Dijital ikiz çatıyapısı altında yapısal kirişlerin fizik bilgili sinir ağları ile dinamik modellenmesi
Dynamical modelling of structural beams under a digital twin framework with physics-informed neural networks
- Tez No: 836712
- Danışmanlar: DOÇ. DR. HAKKI ÖZGÜR ÜNVER
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Dijital İkiz (DT)'ler birçok alanda olduğu gibi yapısal parçaların çalışma anında maruz kaldıkları yüklere göre durum takibini yapmak için de kullanılmaktadır. Fiziksel ürünün dijital kopyasının oluşturulması aşamasında ise Sonlu Elemanlar Yöntemi (FEM) sıklıkla görev almaktadır. FEM uygulamalarında parça geometrisinin kompleksliği ve mesh detayları önemli olmakla beraber analiz sürelerini ve dolayısıyla DT oluşum süresini etkilemektedir. Doğruluğu yüksek ve gecikme süresi düşük bir dijital kopya oluşturulması aşamasında, birçok alanda kendisine yer bulan Yapay Zeka (AI)'dan faylanmak mümkündür. Bu çalışmada, yapısal kirişlerin DT'lerinin oluşturulması sırasında, içinde barındırdığı probleme ait Kısmi Diferansiyel Denklem (PDE)'lerden faydalanan, daha az veriyle yüksek doğruluklu modellemeler yapabilen Fizik Bilgili Sinir Ağları (PINN) yapısı ve bu yapının kullanıldığı bir DT çatıyasıpı önerilmektedir. Çalışmalar sırasında probleme ait analitik denklemler yardımıyla sentetik veriler üretilmiştir. Daha sonra üretilen veriler, PINN modeline beslenerek ileri problem çözülmüş ve ters problem çözümüyle de sistem parametreleri tahmin edilmiştir. Yüksek frekanslı öğrenmede spektral yanlılık (bias) fenomeni ile başa çıkmak için Neural Tangent Kernel (NTK) ile kendinden uyarlamalı ağırlık güncellemesi metodu uygulanmıştır. PINN tahminleri, geliştirilen yöntemin doğruluğunu kanıtlamak için Sonlu Elemanlar Analizi (FEA) çıktıları ile karşılaştırılmıştır. Sentetik verilerle yapılan çalışmalar sonrasında, deney düzeneğinden toplanan gerçek veriler ile de bir çalışma yapılmış ve PINN'lerin doğrusal olmayan yüksek dereceli PDE'lerin
Özet (Çeviri)
Digital Twins (DT) are used in many fields, as well as to monitor the condition of structural parts according to the loads they are exposed to during operation. In the process of creating a digital copy of the physical product, Finite Element Method (FEM) is often involved. Although the complexity of the part geometry and mesh details are important in FEM applications, they affect the analysis time and thus the generation time of DT. Creating a digital copy with high-fidelity and low latency makes it possible to employ Artificial Intelligence (AI), which has found its place in many fields. In this study, we propose a Physics-Informed Neural Network (PINN) structure and DT framework that can perform high-fidelity modeling with fewer data by using the Partial Differential Equations (PDE) of the problem during the generation of the DT of structural beams. During the studies, synthetic data are generated with the help of analytical equations of the problem. Then, the generated data are fed into the PINN model to solve the forward problem and the inverse problem is solved to estimate the system parameters. A self-adaptive weight update method with a Neural Tangent Kernel (NTK) is applied to deal with the spectral bias phenomenon in high-frequency learning. The PINN estimates are compared with the Finite Element Analysis (FEA) outputs to prove the accuracy of the developed method. After the studies with synthetic data, a study is carried out with real data collected from the experimental setup, and the potential of PINNs to approximate the solution of nonlinear higher-order PDEs and parameter identification is demonstrated.
Benzer Tezler
- Development of cloud-based intelligent healthcare system using digital twin
Dijital ikiz kullanılarak bulut tabanlı akıllı sağlık sisteminin geliştirilmesi
SARA JAMAL HUSSEIN HUSSEIN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Dijital ikiz teknolojilerinin işletmelerde yöneticilerin görevlerini yerine getirebilmesine ilişkin bir araştırma
A study on how digital twin technology enables executives to fulfill their responsibilities in businesses
ASEL DEMİRDAĞ
Yüksek Lisans
Türkçe
2024
Yönetim Bilişim SistemleriDüzce ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. İZZET KILINÇ
- Digital twin-based approach for thermal efficiency assessment and optimization in the Nigerian construction industry
Dijital ikiz tabanlı yaklaşımla Nijerya inşaat sektöründe ısıl verimlilik değerlendirmesi ve optimizasyonu
IBRAHIM TAHIR HALIRU
Yüksek Lisans
İngilizce
2024
Mimarlıkİhsan Doğramacı Bilkent ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. BURCU ŞENYAPILI ÖZCAN
- Mühendislik doküman ve veri yönetim sistemlerinin kurumsal hafıza bağlamında modellenmesi
Engineering document and operational data management in the context of corporate memory
ZEHRA ÖZCÖMERT
Yüksek Lisans
Türkçe
2020
ArşivMarmara ÜniversitesiBilgi ve Belge Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BAHATTİN YALÇINKAYA
- Digitizing electricity generation in solar panel farms with digital twin and operating with high efficiency
Dijital ikiz ile güneş paneli çiftliklerinde elektrik üretiminin dijitalleştirilmesi ve yüksek verimlilikle çalıştırılması
TOLGA YALÇIN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUĞÇE DEMİRDELEN