Yapay sinir ağları yaklaşımı ile curufların termal iletkenlik değerlerinin tahmin edilmesi
Estimation of the thermal conductivity of slags by using artificial neural network
- Tez No: 605693
- Danışmanlar: DOÇ. DR. CEVAT BORA DERİN
- Tez Türü: Yüksek Lisans
- Konular: Metalurji Mühendisliği, Metallurgical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Malzeme Mühendisliği Bilim Dalı
- Sayfa Sayısı: 103
Özet
Yapay sinir ağları çok güçlü bir tahmin yöntemi olmakla birlikte insan beyni ile de çeşitli benzerlikler göstermektedir. İnsan beyninde yaklaşık olarak on milyar sinir hücresi bulunmaktadır. Biyolojik bir sinir hücresini düşündüğümüzde içerisinde çok önemli elemanlar olduğunu söyleyebiliriz ki bunlar vasıtasıyla evrenin doğasını algılayabilir ve aldığımız tepkilere karşı uygun bir yanıt oluşturabiliriz. Bunlardan ilki sinyalleri dış ortamdan alan dendritler ve bu uyarıları veya sinyalleri değerlendiren ya da dönüştüren aksonlar tarafından sinaps uçlarına gönderilip ve bir sonraki sinir hücresinin uyarılması sağlanmaktadır. Sinirler birbirleriyle dış ortamdan veya çevreden alınan uyarılar vasıtasıyla iletişime geçerler ancak alınan uyarıların bir diğer sinir sistemine aktarılması için belli bir eşik değerinden geçmesi gerekmektedir. Dış ortamdan alınan uyarıların toplamı uyarının şiddeti olarak adlandırılmaktadır. Eğer şiddet belli bir eşik değerini geçerse anlamlı bir veri olarak diğer bir sinir sistemine aktarılmasına olanak tanınır ancak eşik değerinin altında ise ağırlık şiddeti tekrar hesaplanıp ve alınan sinyalin optimize edilmesi sağlatılmaktadır. Yapay sinir ağları yöntemi son derece güvenilir bir yöntem olmakla birlikte çok geniş uygulama yelpazesine de sahiptirler. Çünkü insan beyni gibi geçmişte öğrenilmiş verileri temel alarak çalışır ve öğrendiği verilerden ders alarak sonuçlar üretmektedir. Bunu şu şekilde uygular, hatalar her bir çıktı için yeniden hesaplanır ve yapay sinir ağı boyunca geriye doğru ilerleyerek katmanlar arasında yeniden yorumlanır ve daha iyi bir çıktı alınması sağlatılmaktadır. Bu işlem hata minimize edilinceye kadar devam etmektedir ve böylelikle“Öğrenme”sağlanmış olunur. Cüruflar, temiz ve kaliteli bir metalin üretilmesinde önemli bir role sahiptirler. Eskilerin deyimiyle“Cürufları dikkate alırsanız, metal zaten istendiği gibi oluşur.”Metal üretiminde cüruflarının kontrol edilmesinin ne denli önemli olduğu bilinen bir gerçektir. Cüruflar temel olarak pota içerisinde sıvı halde bulunan metalin üzerini kaplar ve oksijen ile temasını engellemektedir. Ayrıca istenmeyen oluşumların sıvı bünyesinden uzaklaştırılmasını sağlamakta ve potadaki ısı kayıplarını korumaktadır. Bu tezde eriyik cürufların en önemli termal özelliklerinden biri olan termal iletkenlik değerleri üzerinde çalışma yapılmıştır. Termal iletkenlik bir ısı yayılma katsayısıdır. Isıl yayılma, Watt değerinin metre ve kelvin sıcaklığı birimine bölünmesi ile ifade edilir. (W/m. K). Süreç boyunca enerji akışı cürufun sıcaklığını, faz kompozisyonunu ve diğer termalkimyasal özelliklere etki etmektedir. Bu çalışmada temel olarak Na2O – B2O3 – SiO2 ve CaO – Al2O3 – SiO2 sistemlerine ait farklı sıcaklık kompozisyonları incelenmiştir. İlk olarak konu araştırması yapılmış ve örnek veriler toplanmıştır. Bu örnek veriler kütle veya mol yüzdeleri cinsinden alınmış ancak veritabanına aktarırken yüzdelik kütle dönüşümleri yapılmıştır. Bu veriler yapay sinir ağının öğrenme sürecinde kullanılmış ve böylelikle termal iletkenlik verilerinin üçlü faz sistemlerinde, istenilen sıvı bölge içerisinde tahmin edilmesi sağlatılmıştır ve eş sıcaklık çizgileri üçlü faz diyagramının sıvı bölgesi içerisinde çizilmiştir.
Özet (Çeviri)
Neural network is a strong data prediction technique has a similarity with human brain consists of ten billion nerves called neurons. Biological neuron is a vital unit to understand and to learn the nature of universe. In order to create convenient response throughout neural network system consists of some operational unit such as dendrite who receive the signals from the outside, soma evaluates and conveys the signals through the next layer and axon deliver the responses through the synapses. Neurons talks each other by input when neuron received inputs regarding with various weights from multiple cells. Aggregation of the inputs called“intensity”multiplied by regarding weights. If intensity of the signals is enough to cross over the certain threshold, then ignition process starts and signals are allowed to go ahead to be transmitted all the way through the axon and synapse to be delivered next neuron. Artificial neural network (ANN) is extremely reliable method to be used for estimation because it simulates the human brain behavior mostly based on learned experience from the past. Same phenomenon happens in the ANN system where errors computed for each output and propagated backwards through the layer or units inside the network in order to correct the weights to get better results till minimize the errors which called“learning”. Slags have an important role to get desired clean and quality production.“Look after the slag and the metal will look after itself”is strong expression to understand how they are essentials in the industries. It covers the metal from the oxygen and prevent the oxidation, takes off the unwanted elements and prevent the heat losses from the crucibles. Therefore, thermal conductivity of the molten melts was reviewed as one of the important element of the thermal properties of the slags in present study. Thermal conductivity is the diffusivity constant of the conductive term of the heat transfer equation that represent ability of a specific material to transfer heat, given a temperature gradient and length (W/m. K). Flow of energy during the process affects the slag temperature, phase composition, and therefore other thermochemical properties. Present study, thermal conductivity of Na2O – B2O3 – SiO2 and CaO – Al2O3 – SiO2 systems were reviewed at various temperatures. Literature research was studied and data samples collected either in mass or mole fraction of the regarding liquid slag system associated temperatures in order to create database which constitutes learning dataset of the ANN enables to present study to estimate the thermal conductivity of the liquid area in ternary phase diagrams. It was taken into consideration that simulated or estimated thermal conductivity values are coherent with experimental values. According to estimated dataset, iso-thermal contours are depicted in ternary phase diagrams.
Benzer Tezler
- Yapay sinir ağları yaklaşımı ile curuflarda fosfor kapasitelerinin incelenmesi
Estimation of phosphorus capacities of molten slags using artificial neural network approach
EMRE ALAN
Yüksek Lisans
Türkçe
2013
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEVAT BORA DERİN
- Auxetic malzemelerde Poisson oranı: Bir yapay sinir ağları modeli
Poisson's ratio in auxetic materials a neural networks model
AYŞE GÜL
Yüksek Lisans
Türkçe
2022
Mühendislik BilimleriAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HAMİT ÖZYAZICIOĞLU
- Yapay sinir ağları yaklaşımı ile kompaksiyon parametrelerinin tahmini
Estimation of compaction parameters by means of artificial neural networks approaches
YAŞAR TANER SOYCAN
Yüksek Lisans
Türkçe
2008
İnşaat MühendisliğiNiğde Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. OSMAN SİVRİKAYA
- Yapay sinir ağları yaklaşımı ile Türkiye'deki ulaştırma talebinin tahmini
The estimation of transportation demand in Turkey with artificial neural networks approach
TOLGA GÜRBÜZ
Yüksek Lisans
Türkçe
2008
İnşaat MühendisliğiKırıkkale Üniversitesiİnşaat Ana Bilim Dalı
YRD. DOÇ. DR. ALİ PAYIDAR AKGÜNGÖR
- Yapay sinir ağları yaklaşımı ile sürtünme malzemelerinin performans tahmini
With artificial neural network approach estimate the friction materials performance
YAVUZ ŞAVK
Yüksek Lisans
Türkçe
2015
Makine MühendisliğiAfyon Kocatepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM MUTLU