Yapay zeka tabanlı optimizasyon algoritmaları ile AISI 1050 çeliğinin yüzey pürüzlülük değerinin hesaplanması

Abstract

Endüstride önemli bir malzeme olan çelik kolayca üretilip şekillendirilebilmektedir. Bunun yanında mekanik özellikleri de dikkate alındığında imalat sektöründe oldukça yaygın kullanılmaktadır. Çelik imalatında yüzey pürüzlülüğü önemli bir faktördür ve yüzey pürüzlülüğünü etkileyen birçok parametre vardır. Bu çalışmada, AISI 1050 çeliğinin yüzey pürüzlülüğünün hesaplanmasında yakın zamanda yapay zekâ optimizasyon algoritması olarak geliştirilen yapay arı koloni algoritması kullanılarak elde edilen yeni ve basit bir matematiksel ifade sunulmuştur. Bu ifadenin yanında yapay sinir ağları kullanılarak geliştirilen bir model de önerilmiştir. Bir CNC işleme merkezi yardımıyla kesme hızı, ilerleme hızı ve kesme derinliği gibi kesme parametrelerinden oluşan deney verileri kullanarak matematiksel ifade ve model geliştirilmiştir. Matematiksel ifade ortaya çıkarılırken birçok formülasyon denenmiştir. Denemelerin sonucunda ifadenin basit olmasının yanında kabul edilebilecek hatayla hesaplanabilmesi sebebiyle sunulmuş olan ifade de karar kılınmıştır. Bu ifadenin bilinmeyen katsayıları optimum bir şekilde belirlenirken çoğu probleme başarılı çözümler sunan yapay arı koloni algoritması kullanılmıştır. Geliştirilen formülden elde edilen sonuçlar daha önce literatürde bildirilen yöntem ile karşılaştırılmıştır. Yapay arı kolonisi ile önerilen ifade %2,95 ortalama hata oranı ile yüzey pürüzlülüğünü hesaplamaktadır ve literatürdeki ifadeyle kıyaslandığında daha uyumlu olduğu gözlemlenmiştir. Ayrıca kesme parametrelerinin AISI 1050 çeliğinin yüzey pürüzlülüğü üzerindeki bireysel etkilerini değerlendirmek adına bir parametrik çalışma gerçekleştirilmiştir. Bu parametrik çalışmanın sonuç verileri tablo ve şekil olarak gösterilmiştir. Bunlara ek olarak kesme parametrelerine bağlı olarak AISI 1050 çeliğinin yüzey pürüzlülüğünün tahminini gerçekleştiren yapay sinir ağı modeli sunulmaktadır. Yapay sinir ağının eğitimi aynı deneysel veriler yardımıyla Levenberg-Marquardt algoritması kullanılarak gerçekleştirilmiştir. Ağ ortalama %3,10 hata ile yüzey pürüzlülüğü tahmininde bulunmuştur. Son olarak çeşitli algoritmalar ile yapay sinir ağı modelleri oluşturulmuştur ve bunların yüzey pürüzlülüğü tahminindeki başarı yüzdelerinin karşılaştırması tablo ve şekillerle sunulmuştur.

The steel which is an important material of the industry can be easily produced and shaped. İn addition, considering its mechanical properties, it is widely used in the manufacturing sector. Surface roughness is an important factor in steel manufacture and there are many parameters that affect surface roughness. In this study, a new and simple formulation achieved using the artificial bee colony (ABC) that recently developed as an artificial intelligence optimization algorithm has been proposed in computing the surface roughness of the AISI 1050 steel. In addition to, it is proposed in a model developed using artificial neural networks. Experiment data consisting of the various cutting parameters with the help of a CNC machining namely the cutting speed, rate of feed and depth of cut center were performed in terms of the surface roughness. Various formulations have been tried while finding mathematical expression. As a consequence of the experiments, the expression presented was decided because it was simple and it could be calculated with an acceptable error. The unknown coefficients belonging to the formulation were optimally calculated by using ABC algorithm. The results obtained from the developed formula were compared with the method previously reported in the literature. The proposed formula with the ABC has calculated the surface roughness with an average error rate of %2,95 and has observed to be more compatible when compared with the expression in the literature. After that parametric study was carried out to evaluate the individual effects of the cutting parameters on the surface roughness of the AISI 1050 steel. The results of this parametric study are shown in tables and figures. Furthermore, it is presented an artificial neural network model that estimates the surface roughness of the AISI 1050 steel depending on the cutting parameters. The artificial neural network was used to train using the Levenberg-Marquardt algorithm with the same experimental data. The network has estimated surface roughness with an average error of %3,10. Finally, artificial neural network models have created with various algorithms and their surface roughness estimates have presented in comparative tables and figures of percentage success.