• icon+90(533) 652 66 86
  • iconnwsa.akademi@hotmail.com
  • icon Fırat Akademi Samsun-Türkiye

Article Details

Article Details

Issue Details

  • Year : 2016
  • Volume : 11
  • Issue : 1
  • Number of Articles Published : 2
  • Published Date : 1.01.2016

Cover Download Context Page Download
Dergi Kapağı
Technological Applied Sciences

Serial Number : 2A
ISSN No. : 1308-7223
Release Interval (in a Year) : 4 Issues

KÜRESELLEŞTİRME ISIL İŞLEMİ UYGULANMIŞ AISI 1050 ÇELİĞİN TORNALANMASINDA ESAS KESME KUVVETLERİNİN YAPAY SİNİR AĞLARI İLE MODELLENMESİ

Şehmus Baday 1

Bu çalışmada, kuru kesme şartlarında tornalanmış ve küreselleştirme ısıl işlemi uygulanmış AISI 1050 çeliğinin esas kesme kuvvetlerini tahmin etmek için yapay sinir ağları (YSA) modeli oluşturulmuştur. Oluşturulan YSA modelinde kesme hızı, ilerleme ve ısıl işlem süreleri bağımsız değişkenler olarak seçilirken esas kesme kuvvetleri bağımlı değişken olarak seçilmiştir. Bu modelin özellikleri; ağ tipi olarak ileri beslemeli geri yayılımlı ağ tipi, üç adet eğitim algoritması TRAINLM, BFGS ve SCG, adaptasyon öğrenme fonksiyonu LEARNGD ve 1 adet gizli katmanda 10 nörondan 15 nörona kadar seçilip denenerek en iyi R2 aranmıştır. Ayrıca transfer fonksiyonu olarak SIGMOID ve PURELINE transfer fonksiyonları seçilmiştir. Ortalama hatalar kareleri yöntemi kullanılarak esas kesme kuvveti için elde edilen YSA modelinde R2 %99,832 elde edilmiştir. Deney sonuçları ve elde edilen YSA modelinin deney verilerini tahmin etmede başarılı olduğu görülmüştür.

Keywords
Küreselleştirme Isıl İşlemi, Esas Kesme Kuvvetleri, Yapay Sinir Ağları, AISI 1050 Çeliği, Modelleme,

MODELLING OF MAIN CUTTING FORCES WITH ARTIFICIAL NEURAL NETWORK IN TURNING OF SPHEROIDIZING HEAT TREATMENTED AISI 1050 STEEL

Şehmus Baday 1

In this study, So as to estimate main cutting forces of AISI 1050 steel turned under dry cutting conditions and spheroidizing heat treatmented, a model of the artificial neural network (ANN) was made. The cutting speed, feed rate and heat treatment duration as independent variables and the main cutting forces as dependent variable were selected. The ANN model based on a forward feed with back-propagation learning, three training algorithms to be as TRAINLM, BFGS and SCG, adaption learning function being as LEARNGD and one underlayer include between 10 to 15 neurons which were selected to test for researching the best R2 result. Furthermore, the SIGMOID and PURELINE were selected as transfer functions. The average square method used for main cutting forces of ANN. The R2 result was 99.832%. The experimental results and ANN predictions were close to previous studies.

Keywords
Spheroidizing Heat Treatment, Main Cutting Forces, Artificial Neural Network, AISI 1050 Steel, Modelling,

Details
   

Authors

Şehmus Baday (1) (Corresponding Author)
shmsbdy@hotmail.com

Supporting Institution

 :

Project Number

 :

Thanks

 :
References