Խոշոր ռոտացիայի անկյան տակ ծանր պտույտի անկյունով `մասնիկների ճոճանակի հիման վրա, որը գիտի

Hinges- ը մեխանիկական սարքերի հիմնական բաղադրիչներն են, որոնք թույլ են տալիս շարժում եւ ռոտացիա: Թեեւ տարբեր տեսակի ծխնիներ լայնորեն կիրառվել են արդյունաբերություններում, ինչպիսիք են պտտվող ծխնիները, հանկարծակի ծխնիները, գնդիկավոր ծխնիները, հիդրավլիկ բալոնները եւ գնդիկավոր պտուտակավոր ընկույզի զույգերը, նրանք դեռ ունեն որոշակի սահմանափակումներ: Օրինակ, ծանր բեռների տակ ավանդական ծխնիները պետք է հաստ լինեն կոշտության պահանջները բավարարելու համար: Բացի այդ, հատուկ դեպքերում, երբ տարածքը սահմանափակ է, եւ բեռները մեծ են, ավանդական ծխնիները կարող են պայքարել իրենց գործառույթը կատարելու համար:

Արդյունքում, աճում է հետաքրքրությունը `կապված նոր ծխնիների նմուշների ուսումնասիրության վերաբերյալ: Մասնիկների Swarm Optimization (PSO) ալգորիթմը, Swarm Intelligence Algorithm- ի մի տեսակ զգալի զարգացում եւ դիմում է ստացել ինժեներական դաշտերում: Այս ալգորիթմը օգտագործում է թռչունների խմբերի պահվածքը, որը թռչում է սննդի համար `անհատների միջեւ համագործակցության եւ մրցակցության միջոցով բարդ տարածություններում օպտիմալ լուծումներ ստանալու համար: PSO ալգորիթմները խիստ արդյունավետ են, հեշտ է իրականացնել եւ լայնորեն կիրառվում են ինժեներական պրակտիկայում: PSO ալգորիթմի հիմնական գործընթացը ներառում է նախաստորագրում, մասնիկների թռիչք եւ արդյունքի որոշում: Ալգորիթմը սկսվում է պատահականորեն առաջացնելով մասնիկների սկզբնական բնակչություն, որոնք շարժվում են իրագործելի տարածաշրջանի շրջանակներում: Յուրաքանչյուր մասնիկի ֆիթնես արժեքը հաշվարկելով, ալգորիթմը որոշում է յուրաքանչյուր մասնիկի նոր շարժման ուղղությունն ու արագությունը: Մասնիկների շարժման յուրաքանչյուր փուլի ընթացքում օպտիմալ մասնիկը եւ պատմական օպտիմալ մասնիկը ավելի մեծ ազդեցություն են ունենում շարժման հաջորդ փուլում: Բազմաթիվ կրկնությունից հետո ալգորիթմը ձեռք է բերում օպտիմալ լուծում:

PSO ալգորիթմի կոնվերգենցիայի կատարումը բարելավվել է `ներկայացնելով իներցիա կշիռները, ինչպես առաջարկվում է Շի եւ Էբերհարտի կողմից: Մասնիկների էվոլյուցիայի հավասարումը ներառում է մի քանի բաղադրիչ, ներառյալ իներցիան, ճանաչումը եւ սոցիալական համագործակցությունը: Ալգորիթմի պարամետրերը, ինչպիսիք են մասնիկների արագությունը եւ կրկնությունների քանակը, կարող են ճշգրտվել հատուկ պահանջների հիման վրա: PSO ալգորիթմները դարձել են ինտելեկտուալ օպտիմիզացման ալգորիթմ, ինժեներական ծրագրերում եւ հաճախ գերազանցում են գենետիկ ալգորիթմները: Այնուամենայնիվ, PSO- ի ալգորիթմները դեռ բախվում են մարտահրավերների, ինչպիսիք են վաղաժամ համընկնումը: Հետեւաբար, եղել է զգալի հետազոտություններ, նվիրված PSO ալգորիթմի բարելավմանը եւ դրա սահմանափակումներին լուծելու համար:

Ծաղկուսացման դիզայնի համատեքստում ծրագրի պահանջները ներառում են 3 տոննա եւ ռոտացիայի անկյուն, 90 աստիճանի ռոտացիայի անկյուն, չափսերով, որոնք չեն գերազանցում 2000 մմ x 500 մմ: Այս պահանջները բավարարելու համար 2RPR մեխանիզմն ընտրվում է որպես ծխնիների մեխանիզմ: Այս մեխանիզմը բաղկացած է պտտվող զույգից եւ շարժվող զույգից, առաջարկելով բարձր կոշտություն, սխալի ճշգրտում եւ փոխհատուցման հնարավորություններ: Բացի այդ, մեխանիզմը սիմետրիկ է, հնարավորություն ընձեռելով հեշտ տեղադրում եւ սպասարկում:

Օպտիմալացման նախագծման գործընթացում ռոտացիայի անկյան եւ չափի պահանջները բավարարվում են երկրաչափական սահմանափակումների կիրառմամբ: Այնուամենայնիվ, հիմնական մարտահրավերը կայանում է մեխանիզմի ապահովման գործում `գերազանց ուժային փոխանցման հնարավորություններ: Դա սովորաբար ձեռք է բերվում `սահմանելով փոխանցման նվազագույն անկյուն` մեխանիզմի համար:

Ուժի փոխանցումը վերլուծելու համար Rod CE- ն ընտրվում է որպես վերլուծության օբյեկտ: Ենթադրելով M զանգվածի կենտրոնի եւ ռոտացիայի զույգի միջեւ դերի զանգվածի զանգված եւ հեռավորության վրա, փորձվում է Rod CE- ի վրա գործադրվող ուժը: Հաշվի առնելով ուժերի եւ գավազանների միջեւ եղած անկյունները, ինչպես նաեւ գավազանի եւ X- առանցքի միջեւ ընկած անկյունը, ուժի հաշվեկշռի հավասարումը: Այս հավասարումը ապահովում է մեխանիզմի ուժային փոխանցման հնարավորությունները:

Վերլուծության արդյունքների հիման վրա շարժվող զույգը ձեւավորվում է համապատասխանաբար: Նախապես ընտրվում է էլեկտրական մխոցի մոդելը, GSX40-1201, հաշվի առնելով, հաշվի առնելով հարվածը, նետվելով եւ առանցքի չափսերը: Վերջնական դիզայնի մեջ դիտարկվում են նաեւ այլ գործոններ, ինչպիսիք են բաղադրիչի չափը: Ալյումինե բրոնզից պատրաստված լոգարիթմական առանցքակալներ ընտրվում են յուրաքանչյուր պտտվող զույգի համար, հաշվի առնելով նրանց բարձր բեռի կրող հզորությունը եւ ճշգրիտ պահանջները: Հիմնական բաղադրիչները պատրաստված են 35CRMNSIA խառնուրդի պողպատից, որն առաջարկում է առաձգական բարձր ուժ եւ առաձգական մոդուլ:

Մեխանիկական դիզայնի ավարտից հետո վերջնական դիզայնը պատկերացնելու համար ստեղծվում է CAD մոդել: Մասնիկի Swarm Optimization Algorithm- ը հաջողությամբ օպտիմիզացրել է խոշոր ռոտացիայի անկյունային ծանրաբեռնված ծխնիների ձեւավորումը, ապահովելով, որ այն բավարարում է դիզայնի բոլոր պահանջները:

Եզրափակելով, մասնիկների Swarm Optimization Algorithm- ը արդյունավետ է ապացուցված մեծ ռոտացիայի անկյունի ծանրաբեռնված ծխնիների ձեւավորման օպտիմալացման գործում: Զգուշորեն կազմաձեւման եւ վերլուծության միջոցով ձեռք է բերվել 2RPR մեխանիզմի օպտիմալ ձեւավորում: Հաջողությամբ ավարտվեց մեխանիկական դիզայնը, ներառյալ բաղադրիչների եւ նյութերի ընտրությունը: CAD մոդելը ներկայացնում է վերջնական դիզայնի տեսողական ներկայացում: Ընդհանուր առմամբ, մասնիկների Swarm օպտիմիզացման ալգորիթմներն առաջարկում են արժեքավոր գործիք, ծխնիների արդյունավետ եւ արդյունավետ ձեւավորման համար եւ նպաստում են տարբեր արդյունաբերություններում մեխանիկական սարքերի կատարողականի եւ գործառույթի կատարելագործմանը:

Հղումներ:

1. Wei Minhe, Han Xianguo, Zhang Jun. Օպտիմիզացման հետազոտություն 3-up / s զուգահեռ բիլիարդ գնդակի վրա Hinge [J]: Ավիատիեզերական արտադրության տեխնոլոգիա, 2011 (3), 19-23:

2. Չեն Լիշուն, Լի Լի, Ժանգ Հոնգլյան: Նոր գերհզոր Robotj- ի համատեղ ձեւավորում: Մեխանիկական ձեւավորում եւ արտադրություն, 2010 (6): 148-150:

3. YANG SHUN, CAI ANJIANG. Էլեկտրոնային արագացուցիչի ոտնակի լարման ճշգրտման պարամետրերի օպտիմալ ձեւավորում `հիմնված RBF եւ մասնիկների Swarm Optimization Algorithm- ի վրա [j]: Մեխանիկական ձեւավորում եւ արտադրություն, 2011 (1), 72-74: