Geri Dön

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

  1. Tez No: 709928
  2. Yazar: NURSELİN ÖZKAN AYAZ
  3. Danışmanlar: DOÇ. DR. HALİL İBRAHİM ÇELİK, DOÇ. DR. HATİCE KÜBRA KAYNAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Tekstil ve Tekstil Mühendisliği, Textile and Textile Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Tekstil Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  2. 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

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN YAKUT

  3. 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

    Türkçe

    2018

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HATİCE ÇITAKOĞLU

  4. Vücut yağ yüzdesinin tahmin edilmesinde makine öğrenmesi

    Machine learning in estimating body fat percentage

    BETÜL GÜLFEM BAŞAKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Beslenme ve DiyetetikBiruni Üniversitesi

    Beslenme ve Diyetetik Ana Bilim Dalı

    PROF. DR. FATMA ÇELİK

  5. Derin öğrenme yöntemleri ile zaman serisi tahmini

    Time series classification with deep learning methods

    HAKAN GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE