@article{article_1581662, title={Yapay Sinir Ağı ile Mikro Parçacık Dolgulu Kompozitlerin Tribolojik Özelliklerinin Tahmini}, journal={Journal of Materials and Mechatronics: A}, volume={6}, pages={68–82}, year={2025}, DOI={10.55546/jmm.1581662}, author={Gürbüz, Hüseyin and Demir, Mehmet Emin and Baday, Şehmus and Akcan, İbrahim Halil}, keywords={Micro Particle, Glass Fiber, Composite, Wear, Artificial Neural Networks}, abstract={Yapay sinir ağı (YSA), polimer kompozitlerin tribolojik performansı gibi karmaşık mühendislik problemlerini çözmek için kullanılan etkili tekniklerden biridir. Bu çalışmanın amacı bor karbür (B4C) ve grafit (Gr) dolgulu epoksi matrisli kompozit malzemenin aşınma performansını YSA ile modellemektir. Cam elyaf takviyeli epoksi reçine içerisinde ağırlıkça %5, %10 ve %15 oranında B4C ve Gr dolgulu kompozitler basit elle yatırma tekniği ile hazırlanmıştır. Bu kompozitlere, Taguchi’nin ortogonal dizi tasarımına göre kuru kayma koşullarında aşınma deneyleri gerçekleştirilmiştir. Deneysel veriler kullanılarak, aşınma davranışı üzerinde çeşitli kontrol faktörlerinin etkisini tahmin etmek amacıyla bir YSA modeli eğitilmiş ve test edilmiştir. Oluşturulan YSA modelinde, ağ yapısı ileri beslemeli ve geri yayılımlı, eğitim algoritması Levenberg–Marquardt, transfer fonksiyonu tansig kullanarak deneysel sonuçlar tahmin edilmiştir. Sürtünme katsayısı (COF) için eğitim, doğrulama, test ve genel regresyon katsayı değerleri sırasıyla 0,9936 – 0,99996 – 0,99807 ve 0,9911 iken, aşınma oranı için ise 0,9968 – 0,99891 – 0,83971 ve 0,93886 olarak elde edilmiştir. Aşınma oranı ve COF değerleri için oluşturulan YSA modelinden elde edilen regresyon katsayısı değerlerine göre, deneysel sonuçların yüksek doğruluk oranlarıyla tutarlı olduğu görülmüştür.}, number={1}, publisher={Yusuf KAYALI}, organization={Bu çalışma, Batman Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi tarafından “BTÜBAP-2021-YL-020” kodlu proje ile desteklenmiştir.}