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
- Tez No: 911971
- Danışmanlar: DOÇ. DR. ULAŞ YAMAN, DOÇ. DR. SEZER ÖZERİNÇ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Öksetik kafes yapılarının mekanik özellikleri hem akademide hem de endüstride kapsamlı bir şekilde araştırılmaktadır. Yapay zekadaki, özellikle makine öğrenimindeki son gelişmeler de önemli ilgi görmektedir. Bu çalışma, makine öğrenimini kullanarak öksetik çift ok başlı kafes yapıların mekanik davranışlarını araştırmayı, analiz etmeyi ve tahmin etmeyi amaçlamaktadır. Sonlu elemanlar analizi kullanılarak otomatik bir şekilde toplam 1401 çift ok uçlu kafes yapısı oluşturulmuştur. Analiz sonuçları, girdi parametreleriyle birlikte, üç farklı makine öğrenimi modelini eğitmek için kullanılmıştır: Sinir Ağları, Rastgele Orman ve Aşırı Gradyan Artırma. Bu eğitimden elde edilen tahmin sonuçları sekiz çıktı değişkeni için sunulmuş ve yapı için optimum tasarım parametrelerini belirlemek amacıyla Pareto kümesi ve genetik algoritma kullanılarak optimizasyon çalışmaları yürütülmüştür.
Özet (Çeviri)
Mechanical properties of auxetic lattice structures have been extensively researched in both academia and industry. Recent advancements in artificial intelligence, particularly in machine learning, have also been attracting significant attention. This work aims to utilize machine learning to investigate, analyze and predict the mechanical behaviour of auxetic double arrow-head lattice structures. A total of 1401 double arrow-head lattice structures were generated using finite element analysis in an automated manner. The analysis results, along with the input features, were used to train three different machine learning models: Neural Network, Random Forest, and Extreme Gradient Boosting. Prediction results from this training for eight output variables are presented, and optimization studies using the Pareto set and a genetic algorithm are conducted to identify the optimal design parameters for the structure.
Benzer Tezler
- Isparta Ovası'ndaki volkanik zeminlerin jeo-mühendislik karakterizasyonu ve mekanik davranışının araştırılması
Geo-engineering characterization of the volcanic soils in the Isparta Plain and investigation of their mechanical behaviour
ELİF AVŞAR
Doktora
Türkçe
2013
Jeoloji MühendisliğiHacettepe ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. REŞAT ULUSAY
- Micromechanical progressive damage model for predicting resin dominated strength values of fibre reinforced composites under various types of loading
Karbon elyaf takviyeli bir epoksi kompozitin çeşitli yüklemeler altındaki reçine etkili dayanımlarının öngörülmesi için geliştirilen mikromekanik ilerleyici hasar modeli
FATİH ERTUĞRUL ÖZ
Yüksek Lisans
İngilizce
2012
Makine MühendisliğiBoğaziçi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURİ ERSOY
- Seçici lazer ergitme yöntemi ile üretilen mikro kafes yapıların mekanik davranışlarının incelenmesi
Investigation of mechanical behaviours of micro lattice structures manufactured via selective laser melting method
RECEP GÜMRÜK
Doktora
Türkçe
2012
Makine MühendisliğiKaradeniz Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ KARADENİZ
- Zeminlerin emme özelliklerinin belirlenmesinde bir yaklaşım
An approach for determining the suction properties of soils
TURAN SELÇUK GÖKSAN
Doktora
Türkçe
2007
İnşaat MühendisliğiSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF.DR. S. NİLAY KESKİN