محرم شاملی - استادیار، پژوهشگاه فضایی ایران، پژوهشکده رانشگرهای فضایی، تبریز، ایران
مبین رحمانی - دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران
جعفر کیقبادی - استاد، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران
هادی محمدیان خلف انصار - دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران

موضوع فنرهای مارپیچ، که قطعاتی حیاتی و پرکاربرد در صنایع مختلف هستند، به خصوص در صنایع فضایی به مراتب اهمیت بیشتری پیدا می کند. از فنرهای مارپیچ به منظور ذخیره سازی انرژی در کاربردهای گوناگون، به ویژه در مکانیزم های جداکننده ی فضاپیما، استفاده می شود. اما یکی از چالش های مهم در طراحی این قطعات، کاهش جرم آن هاست، به ویژه در کاربردهای فضایی که هر گرم بار زیادی دارد. در این مقاله، به بررسی بهینه سازی جرم فنرهای مارپیچ مورد استفاده در مکانیزم های جداکننده ی فضاپیما پرداخته می شود. ابتدا، مسئله بهینه سازی جرم فنرهای مارپیچ با استفاده از روابط ریاضی معمول و الگوریتم ژنتیک حل می شوند. سپس، با استفاده از شبکه های عصبی مصنوعی، یک مدل جدید برای فنرها طراحی شده و بهینه سازی با این مدل جدید انجام خواهد شد. نتایج به دست آمده نشان می دهد که استفاده از مدل پیشنهادی شبکه های عصبی مصنوعی، مزایای قابل توجهی نسبت به روش ابتدایی دارد. این بهینه سازی با استفاده از مدل پیشنهادی، باعث افزایش دقت طراحی فنرهای مارپیچ می شود و نتایج به صورت عددی و رقمی نشان می دهد خروجی در شبکه ی عصبی مربوط به تنش برشی ۸۸/۵۴۵ است که ۸۳/۰%  با روش المان محدود اختلاف دارد و همچنین خروجی در شبکه ی عصبی مربوط به تغییر شکل ۴۱/۷۶ است که ۵۸/۰% با روش المان محدود اختلاف دارد که نشان می دهد مدل پیشنهادی به صورت قابل ملاحظه ای عملکرد بهتری نسبت به روش های قبلی دارد.

فنر مارپیچ, انرژی پتانسیل فنرها, بهینه سازی, الگوریتم ژنتیک, شبکه های عصبی مصنوعی, پرسپترون