Parameter estimation and power consumption behavior in disc stack centrifuges
Santrifüj separatörlerde parametre tahmini ve güç tüketimi davranışı
- Tez No: 1010993
- Danışmanlar: PROF. DR. YUNUS ÇERÇİ
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Disk yığın santrifüj, güç tüketimi, yapay sinir ağları, endüstriyel saha verisi, enerji tahmini, Disc stack centrifuge, power consumption, artificial neural networks, industrial field data, energy prediction
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Aydın Adnan Menderes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gerçek endüstriyel saha koşullarında çalışan üç farklı disk yığın santrifüjden toplanan ölçüm verileri kullanılarak güç tüketimi yapay sinir ağları (ANN) ile modellenmiştir. Giriş değişkenleri; tambur dönme hızı, besleme debisi, giriş/çıkış basıncı ve sıcaklık temelli proses parametrelerinden seçilmiştir. Toplam 54 farklı MLP tabanlı ANN mimarisi aktivasyon fonksiyonu, optimizasyon algoritması ve düzenlileştirme stratejileri açısından sistematik olarak karşılaştırılmış; performans MAE, MSE ve R² ölçütleri ile değerlendirilmiştir. Sonuçlar, yapay sinir ağ modellerinin, disk yığın santrifüjlerde güç tüketimini yüksek doğrulukla tahmin edebildiğini göstermiş ve Model_11; MAE = 0.05768, MSE = 0.01443, R² = 0.98598 değerleriyle en dengeli performansı sağlayarak nihai model olarak seçilmiştir.
Özet (Çeviri)
The power consumption of three different disc stack centrifuges operating under real industrial field conditions was modeled using artificial neural networks (ANNs) based on measured data. The input variables were selected as physically meaningful quantities, including bowl speed, throughput rate, inlet/outlet pressure, and temperature-based process parameters. A total of 54 MLP based ANN architectures were systematically compared in terms of activation functions, optimization algorithms, and regularization strategies, and performance was evaluated using MAE, MSE, and R² metrics. The results demonstrated that ANNs can predict power consumption in disc stack centrifuges with high accuracy, and Model_11 was selected as the final model by providing the most balanced performance (MAE = 0.05768, MSE = 0.01443, R² = 0.98598).
Benzer Tezler
- Konutsal yüklerin parametre ve güç tüketimi tahmini
Parameter and power consumption estimation of residential loads
RAMAZAN BAYRAM
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELÇUK EMİROĞLU
- Dizel motorlu otobüsler için yakıt yüketiminin sanal analizi ve optimizasyonu
Virtual analysis and optimization of fuel consumption for diesel-powered buses
AHMET MURAT YILMAZLAR
Yüksek Lisans
Türkçe
2025
Otomotiv MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. İMDAT TAYMAZ
- Elektrikli araçlar için yüksek doğrulukla şarj kestirimi sunan batarya yönetim sistemi tasarımı
Design of battery managemenet system providing high accuracy state of charge estimation for electric vehicles
MUSTAFA MERT SERİNBAŞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ONUR GÜLBAHÇE
- Yapay sinir ağları ile elektronik devre tasarım otomasyonu ve performans optimizasyonuna yönelik yeni yaklaşımlar
Novel approaches to electronic circuit design automation and performance optimization using artificial neural networks
FUNDA DAYLAK
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. İSMAİL SERDAR ÖZOĞUZ
- Numerical investigation of heat transfer in generic gas turbine blade with impingement cooling under high crossflow effect
Yüksek çapraz akış etkisi altında çarpma jet soğutmalı jenerik bir gaz türbini kanadında ısı transferinin sayısal incelenmesi
SEFA YILMAZ
Yüksek Lisans
İngilizce
2026
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERTAÇ ÇADIRCI