માળખાકીય વિશ્લેષણ, સામગ્રીની પસંદગી અને ટોપોલોજી ઓપ્ટિમાઇઝેશન

નફો:

• મર્યાદિત તત્વ (એફઇએ) અભ્યાસમાં લોડ કેસ, સીમાની સ્થિતિ અને પરિણામ અર્થઘટનમાં AI ને યોગ્ય રીતે સ્થાન આપવાની ક્ષમતા
• AI સપોર્ટ સાથે વજન ઘટાડવા માટે ટોપોલોજી ઓપ્ટિમાઇઝેશન અને સંયુક્ત સામગ્રીની પસંદગીનું અન્વેષણ કરવાની ક્ષમતા
• સ્વતંત્ર ગણતરી દ્વારા સલામતી પરિબળ, થાક જીવન અને નુકસાન સહનશીલતા પરિણામોને ચકાસવાની ક્ષમતા

એરક્રાફ્ટ સ્ટ્રક્ચરમાં એક જ મિશન હોય છે: તેના અંદાજિત જીવન દરમિયાન સલામતીના સ્વીકાર્ય માર્જિનમાં તમામ નિર્ધારિત ભારને વહન કરવું; અને ઓછામાં ઓછા સમૂહ સાથે આ કરવા માટે. ઉડ્ડયનમાં, દરેક વધારાના કિલોગ્રામનો અર્થ થાય છે વધારાનું બળતણ જીવનભર સળગાવવામાં આવે છે અને પેલોડ કે જે વહન કરી શકાતું નથી. તેથી જ સ્ટ્રક્ચરલ એન્જિનિયર સતત તણાવમાં કામ કરે છે: પર્યાપ્ત મજબૂત પરંતુ ખૂબ ભારે નથી. આ સંતુલન સ્થાપિત કરવા માટેનું આધુનિક સાધન મર્યાદિત તત્વ વિશ્લેષણ છે (એફઇએ; મર્યાદિત તત્વ વિશ્લેષણ, એક પદ્ધતિ જે માળખાને નાના તત્વોમાં વિભાજિત કરે છે અને દરેકમાં તણાવ અને તાણના ફેરફારોને સંખ્યાત્મક રીતે હલ કરે છે).

આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) માળખાકીય પૃથ્થકરણના ત્રણ ભારે લિફ્ટિંગ્સને દૂર કરે છે: લોડ કેસ અને સીમાની સ્થિતિને સરસ રીતે સ્થાપિત કરવી, જટિલ FEA પરિણામોનું અર્થઘટન કરવું, અને ટોપોલોજી ઓપ્ટિમાઇઝેશન દ્વારા સામગ્રીની પસંદગીની શોધ કરવી (એક પદ્ધતિ જે આપેલ લોડ હેઠળ સૌથી હલકો ટકાઉ આકાર શોધે છે જ્યાં તેની જરૂર હોય ત્યાં સામગ્રીનું વિતરણ કરીને). પરંતુ માળખું સલામતી-નિર્ણાયકતાનું શિખર છે: સલામતી ભૂલનું પરિબળ સીધા માળખાકીય નિષ્ફળતા તરફ દોરી જાય છે, એટલે કે પાંખ અથવા ફ્યુઝલેજ તૂટી જાય છે. તેથી, AI દ્વારા આપવામાં આવેલા સલામતી મૂલ્યોના કોઈપણ તણાવ, જીવન અથવા પરિબળનો સ્વતંત્ર હાથની ગણતરી અને એન્જિનિયર સમીક્ષા વિના ઉપયોગ કરવો જોઈએ નહીં.

વિભાવનાઓ: સલામતીનું પરિબળ: લોડનો ગુણોત્તર કે જે સામગ્રી ડિઝાઇન લોડ સામે ટકી શકે છે; ઉડ્ડયનમાં, સામાન્ય રીતે મર્યાદા લોડ (અંતિમ) કરતાં 1.5 ગણો ઉપયોગ થાય છે. વોન મિસેસ સ્ટ્રેસ: ઉપજની સરખામણીમાં એક માપ જે બહુઅક્ષીય તણાવને એક સમાન મૂલ્યમાં ઘટાડે છે. થાક: સામગ્રી તિરાડ અને વારંવાર લોડ હેઠળ સમય જતાં તૂટી જાય છે. નુકસાન સહનશીલતા: તિરાડ હોય ત્યારે પણ, આગામી નિરીક્ષણ સુધી તેને સુરક્ષિત રીતે વહન કરવાની રચનાની ક્ષમતા.

FEA વર્કફ્લોમાં AI ને યોગ્ય રીતે સ્થાન આપવું

FEA અભ્યાસ આવશ્યકપણે આ પગલાંઓ છે: તત્વ જાળીમાં ભૂમિતિને તોડીને, સામગ્રીના ગુણધર્મોને વ્યાખ્યાયિત કરવા, લોડ અને સપોર્ટ્સ (સીમાની સ્થિતિ) લાગુ કરવા, ઉકેલવા અને પરિણામનું અર્થઘટન કરવું. મોટાભાગની ભૂલો છેલ્લા બે પગલાથી શરૂ થાય છે: ખોટી રીતે લાગુ કરાયેલ સીમાની સ્થિતિ અથવા ખોટી રીતે અર્થઘટન કરાયેલ તણાવ એકાગ્રતા.

AI લોડ કેસોને વ્યવસ્થિત કરવામાં શક્તિશાળી છે. એરક્રાફ્ટનું માળખું એક લોડ સાથે નહીં, પરંતુ લોડ એન્વેલપ (તમામ જટિલ લોડ સંયોજનો જેમ કે દાવપેચ, પવનનો ફટકો, ઉતરાણ, દબાણ) સાથે ડિઝાઇન કરવામાં આવે છે. જો તમે AI ને મિશન અને રૂપરેખાંકન કહો છો, તો તે તમને એવા લોડ કેસોની યાદ અપાવશે કે જેને ચેકલિસ્ટ તરીકે અવગણવામાં આવી શકે છે (દા.ત. અસમપ્રમાણ વંશ, દબાણ ચક્ર). તેમની અંતિમ કોમેન્ટ્રીમાં, વોન મિસેસ ચેક પ્રશ્નો આપે છે જે તમને તણાવના નકશા પરના શિખરો વાસ્તવિક છે કે એકલતા (એક તીક્ષ્ણ ખૂણો અથવા બિન-ભૌતિક તણાવ કે જે ગાણિતિક રીતે પોઈન્ટ લોડ પર અનંત સુધી જાય છે) છે તે પારખવામાં મદદ કરે છે. પરંતુ કયું શિખર વાસ્તવિક છે તે એન્જિનિયર દ્વારા મેશ થિનિંગ ટેસ્ટિંગ દ્વારા નક્કી કરવામાં આવે છે.

સાવધાન: FEA માં, તીક્ષ્ણ આંતરિક ખૂણાઓ પર તણાવ સતત વધે છે કારણ કે જાળી પાતળી બને છે; આ એક એકલતા છે, વાસ્તવિકતા નથી. જો AI એ પીક સ્ટ્રેસને "ક્રિટિકલ" તરીકે ફ્લેગ કરે છે, તો પહેલા પાતળા પરીક્ષણ સાથે તપાસો કે તે નેટવર્કવાળી એકલતા છે કે કેમ; નહિંતર, તમે એવી સમસ્યામાં બિનજરૂરી સામગ્રી ઉમેરશો જે અસ્તિત્વમાં નથી.

ટોપોલોજી ઓપ્ટિમાઇઝેશન અને સામગ્રીની પસંદગી

ટોપોલોજી ઓપ્ટિમાઇઝેશન ડિઝાઇન વોલ્યુમ, લોડ અને અવરોધોને ધ્યાનમાં રાખીને "હું આ શક્તિને ઓછામાં ઓછા સમૂહ સાથે કેવી રીતે પ્રદાન કરી શકું" પ્રશ્નનો ઉકેલ લાવે છે અને ઘણીવાર કાર્બનિક, હાડકા જેવી રચનાઓ ઉત્પન્ન કરે છે. આ પદ્ધતિ, જ્યારે એડિટિવ મેન્યુફેક્ચરિંગ (3D પ્રિન્ટિંગ સાથે ભાગોનું ઉત્પાદન) સાથે જોડાય છે, ત્યારે ઉડ્ડયનમાં ગંભીર વજનમાં વધારો થાય છે. AI ઑપ્ટિમાઇઝેશન સેટ કરવામાં મદદ કરે છે (કયો પ્રદેશ સ્થિર રહેશે, વોલ્યુમની મર્યાદા શું હશે, લોડ કેવી રીતે વ્યાખ્યાયિત કરવામાં આવશે) અને ઉત્પાદનની દ્રષ્ટિએ પરિણામનું અર્થઘટન કરવામાં મદદ કરે છે.

સામગ્રીની પસંદગી એ વેપાર બંધનું બીજું ક્ષેત્ર છે. એલ્યુમિનિયમ એલોય, ટાઇટેનિયમ, સ્ટીલ અને કમ્પોઝીટ (સંમિશ્રિત; પ્રકાશ અને મજબૂત સામગ્રી જેમાં કાર્બન ફાઇબર જેવા ફાઇબરને રેઝિન સાથે જોડવામાં આવે છે) વિવિધ તાકાત-ઘનતા-ખર્ચ-ઉત્પાદનક્ષમતા બેલેન્સ ઓફર કરે છે. AI એક ટેબલ બનાવે છે જે ઉમેદવારોની ચોક્કસ તાકાત (તાકાત/ઘનતા), થાકની વર્તણૂક, તાપમાન સહિષ્ણુતા અને કિંમત પર સરખામણી કરે છે; પરંતુ અંતિમ પસંદગી પ્રમાણપત્ર ઇતિહાસ અને પુરવઠાના તથ્યો સાથે એન્જિનિયરનો નિર્ણય છે.

સામગ્રી

ઘનતા (kg/m³)

ચોક્કસ તાકાત

થાક

લાક્ષણિક ઉપયોગ

એલ્યુમિનિયમ 7075

~2810

ઉચ્ચ

મધ્યમ

ધડ, પાંસળી, પટ

ટાઇટેનિયમ Ti-6Al-4V

~4430

ખૂબ ઊંચી

સારું

એન્જિન માઉન્ટ, લેન્ડિંગ ગિયર

સ્ટીલ (4340)

~7850

મધ્યમ

સારું

ઉચ્ચ લોડ બેરિંગ્સ

કાર્બન ફાઇબર સંયુક્ત

~1600

સૌથી વધુ

ખૂબ સારું (દિશા આધારિત)

પાંખ, પૂંછડી, શેલ

ટિપ: મટિરિયલ ડેટાશીટમાંથી મટિરિયલ ટેબલમાં દરેક નંબરને ચકાસો, AIમાંથી નહીં. AI લાક્ષણિક મૂલ્યોને યાદ રાખે છે, પરંતુ આગલા પગલામાં દાખલ કરેલ મૂલ્ય એલોય અને હીટ ટ્રીટમેન્ટની પ્રમાણિત ડેટા શીટમાંથી આવવું જોઈએ જેનો તમે ઉપયોગ કરશો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ કૌંસનો તણાવ 400 MPa હોવાનું બહાર આવ્યું છે. શું તે સુરક્ષિત છે?

શક્તિશાળી પ્રોમ્પ્ટ:

ભૂમિકા: તમે વરિષ્ઠ માળખાકીય ઈજનેર છો; તમે સલામતી-નિર્ણાયક ચકાસણી લાગુ કરો છો. સંદર્ભ (પ્રતિનિધિ મૂલ્યો): એલ્યુમિનિયમ 7075-T6 કૌંસ, સીમા લોડ હેઠળ FEA માં પીક વોન મિસેસ સ્ટ્રેસ 400 MPa છે. સામગ્રીની ઉપજ શક્તિ ~503 MPa. શિખર તીક્ષ્ણ આંતરિક ખૂણા પર થાય છે. કાર્ય:1) મર્યાદા અને અંતિમ (1.5x) ભાર માટે સલામતીના પરિબળની ગણતરી કરો; એકમ લખો.2) શિરોબિંદુ એક જાળીદાર એકરૂપતા છે કે કેમ તે હું કેવી રીતે તપાસું, પગલું દ્વારા.3) થાકના સંદર્ભમાં કયા વધારાના વિશ્લેષણની જરૂર છે? અવરોધ: "સલામત" નક્કી કરશો નહીં; મને કહો કે કઈ તપાસ પછી નિર્ણય લઈ શકાય. ડેટા શીટમાંથી ભૌતિક મૂલ્યો ચકાસવા માટે મને યાદ કરાવો.

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

નમૂનો 1 — કેસ ચેકલિસ્ટ લોડ કરો:

નિર્ણાયક લોડ કેસો (પ્રતિનિધિ સંદર્ભ) ની એક વ્યાપક ચેકલિસ્ટ બનાવો જે મારે નીચેની રચના માટે ડિઝાઇનમાં ધ્યાનમાં લેવી જોઈએ: [ભાગ, કાર્ય]. દાવપેચ, ગસ્ટ, ડિસેન્ટ, દબાણ, તાપમાન, કંપન અને અસમપ્રમાણતાના કેસોને ધ્યાનમાં લો. દરેક લોડ કેસ માટે, કયું સંયોજન સામાન્ય રીતે મહત્વપૂર્ણ છે અને તેને કેવી રીતે ચકાસવું તે લખો. જો તમે કંઈક ચૂકી ગયા છો, તો તેને "ચેક" તરીકે ચિહ્નિત કરો.

નમૂનો 2 — સલામતી અને માર્જિન ગણતરીનું પરિબળ:

નીચેના FEA પરિણામમાંથી સલામતીના માર્જિનની ગણતરી કરો (એકમો સ્પષ્ટ રીતે લખો): પીક વોન મિસેસ સ્ટ્રેસ=[...], સામગ્રીની ઉપજ=[...], અંતિમ તાકાત=[...].(a) મર્યાદા લોડ અને અંતિમ લોડ (1.5x) માટે અલગથી સલામતીનો માર્જિન/ગુણાંક (1.5x). ઓછામાં ઓછું?ગણતરીનું દરેક પગલું બતાવો; હું હાથની ગણતરી દ્વારા પુષ્ટિ કરીશ.

નમૂનો 3 — ટોપોલોજી ઓપ્ટિમાઇઝેશન સેટઅપ:

ટોપોલોજી ઓપ્ટિમાઇઝેશન સેટઅપ (પ્રતિનિધિ) ને વ્યાખ્યાયિત કરવામાં મને મદદ કરો: ડિઝાઇન વોલ્યુમ=[...], પ્રદેશો કે જે સતત રહેવું જોઈએ (લોડ/સપોર્ટ)=[...], ટાર્ગેટ=માસ મિનિમાઇઝેશન, અવરોધ=વોલ્યુમ અપૂર્ણાંક અથવા તણાવ.(a) મારે કયા પ્રદેશોને "ડિઝાઇનની બહાર" છોડવા જોઈએ? (b) જો પરિણામ ઓર્ગેનિક હોય, તો મારે ઉત્પાદનક્ષમતા (એડિટિવ મેન્યુફેક્ચરિંગ, ન્યૂનતમ દિવાલની જાડાઈ) માટે કયા અવરોધો ઉમેરવા જોઈએ? (c) હું FEA સાથે પરિણામ કેવી રીતે ચકાસી શકું?

નમૂનો 4 — મટીરીયલ ટ્રેડ-ઓફ ટેબલ:

નીચેની એપ્લિકેશન માટે [ભાગ, ભાર, તાપમાન, પર્યાવરણ] સામગ્રી ઉમેદવારોની તુલના કરતું ટેબલ સેટ કરો: એલ્યુમિનિયમ, ટાઇટેનિયમ, સ્ટીલ, સંયુક્ત. માપદંડ: ચોક્કસ તાકાત, થાકનું વર્તન, તાપમાન સહિષ્ણુતા, ઉત્પાદનક્ષમતા, સંબંધિત ખર્ચ, પ્રમાણપત્ર પરિપક્વતા. દરેક સંખ્યાત્મક મૂલ્યને "ડેટા શીટમાંથી ચકાસો" નોંધ સાથે ચિહ્નિત કરો; ચોક્કસ મૂલ્ય ન લખો, લાક્ષણિક શ્રેણી આપો.

મીની કેસો

કેસ 1 - એકલતા વાસ્તવિક હોવાનું માનવામાં આવે છે. એક એન્જિનિયર ગભરાઈ જાય છે જ્યારે તે કનેક્ટિંગ બ્રેકેટમાં 620 MPa ના FEA-જાહેર પીક સ્ટ્રેસને જુએ છે; સામગ્રી ઉપજ 503 MPa છે, માર્જિન નકારાત્મક દેખાય છે. AI દ્વારા સૂચવવામાં આવેલ નેટવર્ક પાતળું પરીક્ષણ લાગુ કરવામાં આવે છે: જેમ જેમ નેટવર્ક વધુ ગીચ બને છે તેમ, તાણ 620 થી 680, પછી 740 MPa સુધી વધે છે, એટલે કે તે એકરૂપ થતું નથી. આ એક એકલતા છે; સાચા તણાવ 410 MPa પર સ્થાયી થાય છે જ્યારે ખૂણામાં એક નાનકડી ફીલેટનું મોડેલિંગ કરવામાં આવે છે અને તેને ફરીથી હલ કરવામાં આવે છે, અને માર્જિન હકારાત્મક બને છે. પાઠ: અમર્યાદિત વધારાનો તણાવ સંખ્યાત્મક છે, ભૌતિક નથી.

કેસ 2 - ટોપોલોજી ઓપ્ટિમાઇઝેશન 28% વજન બચાવે છે. એક ટીમ ટોપોલોજી-એન્જિન માઉન્ટિંગ બ્રેકેટને ઑપ્ટિમાઇઝ કરે છે જેની પરંપરાગત ડિઝાઇન 1.85 કિગ્રા છે. AI સેટઅપ સેટ કરવામાં મદદ કરે છે (નિશ્ચિત ઝોન, વોલ્યુમની મર્યાદા); પરિણામી કાર્બનિક ભૂમિતિને ટાઇટેનિયમમાં એડિટિવ મેન્યુફેક્ચરિંગ દ્વારા બનાવવામાં આવે છે, વજન 1.33 કિગ્રા સુધી ઘટાડીને બનાવવામાં આવે છે. જો કે, ટીમ ઑપ્ટિમાઇઝ ભૂમિતિને માન્યતા FEA અને થાક વિશ્લેષણ દ્વારા ચલાવ્યા વિના મંજૂર કરતી નથી; કારણ કે ઑપ્ટિમાઇઝેશન સ્થિર શક્તિને લક્ષ્યાંકિત કરે છે અને થાકને સીધી રીતે ધ્યાનમાં લેતું નથી. પાઠ: ઑપ્ટિમાઇઝેશન આઉટપુટ એ શરૂઆત છે, માન્ય ડિઝાઇન નથી.

કેસ 3 - જ્યારે થાકને અવગણવામાં આવે છે. સ્ટુડન્ટ ટીમ વિંગ માઉન્ટની પુષ્ટિ કરે છે જે સ્ટેટિક એનાલિસિસમાં પુષ્કળ માર્જિન ધરાવતું જણાય છે; AI અમને યાદ અપાવે છે કે સ્ટેટિક માર્જિન પર્યાપ્ત છે, પરંતુ વારંવાર ટેક-ઓફ અને લેન્ડિંગ લોડ થાકનું જીવન નક્કી કરશે. S-N વળાંક (તાણના કંપનવિસ્તાર - ચક્ર સંબંધની સંખ્યા) સાથેની સરળ ગણતરી દર્શાવે છે કે ડિઝાઇન 20,000 ચક્રમાં તિરાડો શરૂ કરી શકે છે, જ્યારે લક્ષ્ય જીવન 60,000 ચક્ર છે. તણાવની તીવ્રતા ઘટાડીને ભાગને ફરીથી ડિઝાઇન કરવામાં આવ્યો છે. પાઠ: સ્થિર સલામતીનો અર્થ થાક સલામતી નથી.

સામાન્ય ભૂલો

• વાસ્તવિક તણાવ માટે એકલતાની ભૂલ કરવી. તીક્ષ્ણ ખૂણા પર અમર્યાદિત વધતા તણાવ સંખ્યાત્મક છે; પાતળા પરીક્ષણ વિના સામગ્રી ઉમેરવામાં આવતી નથી.
• માત્ર સ્ટેટિક ચાર્જ જોઈ રહ્યા છીએ. પુનરાવર્તિત લોડ હેઠળ થાક તે ભાગને તોડી શકે છે જે સ્થિર રીતે સલામત દેખાય છે.
• AI થી ભૌતિક મૂલ્ય મેળવવું. ગણતરી કરવાની તાકાત મૂલ્ય એલોય અને હીટ ટ્રીટમેન્ટની પ્રમાણિત ડેટા શીટમાંથી આવે છે.
• ચકાસાયેલ ડિઝાઇન માટે ઓપ્ટિમાઇઝેશન આઉટપુટમાં ભૂલ કરવી. ટોપોલોજી પરિણામ ચકાસણી FEA, ઉત્પાદનક્ષમતા અને થાક તપાસ વિના મંજૂર કરવામાં આવતું નથી.
• કાર્ગો પરબિડીયું અપૂર્ણ રીતે ઇન્સ્ટોલ કરવું. ચૂકી ગયેલ લોડ કેસ (અસમપ્રમાણ વંશ, દબાણ) સૌથી જટિલ હોઈ શકે છે.

સારાંશમાં

માળખાકીય વિશ્લેષણ એ સુરક્ષા-નિર્ણાયકતાનું શિખર છે; તણાવ અથવા સલામતી ભૂલનું પરિબળ સીધા માળખાકીય નિષ્ફળતા તરફ દોરી જાય છે. AI એ લોડ કેસ, પરિણામ અર્થઘટન, ટોપોલોજી ઑપ્ટિમાઇઝેશન સેટઅપ અને મટિરિયલ ટ્રેડ-ઑફને વ્યવસ્થિત કરવા માટે એક શક્તિશાળી સહાયક છે. પરંતુ પીક સ્ટ્રેસ એકલતા, હાથની ગણતરી દ્વારા પરિણામો, ડેટા શીટ દ્વારા ભૌતિક મૂલ્યો, થાક દ્વારા સ્થિર માર્જિન દ્વારા ચકાસવામાં આવે છે. ઑપ્ટિમાઇઝેશન આઉટપુટ એ પ્રારંભિક બિંદુ છે; અંતિમ મંજૂરી એ ચકાસાયેલ વિશ્લેષણ અને એન્જિનિયર સમીક્ષા છે.

એપ્લિકેશન કાર્ય

સરળ માળખાકીય ભાગ (કૌંસ, પાંસળી, લિંક) માટે પ્રતિનિધિ લોડ અને સામગ્રી દૃશ્ય વ્યાખ્યાયિત કરો. AI નો ઉપયોગ કરીને, (a) નિર્ણાયક લોડ કેસોની એક ચેકલિસ્ટ તૈયાર કરો, (b) આપેલ પીક સ્ટ્રેસ માટે મર્યાદા અને સલામતીના અંતિમ પરિબળોની હાથ ગણતરી દ્વારા ગણતરી કરો અને ચકાસો, (c) શિખર એક એકલતા છે કે કેમ તે કેવી રીતે ચકાસવું તે વિશે ચાલો. મટિરિયલ ટ્રેડ-ઑફ ટેબલ સેટ કરો અને ડેટા શીટ સાથે ઓછામાં ઓછું એક મૂલ્ય ચકાસો.

ચેકલિસ્ટ

• [ ] મેં જટિલ લોડ કેસોને વ્યાપક પરબિડીયું તરીકે સૂચિબદ્ધ કર્યા છે.
• [ ] મેં મર્યાદા અને અંતિમ ભાર માટે સલામતી ગુણાંકની અલગથી ગણતરી કરી અને હાથની ગણતરીથી તેની પુષ્ટિ કરી.
• [ ] મેં તપાસ્યું કે શું ટોચના તાણ પાતળા થવાની કસોટી સાથે એકલતા હતા.
• [ ] સ્થિર માર્જિન ઉપરાંત, મેં થાક/નુકસાન સહનશીલતાનું મૂલ્યાંકન કર્યું.
• [ ] મેં પ્રમાણિત ડેટા શીટમાંથી ભૌતિક મૂલ્યોની ચકાસણી કરી.
• [ ] મેં માન્યતા FEA દ્વારા ટોપોલોજી ઓપ્ટિમાઇઝેશન આઉટપુટ પાસ કર્યું છે.