AISI 304/304L ステンレス鋼コイル チューブの化学成分、ミツバチ アルゴリズムを使用した折りたたみ翼のスプリング パラメーターの最適化

Nature.com をご覧いただきありがとうございます。CSS サポートが制限されたバージョンのブラウザを使用しています。最高のエクスペリエンスを実現するには、更新されたブラウザを使用することをお勧めします (または Internet Explorer の互換モードを無効にする)。さらに、継続的なサポートを確保するために、サイトはスタイルと JavaScript なしで表示されます。
スライドごとに 3 つの記事を表示するスライダー。[戻る] ボタンと [次へ] ボタンを使用してスライド間を移動するか、最後にあるスライド コントローラー ボタンを使用して各スライド間を移動します。

AISI 304/304L ステンレス鋼毛細管コイルチューブ

AISI 304 ステンレス鋼コイルは、優れた耐性を備えた汎用製品であり、良好な成形性と溶接性を必要とする幅広い用途に適しています。

Shey Metal では、厚さ 0.3mm ～ 16mm のコイルを 304 個在庫しており、2B 仕上げ、BA 仕上げ、No.4 仕上げを常に利用できます。

3 種類の表面のほかに、304 ステンレス鋼コイルはさまざまな表面仕上げで提供できます。グレード 304 ステンレスには、主な非鉄成分として Cr (通常 18%) とニッケル (通常 8%) の両方の金属が含まれています。

このタイプのコイルは通常オーステナイト系ステンレス鋼で、標準的な Cr-Ni ステンレス鋼ファミリーに属します。

これらは通常、家庭用品および消費財、厨房機器、屋内および屋外の被覆材、手すり、窓枠、食品および飲料産業の機器、貯蔵タンクに使用されます。

本研究では、ロケットに使用される翼折り畳み機構のねじりバネと圧縮バネの設計を最適化問題として考察する。ロケットが発射管から離れた後は、閉じた翼を開いて一定時間固定する必要があります。研究の目的は、翼が可能な限り短い時間で展開できるように、バネに蓄えられるエネルギーを最大化することでした。この場合、両方の出版物のエネルギー方程式は、最適化プロセスの目的関数として定義されました。ばね設計に必要な線径、コイル径、コイル数、たわみパラメータを最適化変数として定義しました。機構のサイズに起因する変数には幾何学的な制限があり、また、ばねによって運ばれる荷重に起因する安全率にも制限があります。Honey bee (BA) アルゴリズムを使用して、この最適化問題を解決し、スプリング設計を実行しました。BA で得られたエネルギー値は、以前の実験計画法 (DOE) 研究で得られたエネルギー値よりも優れています。最適化から得られたパラメータを使用して設計されたばねと機構は、最初に ADAMS プログラムで解析されました。その後、製作したバネを実際の機構に組み込んで実験を行いました。実験の結果、約90ミリ秒後に羽が開くことが観察されました。この値は、プロジェクトの目標である 200 ミリ秒を大幅に下回っています。さらに、分析結果と実験結果の差はわずか 16 ミリ秒です。
航空機や船舶では、折り畳み機構が重要です。これらのシステムは、飛行性能と制御を向上させるための航空機の改造や改造に使用されます。航空力学的影響を軽減するために、飛行モードに応じて翼の折り畳みと展開が異なります1。この状況は、鳥や昆虫の日常の飛行やダイビング中の羽の動きにたとえることができます。同様に、グライダーは水中船内で折りたたんだり展開したりして、流体力学的影響を軽減し、操作性を最大化します3。これらの機構のさらに別の目的は、保管および輸送のためにヘリコプタのプロペラ４を折りたたむなど、システムに体積上の利点を提供することである。ロケットの翼も折りたたまれて保管スペースが削減されます。したがって、より多くのミサイルをランチャー５のより小さな領域に配置することができる。折り畳みおよび展開に効果的に使用されるコンポーネントは、通常、バネである。折り畳む瞬間にエネルギーが蓄えられ、展開する瞬間にエネルギーが放出されます。柔軟な構造により、貯蔵エネルギーと放出エネルギーが均等化されます。ばねは主にシステム用に設計されており、この設計には最適化の問題が生じます6。なぜなら、ワイヤの直径、コイルの直径、巻き数、螺旋角度、材料の種類などのさまざまな変数が含まれる一方で、質量、体積、最小応力分布、最大利用可能エネルギーなどの基準も存在するからです7。
この研究は、ロケット システムで使用される翼折り畳み機構のバネの設計と最適化に光を当てます。飛行前に発射管内にいたとき、翼はロケットの表面で折りたたまれたままであり、発射管から出た後は一定時間展開して表面に押し付けられたままになります。このプロセスはロケットが適切に機能するために重要です。開発した折り畳み機構では、翼の開きはねじりバネで、ロックは圧縮バネで行う。適切なばねを設計するには、最適化プロセスを実行する必要があります。スプリングの最適化には、文献にさまざまな応用例があります。
Paredes et al.8 は、コイルばねの設計の目的関数として最大疲労寿命係数を定義し、最適化手法として準ニュートン法を使用しました。最適化における変数は、ワイヤーの直径、コイルの直径、巻き数、およびスプリングの長さとして特定されました。スプリング構造のもう 1 つのパラメータは、スプリング構造を構成する材料です。したがって、これは設計と最適化の検討で考慮されました。ゼブディら。9 人は、研究の目的関数に最大剛性と最小重量の目標を設定しましたが、そこでは重量係数が重要でした。この場合、ばねの材質と幾何学的特性を変数として定義しました。彼らは最適化手法として遺伝的アルゴリズムを使用します。自動車産業では、材料の重量は車両の性能から燃費までさまざまな面で役立ちます。サスペンション用のコイルスプリングを最適化しながら重量を最小限に抑えることはよく知られた研究です10。Bahshesh 氏と Bahshesh11 氏は、さまざまなサスペンション スプリング複合材の設計で最小重量と最大引張強度を達成するという目標を掲げ、ANSYS 環境での作業における変数として E ガラス、カーボン、ケブラーなどの材料を特定しました。複合バネの開発においては製造プロセスが重要です。したがって、最適化問題では、生産方法、プロセスで実行されるステップ、それらのステップの順序など、さまざまな変数が影響します12、13。動的システムのばねを設計するときは、システムの固有振動数を考慮する必要があります。共振を避けるために、ばねの最初の固有振動数をシステムの固有振動数の少なくとも 5 ～ 10 倍にすることが推奨されます14。タクタクら。7 は、コイル スプリングの設計における目的関数として、スプリングの質量を最小化し、第 1 固有振動数を最大化することを決定しました。彼らは、Matlab 最適化ツールのパターン検索、内点、アクティブ セット、および遺伝的アルゴリズム手法を使用しました。解析研究はばね設計研究の一部であり、この分野では有限要素法が一般的です15。Patil et al.16 は、解析手順を使用して圧縮コイルばねの重量を軽減する最適化方法を開発し、有限要素法を使用して解析方程式をテストしました。ばねの有用性を高めるためのもう 1 つの基準は、ばねに蓄えられるエネルギーの増加です。この場合も、スプリングの性能を長期間維持することができます。Rahul と Rameshkumar17 自動車のコイル スプリング設計において、スプリングの体積を減らし、ひずみエネルギーを増加させることを目指しています。彼らは最適化研究にも遺伝的アルゴリズムを使用しました。
見てわかるように、最適化スタディのパラメーターはシステムごとに異なります。一般に、剛性とせん断応力パラメータは、システムが担う荷重が決定要因となるシステムにおいて重要です。材料の選択は、これら 2 つのパラメータを含む重量制限システムに含まれています。一方、非常に動的なシステムでの共振を回避するために、固有振動数がチェックされます。実用性が重要なシステムでは、エネルギーが最大化されます。最適化研究では、解析的研究には FEM が使用されますが、特定のパラメータの範囲内では、遺伝的アルゴリズム 14,18 やハイイロオオカミ アルゴリズム 19 などのメタヒューリスティック アルゴリズムが古典的なニュートン法と併用されていることがわかります。メタヒューリスティック アルゴリズムは、特に集団の影響下で、短期間で最適な状態に近づく自然な適応方法に基づいて開発されました 20,21。探索エリア内の母集団のランダムな分布により、局所最適を回避し、大域最適に向かって進みます22。したがって、近年では、実際の産業問題の文脈でよく使用されています23,24。
この研究で開発された折り畳み機構の重要なケースは、飛行前に閉じた位置にあった翼が、管から離れた後に一定時間開くということです。その後、ロック要素が翼をブロックします。したがって、スプリングは飛行力学に直接影響を与えません。この場合、最適化の目標は、バネの動きを加速するために蓄積されたエネルギーを最大化することでした。ロール径、ワイヤー径、ロール数、たわみを最適化パラメータとして定義しました。スプリングのサイズが小さいため、重量は目標とは見なされませんでした。したがって、マテリアル タイプは固定として定義されます。機械的変形に対する安全マージンは、重要な制限として決定されます。さらに、可変サイズの制約がメカニズムの範囲に関係します。最適化手法としてBAメタヒューリスティック手法を選択した。BA は、その柔軟でシンプルな構造と、機械的最適化研究の進歩により支持されました25。研究の後半では、折り畳み機構の基本設計とバネ設計の枠組みに詳細な数式が組み込まれています。3 番目の部分には、最適化アルゴリズムと最適化結果が含まれています。第 4 章では、ADAMS プログラムでの分析を行います。スプリングの適合性は製造前に分析されます。最後のセクションには実験結果とテスト画像が含まれています。この研究で得られた結果は、DOE アプローチを使用した著者らの以前の研究とも比較されました。
この研究で開発された翼は、ロケットの表面に向かって折り畳む必要があります。翼は折りたたまれた位置から展開された位置まで回転します。このために、特別なメカニズムが開発されました。図上。図 1 は、ロケット座標系での折り畳まれた構成と展開された構成 5 を示しています。
図上。図２に機構の断面図を示す。この機構は、(1) 本体、(2) ウィングシャフト、(3) ベアリング、(4) ロック本体、(5) ロックブッシュ、(6) ストップピン、(7) トーションスプリング、( 8 ) 圧縮バネ。ウィングシャフト (2) は、ロッキングスリーブ (4) を介してトーションスプリング (7) に接続されています。ロケットの離陸後、3 つの部分すべてが同時に回転します。この回転運動により、翼は最終位置に回転します。その後、ピン (6) が圧縮バネ (8) によって作動し、それによってロック本体 (4) 5 の機構全体がブロックされます。
弾性係数 (E) とせん断係数 (G) は、ばねの重要な設計パラメータです。この研究では、高炭素ばね鋼線 (ミュージック ワイヤー ASTM A228) がばね材料として選択されました。他のパラメータは、線径 (d)、平均コイル直径 (Dm)、コイル数 (N)、およびばねのたわみ (圧縮ばねの場合は xd、ねじりばねの場合は θ) です26。圧縮バネ \({(SE}_{x})\) およびねじりバネ (\({SE}_{\theta}\)) の蓄積エネルギーは、方程式から計算できます。(1)および(2)26．(圧縮バネのせん断弾性率(G)値は83.7E9Pa、ねじりバネの弾性率(E)値は203.4E9Paです。)
システムの機械的寸法は、ばねの幾何学的制約を直接決定します。さらに、ロケットが設置される条件も考慮する必要があります。これらの要因によって、ばねパラメータの限界が決まります。もう 1 つの重要な制限は安全率です。安全率の定義は、Shigley et al.26 によって詳細に説明されています。圧縮ばね安全率 (SFC) は、最大許容応力を連続長さにわたる応力で割ったものとして定義されます。SFC は方程式を使用して計算できます。（３）、（４）、（５）、（６）２６．(この研究で使用したばね材料の場合、\({S}_{sy}=980 MPa\))。F は方程式内の力を表し、KB はベルクシュトラッサー係数 26 を表します。
ばねのねじり安全係数 (SFT) は、M を k で割ったものとして定義されます。SFT は式から計算できます。（７）、（８）、（９）、（１０）２６．(この研究で使用した材料の場合、\({S}_{y}=1600 \mathrm{MPa}\))。式中、M はトルク、\({k}^{^{\prime}}\) はバネ定数 (トルク/回転)、Ki は応力補正係数に使用されます。
この研究における主な最適化目標は、ばねのエネルギーを最大化することです。目的関数は、\(f(X)\) を最大化する \(\overrightarrow{\{X\}}\) を見つけるように定式化されます。\({f}_{1}(X)\) と \({f}_{2}(X)\) は、それぞれ圧縮バネとねじりバネのエネルギー関数です。最適化に使用される計算された変数と関数を次の方程式に示します。
ばねの設計に課されるさまざまな制約は、次の方程式で与えられます。式 (15) と (16) は、それぞれ圧縮バネとねじりバネの安全係数を表します。この研究では、SFC は 1.2 以上、SFT は θ26 以上である必要があります。
BA はミツバチの花粉を求める戦略に触発されました 27。ミツバチは、より多くの採餌者を肥沃な花粉場に送り、より少ない採集者を肥沃な花粉場に送り込むことによって探します。したがって、ミツバチ集団からの最大の効率が達成されます。一方で、偵察ミツバチは花粉の新しい領域を探し続けており、以前よりも生産性の高い領域があれば、多くの採集者がこの新しい領域に誘導されるでしょう28。BA は、ローカル検索とグローバル検索の 2 つの部分で構成されます。ローカル検索では、ミツバチなどの最小値に近いコミュニティ (エリート サイト) がより多く検索され、他のサイト (最適なサイトまたは注目のサイト) では検索されません。グローバル検索部分で任意の検索が実行され、良好な値が見つかった場合、ステーションは次の反復でローカル検索部分に移動します。アルゴリズムにはいくつかのパラメーターが含まれています:偵察ミツバチの数 (n)、ローカル探索サイトの数 (m)、エリート サイトの数 (e)、エリート サイトの採集者の数 (nep)、最適な領域。サイト (nsp)、近傍サイズ (ngh)、および反復回数 (I)29。BA 擬似コードを図 3 に示します。
このアルゴリズムは、\({g}_{1}(X)\) と \({g}_{2}(X)\) の間で動作しようとします。各反復の結果、最適な値が決定され、最良の値を取得するためにこれらの値の周囲に母集団が集められます。制限はローカル検索セクションとグローバル検索セクションでチェックされます。ローカル検索では、これらの要因が適切であれば、エネルギー値が計算されます。新しいエネルギー値が最適値より大きい場合は、新しい値を最適値に割り当てます。検索結果で見つかった最適な値が現在の要素より大きい場合、新しい要素がコレクションに含まれます。ローカル検索のブロック図を図 4 に示します。
人口は BA の重要なパラメータの 1 つです。以前の研究から、母集団を拡大すると必要な反復回数が減り、成功の可能性が高まることがわかります。しかし、機能評価の数も増加しています。多数のエリート サイトの存在は、パフォーマンスに大きな影響を与えません。ゼロ30でないとエリートサイトの数が少ない可能性があります。偵察蜂の個体群のサイズ (n) は、通常 30 ～ 100 の間で選択されます。この研究では、適切な数を決定するために 30 と 50 の両方のシナリオが実行されました (表 2)。他のパラメータは母集団に応じて決定されます。選択されたサイトの数 (m) は集団サイズの (約) 25% であり、選択されたサイト内のエリート サイトの数 (e) は m の 25% です。給餌ミツバチの数 (検索数) は、エリート プロットでは 100 匹、他のローカル プロットでは 30 匹に選ばれました。近傍検索は、すべての進化的アルゴリズムの基本概念です。この研究では、テーパリングネイバー法が使用されました。この方法では、反復ごとに一定の割合で近傍のサイズが縮小されます。今後の反復では、より正確な検索のために、より小さい近傍値 30 を使用できます。
各シナリオについて、最適化アルゴリズムの再現性をチェックするために 10 回の連続テストが実行されました。図上。図５はスキーム１のねじりバネの最適化の結果を示し、図６はスキーム１のねじりバネの最適化の結果を示す。6 – スキーム 2 の場合。テストデータは表 3 および表 4 にも示されています (圧縮バネについて得られた結果を含む表は補足情報 S1 にあります)。ミツバチの個体数は、最初の反復で適切な値の検索を強化します。シナリオ 1 では、一部のテストの結果が最大値を下回りました。シナリオ 2 では、人口およびその他の関連パラメーターの増加により、すべての最適化結果が最大値に近づいていることがわかります。シナリオ 2 の値がアルゴリズムにとって十分であることがわかります。
反復でエネルギーの最大値を取得する場合、研究の制約として安全率も提供されます。安全係数については表を参照してください。BA を使用して得られたエネルギー値を、表 5 の 5 DOE 法を使用して得られたエネルギー値と比較します。 (製造を容易にするため、ねじりバネの巻き数 (N) は 4.88 ではなく 4.9 とし、たわみ (xd) ）圧縮バネでは7.99mmではなく8mmです。）BAの方が結果が良いことがわかります。BA は、ローカルおよびグローバル ルックアップを通じてすべての値を評価します。こうすることで、より多くの代替案をより迅速に試すことができます。
この研究では、アダムスを使用して翼機構の動きを解析しました。アダムスには最初に機構の 3D モデルが与えられます。次に、前のセクションで選択したパラメータを使用してスプリングを定義します。さらに、実際の解析には他のパラメータを定義する必要があります。これらは、接続、材料特性、接触、摩擦、重力などの物理パラメータです。ブレードシャフトとベアリングの間にはスイベルジョイントがあります。円筒状のジョイントが5～6個あります。固定ジョイントは5-1個あります。本体はアルミ素材で固定されています。それ以外の部分の材質はスチールです。材料の種類に応じて、摩擦係数、接触剛性、摩擦面の侵入深さを選択します。(ステンレス鋼 AISI 304) この研究では、重要なパラメータは翼機構の開放時間であり、200 ミリ秒未満である必要があります。したがって、解析中は翼の開く時間に注目してください。
アダムスの解析の結果、翼機構の開放時間は74ミリ秒だった。1 から 4 までの動的シミュレーションの結果を図 7 に示します。5 はシミュレーションの開始時間であり、翼は折り畳みの待機位置にあります。(2) 翼が 43 度回転したときの 40ms 後の翼の位置を表示します。(3) は 71 ミリ秒後の翼の位置を示しています。また、最後の写真 (4) は、翼の回転の終わりと開いた位置を示しています。動的解析の結果、翼の開閉機構が目標値の200msよりも大幅に短いことが観測されました。さらに、スプリングのサイズを決定する際、安全限界は文献で推奨されている最高値から選択されました。
すべての設計、最適化、シミュレーションの研究が完了した後、機構のプロトタイプが製造され、統合されました。次に、シミュレーション結果を検証するためにプロトタイプがテストされました。まず主殻を固定し、主翼を折ります。次に、翼が折り畳まれた位置から解放され、折り畳まれた位置から展開された位置までの翼の回転のビデオが作成されました。タイマーはビデオ録画中の時間を分析するためにも使用されました。
図上。図８は、１〜４の番号が付けられたビデオフレームを示す。図のフレーム番号 1 は、折りたたまれた翼が解放される瞬間を示しています。この瞬間は、時間 t0 の最初の瞬間と見なされます。フレーム 2 と 3 は、最初の瞬間から 40 ミリ秒と 70 ミリ秒後の翼の位置を示しています。フレーム 3 と 4 を分析すると、翼の動きが t0 から 90 ms 後に安定し、翼の開きが 70 ～ 90 ms の間に完了することがわかります。この状況は、シミュレーションとプロトタイプのテストの両方で翼の展開時間がほぼ同じであり、設計が機構の性能要件を満たしていることを意味します。
この記事では、翼の折り畳み機構に使用されるねじりバネと圧縮バネを BA を使用して最適化します。数回の反復でパラメータにすぐに到達できます。ねじりバネの定格は 1075 mJ、圧縮バネの定格は 37.24 mJ です。これらの値は、以前の DOE 研究より 40 ～ 50% 優れています。スプリングは機構に統合され、ADAMS プログラムで分析されます。分析したところ、74ミリ秒以内に翼が開いたことが判明した。この値は、プロジェクトの目標である 200 ミリ秒を大幅に下回っています。その後の実験研究では、ターンオン時間は約 90 ミリ秒であることが測定されました。分析間のこの 16 ミリ秒の差は、ソフトウェアでモデル化されていない環境要因によるものである可能性があります。研究の結果得られた最適化アルゴリズムは、さまざまなばね設計に応用できると考えられます。
バネの材料は事前に定義されており、最適化の変数としては使用されませんでした。航空機やロケットには多くの異なる種類のばねが使用されているため、今後の研究では、BA を異なる材料を使用した他の種類のばねの設計に適用して、最適なばね設計を達成する予定です。
私たちは、この原稿がオリジナルであり、これまでに出版されておらず、現在他での出版が検討されていないことを宣言します。
この研究で生成または分析されたすべてのデータは、この公開された論文 [および追加情報ファイル] に含まれています。
Min、Z.、Kin、VK、Richard、LJ 航空機 根本的な幾何学的変更による翼型コンセプトの近代化。IES J. パート A 文明。化合物。プロジェクト。3(3)、188–195 (2010)。
Sun, J.、Liu, K.、および Bhushan, B. カブトムシの後翅の概要: 構造、機械的特性、メカニズム、および生物学的インスピレーション。J.メカ。行動。生物医学。母校。94、63–73 (2019)。
Chen, Z.、Yu, J.、Zhang, A.、および Zhang, F. ハイブリッド動力の水中グライダーの折り畳み推進機構の設計と解析。海洋工学 119、125–134 (2016)。
Kartik, HS および Prithvi, K. ヘリコプターの水平尾翼折り畳み機構の設計と解析。内部 J. Ing.貯蔵タンク。テクノロジー。(IGERT) 9(05)、110–113 (2020)。
Kulunk, Z. および Sahin, M. 実験設計アプローチを使用した折りたたみロケット翼設計の機械的パラメーターの最適化。内部J.モデル。最適化。9(2)、108–112 (2019)。
Ke、J.、Wu、ZY、Liu、YS、Xiang、Z.、Hu、XD 設計方法、性能研究、および複合コイル スプリングの製造プロセスのレビュー。作曲する。化合物。252、112747 (2020)。
Taktak M.、Omheni K.、Alui A.、Dammak F.、Kaddar M. コイル スプリングの動的設計の最適化。サウンドを申請します。77、178–183 (2014)。
Paredes, M.、Sartor, M.、および Mascle, K. 引張バネの設計を最適化するための手順。コンピューター。方法の応用。毛皮。プロジェクト。191(8-10)、783-797 (2001)。
Zebdi O.、Bouhili R.、Trochu F. 多目的最適化を使用した複合コイルばねの最適設計。Ｊ．Ｒｅｉｎｆ．プラスチック。作曲する。28 (14)、1713 ～ 1732 年 (2009)。
Pawart、HB および Desale、DD 三輪車のフロント サスペンション コイル スプリングの最適化。プロセス。メーカー。20、428–433 (2018)。
Bahshesh M. および Bahshesh M. 複合スプリングによる鋼製コイル スプリングの最適化。内部 J. 学際的。科学。プロジェクト。3(6)、47–51 (2012)。
チェン、L.ら。複合コイル スプリングの静的および動的性能に影響を与える複数のパラメーターについて学びます。J.マーケット。貯蔵タンク。20、532–550 (2022)。
Frank、J. 複合ヘリカル スプリングの分析と最適化、博士論文、サクラメント州立大学 (2020)。
Gu, Z.、Hou, X.、および Ye, J. 有限要素解析、ラテン超立方体限定サンプリング、および遺伝的プログラミングの組み合わせを使用した非線形らせんばねの設計および解析方法。プロセス。毛皮研究所。プロジェクト。CJメカ。プロジェクト。科学。235(22)、5917–5930 (2021)。
ウー、L.ら。調整可能なスプリングレートのカーボンファイバーマルチストランドコイルスプリング: 設計とメカニズムの研究。J.マーケット。貯蔵タンク。9(3)、5067–5076 (2020)。
Patil DS、Mangrulkar KS、Jagtap ST 圧縮コイルばねの重量を最適化。内部 J. Innov.貯蔵タンク。学際的。2(11)、154–164 (2016)。
Rahul, MS および Rameshkumar, K. 自動車用途のコイル スプリングの多目的最適化と数値シミュレーション。母校。今日のプロセス。46、4847–4853 (2021)。
Bai、JB et al.ベストプラクティスの定義 – 遺伝的アルゴリズムを使用した複合螺旋構造の最適設計。作曲する。化合物。268、113982 (2021)。
Shahin, I.、Dorterler, M.、および Gokche, H. 圧縮バネ設計の最小体積の最適化に基づく灰狼最適化手法の使用、Ghazi J. Engineering Science、3(2)、21–27 ( 2017）。
Aye, KM、Foldy, N.、Yildiz, AR、Burirat, S.、Sait, SM は、複数のエージェントを使用してクラッシュを最適化するメタヒューリスティックスを行っています。内部 J. Veh.12月80(2–4)、223–240 (2019)。
Yildyz (アーカンソー州) および Erdash (MU 州) 実際のエンジニアリング問題の信頼できる設計のための、新しいハイブリッド Taguchi-salpa グループ最適化アルゴリズム。母校。テスト。63(2)、157–162 (2021)。
Yildiz BS、Foldi N.、Burerat S.、Yildiz AR、Sait SM 新しいハイブリッド バッタ最適化アルゴリズムを使用したロボット グリッパー メカニズムの信頼性の高い設計。専門家。システム。38(3)、e12666 (2021)。