Comparison of Artificial Neural Network-Based and Adaptive Quadratic Neural Network-Based Multi-Fidelity Algorithms for Buckling Load Prediction of Stiffened Panels

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Uygulamalı Matematik Enstitüsü, Bilimsel Hesaplama Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2023

Tezin Dili: İngilizce

Öğrenci: HÜSEYİN AVNİ YAŞAR

Asıl Danışman (Eş Danışmanlı Tezler İçin): Ercan Gürses

Eş Danışman: Hamdullah Yücel

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, uyarlanabilir aktivasyon fonksiyonlarına sahip kuadratik sinir ağlarına (KSAlar) dayalı çoklu doğruluk seviyeli modeller kullanarak güçlendirilmiş panellerin burkulma yükünü tahmin etmek için yeni bir yaklaşım sunmaktadır. Önerilen yaklaşımın etkinliği, çeşitli güçlendirilmiş panel konfigürasyonu üzerinde bir dizi simülasyon yoluyla gösterilmiştir ve sonuçlar, doğruluk ve hesaplama verimliliği açısından geleneksel çok yönlü modelleme yöntemlerinden elde edilenlerle karşılaştırılmıştır. Sayısal deneyler, önerilen modelin güçlendirilmiş panel yapılarının burkulma yüklerini doğru ve etkin bir şekilde tahmin edebileceğini ve vekil modelin değerlendirilmesi için gerekli hesaplama maliyetini önemli ölçüde azaltabileceğini göstermektedir. Bu yaklaşım, çeşitli tasarım konfigürasyonlarını kolay ve hızlı bir şekilde keşfederek ve kararlı ve verimli konfigürasyonlar bularak havacılık yapılarının tasarımını ve optimizasyonunu önemli ölçüde iyileştirebilir. Genel olarak, bu çalışma, havacılık yapılarının burkulma yükünü tahmin etmek için çoklu doğruluk seviyeli modellemenin potansiyelini ve bu amaç için uyarlanabilir aktivasyon fonksiyonlarına sahip KSAları kullanmanın etkinliğini vurgulamaktadır.