İmalat unsurlarının bilgisayarla bütünleşik yapay sinir ağları yöntemiyle tanınması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu çalışmada, Yapay Sinir Ağları yöntemi kullanılarak on adet standard imalat unsurunu (kanal, profil çıkıntı, cep, silindirik delik, silindirik çıkıntı, basamak, köşe, kör delik, profil delik, kör kanal) tanıyan bir sistem geliştirilmiştir. Bunun için ilk olarak Delphi 7.0 programla dili ile bir ara yüz oluşturulmuştur. Bu ara yüz kullanılarak CAD programı ile oluşturulan ürüne ait STEP dosya yapısı otomatik olarak alınmıştır. STEP dosyasının bu ara yüz ile analiz edilmesi suretiyle yapay sinir ağları için gerekli girdi vektörleri üretilmiştir. Üretilen bu girdi vektörleri EasyNN-plus yapay sinir ağı paket programına aktarılmıştır. Bu verilerle yapay sinir ağının eğitimi sağlanmış ve unsurların tanınmasını sağlayacak optimal yapay sinir ağı modeli geliştirilmiştir. Optimal yapay sinir ağı modeline ait bilgiler daha önce geliştirilen ara yüze aktarılmıştır. Böylece program güncellenmiştir. Güncellenen bu program aracılığıyla otomatik olarak üretilen girdi vektörleri, programda işlenmiş ve ürün üzerindeki imalat unsurunun önceden tanımlı unsurlardan hangisi olduğu saptanmıştır. Son olarak, geliştirilen modelin doğruluğunu test etmek için önceden ayrılmış olan ürünlere ait STEP dosyaları kullanılmıştır. Test için ayrılan ürünler üzerindeki imalat unsurlarının %80 üzerinde bir değerle doğru tahmin edildiği saptanmıştır. Sonuç olarak bu çalışma, tasarım ve imalatın otomasyonunu sağlamak açısından bir basamak teşkil etmiştir.Anahtar Kelimeler : Step veri yapısı, yapay sinir ağları, unsur tanıma. In this study, A system, recognizing 10 standard manufacturing features (slot, profile protrusion, pocket, cylindrical hole, boss, step, corner, blind hole, profile hole, blind slot), was developed by using Artificial Neural Networks (ANN) method. For this purpose, firstly, an interface was developed by Delphi 7.0 programming language. STEP file structure of product created with CAD software was automatically taken by using this interface. Through this interface, Input vectors required for Artificial Neural Networks were produced by analyzing STEP file structure. The input vectors were transferred to EasyNN-plus artificial neural networks package software. Artificial Neural Network was trained by using the input vectors and optimal artificial neural network model to able to maintain identification of manufacturing features was developed. Information of optimal artificial neural network model were presented to previously developed interface. Thus, the program was updated. The Input vectors, automatically produced by updated program, were processed and which predefined manufacturing features on the product was found to be. Finally, to test accuracy of the developed model, STEP files of product reserved were used. Manufacturing features on the product, allocated to test, were predicted correctly with a value over %80. As a result, this study constituted a step in order to ensure automation of design and manufacturing.Key Words : Step data structure, artificial neural networks, feature recognition.
Collections