لولا در دستگاه های مکانیکی اجزای اساسی هستند و امکان حرکت و چرخش را فراهم می کنند. در حالی که انواع مختلفی از لولا در صنایع مانند لولا های دوار ، لولا های هوک ، لولا های کروی ، سیلندرهای هیدرولیک و جفت آجیل پیچ توپ استفاده شده است ، اما هنوز محدودیت های خاصی دارند. به عنوان مثال ، در زیر بارهای سنگین ، لولا های سنتی برای تأمین نیازهای استحکام باید ضخیم باشند. علاوه بر این ، در موارد ویژه ای که فضای محدود است و بارها بزرگ هستند ، لولا های سنتی ممکن است برای تحقق عملکرد خود تلاش کنند.
در نتیجه ، علاقه زیادی به تحقیق در مورد طرح های جدید لولا وجود داشته است. الگوریتم بهینه سازی Swarm (PSO) ، نوعی الگوریتم هوش swarm ، در زمینه های مهندسی پیشرفت و کاربرد قابل توجهی کسب کرده است. این الگوریتم از رفتار گروه های پرنده ای که برای غذا برای دستیابی به راه حل های بهینه در فضاهای پیچیده از طریق همکاری و رقابت در بین افراد استفاده می کنند ، استفاده می کند. الگوریتم های PSO بسیار کارآمد ، آسان برای پیاده سازی و به طور گسترده در تمرین مهندسی مورد استفاده قرار می گیرند. فرآیند اصلی یک الگوریتم PSO شامل اولیه سازی ، پرواز ذرات و تعیین نتیجه است. این الگوریتم با تولید تصادفی جمعیت اولیه ذرات ، که در منطقه امکان پذیر حرکت می کنند ، شروع می شود. با محاسبه مقدار تناسب اندام هر ذره ، الگوریتم جهت حرکت جدید و سرعت هر ذره را تعیین می کند. در طول هر دور از حرکت ذرات ، ذرات بهینه و ذرات بهینه تاریخی تأثیر بیشتری در دور بعدی حرکت دارند. پس از تکرارهای متعدد ، الگوریتم راه حل بهینه را بدست می آورد.
عملکرد همگرایی الگوریتم PSO با معرفی وزن اینرسی ، همانطور که توسط شی و ابرهارت پیشنهاد شده است ، بهبود یافته است. معادله تکامل ذرات شامل چندین مؤلفه از جمله اینرسی ، شناخت و همکاری اجتماعی است. پارامترهای الگوریتم مانند سرعت ذرات و تعداد تکرارها را می توان بر اساس نیازهای خاص تنظیم کرد. الگوریتم های PSO به یک الگوریتم بهینه سازی هوشمند به طور گسترده در برنامه های مهندسی تبدیل شده اند و اغلب از الگوریتم های ژنتیکی بهتر عمل می کنند. با این حال ، الگوریتم های PSO هنوز هم با چالش هایی مانند همگرایی زودرس روبرو هستند. بنابراین ، تحقیقات قابل توجهی برای بهبود الگوریتم PSO و پرداختن به محدودیت های آن انجام شده است.
در زمینه طراحی لولا ، نیازهای پروژه شامل ظرفیت بار 3 تن و زاویه چرخش 90 درجه پوند است که ابعاد بیش از 2000 میلی متر x 500 میلی متر x 1000 میلی متر نیست. برای برآورده کردن این الزامات ، مکانیسم 2RPR به عنوان مکانیسم لولا انتخاب می شود. این مکانیسم شامل یک جفت چرخان و یک جفت متحرک است که استحکام بالایی ، تنظیم خطا و قابلیت جبران خسارت را ارائه می دهد. علاوه بر این ، مکانیسم متقارن است و امکان نصب و نگهداری آسان را فراهم می کند.
در طی فرآیند طراحی بهینه سازی ، زاویه چرخش و الزامات اندازه با استفاده از محدودیت های هندسی برآورده می شود. با این حال ، چالش اصلی در اطمینان از مکانیسم دارای قابلیت انتقال نیرو عالی است. این به طور معمول با تعیین حداقل زاویه انتقال برای مکانیسم حاصل می شود.
برای تجزیه و تحلیل انتقال نیرو ، میله CE به عنوان شی تجزیه و تحلیل انتخاب می شود. با فرض اینکه یک جرم بار از M و فاصله D بین مرکز جرم آن و جفت چرخش ، نیرویی که در میله CE انجام می شود ، بررسی می شود. با در نظر گرفتن زوایای بین نیروها و میله های میله و همچنین زاویه بین میله و محور x ، یک معادله تعادل نیرو حاصل می شود. این معادله قابلیت های انتقال نیرو مکانیسم را تضمین می کند.
بر اساس نتایج تجزیه و تحلیل ، جفت متحرک بر این اساس طراحی شده است. یک مدل سیلندر برقی ، GSX40-1201 ، با در نظر گرفتن ابعاد سکته مغزی ، رانش و محوری به طور مقدماتی انتخاب می شود. عوامل دیگر مانند اندازه مؤلفه نیز در طراحی نهایی در نظر گرفته شده است. یاطاقان کشویی ساخته شده از برنز آلومینیوم با توجه به ظرفیت بار زیاد و نیازهای دقیق آنها برای هر جفت چرخان انتخاب می شود. اجزای اصلی از فولاد آلیاژ 35crmnsia ساخته شده است که استحکام کششی بالا و مدول الاستیک را ارائه می دهد.
پس از اتمام طراحی مکانیکی ، یک مدل CAD برای تجسم طرح نهایی ایجاد شده است. الگوریتم بهینه سازی swarm ذرات با موفقیت طراحی لولا سنگین با زاویه سنگین را بهینه کرده است ، و اطمینان حاصل می کند که تمام نیازهای طراحی را برآورده می کند.
در نتیجه ، الگوریتم بهینه سازی swarm ذرات در بهینه سازی طراحی یک لولا سنگین با زاویه با زاویه بزرگ مؤثر بوده است. از طریق پیکربندی و تجزیه و تحلیل دقیق ، طراحی بهینه مکانیسم 2RPR حاصل شد. طراحی مکانیکی ، از جمله انتخاب قطعات و مواد ، با موفقیت تکمیل شد. مدل CAD نمایانگر بصری از طراحی نهایی است. به طور کلی ، الگوریتم های بهینه سازی swarm ذرات ابزاری ارزشمند برای طراحی کارآمد و مؤثر لولا ارائه می دهند و در بهبود عملکرد و عملکرد دستگاه های مکانیکی در صنایع مختلف نقش دارند.
منابع:
1. وی مین ، هان شیانگوو ، ژانگ جون. تحقیقات بهینه سازی در مورد لولای توپ بیلیارد موازی 3-UP/S [J]. فناوری تولید هوافضا ، 2011 (3): 19-23.
2. چن لیشون ، لی لی ، ژانگ هنگلیانگ. طراحی مشترک RobotJ فوق العاده جدید. طراحی و ساخت مکانیکی ، 2010 (6): 148-150.
3. یانگ شون ، کای آنجیانگ. طراحی بهینه پارامترهای تنظیم ولتاژ شتاب دهنده الکترونیکی بر اساس الگوریتم بهینه سازی RBF و ذرات [J]. طراحی و ساخت مکانیکی ، 2011 (1): 72-74.
تلفن: +86-13929891220
تلفن: +86-13929891220
واتساپ: +86-13929891220
نامه الکترونیکی: tallsenhardware@tallsen.com