Modelling of effects of various chip breaker forms on surface roughness in turning operations by utilizing artificial neural networks

Basit Öğe Kaydı
dc.authorid0000-0003-1391-172Xen_US
dc.contributor.authorGürbüz, Hüseyin
dc.contributor.authorBaday, Şehmus
dc.contributor.authorSözen, Adnan
dc.date.accessioned2021-11-17T11:38:45Z
dc.date.available2021-11-17T11:38:45Z
dc.date.issued2016-03-01en_US
dc.departmentBatman Üniversitesi Mühendislik - Mimarlık Fakültesi Makine Mühendisliği Bölümüen_US
dc.description.abstractIn this study, the effects of different chip breaker forms and cutting parameters on the surface roughness on machined surfaces were investigated experimentally in turning of AISI 1050 steel; and values of surface roughness obtained from experiments were determined with empirical equations using artificial neural networks. The utilizing of ANN was offered to determine the surface roughness depending on chip breaker forms and cutting parameters of AISI 1050 steel. The back propagation learning algorithm and fermi transfer function were used in artificial neural network. Experimental measurements data were employed as training and test data in order to train the neural network created. The best fitting training data set was attained with ten neurons in two hidden layers 6 of which were at first hidden layer and 4 of which were at second hidden layer, making it possible to predict surface roughness with precision at least as good as that of the experimental error over the entire experimental range. After network training, R2 value was found as 0.978, and average error as 0.018%. When the results of mathematical modelling are examined, the computed surface roughness is observed to be apparently within acceptable valuesen_US
dc.description.abstractBu çalışmada, AISI 1050 çeliğinin tornalanmasında, farklı talaş kırıcı formlarının ve kesme parametrelerinin işlenmiş yüzeylerdeki yüzey pürüzlülüğü üzerinde etkileri deneysel olarak araştırılmış ve deneylerden elde edilen yüzey pürüzlülük değerleri yapay sinir ağları kullanılarak ampirik eşitlikler ile belirlenmiştir. AISI 1050 çeliğinin talaş kırıcı formlarına ve kesme parametrelerine bağlı olarak yüzey pürüzlülüğünü belirlemek için yapay sinir ağların kullanımı önerilmiştir. Yapay sinir ağında geri yayılım öğrenme algoritması ve fermi transfer fonksiyonu kullanılmıştır. Oluşturulan sinir ağını eğitmek amacıyla eğitim ve test verisi olarak deneysel ölçüm verileri uygulanmıştır. Bütün deneysel aralık üzerinde yüzey pürüzlülüğünü en iyi hassasiyet ile tahmin etmek için, en uygun eğitim veri seti, mümkün oldukça deneysel hatanın en az olduğu, on nöronlu iki gizli katmanlı ilk gizli katmanında 6, ikinci gizli katmanda 4 nöron ile elde edilmiştir. Ağ eğitildikten sonra, R2 değeri; 0.978 ve ortalama hata değeri; 0.018% olarak bulunmuştur. Matematiksel modellemenin sonuçları incelendiğinde, hesaplanan yüzey pürüzlülüğünün açık bir şekilde kabul edilebilir değerler içerisinde olduğu görülmüştür.en_US
dc.identifier.citationGürbüz, H., Baday, Ş., Sözen, A. (2016). Modelling of effects of various chip breaker forms on surface roughness in turning operations by utilizing artificial neural networks. Politeknik Dergisi, 19 (1), pp.71-83.en_US
dc.identifier.endpage83en_US
dc.identifier.issn2147-9429
dc.identifier.issue1en_US
dc.identifier.startpage71en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12402/4014
dc.identifier.volume19en_US
dc.identifier.wosqualityN/Aen_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isoenen_US
dc.publisherGazi Üniversitesien_US
dc.relation.journalPoliteknik Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.subjectChip Breaker Formsen_US
dc.subjectSurface Roughnessen_US
dc.subjectArtificial Neural Network (ANN)en_US
dc.subjectTurningen_US
dc.subjectTalaş Kırıcı Formlarıen_US
dc.subjectYüzey Pürüzlülüğüen_US
dc.subjectYapay Sinir Ağları (YSA)en_US
dc.subjectTornalamaen_US
dc.titleModelling of effects of various chip breaker forms on surface roughness in turning operations by utilizing artificial neural networksen_US
dc.title.alternativeTornalama Operasyonlarında Farklı Talaş Kırıcı Formlarının Yüzey Pürüzlülüğü Üzerinde Etkilerinin Yapay Sinir Ağları Kullanılarak Modellenmesien_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Modelling of effects of various chip breaker forms on surface roughness in turning operations by utilizing artificial neural networks.pdf
Boyut:
798.86 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Mühendislik-Mimarlık Fakültesi Makine Mühendisliği Bölümü Makale Koleksiyonu
TR Dizin İndeksli Yayınlar Koleksiyonu