que exigem boa conformabilidade e soldabilidade.

A Sheye Metal estoca 304 bobinas com espessura de 0,3 mm a 16 mm e acabamento 2B, acabamento BA e acabamento No.4 estão sempre disponíveis.

Além dos três tipos de superfícies, a bobina de aço inoxidável 304 pode ser entregue com uma variedade de acabamentos de superfície.O aço inoxidável grau 304 contém metais Cr (geralmente 18%) e níquel (geralmente 8%) como os principais constituintes não ferrosos.

Este tipo de bobina é um aço inoxidável tipicamente austenítico, pertence à família padrão de aço inoxidável Cr-Ni.

Eles são normalmente usados ​​para bens domésticos e de consumo, equipamentos de cozinha, revestimentos internos e externos, corrimãos e caixilhos de janelas, equipamentos da indústria de alimentos e bebidas, tanques de armazenamento.

Neste estudo, o projeto das molas de torção e compressão do mecanismo de dobramento da asa utilizado no foguete é considerado um problema de otimização.Após o foguete sair do tubo de lançamento, as asas fechadas devem ser abertas e fixadas por um determinado período de tempo.O objetivo do estudo era maximizar a energia armazenada nas molas para que as asas pudessem abrir no menor tempo possível.Neste caso, a equação de energia em ambas as publicações foi definida como a função objetivo no processo de otimização.O diâmetro do fio, o diâmetro da bobina, o número de bobinas e os parâmetros de deflexão necessários para o projeto da mola foram definidos como variáveis ​​de otimização.Existem limites geométricos nas variáveis ​​devido ao tamanho do mecanismo, bem como limites no fator de segurança devido à carga transportada pelas molas.O algoritmo honey bee (BA) foi utilizado para resolver este problema de otimização e realizar o projeto da mola.Os valores de energia obtidos com BA são superiores aos obtidos em estudos anteriores de Design of Experiments (DOE).Molas e mecanismos projetados utilizando os parâmetros obtidos na otimização foram primeiramente analisados ​​no programa ADAMS.Em seguida, foram realizados testes experimentais integrando as molas fabricadas em mecanismos reais.Como resultado do teste, observou-se que as asas abriram após cerca de 90 milissegundos.Este valor está bem abaixo da meta do projeto de 200ms.Além disso, a diferença entre os resultados analíticos e experimentais é de apenas 16 ms.
Em aeronaves e veículos marítimos, os mecanismos de dobramento são críticos.Esses sistemas são usados ​​em modificações e conversões de aeronaves para melhorar o desempenho e o controle de voo.Dependendo do modo de voo, as asas dobram-se e desdobram-se de forma diferente para reduzir o impacto aerodinâmico1.Esta situação pode ser comparada aos movimentos das asas de alguns pássaros e insetos durante o voo e mergulho diários.Da mesma forma, os planadores dobram-se e desdobram-se em submersíveis para reduzir os efeitos hidrodinâmicos e maximizar o manuseio3.Ainda outro objectivo destes mecanismos é proporcionar vantagens volumétricas a sistemas tais como a dobragem de uma hélice de helicóptero 4 para armazenamento e transporte.As asas do foguete também se dobram para reduzir o espaço de armazenamento.Assim, mais mísseis podem ser colocados em uma área menor do lançador 5. Os componentes que são utilizados efetivamente no dobramento e desdobramento são geralmente molas.No momento do desdobramento, a energia é armazenada nele e liberada no momento do desdobramento.Devido à sua estrutura flexível, a energia armazenada e liberada são equalizadas.A mola é projetada principalmente para o sistema, e esse projeto apresenta um problema de otimização6.Porque embora inclua diversas variáveis ​​como diâmetro do fio, diâmetro da bobina, número de voltas, ângulo de hélice e tipo de material, também existem critérios como massa, volume, distribuição mínima de tensões ou disponibilidade máxima de energia7.
Este estudo lança luz sobre o projeto e otimização de molas para mecanismos de dobramento de asas usados ​​em sistemas de foguetes.Estando dentro do tubo de lançamento antes do vôo, as asas permanecem dobradas na superfície do foguete e, após saírem do tubo de lançamento, desdobram-se por um certo tempo e permanecem pressionadas contra a superfície.Este processo é fundamental para o bom funcionamento do foguete.No mecanismo de dobramento desenvolvido, a abertura das asas é feita por molas de torção e o travamento por molas de compressão.Para projetar uma mola adequada, um processo de otimização deve ser realizado.Dentro da otimização de molas, existem diversas aplicações na literatura.
Paredes et al.8 definiram o fator máximo de vida em fadiga como uma função objetivo para o projeto de molas helicoidais e utilizaram o método quase newtoniano como método de otimização.As variáveis ​​de otimização foram identificadas como diâmetro do fio, diâmetro da bobina, número de voltas e comprimento da mola.Outro parâmetro da estrutura da mola é o material de que ela é feita.Portanto, isso foi levado em consideração nos estudos de projeto e otimização.Zebdi et al.9 estabeleceram metas de rigidez máxima e peso mínimo na função objetivo em seu estudo, onde o fator peso foi significativo.Neste caso, definiram o material da mola e as propriedades geométricas como variáveis.Eles usam um algoritmo genético como método de otimização.Na indústria automotiva, o peso dos materiais é útil de várias maneiras, desde o desempenho do veículo até o consumo de combustível.A minimização do peso e a otimização das molas helicoidais para suspensão é um estudo bem conhecido10.Bahshesh e Bahshesh11 identificaram materiais como vidro E, carbono e Kevlar como variáveis ​​em seu trabalho no ambiente ANSYS com o objetivo de atingir peso mínimo e resistência à tração máxima em vários projetos de compósitos de molas de suspensão.O processo de fabricação é fundamental no desenvolvimento de molas compostas.Assim, diversas variáveis ​​entram em jogo em um problema de otimização, como o método de produção, as etapas realizadas no processo e a sequência dessas etapas12,13.Ao projetar molas para sistemas dinâmicos, as frequências naturais do sistema devem ser levadas em consideração.Recomenda-se que a primeira frequência natural da mola seja pelo menos 5 a 10 vezes a frequência natural do sistema para evitar ressonância14.Taktak et al.7 decidiram minimizar a massa da mola e maximizar a primeira frequência natural como funções objetivo no projeto da mola helicoidal.Eles usaram métodos de busca de padrões, ponto interior, conjunto ativo e algoritmo genético na ferramenta de otimização Matlab.A pesquisa analítica faz parte da pesquisa de design de molas, e o Método dos Elementos Finitos é popular nesta área15.Patil et al.16 desenvolveram um método de otimização para redução do peso de uma mola helicoidal de compressão utilizando um procedimento analítico e testaram as equações analíticas utilizando o método dos elementos finitos.Outro critério para aumentar a utilidade de uma mola é o aumento da energia que ela pode armazenar.Este caso também garante que a mola mantém a sua utilidade por um longo período de tempo.Rahul e Rameshkumar17 procuram reduzir o volume da mola e aumentar a energia de deformação em projetos de molas helicoidais de automóveis.Eles também usaram algoritmos genéticos em pesquisas de otimização.
Como pode ser visto, os parâmetros no estudo de otimização variam de sistema para sistema.Em geral, os parâmetros de rigidez e tensão de cisalhamento são importantes em um sistema onde a carga que ele suporta é o fator determinante.A seleção do material está incluída no sistema de limite de peso com estes dois parâmetros.Por outro lado, as frequências naturais são verificadas para evitar ressonâncias em sistemas altamente dinâmicos.Em sistemas onde a utilidade é importante, a energia é maximizada.Em estudos de otimização, embora o FEM seja utilizado para estudos analíticos, pode-se observar que algoritmos metaheurísticos como o algoritmo genético14,18 e o algoritmo do lobo cinzento19 são utilizados em conjunto com o método clássico de Newton dentro de uma faixa de determinados parâmetros.Algoritmos metaheurísticos têm sido desenvolvidos com base em métodos de adaptação natural que se aproximam do estado ótimo em um curto período de tempo, especialmente sob a influência da população20,21.Com uma distribuição aleatória da população na área de busca, eles evitam os ótimos locais e avançam em direção aos ótimos globais22.Assim, nos últimos anos tem sido frequentemente utilizado no contexto de problemas industriais reais23,24.
O argumento crítico para o mecanismo de dobramento desenvolvido neste estudo é que as asas, que estavam na posição fechada antes do voo, abrem um certo tempo após saírem do tubo.Depois disso, o elemento de travamento bloqueia a asa.Portanto, as molas não afetam diretamente a dinâmica do voo.Neste caso, o objetivo da otimização foi maximizar a energia armazenada para acelerar o movimento da mola.Diâmetro do rolo, diâmetro do fio, número de rolos e deflexão foram definidos como parâmetros de otimização.Devido ao pequeno tamanho da mola, o peso não foi considerado uma meta.Portanto, o tipo de material é definido como fixo.A margem de segurança para deformações mecânicas é determinada como uma limitação crítica.Além disso, restrições de tamanho variável estão envolvidas no âmbito do mecanismo.O método metaheurístico BA foi escolhido como método de otimização.A BA foi favorecida por sua estrutura flexível e simples e por seus avanços na pesquisa de otimização mecânica25.Na segunda parte do estudo, expressões matemáticas detalhadas são incluídas na estrutura do projeto básico e do projeto de mola do mecanismo dobrável.A terceira parte contém o algoritmo de otimização e os resultados da otimização.O Capítulo 4 conduz análises no programa ADAMS.A adequação das molas é analisada antes da produção.A última seção contém resultados experimentais e imagens de teste.Os resultados obtidos no estudo também foram comparados com trabalhos anteriores dos autores utilizando a abordagem DOE.
As asas desenvolvidas neste estudo deveriam dobrar-se em direção à superfície do foguete.As asas giram da posição dobrada para a posição desdobrada.Para isso, foi desenvolvido um mecanismo especial.Na fig.1 mostra a configuração dobrada e desdobrada5 no sistema de coordenadas do foguete.
Na fig.2 mostra uma vista em corte do mecanismo.O mecanismo consiste em várias partes mecânicas: (1) corpo principal, (2) eixo da asa, (3) rolamento, (4) corpo da trava, (5) bucha de trava, (6) pino de parada, (7) mola de torção e ( 8) molas de compressão.O eixo da asa (2) é conectado à mola de torção (7) através da luva de travamento (4).Todas as três partes giram simultaneamente após a decolagem do foguete.Com este movimento rotacional, as asas voltam para sua posição final.Após isso, o pino (6) é acionado pela mola de compressão (8), bloqueando assim todo o mecanismo do corpo de travamento (4)5.
O módulo de elasticidade (E) e o módulo de cisalhamento (G) são parâmetros-chave de projeto da mola.Neste estudo, o fio de aço para mola com alto teor de carbono (fio musical ASTM A228) foi escolhido como material da mola.Outros parâmetros são diâmetro do fio (d), diâmetro médio da bobina (Dm), número de bobinas (N) e deflexão da mola (xd para molas de compressão e θ para molas de torção)26.A energia armazenada para molas de compressão \({(SE}_{x})\) e molas de torção (\({SE}_{\theta}\)) pode ser calculada a partir da equação.(1) e (2)26.(O valor do módulo de cisalhamento (G) para a mola de compressão é 83,7E9 Pa, e o valor do módulo de elasticidade (E) para a mola de torção é 203,4E9 Pa.)
As dimensões mecânicas do sistema determinam diretamente as restrições geométricas da mola.Além disso, as condições em que o foguete ficará localizado também devem ser levadas em consideração.Esses fatores determinam os limites dos parâmetros da mola.Outra limitação importante é o fator de segurança.A definição de fator de segurança é descrita detalhadamente por Shigley et al.26.O fator de segurança da mola de compressão (SFC) é definido como a tensão máxima admissível dividida pela tensão ao longo do comprimento contínuo.SFC pode ser calculado usando equações.(3), (4), (5) e (6)26.(Para o material de mola utilizado neste estudo, \({S}_{sy}=980 MPa\)).F representa a força na equação e KB representa o fator de Bergstrasser de 26.
O fator de segurança à torção de uma mola (SFT) é definido como M dividido por k.SFT pode ser calculado a partir da equação.(7), (8), (9) e (10)26.(Para o material utilizado neste estudo, \({S}_{y}=1600 \mathrm{MPa}\)).Na equação, M é usado para torque, \({k}^{^{\prime}}\) é usado para constante de mola (torque/rotação) e Ki é usado para fator de correção de tensão.
O principal objetivo de otimização neste estudo é maximizar a energia da mola.A função objetivo é formulada para encontrar \(\overrightarrow{\{X\}}\) que maximiza \(f(X)\).\({f}_{1}(X)\) e \({f}_{2}(X)\) são as funções de energia da mola de compressão e torção, respectivamente.As variáveis ​​calculadas e funções utilizadas para otimização são mostradas nas equações a seguir.
As várias restrições impostas ao projeto da mola são fornecidas nas equações a seguir.As equações (15) e (16) representam os fatores de segurança para molas de compressão e torção, respectivamente.Neste estudo, o SFC deve ser maior ou igual a 1,2 e o SFT deve ser maior ou igual a θ26.
BA foi inspirado nas estratégias de busca de pólen das abelhas27.As abelhas procuram enviar mais forrageadoras para campos polínicos férteis e menos forrageadoras para campos polínicos menos férteis.Assim, consegue-se a maior eficiência da população de abelhas.Por outro lado, as abelhas batedoras continuam a procurar novas áreas de pólen, e se houver áreas mais produtivas do que antes, muitas forrageiras serão direcionadas para esta nova área28.BA consiste em duas partes: pesquisa local e pesquisa global.Uma pesquisa local procura mais comunidades próximas do mínimo (sites de elite), como abelhas, e menos em outros sites (sites ideais ou em destaque).Uma pesquisa arbitrária é realizada na parte de pesquisa global e, se forem encontrados bons valores, as estações são movidas para a parte de pesquisa local na próxima iteração.O algoritmo contém alguns parâmetros: o número de abelhas batedoras (n), o número de locais de busca local (m), o número de locais de elite (e), o número de forrageadoras em locais de elite (nep), o número de forrageadoras em áreas ideais.Site (nsp), tamanho da vizinhança (ngh) e número de iterações (I)29.O pseudocódigo BA é mostrado na Figura 3.
O algoritmo tenta trabalhar entre \({g}_{1}(X)\) e \({g}_{2}(X)\).Como resultado de cada iteração, são determinados valores ótimos e uma população é reunida em torno desses valores na tentativa de obter os melhores valores.As restrições são verificadas nas seções de pesquisa local e global.Numa busca local, se estes fatores forem adequados, o valor da energia é calculado.Se o novo valor de energia for maior que o valor ideal, atribua o novo valor ao valor ideal.Caso o melhor valor encontrado no resultado da pesquisa seja maior que o elemento atual, o novo elemento será incluído na coleção.O diagrama de blocos da busca local é mostrado na Figura 4.
A população é um dos parâmetros-chave na BA.Pode-se observar em estudos anteriores que a expansão da população reduz o número de iterações necessárias e aumenta a probabilidade de sucesso.No entanto, o número de avaliações funcionais também está aumentando.A presença de um grande número de sites de elite não afeta significativamente o desempenho.O número de sítios de elite pode ser baixo se não for zero30.O tamanho da população de abelhas batedoras (n) é geralmente escolhido entre 30 e 100. Neste estudo, foram executados 30 e 50 cenários para determinar o número apropriado (Tabela 2).Outros parâmetros são determinados dependendo da população.O número de sítios selecionados (m) é (aproximadamente) 25% do tamanho da população, e o número de sítios de elite (e) entre os sítios selecionados é 25% de m.O número de abelhas alimentando (número de buscas) foi escolhido como 100 para parcelas elite e 30 para outras parcelas locais.A pesquisa de vizinhança é o conceito básico de todos os algoritmos evolutivos.Neste estudo foi utilizado o método dos vizinhos cônicos.Este método reduz o tamanho da vizinhança a uma certa taxa durante cada iteração.Em iterações futuras, valores de vizinhança menores30 podem ser usados ​​para uma busca mais precisa.
Para cada cenário foram realizados dez testes consecutivos para verificar a reprodutibilidade do algoritmo de otimização.Na fig.5 mostra os resultados da otimização da mola de torção para o esquema 1, e na fig.6 – para o esquema 2. Os dados dos testes também são apresentados nas tabelas 3 e 4 (a tabela contendo os resultados obtidos para a mola de compressão está na Informação Suplementar S1).A população de abelhas intensifica a busca por bons valores na primeira iteração.No cenário 1, os resultados de alguns testes ficaram abaixo do máximo.No Cenário 2, pode-se observar que todos os resultados de otimização estão se aproximando do máximo devido ao aumento da população e de outros parâmetros relevantes.Percebe-se que os valores do Cenário 2 são suficientes para o algoritmo.
Ao obter o valor máximo de energia nas iterações, um fator de segurança também é fornecido como restrição para o estudo.Consulte a tabela para fator de segurança.Os valores de energia obtidos usando BA são comparados com aqueles obtidos usando o método 5 DOE na Tabela 5. (Para facilitar a fabricação, o número de voltas (N) da mola de torção é 4,9 em vez de 4,88, e a deflexão (xd ) é de 8 mm em vez de 7,99 mm na mola de compressão.) Pode-se observar que BA tem melhor resultado.BA avalia todos os valores por meio de pesquisas locais e globais.Dessa forma, ele pode tentar mais alternativas com mais rapidez.
Neste estudo, Adams foi utilizado para analisar o movimento do mecanismo da asa.Adams recebe primeiro um modelo 3D do mecanismo.A seguir defina uma mola com os parâmetros selecionados na seção anterior.Além disso, alguns outros parâmetros precisam ser definidos para a análise real.Estes são parâmetros físicos, como conexões, propriedades do material, contato, atrito e gravidade.Existe uma junta giratória entre o eixo da lâmina e o rolamento.Existem 5-6 juntas cilíndricas.Existem 5-1 juntas fixas.O corpo principal é feito de material de alumínio e fixo.O material do restante das peças é aço.Escolha o coeficiente de atrito, a rigidez de contato e a profundidade de penetração da superfície de atrito dependendo do tipo de material.(aço inoxidável AISI 304) Neste estudo, o parâmetro crítico é o tempo de abertura do mecanismo da asa, que deve ser inferior a 200 ms.Portanto, fique atento ao tempo de abertura da asa durante a análise.
Como resultado da análise de Adams, o tempo de abertura do mecanismo da asa é de 74 milissegundos.Os resultados da simulação dinâmica de 1 a 4 são mostrados na Figura 7. A primeira imagem da Figura.5 é o horário de início da simulação e as asas estão na posição de espera para dobrar.(2) Exibe a posição da asa após 40ms quando a asa girou 43 graus.(3) mostra a posição da asa após 71 milissegundos.Também na última foto (4) mostra o final do giro da asa e a posição aberta.Como resultado da análise dinâmica, observou-se que o mecanismo de abertura da asa é significativamente mais curto que o valor alvo de 200 ms.Além disso, no dimensionamento das molas, os limites de segurança foram selecionados a partir dos maiores valores recomendados pela literatura.
Após a conclusão de todos os estudos de projeto, otimização e simulação, um protótipo do mecanismo foi fabricado e integrado.O protótipo foi então testado para verificar os resultados da simulação.Primeiro prenda a concha principal e dobre as asas.Em seguida, as asas foram liberadas da posição dobrada e foi feito um vídeo da rotação das asas da posição dobrada para a posição desdobrada.O cronômetro também foi utilizado para analisar o tempo durante a gravação do vídeo.
Na fig.8 mostra quadros de vídeo numerados de 1 a 4.O quadro número 1 da figura mostra o momento de liberação das asas dobradas.Este momento é considerado o momento inicial do tempo t0.Os quadros 2 e 3 mostram as posições das asas 40 ms e 70 ms após o momento inicial.Ao analisar os quadros 3 e 4, percebe-se que o movimento da asa se estabiliza 90 ms após t0, e a abertura da asa é completada entre 70 e 90 ms.Esta situação significa que tanto a simulação quanto o teste de protótipo proporcionam aproximadamente o mesmo tempo de implantação da asa e o projeto atende aos requisitos de desempenho do mecanismo.
Neste artigo, as molas de torção e compressão utilizadas no mecanismo de dobramento da asa são otimizadas usando BA.Os parâmetros podem ser alcançados rapidamente com poucas iterações.A mola de torção tem capacidade nominal de 1.075 mJ e a mola de compressão tem capacidade nominal de 37,24 mJ.Esses valores são 40-50% melhores que os estudos anteriores do DOE.A mola é integrada ao mecanismo e analisada no programa ADAMS.Quando analisado, constatou-se que as asas abriram em 74 milissegundos.Este valor está bem abaixo da meta do projeto de 200 milissegundos.Num estudo experimental subsequente, o tempo de ativação foi medido em cerca de 90 ms.Essa diferença de 16 milissegundos entre as análises pode ser devida a fatores ambientais não modelados no software.Acredita-se que o algoritmo de otimização obtido como resultado do estudo possa ser utilizado para diversos projetos de molas.
O material da mola foi pré-definido e não foi utilizado como variável na otimização.Como muitos tipos diferentes de molas são usados ​​em aeronaves e foguetes, o BA será aplicado para projetar outros tipos de molas usando materiais diferentes para obter um projeto ideal de molas em pesquisas futuras.
Declaramos que este manuscrito é original, não foi publicado anteriormente e não está sendo considerado para publicação em outro lugar.
Todos os dados gerados ou analisados ​​neste estudo estão incluídos neste artigo publicado [e arquivo de informações adicionais].
Min, Z., Kin, VK e Richard, LJ Aircraft Modernização do conceito de aerofólio através de mudanças geométricas radicais.IES J. Parte A Civilização.composto.projeto.3(3), 188–195 (2010).
Sun, J., Liu, K. e Bhushan, B. Uma visão geral das asas posteriores do besouro: estrutura, propriedades mecânicas, mecanismos e inspiração biológica.J.Mecha.Comportamento.Ciência biomédica.alma mater.94, 63–73 (2019).
Chen, Z., Yu, J., Zhang, A. e Zhang, F. Projeto e análise de um mecanismo de propulsão dobrável para um planador subaquático com motor híbrido.Engenharia Oceânica 119, 125–134 (2016).
Kartik, HS e Prithvi, K. Projeto e análise de um mecanismo de dobramento de estabilizador horizontal de helicóptero.interno J. Ing.tanque de armazenamento.tecnologias.(IGERT) 9(05), 110–113 (2020).
Kulunk, Z. e Sahin, M. Otimização dos parâmetros mecânicos de um projeto de asa de foguete dobrável usando uma abordagem de projeto de experimento.Modelo J. interno.otimização.9(2), 108–112 (2019).
Ke, J., Wu, ZY, Liu, YS, Xiang, Z. & Hu, XD Método de projeto, estudo de desempenho e processo de fabricação de molas helicoidais compostas: uma revisão.compor.composto.252, 112747 (2020).
Taktak M., Omheni K., Alui A., Dammak F. e Khaddar M. Otimização de projeto dinâmico de molas helicoidais.Inscreva-se para obter som.77, 178–183 (2014).
Paredes, M., Sartor, M. e Mascle, K. Um procedimento para otimizar o projeto de molas de tensão.computador.aplicação do método.pelagem.projeto.191(8-10), 783-797 (2001).
Zebdi O., Bouhili R. e Trochu F. Projeto ótimo de molas helicoidais compostas usando otimização multiobjetivo.J. Reinf.plástico.compor.28 (14), 1713–1732 (2009).
Pawart, HB e Desale, DD Otimização de molas helicoidais da suspensão dianteira de triciclos.processo.fabricante.20, 428–433 (2018).
Bahshesh M. e Bahshesh M. Otimização de molas helicoidais de aço com molas compostas.interno J. Multidisciplinar.a ciência.projeto.3(6), 47–51 (2012).
Chen, L. et al.Aprenda sobre os vários parâmetros que afetam o desempenho estático e dinâmico das molas helicoidais compostas.J. Mercado.tanque de armazenamento.20, 532–550 (2022).
Frank, J. Análise e Otimização de Molas Helicoidais Compostas, Tese de Doutorado, Sacramento State University (2020).
Gu, Z., Hou, X. e Ye, J. Métodos para projetar e analisar molas helicoidais não lineares usando uma combinação de métodos: análise de elementos finitos, amostragem limitada de hipercubo latino e programação genética.processo.Instituto de Peles.projeto.CJ Mecha.projeto.a ciência.235(22), 5917–5930 (2021).
Wu, L., et al.Molas helicoidais multifilamentos de fibra de carbono com taxa de mola ajustável: um estudo de projeto e mecanismo.J. Mercado.tanque de armazenamento.9(3), 5067–5076 (2020).
Patil DS, Mangrulkar KS e Jagtap ST Otimização de peso de molas helicoidais de compressão.interno J. Innov.tanque de armazenamento.Multidisciplinar.2(11), 154–164 (2016).
Rahul, MS e Rameshkumar, K. Otimização multiuso e simulação numérica de molas helicoidais para aplicações automotivas.alma mater.processo hoje.46, 4847–4853 (2021).
Bai, JB et al.Definindo Melhores Práticas – Projeto Ideal de Estruturas Helicoidais Compostas Usando Algoritmos Genéticos.compor.composto.268, 113982 (2021).
Shahin, I., Dorterler, M., e Gokche, H. Usando o método de otimização 灰狼 baseado na otimização do volume mínimo do projeto da mola de compressão, Ghazi J. Engineering Science, 3(2), 21–27 ( 2017).
Aye, KM, Foldy, N., Yildiz, AR, Burirat, S. e Sait, SM Metaheurísticas usando vários agentes para otimizar travamentos.interno J. Veh.dezembro.80(2–4), 223–240 (2019).
Yildyz, AR e Erdash, MU Novo algoritmo híbrido de otimização de grupo Taguchi-salpa para projeto confiável de problemas reais de engenharia.alma mater.teste.63(2), 157–162 (2021).
Yildiz BS, Foldi N., Burerat S., Yildiz AR e Sait SM Projeto confiável de mecanismos de garra robótica usando um novo algoritmo híbrido de otimização de gafanhoto.especialista.sistema.38(3), e12666 (2021).