Takım aşınması ve yüzey pürüzlülüğünün yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi
Prediction of tool wear and surface roughness by using methods of artificial neural networks and fuzzy logic
- Tez No: 266305
- Danışmanlar: YRD. DOÇ. FATİH BAŞÇİFTÇİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Bu tez çalışmasının amacı takımda kesme işlemi esnasında meydana gelen değişiklikleri, oluşturulan entegre sistem ve yazılım ile on-line olarak takip ederek takım aşınması ve yüzey pürüzlülüğünü yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin etmektir. Takım durumunu en iyi şekilde gözlemleyebilmek için sistemde takım durumunu temsil edebilecek veriler toplanmıştır. Oluşturulan değişik parametrelerdeki yapay sinir ağları öncelikle örnek deney verileri kullanılarak eğitilmiş, ardından test verileri ile denenmiştir. Bulanık mantık ise yapay sinir ağları ile tahmin edilen aşınma ve yüzey pürüzlülüğü değerlerinin belirlenen seviyelerde sınıflandırılması için kullanılmıştır. Bu tez çalışması için yazılan program takım durumunu on-line olarak izleme, sensör verilerini kaydetme, işlem seyrini grafik üzerinde izleme ve gerektiğinde uyarı-kontrol sağlamak için kullanılabilir.
Özet (Çeviri)
The goal of this study is prediction of tool wear and surface roughness with the integrated system made by on-line monitoring of the changes on tool during cutting operations and using artificial neural networks and fuzzy logic methods. For best monitoring the tool condition, multiple sensor data are collected to represent the tool condition. Artificical neural networks with different parameters is first trained with sample experimental data and then tested with test data. Fuzzy logic is used classiffication of tool wear and surface roughness which is estimated with neural network according to the predefined levels. The software written for this study can be used to monitor tool condition on-line, saving sensor data, viewing the process on a graphic and producing alarm-control signals when it is necessary.
Benzer Tezler
- Frezelemede yapay sinir ağları kullanarak, çok elemanlı kuvvet ölçümlerine dayalı takım durumu izleme
Tool condition monitoring, based on multi-component force measurements using artificial neural network in milling
HACI SAĞLAM
Doktora
Türkçe
2000
Makine MühendisliğiSelçuk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ ÜNÜVAR
- Tornalamada kesme parametrelerindeki değişime göre yüzey pürüzlülüğünün tahmini için model geliştirme
Developing model for surface roughness prediction depending on the cutting parameters variation in turning
ALİ KİRİK
Yüksek Lisans
Türkçe
2010
Makine MühendisliğiGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
DOÇ. DR. ABDULLAH KURT
- Kesici takım titreşimlerinin gerçek zamanlı izlenmesi
Real time monitoring of cutting tool vibration
ORHAN GÜNGÖR
Yüksek Lisans
Türkçe
2011
Teknik EğitimSüleyman Demirel ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ABDÜLKADİR ÇAKIR
YRD. DOÇ. DR. OĞUZ ÇOLAK
- Minimum miktarda yağlama (MMY) ile kesmenin takım aşınması ve yüzey pürüzlülüğüne etkilerinin incelenmesi
Analysis of the impact of minimum quantity lubrication (MQL) on tool wear and surface roughness
UMUT AKBEN
Yüksek Lisans
Türkçe
2009
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUZAFFER ERTEN
- Toz metalurjisi yöntemi ile Al-SiC kompozit malzeme üretimi ve işlenebilirliğinin incelenmesi
Production of Al-SiC composites by powder metallurgy technique and investigation of their machinability behaviours
ERKAN AKORAL
Yüksek Lisans
Türkçe
2003
Makine MühendisliğiCelal Bayar ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TÜRKER