粒子群群最適化に基づいた大きな回転角度の頑丈なヒンジの設計_hinge know

ヒンジは、機械装置に不可欠なコンポーネントであり、動きと回転を可能にします。 ロータリーヒンジ、フックヒンジ、球形のヒンジ、油圧シリンダー、ボールスクリューナットペアなど、さまざまな種類のヒンジが産業で広く使用されていますが、それらには特定の制限があります。 たとえば、重い負荷の下では、硬直要件を満たすために、従来のヒンジを厚くする必要があります。 さらに、スペースが制限され、負荷が大きくなっている特別な場合、伝統的なヒンジはその機能を満たすのに苦労する可能性があります。

その結果、新しいヒンジデザインの研究に関心が高まっています。 粒子群群最適化（PSO）アルゴリズムは、群れインテリジェンスアルゴリズムの一種であり、エンジニアリング分野で重要な開発と応用を獲得しています。 このアルゴリズムは、個人間のコラボレーションと競争を通じて、複雑な空間で最適なソリューションを実現するために、食物のために飛んでいる鳥のグループの行動を利用しています。 PSOアルゴリズムは非常に効率的で、実装が簡単で、エンジニアリングの実践で広く使用されています。 PSOアルゴリズムの基本プロセスには、初期化、粒子飛行、および結果決定が含まれます。 アルゴリズムは、実現可能な領域内を移動する初期集団の粒子をランダムに生成することから始まります。 各粒子のフィットネス値を計算することにより、アルゴリズムは各粒子の新しい動きの方向と速度を決定します。 粒子の動きの各ラウンド中に、最適な粒子と歴史的な最適粒子は、次の動きのラウンドに大きな影響を与えます。 複数の反復後、アルゴリズムは最適な解を取得します。

PSOアルゴリズムの収束性能は、SHIとEberhartが提案したように、慣性重量を導入することにより改善されました。 粒子進化方程式には、慣性、認知、社会協力など、いくつかのコンポーネントが含まれます。 粒子速度や反復数などのアルゴリズムパラメーターは、特定の要件に基づいて調整できます。 PSOアルゴリズムは、エンジニアリングアプリケーションで広く使用されているインテリジェントな最適化アルゴリズムになり、しばしば遺伝的アルゴリズムを上回ります。 ただし、PSOアルゴリズムは、早期収束などの課題に直面しています。 したがって、PSOアルゴリズムの改善とその制限に対処することに専念する重要な研究があります。

ヒンジ設計のコンテキストでは、プロジェクトの要件には3トンの負荷容量と±90度の回転角度が含まれ、寸法は2000 mm x 500 mm x 1000 mmを超えません。 これらの要件を満たすために、2RPRメカニズムがヒンジメカニズムとして選択されます。 このメカニズムは、回転するペアと移動ペアで構成され、高い剛性、エラー調整、および補償機能を提供します。 さらに、メカニズムは対称的であり、簡単にインストールとメンテナンスを可能にします。

最適化設計プロセス中、幾何学的制約を適用することにより、回転角度とサイズの要件が満たされます。 ただし、重要な課題は、メカニズムに優れた力伝達能力を確保することにあります。 これは通常、メカニズムに最小透過角を設定することによって達成されます。

力伝達を分析するために、ロッドCEが分析オブジェクトとして選択されます。 Mの荷重質量とその質量の中心と回転ペアの間のdの距離を仮定すると、rod ceに及ぼす力が調べられます。 力と棒CEの間の角度、およびロッドとX軸の間の角度を考慮することにより、力バランス方程式が導出されます。 この方程式により、メカニズムの力伝達能力が保証されます。

分析結果に基づいて、移動ペアはそれに応じて設計されています。 電気シリンダーモデル、GSX40-1201は、ストローク、スラスト、および軸方向の寸法を考慮して、事前に選択されます。 コンポーネントサイズなどの他の要因も、最終設計で考慮されます。 アルミニウムブロンズで作られたスライディングベアリングは、高負荷の容量と精密要件を考慮して、回転ペアごとに選択されます。 主なコンポーネントは35CRMNSIA合金鋼で作られており、高張力強度と弾性率を提供します。

機械設計が完了すると、最終設計を視覚化するCADモデルが確立されます。 粒子群群最適化アルゴリズムは、大規模な回転角のヘビーデューティヒンジの設計を正常に最適化し、すべての設計要件を満たすことを保証しました。

結論として、粒子の群れ最適化アルゴリズムは、大規模な回転角度の頑丈なヒンジの設計を最適化するのに効果的であることが証明されています。 慎重な構成と分析により、2RPRメカニズムの最適な設計が達成されました。 コンポーネントや材料の選択を含む機械設計は正常に完了しました。 CADモデルは、最終設計の視覚的表現を提供します。 全体として、粒子群最適化アルゴリズムは、ヒンジの効率的かつ効果的な設計のための貴重なツールを提供し、さまざまな業界の機械装置のパフォーマンスと機能の改善に貢献します。

参照：

1. Wei Minhe、Han Xianguo、Zhang Jun。 3アップ/s並列ビリヤードボールヒンジの最適化研究[J]。 Aerospace Manufacturing Technology、2011（3）：19-23。

2. チェン・リシュン、リー・リー、チャン・ホンリアン。 新しい超冗長robotjの共同設計。 機械設計と製造、2010年（6）：148-150。

3. ヤン・シュン、カイ・アンジャン。 RBFおよび粒子群最適化アルゴリズム[J]に基づく電子アクセラレータペダル電圧調整パラメーターの最適な設計。 機械設計と製造、2011年（1）：72-74。