Filtreler

2016 - 201922020 - 20242
Filtreleri Sıfırla

Ayarlar

Erişim Hakkı: info:eu-repo/semantics/openAccess × Konu: Artificial Neural Network ×

Arama Sonuçları

Listeleniyor 1 - 4 / 4
  • Küçük Resim Yok
    Öğe
  • Küçük Resim Yok
    Öğe
    Estimation of surface roughness and cutting speed in CNC WEDM by artificial neural network that employed trainable activation function
    (SAGE Journals, 2021-02-01) Gürbüz, Hüseyin
    Activation functions are the most significant properties of artificial neural networks (ANN) because these functions are directly related with the ability of ANN in learning or modelling a system or a function. Furthermore, another reason for the significance of the fact that determination of optimal activation function in ANN is its relationship with success level. In this experimental study, the effects of different types of wire electrodes, cooling techniques and workpiece materials on surface roughness (Ra) and cutting speed (Vc) in wire electrical discharge machining (WEDM) were investigated by using trainable activation functions (AFt) and modelling them in ANNs. So far, a number of methods have been performed according to the data set in order to optimally predict Ra and Vc results. Among these methods, randomized ANN with AFt was found to be the best one for robust prediction according to RMSE values. While the value was 0.280 for Vc, it was 0.2104 for Ra. Optimum activation functions in Ra and Vc were found at first and third degree trainable functions, respectively.
  • Küçük Resim
    Öğe
    Determining optimal artificial neural network training method in predicting the performance and emission parameters of a biodiesel-fueled diesel generator
    (International Journal of Automotive Engineering and Technologies, 2019-04-03) Altun, Şehmus; Ertuğrul, Ömer Faruk
    Artificial neural network (ANN) methods were employed and suggested in modeling the emissions and performance of a diesel generator fueled with waste cooking oil derived biodiesel during steady-state operation. These papers are generally built on determining optimal network structure, but the modelling accuracy of an ANN is also highly dependent on employed training method. In modeling, operating conditions and fuel blend ratio were used as the inputs while the performance and emission parameters were the outputs. The modeling results obtained by conventional ANNs that were trained by back propagation (BP) learning algorithm, radial basis function (RBF), and extreme learning machine (ELM) were compared with experimental results and each other. The accuracy of the estimations by ELM was above 95% for all the output parameters except for specific fuel consumption and thermal efficiency. Moreover, ELM performed better than BP and RBF with lower mean relative error (MRE) in case where the emissions were estimated. The ELM provided correlation coefficients of 0.987, 0.950 and 0.996 for unburned hydrocarbons (HCs), nitrogen oxides (NOx) and smoke opacity (SO), respectively, while for BP, they were 0.973, 0.818, 0.993, and for RBF, 0.975, 0.640 and 0.981. The most suitable training function for each emission and performance parameters of diesel generator was determined based on obtained accuracies.
  • Küçük Resim
    Öğe
    Atık sanayi yağları ve atık plastiklerden elde edilmiş yakıtın bir dizel motorunun farklı çalışma parametrelerindeki performans, emisyon ve yanma karakteristiklerinin deneysel analizi ve yapay sinir ağları yöntemi ile optimizasyonu
    (Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-01-23) Yıldız, Abdulkerim; Aydın, Selman
    Bu çalışmada, artan enerji talebi ile birlikte alternatif enerji kaynaklarına olan yönelim çevre ve doğaya uzun yıllar kalıcı zararlar veren, geri dönüşümle tekrar enerjiye kazanımı sağlayan atık sanayi yağları ve atık plastiklerin pirolitik sıvılarından distilasyon yöntemi ile dizel benzeri yakıt üretmek ve farklı oranlarda dizel yakıt karışımları ile performans, yanma ve emisyon parametrelerini inceleyip yapay sinir ağları (YSA) ile modellemektir. Üretilen her iki yakıtta yapılan testler sonucunda özellikle dizel benzeri plastik (DB-PY) yakıtında yüksek oranda kükürt içeriğinden dolayı iki aşamalı kükürt giderme işlemine gidilmiştir. İlk aşamada bazik kükürtsüzleştirme işlemini her iki yakıtta %10 Perlit, %10 Kalsiyum Oksit ve %10 Zeolit uygulama sonucunda dizel benzeri sanayi (DB-SY) yakıtında herhangi bir değişim gözlemlenmediği, DB-PY’ında %10 Perlit uygulamasında kükürt içeriğini %25,3 oranında giderimi yapılıp bu yakıtta katalizör olarak kullanılmıştır. Dizel benzeri sanayi yakıtın kükürt değeri standart dizel yakıtın sınır değerleri içerisinde iken DB-PY sınır değerlerin çok üstünde olduğundan bu her iki yakıta ikinci aşama olarak asidik kükürtsüzleştirme işlemine gidilmiştir. Üretilen her iki yakıta 1/2 Asetik Asit-H2O2, 1/2 Formik Asit- H2O2, Sülfürik Asit (5gr-7,5gr-10gr) farklı oranlarda uygulanan kükürt giderme işleminde kükürt oranında bir düşüşün gerçekleşmediği aksine her iki yakıtta artışlara neden olduğu tespit edilmiştir. Ön testler sonunda düşük setan indisine sahip olan DB-PY yakıtında iyileştirici katkı maddesi olarak kullanılan Ethylhexyl Nitrat, DB-SY yakıtına da katılarak yanma ve emisyonlara vereceği tepkimeleri ölçmek için aynı oranlarda bu yakıta da uygulanmıştır. Dizel benzeri bu yakıtların içten yanmalı yakıtlarda kullanılan dizel yakıt standartları içerisinde ve yakın değerlerde olduğu için karışımlı olarak direk püskürtmeli, tek silindirli, su soğutmalı bir dizel motorunda testler gerçekleştirilmiştir. Test yakıtlarının motor performans karakteristikleri, yanma ve emisyon değerleri, dizel yakıtın (DY) değerleri ile karşılaştırılmıştır. Farklı oranlarda DY ile DB-SY, DB-PY, DB-SY(EN) ve DB-PY(EN) yakıt karışımlarının performans analizinde; DY yakıtın diğer sanayi-plastik karışımlı test yakıtlarına göre özgül yakıt tüketimleri (ÖYT) yüksek, Ethylhexyl Nitrate (EN) katkılı karışımlı deney yakıtlarına göre ortalama olarak düşük çıktığı gözlemlenmiştir. Yanma parametrelerinde karışımlı yakıtların ve (EN) katkılı deney yakıtlarını DY yakıtı ile karşılaştırarak farklı yükler altında yanma ve emisyon verileri ayrıntılı olarak incelenmiş ve sonuçlar karşılaştırmalı olarak verilmiştir. Karışımlı yakıtların DY yakıtına benzer ve yakın değerler sunarken, katkılı (EN) karışımlı yakıtların (Silindir Gaz Basıncı, Net Isı Salınımı, Basınç Artış Oranı) parametrelerinde azalmaların olduğu tespit edilmiştir. NOx emisyonları yük durumuna göre karışımlı test yakıtlarına göre bir miktar yüksek ama tüm katkılı test yakıtlarına göre düşük, HC emisyonu karışımlı test yakıtlarına göre düşük katkılı yakıtlara göre yüksek, CO2 emisyonu yüksek yükler (7,5 bar OEB) hariç diğer karışımlı ve katkılı test yakıtlarında yüksek olduğu ve duman koyuluğu ise ortalama tüm test yakıtlarına göre DY yakıtından daha yüksek çıktığı gözlemlenmiştir. Bu deneysel çalışmalarda alınan verileri Matlab programı kullanılarak YSA modellemesiyle optimum sonuçlar tahmin edilmiştir.