Akıllı bomba güdüm kitlerinde kullanılan A357 alüminyum alaşımının uyarlanabilir nöro-bulanık çıkarım sistemi ile mekanik özelliklerinin tahmini

Basit Öğe Kaydı
dc.authorid0000-0001-8097-1816
dc.contributor.advisorCandan, Şennur
dc.contributor.authorAl, Onur
dc.date.accessioned2025-09-09T11:58:57Z
dc.date.available2025-09-09T11:58:57Z
dc.date.issued2024
dc.date.submitted2024
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Makine Mühendisliği Anabilim Dalı
dc.descriptionDoktora Tezi
dc.description.abstractA357 (Al-7Si-0.6Mg) serisi Al alaşımları, otomotiv, havacılık ve savunma sanayilerinde karmaşık döküm parçaların üretiminde yaygın olarak kullanılmaktadır. Alçak basınç döküm yöntemi (LPDC) hem kum hem de kokil kalıpların avantajlarını kapsaması nedeniyle, son yıllarda özellikle savunma sanayinde kritik döküm parçaların üretiminde tercih edilmektedir. Bu tez çalışması, alüminyum dökümhanelerinin spesifikasyon standart limitleri dahilinde olmasına rağmen, alaşım bileşimindeki küçük değişikliklerin mekanik özelliklere olan etkisini anlama ihtiyacına dayanmaktadır. Bu bağlamda, A357 Al alaşımlarının kalite standardı çerçevesinde dökümünün sağlanması ve döküm sırasında oluşabilecek kalite problemlerinin en aza indirgenmesi amacıyla; standart aralıkta olmasına rağmen alaşım elementleri arasındaki çok küçük bileşim değişikliklerine bağlı nihai çekme dayanımı (UTS), akma dayanımı (YS) ve uzama (𝜀) değerlerinin makine öğrenmesi yöntemi (ML) kullanılarak tahmini çalışılmıştır. Alçak Basınçlı Döküm A357 Al alaşımının kimyasal bileşimi ve çekme özelliklerine ilişkin veriler MCM Savunma Makine Ltd. ve ER Döküm AŞ. firmalarından temin edilmiştir. A357 Al alaşımındaki ana alaşım elementleri Si ve Mg ile birlikte en yaygın safsızlık içerikleri Fe, Ti ve Cu elementleri (5 girdi) seçilerek bu elementlerin arasındaki çok küçük değişikliklere bağlı UTS, YS ve 𝜀 (3 çıktı) değerlerindeki değişiklileri tahmin için Regresyon Algoritmaları, Yapay Sinir Ağı (YSA) ve Uyarlanabilir Nöro Bulanık Sistem (ANFIS) ile ML algoritmaları bu tez çalışmasında kullanılmıştır. Sonuçlar, hata kareler ortalamasının karekök değeri (RMSE) karşılaştırıldığında Regresyon Algoritmalarının makul tahmin sonuçlarına ulaşamadığını göstermiştir. YSA algoritmasının uygulanmasında ise veri setini ezberleme (overfitting) problemi ortaya çıkmıştır. Sistemin az miktarda veriye sahip olması durumunda ezberleme sorunu olmadan daha yüksek doğrulukta bir algoritma olan ANFIS modeli, çekme özelliklerini etkileyen en zararlı unsurun Fe içeriği olduğunu öngörmüştür. Bu modele göre UTS, YS ve 𝜀 üzerindeki göreceli önem sırası, alaşımın Fe içeriğinden sonra sırasıyla Si, Mg ve Ti içeriği olarak ortaya çıkmaktadır. Öte yandan, Cu içeriğinin etkisi önemsiz görünmektedir. UTS, YS ve 𝜀 değerlerinin karşılaştırma sonuçları tutarlılık göstermiş ve ANFIS modeli tarafından tahmin edilen veriler ile deneysel veriler kabul edilebilir düzeyde benzer bir eğilim göstermiştir.
dc.description.abstractA357 (Al-7Si-0.6Mg) series Al alloys are widely used in the production of complex casting parts in the automotive, aerospace and defense industries. In recent years, especially, in the defense industry, Low Pressure Casting method (LPDC) has been preferred in the production of critical casting parts, as it includes the advantages of both sand and permanent molds. This thesis is based on the need to understand the impact of small changes in alloy chemistry on mechanical properties despite being within the specification standard limits of aluminum foundries. In order to ensure the casting of A357 Al alloys within the framework of the quality standard and to minimize the quality problems that may occur during casting; the ultimate tensile strength (UTS), yield strength (YS) and elongation (𝜀) values depending on very small changes between the alloying elements (although within the standard range) were estimated using the machine learning method (ML). Data regarding the chemical composition and tensile properties of LPDC A357 Al alloy were obtained from MCM Defense Machinery Ltd. and ER Döküm AŞ. The main alloying elements in the A357 alloy, Si and Mg, as well as the most common impurity contents, Fe, Ti and Cu elements (5 inputs), were selected to predict the changes in UTS, YS and 𝜀 (3 outputs) values due to very small changes between these elements. In this work, Regression Algorithms, Artificial Neural Network (ANN) and Adaptive Neuro Fuzzy System (ANFIS) methods were used as ML algorithms. The results showed that the prediction results obtained from regression algorithms could not reach the reliable predictions.. In the application of the ANN algorithm, the problem of overfitting the data set arose. The ANFIS model, which is a higher accuracy algorithm without memorization problems if the system has a small amount of data, predicted that the most detrimental element affecting tensile properties is Fe content. According to this model, the order of relative importance on UTS, YS and 𝜀 is the Si, Mg and Ti content, respectively, after the Fe content of the alloy. On the other hand, the effect of Cu content appears to be insignificant. The comparison results of UTS, YS and 𝜀 values showed consistency, and the data predicted by the ANFIS model and the experimental data showed an acceptably similar trend.
dc.description.sponsorshipBu tez çalışması Necmettin Erbakan Üniversitesi Bilimsel Araştırma Projeleri (BAP) Koordinatörlüğü tarafından 211419002 numaralı proje ile desteklenmiştir.
dc.identifier.citationAl, O. (2024). Akıllı bomba güdüm kitlerinde kullanılan A357 alüminyum alaşımının uyarlanabilir nöro-bulanık çıkarım sistemi ile mekanik özelliklerinin tahmini. (Yayımlanmamış doktora tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü Makine Mühendisliği Anabilim Dalı, Konya.
dc.identifier.urihttps://hdl.handle.net/20.500.12452/19703
dc.language.isotr
dc.publisherNecmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.subjectA357 Al Alaşımı
dc.subjectAl-Si Alaşımları
dc.subjectLPDC
dc.subjectMakine Öğrenmesi
dc.subjectMekanik Özellikler
dc.subjectA357 Al Alloy
dc.subjectAl-Si Alloys
dc.subjectMachine Learning
dc.subjectMechanical Properties
dc.titleAkıllı bomba güdüm kitlerinde kullanılan A357 alüminyum alaşımının uyarlanabilir nöro-bulanık çıkarım sistemi ile mekanik özelliklerinin tahmini
dc.title.alternativePrediction of mechanical properties of A357 aluminum alloy used in smart bomb guidance kits by using adaptive neuro-fuzzy inference system
dc.typeDoctoral Thesis

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
OnurAl_Dr_2024.pdf
Boyut:
7.04 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Doktora Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu