Yapay sinir ağları yardımıyla titreşim altındaki cıvataların gevşeme tahmini
Prediction of self-loosening of bolts under the vibration via artificial neural networks
- Tez No: 595335
- Danışmanlar: DR. ÖĞR. ÜYESİ SERDAR KARAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
M8x100x1,25 – 6g 10.9 kalite cıvataların gevşeme hızları yapay sinir ağları yardımıyla tahmin edilmeye çalışılmıştır. İki farklı tipte kaplanmış cıvataların, beş farklı kilitleme boylarında, dört farklı kilitleme yüklerinde, iki farklı tipte kaplanmış somunlar ile tüm kombinasyonlarda bağlantıları yapılarak yanal yüklemeli titreşim testleri gerçekleştirilmiştir. Titreşim testleri sonucunda incelenen tüm parametrelerin gevşemeye olan etkilerine ulaşılmıştır. Test sonuçlarının %70'i; yapay sinir ağlarının eğitim verisi olarak kullanılmış, %30'u ise test ve doğrulama için kullanılmıştır. Performansları değerlendirilen yaklaşık 430.000 yapay sinir ağından en yüksek performansı gösteren ağ tespit edilmiştir. En yüksek performansı gösteren ağ, gerçek test sonuçlarına çok yakın, tatmin edici gevşeme hızları tahminleri yapmıştır. Yapılan tahminlerin ortalama kare hatası (MSE) 1,6652x10^(-5)'tir.
Özet (Çeviri)
prediction of loosening rates of M8x100x1,25 – 6g 10.9 bolts under the transverse loading vibration has been tried via artificial neural networks. The two different types of coated bolts with different clamping lengths, different clamping loads, different types of coated nuts fastened and transverse loading vibration tests were conducted in all combinations. In result of vibration tests, effects of all researched parameters to self-loosening were found out. 70% of test results were used for training data for artificial neural networks, 30% of test results were used for test and validation. Approximately, 430.000 neural networks' performances were evaluated and highest performance network was detected. The highest performance neural network predicted the loosening rates to real test results closely and satisfying. MSE (Mean Square Error) criteria of predictions is 1,6652x10^(-5).
Benzer Tezler
- Depreme yönelik olarak yarı-aktif kontrollü manyetik damper tasarımı ve uygulaması
Design of a semi-active controlled magnetic damper for seismic mitigation of buildings
MUAZ KEMERLİ
Doktora
Türkçe
2020
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN ENGİN
- Modern makine öğrenmesi yöntemlerinin farklı inşaat mühendisliği problemlerine uygulanması
Application of modern machine learning methods to various civil engineering problems
MURAT GÖÇER
Doktora
Türkçe
2025
İnşaat MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SAFA BOZKURT COŞKUN
- Yapay sinir ağları ve genetik algoritma optimizasyonu kullanılarak yapı elemanlarında titreşim verileri yardımıyla hasar tespiti
Damage detection in structural elements with the help of vibration data using artificial neural networks and genetic algorithm optimization
AGHAMEHDI DADASHOV
Yüksek Lisans
Türkçe
2024
İnşaat MühendisliğiKaradeniz Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN KAHYA
- Malzemelerin hasarsız tesrtinde titreşim sinyallerinin yapay sinir ağları ile incelenmesi
Investigation on nondestructive testing of veids in conciete structures by vsing neural netwoeks
MÜCAHİT KEKLİKOĞLU
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. MUSTAFA KARAMAN
- Pnömatik devrelerde optimum tasarım ve yapay sinir ağları ile titreşim analizi
Optimum design of pneumatic circuits and vibration analysis with neural networks
ASLI BULGAN
Yüksek Lisans
Türkçe
2013
Makine MühendisliğiErciyes ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN YILDIRIM