Derin Öğrenme Kullanılarak Fonksiyonel Tasarım Varyantları Geliştirilmesi


Creative Commons License

Börklü H. R. (Yürütücü), Yüksel N., Polat H.

TÜBİTAK Projesi, 1001 - Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı, 2022 - 2024

  • Proje Türü: TÜBİTAK Projesi
  • Destek Programı: 1001 - Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı
  • Başlama Tarihi: Ekim 2022
  • Bitiş Tarihi: Temmuz 2024

Proje Özeti

Bu proje tasarım otomasyonu amaçlı yürütülen yapay zekâ destekli yeni ve özgün bir araştırmayı içermektedir. Bu bağlamda Üretken Çekişmeli Ağların (GAN) tasarım yeteneği ile sonlu elemanlar analizi (FEA) yöntemi birlikte kullanılarak 3B konsept tasarımların mekanik özellikleri geliştirilmiştir. GAN mimarilerinin, mekanik özellikleri öğrenme zorluklarını aşmak için yeni bir tasarım ve değerlendirme metodolojisi geliştirilmiştir. Bu metodoloji, birbirini izleyen ve tamamlayan, veri seti oluşturma, GAN eğitimi ve FEA içeren bir süreci kapsamaktadır. İlk olarak, önerilen yöntemin mekanik özellikleri geliştirme potansiyeli 2B kafes tasarımları üzerinde yapılan bir ön çalışma ile gösterilmiştir. Elde edilen bulgular ile yüksek mekanik performanslı 3B tasarım varyantları geliştirmek için bir yol haritası oluşturulmuştur. Buna göre GAN eğitimi ve FEA süreçlerini içeren fonksiyonel üretken tasarım modeli sunulmuştur. Bu model, tasarım özelliklerini ve otomasyonu iyileştirirken, üretken modellerin hedef odaklı tasarımlar üretmesi için özgün bir yol sunmaktadır. Önerilen yöntemin geçerliliği, iki farklı uygulama üzerinde gösterilmiştir. İlk olarak referans çalışma olarak 3B sandalye verileri ile doğrulama yapılmıştır. İkinci uygulamada ise rotora hareket serbestliği sağlayarak helikopterin yönlenmesine yardımcı olan yapısal bir bileşen üzerinde gerçekleştirilmiştir. İki uygulamada GAN ile üretilen yapısal bileşenlerin ortalama emniyet faktörlerinde belirgin bir iyileşme görülmüştür. Elde edilen bulgular, yapısal bileşenlerin üretken modellerle doğrudan tasarlanmasında derin öğrenmenin önemli ve büyük bir potansiyele sahip olabileceğini göstermektedir. Bu tez aynı zamanda yapay zekâ uygulamalarının mühendislik tasarımında nasıl etkili sonuçlar üretebileceğini göstermekte ve bu alanda yapılacak yeni araştırmalara da ışık tutmaktadır.