Geri Dön

Robotik sac katlama kuvvet değerlerinin yapay sinir ağları yöntemi ile tahmini

Prediction of force values application using artificial neural networks for robotic roller hemming

  1. Tez No: 436201
  2. Yazar: RAMAZAN KAVALCI
  3. Danışmanlar: PROF. DR. ZAFER BİNGÜL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 153

Özet

Bu çalışmada, otomotiv sektöründe kullanılan 5 farklı (AA6111, AA5182, AA6016, AA5754 ve DQSK) sac malzemesi ve robotik sac katlama işlemini etkileyen farklı giriş parametreleri (kalınlık, bini yüksekliği, makara çapı ve dış sac yarıçapı) için DynaForm sonlu elemanlar analiz programı kullanılarak, çıkış parametreleri (sac hareketleri ve işlem kuvvet değerleri) çözdürülmüştür. Elde edilen kuvvet verileri yapay sinir ağları (YSA) ile eğitilmiş ve eğitilen YSA'nın doğruluğu test edilmiştir. Bu çalışmanın amacı, robotik sac katlama işlemi için gerekli olan kuvvet değerlerinin sonlu elamanlar yöntemi kullanmadan doğrudan YSA yöntemi ile tahmin edilmesidir. Sonlu elemanlar yöntemi ile kuvvet değerleri hesaplanması, ağır hesaplama yükü ve dolayısıyla uzun simülasyon süresi oluşturmaktadır. Bu da sonlu elemanlar yöntemi ile hesaplanan kuvvet değerlerini geri beslemeli bir kuvvet kontrolü sisteminde kullanılmasını engellemektedir. Sonuç olarak, otomotiv sektöründe kullanılan yukarıda ifade edilen sac malzemeler için, katlama işleminde elde edilen kuvvet değerlerinin tahmini iki farklı YSA modeliyle (ileri beslemeli geri yayılım modeli ve radyal tabanlı fonksiyon algoritması modeli ) başarılı ve çok kısa sürede yapılabildiği bu çalışmada görülmüştür.

Özet (Çeviri)

In this study, for 5 different sheet panel materials (AA6111, AA5182, AA6016, AA5754 and DQSK) used for automotive industry and different input parameters (thickness, flange height, roller diameter and outer panel radius) effecting the robotic roller hemming application, output parameters (panel movements and force values) were analyzed using DynaForm finite element analysis program. The obtained force values were trained artificial neural networks and accuracy of the trained artificial neural network was tested. The aim of this study is to obtain directly the force values which are needed for the robotic roller hemming with the artificial neural network method without using finite element analyses program. The calculating of these force values with finite element method analyses takes long times and it causes heavy computational effort. The force values obtained from finite element method is not possible to use in the feedback controlling system. To sum up, it is seen that the robotic roller hemming force values for the different materials used for automotive industry are able to predicted in the short time and successfully with two different artificial neural network (feedforward back propagation and radial basis function) methods.

Benzer Tezler

  1. Entomopatojen nematod ürünlerinin uygulanması için bir robotik sistem tasarımı ve optimizasyonu

    A robotic system design and optimization for the application of entomopathogenic nematode products

    HİLAL ERDOĞAN

    Doktora

    Türkçe

    Türkçe

    2022

    ZiraatBursa Uludağ Üniversitesi

    Biyosistem Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİL ÜNAL

  2. On the conceptual design of a macro micro robot manipulator for cochlear microrobot operations

    Koklear mikrorobot operasyonları için bir makro mikro robot manipülatörünün tasarımı

    ALP EMRE YAŞAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Makine Mühendisliğiİzmir Katip Çelebi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERKİN GEZGİN

  3. Perçinsiz sac bağlantılarının mekanik özelliklerinin belirlenmesi

    Determination of mechanical properties of clinched sheet joints

    MURAT TURAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Makine MühendisliğiAfyon Kocatepe Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET ÇETKİN

  4. Deep reinforcement learning off-policy algorithms for robotic manipulator control

    Robotik manipülatör kontrolü için derin takviyeli öğrenme politikasız algoritmaları

    ALTUN RZAYEV

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Mekatronik MühendisliğiBahçeşehir Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. VAHID TAVAKOL AGHAEI

  5. Otomotiv endüstirisi sac şekillendirme preslerinde endüstri 4.0 ve kestirimci bakım yöntemleri

    Industry 4.0 and predictive maintenance methods in automotive industry sheeting presses

    SADETTİN ATAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mühendislik BilimleriBursa Uludağ Üniversitesi

    Otomotiv Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET İHSAN KARAMANGİL