Geri Dön

Yapıların mekanik davranışının yapay sinir ağları ile modellenmesi ve optimizasyonu

Modelling and optimization of mechanical behavior of structures with artificial neural networks

  1. Tez No: 819363
  2. Yazar: BURAK AYDOĞDU
  3. Danışmanlar: PROF. DR. NECMETTİN KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Bursa Uludağ Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Konstrüksiyon ve İmalat Bilim Dalı
  13. Sayfa Sayısı: 94

Özet

Kullanılan malzemeye ve gerçekleştirilen analiz türüne göre ürün geliştirme çalışmalarında kullanılan sonlu elemanlar yöntemi uzun sürelere ihtiyaç duymaktadır. Yüksek iterasyon sayıları gerektirebilen sonlu elemanlar yöntemi optimizasyon çalışmaları ile birleştirildiğinde gerekli süreler daha da artmaktadır. Özellikle farklı çözümleri inceleyen popülasyon tabanlı evrimsel algoritmaların yüksek işlem gücü gereksinimleri ürün geliştirme çalışmalarını maliyetli hale getirmektedir. Yapay zekâ algoritmalarından birisi olan, yüksek başarı oranlarına ve hızlı sonuçlar üretme kapasitesine sahip makine öğrenmesi algoritmaları, farklı parametreler ile sonlu elemanlar modelinin tekrar tekrar kurulup çözülmesine kıyasla optimizasyon yöntemleri için büyük avantajlar sunmaktadır. Bu tez çalışmasında, yapıların mekanik davranışını modellenmek için sonlu elemanlar analizine dayanan bir makine öğrenmesi modeli geliştirilmiş ve model, yapıların optimizasyonu için ihtiyaç duyulan amaç ve kısıt fonksiyonlarını belirlemede kullanılmıştır. Makine öğrenmesi modeli için veri seti eldesi gerçekleştirilmiş, model eğitilmiş ve doğrulaması yapılmıştır. Eğitilen model, doğrusal ve doğrusal olmayan yapıların optimizasyon çalışmalarında genetik ve diferansiyel gelişim algoritmaları ile kullanılarak sunulan metodolojinin ürün geliştirme çalışmalarına olan katkıları incelenmiştir. Eğitilen makine öğrenmesi modeli hem doğrusal hem de doğrusal olmayan yapıların davranışını %98-99 civarlarındaki yüksek bir başarı oranı ile modelleyebilmektedir. Sunulan yöntem ile gerçekleştirilen optimizasyon çalışmaları optimum sonuçlarına saniyeler içerisinde ulaşmaktadır. Sunulan yöntem deneme-yanılma ve tecrübeye dayanarak tasarlanan, yüksek işlem gücü ve uzun süreler gerektiren yapıların tasarımı için yüksek başarı oranına sahip alternatif bir çözüm yolu olmaktadır.

Özet (Çeviri)

Depending on the material used and the type of analysis performed, the implementation of the finite element method used in product development studies requires long periods of time. When the finite element method, which may require high iteration numbers, is combined with optimization studies, the required time increases even more. Especially the high processing power requirements of population-based evolutionary algorithms that examine different solutions make product development studies costly. Machine learning algorithms, which are one of the artificial intelligence algorithms, have high success rates and the capacity to produce fast results, offer excellent advantages in optimization methods compared to repeatedly building and solving a finite element model with different parameters. In this thesis, a machine learning model based on the finite element analysis was developed to model the mechanical behavior of structures, and the model was used to determine the required objective and constraint functions for the optimization of structures. Data acquisition for the machine learning model was performed, the model was trained and validated. The trained model was used with a genetic and differential evolution algorithm for the optimization studies of linear and nonlinear structures, and the contributions of the presented methodology to product development studies were examined. The trained machine learning model can model the behavior of both linear and nonlinear structures with a high success rate of around 98-99%. Optimization studies which carried out with the presented method reach optimal results within seconds. The presented method is an alternative solution with a high success rate for designing structures that are designed based on trial-and-error and experience, requiring high processing power and long periods.

Benzer Tezler

  1. Predicting mechanical behaviour of auxetic lattice structures using finite element analysis and machine learning

    Sonlu elemanlar analizi ve makine öğrenimi kullanılarak öksetik kafes yapılarının mekanik davranışının tahmin ediılmesi

    YAMAN ARSLANCA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ULAŞ YAMAN

    DOÇ. DR. SEZER ÖZERİNÇ

  2. A new approach in studying the engineering behavior and mechanical properties of artificial bonded soils in the laboratory

    Bağlı yapay zeminlerin mühendislik ve mekanik özelliklerinin laboratuvarda incelenmesine yönelik yeni bir yaklaşım

    RICHARD VALL NGANGU RICARDO

    Doktora

    İngilizce

    İngilizce

    2022

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSAFFA AYŞEN LAV

  3. Investigation of the effect of heat treatments on the formability of the 6061 Al alloy

    Isıl işlemlerin 6061 Al alaşımının şekillendirilebilirliğineetkisinin incelenmesi

    RAŞİD AHMED YILDIZ

    Doktora

    İngilizce

    İngilizce

    2019

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAFAK YILMAZ

  4. Tectonic kinematic and dynamical boundary conditions to the South of Anatolia using new geodetic constraints and numerical modeling

    Güney Anadolunun kinematik ve dinamik tektonik sınır koşullarının yeni jeodezik gözlemler ve sayısal modellerle belirlenmesi

    VOLKAN ÖZBEY

    Doktora

    İngilizce

    İngilizce

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERGİN TARI

    PROF. DR. MEHMET SİNAN ÖZEREN

  5. Yapay sinir ağı kullanarak yapısal optimizasyon problemlerindeki çözüm süreçlerinin kısaltılması

    Reducing the solution processes in structural optimization problems using neural networks

    TEVFİK OĞUZ ÖRMECİOĞLU

    Doktora

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriAkdeniz Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İBRAHİM AYDOĞDU

    PROF. DR. NİYAZİ UĞUR KOÇKAL