Karbon çeliklerinin mikroyapı görüntülerinden mekanik özelliklerinin derin öğrenme ile tahmini
Prediction of mechanical properties of carbon steels by deep learning from microstructure images
- Tez No: 888772
- Danışmanlar: DOÇ. DR. FECİR DURAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Metalurji Mühendisliği, Computer Engineering and Computer Science and Control, Metallurgical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 50
Özet
Malzeme biliminde, bir malzemenin mikroyapısı ile mekanik özellikleri arasında yakın bir ilişki olduğu bilinmektedir. Bu çalışmada, AISI 1040 çeliğinin oda sıcaklığındaki çekme özelliklerinin, mikroyapı görüntülerinden yapay zeka ile tahmin edilmesi hedeflenmiştir. Bu amaçla, standartlara uygun çekme numuneleri hazırlanmış ve çekme testine tabi tutulmuştur. Numunelerin deforme olmayan bölgelerinden alınan mikroyapı resimleri ile ferrit ve perlit hacim oranları hesaplanmıştır. Oluşturulan veri kümesi kullanılarak, Evrişimli Sinir Ağı modeli ile akma, çekme ve kopma gerilimi değerleri tahmin edilmiştir. Sonuçlar, mikroyapı görüntülerinden AISI 1040 çeliğinin mekanik özelliklerinin başarıyla tahmin edilebileceğini göstermiştir. Çalışma sonucunda Ortalama Kare Hatası 4,36; Kök Ortalama Kare Hatası 2,08; Ortalama Mutlak Hata 1,66; R-Kare 0,99 skorları elde edilmiştir.
Özet (Çeviri)
In materials science, it is known that there is a close relationship between the microstructure of a material and its mechanical properties. This study aimed to predict the tensile properties of AISI 1040 steel at room temperature using artificial intelligence from microstructure images. For this purpose, tensile specimens were prepared according to the standards and subjected to tensile tests. Microstructure images were taken from the undeformed regions of the specimens and the ferrite and pearlite volume fractions were calculated. Using the created dataset, yield strength, tensile strength and fracture stress values were predicted with a Convolutional Neural Network model. The results showed that the mechanical properties of AISI 1040 steel can be successfully predicted from microstructure images. The study yielded Mean Squared Error of 4.36; Root Mean Squared Error of 2.08; Mean Absolute Error of 1.66; and R-Squared score of 0.99.
Benzer Tezler
- Bor karbür katkılı PMMA (polimetil metakrilat) polimerkompozitlerin ATRP metodu ile sentezi ve karakterizasyonu
Synthesis and characterization of boron carbide additived PMMA (polymethyl methacrylate) polymer composites by ATRP method
DUYGU TULUK TÜRKMANİ
Yüksek Lisans
Türkçe
2023
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT ARSLAN
PROF. DR. NİLGÜN BAYDOĞAN
- Grafen ve bor nitrür katkılarının titanyum diborür – titanyum karbür kompozitlerinin özellikleri üzerine etkilerinin incelenmesi
Investigation of the effects of graphene and boron nitride additives on the properties of titanium diboride – titanium carbide composites
BESTE ECEM KAYAR
Yüksek Lisans
Türkçe
2023
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. İPEK AKIN KARADAYI
- The Effect of microstructure and hardness on acoustic properties of hypoeutectoid plain-C steels
Mikroyapının ve sertliğin ötektoid-altı yalın karbon çeliklerinin akustik özelliklerine etkisi
YANKI KELEŞ
Yüksek Lisans
İngilizce
2002
Metalurji MühendisliğiOrta Doğu Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. C. HAKAN GÜR
PROF. DR. ERDOĞAN TEKİN
- Sürtünme kaynağı ile birleştirilmiş AISI 1040/AISI 304 çelik çifti alaşımlarının mikroyapı ve mekanik özelliklerinin araştırılması
Investigation of the microstructural and mechanical properties of friction welded AISI 1040/AISI 304 steel pair alloys
SEDAT BULDAĞ
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiBingöl ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZÜLKÜF BALALAN
- Alaşımsız ve düşük alaşımlı çeliklerde küreselleştirme ısıl işleminin optimizasyonu ve hassas kesme işlemine etkisi
Optimization of spheroidizing heat treatment in unalloyed and low alloyed steels and its effect on fine blanking process
AKIN KÜTMEN
Yüksek Lisans
Türkçe
2022
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT BAYDOĞAN