Artificial neural network based tool for buckling loads of integrally stiffened aircraft structural panels
Entegre güçlendirilmiş yapısal paneller için yapay sinir ağı bazlı burkulma yükleri belirleme aracı
- Tez No: 661680
- Danışmanlar: DOÇ. DR. ERCAN GÜRSES
- Tez Türü: Yüksek Lisans
- Konular: Havacılık Mühendisliği, Makine Mühendisliği, Metalurji Mühendisliği, Aeronautical Engineering, Mechanical Engineering, Metallurgical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Basma yükeri altında yapısal parçalarda yük taşıma kapasitesindeki ani düşüş, diğer adıyla burkulma uçak yapısallarında geri dönüşü olmayan hasarlara sebep olur. Bu sebeple ön tasarım süreçlerinde tasarlanan parçaların burkluma ve çökme yüklerinin tespit edilmesi hayati önem arzetmektedir. Bu yükleri tespit etmede ticari sonlu eleman yazılımları ve yapısal testlerden yararlanılmaktadır. Ancak ön tasarım süreçleri için yapısal analizler zaman kaybına sebep olurken yapısal testler de maliyetlidir. Bu çalışmada, ön tasarım süreçlerinde kaybedilen zamanı azaltmak amacıyla, entegre güçlendirilmiş yapısal paneller için yapay sinir ağı bazlı ilk burkulma ve çökme yükleri belirleme yöntemi geliştirilmesi hedeflenmiştir. Sonlu eleman analizleri yapay sinir ağlarını eğitmek için kullanılmıştır. Ayrıca Latin Hiperküp Örnekleme Metodolojisi ile yapay sinir ağı data havuzunu oluşturmak için gerekli sonlu eleman analiz sayısının azaltılması amaçlanmıştır. Son olarak Değişken Doğruluk Seviyeli Seçim Algoritmalarıyla yapay sinir ağı data havuzu için harcanan süreyi azaltmak amaçlanmıştır. Oluşturulan yöntemden alınan sonuçlar ortalama hata kıyaslamalarıyla değerlendirilmiştir.
Özet (Çeviri)
The sudden change in the load carrying capacity under compresive loading, called buckling, may cause catastrophic failures. Therefore, determination of the first buckling and collapse loads of structural elements is essential in preliminary design stages. Finite element (FE) analyses and structural testing are used to determine buckling characteristics of a structural element. However, in early design stages, FE analyses are time consuming and structural testing is costly. In this study, an artificial neural network tool (ANN) is used to reduce computational effort to determine buckling loads of integrally stiffened structural panels in early design stages. Reuslts of FE analyses are employed to train the ANN. Moreover, Latin Hypercube Sampling (LHS) methodology is used to reduce the number of required FE analyses to generate database that artificial neural network is based on. Finally, a Multi-fidelity sampling algorithm that uses FE models with different mesh resolutions is implemented for generation of the ANN database in order to reduce computational time spent for finite element analyses. Mean errors and fit performance model results are compared to determine accuracy of the neural network results.
Benzer Tezler
- Development of an artificial neural network based analysis method for skin-stringer structures
Kirişle güçlendirilmiş kabuk yapılar için yapay sinir ağ bazlı analiz yöntemi geliştirilmesi
ANIL CANKUR
Yüksek Lisans
İngilizce
2017
Havacılık MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERCAN GÜRSES
- Artificial neural network-based design tool for the horizontal stabilizer of a helicopter
Bir helikopter yatay dengeleyicisi için yapay sinir ağı tabanlı tasarım aracı
EREN DUZCU
Yüksek Lisans
İngilizce
2022
Makine MühendisliğiHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. BORA YILDIRIM
- Development of artificial neural network based design tool for aircraft engine bolted flange connection subject to combined axial and moment load
Eksenel ve moment yükü altındaki flanşlar için yapay sinir ağına dayalı cıvatalı flanş tasarım aracı geliştirilmesi
TAHİR VOLKAN SANLI
Yüksek Lisans
İngilizce
2018
Havacılık MühendisliğiOrta Doğu Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ALTAN KAYRAN
- Moda kategorisine yönelik evrişimli sinir ağları tabanlı öneri sistemi tasarımı
Convolutional neural network based recommendation system design for fashion category
MEHMET YİĞİT ÖZGENÇ
Yüksek Lisans
Türkçe
2022
Yönetim Bilişim SistemleriMarmara ÜniversitesiSayısal Yöntemler Bilim Dalı
PROF. DR. ÖMER ÖNALAN
- Combined wavelet-neural classifier for power distribution systems
Elektrik dağıtım sistemlerinde birleşik dalgacık-sinir ağı tabanlı sınıflayıcı
OBEN DAĞ
Yüksek Lisans
İngilizce
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CANBOLAT UÇAK