Optimization of Rectangular Section Belleville Spring with Artificial Neural Network

Ürün tasarımında analizlere ayrılan zamanın ve maliyetlerin önemli ölçüde azaltılmasında makine öğrenmesi kilit rol oynamaktadır. Makine öğrenmesi ile gerçekleştirilen optimizasyon çalışması, sonlu elemanlar analizine kıyasla zaman ve maliyet açısından büyük üstünlükler sağlamaktadır. Bu çalışmada, disk yaylar için bir makine öğrenmesi modeli eğitilmiş, eğitilen modelin disk yayların boyut optimizasyonunda kullanılması amaçlanmıştır. Tek ve çok amaçlı optimizasyon yöntemlerinin uygulanabilirliğini göstermek için istenilen yay rijitliğine sahip çeşitli disk yayların optimizasyonu ele alınmış ve Pareto çözümleri sunularak çözümler incelenmiştir. Elde edilen tasarım parametreleri ile sonlu elemanlar analizleri gerçekleştirilmiş ve yapay sinir ağı ile sonlu elemanlar sonuçları karşılaştırılmıştır. Yapay sinir ağı kullanımı ile optimizasyon sonucuna 4,5 saniye içerisinde ulaşılabildiği ve elde edilen sonuçların doğruluklarının (%96,16) sinir ağı başarı oranı (%97,67) ile benzer olduğu görülmüştür.