Affiliation:
1. Bursa Uludağ Üniversitesi
Abstract
Ürün tasarımında analizlere ayrılan zamanın ve maliyetlerin önemli ölçüde azaltılmasında makine öğrenmesi kilit rol oynamaktadır. Makine öğrenmesi ile gerçekleştirilen optimizasyon çalışması, sonlu elemanlar analizine kıyasla zaman ve maliyet açısından büyük üstünlükler sağlamaktadır. Bu çalışmada, disk yaylar için bir makine öğrenmesi modeli eğitilmiş, eğitilen modelin disk yayların boyut optimizasyonunda kullanılması amaçlanmıştır. Tek ve çok amaçlı optimizasyon yöntemlerinin uygulanabilirliğini göstermek için istenilen yay rijitliğine sahip çeşitli disk yayların optimizasyonu ele alınmış ve Pareto çözümleri sunularak çözümler incelenmiştir. Elde edilen tasarım parametreleri ile sonlu elemanlar analizleri gerçekleştirilmiş ve yapay sinir ağı ile sonlu elemanlar sonuçları karşılaştırılmıştır. Yapay sinir ağı kullanımı ile optimizasyon sonucuna 4,5 saniye içerisinde ulaşılabildiği ve elde edilen sonuçların doğruluklarının (%96,16) sinir ağı başarı oranı (%97,67) ile benzer olduğu görülmüştür.
Publisher
Makina Tasarim ve imalat Dernegi
Reference26 articles.
1. N. Kaya and F. Öztürk, “Dikdörtgen Kesitli Disk Yayların Optimum Kesit Tasarımı,” Makina Tasarım ve İmalat Dergisi, vol. 4, no. 3, pp. 140–145, 2002.
2. R. Phellan, B. Hachem, J. Clin, J. M. Mac-Thiong, and L. Duong, “Real-time biomechanics using the finite element method and machine learning: Review and perspective,” Med Phys, vol. 48, no. 1, pp. 7–18, Jan. 2021, doi: 10.1002/MP.14602.
3. “Abaqus/CAE Student Edition 2020.”
4. M. Müller, X. Longl, M. Betsch, D. Böhmländer, and W. Utschick, “Real-Time Crash Severity Estimation with Machine Learning and 2D Mass-Spring-Damper Model,” IEEE Conference on Intelligent Transportation Systems, Proceedings, ITSC, vol. 2018-November, pp. 2036–2043, Dec. 2018.
5. Z. S. Ma, Q. Ding, and Y. J. Zhai, “Hybrid Modeling of Nonlinear-Jointed Structures via Finite-Element Model Reduction and Deep Learning Techniques,” Journal of Vibration Engineering and Technologies, vol. 9, no. 4, pp. 575–585, Jun. 2021.