Comparison of artificial neural network-based and adaptive quadratic neural network-based multi-fidelity algorithms for buckling load prediction of stiffened panels
Güçlendirilmiş panellerin burkulma yükü tahmini için yapay sinir ağı tabanlı ve adaptif kuadratik sinir ağı tabanlı çoklu doğruluk seviyeli algoritmaların karşılaştırılması
- Tez No: 800214
- Danışmanlar: DOÇ. DR. ERCAN GÜRSES, DOÇ. DR. HAMDULLAH YÜCEL
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Havacılık ve Uzay Mühendisliği, Engineering Sciences, Aeronautical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Bilimsel Hesaplama Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, uyarlanabilir aktivasyon fonksiyonlarına sahip kuadratik sinir ağlarına (KSAlar) dayalı çoklu doğruluk seviyeli modeller kullanarak güçlendirilmiş panellerin burkulma yükünü tahmin etmek için yeni bir yaklaşım sunmaktadır. Önerilen yaklaşımın etkinliği, çeşitli güçlendirilmiş panel konfigürasyonu üzerinde bir dizi simülasyon yoluyla gösterilmiştir ve sonuçlar, doğruluk ve hesaplama verimliliği açısından geleneksel çok yönlü modelleme yöntemlerinden elde edilenlerle karşılaştırılmıştır. Sayısal deneyler, önerilen modelin güçlendirilmiş panel yapılarının burkulma yüklerini doğru ve etkin bir şekilde tahmin edebileceğini ve vekil modelin değerlendirilmesi için gerekli hesaplama maliyetini önemli ölçüde azaltabileceğini göstermektedir. Bu yaklaşım, çeşitli tasarım konfigürasyonlarını kolay ve hızlı bir şekilde keşfederek ve kararlı ve verimli konfigürasyonlar bularak havacılık yapılarının tasarımını ve optimizasyonunu önemli ölçüde iyileştirebilir. Genel olarak, bu çalışma, havacılık yapılarının burkulma yükünü tahmin etmek için çoklu doğruluk seviyeli modellemenin potansiyelini ve bu amaç için uyarlanabilir aktivasyon fonksiyonlarına sahip KSAları kullanmanın etkinliğini vurgulamaktadır.
Özet (Çeviri)
This thesis presents a novel approach for predicting the buckling load of stiffened panels using multi-fidelity modeling based on the quadratic neural networks (QNNs) with adaptive activation functions. The effectiveness of the proposed approach is demonstrated through a series of simulations on a range of stiffened panel configurations, and the results are compared to those obtained from traditional multi-fidelity modeling methods in terms of accuracy and computational efficiency. Numerical experiments demonstrate that the model can accurately and efficiently predict the buckling load of stiffened panels, while significantly reducing the computational cost of evaluating the surrogate model. This approach can significantly improve the design and optimization of aerospace structures by easily and quickly exploring various design configurations and finding stable and efficient configurations. Overall, this study highlights the potential of multi-fidelity modeling for predicting the buckling load of aerospace structures, and the effectiveness of using QNNs with the adaptive activation functions.
Benzer Tezler
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE
- Adaptive inverse optimal controller design for non-affine nonlinear systems using machine learning techniques
makine öğrenmesi teknikleri kullanarak doğrusal ve afin olmayan sistemler için adaptif ters optimal kontrolör tasarımı
MUHAMMET EMRE SANCI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- EEG ve EKG işaretlerinden örüntü tanıma uygulamaları ve karşılaştırılması
Applications and comparison of pattern recognition from EEG and ECG signals
ABDULNASIR YILDIZ
Doktora
Türkçe
2011
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA POYRAZ
- Bulanık ve yalın yapay sinir ağları ile çoklu lojistik regresyon yöntemlerinin sınıflandırma performanslarının karşılaştırılması: Ülkelerin gelişmişlik düzeylerinin sınıflandırılması üzerine bir uygulama
Comparison of classification performance of fuzzy and simple artificial neural networks and multiple logistic regression methods: An application on classification of developmental levels of countries
ÖMER FARUK RENÇBER
- An artificial neural network based emergency controller to improve transient stability in power systems
Güç sistemlerinde geçici kararlılığı artırmak için yapay sinir ağı tabanlı acil durum kontrolörü
KASRA MONTAKHABI OSKOUEI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ