Soğuk haddelenmiş ticari alüminyum levhaların yorulma dayanımlarının yapay sinir ağları ile tahmini

Abstract

Bu çalışmanın temel amacı, soğuk haddelenmiş ticari alüminyum levhaların çekme, eğilme,  ve sertlik gibi test verilerini kullanarak yorulma dayanımını tahmin etmektir. Bu tahminler için Yapay Sinir Ağları (YSA) aracı kullanılmıştır. Çalışmanın diğer önemli amacı ise YSA'nın yorulma ile ilgili iyi tahminler yapıp yapmadığının anlaşılmasıdır. Yapay sinir ağı MATLAB yazılımı ile geliştirilmiştir. Yorulma testleri için ankastre-tip ve çok numuneli test makinesi tasarlanmış ve imal edilmiştir. AA1100 ve AA1050 alüminyum levhalar hadde yönüne paralel (HYP) ve hadde yönüne dik (HYD) şekilde kesilmişlerdir. Yorulma testleri, farklı sehim genlikleri kullanılarak sehim-kontrollü ve 50 Hz frekanslı tam değişken yükleme altında gerçekleştirilmiştir. Yorulma testlerinden elde edilen veriler çok katmanlı, ileri beslemeli ve hatanın geri yayılım algoritmasının kullanıldığı YSA modelini eğitmek için kullanılmıştır. YSA modellemesinde giriş parametreleri çekme dayanımı, eğilme dayanımı, sertlik ve yük tekrar sayısı olarak belirlenmiştir. Bu modelleme ile yorulma dayanımı değerleri tahmin edilmiştir. Test sonuçları ile YSA sonuçları olarak karşılaştırıldığında, tasarlanan modelin başarılı bir şekilde uygulandığı ve gerçek test sonuçlarına çok yakın sonuçlar verdiği görülmüştür. YSA'nın soğuk haddelenmiş ticari alüminyum levhaların  yorulma dayanımı tahmin etmede önemli bir araç olduğu sonucuna varılmıştır.

The main aim of this study is to estimate fatigue strength using as tension, bending and hardness test data for cold-rolled commercial aluminum sheets. Artificial Neural Network (ANN) tool is used for prediction purpose. Another aim is to understand whether the ANN is making good predictions related to fatigue. Artificial neural network program is developed in MATLAB software. Cantilever plane bending and multi-specimen test machine was designed and manufactured for fatigue tests. AA1100 and AA1050 aluminum sheets were cut in longitudinal (RD) and transverse (LT) orientations to the rolling direction. The fatigue tests using different deflection amplitudes were conducted under deflection-control and fully-reversed cyclic load with the frequency of 50 Hz. Data get from fatigue test results obtained from the multi-layered, feed-forward and back propagation algorithm is used to train the artificial neural network (ANN) model. In modelling of ANN; ultimate tensile strength, bending strength, hardness and cycles to failure have been used as input parameters where the output parameter is fatigue strength data. The comparisons of the experimental data against ANN results show that the result of ANN model is resembled to ANN results very closely. Finally, it is concluded that ANN is significant tool to estimate fatigue strength for cold-rolled commercial aluminum sheets