Geri Dön

Makine öğrenimi yöntemiyle laboratuvar ölçekli kesici kafa kesme performansı optimizasyonu

Cutting performance optimization of laboratory scale rotary rock cutting head by application of machine learning methods

PDF İndir

  1. Tez No: 982252
  2. Yazar: ABDOLSATTAR ROUDINI
  3. Danışmanlar: PROF. DR. KERİM AYDINER
  4. Tez Türü: Doktora
  5. Konular: Maden Mühendisliği ve Madencilik, Mining Engineering and Mining
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Maden Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Maden Mekanizasyonu ve Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, özgül enerjiyi ile makine gövdesi titreşimini azaltmaya yönelik veri odaklı bir yaklaşım geliştirerek konik kesicilerle donatılmış laboratuvar ölçekli bir kesme kafasının kesme performansını incelemektedir. Yardımsız kazı yöntemi ve 3×3×3 tam faktöriyel deney tasarımı uygulanarak toplamda 243 deney yapılmıştır. Deneylerde güç tüketimi, ilerleme hızı, iki eksenli titreşim (X ve Z) ve gerçek kesme derinliği kaydedilmiştir. Kesme yönüyle aynı hizada olan X ekseni en yüksek titreşimi göstermiş ve yaklaşık 86 mm/s ve 141 mm/s olmak üzere iki eşik, titreşim davranışını malzeme dayanımına uygun biçimde ayırmıştır. Çalışma parametreleri ile özgül enerji ve titreşim arasındaki ilişkiyi incelemek üzere denetimli makine öğrenmesi modelleri eğitilmiştir. Ağaç tabanlı topluluk modelleri, özgül enerjiyi yüksek doğrulukla tahmin etmiş; çapraz doğrulamalı R² değerleri 0,93–0,97 arasında bulunmuş ve kesme derinliği en etkili değişken olarak belirlenmiştir. Titreşim tahmininde ise R² değerleri yaklaşık 0,32–0,65 arasında elde edilmiştir. Kesme derinliği birincil, dönme hızı ikincil etken olarak belirlenmiştir. Son aşamada, uyarlanabilir, titreşim duyarlı bir kesme stratejisinin geliştirilmesi amacı için oluşturulan bir Kısıtlı Parçacık Sürüsü Optimizasyonu (PSO) algoritması ile uygulanabilir işlem parametreleri önerilmiştir.

Özet (Çeviri)

This thesis investigates the cutting performance of a laboratory-scale cutting head equipped with conical picks and develops a data-driven approach to reduce specific energy and machine-frame vibration. Unrelieved cutting was carried out under a full factorial 3×3×3 design, resulting in 243 tests. Power demand, traverse speed, bi-axial vibration (X and Z), and actual depth of cut were recorded. The X direction, aligned with cutting, displayed the highest vibration, and two thresholds (≈86 mm/s and ≈141 mm/s) separated vibration behavior in line with material strength. Supervised machine learning models were trained to relate operating parameters to specific energy and vibration. Tree-based ensembles predicted specific energy with high accuracy, yielding cross-validated R² values of 0.93–0.97, with depth of cut identified as the most influential factor. Vibration prediction achieved R² values of about 0.32–0.65, with depth primary and rotational speed secondary. A constrained Particle Swarm Optimization (PSO) routine provided feasible parameter recommendations, supporting adaptive and vibration-aware selection of operating settings.

Benzer Tezler

  1. Tez No

    981617

    Machine learning-based predictive models for displacement capacity of RC shear walls

    Betonarme perde duvarların sahip olduğu yer değiştirme kapasitesi için makine öğrenimi tabanlı modelleri

    SIAMAK TAHAEI YAGHOUBI

    Doktora

    İngilizce

    İngilizce

    2025

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Deprem Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEYNEP DEĞER

  2. Tez No

    1015452

    Otoimmün hepatitte antinükleer antikor durumunun öngörülmesi için çok-modlu makine öğrenimi: Laboratuvar değerleri ile patoloji raporlarının doğal dil işleme entegrasyonu

    Multi-modal machine learning for predicting antinuclear antibody status in autoimmune hepatitis: Integrating natural language processing of laboratory values and pathology reports

    YUSUF ÜSAME DURMUŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    İç HastalıklarıSağlık Bilimleri Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

    PROF. DR. TAYYİBE SALER

    DOÇ. DR. CEM ŞİMŞEK

  3. Tez No

    737969

    COVID-19 tanısında biyokimya parametre baskınlığının makine öğrenimi yöntemleri kullanılarak belirlenmesi

    Determination of biochemical parameter dominance in the diagnosis of COVID-19 using machine learning methods

    ÇAĞLA DANACI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEDA ARSLAN TUNCER

  4. Tez No

    971315

    Yoğun bakım hastalarında grady bakteriyemi/sepsis tahmin modellerinin prospektif validasyonu: Klinik performans ve erken uyarı sistemi olarak kullanılabilirliği

    Prospective validation of grady bacteremia/sepsis prediction models in intensive care unit patients: Clinical performance and feasibility as an early warning system

    AHMET DOĞUKAN BAYRAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Enfeksiyon Hastalıkları ve Klinik MikrobiyolojiSağlık Bilimleri Üniversitesi

    Enfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı

    DOÇ. DR. OKAN DERİN

  5. Tez No

    971101

    Klinik laboratuvar bulgularının kronik hastalıklar üzerindeki etkilerinin açıklanabilir yapay zeka teknikleri ile değerlendirilmesi

    Evaluation of the effects of clinical laboratory findings on chronic diseases with explainable artificial intelligence techniques

    TÜRKER BERK DÖNMEZ

    Doktora

    Türkçe

    Türkçe

    2025

    BiyomühendislikSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA ÇAĞRI KUTLU

Geri Dön