Bu araşdırma, qatarların və digər nəqliyyat vasitələrinin passiv təhlükəsizlik sistemlərində toqquşma enerjisini plastik deformasiya yolu ilə uda bilən dəyişən qalınlıqlı genişlənmə borularının dizaynını optimallaşdırmaq üçün təcrübə, sonlu element analizi, maşın öyrənməsi, çoxməqsədli genetik optimallaşdırma və çoxmeyarlı qərarvermə üsullarını bir araya gətirir.

Araşdırmanın əsas problemi bir-biri ilə ziddiyyət təşkil edən üç mühəndislik məqsədidir: ilkin pik əzilmə qüvvəsini (IPCF) azaltmaq, ümumi enerji udmanı (EA) artırmaq və konstruktiv kütləni azaltmaq. Sabit divar qalınlığına malik borular bu məqsədlər arasında məhdud dizayn çevikliyi təmin etdiyi halda, dəyişən qalınlıqlı borular materialı ehtiyac duyulan bölgələrdə cəmləşdirib digər bölgələrdə azaldaraq daha geniş performans sahəsi təqdim edə bilər.

Fiziki dartılma və kvazistatik genişlənmə təcrübələrindən istifadə edilərək sonlu element modeli kalibrlənmişdir. Lakin fiziki doğrulama sabit qalınlıqlı UTET prototipləri üzərində aparılmış; optimallaşdırılmış VTET-in fiziki prototipi bu tədqiqat çərçivəsində istehsal edilməmişdir. Buna görə son VTET nəticələri birbaşa təcrübə ilə deyil, doğrulanmış sonlu element modeli vasitəsilə qiymətləndirilmişdir.

Maşın öyrənməsi mərhələsində xüsusiyyət əhəmiyyəti qatı olan tam əlaqəli neyron şəbəkəsindən (FI-FCN) istifadə edilmişdir. Model beşqat çarpaz doğrulamada EA üçün R²=0,985, IPCF üçün R²=0,953 və kütlə üçün R²=0,995 əldə etmişdir. Daha sonra NSGA-II ilə Pareto həllər çoxluğu yaradılmış və EW-GRA-TOPSIS üsulu ilə tmin=2,08 mm, tmax=7,62 mm və α=44,90° qiymətlərinə malik kompromis həll seçilmişdir.

Seçilmiş dizaynın maşın öyrənməsi/optimallaşdırma proqnozları ilə sonlu element doğrulaması arasındakı nisbi fərqlər kütlədə %0,23, enerji udmada %3,65 və ilkin pik əzilmə qüvvəsində %4,37 kimi bildirilmişdir. Bu nəticələr təklif olunan hesablama çərçivəsinin eyni modelləşdirmə sahəsi daxilində etibarlı olduğunu dəstəkləyir; real yüksək sürətli qatar toqquşmasında eyni performansın fiziki olaraq doğrulandığı mənasına gəlmir.

Genişlənmə Borusu Toqquşma Enerjisini Necə Udur?

Genişlənmə borusu, konik və ya oxşar bir zımba borunun içinə məcbur edildikdə metal divarın radial və plastik şəkildə genişlənməsi hesabına mexaniki enerjini deformasiya enerjisinə çevirən passiv enerjiuducu elementdir.

Yüklənmənin başlanğıcında zımba ilə boru arasında məhdud təmas sahəsi olur. Zımba irəlilədikcə təmas sahəsi böyüyür və boru divarı plastik deformasiyaya uğrayır. Qüvvə sürətlə artır. Boru zımbanın həndəsəsinə kifayət qədər uyğunlaşdıqdan sonra daha sabit genişlənmə rejimi yaranır.

Bu davranışın iki mühüm nəticəsi vardır:

• Toqquşma enerjisinin bir hissəsi qalıcı metal deformasiyasına çevrilə bilər.
• Borunun həndəsəsi dəyişdirilərək qüvvə səviyyəsi və enerji udma davranışı layihələndirilə bilər.

IPCF niyə aşağı olmalıdır?

Initial Peak Crushing Force (IPCF), deformasiyanın başlanğıcında yaranan ilk yüksək qüvvə pikidir. Həddən artıq yüksək IPCF, enerjiuducu konstruksiyanın yükü nəqliyyat vasitəsinin gövdəsinə və ya digər sistemlərə qəfil ötürməsinə səbəb ola bilər.

Buna görə yaxşı bir enerjiuducu yalnız ümumilikdə çox enerji udmamalı; enerjini daha nəzarətli qüvvə səviyyəsində uda bilməlidir.

EA niyə yüksək olmalıdır?

Energy Absorption (EA), deformasiya prosesi zamanı qüvvə–yerdəyişmə əyrisinin altında qalan sahə ilə əlaqəli ümumi mexaniki enerji udmanı ifadə edir.

Daha yüksək EA eyni deformasiya məsafəsində daha çox kinetik enerjinin konstruksiya tərəfindən udula bilməsi deməkdir.

Niyə kütlə də optimallaşdırılır?

Enerji udmanı artırmağın ən sadə yollarından biri daha çox materialdan istifadə etməkdir. Lakin dəmir yolu və avtomobil sistemlərində daha ağır passiv təhlükəsizlik konstruksiyaları nəqliyyat vasitəsinin enerji sərfiyyatı, ox yükü və ümumi dizayn səmərəliliyi baxımından arzuolunmaz ola bilər.

Buna görə araşdırma yalnız qüvvə və enerjini deyil, eyni zamanda konstruktiv kütləni də optimallaşdırma məqsədi kimi götürür.

Dəyişən Qalınlıqlı Boru Sabit Qalınlıqlı Borudan Niyə Fərqlənir?

Sabit qalınlıqlı boruda bütün ox boyunca eyni divar qalınlığından istifadə olunur. Dəyişən qalınlıqlı VTET-də isə divar qalınlığı bir ucdan digər uca dəyişdirilə bilər.

Bu yanaşma materialı deformasiyanın daha çox müqavimət tələb etdiyi bölgələrdə cəmləşdirməyə, daha az kritik bölgələrdə isə divarı nazikləşdirməyə imkan verir.

Sonlu Element Modeli Fiziki Olaraq Necə Doğrulandı?

Tədqiqat əvvəlcə 20 steel materialının dartılma davranışını təcrübi olaraq müəyyən etmişdir. Əldə olunan mühəndislik gərginlik–deformasiya məlumatları həqiqi gərginlik–həqiqi deformasiya formasına çevrilmiş və LS-DYNA material modelində istifadə olunmuşdur.

Sonlu element şəbəkəsi səkkiz düyünlü heksaqonal bərk elementlərdən qurulmuş və element ölçüsü 1 mm seçilmişdir.

Dörd müxtəlif konus bucağına malik fiziki zımbalardan istifadə edilərək sabit qalınlıqlı borular kvazistatik şəkildə genişləndirilmişdir:

• 15°
• 25°
• 35°
• 45°

Zımba 5 mm/dəq sürətlə ümumilikdə 150 mm hərəkət etdirilmişdir.

Təcrübə və simulyasiya qüvvə–yerdəyişmə əyriləri ilə deformasiya formaları ümumilikdə bir-birinə yaxın olmuş; müəlliflər bunu sonlu element modelinin sonrakı parametrik VTET təhlilləri üçün kifayət qədər doğrulanması kimi qiymətləndirmişlər.

Mühüm doğrulama məhdudiyyəti

Bu mərhələdə tədqiqat fiziki olaraq optimallaşdırılmış VTET prototipini sınaqdan keçirmir.

Doğrulanmış zəncir belədir:

UTET fiziki təcrübəsi → UTET sonlu element doğrulaması → eyni modelləşdirmə yanaşmasının VTET hesablamalarına tətbiqi.

Deməli, VTET performansı birbaşa prototip sınağı ilə doğrulanmış deyil.

Ortoqonal Təcrübə Hansı Parametrlərin Əhəmiyyətli Olduğunu Göstərdi?

Dörd dizayn parametrinin IPCF, EA və kütləyə təsirini araşdırmaq üçün 16 şərtli ortoqonal dizayndan istifadə edilmişdir.

ANOVA nəticələrinə görə:

D parametri EA baxımından statistik olaraq əhəmiyyətli olsa da, kütlə və IPCF üçün əhəmiyyətli çıxmamışdır. Tədqiqatçılar üç çıxış üçün ortaq və daha şərh edilə bilən giriş dəsti istifadə etmək məqsədilə D-ni sonrakı FI-FCN modelindən çıxarmışlar.

Buna görə sonrakı optimallaşdırma:

tmin + tmax + α → IPCF + EA + m

əlaqəsindən istifadə edir.

FI-FCN Adi Sinir Şəbəkəsindən Niyə Fərqlənir?

FI-FCN klassik fully connected neural network quruluşuna bir Feature Importance — Xüsusiyyət Əhəmiyyəti qatı əlavə edir.

Ortoqonal təcrübə və ANOVA nəticələrindən əldə olunan əhəmiyyət məlumatı giriş dəyişənlərinin sinir şəbəkəsinə eyni çəki ilə başlamasının qarşısını alır. Daha əhəmiyyətli hesab edilən dəyişənlər başlanğıcda daha güclü təmsil olunur.

Modelin quruluşu:

1. Giriş qatı: tmin, tmax və α.
2. Feature Importance qatı.
3. 32 neyronlu gizli qat.
4. 64 neyronlu gizli qat.
5. Çıxış: IPCF, EA və ya kütlə.

Hər hədəf üçün ayrıca əvəzedici model qurulmuşdur.

Maşın öyrənməsi məlumatları necə yaradıldı?

Maximin Latin Hypercube Sampling vasitəsilə dizayn fəzasından 100 parametr kombinasiyası seçilmiş və hər kombinasiya sonlu element modeli ilə həll edilərək IPCF, EA və kütlə qiymətləri əldə edilmişdir.

Beləliklə, FI-FCN-nin əsas təlim məlumatları fiziki toqquşma təcrübələrindən deyil, doğrulanmış sonlu element modelindən gəlir.

Beşqat çarpaz doğrulama nəticəsi

Kütlə proqnozlaşdırılması ən asan çıxış kimi göründüyü halda, IPCF daha çətin hədəf olmuşdur.

NSGA-II Üç Zidd Məqsədi Eyni Anda Necə Optimallaşdırır?

Optimallaşdırma problemi:

• IPCF-ni minimumlaşdır
• EA-nı maksimumlaşdır
• Kütləni minimumlaşdır

şəklində qurulmuşdur.

Bu məqsədlərin vahid riyazi optimumu olmaq məcburiyyətində deyil. Buna görə NSGA-II Pareto həllər çoxluğu yaradır.

Pareto-optimal həll digər meyarlardan ən azı birini pisləşdirmədən başqa bir meyarda yaxşılaşdırıla bilməyən dizayndır.

EW-GRA-TOPSIS Pareto Cəbhəsindən Tək Dizaynı Necə Seçir?

NSGA-II çoxsaylı etibarlı həll yaratdığı üçün mühəndislik tətbiqi baxımından bir dizayn seçmək məqsədilə EW-GRA-TOPSIS istifadə edilmişdir.

Birinci mərhələdə Entropy Weight Method hər performans göstəricisinin Pareto çoxluğundakı informasiya fərqləndiriciliyinə əsasən obyektiv çəkisini müəyyən edir.

İkinci mərhələdə iki müstəqil qiymətləndirmə aparılır:

• TOPSIS: həllin ideal dizayna həndəsi yaxınlığı.
• GRA: performans nümunəsinin ideal istinadla meyl oxşarlığı.

Son mərhələdə iki bal bərabər çəki ilə birləşdirilir.

Bu üsulda IPCF 0,443 ilə ən yüksək entropiya çəkisini almışdır. EA-nın çəkisi 0,251 kimi bildirilmişdir.

Tədqiqatın Metodu və Nəticələri

Seçilmiş Son Dizaynın Parametrləri Hansılardır?

EW-GRA-TOPSIS qiymətləndirilməsində 145 nömrəli həll ən yüksək ümumi qiymətləndirmə balına çatmışdır.

Optimallaşdırma Nəticəsi Sonlu Element Analizi ilə Nə Qədər Uyğunlaşdı?

Hər üç fərqin %5-dən aşağı olması FI-FCN + NSGA-II + EW-GRA-TOPSIS zəncirinin istifadə etdiyi sonlu element dizayn fəzası daxilində ardıcıl proqnoz yarada bildiyini dəstəkləyir.

Mənbədə EA ilə bağlı daxili uyğunsuzluq var

Nəticələrin izah edildiyi paraqrafda 67,68 kJ qiyməti optimallaşdırma proqnozu, 65,21 kJ isə sonlu element nəticəsi kimi göstərilmişdir. Dərhal ardınca gələn Cədvəl 6 isə qiymətləri əksinə etiketləyir.

Buna görə Verianla bu iki rəqəmdən hansının hansı kateqoriyaya aid olduğu barədə mənbənin əvəzinə yeni qərar vermir; yuxarıdakı cədvəli mənbənin öz Cədvəl 6 quruluşuna uyğun təqdim edir.

Tədqiqatın Güclü Tərəfləri Hansılardır?

• Material davranışının eksperimental dartılma sınağı ilə müəyyən edilməsi.
• Sonlu element modelinin real kvazistatik genişlənmə təcrübələri ilə yoxlanması.
• Dəyişən qalınlığın yalnız intuitiv deyil, parametrik dizayn dəyişəni kimi modelləşdirilməsi.
• ANOVA ilə dəyişən əhəmiyyətinin optimallaşdırmadan əvvəl araşdırılması.
• Statistik xüsusiyyət əhəmiyyəti məlumatının maşın öyrənməsi modelinə ötürülməsi.
• Beşqat çarpaz doğrulamadan istifadə edilməsi.
• Üç zidd məqsədin Pareto optimallaşdırması ilə birlikdə nəzərə alınması.
• Pareto çoxluğundan son dizayn seçilərkən tək meyar əvəzinə EWM, TOPSIS və GRA-nın birlikdə istifadə edilməsi.

Tədqiqatın Məhdudiyyətləri Hansılardır?

• Optimallaşdırılmış VTET fiziki olaraq istehsal edilib sınaqdan keçirilməmişdir.
• Modelin doğrulanması sabit qalınlıqlı UTET üzərində aparılmışdır.
• Fiziki sınaqlar kvazistatik yüklənmə şəraitindədir; real yüksək sürətli toqquşma deyil.
• FI-FCN-nin təlim məlumatları əsasən sonlu element simulyasiyalarından gəlir.
• D parametri EA üzərində əhəmiyyətli olsa da, ortaq model ardıcıllığı məqsədilə sonrakı modeldən çıxarılmışdır.
• Nəticə paraqrafı ilə Cədvəl 6 arasında EA qiymətlərinin prediction/simulation etiketi baxımından tərsliyi vardır.
• 20 steel dartılma sınağı üçün göstərilən GB/T 16865-2013 istinadının başlığı istifadə olunan materialla açıq şəkildə uyğun gəlmir.
• Real nəqliyyat vasitəsi gövdəsi, sərnişin yükləri və yüksək sürətli toqquşma ssenariləri bu məqalədə doğrulanmamışdır.

Tədqiqatın dəstəklədiyi nəticələr

• Dəyişən qalınlıq genişlənmə borularında çoxməqsədli dizayn üçün əlavə sərbəstlik verir.
• Qalınlıq parametrləri və konus bucağı IPCF, EA və kütləyə əhəmiyyətli şəkildə təsir edə bilər.
• UTET təcrübələri ilə kalibrlənmiş sonlu element modeli VTET dizayn fəzasının rəqəmsal araşdırılmasında istifadə edilə bilər.
• FI-FCN istifadə olunan simulyasiya məlumat dəstində IPCF, EA və kütləni yüksək R² ilə proqnozlaşdıra bilər.
• NSGA-II üç zidd performans məqsədi arasında geniş Pareto həllər çoxluğu yaradır.
• EW-GRA-TOPSIS Pareto həlləri arasından məlumat əsaslı kompromis dizayn seçmək üçün istifadə edilə bilər.
• Seçilmiş həllin əvəzedici model nəticələri ilə sonlu element nəticələri arasındakı fərqlər %5-dən aşağı qalmışdır.

Tədqiqatın dəstəkləmədiyi nəticələr

• Optimallaşdırılmış VTET-in real yüksək sürətli qatar toqquşmasında fiziki olaraq doğrulandığı göstərilməmişdir.
• Tədqiqat sərnişin xəsarətinin müəyyən faizlə azalacağını göstərmir.
• Maşın öyrənməsinin birbaşa eksperimental məlumatlara əsaslanaraq real toqquşmanı proqnozlaşdırdığı deyilə bilməz.
• FI-FCN-nin yüksək R² göstəriciləri real dünyadakı bütün VTET dizaynlarında eyni dəqiqliyə zəmanət vermir.
• Tək bir Pareto həllinin bütün mühəndislik tətbiqlərində universal olaraq “ən yaxşı” olduğu göstərilməmişdir.
• Dəyişən qalınlıqlı borunun bütün sabit qalınlıqlı dizaynlardan bütün performans meyarlarında eyni anda üstün olduğu göstərilməmişdir.

Tədqiqatın mühəndislik baxımından əsas töhfəsi

Tədqiqatın ən mühüm töhfəsi yalnız yeni boru həndəsəsi təklif etmək deyil. Əsas töhfə fiziki təcrübədən başlayan və qərarvermə mərhələsinə qədər uzanan birləşdirilmiş dizayn iş axınıdır:

Material sınağı → fiziki genişlənmə sınağı → sonlu element doğrulaması → ortoqonal parametr təhlili → FI-FCN əvəzedici modeli → NSGA-II Pareto optimallaşdırması → EW-GRA-TOPSIS → sonlu element yoxlaması.

Bu quruluş çoxsaylı bahalı sonlu element analizlərini birbaşa optimallaşdırma dövrəsində təkrar-təkrar işlətmək əvəzinə, öyrədilmiş əvəzedici model üzərindən daha sürətli və geniş dizayn araşdırması aparmağa imkan verir.

Mənbə və Metod Qeydi

Orijinal başlıq:Multi-Objective Crashworthiness Optimization of Variable-Thickness Expansion Tubes Using Machine Learning and Decision-Making.

Müəlliflər: Dezhuang Yu, Haitao Dong, Zhanyu Liu, Weiyuan Guan, Jijian Lu.

Qurumlar: CRRC Dalian Locomotive and Rolling Stock Co., Ltd.; School of Traffic and Transportation Engineering, Central South University.

Jurnal:Machines.

İl / cild / məqalə nömrəsi: 2026, 14, 692.

Nəşr tarixi: 16 İyun 2026.

DOI: 10.3390/machines14060692.

Lisenziya: Creative Commons Attribution (CC BY).

Tədqiqat növü: Eksperimental doğrulama, sonlu element analizi, maşın öyrənməsi, çoxməqsədli optimallaşdırma və çoxmeyarlı qərarverməni birləşdirən konstruktiv toqquşma dayanıqlığı araşdırması.

Material: 20 steel.

Eksperimental doğrulama: Fiziki UTET kvazistatik genişlənmə təcrübələri; 15°, 25°, 35° və 45° zımba bucaqları.

Sonlu element proqramı: LS-DYNA.

Maşın öyrənməsi: Feature Importance qatlı Fully Connected Network (FI-FCN).

Model girişləri: tmin, tmax və α.

Model çıxışları: IPCF, EA və konstruktiv kütlə.

Nümunələmə: Maximin Latin Hypercube Sampling, 100 dizayn nümunəsi.

Modelin qiymətləndirilməsi: Beşqat çarpaz doğrulama; R², RMSE, MAE və MAPE.

Çoxməqsədli optimallaşdırma: NSGA-II.

Qərarvermə: Entropy Weight Method + Grey Relational Analysis + TOPSIS.

Seçilmiş dizayn: tmin=2,08 mm; tmax=7,62 mm; α=44,90°.

Sonlu element müqayisəsində nisbi fərqlər: kütlə %0,23; EA %3,65; IPCF %4,37.

Mühüm eksperimental məhdudiyyət: Optimallaşdırılmış VTET fiziki olaraq istehsal edilməmişdir; VTET nəticələri UTET üzərində doğrulanmış sonlu element metodologiyasına əsaslanır.

Mənbədaxili ardıcıllıq qeydi: Cədvəl 6 ilə nəticə paraqrafı 65,21 kJ və 67,68 kJ EA qiymətlərinin “optimal result” və “simulation result” etiketlərində bir-birinə ziddir. Bundan əlavə, 20 steel nümunəsi üçün göstərilən GB/T 16865-2013 standartının istinad başlığı alüminium/maqnezium ərintiləri ilə əlaqəlidir. Bu məqamlar mənbənin əvəzinə səssizcə düzəldilməmişdir.

Maliyyələşdirmə: Natural Science Foundation of Hunan Province, Grant No. 2024JJ6519.

Məlumatlara çıxış: Məlumatların sorğu əsasında məsul müəllifdən əldə edilə biləcəyi bildirilmişdir.

Maraqlar toqquşması: Dezhuang Yu, Haitao Dong və Zhanyu Liu-nun CRRC Dalian Locomotive and Rolling Stock Co., Ltd. əməkdaşları olduğu mənbədə açıqlanmışdır.

Verianla metod qeydi: Bu məzmun mənbə məqalənin paraqraf-paraqraf tərcüməsi deyil. Eksperimental doğrulama, sonlu element modeli, ortoqonal dizayn, FI-FCN əvəzedici modeli, çoxməqsədli optimallaşdırma, Pareto təhlili və EW-GRA-TOPSIS qərar prosesi müstəqil öyrədici quruluş daxilində yenidən təşkil edilmişdir. Sonlu element proqnozları real yüksək sürətli toqquşma nəticələri kimi təqdim edilməmiş və mənbədaxili rəqəmsal/biblioqrafik uyğunsuzluqlar görünən şəkildə qorunmuşdur.