saucis Sakarya University Journal of Computer and Information Sciences 2636-8129 Sakarya University 10.35377/saucis.01.03.496233 Computer Software Bilgisayar Yazılımı Prediction of the Force on a Projectile in an Electromagnetic Launcher Coil with Multilayer Neural Network Bir Elektromanyetik Fırlatıcı Bobininde Mermiye Etkiyen Kuvvetin Çok Katmanlı Sinir Ağı ile Kestirimi https://orcid.org/0000-0002-9940-0471 Dalcalı Adem Bandırma Onyedi Eylül Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Çetin Onursal Bandırma Onyedi Eylül Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Ocak Cemil GAZİ ÜNİVERSİTESİ Temurtaş Feyzullah Bandırma Onyedi Eylül Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi 12 18 2018 1 3 1 10 12 12 2018 12 17 2018 Copyright © 2018, Sakarya University Journal of Computer and Information Sciences 2018 Sakarya University Journal of Computer and Information Sciences

The force on the projectile in the electromagnetic launchersvaries according to the the excitation value and the position of the projectilein the winding. In this study, 3D model of coil and projectile used inelectromagnetic launchers have been created and analyzed by finite elementmethod. The force characteristic on the projectile has been obtained bychanging the excitation value of the winding and the position of the projectileusing parametric solution method. In finite element analysis, more accurateanalysis can be performed by defining smaller solution steps. However, theanalysis time is prolonged due to the increase in the number of variables.Taking into consideration the duration of analysis, the force prediction hasbeen carried out using multilayer neural network models consisting of onehidden layer and two hidden layers. Successful results have been obtained inthe force prediction studies with multilayer neural networks.

Elektromanyetikfırlatıcılarda merminin üzerindeki kuvvet, uyartım değeri ve merminin sargıiçerisindeki konumuna göre değişiklik göstermektedir. Bu çalışmadaelektromanyetik fırlatıcılarda kullanılan bobin ve merminin 3 boyutlu modelioluşturularak sonlu elemanlar metodu ile analizler gerçekleştirilmiştir.Parametrik çözüm metodu kullanılarak, sargının uyartım değeri ve mermi konumudeğiştirilerek mermi üzerindeki kuvvet karakteristiği elde edilmiştir. Sonluelemanlar analizlerinde daha küçük çözüm adımları tanımlanarak daha hassasanalizler gerçekleştirilebilir. Bununla birlikte, değişkenlerin sayısındakiartış nedeniyle analiz süresi uzamaktadır. Analiz süresi dikkate alınarak,çalışmada kuvvet kestirimi tek gizli katmandan ve iki gizli katmandan oluşançok katmanlı sinir ağı modelleri kullanılarak gerçekleştirilmiştir. Çokkatmanlı sinir ağları ile yapılan kuvvet kestirimi çalışmalarında başarılısonuçlar elde edilmiştir.

 çok katmanlı sinir ağı kuvvet kestirimi elektromanyetik fırlatıcı sonlu elemanlar analizi multilayer neural network force prediction electromagnetic launcher finite element method [1] K.S. Chandan and P. M. Rao, “A Mathematical Formulation of Inductance for Multipole Field Electromagnetic Launcher,” International Journal of Pure and Applied Mathematics, vol. 118, no. 24, pp. 1-13, 2018. [2] V. Sarı, “Elektromanyetik Fırlatıcıların Farklı Manyetik Özellikteki Çekirdeklerle Performans Analizi,” Doktora Tezi, Erciyes Üniversitesi, Kayseri, 2015. [3] E. İnger, “Elektromanyetik Fırlatıcı Sistemlerinin İrdelenmesi Ve Simülasyonu,” Doktora Tezi, Gazi Üniversitesi, Ankara, 2013. [4] H. D. Fair, “Electromagnetic Launch Science and Technology in the United States Enters A New Era,” IEEE Transactions on Magnetics, vol. 41, no. 1, pp. 158-164, 2005. [5] İ. Çoşkun, O. Kalender ve Y. Ege, “İndüksiyon Bobin Silahı İçin Uygun Stator Bobini Geometrisinin Araştırılıması,” BAÜ Fen Bilimleri Enstitüsü Dergisi, 8, s. 40-48, 2006. [6] F. Daldaban ve V. Sarı, “Bir Relüktans Fırlatıcının Sonlu Elemanlar Yöntemi ile İncelenmesi,” Gazi Üniv. Müh. Mim. Fak. Der., cilt 30, no 4, s. 605-614, 2015. [7] B. Jing, T. Liao, T. Jiang, L. Chen and X. Jia, “Optimal Design and Simulation of Combined Reluctance-induction Electromagnetic Launcher,” in Electromagnetics Research Symposium, 2017, pp. 1377-1381. [8] D. V. Le, B. S. Go, M. G. Song, M. Park and I. K. Yu, “Design of an Electromagnetic Induction Coilgun Using the Taguchi Method,” IEEE Transactions On Plasma Science, vol. 46, no. 10, 2018. [9] M. Akbaba and S. Q. Fakhro, "Field distribution and iron loss computation in reluctance augmented shaded-pole motors using finite element method," IEEE Transactions on Energy Conversion, vol. 7, no. 2, pp. 302–307, 1992. [10] A. Dalcalı, ve M. Akbaba, “FEM Study of the Effects of Geometric Changes on the Variable Reluctance Shaded-Pole Motors Performance,” in 6th Paris International Conference on Recent Trends in Engineering and Technology, April 2017. [11] M. Akbaba and S. Q. Fakhro, "An ımproved computational technique of the inductance parameters of the reluctance augmented shaded-pole motors using finite element method," IEEE Transactions on Energy Conversion, vol. 7, no. 2, pp. 308–314, 1992. [12] A. Dalcalı. and M. Akbaba, “Comparison of 2D and 3D magnetic field analysis of single-phase shaded pole induction motors,” Engineering Science and Technology, an International Journal, vol. 19, pp. 1–7, 2016. [13] S.L. HO and W.N. FU, “Review and Future Application of Finite Element Methods in Induction Motors,” Electric Machines & Power Systems, vol. 26, no. 2, pp. 111-125, 2007. [14] W.N. FU “A Versatile Finite Element Model of Electric Machines,” Electric Power Components and Systems, vol. 31, no. 10, pp. 941-966, 2003. [15] A. Saygın, C. Ocak, A. Dalcalı, O. Gürdal, S. Alantar and Y. Tarhan, “Influence of Pole Arc Offset on The Field and Output Parameters of Brushless DC Motors,” International Journal of Advancements in Electronics and Electrical Engineering, vol. 3, no. 1, pp. 47-51, 2014. [16] O. Cetin and F. Temurtas “Classification of Magnetoencephalography Signals by Multilayer and Radial Based Artificial Neural Networks,” Elec Lett Sci Eng, vol. 14, no. 1, pp. 32–38, 2018. [17] O. Cetin, F. Temurtas and S. Gulgonul, “An application of multilayer neural network on hepatitis disease diagnosis using approximations of sigmoid activation function,” Dicle Medical Journal, vol.42, no. 2, p. 150–157, 2015. [18] A. Gulbag and F. Temurtas, “A study on transient and steady state sensor data for identification of individual gas concentrations in their gas mixtures,” Sensors and Actuators B, vol. 121, no. 1, pp. 590–599, 2007. [19] A, Gulbag and F. Temurtas, “A study on quantitative classification of binary gas mixture using neural networks and adaptive neuro-fuzzy inference systems,” Sensors and Actuators B, vol. 115, no. 1, pp. 252–262, 2006. [20] E. Dogan, “Suspended sediment load estimation in lower Sakarya river by using soft computational methods,” Elec Lett Sci Eng, vol. 1, pp. 22–32, 2005.