Bu deneysel ve istatiksel çalışma, Taguchi Dizayn dayalı optimum Yapay Sinir Ağları kullanarak kesme kuvvetlerinin tahminini ele almaktadır. Bu amaçla, S/N oranları ile optimum ANN değerlendirmek için çıkış parametreleri olarak Ortalama Kareleri Hatası seçilirken, kontrol parametreleri olarak ise giriş ve çıkış transfer fonksiyonları ve eğitim fonksiyonları seçilmiştir. ANN yapısı, tüm eğitim fonksiyonlarının uygulanması için 5 setten oluşan Taguchi L9 ortogonal dizilim seçilerek optimize edilmiştir. S/N oranların MSE değerlerine göre, kesme kuvveti değerlerini optimum yapan tahminleri elde etmek için her bir set birbirleri ile karşılaştırılmıştır. Her bir set için optimum ANN yapısında kullanılan gizli ve çıkış katmanlarındaki transfer fonksiyonları ve eğitim fonksiyonları belirlenmiştir. Tornalama deneylerinde elde edilen kesme kuvvetlerini optimum yapan ANN yapısı gizli katmanda transfer fonksiyonu logsig, eğitim fonksiyonu Tlm ve çıkış katmanda transfer fonksiyonu pureline olduğunda R kare değeri 0,999945 bulunmuştur. Deney sonuçları değerlendirildiğinde, Taguchi ortogonal dizilime dayalı ANN yapısı başarılı olduğu bulunmuştur.
This experimental and statistical study addresses the prediction of cutting forces by using the optimum Artificial Neural Network employed by Taguchi design. For this purpose, input and output transfer function and training algorithm were selected as control parameters, while Mean Square Error was chosen as output parameters for evaluating optimum ANN structure with S/N ratios. ANN structure was optimized through Taguchi L9 orthogonal design, which occurred 5 set-up for utilizing all training function. According to MSE values of S/N ratios, each set-up was compared with the obtained prediction of making values of cutting forces to the optimal result. For each set, the hidden transfer function, output transfer function and training function used in the optimal ANN structure were determined. The optimal ANN structure for cutting forces obtained in turning experiments were logsig transfer function in hidden layer, Tlm training function and pureline transfer function in output layer, while R square was at 0.999945. It was found that ANN based Taguchi orthogonal design was successful in evaluating the experimental results.
Alan : Fen Bilimleri ve Matematik; Sosyal, Beşeri ve İdari Bilimler
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|