Prediction of surface roughness value for machining of Aluminum 1050 material by using artificial neural network
Yapay sinir ağ tekniği kullanılarak işlenmiş Al1050 malzemesinin yüzey pürüzlülüğü değerinin tahmin edilmesi.
- Tez No: 343508
- Danışmanlar: DOÇ. DR. AYKUT KENTLİ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 123
Özet
Yüzey pürüzlülüğü, mekanik parçaların performansını ve üretim maliyetlerini büyük ölçüde etkilediği için, ürün kalitesinin önemli bir parametresidir. Yüzey pürüzlülüğü, yıpranma (yorulma) dayanımı, korozyon direnci, sünme (kabarma) ömrü gibi mekanik özellikler üzerinde etkiye sahiptir. Yüzey pürüzlülüğü ayrıca sürtünme, ışığı yansıtma, ısı aktarımı, kesme sıvısı, elektrik iletimi gibi işlevsel parça özelliklerini de etkilemektedir. Yüzey pürüzlülüğü kabul edilebilir bir tolerans aralığında olmalıdır. Yüzey pürüzlülüğü bazen yüksek zararlara veya maliyetlere sebep olmaktadır. Sonuç olarak, son yıllarda birçok girişimin neticesinde, yüzey pürüzlülüğü modellemesinde büyük araştırma ve geliştirmeler bulunmaktadır. Aynı zamanda, daha iyi yüzey pürüzlülüğü elde etmek için istenilen uygun kesim(kontrol) parametrelerinin en uygun değerlerde seçilmesi büyük önem kazanmaya başladı, çünkü daha iyi yüzey pürüzlülüğü değeri elde etmek ancak en uygun kesim parametrelerinin belirlenmesiyle mümkün olur. Belirli bir imalat işleminde yüzey pürüzlülüğünü kontrol eden bütün bu parametreleri göz önüne almak zor olduğundan bu çalışmalar tamamlanmaktan çok uzaktır. Örnek olarak frezede işlenen parçalar için; kesme derinliği, kesici dönüş hızı, kesme sıvısı gibi faktörler yüzey pürüzlülüğü için temel parametreler olarak kabul edilir. Bununla birlikte tornada işlenen parçalar için, ilerleme hızı, çalışılan malzemenin karakteristiği, çalışılan malzemenin sertliği, kesme hızı, kesme derinliği, kalem uç yarıçapı, kalem kesme açısı gibi daha farklı sayıda değişkenler yüzey pürüzlülüğünü etkileyen faktörlerdendir. Levha metal işlemleri gibi orta seviyede mukavemet gerektiren uygulamalarda Alüminyum 1050 alaşımı popüler derecede bir kullanıma sahiptir. İstenilen mekanik ve kimyasal özelliklerine sahip olmasından dolayı son yıllarda Al1050 endüstride geniş kullanım alanı bulmuştur. Günlük hayatta Al1050, ışıklandırma, yansıtıcı, aksesuar, kimyasal depolama, radyatörlerde, tabelalarda, elektronikte, aydınlatıcılarda, isim levhalarında, elektriksel uygulamalarda, damgalama parçalarında ve bazı diğer ürünlerde sıklıkla kullanılmaktadır. Normalde, yüksek aşınma direnci ve kolay şekillendirilebilme özelliğinin ön planda olduğu, mukavemet değerinin ise daha az önem arz ettiği, kimyasal uygulamalarda kullanılmaktadır. Yumuşak bir malzeme olduğundan ve düşük erime sıcaklığına sahip olduğu için Al1050 ürünleri, genelde döküm yapılarak üretilir. Sonuç olarak zayıf işlene bilirliğe sahiptir. Bunun sonucunda inanıyoruz ki bu alaşımın işlenmesinin incelenmesi sadece araştırmacılar için değil uygulama sahasında da kullanışlı olacaktır. Bu çalışmada Al1050 alaşımının yüzey kalitesi araştırılacaktır. Yapay sinirsel ağ (YSA) yöntemi en iyi bilinen modelleme ve/veya en uygun şekle sokma tekniğidir. Bu matematiksel yöntem, girilen örnek değerlerini öğrenebilme kabiliyetinden ve seri çözüm yollarının farkına varıp başta girilen örnek değerlerinden yola çıkarak sonuç değerlerine varabildiği için özellikle fiziksel modellerle tanımlanması zor olan ilişkilendirmelerin simülasyonunda çok kullanışlıdır. Bu çalışmada YSA, yüzey pürüzlülüğünün kalitesini belirlemede yapılan deney sayısını düşürmek için, yüzey pürüzlülüğü değerinin tahmininde kullanılacaktır.Sistemimiz üç katman nörona sahiptir: Giriş katmanı, Gizli katman ve sonuç katmanı. Giriş katmanı işleme parametrelerini içerecektir. Sonuç katmanı, MarSurf M300C yüzey pürüzlülüğü test cihazı (Profilometre) kullanılarak elde edilen yüzey pürüzlülüğü değerlerini içerecektir. Giriş katmanından elde edilen bilgiler daha sonra bir gizli katman boyunca işlenecek ve son katmanda izleyen sonuç vektörü hesaplanacaktır. Sonuçlar karşılaştırılacak ve model verimliliği değerlendirilecektir.
Özet (Çeviri)
Surface roughness is an important measure of product quality since it greatly influences the performance of mechanical parts and also, it greatly influences production cost. Surface roughness has an impact on the mechanical properties like fatigue behaviour, corrosion resistance, creep life, etc. Surface roughness also affects other functional attributes of parts such as friction, wear, light reflection, heat transmission, lubrication, electrical conductivity, etc... Surface roughness should be in an acceptable tolerance range. Sometimes, various catastrophic failures causing high damages/costs have been attributed to the surface finish of the components in question. Consequently, there have been many attempts and as a result, great research developments in modelling surface roughness in recent years. Also, optimization of the controlling parameters to obtain a surface finish of desired level became a great concern since only proper selection of cutting parameters can produce a better surface finish. But such studies are far from complete since it is very difficult to consider all the parameters that control the surface roughness for a particular manufacturing process. For example; depth of cut, spindle speed, lubricants etc. are some of the fundamental parameters for milling and surface finish in turning has been found to be influenced in varying amounts by a number of factors such as feed rate, work material characteristics, work hardness, cutting speed, depth of cut, tool nose radius and tool cutting edge angles etc. Aluminium 1050 alloy is a popular grade of aluminium for general sheet metal work where moderate strength is required. Al1050 has a wide range of usage in industry over last decades, because of its desired mechanical and chemical properties. It is often used in daily, lighting, reflector, accessories, chemical containers, heat sinks, signage, electronics, lamps, nameplates, electrical appliances, stamping parts and some other products. Normally it is used for cases corrosion resistance and formability requirements are high occasion but less demanding on the strength, chemical equipment.Al1050 products are generally produced by casting because it is a soft material and it has a small melting temperature. Consequently, it has poor machinability. So, it is believed that investigation on machining of this alloy will be useful not only for researchers but also for practical applications. In this study, machining of Al1050 will be investigated in terms of its surface quality. Artificial neural network (ANN) is a well-known technique for modelling and/or optimization. This mathematical technique is especially useful for simulations of any correlation that is difficult to describe with physical models because of the ability to learn by example and to recognize patterns in a series of input and output values from example cases. In other words; ANNs are computational models, which simulate the function of biological network, composed of neurons. In this study, ANN will be used to predict the surface roughness value to decrease the number of experiments to define the quality. Our system will have three layers of neurons: input layer, a hidden layer and an output layer. The input layer will consist of machining parameters. The output layer will consist of surface roughness values which will be obtained by using MarSurf M300C surface roughness testing machine (Profilometer). Information from the input layer is then processed through one hidden layer, and following output vector is computed in the final (output) layer. Results will compared and the efficiency of the model will be realized.
Benzer Tezler
- Tel elektro erozyon işleme ile kesilen alüminyum alaşımlarının yüzey pürüzlülük değerlerinin makine öğrenmesi yöntemleri ile tahmin edilmesi
Prediction of surface roughness values of aluminum alloys cut by wire electro erosion machining by machine learning methods
OSMAN AYDUR
Yüksek Lisans
Türkçe
2022
Mühendislik BilimleriFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ULAŞ
- Yüzeyi sertleştirilmiş soğuk iş kalıp çeliklerinin tornalanması işlemlerinde takım ömrü-kesme parametreleri ilişkisinin incelenmesi
Investigating the relationship between tool life-cutting parameters in turning case hardened cold work mold steel
DOĞAN ŞENKAL
Yüksek Lisans
Türkçe
2012
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. M. CEMAL ÇAKIR
- AA7075 alüminyum alaşımının tornalanmasında takım aşınmasının görüntü işleme yöntemi ile tahmini
Prediction of tool wear in turning of AA7075 aluminum alloy using image processing method
ENES ÇELİK
Yüksek Lisans
Türkçe
2023
Makine MühendisliğiKarabük ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ERDİ KORKMAZ
- Kompakt grafitli dökme demirde frezeleme işlemi sonrası kalıntı gerilmelerin incelenmesi ve kesme parametreleri için süreç optimizasyonu
Investigation of residual stresses induced by milling in compacted graphite iron and process optimization for cutting parameters
MEHMET EMRE KARA
Doktora
Türkçe
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAKKAL
- Kalıp parçalarının frezelenmesi sonucunda oluşan yüzey pürüzlülüğünün optimizasyonu
Optimization of surface roughness occurred in the result of end milling mould parts
HASAN ÖKTEM
Doktora
Türkçe
2009
Makine MühendisliğiKocaeli ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEHMİ ERZİNCANLI
PROF. İBRAHİM UZMAN