Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi

Munise Didem DEMİRBAŞ, (Erciyes Üniversitesi, Makine Mühendisliği Bölümü, Kayseri, TÜRKİYE)
Didem ÇAKIR (Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Kayseri, TÜRKİYE)
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
2 1
Yıl: 2019 Cilt: 11 Sayı: 2 Sayfa Aralığı: 442 - 450 Metin Dili: Türkçe DOI: 10.29137/umagd.485604 İndeks Tarihi: 29-04-2021

Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi

Öz:
Fonksiyonel kademelendirilmiş malzemelerin (FKM) henüz seri üretiminin yapılmaması nedeniyle hacimsel dağılımının belirlenmesi oldukça önemlidir. Çünkü hacimsel dağılımın belirlenmesi ile malzemenin emniyetli gerilme sınırları belirlenmektedir. FKM yüksek sıcaklık tesirinde kullanılmakta olup termal gerilme sınırları oldukça önemli olmaktadır. Termalgerilme dağılımının ve seviyelerinin hesaplanması için ise sayısal analiz yöntemleri kullanılmaktadır. Bu çalışmada, 2B-FK plakaların ısı akısı tesirindeki termo-mekanik davranışının tespitindeki en önemli parametre olan eşdeğer gerilme seviyeleri için hacimsel dağılıma bağlı modeller sonlu farklar metodu (SFM) kullanılarak oluşturulmuştur. Bu modeller yapay sinir ağında (YSA) üç farklı eğitim algoritması ile elde edilmiştir. Çalışmamızda, 2B-FK plakaların mevcut şartlar için farklı kompozisyonel gradyant üst değerlerin de eşdeğer gerilme seviyesinin belirlene bileceği modeller sunulmuştur. Bu modeller vasıtasıyla SFM göre 340 kat daha hızlı çözüm elde edilmektedir. Önerilen modeller henüz seri üretimi gerçekleştirilemeyen FKM hem üretiminde hem de yapılacak teorik çalışmalarda optimum hacimsel dağılıma ulaşmak için yol gösterici olacaktır. Yapılan çalışmada farklı eğitim algoritmaları için eğitim aşamaları, performans değerleri ve işlevsellikleri detaylı olarak incelenmiş ve yorumlanmıştır
Anahtar Kelime:

Thermal Stress Analysis in Two-Directional Functionally Graded Plates with Artificial Neural Network Training Algorithms

Öz:
It is very important to determine the volumetric distribution because Functionally Graded Materials (FGMs) are not massproduced at present. By determining the volumetric distribution, the allowable stress limits of the material are also determined.FGMs are used in high temperature effects so thermal stress limits become very important. For the calculation of thermal stressdistribution and levels, numerical analysis methods are used. In this study, the models based on volumetric distribution for theequivalent stress levels, which are the most important parameter for the determination of the thermo-mechanical behavior of the2D-FG plates, were formed by using the finite difference method (FDM). These models were obtained by three different trainingalgorithms in artificial neural network (ANN).In this study, the models which can determine the equivalent stress level of different composition gradient exponent values forthe existing conditions of the 2D-FGs are presented. These models provide 340 times faster solution than the FDM. Suggestedmodels will be the guide to reach the optimum volumetric distribution in both production and theoretical studies of FGMs whichcannot be mass-produced yet. In the study, the training stages, performance values and functionality of different trainingalgorithms are examined and interpreted in detail.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • Cho J.R., Ha D.Y. (2002). Optimal tailoring of 2D volume-fraction distributions for heat-resisting functionally graded materials using FDM. Computer Methods in Applied Mechanics and Engineering. 191 (29-30). 3195-3211.doi: 10.1557/S0883769400048867
  • Çakır D., (2018). Fonksiyonel kademelendirilmiş plakalarda malzeme kompozisyonun yapay sinir ağı ve genetik programlama ile belirlenmesi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Makine Mühendisliği, 2018
  • Demirbaş M.D, Çakır D., (2018). Thermal stress control in functionally graded plates with artificial neural network. ISVOS Journal. 2(1). 39-55. Retrieved from http://dergipark.gov.tr/download/article-file/515245
  • Demirbaş M.D. (2012). Düzlem içi ısı yüküne maruz iki yönlü işlevsel kademelendirilmiş dikdörtgen ve dairesel plakanın ısıl gerilme analizi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Makine Mühendisliği. Aralık 2012.
  • Do T.T. D., Lee D., Lee J.(2019). Material optimization of functionally graded plates using deep neural network and modified symbiotic organisms search for eigenvalue problems. Composites: Part B. 159. 300-326.doi: 10.1016/j.compositesb.2018.09.087
  • Haykin. S.,2005, Neural networks. Prentice Hall. New Jersey.
  • Jodaei, A. Jalal, M.,Yas, M.H. (2012). Free vibration analysis of functionally graded annular plates by state-space based differential quadrature method and comparative modeling by ANN. Composites: Part B. 43(2). 340-353.doi: 10.1007/s12206-012-0860-2
  • Khoshnoodi H.,Yas M.H.,Samadinejad A.,(2016) Dynamic Analysis of Multi-Drectional Functionally Graded Panels and Comparetive Modeling by ANN. Journal of Solid Mechabics, 8(3).482-494. Retrieved from http://jsm.iau-arak.ac.ir/article_524265.html
  • Koizumi M., Niino M. (1995 ).Overview of FGM research in Japan, MRS Bulletin. 20(1).19-21.doi: 10.1557/S0883769400048867
  • MATLAB.Mathematical software, version 2009a, TheMathWorks. Retrieved from http://www.mathworks.com.
  • Moitaa J.S,. Araújoa A.L., Correia F.V., Soaresa C.M.M, Herskovitsc J. (2018). Material distribution and sizing optimization of functionally graded plateshell structures, Composites Part B: Engineering.142. 263-272.doi: 10.1016/j.compositesb.2018.01.023
  • Nazari F., Abolbashari M.H. , Hosseini S.M. (2015) Three Dimensional Natural Frequency Analysis of Sandwich Plates with Functionally Graded Core Using Hybrid Meshless Local Petrov-Galerkin Method and Artificial Neural Network. CMES.105(4). 271-299. doi:10.3970/cmes.2015.105.271
  • Nemat-Alla M. (2003). Reduction of thermal stresses by developing two-dimensional functionally graded materials, International Journal of Solids and Structures, 40(26). 7339-7356.doi: 10.1016/j.ijsolstr.2003.08.017
  • Ootao Y., Tanigawa Y., Nakamura T., (1999). Optimization of material composition of FGM hollow circular cylinder under thermal loading a neural network approach. Composites Part B: Engineering. 30(4). 415-422.doi: 10.1016/S1359-8368(99)00003- 7
  • Öztürk C. (2011). Yapay Sinir Ağlarının Yapay Arı Kolonisi Algoritması İle eğitilmesi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği. Ocak 2011.
  • Parlos A.G., Muthusami J., Atiya A.F. (2017). Incipient fault detection and identification in progress systems using accelerated neural network learning. Nuclear Technology. 105(2). 145-161.doi: 10.13182/NT94-A34919
  • Salavati H., Alizadeh Y., Kazemi A., Berto F., (2015) A new expression to evaluate the critical fracture load for bainitic functionally graded steels under mixed mode (I + II) loading. Engineering Failure Analysis 48. 121–136.doi: 10.1016/j.engfailanal.2014.11.005
  • Shabana Y.M., Noda N. (2001). Thermo-elastic-plastic stresses in functionally graded materials subjected to thermal loading taking residual stresses of the fabrication process into consideration, Composites Part B: Engineering, 32(2). 111-121.doi:10.1016/S1359- 8368(00)00049-4
  • Singh A.K., Siddhartha, Hussain S., ( 2015 ) Wear peculiarity of TiO2 filled polyester-based Homogeneous composites and their Functionally Graded Materials using Taguchi methodology and ANN. Materials Today: Proceedings. 2. 2718 – 2727.doi: 10.1016/j.matpr.2015.07.239
  • Xu.Y., You.T. (2013). Minimizing thermal residual stresses in ceramic matrix composites by using Iterative MapReduce guided particle swarm optimization algorithm. Composite Structures. 99. 388-396.doi: 10.1016/j.compstruct.2012.11.027
APA demirbas m, çakır d (2019). Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. , 442 - 450. 10.29137/umagd.485604
Chicago demirbas munise didem,çakır didem Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. (2019): 442 - 450. 10.29137/umagd.485604
MLA demirbas munise didem,çakır didem Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. , 2019, ss.442 - 450. 10.29137/umagd.485604
AMA demirbas m,çakır d Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. . 2019; 442 - 450. 10.29137/umagd.485604
Vancouver demirbas m,çakır d Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. . 2019; 442 - 450. 10.29137/umagd.485604
IEEE demirbas m,çakır d "Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi." , ss.442 - 450, 2019. 10.29137/umagd.485604
ISNAD demirbas, munise didem - çakır, didem. "Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi". (2019), 442-450. https://doi.org/10.29137/umagd.485604
APA demirbas m, çakır d (2019). Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 11(2), 442 - 450. 10.29137/umagd.485604
Chicago demirbas munise didem,çakır didem Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi 11, no.2 (2019): 442 - 450. 10.29137/umagd.485604
MLA demirbas munise didem,çakır didem Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, vol.11, no.2, 2019, ss.442 - 450. 10.29137/umagd.485604
AMA demirbas m,çakır d Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi. 2019; 11(2): 442 - 450. 10.29137/umagd.485604
Vancouver demirbas m,çakır d Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi. 2019; 11(2): 442 - 450. 10.29137/umagd.485604
IEEE demirbas m,çakır d "Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi." Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 11, ss.442 - 450, 2019. 10.29137/umagd.485604
ISNAD demirbas, munise didem - çakır, didem. "Yapay Sinir Ağı Eğitim Algoritmaları ile İki Yönlü Fonksiyonel Kademelendirilmiş Plakalarda Termal Gerilme Analizi". Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi 11/2 (2019), 442-450. https://doi.org/10.29137/umagd.485604
Sayfa Oluşturulma Tarihi
23-04-2024 17:15

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları