Professional Documents
Culture Documents
Dosya 1birol Unal Tez PDF
Dosya 1birol Unal Tez PDF
BİROL ÜNAL
GAZİ ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
KASIM 2009
ANKARA
Birol ÜNAL tarafından hazırlanan YAPAY ZEKA YARDIMI İLE REDÜKTÖR
SEÇİMİ adlı bu tezin Yüksek Lisans tezi olarak uygun olduğunu onaylarım.
Tarih : 11/11/2009
Bu tez ile G.Ü. Fen Bilimleri Enstitüsü Yönetim Kurulu Yüksek Lisans derecesini
onamıştır.
TEZ BİLDİRİMİ
Tez içindeki bütün bilgilerin etik davranış ve akademik kurallar çerçevesinde elde
edilerek sunulduğunu, ayrıca tez yazım kurallarına uygun olarak hazırlanan bu
çalışmada orijinal olmayan her türlü kaynağa eksiksiz atıf yapıldığını bildiririm.
Birol ÜNAL
iv
Birol ÜNAL
GAZİ ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
KASIM 2009
ÖZET
Birol ÜNAL
GAZI UNIVERSITY
INSTUTE OF SCIENCE AND TECHNOLOGY
NOVEMBER 2009
ABSTRACT
In this study, an artificial intelligence method has been planned to be select the
most convenient reducer from among 1200 commercially available ones in a
firm inventory considering the design variables. The catalogue of the ‘Yılmaz
Gearbox’ has been taken as a database for the analysis. Among the possible
artificial intelligence methods, the neural network has been exploited with the
help of an artificial neural network-based program called Qwicknet 2.23. The
parameters used in this program have been transferred to excel environment,
which helps to generate the database for the operation constraints of the
reducer. The learning ability of the artificial intelligence method has been
determined with the use of the artificial neural network program, which uses
the parameters from the excel database. Finally, the reducer has been chosen by
controlling the degree of learning.
TEŞEKKÜR
Çalışmalarım boyunca bana yol gösteren tez danışmanım Prof. Dr. Faruk MENDİ’
ye, yardımlarını esirgemeyen “Abant İzzet Baysal Üniversitesi, Gerede Meslek
Yüksek Okulu, Makine Resim ve Konstrüksiyonu Bölümü” öğretim görevlisi,
Dr.Tamer BAŞKAL’a, “Mersin Üniversitesi, Tarsus Teknik Eğitim Fakültesi,
Makine A.B.D.” öğretim üyesi, Yrd. Doç. Dr. Uğur EŞME’ye ve çalışmalarım
boyunca manevi desteğini esirgemeyen aileme teşekkürlerimi bir borç bilirim.
vii
İÇİNDEKİLER
Sayfa
ÖZET…………………………………………………………….……............... iv
ABSTRACT…………………………………………..……………..….……… v
TEŞEKKÜR…………………………………………………….……………… vi
İÇİNDEKİLER…………………………………………..…………….……….. vii
ÇİZELGELERİN LİSTESİ…………………………………...………………… x
ŞEKİLLERİN LİSTESİ……………………………….……………………….. xi
1. GİRİŞ…………………………………………………………..…………….. 1
1.2. Yöntem………………………………………………………………….. 3
2. LİTERATÜR ARAŞTIRMASI……………………………………………… 4
3. REDÜKTÖR………………………………………………………………… 9
3.4.2. Miller…………………………………………………………….. 32
3.4.3. Yataklar………………………………………………………….. 33
3.4.4.Gövdeler………………..…………………………….….……...... 33
3.4.5. Sızdırmazlık…………………………………………....………... 33
viii
Sayfa
4. YAPAY ZEKA………………………………………………….…..………. 49
6. SONUÇ VE ÖNERİLER…………………………………………………….. 89
KAYNAKLAR…………………………………………………………………. 91
EKLER…………………………………………………………………….......... 96
EK-1 Redüktörlerin çeşitli kullanım alanları……………….…………………… 97
ix
Sayfa
ÖZGEÇMİŞ……………………………………………………………………. 112
x
ÇİZELGELERİN LİSTESİ
Çizelge Sayfa
Çizelge 5.1. Giriş, gizli bölge ve çıkış bölgesindeki bağlantı ağırlık katsayıları 76
xi
ŞEKİLLERİN LİSTESİ
Şekil Sayfa
Şekil Sayfa
SİMGELER VE KISALTMALAR
Simgeler Açıklama
b Diş genişliği
∩
b Dişler arası temas yayı
do Bölüm dairesi çapı
da Diş üstü çapı
dt Diş dibi çapı
e Dişler arasındaki boşluk
E Emniyet katsayısı
ED Redüktörün bir saat içindeki çalışma süresi
Fr Radyal kuvvet
Ft Teğetsel kuvvet
Fn Dişliye etki eden kuvvet
Fnc Etkili diş kuvveti
fs Emniyet faktörü
fdk Start sayısı
ft Günlük çalışma süresi faktörü
h Diş yüksekliği
hb Diş üstü yüksekliği
ht Diş dibi yüksekliği
I Akım
i İletme oranı
J Silindir merkezindeki atalet momenti
Jind Motor miline indirgenmiş atalet momenti
Jtop Toplam motor atalet momenti
Jmot Motorun kendi atalet momenti
J2, J3...... Dönen kütlelerin atalet momentleri
KA İşletme faktörü
Kα Yuvarlanma faktörü
xiv
Simgeler Açıklama
Kç Çentik faktörü
KE Malzeme faktörü
Kv Dinamik hız faktörü
Km Yük dağılım faktörü
Kf Form faktörü
Kfe Helisel dişli form faktörü
Ko Çalışma faktörü
KR Güvenirlik faktörü
Ki Çevrim oranı faktörünün
KL Ömür faktörü
KY Yağlama faktörü
Kε Kavrama faktörü
Kβ Eğim açısı faktörü
m Modül
mm Ortalama modül
mn Normal modül
ma Alın modül
Mb Dişliye etkiyen döndürme momenti
Mbc Çalışma momenti
n Devir sayısı
P İletilen güç
PH Yüzey basıncı
Pre Redüktörün taşıdığı güç
Pt Termik güç
Piş İş makinesi için gerekli olan güç
Pg Nominal gücü
PHem Emniyet yüzey basıncı
PHD Yüzey sertliğine bağlı dayanım sınırı
Pmot Motor gücü
xv
Simgeler Açıklama
Kısaltmalar Açıklamalar
GİRİŞ
Yapay zekâ incelendiğinde, pek çok alanda farklı amaçlarla kullanılan çeşitli yapay
zekâ türleri ile karşılaşılmaktadır. Bunlar; Genetik Algoritmalar, Uzman Sistemler,
Robotik, Doğal Diller, Sinirsel Ağlar, Sanal Gerçeklik vd. dir.
Zekâ, yetenekler bileşkesidir diye tanımlanabilir. Yalabık (1990) zekâyı, “Zekâ (us),
soyut bir kavramdır, fakat bu zekânın bilimsel bir temele oturtulmasına engel teşkil
etmez” diye açıklamıştır. Farklı amaçlara yönelik yeteneklerin, “us yapısı“ olarak
adlandırılan bir teori ile şekilsel olarak modellenebileceği belirlenmiştir.
Yapay zekânın bu çalışmada kullanım amacı, klasik bilgisayar programları ile elde
edilemeyecek elastikiyetin, yapay zekâ sistemleri tarafından sağlanabilir olmasıdır.
2
Tahta dişlilerin kullanımı 19.yüzyıl sanayi devrimi ile bırakılmış, bu tarihten sonra
metal dişlilere geçilmiş olup, metalurji ve mekanikteki ilerlemeler sayesinde yepyeni
malzemelerle üretilen dişliler, günümüzde endüstrinin vazgeçilmez bir parçası haline
gelmiştir.
Bu çalışmada, yapay zekâ temeline oturan ve ihtiyaca en yakın sonucu verebilen bir
yapı oluşturulmaya ve yapay zekâ programı kullanılarak, verilen ara değerler ile en
uygun redüktörün en kısa sürede seçimi sağlanmaya çalışılmıştır.
1.2. Yöntem
Yapay zekâ yardımı ile redüktör seçimi yapabilmek amacıyla yaptığımız çalışmada
bir yapay zekâ programı olan QwikNet 2.23 programı kullanılmış. Programın
öğrenme aşamasında, katalog verilerini içeren Excel tablosundan yararlanılmıştır.
4
2. LİTERATÜR ARAŞTIRMASI
Yapay zekâ programlarının, dişli imalinde ve dişli kutusu tasarımında uzun süredir
kullanıldığı bilinmektedir. Bu konularda pek çok araştırma yapılmış, tez ve makaleler
yayımlanmıştır. Yapılan araştırmada, redüktör kataloğu baz alınarak, katalog
içerisinde seçim yapmaya yönelik yapay zekâ üzerinde bir çalışmaya rastlanmamış,
firmalar tarafından yapılan çalışmaların Windows tabanlı Visual Basic programını
ağırlıklı olarak kullandıkları görülmüştür. Literatür taraması sırasında yapay zekâ
programlarının pek çok alanda kullanıldığı görülmüş ve yine dişliler üzerine yapılmış
çalışmalara rastlanmıştır. Yapay zekâ ve dişlilerle ilgili yapılan çalışmalardan bazıları;
Arslan, bilgisayar yardımı ile tek kademeli düz, helis, konik dişli çark tasarımı
yapmış; tasarım çıktılarını kullanarak GWBASIC programının bu dişlilerin çizimi
amacıyla kullanılabilirliğini göstermiştir [Arslan, 1994].
Cânânâu, yaptığı çalışmada MSC Nastran 2.1 programını kullanarak düz dişli
çarkların farklarını iki ve üç boyutlu modellerinin üzerinde incelemiştir. İncelemeler
sonucunda aynı diş formuna sahip iki ve üç boyutlu modelde gerilme dağılımının
aynı olduğunu ortaya koymuştur [Cânânâu, 2003].
Chen, kademeli düz dişlilerin küçük hacimli olarak üretimi üzerine çalışmıştır. Bu
çalışmada rasgele seçilmiş karmaşık dişli mekanizmalarının uygulanabilirliği için
optimum tasarım formülleri ile çoklu amaçlar kullanılmıştır. Metodoloji aynı
yükleme ve tasarım kriterlerine sahip iki ve üç kademeli redüktörlerin tasarımında
kullanılmıştır. Bu yöntem, çok amaçlı optimizasyon prosedürünü kullanarak,
minimum hacim ve yüzey aşınma ömrü ile oluşan faydaları gösterilmiş ve bu şekilde
geleneksel tasarım prosedürünün de geliştirilmesine yardımcı olmuştur [Chen, 1998].
Deb, mekanik parça tasarımı için esnek üretim yöntemi isimli makalede,
mühendislik tasarım optimizasyon problemlerinin çözümü için farklı değişkenleri
içeren, bir esnek algoritma sunmuştur. Algoritma problem çözümünde sadece
değişkenlerin izin verdiği değerleri araştırmakla sınırlandırılmış olduğundan, daha
5
Fetvacı ve İmrak’ın düz dişli çarkların bilgisayar ortamında elde edilmesi üzerine bir
çalışma yapmış, GWBASIC yazılımını kullanarak, diş sayısı, modül, kavrama açısı,
profil kaydırma faktörü vb. parametreleri girdi olarak kullanıp, diş profilini oluşturan
noktaların koordinatlarını hesaplamışlar, dişlilerin imalatı ile ilgili simülasyon ile
kremayer takım geometrisinin ve takım yerleşiminin diş geometrisi üzerindeki
etkileri incelenmişlerdir. Evolvent düz dişli profiline ait nokta koordinatlarının
bulunmasında, evolvent ve trokoid yapıdaki eğrilerin parametrik formüllerini
kullanmışlardır Bu yazılım, GRAPHER programı ile birlikte kullanılarak yapısal
analiz uygulamalarında kullanılmak üzere 2D ya da 3D model elde edilebilmektedir
[Fetvacı ve İmrak, 2004].
Liu, ve ark., çok etkenli sistemlerde, bilgi alış verişlerinin oldukça karmaşık olması
ve iletişimdeki güçlükler nedeniyle ve işlemi etkileyen pek çok etken olması sebebi
ile optimal çözümlerinin gerçekleştirilmesi zor bir iştir. Bu nedenle, çözüm
aşamasında GA kullanılmıştır. GA’ların, sonuçlar için daha iyi çözümlere ulaştığı
görülmüştür. İşlemin hızını artırmak için sayaç önerilmiştir. Tatmin edici sonuçlar
dişli pompa tasarımlarında görülmüş, ayrıca GA ile çok etkenli sistemlerin
birleşimlerinin, süreci hızlandırdığı ve bunun yanında en iyi çözümü bulduğu
gözlemlenmiştir [Liu, Hu, Yan, Zheng, ve Yang, 1998].
Myint, GA tabanlı bir sistem oluşturulmuş ve bu sistem var olan bir ürünün
değiştirilmesi veya tekrar tasarlanması gerektiği durumlarda uygulanmıştır. Bu
yaklaşım iki bölümden meydana gelmekte, birinci bölüm üretimin realizasyonu
7
Peng, ve ark., planet dişli sitemlerin hareket iletimlerini sadeleştirmek için reel
kodlu GA isimli bir çalışmada, planet dişli sistemlerin hareket iletimlerinin açı
değişiklikleri ile global olarak optimize edilmeleri, çok modelli fonksiyon
optimizasyon problemidir sonucuna varmışlardır [Peng, Yang ve Zhong, 1999].
Song ve Im, CAD sistemi kullanarak, düz dişli çarkların soğuk ekstrüzyon metodu
ile imal edilebilmesi üzerine bir çalışma yapmışlar ve bu çalışmada dişli çark
geometrisinde etkili olan diş sayısı, modül gibi değerleri bir sonlu eleman
programında kullanarak, bu değerlerin dişli çarkı etkileyen kuvvetlere etkilerini
araştırmışlardır. Bu çalışma dişli boyutlandırmasında ve buna bağlı üretim
aşamasında, imalat maliyet hesaplarını kolaylaştırmıştır [Song ve Im, 2004].
3. REDÜKTÖR
Motordan alınan dönme hareketinin, ihtiyaçtan yüksek olduğu yerlerde, giriş dönüş
hızının, istenen çıkış dönüş hızına düşürülmesi amacıyla kullanılan dişli sistemlerine
redüktör denir. Redüktörler ihtiyaç duyulan sisteme eklenen bağımsız elemanlardır.
Redüktörlü sitemler, sisteme güç veren bir motor, redüktör ve hareket-güç ihtiyacı
olan iş sisteminden meydana gelirler. Kullanılan motorlar genellikle elektrik
motorları olmasına rağmen ihtiyaç duyulduğunda içten yanmalı motorlardan da
faydalanılır. Hareket ve güç, miller vasıtası ile iletilir. Güç ve hareket iletiminde
sarsıntı ve merkez kaçıklığı nedeni ile oluşabilecek sakıncalar, birleşme
noktalarında kaplinler kullanılarak giderilir (Şekil 3.1).
• Tek Kademeli,
• Çok kademeli olarak;
11
Alın dişli redüktörler birbirine paralel miller arasında düz dişli, helis dişli ya da
V (Çavuş) dişlileri kullanarak hareket iletmekte; hız düşümü dişliler arasındaki
çap farkı ve bağlı olarak diş sayısı farkı ile oluşturulmaktadır (Şekil 3.3).
Hız düşümünün çok fazla olduğu ya da hız yerine güç ihtiyacı duyulan
sistemlerde kullanılırlar (Şekil 3.4). Sonsuz vida ve karşılık dişlisinden oluşan
bu sistemlerde, vidanın her dönüşünde dişli bir diş ilerlemektedir. Örneğin dişli
12
Günümüzde firmalar konik dişli çifti ekleyerek helis dişli redüktörleri de 90° çıkışlı
yapabilmektedirler. Fiyat olarak daha pahalı ve daha büyük olacaktır. Fakat yüksek
verim ve uzun ömür gereken yerlerde sonsuz vidalı redüktörlere tercih edilecektirler.
Konik dişli redüktörler her iki tork yönünde ve her giriş hızında yüzde 96'nın
üzerinde yüksek bir verime sahiptirler. Bu olağanüstü yüksek verim değeri konik
dişli redüktörleri, enerji tasarruflu dik açılı hareket iletebilen redüktörler haline
getirmektedir. Bakım gerektirmeden uzun süre çalışma özellikleri sayesinde hem
AC-senkron motorlar ve hem de asenkron ve senkron servo motorlar olarak her
yerde kullanılabilirler. Hassas pozisyonlandırma görevleri için az diş boşluklu tipleri
de mevcuttur (Şekil 3.6).
Dişleri helisel şekilde açılmıştır. Dişli çifti teması kesmeden diğer dişliler temasa
geçtikleri için bu tip redüktörler kinematik olarak düzgün çalışabilen, düz konik
dişlilere göre daha yüksek hızlarda kullanılabilirler. Bu tip redüktörlerin düz konik
14
dişli redüktörlere göre bir avantajı da daha sessiz çalışmasıdır. Değişik türde helis
eğrileri bu tür dişliler için kullanılabilir. Spiral, çember yayı ve evolvent bu tür
dişliler için kullanılan eğri türleridir (Şekil 3.7).
Redüktörler, gövde, dişli çarklar, miller, yataklar, v.s gibi elemanlardan oluşan
sistemlerdir. Redüktörlerde kullanılan dişliler hıza ve güce dayanıklı malzemeden
imal edilirler, yataklar genellikle rulmanlı yataklardır. Ancak bazı durumlarda çok
alçak ve çok yüksek hızlarda kaymalı yataklar da kullanılmaktadır. Redüktör,
gövdeleri sarsıntıya darbeye ve çalışma koşulları düşünüldüğünde dış etmenlere
dayanacak şekilde imal edilmektedir.
Birbirine paralel yada belirli bir açıda (genelde 90º) duran, birbirine çok uzak
olmayan miller arasında hareket ve kuvvet iletmek amacıyla kullanılan makine
elemanlarına dişli çark adı verilir.
Dişli çark mekanizmaları, bir milden diğer bir mile hareket ve güç iletiminde, devir
sayısını küçültüp/büyütmek ve momenti değiştirerek iletmek için kullanılır [Zeyveli,
2005].
Bir dişli çark mekanizmaları en az iki dişli çarktan meydana gelir. Bir dişli çiftinden
küçük olan pinyon, büyük olana çark adı verilir. Milleri konumları ve çalışan uygun
dişli çiftleri EK-2’de gösterilmiştir [Akkurt, 2005].
15
Şekil 3.8’de bir düz dişli çark ve çarkın oluşturulması için gerekli olan ölçü değerleri
görülmektedir. Bir dişli çarkın hesaplanabilmesi için modül (m) değerine (Çiz. 3.1)
ve dişli çarkın diş sayısına (z) ihtiyaç vardır. Modül diş büyüklüğünü etkileyen bir
katsayıdır. Diş sayısı ise iletme oranı (i), dişli çapı büyüklüğü (da) ve iletilecek
kuvvet (Fn) göz önünde tutularak belirlenir.
16
Modül ve diş sayısı bilindiğinde, aşağıdaki eşitlikler kullanılarak dişliye ait ölçülere
ulaşılır.
π d 0 = zt (3.1)
eşitliğinden çekilerek
t
d0 = z (3.2)
π
d0 = m z (3.3)
olur.
d a = d 0 + 2m (3.4)
17
d t = d 0 + 2,5m (3.5)
ha = m (3.6)
ht = m1,25 (3.7)
h = m2,25 = ha + ht (3.8)
Adım (t) :
t =π m (3.9)
Diş kalınlığı ( S 0 ) :
t π m
S0 = = (3.10)
2 2
t
e= (3.11)
2
Modül değeri Çizelgelerden seçilir. Fakat kritik çalışma alanları için modülün
hesaplanması (Eş. 3.12, 3.16, 3.20, 3.21, 3.22 ve 3.24) daha uygun ve güvenlidir.
18
Hesaplamalarda malzeme emniyet değerlerinin yanı sıra çalışma şartlarını ifade eden
çok sayıda faktör de kullanılır.
Millerin konumuna ve diş şekillerine göre ayrı ayrı sınıflandırılan dişli çark
mekanizmalarının yaklaşık boyutlandırma hesapları da bazı farklılıklar gösterir.
Mekanizma hesaplarında fonksiyon emniyeti yani istenen gücün emniyetle nakli ön
plandadır. Bunun yanında; boyut, ağırlık ve gürültü azlığı da arzu edilir. Sayılan tüm
bu kriterlere uygun olarak mekanizmaları boyutlandırmak için çeşitli hesap
yöntemleri geliştirilerek standartlaştırılmıştır. [Babalık ve ark., 2002]
Düz dişli çarklar için diş kırılma dayanımı yönünden modül hesabı
Bu standarda göre; düz ve helisel dişli çark mekanizmalarında diş dibi mukavemeti
açısından modül (düz dişli çark mekanizmalarında alın modül, helisel dişli çark
mekanizmalarında da normal modül) değeri:
2 M bc
m≥3 K f Kv (3.12)
z ψ d σ em
2
1
m: Modül,
19
z: Diş sayısı,
Mbc : Çalışma momenti [Nmm],
Kf : Form faktörü (Çiz. 3.3),
Kv : Dinamik hız faktörü (Çiz. 3.2),
σem : Malzeme emniyet gerilmesi [N/mm ], 2
955 P
M bc = K o [daNmm], (3.13)
n
Zn -0,6 -0,5 -0,4 -0,3 -0,2 -0,1 0 +0,1 +0,2 +0,3 +0,4 +0,5 +0,6 +0,7 +0,8 +0,9 +1 +1,1 +1,2 +1,3 +1,4
7 2,84
8 2,98 2,69 2,47
9 2,84 2,60 2,40 2,22
10 2,99 2,73 2,52 2,34 2,18
11 3,15 2,87 2,65 2,46 2,30 2,16 2,05
12 2,93 2,79 2,58 2,41 2,27 2,14 2,04
13 2,93 2,72 2,53 2,38 2,24 2,12 2,03 1,96
14 3,36 3,10 2,86 2,66 2,48 2,34 2,22 2,11 2,03 1,95
15 3,25 3,01 2,79 2,60 2,44 2,31 2,20 2,10 2,02 1,95 1,89
16 3,45 3,16 2,95 2,74 2,56 2,42 2,29 2,18 2,09 2,02 1,95 1,89
17 3,35 3,09 2,88 2,69 2,53 2,39 2,27 2,17 2,08 2,01 1,95 1,89 1,85
18 3,53 3,26 3,02 2,82 2,65 2,50 2,37 2,26 2,16 2,08 2,01 1,95 1,90 1,86
19 3,72 3,44 3,20 2,96 2,78 2,61 2,47 2,35 2,24 2,15 2,07 2,01 1,95 1,90 1,87 1,83
20 3,62 3,35 3,12 2,91 2,74 2,58 2,45 2,33 2,23 2,14 2,07 2,01 1,95 1,90 1,87 1,84
21 3,53 3,28 3,07 2,87 2,70 2,55 2,43 2,32 2,22 2,14 2,06 2,01 1,95 1,91 1,87 1,84 1,82
22 3,45 3,20 3,01 2,83 2,67 2,52 2,41 2,30 2,21 2,13 2,06 2,00 1,95 1,91 1,88 1,85 1,83
23 3,64 3,38 3,15 2,96 2,80 2,64 2,50 2,39 2,29 2,20 2,12 2,06 2,00 1,95 1,91 1,88 1,85 1,83 1,82
24 3,55 3,30 3,10 2,92 2,75 2,61 2,48 2,37 2,28 2,19 2,12 2,06 2,00 1,95 1,91 1,88 1,86 1,84 1,83
25 3,73 3,45 3,25 3,05 2,88 2,72 2,58 2,46 2,36 2,27 2,19 2,12 2,05 2,00 1,95 1,92 1,88 1,86 1,84 1,83
30 3,61 3,35 3,18 3,01 2,85 2,72 2,60 2,48 2,38 2,30 2,22 2,16 2,10 2,04 2,00 1,96 1,93 1,90 1,88 1,85 1,85
40 3,15 3,00 2,86 2,75 2,63 2,54 2,45 2,37 2,30 2,24 2,18 2,13 2,08 2,04 2,01 1,97 1,95 1,93 1,91 1,90 1,89
50 2,90 2,78 2,68 2,59 2,50 2,43 2,36 2,31 2,25 2,20 2,15 2,11 2,07 2,03 2,02 1,98 1,97 1,94 1,93 1,92 1,91
60 2,75 2,65 2,57 2,50 2,42 2,37 2,32 2,25 2,22 2,17 2,13 2,10 2,08 2,04 2,02 1,99 1,98 1,96 1,94 1,94 1,93
100 2,46 2,40 2,35 2,32 2,26 2,24 2,21 2,17 2,15 2,12 2,10 2,08 2,06 2,04 2,03 2,01 2,00 1,99 1,98 1,98 1,97
200 2,27 2,24 2,21 2,19 2,17 2,15 2,14 2,12 2,10 2,10 2,08 2,07 2,05 2,04 2,04 2,02 2,02 2,01 1,98 2,00 2,00
400 2,17 2,15 2,14 2,13 2,12 2,11 2,10 2,09 2,08 2,08 2,08 2,07 2,06 2,06 2,05 2,04 2,04 2,04 2,03 2,03 2,03
∞ 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07 2,07
20
≤350
7 11 11 1.2 1.1 1.3 1.2 1.5 1.3
>350
≤350 1.4
9 1.2 1.2 - - -
>350 1.3
σ D∗
σ em = (3.14)
S
1
σ D∗ = σD (3.15)
Kç
dişli çark ≤2
İyi yataklanmamış veya kalitesi düşük olan dişli çark ≤ 0,4
Düz dişli çarklar için yan yüzey dayanımı açısından modül hesabı
1 2.M bc 2
m≥ 3 K v K E2 K α2 K i (3.16)
z1 ψ d p Hem
2
m: Modül ,
z: Diş sayısı,
Mc: Çalışma momenti (Eş. 3.13)
αo 15 16 17 18 19 20 21 22 23 24 25 26 27
Kα 2 1,94 1,89 1,84 1,80 1,76 1,73 1,70 1,67 1,64 1,62 1,60 1,57
i12 + 1
Ki = (3.17)
i12
eşitliği kullanılır.
22
Pinyon Çark KE
E1 104 E1 104
Malzeme Malzeme √daN/mm2
daN/mm2 daN/mm2a
St 2,1 85,3
GS-60 2,05 85,2
GS-52 2,05 85,2
GGG-50 1,76 81,9
St 2,1 GGG-42 1,75 81,7
G-SnBzl4 1,05 70,0
SnBz-8 1,15 72,1
GG-25 1,28 74,6
GG-20 1,20 73,1
GS-52 2,05 84,7
GS-60 2,05 GGG-50 1,76 81,4
GG-20 1,20 72,8
GGG-42
GGG-50 1,76 1,75 1,20 78,4 70,7
GG-20
GG-20 1,20 64,8
GG-20 1,20
GG-25 1,28 65,8
St-çelik; GS-dökme çelik; GGG-küresel grafit; G-SNBz-dökme kalay bronzu;
Sn3z- dövme kalay bronza; GG-dökme demir
PHD∗
PHem = (3.18)
S
Verim η (%) KR
50 1
90 0,897
95 0,868
99 0,814
99,9 0,752
99,99 0,704
Malzeme PHD
Sementasyon çeliği 0,25 HB
Sertleştirilmiş çelik 0,2 HB
Islah çelikleri 0,3 HB
Genel imalat çeliği 0,22 HB
Dökme demir 0,2 HB
2.M bc
mn ≥ 3 cos 2 βK f K v (3.20)
z ψ d σ em
2
1
eşitliğinden hesaplanır.
mn : Normal modül,
β : Eğim açısı,
24
18,5M bc sin δ 1
m=3 K f Kv (3.21)
z12σ em
m: Modül,
z: Diş sayısı, (14…18 alınması önerilir),
Mbc : Çalışma momenti [Nmm],
Kf : Form faktörü (Bkz. Çiz. 3.2),
Kv : Hız faktörü (Bkz. Çiz. 3.3),
σ em : Malzeme emniyet gerilmesi [N/mm ], 2
2 M bc 2
mm ≥ 3 K v K E2 K α2 K i (3.22)
ψ d z1 p Hem
2 2
eşitliği kullanılır.
mm : Ortalama modül,
z1 : Diş sayısı, (14…18 alınması önerilir),
Mbc : Çalışma momenti [Nmm],
Kf : Form faktörü (Bkz. Çiz. 3.2),
Kv : Hız faktörü (Bkz. Çiz. 3.3),
KE : Malzeme faktörü (Bkz. Çiz. 3.7),
Kα : Yuvarlanma faktörü (Bkz. Çiz. 3.6),
Ki : Çevrim oranı faktörü (Eş. 3.23),
25
1
Ki = i122 + (3.23)
i12
2M bc 2
ma ≥ 3 (3.24)
π ψ z 2 p Hem
2
eşitliğiyle yapılabilir. Basit hesaplamalarda çizelge 3.12 den uygun bir değer seçilir.
Bu bağıntılarda kullanılan sembollerin anlamları da şöyle özetlenebilir:
modül
1 1.3 1.6 2 2.5 3.2 4 5 6.3 8 10 13 16 20
m
Kayma hızı
≤2 3 4 5 6 8 10 15 20
va [m/s]
PHem
0.80 0.70 0.60 0.52 0.48 0.40 0.35 0.24 0.22
[daN/mm²]
26
Fr
Fn
O α
Ft
Ft = Fn cos α (3.25)
2 M bc
Ft = (3.26)
do
27
M bç = K o M b (3.27)
dir.
Motorun cinsi
İş makinesı
(Yük ifadesi Elektrik veya Çok silindirli, içten Tek silindirli, içten
ile) türbün yanmalı yanmalı
Mb : Döndürme momenti
9550 P
Mb = [Nm] (3.28)
n
P: Güç [kW]
n : Devir sayısı [d/d]
Sistemi etkileyen tüm faktörler göz önüne alındığında etkili diş kuvveti (Fnc)
hesaplanmak istediğinde ise;
Fnc=KvKmKεFn (3.29)
eşitliği kullanılır.
Fn : Diş kuvveti
28
Her iki taraftan Asimetrik olarak yerleştirilmiş olan dişli Karışık şekilde
ψ d = b / d 01 simetrik olarak Çok rijid mil Rijidliği daha az yerleştirilmiş
yataklanmış dişli olan, mil dişli
0,2 1 1 1,05 1,15
0,4 1 1,04 1,10 1,22
0,6 1,03 1,08 1,16 1,32
0,8 1,06 1,13 1,22 1,45
1 1,10 1,18 1,29
1,2 1,14 1,23 1,36
1,4 1,19 1,29 1,45
1,6 1,25 1,35 1,55
Ft
σ Top = K f Kv (3.30)
bm
eşitliğinden faydalanılır.
Ft
PH = K E K α K i Kv (3.31)
bd 01
eşitliğinden faydalanılır.
a. Dayanım hesabı
Ft
σ= K fe K v (3.32)
bmn
ze 12 14 15 16 17 18 19 20 21 22 23 24 25 26
Kfe 3.7 3.33 3.23 3.15 3.08 3 2.98 2.95 2.9 2.86 2.82 2.78 2.73 2.7
ze 27 28 29 30 35 40 45 50 65 70 80 90 100 ∞
Kfe 2.67 2.64 2.62 2.6 2.51 2.45 2.41 2.37 2.29 2.28 2.25 2.23 2.21 2.2
z
ze = (3.33)
cos β g cos β 0
2
2 M bc
PH = K E K α K β K i Kv (3.34)
bd 01
eşitliklerinden faydalanılır.
β 0 10 12 14 16 18 20 22 24 26 30 32 35
Kβ 1 0.99 0.99 0.98 0.97 0.96 0.95 0.94 0.93 0.92 0.91 0.89 0.86
Ft
σ= K fe K v (3.35)
bmm
Dayanım hesabı, dişli çarkın dış dibindeki kırılma olayını yansıtmaktadır. Sonsuz
vida mekanizmalarında diş dibi kırılması çok ender, ancak büyük darbelerin altında
meydana gelmektedir. Bu nedenle mukavemet hesabı, bir fikir verme mahiyetinde
olup ancak kontrol şeklinde yapılır. Buna göre silindirik dişlileri esas alarak, diş
dibindeki gerilmeler,
Ftc 2
σe = ∩
⋅Kf2 (3.36)
m. b
eşitliği ile hesaplanır. Sonsuz vida ve karşılık dişlisi sisteminde dayanım hesapları
eşitliklerinde alt indiste gösterilen 1 değeri döndüren yani sonsuz vidaya ait, 2 değeri
döndürülen yani karşılık dişlisine ait değerler için kullanılmıştır.
31
2.M bc 2
Ftc 2 = (3.37)
d 02
z 20 25 30 35 40 50
Kf2 2.9 2.72 2.6 2.5 2.45 2.35
∩
b : Dişler arası temas yayı,
∩
⎛ π ⎞
b = ϕ rf ⎜ D ⎟
(3.38)
⎝ 180 ⎠
⎛d ⎞
r f = ⎜ b1 ⎟ + S b (3.39)
⎝ 2 ⎠
S b : Baş boşluğu
S b = 0,2m (3.40)
d a1 = d 01 + 2.hb1 (3.41)
hb1 = ma
ma = Alın modülü
32
3.4.2. Miller
Millerin bağlanması
Redüktör çıkış milleri, iş makinesine elastik veya rijit kavramalarla, alın dişlilerle,
zincir dişli sistemleri ile bağlanabilir. Kavramalarla bağlamada mil eksenlerinin çok
iyi ayarlanması, mil eksenleri arasındaki açısal ve doğrusal sapmaların minumuma
indirilmesi, millerin, rulmanların ve kavramanın ömrünü uzattığı gibi, sistemin
titreşimsiz çalışmasını da sağlar (Şekil 3.11). Dişlilerle bağlamada millerin birbirine
paralel olması ve dişlilerin tüm diş yüzeyi boyunca birbirini kavraması gerekir.
Redüktör giriş millerini motora, kayış-kasnak sistemleri, elastik kavramalar, hidrolik
veya elektromanyetik lamelli kavramalarla bağlamak uygundur. Redüktör
girişlerinde rijit kavrama kullanmaktan kaçınılmalıdır.
3.4.3. Yataklar
Redüktör mil ve dişlilerin yataklarında konik masuralı veya oynak silindirik masuralı
rulmanlar kullanılmaktadır. Rulman ömürleri en az 50 000 saat olacak şekilde
seçimleri yapılır.
3.4.4. Gövdeler
Redüktör gövdeleri GG 22 kalitede gri pik dökümdür. Gövdeler istek üzerine GGG-
42 kalite sfero dökümden yapılabilir. Özel redüktör gövdeleri çelik kaynaklı
konstrüksiyon yapılabilmektedir. Gövdelerin üzerinde yağ doldurma ve boşaltma
tapaları, yağ seviye göstergesi bulunur. Bazı redüktör modellerinde bütün dişlilerin
görülebileceği gözetleme kapakları ve ağır redüktörlerde kaldırma halkaları vardır.
Redüktörlerin yağ doldurma tapaları aynı zamanda havalandırma deliği görevini
üstlenir.
3.4.5. Sızdırmazlık
Yatay konumda çalışan redüktörlerde yağlama, banyolu çarpma yağlama yöntemi ile
sağlanmaktadır. Redüktörün taşıyacağı güç, termal güç sınırına yakın veya onun
üstündeyse, redüktörün yağlanması basınçlı, püskürtmeli ve gerekirse soğutmalı
yağlama sistemleri ile sağlanır. Düşey konumda çalışan redüktörlerde yatay konumlu
redüktörler gibi banyolu yağlama ile yağlanır. Ancak düşey konumlu redüktörlerde
çarpma yağlama imkanı olmadığı için redüktörün yağ seviyesinin yüksek olması,
genellikle de redüktörün tamamen yağla doldurulması gerekir. Düşey konumlu
redüktörlerin yağlanmasında ikinci çözüm yolu basınçlı yağlamadır. Redüktörün üst
kısmında bulunan dişli ve rulmanlara yağ direkt olarak püskürtülerek yağlanmaları
sağlanır. Basınçlı yağlama sisteminde redüktörün tamamının yağla dolması
gerekmediği için yağın ısınması ve taşması gibi sorunlar da ortadan kalkar.
Statik verim (ηs) start anında oluşan verimdir ve dinamik verim η'nın çok altındadır.
Motor nominal devrine ulaştığında redüktörün verimi kataloglarda verilen değerlere
ulaşacaktır.
Invers verim (ηınv) çıkış mili tarafından redüktöre tahrik gelmesi ile oluşan verimdir
ve her-zaman η’dan küçüktür. Bu değer aşağıdaki gibi hesaplanır.
1
η inv = 2 − (3.42)
η
1
η sin v = 2 − (3.43)
ηs
Dişli Çarklar Kademe başına Verim Diğer mekanizmalar Kademe başına Verim
η (%) η (%)
Silindirik dişli 96…99 Düz kayış kasnak 95…98
Konik dişli 95…98 V kayış kasnak 92…94
Sonsuz vida Dişli kayış kasnak 96…98
Kilitlemesiz 60…80 Zincir mekanizması 96…98
Kilitlemeli 25…40 Sürtünmeli çark 90…97
Helisel dişli 98 Yataklar 97
İşletme sırasında redüktörün sorun yaratmadan çalışması ve uzun ömürlü olması her
şeyden önce doğru seçim ile mümkündür. Redüktör seçiminin doğru yapılabilmesi
için redüktöre ait teknik bilgilerin ve işletme koşullarının bilinmesi gerekir.
Aşağıda belirtilen teknik bilgiler ve işletme koşulları göz önüne alınarak işletme için
en uygun redüktör seçilir. Redüktör seçimi yapılırken ekonomik koşullar da göz
önüne alınır ve aynı iş için birden çok redüktör tipi mevcut ise en ekonomik olan
seçilir.
Tüm dişli sistemlerinde olduğu gibi redüktörlerde de çevrim oranı ile beraber dönme
yönü de önemlidir. Bu bakımdan döndüren ve döndürülen elemanların dönme yönleri
birbirine göre ters olduğu durumda (-) işareti, aynı yönde olduğu durumda (+) işareti
ile gösterilir. Redüktörlerde sistemi oluşturan herhangi bir dişlinin diş sayısı çevrim
oranını etkiler. Bu kural tüm paralel dişli dizileri için geçerlidir. İki dişliden oluşan
bir mekanizma birey olarak kabul edilirse, redüktörü oluşturan mekanizmaların
sayısı, hızın kaç kez değiştiğini yani redüktörün kademelerini gösterir [Akkurt, 2005]
36
Şekil 3.12’de teknik resmi görülen redüktör iki kademelidir. Yani hareket giriş
milinden çıkış miline kadar iletilirken; devir iki kere değişir. Teknik resmi
incelemeye devam edersek; giriş milinin üzerindeki dişli en ufak dişlidir ve hız
burada en yüksektir, çıkış milinin üzerindeki dişli ise en büyük dişlidir ve hız burada
en düşük, tork en yüksektir. Giriş milinden itibaren dişlilere sırasıyla z1,z2,z3 ve z4
dişlileri dersek, z diş sayılarını ve i de çevrim oranlarını göstermek üzere toplam
çevrim oranını;
− z2 − z4 z2 z4
itop = i12 i34 = = (3.44)
z1 z 3 z1 z 3
şeklinde gösterebiliriz. Ayrıca kademelerin sayısı, giriş çıkış ile dönme hızlarının
birbirine göre dönme yönlerini belirler. Kademe sayısının tek sayı olması durumunda
giriş çıkış dönme yönleri ters, çift sayı olması durumunda aynıdır.
olarak ifade edilebilir. Şöyle ki, çıkış ve giriş dönme momentlerinin arasında
aşağıdaki bağıntı vardır;
Pg 9550
M bç = η top itop (3.47)
ng
İş makinesi veya tesise uygun redüktör tipi genellikle proje safhasında seçilir. Proje
sorumlusu mühendis veya konstrüktör hangi makined, hangi tip redüktörü
kullanacağına tecrübelerine dayanarak veya daha önce yapılmış örnekleri inceleyerek
karar verir. Küçük güç taşıyan tesislerde, motoru redüktöre direkt bağlanmış motorlu
redüktörler akla ilk gelen çözümdür. Motorlu redüktörler montaj kolaylığı ve
ekonomik oluşları yüzünden tercih edilen tiplerdir. Mile geçme redüktörlerde yine
montaj kolaylığı ve ucuz oluşları yüzünden çok kullanılan tiplerdir.
Redüktör büyüklüğünün tespiti, redüktör güç çizelgeleri yardımı ile yapılır. Her
38
redüktör tipi için ayrı ayrı olmak üzere redüktör imalatçısı firmalar tarafından güç
çizelgeleri düzenlenmiştir. Her redüktör boyunun taşıyabileceği güç (P) kw. olarak,
redüktör giriş devir sayısı (ng) ve çevrim oranına (i) bağlı olarak bu çizelgelerde
verilmiştir. Redüktörlerin taşıyabilecekleri çıkış döndürme momentleri (Mbç) de ayrı
bir çizelgede verilmiştir. Çizelgelerde yer alan güç ve döndürme momentleri nominal
değerlerdir. İş makinesı için gerekli olan güç ve döndürme momenti, redüktörün
taşıyabileceği nominal güçten, dolayısıyla döndürme momentinden küçük olmalıdır
ki redüktör, iş makinesı için gerekli gücü belirli bir emniyetle taşıyabilsin.
Redüktörün taşıması gereken (Pre) gücü, redüktörün çalıştırdığı iş makinesi için
gerekli olan (Piş) gücünün, işletme emniyet faktörü (fs) ile çarpımıyla bulunur.
Seçilecek redüktörün nominal gücü bu Piş değerine eşit veya daha büyük olmalıdır.
Nominal gücü (Pg) bu değere eşit veya daha büyük olan redüktör ilgili güç
çizelgesinden bulunur.
Redüktöre bağlanacak motorun gücü, iş makinesi için gerekli olan Piş gücünden
büyük seçilmelidir. Redüktör seçiminde olduğu gibi, motor gücünü tespit ederken, iş
makinesi için gerekli olan güç belirli bir emniyet katsayısı ile çarpılarak motorun
gücü bulunur. Motor gücü tespiti için alınacak emniyet katsayısı (E) ile redüktör
seçiminde alınacak emniyet katsayıları (fs) farklı olabilir. Motor gücünün gereğinden
büyük seçilmesi ekonomik olarak uygun değildir, ayrıca elektrik kullanımı motor
gücü ile orantılı olduğundan işletme giderlerini arttıracaktır. İşletmenin cinsine,
günlük çalışma süresine bağlı olarak motor emniyet katsayısı (E) 1,25 ile 1,8
arasında alınabilir. Redüktör seçilirken, motor emniyet katsayısının kaç alındığı veya
iş makinesinin gerçek güç ihtiyacının (Piş ) kaç kw. olduğu bilinmelidir. Redüktör de
kullanılacak ideal motor devir sayısı 1500 ve 1000 d/d`dır. Redüktörler de yüksek
devirli motor kullanmak sakıncalıdır. Yüksek devir, redüktörün sesini artıracağı gibi,
rulman ve dişlilerin ömrünü azaltır. 3000 d/d`lik motor kullanmak zorunluluğu varsa
39
motor ile redüktör arasına kayış-kasnak sistemi koyarak redüktör giriş devrini 1500
veya 1000 d/d`ya düşürmek uygun olacaktır.
P: Güç [kW]
U: Gerilim [Volt]
I: Akım [Amper]
Cos ϕ : Güç Faktörü
η : Verim
• Doğrusal hareket
Fv
P= (3.52)
1000η
• Dönme hareketi
Mn
P= (3.53)
9550η
d. Döndürme momenti
P
M = 9550 (3.54)
n
e. Atalet momenti
J = 98 ρlD 4 (3.55)
J = 98ρl ( D 4 − d 4 ) (3.56)
41
v2
J ind = 91,2m 2 (3.57)
n1
J × n22
J ind = (3.58)
n12
Emniyet faktörü (fs) redüktörün çalıştığı şartlar ile uyumlu olması için gerekli olan
emniyet katsayısıdır. Örneğin "fs = 1" Düzgün ve sakin yüklerde, günlük sekiz saat
ve saatte yüz start çalışmayı karşılar.
fs = KA Ko ft fdk (3.60)
eşitliğinden faydalanılır.
Günde 3-10 saat arasında çalışan işletmelerin ft faktörü 1 olarak alınır. Günde 3
saatten az çalışan işletmelerin ft faktörü 0,8 olarak, günde 10-24 saat arasında
çalışan işletmelerin ft faktörü 1,25 olarak alınır.
Bir saat içerisinde en fazla 5 defa start yapan işletmelerin fdk faktörü 1 olarak
alınır. Bir saat içerisinde 5`den fazla duruş-kalkış yapan işletmeler için özel
önlemler almak gerekebilir. Motorla redüktörü birbirine hidrolik veya
elektromekanik kavramalarla bağlamak duruş-kalkışlardaki darbe etkisini azaltır.
5` ten fazla duruş-kalkış yapması gereken işletmelerin fdk faktörü 1,25-2 arasında
alınmalıdır ve özel önlemler gerektirir.
Yük sınıfının daha teknik seçimi için rotora indirgenmiş toplam atalet momenti
eşitliğinden faydalanabilirsiniz .
J ext
J ind = + J mot (3.61)
i2
J ind
Fi = (3.62)
J mot
M
Servis Faktörü
b. İş makinesi için gerekli olan döndürme momenti (M iş ), hesap yoluyla veya daha
önce yapılmış olan makinelerden edinilmiş tecrübelerle tesbit edilir.
d. Makine için gerekli döndürme momentini, seçilen devir sayısında sağlayacak güç
ihtiyacı hesaplanır. İş makinesi için gerekli olan döndürme momenti sabit kalmak
şartı ile makineyi değişik devirlerde çalıştırmak gerekiyorsa güç ihtiyacı en
yüksek çalışma devri için hesaplanır.
M iş nç
Piş = (3.63)
9550
e. İş makinesi için gerekli olan güçle (Piş), Servis faktörü (fs) bize redüktörün
taşıması gereken gücü (Pre) verir. Bulunan bu Pre değeri redüktör seçiminde esas
alınır.
f. Seçilen redüktör tipine ait güç çizelgesinde, istenilen giriş ve çıkış devir
sayılarında redüktör boylarının taşıyabileceği nominal güç değerleri Pg [kw]
olarak verilmiştir. Nominal gücü, hesaplanan iş makinesi için gerekli
Pre gücüne eşit veya ondan büyük olan redüktör büyüklüğü, ilgili güç
çizelgesinden bulunur.
h. Redüktör ile makine arasında kullanılan bağlantı elemanına göre radyal yük
hesaplanır (EK-5). Sonsuz tip redüktörlerde çıkış gücü, çıkış devri,
değerlerine uyan servis faktörü ve radyal yükü bulduğunuzdan daha yüksek veya
eşit olan redüktör, güç-devir seçim tablolarından seçilir. Helisel tip
redüktörlerde verim yüksek olduğundan çıkış gücü verilmemiştir.
Hesapladığınız güç değerini giriş gücü olarak kabul edip seçiminizi yapınız.
45
60 40 25 15
40 0.8 0.9 1 1.2 1.3
30 0.9 1.1 1.2 1.4 1.5
20 1 1.2 1.4 1.5 1.7
10 1.2 1.4 1.5 1.7 1.9
a. Makine Cinsi
Lastik bantlı konveyör, dökme yük taşıyor.
M ç nç 470 × 50
P = = = 2,46kW
9550 9550
P ≥ 2,46 kW
M ç ≥ 470Nm
f s ≥ 1,3
n 2 =50 d/d
fq ≥ 7592 N
0.5 2
J ind . = 91,2 × 2995 × = 0,034kg.m 2
1410 2
J ind 0,034
Fi = = = 0,36 < 3
J mot 0,093
Fi>0,2 olduğundan yük sınıfı M'ye girmektedir. Günde 8 saatlik çalışma için fs =1,2
olmalı (Şekil 3.13).
Ortaya çıkan ihtiyaç; 5,5kW, 21 d/d, helisel dişli delik milli redüktör. fs =1,2 ve üzeri
(Geri kaçırmaması için fren veya kilit kullanmak gerekir. Ancak bu örnekte bu
dikkate alınmamıştır).
48
• Redüktör seçimi;
5,5 kW,
21 d/d,
fs=1,3
olan D6300-100L/4b (Yılmaz redüktör kataloğu 11.04/2) tipi seçilir.
49
4. YAPAY ZEKÂ
Yapay zekâ, sibernatik biliminin bir yan dalı olarak ortaya çıkmış, zaman içerisinde
kendi başına bir bilim dalı haline gelmiştir.
“Yapay zekâ; sezgisel programlama temelinde olan bir yaklaşımdır” [Abinov, 1989].
Genesereth ve Nilsson'a göre “yapay zekâ, akıllı davranış üzerine bir çalışmadır”.
Amacı, doğadaki varlıkların akıllı davranışlarını yapay olarak üretmeyi amaçlayan
bir kuramın oluşturulmasıdır [Akçakın, 1988]
Axe a göre yapay zekâ; bir bilim olarak akıllı programları içerir. Bu programlar
aşağıdakileri yapabilmelidir;
50
Görüldüğü gibi, verilen her tanım kendi içinde doğru olmasına rağmen, farklılıklar
da içermektedir. Ayrıca (şu ana kadar yapılamayanlar) veya (bir akıl teorisinin) daha
ayrıntılı açıklanması bizi, yeni kavramların hiyerarşik olarak tanımlanmasına
götürmektedir. Bu araştırmaların daha derinden anlaşılabilmesi için, zekânın
kendisinin ne olduğunu anlamak gerekmektedir. Biz yapay zekâyı “İnsana özgü akılcı
hareketlerin makine tarafından taklidi” biçiminde tanımlanabilir.
Bu testte Sorgulayıcı dediğimiz kişi aynı soruları bir paravanın ötesindeki bir insan
ve bir bilgisayara yönelterek; aldığı cevaplara bakarak insan, bilgisayar ayrımı
yapmaya çalışmaktaydı. Sorgucunun ayrım yapamaması ya da yanlış sonuca
ulaşması bilgisayarın düşünebilirlik düzeyi hakkında bir fikir oluştururdu (Şekil
4.1).
51
Sorgucu
Felsefe Mantık
Psikoloji
Dil Bilgisi
YAPAY ZEKA
Bilgisayar
Matematik
Biyoloji
Fizik-Elektronik
Bulanık mantık (Fuzzy Logic) kavramı ilk kez 1965 yılında California Berkeley
Üniversitesinden Prof. Lotfi A. Zadeh’in bu konu üzerinde yazdığı bir makale
sayesinde duyulmuştur. O tarihten günümüze önemi gittikçe daha çok anlaşılan ve
teknolojinin çeşitli dallarında daha geniş alanlarda kullanılmaya başlanmış olan
bulanık mantık, belirsizliklerin anlatımı ve belirsizliklerle çalışılabilmesi için
kurulmuş katı bir matematik düzen olarak tanımlanabilir. Bilindiği gibi istatistikte ve
olasılık kuramında, belirsizliklerle değil kesinliklerle çalışılır ama insanın yaşadığı
ortam daha çok belirsizliklerle doludur. Bu yüzden insanoğlunun sonuç çıkarabilme
yeteneğini anlayabilmek için belirsizliklerle çalışmak gereklidir. Belirsizlikler
düşünüldüğünde bulanık mantık, Siyah, beyaz arasındaki grilerle çalışabilen bir
kavram olarak algılanabilir.
Doğru Yanlış
Dolu Boş
Sıcak Soğuk
Bir fuzzy kümesi kendi aitlik fonksiyonu ile temsil edilir. Böyle bir aitlik fonksiyonu
ile “kesinlikle ait (doğru)” veya “kesinlikle ait değil(yanlış)” arasında istenilen
incelikte ayarlama yapmak mümkündür. Farklı ve çelişen iki nesne aynı bulanık
kümesinin üyeleri olabilirler. "Doğru" ve "Yanlış"'ı tanımlamadaki fark şekil 4.4'de
keskin kümeler ve bulanık kümeleriyle tanımlanmıştır. Bir bulanık kümesinde
önemli olan, her bir elemana atanan doğruluk derecesidir [Aydemir, 2001].
Şekil 4.4. Doğru ve Yanlış'ın tanımı; a) keskin kümeler, b) bulanık kümeler [Toktaş,
2003]
Daha sonra, girdi ve çıktı üyelik fonksiyonları arasındaki ilişkiyi belirleyen kuralların
bulunduğu kural tabanı oluşturulur. Kural tabanı oluşturulurken ya mevcut verilerden
hareket edilir veya tecrübelerden yararlanılır. Kural tabanı sözel cümleciklerden
oluşur. BM ile modellemede, kural tabanı bir çeşit mantıksal ifade olan EĞER-İSE
yapısıyla oluşturulur. EĞER kısmı, girdi bulanık kümelerinden, İSE kısmı çıktı
bulanık kümesinden değişkenleri içerir. EĞER-İSE ifadeleri VE veya VEYA bağlaçları
ile birbirine bağlanır [Toktaş, 2003].
BM ile matematik arasındaki temel fark bilinen anlamda matematiğin sadece aşırı uç
değerlerine izin vermesidir. Klasik matematiksel yöntemlerle karmaşık sistemleri
54
modellemek ve kontrol etmek işte bu yüzden zordur, çünkü veriler tam olmalıdır.
BM kişiyi bu zorunluluktan kurtarır ve daha niteliksel bir tanımlama olanağı sağlar.
Bir kişi için 40 yaşında demektense sadece orta yaşlı demek birçok uygulama için
yeterli bir veridir. Böylece azımsanamayacak ölçüde bir bilgi indirgenmesi söz
konusu olacak ve matematiksel bir tanımlama yerine daha kolay anlaşılabilen
niteliksel bir tanımlama yapılabilecektir.
BM’da fuzzy kümeleri kadar önemli bir diğer kavramda linguistik değişken
kavramıdır. Linguistik değişken “sıcak” veya “soğuk” gibi kelimeler ve ifadelerle
tanımlanabilen değişkenlerdir. Bir linguistik değişkenin değerleri fuzzy kümeleri ile
ifade edilir. Örneğin oda sıcaklığı linguistik değişken için “sıcak”, “soğuk” ve “çok
sıcak” ifadelerini alabilir. Bu üç ifadenin her biri ayrı ayrı fuzzy kümeleri ile
modellenir.
BM nin uygulama alanları çok geniştir. Özelliği ise “insana özgü tecrübe ile
öğrenme” olayının kolayca modellenebilmesi ve belirsiz kavramların bile
matematiksel olarak ifade edilebilmesine olanak tanımasıdır. Bu nedenle lineer
olmayan sistemlere yaklaşım yapabilmek için özellikle uygundur.
Genetik algoritmalar, doğada gözlemlenen evrimsel sürece benzer bir şekilde çalışan
arama ve eniyileme yöntemidir. Karmaşık çok boyutlu arama uzayında en iyinin
hayatta kalması ilkesine göre bütünsel en iyi çözümü arar.
İlk olarak Michigan Üniversitesi'nden John Holland, evrim yasalarını GA’lar içinde
eniyileme problemleri için kullanmıştır. GA’ların temel ilkeleri Holland tarafından
ortaya atılmıştır. Holland 1975 yılında yaptığı çalışmaları “Adaptation in Natural and
Artificial Systems” adlı kitabında toplamıştır.
GA’lar problemlere tek bir çözüm üretmek yerine farklı çözümlerden oluşan bir
çözüm kümesi üretir. Böylelikle, arama uzayında aynı anda birçok nokta
değerlendirilmekte ve sonuçta bütünsel çözüme ulaşma olasılığı yükselmektedir.
Çözüm kümesindeki çözümler birbirinden tamamen bağımsızdır. Her biri çok
boyutlu uzay üzerinde bir vektördür.
GA’lar problemlerin çözümü için evrimsel süreci bilgisayar ortamında taklit ederler.
Diğer eniyileme yöntemlerinde olduğu gibi çözüm için tek bir yapının geliştirilmesi
yerine, böyle yapılardan meydana gelen bir küme oluştururlar. Problem için olası pek
çok çözümü temsil eden bu küme GA terminolojisinde nüfus adını alır. Nüfuslar
vektör, kromozom veya birey adı verilen sayı dizilerinden oluşur. Birey içindeki her
bir elemana gen adı verilir. Genler probleme özgü bilgileri içeren belirli uzunluktaki
dizilerdir. Nüfustaki bireyler evrimsel süreç içinde genetik algoritma işlemcileri
tarafından belirlenirler (Şekil 4.5 ).
işlemi sonunda çocuk adı verilen yeni bireyler üretirler. Çocuk kendisini meydana
getiren ebeveynlerin (anne, baba) özelliklerini taşır. Yeni bireyler üretilirken düşük
uygunluk değerine sahip bireyler daha az seçileceğinden bu bireyler bir süre sonra
nüfus dışında bırakılırlar. Yeni nüfus, bir önceki nüfusta yer alan uygunluğu yüksek
bireylerin bir araya gelip çoğalmalarıyla oluşur. Aynı zamanda bu nüfus önceki
nüfusun uygunluğu yüksek bireylerinin sahip olduğu özelliklerin büyük bir kısmını
içerir. Böylelikle, pek çok nesil aracılığıyla iyi özellikler nüfus içersinde yayılırlar ve
genetik işlemler aracılığıyla da diğer iyi özelliklerle birleşirler. Uygunluk değeri
yüksek olan ne kadar çok birey bir araya gelip, yeni bireyler oluşturursa arama uzayı
içerisinde o kadar iyi bir çalışma alanı elde edilir. Probleme ait en iyi çözümün
bulunabilmesi için bireylerin gösterimi doğru bir şekilde yapılmalı;
Bu durumda çözüm kümesi problem için bir noktada birleşecektir. GA’lar, diğer
eniyileme yöntemleri kullanılırken büyük zorluklarla karşılaşılan, oldukça büyük
arama uzayına sahip problemlerin çözümünde başarı göstermektedir. Bir problemin
bütünsel en iyi çözümünü bulmak için garanti vermezler. Ancak problemlere makul
bir süre içinde, kabul edilebilir, iyi çözümler bulurlar. GA’ların asıl amacı, hiçbir
çözüm tekniği bulunmayan problemlere çözüm aramaktır. Kendilerine has çözüm
teknikleri olan özel problemlerin çözümü için mutlak sonucun hızı ve kesinliği
açısından GA’lar kullanılmazlar. Genetik algoritmalar ancak;
57
• GA’lar aramaya tek bir noktadan değil, noktalar kümesinden başlar. Bu nedenle
çoğunlukla yerel en iyi çözümde sıkışıp kalmazlar.
Çocuklar
2. Adım: Her bireyin ne kadar iyi olduğu bulunur. Bireylerin ne kadar iyi olduğunu
bulan fonksiyona uygunluk fonksiyonu denir. Bu fonksiyon işletilerek
bireylerin uygunluklarının bulunması ise hesaplama (evalution) adı
verilir. Bu fonksiyon genetik algoritmanın beynini oluşturmaktadır.
GA'da probleme özel çalışan tek kısım bu fonksiyondur. Çoğu zaman
GA'nın başarısı bu fonksiyonun verimli ve hassas olmasına bağlı olmaktadır.
4. Adım: Yeni bireylere yer açmak için eski bireyler ortadan kaldırılır. Eski bireyler
çıkartılarak sabit büyüklükte bir nüfus sağlanır.
6. Adım: GA, defalarca çalıştırılarak çok sayıda nüfus oluşturulup hesaplanır. Eğer
zaman dolmamışsa 3. adıma gidilir.
US’ler parasal analiz, mühendislik, tıp başta olmak üzere pekçok alanda günümüzde
aktif olarak kullanılmaya başlanmıştır. US’lerin genel yapısı şekil 4.7’de verilmiştir.
Bilgi tabanında bilgiler genel olarak kurallar; (EĞER-İSE), bilinen gerçekler, bilgi
sınıfları, prosedürler ve algoritmalar şeklindedir.
• İçerik, eleman ve materyalin en uygun seçimi için geniş bilgi bankasını kısa
sürede tarar ve çok fazla miktardaki bilgiyi, belirli bir uygulama problemin
çözümü için beceriyle kullanırlar.
UZMAN
BİLGİ TABANI BİLGİ KAZANMA (BİLGİ
MODÜLÜ GÜNCELLEME)
VERİ
TABANI
MANTIKSAL YARDIMCI
ÇIKARIM YORUMLAMA
MODÜLÜ MODÜLÜ
VERİ SONUÇLAR
GİRİŞ
• Bir US genelde, bilgiyi sembolik olarak ifade eder, kıyaslama işlemini inceler
ve açıklar, ayrıca probleme ait alanları belirler. Bu işlemi yapacak bir uzmanın
uzun bir süre ileri düzeyde bir eğitim alması ve yıllarca bu konuda tecrübe
edinmesi gerekecektir ki bu da oldukça maliyetli ve zaman alıcı bir iştir. Bunun
yanında, bir US'in uygunluğu, bir problem karşısında konunun uzmanı tarafından
çıkarılan sonuca yakınlığı ile ölçülür.
Yapay sinir ağları düşüncesi, beyin çalışma biçiminin bilgisayarlara adapte edilmesi
fikri ile ortaya çıkmış ve ilk çalışmalar beyni oluşturan biyolojik hücrelerin
63
YSA da çeşitli yollarla birbirine bağlı birimlerden oluşmuş topluluklardır. Her birim
iyice basitleştirilmiş bir nöronun niteliklerini taşır. Nöron ağları sinir sisteminin
parçalarından olup, olanı biteni taklit etmekte, işe yarar ticari cihazlar yapmakta ve
beynin işleyişine ilişkin genel kuramları sınamakta kullanılır. Sinirsel ağ içindeki
birimler, herbirinin belli işlevi olan katmanlar şeklinde örgütlenmiştir ve bu yapıya
YSA mimarisi denir.
YSA’ların temel yapısı, bilgisayarın yapısından daha fazla bir beynin çalışma
yapısına benzemektedir. Yine de gerçek nöronlar kadar karmaşık bir yapıya sahip
değildirler ve ağların çoğunun yapısı, beyin kabuğundaki bağlantılarla
karşılaştırıldığında büyük ölçüde basit kalmaktadır. Günümüzde, sıradan bir
bilgisayarda, beynimizdeki sinir ağı yapısının akla uygun bir sürede taklit
edilebilmesi için bu ağın son derece küçük olması gerekiyor. Gittikçe daha hızlı ve
daha komplike çalışan bilgisayarlar piyasaya çıktıkça zamanla gelişmeler
sağlanacaktır.
YSA daki her bir işlem birimi, basit anahtar görevi yapar ve şiddetine göre, gelen
sinyalleri keser ya da iletir. Böylece sistem içindeki her birim belli bir yüke sahip
olmuş olur. Her birim sinyalin gücüne göre açık ya da kapalı duruma geçerek basit
bir tetikleyici görev üstlenir. Yükler, sistem içinde bir bütün teşkil ederek, karakterler
arasında ilgi kurmayı sağlar. YSA araştırmalarının odağındaki soru, yüklerin,
sinyalleri nasıl değiştirmesi gerektiğidir. Bu noktada herhangi bir formdaki bilgi
girişinin, ne tür bir çıkışa çevrileceği, değişik modellerde farklılık göstermektedir.
Diğer önemli bir farklılık ise, verilerin sistemde depolanma şeklidir. Nöral bir
tasarımda, bilgisayarda saklı olan bilgiyi, tüm sisteme yayılmış küçük yük
birimlerinin birleşerek oluşturduğu bir bütün evre temsil etmektedir. Ortama yeni bir
64
bilgi aktarıldığında ise, yerel büyük bir değişiklik yerine tüm sistemde küçük bir
değişiklik yapılmaktadır.
Nöron, bir çekirdek ve gövdeden oluşur, çevresinde dentrit ve akson olmak üzere
iki türlü uzantı bulunur. Dentritler, kısa ve dallanmış uzantılar olup, görevleri
hücreye dışarıdan gelen bilgileri (sinyalleri) almaktır. Diğer uzantı ise aksondur.
Bunun görevi, çıkış bilgilerini diğer nöronlara taşımaktır. Akson tek bir uzantı
olmasına rağmen diğer nöronlarla birleşme esnasında dallara ayrılarak iki veya
daha fazla dentrit'e de sinyal gönderebilir. Sinyal ilk anda elektronik bir kavramı
hatırlatmasına rağmen bu mucizevî yapı içerisindeki görevi açısından çok
yerinde bir terimdir. Çünkü bilgilerin nöronlar arasında elektrik sinyalleri halinde
aktarıldığı belirlenmiştir.
Temel bir yapay sinir ağı hücresi biyolojik sinir hücresine göre çok daha basit bir
yapıya sahiptir. En temel nöron modeli aşağıdaki şekilde görülmektedir. Yapay sinir
ağı hücresinde temel olarak dış ortamdan ya da diğer nöronlardan alınan veriler yani
girişler, ağırlıklar, toplama fonksiyonu, aktivasyon fonksiyonu ve çıkışlar
bulunmaktadır. Dış ortamdan alınan veri ağırlıklar aracılığıyla nörona bağlanır ve bu
ağırlıklar ilgili girişin etkisini belirler. Toplam fonksiyonu ise net girişi hesaplar, net
giriş, girişlerle bu girişlerle ilgili ağırlıkların çarpımının bir sonucudur. Aktivasyon
fonksiyonu işlem süresince net çıkışını hesaplar ve bu işlem aynı zamanda nöron
çıkışını verir. Genelde aktivasyon fonksiyonu doğrusal olmayan (nonlineer) bir
fonksiyondur. Şekilde görülen b bir sabittir, bias veya aktivasyon fonksiyonunun eşik
değeri olarak adlandırılır. Nöronun matematiksel modeli şekil 4.9’deki gibidir.
Çıkış, o = f (W.X + b)
n
net = ∑w x
i =1
i i + b ve o = f (net) (4.1)
67
n
o = f (∑ wi xi + b) (4.2)
i =1
şeklinde de yazılabilir.
b ±1
x1 w1
x2 w2
w3 f o
x3 Σ
wn
xn
Yapay nöronlar biyolojik (doğal) nöronları, girdi, işlem, çıktı gibi görevler
açısından taklit eder. YSA, girdi katmanı, gizli katman(lar) ve çıktı
katmanından oluşur (Şekil 4.10).
Şekil 4.10’de basit şekil’de gösterildiği gibi, gizli katmana girdi katmanı yoluyla
girilen bilgiler, gizli katmandaki hücrelere(nöron) iletilir, sinir ağlarında kaç tane
gizli katman kullanılacağı ve her bir gizli katmanda kaç nöron olacağı günümüze
kadar belirlenememiştir, bu sayı deneme yanılma yoluyla bulunur. Gizli katmanda
68
ÇIKTI
Girdiler
Ağırlıklar
Birleşme (Toplama) Fonksiyonu
Transfer (Aktivasyon) Fonksiyonu
Çıktı
bk
X1 W1
X2 s1 Çıktılar
W2 h(s1)
.
. Birleştirme Aktivasyon
Fonksiyonu Fonksiyonu
.
Wn
Xn
a. Girdiler
b. Ağırlıklar
Bilgiler, bağlantılar üzerindeki ağırlıklar üzerinden hücreye girer ve ağırlıklar, ilgili girişin
hücre üzerindeki etkisini belirler. Ağırlıklar bir nöronda girdi olarak kullanılacak
değerlerin göreceli kuvvetini (matematiksel katsayısını) gösterir. Yapay sinir ağı içinde
girdilerin nöronlar arasında iletimini sağlayan tüm bağlantıların farklı ağırlık değerleri
bulunmaktadır. Böylelikle ağırlıklar her işlem elemanının her girdisi üzerinde etki
yapmaktadır.
c. Birleştirme fonksiyonu
Birleştirme fonksiyonu, bir hücreye gelen net girdiyi hesaplayan bir fonksiyondur ve
genellikle net girdi, girişlerin ilgili ağırlıkla çarpımlarının toplamıdır. Birleştirme
fonksiyonu, ağ yapısına göre maksimum alan, minimum alan ya da çarpım fonksiyonu
olabilir.
v = Σxi wi + θ , (4.3)
y = F (v) (4.4)
d. Aktivasyon fonksiyonu
fonksiyonundan elde edilen net girdiyi bir işlemden geçirerek hücre çıktısını
belirleyen ve genellikle doğrusal olmayan bir fonksiyondur.
• Aktivasyon fonksiyonunun seçimi büyük ölçüde yapay sinir ağının verilerine ve ağın
neyi öğrenmesinin istendiğine bağlıdır.
e. Çıktı
o(t)
Gecikme Δ
En basit ve en genel yapay sinir ağları ileri sürümlü sinir ağlarıdır ve tek yönlü
sinyal akışını kullanırlar. İleri beslemeli yapay sinir ağlarında gecikmeler yoktur,
73
işlem girişlerden çıkışlara doğru ilerler. Çıkış değerleri öğreticiden alınan istenen
çıkış değeriyle karşılaştırılarak bir hata sinyali elde edilerek ağ ağırlıkları
güncellenir.
Geri beslemeli yapay sinir ağlarında ise tıpkı kontrol uygulamalarında olduğu
gibi gecikmeler söz konusudur. Geri beslemeli nöral ağ, çıkışlar girişlere
bağlanarak ileri beslemeli bir ağdan elde edilir. Ağın t anındaki çıkışı o(t) ise, t +
Δ anındaki çıkışı ise o(t+ Δ)’dır. Buradaki Δ sabiti sembolik anlamda gecikme
süresidir. İleri beslemeli yapay sinir ağları notasyonu kullanılarak o(t+Δ) şöyle
yazılabilir.
Program çalıştırılmadan önce redüktör katalog verilerinden alınan 1200 satırlık veri
tabanı içinden 0.12-37 kW’lık güç gruplarından grupların her birini kapsayacak
şekilde 500 satırlık veri öğrenme seti olarak kullanılmış ve öğrenme setinde
kullanılmayan 100 satırlık veri test seti olarak kullanılmıştır. Girdi değerleri olarak
redüktör giriş gücü (Pg, kW) çıkış devri (n2, dev/dak) ve çevrim oranı (i)
kullanılmış, çıktı değeri olarak çıkış momenti (M2, Nm) kullanılmıştır. Program
çalıştırılıp test sonuçları Excel grafik programı ile değerlendirildiğinde elde edilen
sonuç Şekil 5.8’de gösterildiği gibidir. Bu grafikte de görüldüğü gibi, pratikte elde
edilen sonuçlarla (redüktör katalog verileri) YSA tabanlı geri yayılma algoritmalı
modellerden elde edilen sonuçlar birbirine çok yakındır.
5.1. Yapay Zeka Yardımı İle Redüktör Seçimi İçin Gerekli Veri Tabanının
Oluşturulması
Kataloğun, monoblok gövdeli redüktörler bölümü veri tabanı, motor güç değerleri,
redüktör çıkış devri (n2), redüktör çıkış momenti (M2), çevrim oranı, güvenli radyal
yük değerleri, servis faktörü ve redüktör tipi sütunlarından oluşmaktadır.
Şekil 5.1. Excel ortamında hazırlanmış redüktör katalog verileri (Yılmaz Redüktör)
genişletilmiş, çıkış devri ve iletme oranına bağlı olarak giriş devri, dişli ve yatak
verim kayıpları ilave edilerek çıkış momentini etkileyecek toplam verim yeniden
hesaplanmıştır. Toplam verim kullanılarak, eşitlik 3.47’den çıkış devri yeniden
hesaplanmıştır. Şekil 5.2’deki Excel sayfasında gösterildiği gibi bulunan momentin,
katalogdaki moment değerine bölünmesi ile de düzeltme katsayısı bulunmuş ve veri
tabanına eklenmiştir.
Bu aşamada, girdi değerleri olarak, güç (Pg, kW), çıkış devri (n2, dev/dak) ve çevrim
oranı (i) kullanılmış ve bunlara göre M2 (Nm) çıkış momenti hesaplanmıştır.
Şekil 5.3’de gösterildiği gibi eğitim sürecinde, redüktör kataloğunu oluşturan tablo
içinden 0.12-37 kW veri gruplarını kapsayacak şekilde seçilen 500 adet veri seti
kullanılmıştır. Programın özelliği nedeni ile veriler text dosyası olarak programa
aktarılmış ve farklı bilgisayarlarda yapılan öğretme çalışmaları sonucu, öğrenme
düzeyinin (R²) 0,98 olduğu görülmüştür. (Şekil 5.4).
Şekil 5.5’de gösterildiği gibi sistemin öğrenmesinde bir gizli katman ve bu katmanda
5 nöronlu geri yayılmalı ağ sitemi kullanılmıştır. Bu sistemde 3 girdi ve 1 çıktı değeri
mevcuttur.
Şekil 5.5 3:5:1 yapılı geri yayılma algoritmalı yapay sinir ağları
80
Çizelge 5.1. Giriş, gizli bölge ve çıkış bölgesindeki bağlantı ağırlık katsayıları
Yapılan test sonucu elde edilen veriler, yapay sinir ağı programının bulduğu çıkış
momenti değerleri ile katalog değerlerini karşılaştırmalı olarak vermektedir. Şekil
5.7’de “Target1” sütununda redüktör kataloğu tablosunda verilen çıkış momenti
değerleri, “Output1” sütununda ise öğrenme işlemi sonucu programın bulduğu çıkış
momenti değerleri görülmektedir.
Şekil 5.7. YSA modelleme ve firma katalog çıkış momenti (M2) değer karşılaştırması
YSA programı kullanılarak elde edilen ve firma katalogundan alınan çıkış momenti
değerlerinin karşılaştırılması Şekil 5.8’de verilmiştir. Şekildeki yatay eksen,
katalogdan alınan çıkış momenti değerlerini; düşey eksen, test işlemi sonucu
program tarafından bulunan çıkış momenti değerlerini göstermektedir. Aynı satırda
bulunan katalog ve test çıkış momentlerinin çakışmaları nokta ile tespit edilmiş olup
bu noktaların ortalama değer doğrusuna yakınlıkları programın öğrenme başarısının
0.98 düzeyinde olduğunu göstermektedir.
82
2. ”Giriş parametreleri oluştur” tuşu ile “giriş.text” dosyasında veri oluşturulur. Giriş
dosyası yeniden kaydedilir.
84
5. ”Giriş parametreleri oluştur” tuşu ile oluşturulmuş giriş parametresi test verisi
olarak kullanılır.
86
6. SONUÇ VE ÖNERİLER
Bu çalışmada oluşturulan YSA modeli değişik veri grupları için denenmiş olup
redüktör katalog verilerine çok yakın sonuçlar elde edilmiş olup modellemenin
redüktör katalog verilerine çok yakın sonuçlar verdiği görülmüştür.
• YSA temelli sistemlerin, tablo yapısına sahip oluşumlar içinde arama yapmada
kullanılabilir olduğu; fakat YSA programları çıktı oluşturmada formüllerden
faydalanmayıp, yakınsama mantığı ile çalıştığından sonuç bulma hatalarının
giderilmesinde gerektiğinde uygun ağırlık değerlerinden faydalanılabileceği
görülmüştür.
Sonuç olarak, Yapay zeka teknikleri incelendiğinde, bu tip bir çalışmaya en uygun
tekniğin yapay sinir ağları olduğu görülmüş ve çalışmada yapay sinir ağları
kullanılmıştır. Bu çalışmada, bir firmaya ait redüktör veri katalogların kullanımında
kolaylık sağlamak ve katalogda değerleri listelenmemiş redüktörlerin katalog içinde
bulunabilmesi amacıyla kullanılacak YSA tabanlı bir modelleme oluşturulmuştur.
Redüktör seçiminin modellenmesinde, üç katmanlı (giriş katmanı, gizli katman, çıkış
katmanı), geri yayılma algoritmalı yapay sinir ağları modeli kullanılmıştır. Güç, çıkış
devri, çevrim oranı girdi olarak verilmiş; çıkış momenti ise çıkış değeri olarak
kullanılmıştır. YSA ile modellenen redüktör seçimi rasgele girdiğimiz redüktör
seçim parametreleri sonucunda uygun redüktörü seçebileceğimiz bir modelleme
oluşturulmuştur.
Yapay sinir ağı programları kullanılırken, eğitim bilgi seti belli bir kurala uygun
olarak oluşturulmalı ve girdi parametreleri uygun seçilmelidir. Bu, çıktı
hassasiyetinin artması ve buna bağlı olarak daha kararlı bir yapay sinir ağı modelinin
oluşturulması bakımından önemlidir. YSA programında kullanılan ağırlık
değerlerinin öğrenme oranını(R2) doğrudan etkilediği göz önünde bulundurulmalıdır.
YSA programının çalıştırıldığı bilgisayar sisteminin gücünün öğrenme oranına etki
ettiği dikkate alınarak, bu konuda yapılacak çalışmalarda sonucu olumlu yönde
etkileyeceği unutulmamalıdır.
91
KAYNAKLAR
Akkurt, M., “Makine elemanları, I-II”, Birsen Yayınevi, İstanbul, 444-491 (2005).
Akkurt, M., “Makine elemanları, 1”, Birsen Yayınevi, İstanbul, 256-281 (1982).
Arslan, Y., “Bilgisayar yardımı ile tek kademeli düz, helis, konik dişli
mekanizmaları tasarımı” Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri
Enstitüsü, Ankara, 7-23 (1994).
Aydemir, A., "Sonlu eleman gerilme analizinde fuzzy mantığı", Doktora Tezi,
Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya, 1-17 (2001).
Babalık F.C., Çavdar K. ve Karpat F., “Bilgisayar yardımıyla düz, helisel, konik ve
sonsuz vida dişli mekanizmalarının boyutlandırılması ve analizi” Mühendis Ve
Makine Dergisi, 510 (2002)
Brown, D.C. and Chandrasekan, B., "Expert systems for a class of design
activity", In Proceedings of the first International Conference on Applications
in Engineering, , UK, 17-20 (1986)
Chen, C.H., “Fuzzy logic and neural network handbook”, IEEE Press, 9: 17-20
(1996).
92
Cholvy, L. and Fotsseau, J., “A cad object oriented and rule-based system",
Elsevier Science, 500-507 (1983)
Civalek, Ö., “The Analysis of time dependent deformation in r.c members by artifıcial
neural netvvork”,Journal of Pamukkale University Engineering Sci. 3: 321-335
(1997).
Deb, K., "A flexible optimization procedure for mechanical component design
based on genetic adaptive search", Journal of Mechanical Design Transaction
soft the ASME , 120: 161-164 (1998).
Duan, G., Zha, J., Lin, J. and Weng, Q., "Use of genetic algorithms in
designing movements of clocks and watches", Journal of Software, 9(7): 515-
519 (1998).
Duffey, M.R. and Dixon, J.R., “Automating the design of extrusions: A case study
in geometric and topological reasoning for mechanical design”, In Computers in
Engineering,1: 505-511 (1988)
Erden, Z., "A Petri Net Based ınference network for design automation at functional
level applied to mechatronic systems", Doktora Tezi, ODTÜ, Ankara, 1-41, (1999)
Fan, X., Ma, D., Yan, J., and Chen, M., "Hierarchical optimization for
geometrical dimension tolerances", Journal of Shanghai Jiaotong University,
33 (7): 829-832 (1999).
Fenves, S.J. and Baker, N.C., "Spatial and functional representation language for
structural design", Expert Systems in CAD, 5: 2 (1987)
Fetvacı, M.C. ve İmrak, C.E., "Düz dişli çarkların sonlu elemanlar metodu ile
modellenmesi", Sigma Mühendislik ve Fen Bilimleri Dergisi, 2: 46 – 54 (2004)
Flodin, A., "Wear investigation of spur gear teeth", TriboTest, 7: 45-60 (2006).
Haykin, S., “Neural Networks, 1”, Macmillan College Printing Company, New
Jersey, 1-41 (1994).
Keleşoğlo, Ö. ve Fırat, A.,”İç basınç altında ince cidarlı kabukların yapay sinir ağları
ile çözümü”, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü dergisi, 10
(3): 448-449 (2006).
Koller R., "Konstruktionslehre für den maschinen gerate und apparatebau, 1",
Springer Verlag, Berlin, 20-60 (1979)
Li, Q., Zhou, J. and Zhong, Y.,"Complex genetic algorithm for mechanicaldynamic
optimization design", Chinese Journal of Mechanical Engineering, 35
(5): 27-30, (1999).
Liu, P., Hu, Y., Yan, Y., Zheng, D. and Yang, S., "Using counter-proposal to
optimize genetic algorithm based cooperative negotiation", Proceedings of the
IEEE International Conference on Intelligent Processing Systems ,
Queensland, 891-895, (1998).
Manohar, P.A., Shivathaya, S.S. and Ferry, M., "Design of an expert system for
the optimization of steel compasitions and process route",Expert System with
Applications, 17:129-134 (1999)
Mistree, F., Allen, J. K. and Attia, F., "Designing at the function level of
abstraction”, Proceedings of the 1993 NSF Design and Manufacturing Systems
Conference, North Carolina, 621-627 (1993)
Mittal, S.M., Dym, C.L. and Morjaria, M., "An Expert system for the design of
paper handling systems", IEEE Computer, 9: 102-114 (1985)
Nabiyev, V.V., “Yapay zeka, 1”, Seçkin Yayıncılık, Ankara, 33-35 (2005).
Nicklaus, D.J., Tong, S.S. and Russo, C.J., " A Knowledge directed computer
aided design shell", Proceedings of the Third Conference On Al Applications, ,
Seattle, (1987).
Pahl, G. and Beitz, W., "Engineering design", Springer-Verlag, New York, 18:
199 (1996).
Peng, Z., Yang, H. and Zhong, T., "Real-coded genetic algorithm for planetary
gear transmission optimization", Journal of Shanghai Jiaotong
University, 33 (7): 833-836, (1999).
Piche, S. W., "Steepest descent algorithms for neural netvvork controllers and
filters," IEEE Transactions on Neural Netvvorks, 5(2): 198-212 (1994).
Ramachandran, N., Shah, A. and Langrana, N.A., "Expert system approach in design
of mechanical components", Technical report CAIP-TR-058, Rutgers-State
University of New Jersey, (1988).
Rao, S.S., Nahm, A., Shi, Z., Deng, X. and Syamil, A. "Artifical ıntelligence and
expert systems applications in new product development-a survey", Journal of
Intelligent Manufacturing, 10: 231-244 (1999).
Shah, J.J. and Pandit, L., "Designer-An Expert system for conceptual from design
of structural parts", Proceedings of the ASME Computers in Engineering
Conference, Chicago, 2-25 (1986).
Song, J.H. and Im, Y.T., “Development of a computer- aided-design system of cold
forward extrusion of a spur gear”, Journal of Materials Processing Tech., 153: 821-
828 (2004)
Suh, N. P., "The Principle of design", Oxford University Press, Oxford, 12-110
(1990).
Suzuki, H. and Kimura, F., "Framework for constructing ıntelligent CAD systems",
Proceedings of the IFIP WG 5 2 Working Conference on Expert Systems in
Computer-Aided Design, Sydney, 17-78 (1987).
Sturges, R. H., Jr., O'Shaughnessy, K. and Reed, R. G., "A Systematic approach to
conceptual design", Concurrent Engineering: Research and Applications, 1: 93-
105 (1993).
Tan, J., Fan, W., Wei, X., and Xu, J., "Approach to graphic genetic
modelon", Journal of Computer Science and Technology,13: 116-125 (1998).
Toktaş, İ., “Mekanik sistemler için bir kavramsal tasarım modelinin gerilmesinde
yapay sinir ağlarının kullanılması”, Doktora Tezi, Gazi Üniversitesi Fen Bilimleri
Enstitüsü, Ankara, 30-46 (2003).
Toktaş, İ. ve Aktürk, N., “Makina tasarım işleminde kullanılan yapay zeka teknikleri
ve uygulama alanları”, Makine Teknolojileri Elektronik Dergisi, 2: 7-20 (2004)
Türkoğlu, A., “Temel dişli mekanizmalarının yapay sinir ağları ile web tabanlı
kinematik tasarımı”, Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü,
Ankara, 48-49 (2008).
Ullman, D.G., "The Mechanical design process, 1", McGraw-Hill, New York,
340 (1997).
Yıldız, S., ”Dişli çarkların bilgisayar destekli gerilme analizleri” Yüksek Lisans Tezi,
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul, 3-17 (2005)
Zarefar, H., Lawley, T.J. and Etesami, F., "A Parallel axis gear drive expert
system", Computers in Engineering, American Society of Mechanical Engineers,
New York, 145-149 (1986).
Zeyveli, M., “Genetik algoritma ile hız kutusu dişli tasarımı”, Doktora Tezi, Gazi
Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 31 (2005).
96
EKLER
97
Malzeme σK Sertlik HB σ GD
∗ ∗
PGD
EK-5 Kullanılan bağlantı elemanına göre radyal yük hesaplama çizelgesi [Yılmaz
Redüktör kataloğu, 11.04/02]
a. Elastik Kaplin
Çalışma sırasında oluşan sapmalar kaplinin
güvenlik sınırları içinde ise kuvvetler ihmal
edilebilir.
b. Düz Dişli
2100 M 2
Fq =
D
c. Küçük Hızlarda Zincir Dişli
2100 M 2
Fq =
D
d. Triger Kayış
2500 M 2
Fq =
D
e. V Kayış
5000 M 2
Fq =
D
f. Gedirme makaralı kayış
5000 M 2
Fq =
D
102
unit Unit1;
interface
uses
Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,
Dialogs, StdCtrls, ShellAPI;
const
PROGADI = 'C:\Program Files\QwikNet\QwikNet.exe';
DOSYA1 = '1.txt';
DOSYA2 = '2.txt';
DOSYA3 = '3.txt';
DOSYA4 = '4.txt';
GIRIS = 'giris.txt';
SONUC = 'sonuc.txt';
type
TForm1 = class(TForm)
Button1: TButton;
Button2: TButton;
ComboBox1: TComboBox;
Label1: TLabel;
ComboBox3: TComboBox;
Label3: TLabel;
Label4: TLabel;
Button3: TButton;
Edit1: TComboBox;
procedure Button1Click(Sender: TObject);
procedure FormCreate(Sender: TObject);
procedure ComboBox3Change(Sender: TObject);
procedure Button3Click(Sender: TObject);
procedure Button2Click(Sender: TObject);
private
{ Private declarations }
function ToReal(s : String) : Real;
function Ara(ad1, ad2, ad3, ad4 : String; a1, a2 : Real; var redadi:String) : Real;
public
{ Public declarations }
end;
var
107
Form1: TForm1;
implementation
{$R *.dfm}
function TForm1.Ara(ad1, ad2, ad3, ad4 : String; a1, a2 : Real; var redadi:String) :
Real;
var
s1, s2, s3, s4 : TStringList;
i, n : Integer;
t1, t2, t3, sonuc1, sonuc2 : Real;
begin
s1 := TStringList.Create;
s1.LoadFromFile(ad1);
s2 := TStringList.Create;
s2.LoadFromFile(ad2);
s3 := TStringList.Create;
s3.LoadFromFile(ad3);
s4 := TStringList.Create;
s4.LoadFromFile(ad4);
sonuc1 := 999.9;
sonuc2 := 999.9;
redadi := '';
n := s1.Count;
for i:=0 to n-1 do
begin
t1 := ToReal(s1[i]);
t2 := ToReal(s2[i]);
t3 := ToReal(s3[i]);
sonuc1 := t2;
sonuc2 := t3;
redadi := s4[i];
end;
end;
s1.Free;
s2.Free;
s3.Free;
s4.Free;
Ara := sonuc2;
end;
end;
p, i : Integer;
begin
t1 := ToReal(ComboBox1.Text);
t2 := ToReal(Edit1.Text);
t3 := ToReal(ComboBox3.Text);
t1n2 := ToReal(ComboBox3.Text);
t2n1 := ToReal(Edit1.Text);
for i:=1 to 3 do
begin
p := Pos(',', str);
if p>0 then
str[p] := '.';
end;
s := TStringList.Create;
s.Add(str);
s.SaveToFile(GIRIS);
s.Free;
Button1.Enabled := True;
end;
str := ComboBox1.Text;
p := Pos('.', str);
if p>0 then
110
str[p] := ',';
aranan1 := StrToFloat(str);
EK-11 MetalMakina Dergisi'nde yayımlanan “Yapay Sinir Ağları (YSA) Metodu İle
Redüktör Seçiminin Modellenmesi” konulu makalenin yayın evrağı.
Sayın, 07.10.2009
Prof. Dr. Faruk Mendi(*)
Birol ÜNAL(*)
Uğur EŞME(*)
Onur GÜVEN(*)
Doç..Dr. Mustafa Kemal KÜLEKCİ (*),
“Yapay Sinir Ağları (YSA) Metodu İle Redüktör Seçiminin Modellenmesi” başlıklı
5 yazarlı makaleniz, MetalMakina Dergisi'nin 179. sayısında (Eylül-Ekim/2009),
238.sayfada yayınlanmıştır.
(*)- Prof.Dr. Faruk MENDİ, Gazi Üniversitesi Teknik Eğitim Fakültesi Makine
Eğitimi Bölümü, Ankara
- Birol ÜNAL, Gazi Üniversitesi Fen Bilimleri Enstitüsü Makine Eğitimi A.B.D.
Yüksek Lisans Öğrencisi, Ankara
- Uğur EŞME, Mersin Üniversitesi Tarsus Teknik Eğitim Fakültesi Makine Eğitimi
Bölümü, Mersin-Tarsus
Saygılarımla,
Erdem ÇAĞLAYAN
Yazı İşleri Müdürü
AJANSMİK YAYIN GRUBU
METALMAKİNA DERGİSİ
ÖZGEÇMİŞ
Kişisel Bilgiler
Soyadı, adı : ÜNAL, Birol
Uyruğu : T.C.
Doğum tarihi ve yeri : 23.05.1963 ANKARA
Medeni hali : Evli
e-mail : birolunaltr@hotmail.com.
İş Deneyimi
Yıl Yer Görev
1986-1989 Afyon End. Mes. Lis. Öğretmen
1990-1991 Dikmen End. Mes. Lis. Öğretmen
Yabancı Dil
İngilizce
Hobiler
Bilgisayar teknolojileri, kitap okumak.