Tozaltı köşe kaynağında yapay zeka teknolojileri kullanılarak dikiş geometrisinin modellenmesi

Abstract

Bu çalışmada, dikiş geometrisi ile kaynak parametreleri arasındaki ilişkininbelirlenmesi ve dolayısıyla optimum kaynak parametrelerinin seçimiamaçlanmaktadır. Bu maksatla deneysel bir çalışma yapıldı. Deneyde kaynakparametreleri olarak dikiş formu üzerinde en fazla etkiye sahip olan akım şiddeti, arkgerilimi ve kaynak hızı esas alındı. Diğer parametreler ise sabit tutuldu. Bu üçparametre için hazırlanan deney setinde akım şiddeti, ark gerilimi ve kaynak hızısırasıyla dört, üç ve beş seviyeye sahiptir. Böylece St 52-3 malzemeden yapılmışparçalar kaynatılarak altmış adet numune hazırlandı. Her bir numunenin dikişgeometrisi ayrı ayrı incelenerek kalınlık ve nüfuziyet ölçümleri yapıldı. Elde edilenveriler kullanılarak dikiş geometrisi ile kaynak parametreleri arasındaki ilişki yapaysinir ağları ve sinirsel bulanık mantık metotları ile modellendi. Daha sonra bumodeller kullanılarak dikiş geometrisini oluşturan parametreleri bulabilecek biralgoritma geliştirildi. Her bir modelden elde edilen sonuçların doğruluğu testverileriyle karşılaştırıldı. Böylece geliştirilen model kullanılarak arzu edilen dikişgeometrisi için en uygun kaynak parametreleri kolaylıkla elde edilebilmektedir.

In this study, it is aimed to obtain a relationship between the values defining beadgeometry and the welding parameters and also to select optimum welding parameters.For this reason, an experimental study has been realized. The welding parameters suchas the arc current, arc voltage and welding speed which have the most effect on beadgeometry are considered and the other parameters are held as constant. Four, three andfive different values for the arc current, the arc voltage and welding speed are usedrespectively. So, sixty samples made of St 52-3 material prepared. The bead geometry ofthe samples are analyzed and the thickness and penetration values of the weld bead aremeasured. Then, the relationship between the welding parameters is modeled by usingArtificial Neural Network (ANN) and Neuro-Fuzzy System Approach (ANFIS). Eachmodel is checked for their adequacy by using test data which are selected fromexperimental results. Then, the models developed are compared with regard to accuracy.Also, the appropriate welding parameters values can be easily selected when the modelsimprove.