Geri Dön

Metal yorgunluğunun lamb dalgaları ile tespiti ve fiziksel güdümlü sinir ağları ile bir tahmin modeli geliştirilmesi

Detection of metal fatigue using lamb waves and development of a physics-informed neural network-based prediction model

PDF İndir

  1. Tez No: 1024975
  2. Yazar: OZAN BERKAY BALYEMEZ
  3. Danışmanlar: PROF. DR. HAKKI ÖZGÜR ÜNVER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mühendislik Bilimleri, Mechanical Engineering, Engineering Sciences
  6. Anahtar Kelimeler: Mekanik yorulma, Odaklanmış lamb dalgaları, Sistem tanıma, Yapay sinir ağları, Yapısal sağlık izleme, Mechanical fatigue, Focused lamb wave, System identification, Artificial neural networks, Structural health monitoring
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Tobb Ekonomi ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Makine Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, seyrek ve dolaylı ölçümler altında yorulma çatlağı izleme ve Kalan Faydalı Ömür (Remaining Useful Life, RUL) kestirimi için Lamb dalgaları ile fizik tabanlı öğrenmeyi birleştiren bütünleşik bir çerçeve önermektedir. İlk olarak, yorulma testleri sırasında elde edilen ölçülmüş Lamb dalgası tepkileri, dalga formu evriminin kompakt ve gürültüye dayanıklı bir temsilini elde etmek amacıyla Doğrusal Olmayan Dinamiklerin Seyrek Tanımlanması (Sparse Identification of Nonlinear Dynamics, SINDy) yöntemi ile modellenmiştir. Ardından, yeniden oluşturulan SINDy dinamiklerinden skaler bir Hasar İndeksi (Damage Index, DI) türetilmiş ve bu indeks bir köprü olarak kullanılmıştır: dolaylı sensör bilgisini, kestirim sürecini fizik tabanlı çatlak ilerleme eğrileri üzerinde başlatmak için eşdeğer bir başlangıç çatlak boyuna a_0 eşlemektedir. Buna paralel olarak, gerilme şiddeti faktörü aralığı ΔK ve gerilme oranı R fonksiyonu olarak 〖log⁡〗_10 (da/dN) değerini öğrenmek üzere bir Fizik Bilgili Yapay Sinir Ağı (Physics-Informed Neural Network, PINN) oluşturulmuş ve yerleşik çatlak ilerleme yasaları aracılığıyla fiziksel tutarlılık zorlanmıştır. Model varsayımlarının tutarlı bir şekilde karşılaştırılabilmesi amacıyla Walker, Forman ve NASGRO formülasyonları aynı ağ mimarisi içerisinde uygulanmıştır. Test doğrulama sonuçları, Forman tabanlı PINN modelinin en yüksek doğruluğu sağladığını; 0.117 RMSE ve 0.974 〖 R〗^2 değeri ile Walker ve NASGRO modellerine kıyasla görülmemiş gerilme oranlarında daha üstün genelleme performansı gösterdiğini ortaya koymuştur. NASGRO formülasyonu teorik olarak daha zengin bir yapı sunmasına rağmen, artan parametre sayısı nedeniyle seyrek veri koşullarına karşı daha yüksek hassasiyet göstermiştir. Sonuç olarak, önerilen SINDy–PINN çerçevesi yoğun ve doğrudan çatlak ölçümleri gerektirmeden muhafazakâr ve doğru RUL kestirimleri sağlayarak, sınırlı muayene imkânına sahip havacılık yapıları için sağlam bir çözüm sunmaktadır.

Özet (Çeviri)

This study proposes an integrated framework for fatigue crack monitoring and Remaining Useful Life (RUL) prognosis under sparse and indirect measurements by combining Lamb waves with physics-based learning. First, measured Lamb-wave responses acquired during fatigue tests are represented using Sparse Identification of Nonlinear Dynamics (SINDy) to obtain a compact and noise-robust description of waveform evolution. Subsequently, a scalar Damage Index (DI) is derived from the reconstructed SINDy dynamics and used as a state-localization bridge: it maps indirect sensor information to an equivalent initial crack length a₀ to initialize the prognosis on physics-based crack-growth trajectories. In parallel, a Physics-Informed Neural Network (PINN) is formulated to learn 〖log⁡〗_10 (da/dN) as a function of the stress intensity factor range ΔK and stress ratio R, while enforcing physical consistency through established crack-growth laws. To enable a consistent comparison of modeling assumptions, Walker, Forman, and NASGRO formulations are implemented within the same network architecture. Experimental validation demonstrates that the Forman-based PINN achieved the highest accuracy, with an RMSE of 0.117 and an 〖 R〗^2 score of 0.974, and exhibited superior generalization across unseen stress ratios compared to the Walker and NASGRO models. While the NASGRO formulation provides greater theoretical richness, it showed higher sensitivity to sparse data due to increased parameterization. Overall, the proposed SINDy–PINN framework enables conservative and accurate RUL estimates without requiring intensive direct crack measurements, offering a robust solution for aerospace structures with limited inspection availability.

Benzer Tezler

  1. Tez No

    756772

    Gemilerdeki metal yorgunluğunun belirlenmesi için optik düzenek geliştirilmesi

    Development of optical setup for determination of metal fatigue on ships

    SEMİH ÖZTÜRK

    Doktora

    Türkçe

    Türkçe

    2022

    Fizik ve Fizik MühendisliğiÇanakkale Onsekiz Mart Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. MUSTAFA KURT

  2. Tez No

    480937

    Farklı nikel titanyum (Nİ-Tİ) kök kanal eğelerinin uzun süreli kullanımı sonrası oluşan metal yorgunluğunun araştırılması

    An invastigation of the metal fatigue of different nickel-titanium (Bİ-Tİ) rotary instruments after prolonged use

    GİZEM KUTLU

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2016

    Diş HekimliğiCumhuriyet Üniversitesi

    Diş Hastalıkları ve Tedavisi Ana Bilim Dalı

    DOÇ. DR. KEREM ENGİN AKPINAR

  3. Tez No

    515533

    Dört farlı tek eğe döner eğe sisteminin döngüsel metal yorgunluğunun karşılaştırılması

    Comparison of cylic fatigue resistance of four different single file niti systems

    MEHMET ÇITAK

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2017

    Diş HekimliğiOrdu Üniversitesi

    Endodonti Ana Bilim Dalı

    YRD. DOÇ. DR. ELİF BAHAR ÇAKICI

  4. Tez No

    82469

    Electron emission studies for fatique life prediction

    Metal yorgunluğunun belirlenmesi için exoelektron yayınımı çalışması

    EMRE AKIN

    Yüksek Lisans

    İngilizce

    İngilizce

    1999

    Metalurji MühendisliğiOrta Doğu Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. ALPAY ANKARA

  5. Tez No

    238000

    Ağır ve tehlikeli işlerde çalışan iş görenlerde zorlanmaya neden olan çalışma duruşlarının analizi

    Analysis of working postures that cause strain on workers that work in dangerous

    MEHLİKA KOCABAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Endüstri ve Endüstri MühendisliğiSelçuk Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET PEKER

Geri Dön