მძიმე მოვალეობის შემსრულებლის დიზაინი დიდი ბრუნვის კუთხით, ნაწილაკების Swarm Optimization_hinge იცის

საკინძები არის აუცილებელი კომპონენტები მექანიკურ მოწყობილობებში, რაც საშუალებას იძლევა გადაადგილება და როტაცია. მიუხედავად იმისა, რომ სხვადასხვა სახის საკინძები ფართოდ იქნა გამოყენებული ინდუსტრიებში, მაგალითად, მბრუნავი საკინძები, ხაკისებური საკინძები, სფერული საკინძები, ჰიდრავლიკური ცილინდრები და ბურთის ხრახნიანი კაკლის წყვილი, მათ ჯერ კიდევ აქვთ გარკვეული შეზღუდვები. მაგალითად, მძიმე დატვირთვების პირობებში, ტრადიციული რგოლები უნდა იყოს სქელი, რათა დააკმაყოფილოს სიმტკიცის მოთხოვნები. გარდა ამისა, სპეციალურ შემთხვევებში, როდესაც სივრცე შეზღუდულია და დატვირთვები დიდი, ტრადიციული რგოლები შეიძლება იბრძოლონ თავიანთი ფუნქციის შესასრულებლად.

შედეგად, იზრდებოდა ინტერესი ახალი ჰინგის დიზაინის კვლევაში. ნაწილაკების swarm ოპტიმიზაციის (PSO) ალგორითმი, Swarm სადაზვერვო ალგორითმის ერთმა ტიპმა, მნიშვნელოვანი განვითარება და გამოყენება მოიპოვა საინჟინრო სფეროებში. ეს ალგორითმი იყენებს ფრინველთა ჯგუფების ქცევას, რომლებიც დაფრინავენ საკვებს, რათა მიაღწიონ ოპტიმალურ გადაწყვეტილებებს რთულ სივრცეებში, ინდივიდებს შორის თანამშრომლობისა და კონკურენციის გზით. PSO ალგორითმები ძალზე ეფექტურია, მარტივი განხორციელება და ფართოდ გამოიყენება საინჟინრო პრაქტიკაში. PSO ალგორითმის ძირითადი პროცესი მოიცავს ინიციალიზაციას, ნაწილაკების ფრენას და შედეგების განსაზღვრას. ალგორითმი იწყება ნაწილაკების საწყისი პოპულაციის შემთხვევით წარმოქმნით, რომლებიც მოძრაობენ შესაძლო რეგიონში. თითოეული ნაწილაკის ფიტნეს მნიშვნელობის გამოანგარიშებით, ალგორითმი განსაზღვრავს თითოეული ნაწილაკის ახალი მოძრაობის მიმართულებას და სიჩქარეს. ნაწილაკების მოძრაობის თითოეული რაუნდის დროს, ოპტიმალური ნაწილაკი და ისტორიული ოპტიმალური ნაწილაკი უფრო მეტ გავლენას ახდენს მოძრაობის შემდეგ რაუნდზე. მრავალჯერადი გამეორების შემდეგ, ალგორითმი იძენს ოპტიმალურ გადაწყვეტას.

PSO ალგორითმის კონვერგენციის შესრულება გაუმჯობესდა ინერციის წონის შემოღებით, როგორც ეს შემოთავაზებულია Shi და Eberhart. ნაწილაკების ევოლუციის განტოლება მოიცავს რამდენიმე კომპონენტს, მათ შორის ინერციას, შემეცნებას და სოციალურ თანამშრომლობას. ალგორითმის პარამეტრები, როგორიცაა ნაწილაკების სიჩქარე და გამეორების რაოდენობა, შეიძლება მორგებული იქნას სპეციფიკური მოთხოვნების საფუძველზე. PSO ალგორითმები გახდა ფართოდ გამოყენებული ინტელექტუალური ოპტიმიზაციის ალგორითმი საინჟინრო პროგრამებში და ხშირად უკეთესად აჭარბებს გენეტიკურ ალგორითმებს. ამასთან, PSO ალგორითმები კვლავ განიცდიან გამოწვევებს, როგორიცაა ნაადრევი კონვერგენცია. ამრიგად, ჩატარდა მნიშვნელოვანი გამოკვლევა, რომელიც ეძღვნება PSO ალგორითმის გაუმჯობესებას და მისი შეზღუდვების მოგვარებას.

რქის დიზაინის კონტექსტში, პროექტის მოთხოვნები მოიცავს 3 ტონას დატვირთვის მოცულობას და 90 გრადუსიან ± ბრუნვის კუთხეს, ზომები არ აღემატება 2000 მმ x 500 მმ x 1000 მმ. ამ მოთხოვნების დასაკმაყოფილებლად, 2RPR მექანიზმი შეირჩევა, როგორც hinge მექანიზმი. ეს მექანიზმი შედგება მბრუნავი წყვილისა და მოძრავი წყვილისგან, გთავაზობთ მაღალ სიმტკიცეს, შეცდომების კორექტირებას და კომპენსაციის შესაძლებლობებს. გარდა ამისა, მექანიზმი სიმეტრიულია, რაც საშუალებას იძლევა მარტივი ინსტალაცია და შენარჩუნება.

ოპტიმიზაციის დიზაინის პროცესის დროს, ბრუნვის კუთხის და ზომის მოთხოვნები აკმაყოფილებს გეომეტრიული შეზღუდვების გამოყენებით. ამასთან, მთავარი გამოწვევა მდგომარეობს იმაში, რომ მექანიზმს აქვს ძალის გადაცემის შესანიშნავი შესაძლებლობები. ეს, როგორც წესი, მიიღწევა მექანიზმის მინიმალური გადაცემის კუთხის დაყენებით.

ძალის გადაცემის გასაანალიზებლად, როდ შეირჩევა ანალიზის ობიექტად. თუ ვივარაუდებთ M- ს დატვირთვის მასას და D მანძილზე მასის ცენტრსა და ბრუნვის წყვილს შორის, განიხილება როდ CE- ზე განხორციელებული ძალა. ძალებსა და როდს შორის კუთხეების გათვალისწინებით, ასევე კუთხე ღეროსა და X- ღერძს შორის კუთხე, მიღებულია ძალის ბალანსის განტოლება. ეს განტოლება უზრუნველყოფს მექანიზმის ძალის გადაცემის შესაძლებლობებს.

ანალიზის შედეგების საფუძველზე, მოძრავი წყვილი შესაბამისად შექმნილია. ელექტრო ცილინდრის მოდელი, GSX40-1201, წინასწარ არის შერჩეული, ინსულტის, ღერძული ზომების გათვალისწინებით. სხვა ფაქტორები, როგორიცაა კომპონენტის ზომა, ასევე განიხილება საბოლოო დიზაინში. ალუმინის ბრინჯაოსგან დამზადებული მოცურების საკისრები შეირჩევა თითოეული მბრუნავი წყვილისთვის, მათი მაღალი დატვირთვის ტევადობის და ზუსტი მოთხოვნების გათვალისწინებით. ძირითადი კომპონენტები დამზადებულია 35CRMNSIA შენადნობის ფოლადისგან, რომელიც გთავაზობთ მაღალი დაძაბულობის სიმტკიცეს და ელასტიურ მოდულს.

მექანიკური დიზაინის დასრულების შემდეგ, CAD მოდელი იქმნება საბოლოო დიზაინის ვიზუალიზაციისთვის. ნაწილაკების swarm ოპტიმიზაციის ალგორითმმა წარმატებით ოპტიმიზაცია მოახდინა დიდი როტაციული კუთხის მძიმე მოვალეობის შემსრულებლის დიზაინზე, რაც უზრუნველყოფს დიზაინის ყველა მოთხოვნას.

დასკვნის სახით, ნაწილაკების swarm ოპტიმიზაციის ალგორითმმა ეფექტური აღმოჩნდა დიდი როტაციული კუთხის მძიმე მოვალეობის შემსრულებლის დიზაინის ოპტიმიზაციაში. ფრთხილად კონფიგურაციისა და ანალიზის საშუალებით, მიღწეული იქნა 2RPR მექანიზმის ოპტიმალური დიზაინი. მექანიკური დიზაინი, მათ შორის კომპონენტებისა და მასალების შერჩევა, წარმატებით დასრულდა. CAD მოდელი უზრუნველყოფს საბოლოო დიზაინის ვიზუალურ წარმოდგენას. საერთო ჯამში, ნაწილაკების swarm ოპტიმიზაციის ალგორითმები გთავაზობთ მნიშვნელოვან ინსტრუმენტს საკინძების ეფექტური და ეფექტური დიზაინისთვის და ხელს უწყობს სხვადასხვა ინდუსტრიებში მექანიკური მოწყობილობების მუშაობის და ფუნქციონირების გაუმჯობესებას.

ცნობა:

1. ვეი მინე, ჰან Xianguo, Zhang Jun. ოპტიმიზაციის კვლევა 3-Ups/S პარალელურად Billiard Ball Hinge [J]. კოსმოსური წარმოების ტექნოლოგია, 2011 (3): 19-23.

2. ჩენ ლიშუნი, ლი ლი, ჟანგ ჰონგლიანგი. ახალი სუპერ-რედუქტური რობოტის ერთობლივი დიზაინი. მექანიკური დიზაინი და წარმოება, 2010 (6): 148-150.

3. Yang Shun, Cai Anjiang. ელექტრონული ამაჩქარებლის პედლის ძაბვის კორექტირების პარამეტრების ოპტიმალური დიზაინი RBF და ნაწილაკების swarm ოპტიმიზაციის ალგორითმის საფუძველზე [J]. მექანიკური დიზაინი და წარმოება, 2011 (1): 72-74.