Comparison of artificial neural network-based and adaptive quadratic neural network-based multi-fidelity algorithms for buckling load prediction of stiffened panels
Güçlendirilmiş panellerin burkulma yükü tahmini için yapay sinir ağı tabanlı ve adaptif kuadratik sinir ağı tabanlı çoklu doğruluk seviyeli algoritmaların karşılaştırılması
- Tez No: 800214
- Danışmanlar: DOÇ. DR. ERCAN GÜRSES, DOÇ. DR. HAMDULLAH YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Havacılık Mühendisliği, Mühendislik Bilimleri, Aeronautical Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Bu tez, uyarlanabilir aktivasyon fonksiyonlarına sahip kuadratik sinir ağlarına (KSAlar) dayalı çoklu doğruluk seviyeli modeller kullanarak güçlendirilmiş panellerin burkulma yükünü tahmin etmek için yeni bir yaklaşım sunmaktadır. Önerilen yaklaşımın etkinliği, çeşitli güçlendirilmiş panel konfigürasyonu üzerinde bir dizi simülasyon yoluyla gösterilmiştir ve sonuçlar, doğruluk ve hesaplama verimliliği açısından geleneksel çok yönlü modelleme yöntemlerinden elde edilenlerle karşılaştırılmıştır. Sayısal deneyler, önerilen modelin güçlendirilmiş panel yapılarının burkulma yüklerini doğru ve etkin bir şekilde tahmin edebileceğini ve vekil modelin değerlendirilmesi için gerekli hesaplama maliyetini önemli ölçüde azaltabileceğini göstermektedir. Bu yaklaşım, çeşitli tasarım konfigürasyonlarını kolay ve hızlı bir şekilde keşfederek ve kararlı ve verimli konfigürasyonlar bularak havacılık yapılarının tasarımını ve optimizasyonunu önemli ölçüde iyileştirebilir. Genel olarak, bu çalışma, havacılık yapılarının burkulma yükünü tahmin etmek için çoklu doğruluk seviyeli modellemenin potansiyelini ve bu amaç için uyarlanabilir aktivasyon fonksiyonlarına sahip KSAları kullanmanın etkinliğini vurgulamaktadır.
Özet (Çeviri)
This thesis presents a novel approach for predicting the buckling load of stiffened panels using multi-fidelity modeling based on the quadratic neural networks (QNNs) with adaptive activation functions. The effectiveness of the proposed approach is demonstrated through a series of simulations on a range of stiffened panel configurations, and the results are compared to those obtained from traditional multi-fidelity modeling methods in terms of accuracy and computational efficiency. Numerical experiments demonstrate that the model can accurately and efficiently predict the buckling load of stiffened panels, while significantly reducing the computational cost of evaluating the surrogate model. This approach can significantly improve the design and optimization of aerospace structures by easily and quickly exploring various design configurations and finding stable and efficient configurations. Overall, this study highlights the potential of multi-fidelity modeling for predicting the buckling load of aerospace structures, and the effectiveness of using QNNs with the adaptive activation functions.
Benzer Tezler
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Adaptive inverse optimal controller design for non-affine nonlinear systems using machine learning techniques
makine öğrenmesi teknikleri kullanarak doğrusal ve afin olmayan sistemler için adaptif ters optimal kontrolör tasarımı
MUHAMMET EMRE SANCI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- Yapay zeka tabanlı talep tahmin yöntemlerinin performans üstünlükleri açısından değerlendirilmesi: Gıda sektöründe bir uygulama
Evaluation of artificial intelligence based demand forecasting methods in terms of performance superiority: An application in the food sector
MEHMET DİNÇ
Yüksek Lisans
Türkçe
2021
İşletmeManisa Celal Bayar Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. TUNCER ÖZDİL
- Yapay zeka metotlarının bir sınıflandırma probleminde karşılaştırılması
Comparison of artificial intelligience methods for a classification problem
NİLGÜN ŞENGÖZ
Yüksek Lisans
Türkçe
2016
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÖZDEMİR
- Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama
Comparison of classification performance of fuzzy and simple artificial neural networks and multiple logistic regression methods: An application on classification of developmental levels of countries
ÖMER FARUK RENÇBER