SMEDT: un nuevo marco computacional para el diseño sostenible de maquinaria, con un caso de estudio

Jorge Enrique  Meneses Flórez; J.R.  Amaya Silva; C.E.  Gualdrón Arenas; D.P.  Meneses Salazar

doi:10.24054/rcta.v1i31.141

Autores/as

Jorge Enrique Meneses Flórez Universidad Industrial de Santander (UIS)
J.R. Amaya Silva Cranfield University
C.E. Gualdrón Arenas Universidad Industrial de Santander
D.P. Meneses Salazar Universidad de los Andes

DOI:

https://doi.org/10.24054/rcta.v1i31.141

Palabras clave:

Bomba de Pistones Axiales de Desplazamiento Fijo, PSO, GA, Herramienta Computacional, Optimización Multi-objetivo, Simulación

Resumen

Los avances en la ingeniería moderna han permitido la consolidación de sistemas computacionales para el diseño óptimo de máquinas, con un proceso que se especifica en la búsqueda de estándares propios del producto a diseñar, a partir de consideraciones funcionales, estéticas y de desempeño, así como también, restricciones dimensionales en cuanto a costos, operaciones de manufactura, sustentabilidad y calidad. En el presente artículo se expone el desarrollo de una herramienta computacional modular, escalable, libre, de fácil mantenimiento e interactiva que soporta la metodología Sustainable Mechanical Design Tool (SMEDT) para el diseño de máquinas de diferente tipo, a partir del uso de dos técnicas de optimización estocástica: Optimización por Enjambre de Partículas (PSO) y Algoritmos Genéticos (GA). El caso de estudio se caracteriza por el diseño de una bomba de pistones axiales con desplazamiento fijo basado en tres parámetros de entrada (rango de presión de operación, rango de velocidad de operación y capacidad volumétrica). Para lograr el diseño sostenible, se hace uso de la metodología y herramienta computacional SMEDT, mediante dos etapas de optimización: la primera enfocada en minimizar el tamaño de la bomba; y la segunda en maximizar la eficiencia volumétrica y disminuir el ruido. Se analizan el algoritmo de optimización y parámetros de entrada para determinar su influencia en el diseño final.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

R. Ivantysyn, “Computational design of swash plate type axial piston pumps - a framework for computational design,” Purdue University, 2011.

Z. Junhui and X. Bing, “Clearance optimization of piston/cylinder pair based on virtual prototype of axial piston pump,” Mechatronics and Embedded Systems and Applications (MESA), 2012 IEEE/ASME International Conference on. pp. 166–171, 2012.

J. Kennedy and R. Eberhart, “Particle swarm optimization,” Neural Networks, 1995. Proceedings., IEEE International Conference on, vol. 4. pp. 1942–1948 vol.4, 1995.

Y. Shi and R. Eberhart, “A modified particle swarm optimizer,” 1998 IEEE Int. Conf. Evol. Comput. Proceedings. IEEE World Congr. Comput. Intell. (Cat. No.98TH8360), 1998.

M. Clerc and J. Kennedy, “The particle swarm - explosion, stability, and convergence in amultidimensional complex space,” IEEE Trans. Evol. Comput., vol. 6, no. 1, 2002.

Y. Shi and R. C. Eberhart, “Empirical study of particle swarm optimization,” in Proceedings of the 1999 Congress on Evolutionary Computation-CEC99, 1999, pp. 1945–1950.

J. H. Holland, Adaptation in Natural and Artificial Systems, vol. Ann Arbor. 1975.

R. P. Canale and S. C. Chapra, Numerical methods for engineers, Sixth edit., vol. 1, no. 3. New York: McGraw-Hill, 2010.

J. Kiusalaas, Numerical methods in engineering with: Python, vol. 11, no. 2. 2005.

J. M. Bergada, S. Kumar, D. L. Davies, and J. Watton, “A complete analysis of axial piston pump leakage and output flow ripples,” Appl. Math. Model., vol. 36, no. 4, pp. 1731–1751, 2012.

J. M. Bergada, J. Watton, and S. Kumar, “Pressure, Flow, Force, and Torque Between the Barrel and Port Plate in an Axial Piston Pump,” J. Dyn. Syst. Meas. Control, vol. 130, no. 1, p. 11011, Jan. 2008.

B. O. Helgestad, K. Foster, and F. K. Bannister, “Pressure Transients in an Axial Piston Hydraulic Pump,” Proc. Inst. Mech. Eng. , vol. 188 , no. 1 , pp. 189–199, Jun. 1974.

M. Holland, “Design of Digital Pump/Motors and Experimental Validation of Operating Strategies,” Purdue University, 2012.

A. Vacca, R. Klop, and M. Ivantysynova, “A Numerical Approach for the Evaluation of the Effects of Air Release and Vapour Cavitation on Effective Flow Rate of Axial Piston Machines,” Int. J. Fluid Power, vol. 11, no. 1, pp. 33–45, Jan. 2010.

J. Ivantysyn and M. Ivantysynova, Eds., Hydrostatic pumps and motors.pdf, First Engl. New Delhi-110 019, India: Tech books international, 2002.

M. Ivantysynova and J. Baker, “Power loss in the lubricating gap between cylinder block and,” Int. J. Fluid Power, vol. 10, no. 2, pp. 29–43, 2009.

G. Kumar Seeniraj and M. Ivantysynova, “A Multi-Parameter Multi-Objective Approach to Reduce Pump Noise Generation,” Int. J. Fluid Power, vol. 12, no. 1, pp. 7–17, Jan. 2011.

N. D. Manring, “The Discharge Flow Ripple of an Axial-Piston Swash-Plate Type Hydrostatic Pump,” J. Dyn. Syst. Meas. Control, vol. 122, no. 2, pp. 263–268, May 1998.

N. D. Manring, “Designing the Shaft Diameter for Acceptable Levels of Stress Within an Axial-Piston Swash-Plate Type Hydrostatic Pump,” J. Mech. Des., vol. 122, no. 4, pp. 553–559, Jul. 1999.

N. D. Manring, “Valve-Plate Design for an Axial Piston Pump Operating at Low Displacements,” J. Mech. Des., vol. 125, no. 1, pp. 200–205, Mar. 2003.

N. D. Manring and Y. Zhang, “The Improved Volumetric-Efficiency of an Axial-Piston Pump Utilizing a Trapped-Volume Design,” J. Dyn. Syst. Meas. Control, vol. 123, no. 3, pp. 479–487, Jan. 2000.

S. Wang, “Improving the Volumetric Efficiency of the Axial Piston Pump,” J. Mech. Des., vol. 134, no. 11, p. 111001, Oct. 2012.

D. Gronberg, “Prediction of Case Temperature of Axial Pis- ton Pumps,” Chalmers University of Technology, 2011.

L. C. Maldonado, R. Tarantino and D. A. Rozo, “Continuous supervising procedure for automatic checking of produced devices,” Revista Colombiana de Tecnologías de Avanzada, vol. 2, no. 12. pp. 108–113, 2008.

K. K. E. Parsopoulos and M. N. Vrahatis, “Particle Swarm Optimization Method for Constrained Optimization Problems,” Proc. Euro-International Symp. Comput. Intell. 2002, no. 6, pp. 214–220, 2002.

A. Bocanegra and R. Ochoa, “Nanomachines: past, present and future,” Revista Colombiana de Tecnologías de Avanzada, vol. 1. pp. 132–136, 2006.

O. Begambre and J. E. Laier, “A hybrid Particle Swarm Optimization – Simplex algorithm (PSOS) for structural damage identification,” Advances in Engineering Software, vol. 40, no. 9. pp. 883–891, 2009.

E. E. Espinel, J. C. Hernández and A. Quintero, “Design and simulation of a prototype of machine for signaling of ways, automated through a mechanical system,” Revista Colombiana de Tecnologías de Avanzada, vol. 1, no. 25. pp. 76–82, 2015.