Fonksiyonel kademelendirilmiş plakalarda malzeme kompozisyonunun yapay sinir ağı ve genetik programlama ile belirlenmesi

Abstract

Gelişen teknoloji ile birlikte malzeme teknolojisinde yeni ihtiyaçlar doğmuştur. Bu ihtiyaçların karşılanabilmesi için malzemeler de homojen yapıdan ziyade kademeli yapılar düşünülmüştür. Bu yapıyı oluşturabilmek için bir tarafı metal diğer tarafı seramik olan ve geçiş bölgesi metalden seramiğe ya da seramikten metale bir hacim fonksiyonu ile değişen Fonsiyonel Kademelendirilmiş Malzemeler (FKM) düşünülmüştür. Kademelendirilen bölge ile seramik ve metal malzeme arasındaki termo-mekanik özelliklerdeki ani değişimlerden doğan olumsuzluklar minimuma indirgenmiştir. Fonksiyonel kademelendirilmiş malzemelerde termo-mekanik davranışın belirlenmesi için geçiş bölgesinin malzeme bileşiminin yani kompozisyonel gradyant üst değerinin belirlenmesi önem arz etmektedir. Bu amaçla FKM ile ilgili pek çok çalışma optimal malzeme kompozisyonunun belirlenmesine odaklanmıştır. Bu çalışmada düzlem içi ısı akısına maruz bırakılmış bir ve iki boyutlu fonksiyonel kademelendirilmiş dikdörtgen plakaların eş değer gerilme seviyeleri dikkate alınarak malzeme kompozisyonu için iki farklı algoritma ile modeller sunulmuştur. Bu modeller de genetik programlama (GP) ve yapay sinir ağı (YSA) algoritmaları kullanılarak elde edilen sonuçlar karşılaştırılmıştır.Anahtar Kelimeler: Fonksiyonel kademelendirilmiş malzemeler, yapay sinir ağı algoritması, genetik programlama, termo-mekanik analiz.

New requirements have arisen in material technology with technological developments. In order to overcome these requirements, materials have been required to have a gradual structure rather than a homogeneous structure.Most used gradual structured material, called functionally graded material (FGM) ,one side is metal and other side is ceramic and the transition zone changes from metal to ceramics or ceramic to metal with a function. With graded region, thermo-mechanical properties between ceramics and metal, structural problems arising from sudden changes have been reduced to minimum.In order to determine the thermo-mechanical behavior of functionally graded materials, it is important to determine the material composition of the transition zone, that is, the compositional gradient base value. For this purpose, many studies on FGM, have focused on determining optimal material composition. In this study, models with two different algorithms for material composition are presented, considering the equivalent stress levels of one and two dimensional functionally graded rectangular plates subjected to in-plane heat flow. In these models, results obtained by using Genetic Programming (GP) and Artificial Neural Network (ANN) algorithms are compared..Keywords: Functionally graded plate, artificial neural networks, genetic programming, thermo-mechanical analysis