Predicting the Earing Using Gene Expressive Programming at Deep Drawing of Technical Aluminium AA1100
Öz
It is emphasized that, earing problem which is one of the material origin problems that occurs during deep drawing of cold rolled AA1100 aluminium sheets and effects of the heat treating parameters to take away or minimize the earing problem were investigated. In recent years, artificial intelligence methods are widely used to estimate the results. In this study, Gene Expressive Programming (GEP) is used to estimate the height of earings. Annealing temperature and annealing time are approved as input parameters; earing height is approved as output parameter. Results are estimated with the ratio of 95,89 % at the GEP environment using only four arithmetical operation variables with the help of these parameters
Anahtar Kelimeler
Kaynakça
- ALTENPOHL, D. 1982. “Aluminium Viewed from Within, an Introduction into the Metallurg
- Aluminium Verlag, Dusseldorf. [2]
- “Alüminyum Soğuk Levhaların Derin Çekilmesinde Karşılaşılan Problemler ve İngot Homojenizasyonunun Bu Problemlerin Çözümüne Katkısı”, Selçuk Üniversitesi Dergisi, Konya.
- ÇİMENOĞLU, H., KAYALI, E.S. 1984. “Alüminyum
- Şekillendirilebilirliğini Etkileyen Faktörler”, II.
- Kongresi, Seydişehir.
- DELIKANLI, K. 1992. “Soğuk Hadde Ürünü
- Çekilmesinde Tavlama Süresi ve Sıcaklığının Şekillendirilme
- Doktora Tezi, Selçuk Üniversitesi, FBE., Konya.
- Fabrication”, ÇETİN, R.,ŞİMŞEK, A.T. 1988 Alaşımlarının Uluslararasi Alüminyum Sanayii Teknik Alüminyumun Derin Kabiliyetine Etkileri”, İTÜ
- VE Erciyes Üniv. FBE Kimya-Metalurji G.; Etial-52 Levhaların 5. Metalurji
AA1100 Teknik Alüminyumun Derin Çekilmesinde Gen İfadeli Programlama Kullanarak Kulaklanmanın Tahmin Edilmesi
Öz
Soğuk hadde ile üretilmiş AA1100 alüminyum levhaların derin çekilmesinde karşılaşılan malzeme kökenli problemlerden kulaklanma üzerinde durularak, bu problemin ortadan kaldırılması veya minimuma indirilmesinde tav parametrelerinin etkisi incelenmiştir. Yapılan deneylerden elde edilen sonuçlar doğrultusunda tavlama sıcaklığı ve tavlama süresinin kulaklanma yüksekliğine en etken parametreler olduğu tespit edilmiştir.
Son yıllarda yapay zeka yöntemleri sonuçların tahminlenmesinde yaygın olarak kullanılmaktadır. Bu çalışmada, kulaklanma yüksekliğinin tahminlenmesinde Gen İfadeli Programlama (GİP) kullanılmıştır. Giriş parametreleri olarak tavlama sıcaklığı ve tavlama süresi, çıkış parametresi olarak kulaklanma yüksekliği kabul edilmiştir. Bu parametreler yardımıyla GİP ortamında sadece dört işlem değişkenleri kullanılarak sonuçlar %95,89 oranında tahminlenmiştir.
Anahtar Kelimeler
Kaynakça
- ALTENPOHL, D. 1982. “Aluminium Viewed from Within, an Introduction into the Metallurg
- Aluminium Verlag, Dusseldorf. [2]
- “Alüminyum Soğuk Levhaların Derin Çekilmesinde Karşılaşılan Problemler ve İngot Homojenizasyonunun Bu Problemlerin Çözümüne Katkısı”, Selçuk Üniversitesi Dergisi, Konya.
- ÇİMENOĞLU, H., KAYALI, E.S. 1984. “Alüminyum
- Şekillendirilebilirliğini Etkileyen Faktörler”, II.
- Kongresi, Seydişehir.
- DELIKANLI, K. 1992. “Soğuk Hadde Ürünü
- Çekilmesinde Tavlama Süresi ve Sıcaklığının Şekillendirilme
- Doktora Tezi, Selçuk Üniversitesi, FBE., Konya.
- Fabrication”, ÇETİN, R.,ŞİMŞEK, A.T. 1988 Alaşımlarının Uluslararasi Alüminyum Sanayii Teknik Alüminyumun Derin Kabiliyetine Etkileri”, İTÜ
- VE Erciyes Üniv. FBE Kimya-Metalurji G.; Etial-52 Levhaların 5. Metalurji
Ayrıntılar
| Birincil Dil | Türkçe |
|---|---|
| Konular | Mühendislik |
| Bölüm | Makaleler |
| Yazarlar | |
| Yayımlanma Tarihi | 21 Ocak 2014 |
| Yayımlandığı Sayı | Yıl 2014 Cilt: 4 Sayı: 1 |