Gelişmiş sinyal işleme yöntemleri kullanılarak yüzey pürüzlülüğünün veri odaklı tahmini
Data-driven prediction of surface roughness using advanced signal processing methods
- Tez No: 972877
- Danışmanlar: DR. ÖĞR. ÜYESİ BAHAR SAYIN KUL
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Talaşlı imalat süreçlerinde, işlenen parçaların yüzey kalitesinin iyi olması, ürün performansı, üretim süresi ve maliyetlerini doğrudan etkilemektedir. Özellikle tornalama gibi hassas işlemlerde, kesme parametreleri ve işleme ortamının, kaliteli yüzey oluşumu üzerinde ekisi büyüktür. Çalışmada, SAE-AISI 5140 çeliği kullanılarak 16 farklı koşulda kesme kuvveti ve titreşim verileri toplanmıştır. Kuvvet verileri dinamometre, titreşim verileri ise MPU6050 MEMS sensörü ile gerçek zamanlı olarak kaydedilmiştir. Elde edilen veriler segmentlere bölünmüş, her segment için zaman, frekans ve zaman-frekans analizleri uygulanmıştır. Ayrıca her segmente ait veriler sinyal niteliğinde işlenmiş ve bu sinyallerden toplam 63 öznitelik çıkarılmıştır. Ayrıca sonuç olarak her segment için yüzey pürüzlülüğü ölçülmüştür. Çalışmanın ilk aşamasında, öznitelikler kullanılarak kesme parametreleri ve işleme ortamı sınıflandırılmış; model başarımları karşılaştırılmıştır. Sınıflandırma sonuçları, sensör verisinin işlem koşullarını yüksek doğrulukla tanımlayabildiğini göstermiştir. İkinci aşamada ise aynı öznitelikler regresyon modellerinde kullanılarak yüzey pürüzlülüğü tahmini yapılmıştır. Hem sınıflandırma hem regresyon modellerinin eğitiminde MATLAB programı kullanılmıştır. Bu iki aşamalı yapı sayesinde sistem, sensör verileriyle hem işlem koşullarını bağlamsal olarak tanımlayabilmekte hem de bu koşullar altında oluşacak yüzey kalitesini tahmin edebilmektedir. Geliştirilen yaklaşım, çevrimdışı ortamda gerçekleştirilmiştir. Bununla beraber gerçek zamanlı izleme ve kontrol sistemlerine uyarlanabilir yapıdadır. Bu yönüyle çalışma, veri temelli üretim izleme, akıllı karar destek sistemleri ve kestirimci kalite kontrol uygulamalarına bilimsel katkı sağlamaktadır.
Özet (Çeviri)
In machining processes, the surface quality of the processed parts directly affects product performance, production time, and cost. Especially in precise operations such as turning, cutting parameters and machining environment have a direct impact on the formation of surface quality. In this study, cutting force and vibration data were collected under 16 different conditions using SAE-AISI 5140 steel. Force data were obtained via a dynamometer, while vibration data were recorded in real time using an MPU6050 MEMS sensor. The obtained data were segmented, and time, frequency, and time-frequency analyses were applied to each segment. Each segment was treated as a signal, and a total of 63 features were extracted. Additionally, surface roughness was measured for each segment. In the first phase of the study, these features were used to classify cutting parameters and the machining environment; model performances were compared. The classification results showed that the sensor data could identify the machining conditions with high accuracy. In the second phase, the same features were used in regression models to predict surface roughness. MATLAB software was used for training both classification and regression models. This two-stage approach allows the system to contextually identify the machining conditions using sensor data and predict the resulting surface quality under those conditions. The developed method was implemented in an offline environment but is adaptable for integration into real-time monitoring and control systems. In this respect, the study makes a scientific contribution to data-driven production monitoring, intelligent decision support systems, and predictive quality control applications.
Benzer Tezler
- Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques
Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri
KÜBRA KÜLLAHCI
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- High impedance fault detection in medium voltage distribution systems using wavelet transform
Dalgacık dönüşümü kullanılarak orta gerilim dağıtım sistemlerinde yüksek empedanslı arıza tespiti
BARAA MAKKAWI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Analysis and modeling of crustal deformation using InSAR time series along selected active faults within the Africa-Eurasia convergence zone
Afrika-Avrasya sıkışma zonu içerisindeki seçilmiş aktif faylar boyunca meydana gelen kabuk deformasyonunun incelenmesi ve modellenmesi
ESRA ÇETİN
Doktora
İngilizce
2015
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZİYADİN ÇAKIR
PROF. DR. MUSTAPHA MEGHRAOUI
- Surface acoustic wave resonator characterization for gas and liquid detection
Gaz ve sıvı algılama için yüzey akustik dalga rezonatör karakterizasyonu
OĞUZHAN AYAN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN COŞKUN KARALAR
- Antenna and frequency selective surface design for 3.1 GHZ detect and avoid radar system on unmanned aerial vehicle
İnsansız hava aracında 3.1 GHZ tespit ve kaçınma radar sistemi için anten ve frekans seçici yüzey tasarımı
MOHAMMAD HAROON AZAD
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FUNDA AKLEMAN YAPAR
DOÇ. DR. HÜSEYİN ŞERİF SAVCI