Çinko-alüminyum alaşımlarının korozyon davranışına alaşım elemetlerinin etkisinin yapay sinir ağıyla tahmini

Abstract

Anahtar Kelimeler: yapay sinir ağı, çinko-alüminyum alaşımlar, korozyonBilgi ve iletişim teknolojilerindeki ilerlemelere bağlı olarak insan gibi düşünen ve davranan sistemler geliştirilmiştir. Yapay sinir ağlarında, insan beyninin çalışma yapısı ele alınmış ve sinir hücrelerinin bağlantıları gibi birbirlerine bağlı birimler olarak modellenmiştir. Bu sistemin her birimi basitleştirilmiş bir sinir hücresinin özelliklerini taşır. Yapay sinir ağında bulunan bağlantılar, katmanlar ve düğüm sayılarının çok fazla sayıda olması tasarlanan sistemin karmaşıklığını belirlemektedir.Bu çalışmada, çinko alüminyum alaşımlarının korozyonu sonucu meydana gelen ağırlık kaybı değişimlerinin zaman periyotlarında tahmini değerlerinin elde edilmesi amaçlanmıştır. Deney sayısı arttıkça maliyet artmakta ve zaman kaybı meydana gelmektedir. Bundan dolayı, deneylerden elde edilen sonuç değerlerine göre yapay sinir ağı tasarlanmıştır. Yapay sinir ağında geriye doğru hesaplama algoritmaları kullanılarak çinko-alüminyum alaşımların korozyon deney sonuçları tahmin edilmiştir.Sonuç olarak, çinko alüminyum alaşımlarının istenen zaman periyotlarında, malzemenin birim alanında meydana gelen ağırlık kayıplarının tahmini mümkün olmuştur.Kullanılan veri grupları arasında oldukça fazla farklılıklar olmasına rağmen beş değişik Zn-Al alaşım grubunun eğitiminde kullanılan 6 farklı YSA algoritmaların tahminindeki ortalama sapma % 5'in altında bulunmuştur. Herbir Zn-Al alaşım grubundaki en iyi sonucu veren algoritmalardaki ortalama sapma ise % 3'ün altındadır.Yapay sinir ağları, hesaplamalara tamamen farklı bir yaklaşım getirmektedir. Belirli bir problemi çözmek için programlama yerine direkt olarak mevcut örnekleri kullanır. Metalurji ve Malzeme Mühendisliği de diğer mühendislikler gibi uygulamalı bir bilimdir. Bu nedenle Metalurji ve Malzeme Mühendisliğin birçok konu da yapay sinir ağından yararlanılabilir.

Keywords: artificial neural network, zinc-aluminum alloys, corrosionDepending on the progress in information and communication technologies, systems have been developed to simulate like human behavior. In neural network, human brain work structure has been considered and modeled as connected units like neurons. Each unit of this system carried out the characteristics of a simplified nerve cell. The complexity of such a system is specified by the number of connections, layers, and nodes within the neural-network.In this study, it is aimed to obtain the predicted values of weight-loss changes in time periods occurred as a result of corrosion of zinc-aluminum alloys. Therefore, a neural network is designed according to the result values obtained from experiments. With using a backward calculation algorithm in neural network, experimental result in corrosion behavior of zinc-aluminum alloys have been predicted.Consequently, it has become possible to predict the weight-loss occurs on the unit area of the material (Zinc-Aluminum alloy) in determined time-periods.In spite of pretty much differences between used data groups, average deviation of six different ANN concerned algorithm estimation which is used in five different Zn-Al alloy group training has found under %5. Average deviation in algorithm which gives best result in Zn-Al alloy group is under %3.Neural networks brings entirely different approach to calculations. It uses current samples instead of programming to solve a specific problem. Metallurgical and Materials Engineering is an practical science as the other engineering sciences. Hence several subjects of Metallurgical and Materials Engineering utilize neural network.