Elektriksel kıvılcımla işleme için görüntü tabanlı bir yapay zeka modeli
An image-based artificial intelligence model for electrical discharge machining
- Tez No: 948368
- Danışmanlar: PROF. DR. BÜLENT EKMEKCİ, DOÇ. DR. ALİ NARİN
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zeka (YZ) teknolojileri ilgili çalışmalar günümüzde ilgi odağı haline gelmiştir. Çalışmada, Elektriksel Kıvılcımla İşleme (EKİ) ile elde edilen yüzey özelliklerinin tahmin edilmesi için YZ teknolojilerin kullanımını hedeflenmiştir. EKİ işlemi, dielektrik bir sıvı içinde küçük bir aralıkla ayrılmış iki elektrot arasında ardışık elektrik darbelerinin uygulanması ilkesine dayanır. Her elektriksel boşalım yoğun basınç ve ısıyla, elektrot yüzeylerinden az miktarda malzemenin erimesine ve buharlaşmasına yol açan bir kıvılcım oluşturur. Elektriksel boşalım sonunda aninden düşen basınç, ergiyen ve buharlaşan malzemenin dielektrik sıvıya doğru püskürmesine neden olur. Dielektrik sıvıda hızla katılaşan küresel benzeri tanecikler dielektrik sıvı sirkülasyonu ile ortamdan uzaklaştırılır. Sonuç olarak, her kıvılcım sonunda elektrot yüzeylerinde küçük bir krater oluşur. İşleme, elektrotun negatif geometrik formunu oluşturacak şekilde ardışık kıvılcımlarla devam eder. İşlemin agresif fiziksel doğası, yüzeyin karmaşık özellikler taşımasına neden olur. EKİ ile işlenmiş yüzey özellikleri günümüzde araştırmacıların yoğun ilgisini çekmektedir. EKİ sonrası yüzeyler, genellikle mikroskobik analiz teknikleri kullanılarak incelenerek analiz edilmektedir. EKİ'de oluşan yüksek sıcaklık ve basınç döngüleri, işlenen yüzeylerde alışılmadık faz dönüşümlerine, yüzey çatlaklarının oluşumuna, küresel birikintilere ve elektrotlar arasında malzeme transferi gibi fiziksel olguları ortaya çıkarmaktadır. Çalışmada, daha önce elde edilen mikroskobik görüntüler ve derin öğrenme teknikleri kullanarak, yüzey özelliklerini tahmin edebilen bir model geliştirilmiştir. Model, darbe süresi ve akımı gibi temel değişkenleri girdi olarak kullanarak nihai yüzey morfolojisini tahmin etmektedir. Elde edilen öncü sonuçlar, önerilen yöntemin EKİ yüzey özelliklerinin anlaşılması ve analizinde umut verici bir performans sergilediğini ortaya koymuştur.
Özet (Çeviri)
Artificial intelligence (AI) technologies have increasingly become the focus of global attention, and we aim to harness their capabilities to predict surface integrity aspects resulting from the Electrical Discharge Machining (EDM) process. EDM involves applying successive electrical pulses between two electrodes separated by a narrow gap within a dielectric fluid. Each pulse generates a spark that melts and vaporizes a small amount of material from both electrode surfaces due to the intense heat produced by the electrical discharge. The molten and vaporized material is expelled into the dielectric fluid, where it rapidly solidifies into spherical particles, leaving behind small craters on both electrode surfaces at the end of each spark, The surface layer solidifies quickly at the conclusion of each pulse cycle, and machining continues with subsequent sparks until the desired cavity shape—typically the negative form of the tool electrode—is achieved. Due to the inherently intense nature of the process, the resulting surface exhibits complex characteristics that have attracted considerable scientific interest, with surface integrity being one of the critical aspects under close investigation by researchers. Modified surfaces are typically examined using microscopic analysis techniques to assess the extent of alterations caused by the machining process. The repeated exposure to high heat and pressure cycles leads to phenomena such as unusual phase transformations, the formation of cracks, spherical attachments, and material transfer between electrodes. These surface features are analyzed to estimate the material migration rates from both electrodes during processing. In this context, we are developing an intelligent model capable of predicting machining outcomes using deep learning techniques. The model is trained on images of modified surfaces, with key input variables including energy quantity, pulse duration, and voltage. The objective is to predict the final surface morphology. Preliminary results indicate promising performance for the proposed approach in analyzing and understanding surface characteristics produced by this complex manufacturing method.
Benzer Tezler
- Statik elektrikle yüklenmiş sıvı ilacın pamuk ilaçlamasında etkinliğinin belirlenmesi üzerinde bir araştırma
Başlık çevirisi yok
ALİ BAYAT
Yüksek Lisans
Türkçe
1987
ZiraatÇukurova ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
DOÇ. DR. YUSUF ZEREN
- Travmatik erkek paraplojelere yüksek frekanslı TENS
Başlık çevirisi yok
SEMA ÖZTÜRK
Yüksek Lisans
Türkçe
1986
Ortopedi ve TravmatolojiGazi ÜniversitesiKazalarda Acil Yardım ve Rehabilitasyon Ana Bilim Dalı
DOÇ. DR. VESİLE SEPİCİ
- İzmir yöresindeki süt sığırcılığı işletmelerinde sağımı yemleme ve temizlemeye ilişkin uygulamaların mekanizasyon işletmeciliği açısından irdelenmesi
Başlık çevirisi yok
ENGİN ÇAKIR
Yüksek Lisans
Türkçe
1986
ZoolojiEge ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
PROF.DR. RAUF UÇUCU
- Gaz atomizasyon yöntemi ile hızlı katılaştırılmış kalay - %15 kurşun tozu üretiminin deneysel ve matematik modellemesi
Başlık çevirisi yok
NURETTİN YAVUZ
- Türkiye sanayiinin stok-akım katsayılar matrisinin hesaplanması
Stock-flow coefficients matrix of Turkish manufacturing industry
MUSTAFA TURHAN