Comparison of artificial intelligence methods for predicting tensile properties of multifilament polyester woven fabrics
Multifilament polyester dokuma kumaşların gerilim özelliklerinin tahmin edilmesi için yapay zeka metotlarının karşılaştırılması
- Tez No: 709928
- Danışmanlar: DOÇ. DR. HALİL İBRAHİM ÇELİK, DOÇ. DR. HATİCE KÜBRA KAYNAK
- Tez Türü: Yüksek Lisans
- Konular: Tekstil ve Tekstil Mühendisliği, Textile and Textile Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Tekstil Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Filament inceliği, doku tipi ve kumaş sıklığı, multifilament dokuma kumaşların mekanik özellikleri üzerinde büyük etkiye sahiptir. Bu çalışmada, multifilament dokuma kumaşların daha önce tespit edilen kopma uzaması ve kopma mukavemeti değerleri Yapay Sinir Ağları (YSA), Bulanık Mantık (BM) ve Genetik Algoritmalar (GA) Yapay Zeka teknikleri kullanılarak tahmin edilmiştir. Çalışmada kullanılan kumaş numuneleri üç farklı mikrofilament inceliğine ve iki farklı konvansiyonel filament inceliğine sahiptir. Bezayağı, dimi ve saten dokuma çeşitlerine sahip kumaş numuneleri dört farklı atkı sıklığında üretilmiştir. Uygulanan yapay zeka teknikleri ile yüksek doğruluk oranları elde edilmiştir. Ortalama mutlak hata yüzdesi %6'dan daha düşüktür. ANN, BM ve ANN-GA hibrit yöntemleri ile elde edilen veriler ile yapılan regresyon analizlerinde elde edilen en düşük regresyon katsayısı (R^2) değerleri sırasıyla 0.80, 0.90 ve 0.92'dur. Sonuç olarak, multifilament dokuma kumaşların kopma mukavemeti ve kopma uzaması özelliklerinin yüksek başarı oranları ile tahmin edilebileceği kanıtlanmıştır.
Özet (Çeviri)
The filament fineness, weave type and weave density have a great influence on the mechanical properties of multifilament woven fabrics. In this study, the previously determined breaking strength and breaking elongation values of multifilament woven fabrics were estimated using Artificial Neural Networks (ANN), Fuzzy Logic (FL), and Genetic Algorithms (GA) Artificial Intelligence (AI) techniques. The fabric samples used in the study have three different microfilament fineness and two different conventional filament fineness. Fabric samples with plain, twill and satin weave types were produced with four different weft setts. High accuracy rates were obtained with applied AI techniques. The mean absolute percentage error was lower than 6%. The minimum regression coefficient values (R^2) of linear regression analysis for each method were 0.80, 0.90 and 0.92 by ANN, BM and ANN-GA hybrid methods, respectively. As a conclusion, it was proved that the breaking strength and breaking elongation properties of multifilament woven fabrics can be estimated with high success rates.
Benzer Tezler
- Active learning based human in the loop deep object detectionfor scalable data annotation
Ölçeklenebilir veri etiketlenmesi için aktif öğrenme tabanlı insan katılımlı derin nesne tespiti sistemi
ATABERK ARMAN KAYHAN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE
- Tek A'lı çekirdeklerin taban-durum manyetik momentlerinin sinirsel-bulanık sistemiyle belirlenmesi
Determination of the ground-state magnetic moments of odd mass nuclei using neuro-fuzzy system
BÜRUCE ÖZTÜRK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN YAKUT
- KASKİ atık su arıtma verilerinin yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi
Prediction of wastewater treatment data of Kayseri water and sewerage administration (KASKI) artifical neural networks and fuzzy logic
SALİH BURÇİN ÖZEN
Yüksek Lisans
Türkçe
2018
İnşaat MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HATİCE ÇITAKOĞLU
- Vücut yağ yüzdesinin tahmin edilmesinde makine öğrenmesi
Machine learning in estimating body fat percentage
BETÜL GÜLFEM BAŞAKIN
Yüksek Lisans
Türkçe
2023
Beslenme ve DiyetetikBiruni ÜniversitesiBeslenme ve Diyetetik Ana Bilim Dalı
PROF. DR. FATMA ÇELİK
- Derin öğrenme yöntemleri ile zaman serisi tahmini
Time series classification with deep learning methods
HAKAN GÜNDÜZ
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEHRA ÇATALTEPE