Data driven optimization of structural and dynamical properties of parts manufactured via selective laser melting process using machine learning and finite element analysis methods
Seçici lazer ergitme prosesi ile üretilen parçaların yapısal ve dinamik özelliklerinin makine öğrenmesi ve sonlu elemanlar analizi yöntemleri kullanılarak veri odaklı optimizasyonu
- Tez No: 920832
- Danışmanlar: PROF. DR. CAN ULAŞ DOĞRUER
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: 187
Özet
Seçici Lazer Ergitme yöntemi (SLE), Metal Eklemeli İmalat tekniğine üye olan Toz Yataklı Füzyon üretim yönteminin en popüler dallarından biridir. SLE, parça tasarım esnekliği, geniş malzeme yelpazesi, nispeten az miktarda hammadde israfı, düşük üretim süreleri, minimum montajlama vb. açılardan avantajlı özelliklere sahiptir. Bu teknik, Lazer Gücü, Tarama Hızı, Tarama Mesafesi, Lazer Işın Çapı, Katman Kalınlığı gibi üretim kalitesinde önemli rol oynayan farklı proses parametrelerine sahiptir. Üretilen parçalardan daha iyi yapısal performans elde edilmesi amacıyla proses parametreleri ayarlanabilmektedir. Termomekanik bir yapıya sahip olan bu yöntem, Sonlu Elemanlar Analizi (FEA) gibi nümerik uygulamalarla üretilen parçalarda yapısal özelliklerinin iyileştirilmesi ve prosesin daha iyi anlaşılması amacıyla modellenebilmektedir. Bununla beraber, Makine Öğrenmesi gibi veriler üzerinden tahmin modelleri oluşturabilen yapay zekâ araçları, son zamanlarda büyük gelişme kaydetmektedir. Makine öğrenmesi, girdiler ve çıktılar arasında ilişki kurabilmektedir. Bu nedenle, SLE ile üretilen parçaların mekanik özelliklerini tahmin etmek için proses parametrelerinin iyileştirilmesinde bu yöntem kullanılabilmektedir. Doğası gereği SLE, doğrusal olmayan bir proses olması sebebiyle birden fazla girdi ve çıktı arasında oluşturulacak olan ilişkinin çok hedefli ve kısıtlamalı optimizasyona uygunluğu bu tezde araştırma konusu olmuştur. Tezin ana amacı, makine öğrenmesi ve nümerik modelleme yöntemleri kullanarak proses parametrelerini ayarlayan ve parçaların bağıl yoğunluk, elasitisite, yüzey pürüzlülüğü, vb. yapısal özellikleri ile doğal frekans, mod şekilleri gibi dinamik özelliklerini minimum maliyet ve zamanla iyileştiren ve uygulanan malzemeden bağımsız olan bir tahmin – optimizasyon modeli oluşturmaktır. Bu tez kapsamında, SLE parçalarının yapısal özellikleri; Yapay Sinir Ağları, Destek Vektör Makineleri gibi farklı makine öğrenmesi yöntemleri ile tahmin edilmiş ve FEA ile doğal frekans ve mod şekilleri üzerinden dinamik analizleri yapılmıştır. Bu bağlamda, derin bir literatür araştırması yapılmış, deneysel tasarım yöntemi kullanılarak tahmin modelleri oluşturmuştur. Makine öğrenmesi modellerinin performansları analiz edilmiş ve modeller FEA ile birleştirilerek çok hedefli kısıtlamalı optimizasyon algoritmaları için hazırlanmıştır. Elde edilen veriler, Sıralı Kuadratik Programlama (SQP) ve Tepe Tırmanma gibi algoritmalara uyarlanarak parçaların yapısal dinamiklerinin optimizasyonu gerçekleştirilmiştir. Optimizasyon kısıtları proses parametrelerinin limitlerine göre oluşturulmuştur. Sonuç olarak bu tez çalışması, SLE ile yüksek yapısal özelliklere sahip parçalar üretmek için optimizasyon yöntemlerine, makine öğrenmesi ve FEA modelinin başarılı bir şekilde uyarlanabileceğini kanıtlamıştır. Doğal frekansların malzeme özellikleriyle bağlantılı olduğu, ancak mod şekillerinin değişken malzeme özelliklerinden etkilenmediği de doğrulanmıştır. Ayrıca sonuçlar optimizasyon yöntemleri sayesinde, AlSi10Mg, SS 316L, Inconel 718 gibi yenilikçi alaşımlardan yüksek performanslı parça üretiminin mümkün olduğunu göstermiş ve kurgulanan modelin seçilen malzeme türünden bağımsız olarak çalıştığı vurgulanmıştır. Son olarak Makine Öğrenmesi, FEA ve SQP yöntemlerinin, tahmin, modelleme ve optimizasyon sonuçları açısından birbirleriyle uyumlu olduğu ortaya konmuştur.
Özet (Çeviri)
Selective Laser Melting (SLM) is a member of Powder Bed Fusion (PBF) process which is one of the most popular branches in metal Additive Manufacturing (AM) production technique. SLM have advantageous characteristics in terms of design flexibility, wide range in selection of material, relatively small amount of feedstock wastage, minimum lead time and assembly needs etc. This method have different processing parameters that plays significant role in the process quality such that Laser Power, Scanning Speed, Hatch Distance, Laser Beam Diameter, Layer Thickness can be adjusted in the process to get better structural performance from parts. SLM method is a thermo-mechanical process so that it can be modelled with numerical applications such as Finite Element Analysis (FEA), Discrete Element Method (DEM) etc. to improve the structural dynamics of produced parts and to understand the process better. In addition, predictive models can be developed based on data sets with Artificial Intelligence (AI) methods such as Machine Learning (ML). ML is an efficient way to create correlations between inputs and output(s) and it can be developed based on existing dataset. Thus, ML algorithms and FEA applications can be used as joint methods on optimizing processing paramaters and process modelling of SLM parts. By its nature, SLM is a nonlinear process. Therefore, the correleation between multiple inputs and multiple outputs for the multi-objective and constrained optimization method is subject of this thesis. The main purpose of the study is to modify structural dynamics of parts such as relative density, elasticity, surface roughness, natural frequency, mode shapes by using ML - FEA and create prediction - optimization model regardless of selected material. In the scope of the study, mechanical properties of SLM parts were predicted by different ML algorithms such as Artificial Neural Network, Support Vector Machines, Gaussian Process Regression. In this manner, together with composing deep literature survey, an appopriate Design of Experiments strategy implemented. Generated models were combined with FEA which are subsequently used in multi-objective constrained optimization algorithms e.g. Sequential Quadratic Programming (SQP), Hill Climbing method. The optimization constraints are formed according to the limits of the process parameters. Consequently, this study proofed that multiple objective optimization methods can be successfully tailored with ML and FEA to produce high structural performance parts. It is also validated that natural frequencies are function of structural properties but mode shapes were not affected by changing material constants. Furthermore, results verified that the optimization process can be applicable in different novel alloys such as AlSi10Mg, SS 316L, Inconel 718 which validates the proposed model works as material independent. Lastly, ML, FEA and SQP methods have reasonably compatible performance to each other in terms of optimization process outcomes.
Benzer Tezler
- Pompaların dinamik analizi
Dynamical analysis of pumps
HAMDİ NADİR TURAL
Yüksek Lisans
Türkçe
2013
Enerjiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCER TOPRAK
PROF. DR. HALUK KARADOĞAN
- Çamaşır makinesi kazan imalatında proses parametrelerinin kazan kalitesine etkilerinin analiz edilmesi ve optimizasyonu
Analysis and optimization of the effects of process parameters on the quality of washing machine tub manufacturing
OZAN SERTLER
Yüksek Lisans
Türkçe
2024
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ GÖKŞENLİ
- Bilgisayar yardımıyla ısı değiştiricisi tasarımı
Computer aided design of heat exchangers
ÖMÜR MURAT ÇETECİ
Yüksek Lisans
Türkçe
1999
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEM PARMAKSIZOĞLU
- Esnek manipülatörün modellenmesi ve kontrolü
Modelling and control of flexible manipulator
BERKAN HIZARCI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
- A data-driven approach to identifying and selecting temporary disaster debris management sites: The case of Istanbul
Geçici afet moloz yönetim alanlarının belirlenmesi ve seçimi için veri odaklı bir yaklaşım: İstanbul örneği
BURAK KABAKLI
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞEYDA SERDAR ASAN