Granül malzemelerin helezon konveyörde iletiminin makine öğrenmesi ile modellenmesi
Flow behaviour prediction of granular materials through a screw conveyor
- Tez No: 803953
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHARREM ERDEM BOĞOÇLU, DR. ÖĞR. ÜYESİ BERNA BOLAT
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Makine Mühendisliği, Engineering Sciences, Mechanical Engineering
- Anahtar Kelimeler: Helezon konveyörler, Screw conveyors
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Konstrüksiyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Helezon konveyörler farklı endüstrilerde granül malzemeleri tasımak ve iletmek için kullanılan mekanik araçlardır. Temel olarak bunker, ¸saft üzerine sarılı kanat ve bunu çevreleyen kılıftan olusmaktadır. Mekanik sistemin basit parçalardan olusmasına ragmen helezon konveyörde malzeme iletiminin davranı¸sın modellenmesi ve do˘gru parametrenin seçimi güç olabilmektedir. Bu yı˘gın malzemenin davranı¸sını anlamak için analitik, nümerik ve deneysel yaklasımlara literatürde sıkça rastlanmaktadır. Ayrık elemanlar metodu partiküllerin hareketini ve çarpısmasını hesaplamada en sık kullanılan nümerik metottur. Bu metodun kullanılmasıyla birlikte yıgın malzemenin farklı ko¸sullar altındaki hareketi anlasılabilmistir. Fakat her ne kadar malzemenin hareketi tahmin edilebilse de hesap yükü çok fazla olabilmektedir. Bu yüzden ayrık elemanlar metodu yerine son zamanlarda makine ögrenmesi yöntemlerinin kullanıldıgı görülmektedir. Bu çalısmada da amaç granül malzemenin helezon konveyördeki akıs debisini geleneksel yöntemlerden farklı olarak çok daha hızlı bir sekilde makine ögrenmesi yöntemiyle elde edebilmektir. Bunun için partikül ortalama çapı, konveyör egimi, partikül yogunlugu, partiküller arası ve partikül duvar arası statik ve dönme sürtünmeleri, tepme katsayıları giris parametreleri olarak kabul edilmistir. Bu giris parametreleri ile debi çıkıs parametresi arasında lineer olmayan baglantıyı kurabilen uygun yapıda bir sinir agı modeli olusturulmustur. Bu sinir agı modeli ayrık elemanlar simülasyonu ile elde edilen sonuçlar ile egitilmi¸stir. Sinir agı egitiminde fazla sayıda veriye ihtiyaç olmaktadır. Bu dezavantajlı durum deney tasarımı yöntemi ile giderilmistir. Parametrelerin dizaynı deney tasarımı ile olu¸sturulmustur ve bu sayede az sayıda veri ile sonuca ula¸sılması saglamı¸stır. Bu sinir agı modeli polipropilen kullanılarak deneyler ile dogrulanmıstır. Bunun haricinde de debi üzerine ¸seklin etkisi ara¸stırılmıs olup ¸sekil faktörünün de debi üzerinde etkili oldugu anlasılmı¸stır. Sinir agı metodunun helezon konveyörde debi hesabı için kullanılabilecek bir yöntem oldugu böylece gösterilmstir
Özet (Çeviri)
Screw conveyors are mechanical devices used to elevate or move granular products at a controlled rate in a variety of industries, including agriculture, chemicals, and polymers. The conventional setup consists of a hopper, a spiral blade mounted on an internal shaft, and a fixed external casing. Although mechanical systems are fundamentally simple, choosing the right parameters to transport bulk solids can be challenging. Many research has been carried out utilizing computational, analytical, and experimental methods to comprehend the bulk behavior of granular materials. A numerical method for computing the motion of particles that may interact with other particles or surfaces is known as the discrete element method. With the use of DEM, it was possible to accurately forecast how granular assemblies would flow. However, because of the processing requirements, DEM can be time-consuming. Instead, techniques based on machine learning have been used to quicken DEM application computation times. The objective of this study is to accurately forecast the rate of bulk material flow in a screw conveyor while reducing calculation time. The most sensitive parameters, which are particle mean diameter, increment angle, particle density, particle-particle and particle wall static friction, particle-particle rolling friction, and particle-particle and particle wall coefficient of restitution, are selected as input parameters. To construct a nonlinear relationship between the DEM simulation parameters and flow rate, a BP neural network has been developed. When a series of DEM simulation results with variable parameters are used to train the network, specifically for screw conveyor applications, the main disadvantage of this technique is that it requires a huge amount of data, which is time-consuming. To get around this problem, the DOE method was employed to reduce the number of virtual tests required to improve the ANN parameters. The trained ANN model combined with the DOE approach quickly and reliably predicted the mass flow rate for a horizontal screw conveyor. The trained ANN model was also experimentally verified using granular polypropylene. Also, it was demonstrated that the mass flow rate through the screw conveyor is slightly influenced by the particle shape. The ANN technique is a promising approach for accurately calculating a screw's flow rate, adding another option for figuring out granular material flow rate
Benzer Tezler
- Investigation of the cutting performances of the diamond tools used in the natural stone industry
Doğal taş sanayisinde kullanılan elmaslı kesicilerin kesim performansının incelenmesi
BERRAK BULUT
Doktora
İngilizce
2021
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT BAYDOĞAN
- Granül termoplastik malzemelerin ekstrüzyon esaslı eklemeli imalat şartlarının incelenmesi ve optimizasyonu
Investigation and optimization of extrusion based additive manufacturing conditions of granular thermoplastic materials
MUSTAFA ÇETİN
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiEskişehir Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ ÇOLAK
- Granül ve hidrofobik film yapılı piroteknik/termit malzeme sentezi ve karakterizasyonu
Synthesis and characterization of granular and hydrophobic film structure of pyrotechnic/thermite materials
HAZAL KAMAL
Yüksek Lisans
Türkçe
2022
Kimya MühendisliğiHacettepe ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATOŞ ÇİĞDEM KİP
- Bitümlü malzemelerin reolojik ve dielektrik özelliklerinin yapay sinir ağlarıyla modellenmesi
Modeling the rheological and dielectric properties of bituminous materials with artificial neural networks
BETÜL DEĞER ŞİTİLBAY
Doktora
Türkçe
2023
İnşaat Mühendisliğiİstanbul Üniversitesi-Cerrahpaşaİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KARAŞAHİN
DR. ÖĞR. ÜYESİ MUSTAFA SİNAN YARDIM
- Metalik bronz malzemelerin eklemeli imalatı ve karakterizasyonu
Additive manufacturing and characterization of metallic bronze materials
AHMET ÇAĞRI KILINÇ
Doktora
Türkçe
2022
Metalurji MühendisliğiDokuz Eylül ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AYDIN GÖKTAŞ