Ин таҳқиқот барои оптимизатсияи тарҳи қубурҳои васеъшавандаи ғафсиашон тағйирёбанда, ки метавонанд дар системаҳои амнияти ғайрифаъоли қаторҳо ва дигар воситаҳои нақлиёт энергияи бархӯрдро тавассути деформатсияи пластикӣ фурӯ баранд, озмоиш, таҳлили унсурҳои ниҳоӣ, омӯзиши мошинӣ, оптимизатсияи генетикии бисёрҳадафа ва усулҳои қабули қарорҳои бисёрмеъёриро муттаҳид мекунад.

Масъалаи асосии таҳқиқот се ҳадафи муҳандисии бо ҳам зид аст: кам кардани қувваи аввали қуллавии фишурдашавӣ (IPCF), зиёд кардани фурӯбарии умумии энергия (EA) ва кам кардани массаи сохторӣ. Қубурҳои ғафсии деворашон собит барои мувозинати ин ҳадафҳо чандирии маҳдуди тарҳрезӣ медиҳанд, дар ҳоле ки қубурҳои ғафсиашон тағйирёбанда метавонанд бо ҷамъ кардани мавод дар минтақаҳои зарурӣ ва кам кардани он дар минтақаҳои дигар доираи васеътари иҷроишро фароҳам оваранд.

Модели унсурҳои ниҳоӣ бо истифода аз озмоишҳои физикии кашиш ва васеъшавии квазистатикӣ калибр карда шудааст. Аммо санҷиши физикӣ дар прототипҳои UTET-и ғафсиашон собит анҷом дода шуда, прототипи физикии VTET-и оптимизатсияшуда дар доираи ин таҳқиқот сохта нашудааст. Аз ин рӯ, натиҷаҳои ниҳоии VTET на мустақиман бо таҷриба, балки тавассути модели тасдиқшудаи унсурҳои ниҳоӣ арзёбӣ шудаанд.

Дар марҳилаи омӯзиши мошинӣ шабакаи нейронии пурра пайвастшуда бо қабати аҳамияти хусусиятҳо (FI-FCN) истифода шудааст. Модел дар санҷиши салибии панҷқабата барои EA R²=0,985, барои IPCF R²=0,953 ва барои масса R²=0,995 ба даст овардааст. Сипас бо NSGA-II маҷмӯи ҳалли Pareto сохта шуда, бо усули EW-GRA-TOPSIS ҳалли созишӣ бо tmin=2,08 mm, tmax=7,62 mm ва α=44,90° интихоб шудааст.

Фарқҳои нисбӣ байни пешгӯиҳои омӯзиши мошинӣ/оптимизатсия ва санҷиши унсурҳои ниҳоӣ барои тарҳи интихобшуда дар масса %0,23, дар фурӯбарии энергия %3,65 ва дар қувваи аввали қуллавии фишурдашавӣ %4,37 гузориш шудаанд. Ин натиҷаҳо эътимоднокии чаҳорчӯбаи ҳисоббарории пешниҳодшударо дар ҳамон фазои моделсозӣ дастгирӣ мекунанд; онҳо маънои онро надоранд, ки ҳамин сатҳи иҷроиш дар бархӯрди воқеии қатораи баландсуръат ба таври физикӣ тасдиқ шудааст.

Қубури Васеъшаванда Энергияи Бархӯрдро Чӣ Гуна Фурӯ Мебарад?

Қубури васеъшаванда унсури ғайрифаъоли фурӯбарандаи энергия аст, ки ҳангоми маҷбуран ба дохили қубур ворид кардани пуансони конусшакл ё монанд, тавассути васеъшавии радиалӣ ва пластикии девораи металлӣ энергияи механикиро ба энергияи деформатсия табдил медиҳад.

Дар оғози боргузорӣ байни пуансон ва қубур сатҳи маҳдуди тамос вуҷуд дорад. Бо пеш рафтани пуансон сатҳи тамос зиёд шуда, девораи қубур ба деформатсияи пластикӣ дучор мешавад. Қувва зуд меафзояд. Пас аз он ки қубур ба геометрияи пуансон ба қадри кофӣ мутобиқ мешавад, режими устувортари васеъшавӣ ба вуҷуд меояд.

Ин рафтор ду натиҷаи муҳим дорад:

• Як қисми энергияи бархӯрд метавонад ба деформатсияи доимии металл табдил дода шавад.
• Бо тағйир додани геометрияи қубур сатҳи қувва ва рафтори фурӯбарии энергияро тарҳрезӣ кардан мумкин аст.

Чаро IPCF бояд паст бошад?

Initial Peak Crushing Force (IPCF) қуллаи аввалини қувваи баландест, ки дар оғози деформатсия ба вуҷуд меояд. IPCF-и хеле баланд метавонад боис шавад, ки сохтори фурӯбарандаи энергия борро ногаҳон ба кузови воситаи нақлиёт ё ба дигар системаҳо интиқол диҳад.

Аз ин рӯ, фурӯбарандаи хуби энергия набояд танҳо миқдори зиёди энергияро фурӯ барад; он бояд энергияро дар сатҳи қувваи бештар идорашаванда фурӯ бурда тавонад.

Чаро EA бояд баланд бошад?

Energy Absorption (EA) фурӯбарии умумии энергияи механикиро ифода мекунад, ки ба масоҳати зери каҷи қувва–ҷойивазкунӣ дар ҷараёни деформатсия вобаста аст.

EA-и баландтар маънои онро дорад, ки дар ҳамон масофаи деформатсия сохтор метавонад энергияи кинетикии бештарро фурӯ барад.

Чаро масса низ оптимизатсия мешавад?

Яке аз роҳҳои соддаи зиёд кардани фурӯбарии энергия истифодаи маводи бештар аст. Аммо дар системаҳои роҳи оҳан ва автомобилӣ сохторҳои вазнинтари амнияти ғайрифаъол метавонанд аз нигоҳи масрафи энергия, бори меҳвар ва самаранокии умумии тарҳ номатлуб бошанд.

Аз ин рӯ, таҳқиқот на танҳо қувва ва энергия, балки массаи сохториро низ ҳамчун ҳадафи оптимизатсия мегирад.

Қубури Ғафсиаш Тағйирёбанда Аз Қубури Ғафсиаш Собит Чӣ Фарқ Дорад?

Дар қубури ғафсиаш собит дар тамоми меҳвар як ғафсии девора истифода мешавад. Дар VTET-и ғафсиаш тағйирёбанда бошад, ғафсии девора аз як нӯг то нӯги дигар тағйир дода мешавад.

Ин равиш имкон медиҳад, ки мавод дар минтақаҳое, ки деформатсия муқовимати бештар талаб мекунад, бештар ҷамъ карда шуда, дар минтақаҳои камтар муҳим девора тунук карда шавад.

Модели Унсурҳои Ниҳоӣ Чӣ Гуна Ба Таври Физикӣ Тасдиқ Шуд?

Таҳқиқот аввал рафтори кашишии маводи 20 steel-ро ба таври таҷрибавӣ муайян кардааст. Маълумоти шиддати муҳандисӣ–деформатсия ба шакли шиддати ҳақиқӣ–деформатсияи ҳақиқӣ табдил дода шуда, дар модели маводи LS-DYNA истифода шудааст.

Тӯри унсурҳои ниҳоӣ аз унсурҳои сахти ҳаштгиреҳии гексагоналӣ сохта шуда, андозаи унсур 1 mm интихоб шудааст.

Бо истифода аз пуансонҳои физикии дорои чор кунҷи гуногуни конус қубурҳои ғафсиашон собит ба таври квазистатикӣ васеъ карда шудаанд:

• 15°
• 25°
• 35°
• 45°

Пуансон бо суръати 5 mm/дақ дар маҷмӯъ 150 mm ҳаракат дода шудааст.

Каҷҳои қувва–ҷойивазкунӣ ва шаклҳои деформатсияи таҷриба ва симулятсия дар маҷмӯъ ба ҳам наздик будаанд; муаллифон инро ҳамчун тасдиқи кофии модели унсурҳои ниҳоӣ барои таҳлилҳои минбаъдаи параметрии VTET арзёбӣ кардаанд.

Маҳдудияти муҳими санҷиш

Дар ин марҳила таҳқиқот прототипи физикии VTET-и оптимизатсияшударо озмоиш намекунад.

Занҷири тасдиқшуда чунин аст:

Озмоиши физикии UTET → тасдиқи унсурҳои ниҳоии UTET → интиқоли ҳамон равиши моделсозӣ ба ҳисобҳои VTET.

Аз ин рӯ, иҷроиши VTET мустақиман бо озмоиши прототип тасдиқ нашудааст.

Озмоиши Ортогоналӣ Муҳим Будани Кадом Параметрҳоро Нишон Дод?

Барои омӯзиши таъсири чор параметри тарҳ ба IPCF, EA ва масса тарҳи ортогоналии 16-шартӣ истифода шудааст.

Мувофиқи натиҷаҳои ANOVA:

Параметри D барои EA аз ҷиҳати оморӣ муҳим буд, аммо барои масса ва IPCF муҳим баромад накард. Барои истифодаи маҷмӯи умумӣ ва осонтар тафсиршавандаи вурудҳо барои се баромад, муҳаққиқон D-ро аз модели минбаъдаи FI-FCN хориҷ карданд.

Аз ин рӯ, оптимизатсияи минбаъда:

tmin + tmax + α → IPCF + EA + m

робитаро истифода мебарад.

FI-FCN Аз Шабакаи Нейронии Одатӣ Чӣ Фарқ Дорад?

FI-FCN ба сохтори классикии fully connected neural network як қабати Feature Importance — Аҳамияти Хусусият илова мекунад.

Маълумоти аҳамият, ки аз озмоиши ортогоналӣ ва натиҷаҳои ANOVA гирифта шудааст, намегузорад, ки тағйирёбандаҳои вурудӣ дар шабакаи нейронӣ бо вазни якхела оғоз кунанд. Тағйирёбандаҳое, ки муҳимтар дониста мешаванд, дар ибтидо бо намояндагии қавитар ворид мешаванд.

Сохтори модел:

1. Қабати вуруд: tmin, tmax ва α.
2. Қабати Feature Importance.
3. Қабати пинҳонӣ бо 32 нейрон.
4. Қабати пинҳонӣ бо 64 нейрон.
5. Баромад: IPCF, EA ё масса.

Барои ҳар ҳадаф модели суррогатии ҷудогона сохта шудааст.

Маълумоти омӯзиши мошинӣ чӣ гуна сохта шуд?

Бо Maximin Latin Hypercube Sampling аз фазои тарҳ 100 комбинатсияи параметр интихоб шуда, ҳар комбинатсия бо модели унсурҳои ниҳоӣ ҳал гардида, қиматҳои IPCF, EA ва масса тавлид шудаанд.

Пас, маълумоти асосии омӯзишии FI-FCN на аз озмоишҳои физикии бархӯрд, балки аз модели тасдиқшудаи унсурҳои ниҳоӣ гирифта шудааст.

Натиҷаи санҷиши салибии панҷқабата

Масса осонтарин баромад барои пешгӯӣ ба назар мерасад, дар ҳоле ки IPCF ҳадафи душвортар будааст.

NSGA-II Се Ҳадафи Бо Ҳам Зидро Ҳамзамон Чӣ Гуна Оптимизатсия Мекунад?

Масъалаи оптимизатсия:

• IPCF-ро камина кардан
• EA-ро бешина кардан
• Массаро камина кардан

ба ин шакл гузошта шудааст.

Барои ин ҳадафҳо ҳатман як оптимуми ягонаи математикӣ вуҷуд надорад. Аз ин рӯ, NSGA-II маҷмӯи ҳалли Pareto месозад.

Ҳалли Pareto-оптималӣ тарҳест, ки бе бадтар кардани ҳадди ақал яке аз меъёрҳои дигар, беҳтар кардани меъёри дигар ғайриимкон аст.

EW-GRA-TOPSIS Аз Фронти Pareto Як Тарҳро Чӣ Гуна Интихоб Мекунад?

Азбаски NSGA-II бисёр ҳалли қобили қабул месозад, барои интихоби як тарҳ аз нигоҳи татбиқи муҳандисӣ EW-GRA-TOPSIS истифода шудааст.

Дар марҳилаи аввал Entropy Weight Method вазни объективии ҳар нишондиҳандаи иҷроишро аз рӯи қобилияти фарқкунии иттилоотӣ дар маҷмӯи Pareto муайян мекунад.

Дар марҳилаи дуюм ду арзёбии мустақил анҷом дода мешавад:

• TOPSIS: наздикии геометрии ҳалли интихобӣ ба тарҳи идеалӣ.
• GRA: монандии тамоюли намунаи иҷроиш ба истиноди идеалӣ.

Дар марҳилаи охир ду хол бо вазни баробар якҷо карда мешаванд.

Дар ин усул IPCF бо 0,443 баландтарин вазни энтропиро гирифтааст. Вазни EA ҳамчун 0,251 гузориш шудааст.

Усул ва Натиҷаҳои Таҳқиқот

Параметрҳои Тарҳи Ниҳоии Интихобшуда Кадоманд?

Дар арзёбии EW-GRA-TOPSIS ҳалли № 145 баландтарин холи умумии арзёбиро гирифтааст.

Натиҷаи Оптимизатсия Бо Таҳлили Унсурҳои Ниҳоӣ То Чӣ Андоза Мувофиқ Омад?

Аз %5 кам будани ҳар се фарқ нишон медиҳад, ки занҷири FI-FCN + NSGA-II + EW-GRA-TOPSIS метавонад дар фазои тарҳрезии унсурҳои ниҳоӣ, ки истифода мебарад, пешгӯиҳои муттасил тавлид кунад.

Дар манбаъ барои EA номувофиқии дохилӣ вуҷуд дорад

Дар параграфи шарҳи натиҷаҳо қимати 67,68 kJ ҳамчун пешгӯии оптимизатсия ва 65,21 kJ ҳамчун натиҷаи унсурҳои ниҳоӣ оварда шудааст. Аммо Ҷадвали 6, ки фавран баъд меояд, ин қиматҳоро баръакс нишон медиҳад.

Аз ин рӯ, Verianla ба ҷойи манбаъ дар бораи он ки кадом рақам ба кадом гурӯҳ тааллуқ дорад, қарори нав намебарорад; ҷадвали боло мувофиқи сохтори худи Ҷадвали 6-и манбаъ дода шудааст.

Ҷиҳатҳои Қавии Таҳқиқот Кадоманд?

• Муайян кардани рафтори мавод бо озмоиши таҷрибавии кашиш.
• Санҷидани модели унсурҳои ниҳоӣ бо озмоишҳои воқеии васеъшавии квазистатикӣ.
• Моделсозии ғафсии тағйирёбанда на танҳо ба таври интуитивӣ, балки ҳамчун тағйирёбандаи параметрии тарҳ.
• Омӯзиши аҳамияти тағйирёбандаҳо бо ANOVA пеш аз оптимизатсия.
• Интиқоли маълумоти омории аҳамияти хусусиятҳо ба модели омӯзиши мошинӣ.
• Истифодаи санҷиши салибии панҷқабата.
• Баррасии якҷояи се ҳадафи зиддиятнок тавассути оптимизатсияи Pareto.
• Истифодаи якҷояи EWM, TOPSIS ва GRA ба ҷойи як меъёри ягона барои интихоби тарҳи ниҳоӣ аз маҷмӯи Pareto.

Маҳдудиятҳои Таҳқиқот Кадоманд?

• VTET-и оптимизатсияшуда ба таври физикӣ сохта ва озмуда нашудааст.
• Санҷиши модел дар UTET-и ғафсиаш собит анҷом дода шудааст.
• Озмоишҳои физикӣ дар шароити боргузории квазистатикӣ мебошанд; ин бархӯрди воқеии баландсуръат нест.
• Маълумоти омӯзишии FI-FCN асосан аз симулятсияҳои унсурҳои ниҳоӣ гирифта шудааст.
• Гарчанде параметри D барои EA муҳим аст, барои нигоҳ доштани мутобиқати модели умумӣ аз модели минбаъда хориҷ шудааст.
• Байни параграфи натиҷаҳо ва Ҷадвали 6 дар тамғаҳои prediction/simulation барои қиматҳои EA баръаксӣ мавҷуд аст.
• Барои озмоиши кашиши 20 steel унвони истиноди GB/T 16865-2013, ки оварда шудааст, бо маводи истифодашуда ошкоро мувофиқат намекунад.
• Кузови воқеии воситаи нақлиёт, борҳои мусофирон ва сенарияҳои бархӯрди баландсуръат дар ин мақола тасдиқ нашудаанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Ғафсии тағйирёбанда барои тарҳи бисёрҳадафаи қубурҳои васеъшаванда озодии иловагӣ медиҳад.
• Параметрҳои ғафсӣ ва кунҷи конус метавонанд ба IPCF, EA ва масса таъсири муҳим расонанд.
• Модели унсурҳои ниҳоӣ, ки бо озмоишҳои UTET калибр шудааст, метавонад барои омӯзиши ададии фазои тарҳи VTET истифода шавад.
• FI-FCN метавонад дар маҷмӯи маълумоти симулятсионии истифодашуда IPCF, EA ва массаро бо R²-и баланд пешгӯӣ кунад.
• NSGA-II байни се ҳадафи зиддиятноки иҷроиш маҷмӯи васеи ҳалли Pareto месозад.
• EW-GRA-TOPSIS метавонад барои интихоби тарҳи созишии ба маълумот асосёфта аз миёни ҳалли Pareto истифода шавад.
• Фарқҳои байни натиҷаҳои модели суррогатӣ ва натиҷаҳои унсурҳои ниҳоии ҳалли интихобшуда аз %5 кам мондаанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Нишон дода нашудааст, ки VTET-и оптимизатсияшуда дар бархӯрди воқеии қатораи баландсуръат ба таври физикӣ тасдиқ шудааст.
• Таҳқиқот нишон намедиҳад, ки осеби мусофирон бо фоизи муайян кам мешавад.
• Гуфтан мумкин нест, ки омӯзиши мошинӣ бо такяи мустақим ба маълумоти таҷрибавӣ бархӯрди воқеиро пешгӯӣ мекунад.
• Қиматҳои баланди R²-и FI-FCN дар ҳамаи тарҳҳои воқеии VTET ҳамон дақиқиро кафолат намедиҳанд.
• Нишон дода нашудааст, ки як ҳалли Pareto дар ҳамаи татбиқҳои муҳандисӣ ба таври универсалӣ “беҳтарин” аст.
• Нишон дода нашудааст, ки қубури ғафсиаш тағйирёбанда дар ҳамаи меъёрҳои иҷроиш ҳамзамон аз ҳамаи тарҳҳои ғафсиашон собит беҳтар аст.

Саҳми асосии таҳқиқот аз нигоҳи муҳандисӣ

Саҳми муҳимтарини таҳқиқот танҳо пешниҳоди геометрияи нави қубур нест. Саҳми асосӣ ҷараёни ҳамгирошудаи тарҳрезист, ки аз озмоиши физикӣ оғоз шуда то марҳилаи қабули қарор идома меёбад:

Озмоиши мавод → озмоиши физикии васеъшавӣ → тасдиқи унсурҳои ниҳоӣ → таҳлили параметрии ортогоналӣ → модели суррогатии FI-FCN → оптимизатсияи Pareto бо NSGA-II → EW-GRA-TOPSIS → санҷиши унсурҳои ниҳоӣ.

Ин сохтор имкон медиҳад, ки ба ҷойи такроран иҷро кардани шумораи зиёди таҳлилҳои гарони унсурҳои ниҳоӣ бевосита дар ҳалқаи оптимизатсия, ҷустуҷӯи васеи тарҳ тавассути модели суррогатии омӯзонидашуда хеле зудтар анҷом дода шавад.

Ёддошт оид ба Манбаъ ва Усул

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

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

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

Маҷалла:Machines.

Сол / ҷилд / рақами мақола: 2026, 14, 692.

Санаи нашр: 16 Июн 2026.

DOI: 10.3390/machines14060692.

Иҷозатнома: Creative Commons Attribution (CC BY).

Навъи таҳқиқот: Таҳқиқоти устувории сохторӣ ба бархӯрд, ки санҷиши таҷрибавӣ, таҳлили унсурҳои ниҳоӣ, омӯзиши мошинӣ, оптимизатсияи бисёрҳадафа ва қабули қарорҳои бисёрмеъёриро муттаҳид мекунад.

Мавод: 20 steel.

Санҷиши таҷрибавӣ: Озмоишҳои физикии васеъшавии квазистатикии UTET; кунҷҳои пуансон 15°, 25°, 35° ва 45°.

Нармафзори унсурҳои ниҳоӣ: LS-DYNA.

Омӯзиши мошинӣ: Fully Connected Network бо қабати Feature Importance (FI-FCN).

Вурудҳои модел: tmin, tmax ва α.

Баромадҳои модел: IPCF, EA ва массаи сохторӣ.

Намунагирӣ: Maximin Latin Hypercube Sampling, 100 намунаи тарҳ.

Арзёбии модел: Санҷиши салибии панҷқабата; R², RMSE, MAE ва MAPE.

Оптимизатсияи бисёрҳадафа: NSGA-II.

Қабули қарор: Entropy Weight Method + Grey Relational Analysis + TOPSIS.

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

Фарқҳои нисбӣ дар муқоисаи унсурҳои ниҳоӣ: масса %0,23; EA %3,65; IPCF %4,37.

Маҳдудияти муҳими таҷрибавӣ: VTET-и оптимизатсияшуда ба таври физикӣ сохта нашудааст; натиҷаҳои VTET ба методологияи унсурҳои ниҳоӣ такя мекунанд, ки дар UTET тасдиқ шудааст.

Ёддошти мутобиқати дохилии манбаъ: Ҷадвали 6 ва параграфи натиҷаҳо дар тамғаҳои “optimal result” ва “simulation result” барои қиматҳои 65,21 kJ ва 67,68 kJ-и EA бо ҳам мухолифанд. Илова бар ин, барои намунаи 20 steel унвони истиноди стандарти GB/T 16865-2013, ки оварда шудааст, ба хӯлаҳои алюминий/магний марбут аст. Ин нуктаҳо аз номи манбаъ хомӯшона ислоҳ нашудаанд.

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

Дастрасии маълумот: Гузориш шудааст, ки маълумотро бо дархост аз муаллифи масъул гирифтан мумкин аст.

Бархӯрди манфиатҳо: Дар манбаъ гуфта шудааст, ки Dezhuang Yu, Haitao Dong ва Zhanyu Liu кормандони CRRC Dalian Locomotive and Rolling Stock Co., Ltd. мебошанд.

Ёддошти усули Verianla: Ин муҳтаво тарҷумаи параграф-ба-параграфи мақолаи манбаъ нест. Санҷиши таҷрибавӣ, модели унсурҳои ниҳоӣ, тарҳи ортогоналӣ, модели суррогатии FI-FCN, оптимизатсияи бисёрҳадафа, таҳлили Pareto ва раванди қабули қарори EW-GRA-TOPSIS дар сохтори мустақили омӯзишӣ аз нав ташкил шудаанд. Пешгӯиҳои унсурҳои ниҳоӣ ҳамчун натиҷаҳои воқеии бархӯрди баландсуръат пешниҳод нашудаанд ва номувофиқиҳои рақамӣ/библиографии дохили манбаъ ба таври намоён нигоҳ дошта шудаанд.