Design and optimization of engineering structures used in the automotive industry based on neuro-regression modeling
Otomotiv endüstrisinde kullanılan mühendislik yapılarının nöroregresyon modellemesi ve optimizasyonu
- Tez No: 914787
- Danışmanlar: DOÇ. DR. LEVENT AYDIN
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, mühendislik sistemlerinin performansını artırmak için sinir ağı tabanlı regresyon modelleri ve stokastik optimizasyon tekniklerinin otomotiv soğutma fanı RPM optimizasyonu ve alüminyum alaşımlarında tane boyutu tahmini gibi iki kritik alanda uygulanmasını araştırmaktadır. Geleneksel optimizasyon yöntemleri, genellikle giriş değişkenleri arasındaki doğrusal olmayan ve karmaşık ilişkileri yakalamakta yetersiz kalmakta, bu da gelişmiş yaklaşımları gerekli kılmaktadır. Araştırmada, birden fazla regresyon modeli geliştirilmiş ve doğrulanmıştır; bunlar arasında Mod10 modeli, eğitim, test ve doğrulama için en yüksek tahmin doğruluğunu (R² değerleri) göstermiştir. Mühendislik sınır koşulları altında optimizasyon senaryoları analiz edilmiş ve en doğru sonuçlar, minimum soğutma fanı RPM'nin 610.06 olduğu Senaryo 3'te elde edilmiştir. Araç verilerini işlemek için Dewesoft ve Vector'un CanAnalyser gibi gelişmiş veri toplama araçları kullanılmış, alternatif regresyon fonksiyonlarının geliştirilmesinde ise Mathematica'nın NonlinearModelFit çözücüsü kullanılmıştır. Random search, nelder-mead algoritması, simulated anneaaling ve differential evolution gibi stokastik optimizasyon yöntemleri, geleneksel gradyan tabanlı teknikleri geride bırakarak global optimumları belirlemek için kullanılmıştır. Bulgular, mühendislik sistemlerinin çok faktörlü doğasını ele almak için makine öğrenimi, nonlineer regresyon ve stokastik optimizasyonun birleştirilmesinin önemini vurgulamaktadır. Bu araştırma, tasarım değişkenlerini optimize etmek, otomotiv ve metalurji uygulamalarında verimlilik ve güvenilirliği artırmak için sağlam bir çerçeve sunmakta olup, havacılık, askeri ve nanoteknoloji alanlarına da genişletilebilecek potansiyele sahiptir.
Özet (Çeviri)
This study investigates the application of neural network-based regression models and stochastic optimization techniques to enhance the performance of engineering systems in two critical domains: automotive cooling fan RPM optimization and grain size prediction in aluminum alloys. Traditional optimization methods often fail to capture the nonlinear and complex relationships between input variables, necessitating advanced approaches. The research developed and validated multiple regression models, with the Mod10 model demonstrating the highest predictive accuracy (R² values for training, testing, and validation). Optimization scenarios were analyzed under realistic constraints, with the most accurate results achieved in Scenario 3, where the minimum cooling fan RPM was 610.06. Advanced data collection tools, such as Dewesoft and Vector's CanAnalyser, were utilized to process vehicle data, while Mathematica's NonlinearModelFit solver enabled the development of alternative regression functions. Stochastic optimization methods, including rrandom search, nelder-mead algorithm, simulated annealing, and differential evolution, were employed to identify global optima, outperforming traditional gradient-based techniques. The findings underscore the importance of combining machine learning, nonlinear regression, and stochastic optimization to address the multifactorial nature of engineering systems. This research provides a robust framework for optimizing design variables, improving efficiency and reliability in automotive and metallurgical applications, with potential extensions to aerospace, military, and nanotechnology fields.
Benzer Tezler
- Konik sürtünme diskli varyatörün sonlu elemanlar metodu ile analizi
Başlık çevirisi yok
SERKAN YÜRÜK
Yüksek Lisans
Türkçe
1998
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Ana Bilim Dalı
YRD. DOÇ. DR. SERDAR TÜMKOR
- Development of vibration performances of hybrid laminated composite materials by using stochastic methods
Tabakalı hibrit kompozit malzemelerin titreşim performanslarının stokastik optimizasyon yöntemleri kullanılarak geliştirilmesi
MELİH SAVRAN
Yüksek Lisans
İngilizce
2017
Makine Mühendisliğiİzmir Katip Çelebi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LEVENT AYDIN
- Optimum design of anti-buckling behavior of the laminated composites by differential evolution and simulated annealing algorithms
Tabakalı kompozitlerin burkulma karşıtı davranışlarının differential evolution ve simulated annealing metotları ile optimum tasarımı
MEHMET AKÇAİR
Yüksek Lisans
İngilizce
2017
Makine Mühendisliğiİzmir Katip Çelebi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LEVENT AYDIN
- Stacking sequence optimization and modeling of laminated composite plates for free vibration
Serbest titreşim için tabakalı kompozit plakların tabaka dizilimlerinin optimizasyonu ve modellenmesi
EMRE AZİM HASANOĞLU
Yüksek Lisans
İngilizce
2018
Makine Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HATİCE SEÇİL ARTEM