Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/313
Title: Genetik programlama ile akışkan kontrolü tahmini
Other Titles: Estimating flow control with genetic programming
Authors: Özbayoğlu, A. Murat
Aydıner, Zeynep
Keywords: Genetik Programlama
Genetic Programming
Genetik Algoritma
Genetic Algoritm
Akışkanlar Mekaniği
Flow Mechanics
Akışkan Kontrolü
Basınç Düşümü
Pressure Drop
Issue Date: 2009
Publisher: TOBB Ekonomi ve Teknoloji Üniversitesi Fen Bilimleri Enstitüsü
Abstract: Akışkanlar mekaniği, adından da anlaşılabileceği gibi, akışkan maddelerin dengesini(durgun akışkanlar) ve hareketteki akışkanların özelliklerini inceleyen bir bilim alanıdır. Akışkanlar mekaniğindeki temel problemlerden biri boru içinde akan sıvının basınç düşümünü hesaplamaktır. Bunun için Navier-Strokes denklemlerinden yararlanılır. Basınç düşümü hesabına göre seçilen doğru parametreler, imalat süresini ve doğrudan maliyeti etkilemektedir. Genetik programlama, Darvin’in evrim teorisi temel alınarak bilgisayarların sonucu otomatik olarak keşfetmesini sağlayan bir tekniktir. Genetik programlama, ele alınan problemin yapı taşlarından oluşturulan muhtemel ilkel çözüm tarzlarının belli bir uyum kriterine göre evrilerek mükemmelleşmesini amaçlayan bir evrimsel algoritma olarak da tanımlanabilir. İlgili malzeme ve ortam koşullarına göre elde edilen gerçek basınç düşümü verilerinden öğrenme ve doğrulama veri setleri düzenlenmiştir. Basınç düşümü tahmini problemi için farklı genetik işlemci değerleri ile farklı deneyler yapılmış ve geliştirilen modeller ışığından %70 başarım değerinde bir basınç düşümü tahmini modeli elde edilmiştir. Elde edilen sonuçlar, GP yaklaşımının başarılı modeller ürettiği göstermiştir. Modellerin başarısını onaylamak için Matlab CFD simülasyonu hazırlanmış ve GP modelinden çıkan sonuçlar simülasyon değerleriyle ve gerçek veri değerleriyle karşılaştırılmıştır. Karşılaştırmalar sonucunda GP’nin gerçeğe yakın sonuçlar ürettiği ve geliştirmeye açık bir modelleme olduğu için iyileştirmelerle daha büyük başarım oranlarına sahip sonuçlar vereceği ispatlanmıştır. GP kullanılarak farklı malzeme ve ortam koşullarına göre modellerin geliştirilmesi basınç düşümü problemine ve maliyetine önemli katkı sağlayacaktır. Modelleme için hazırlanan GP yazılımı mühendislik alanında cevabın bilindiği fakat sorunun bilinmediği ters problemlere kolaylıkla uygulama şansına sahiptir.
Fluid mechanics is a field of science that studies the balance of fluids (static fluids) and characteristics of moving fluids, and thus the name. One of the primary problems in fluid dynamics is the calculation of the pressure gradient of a fluid that flows through a pipe. Navier Strokes equations are used for this. Correct parameters that are chosen according to pressure gradient calculations affect the time of manufacturing and cost. Genetic programming is a technique based on Darwin’s theory of evolution that lets computers find a solution automatically. Genetic programming can also be described as an evolutionary algorithm that provides for the perfection of possible primitive solutions derived from the basics of the problem at hand. Learning and verification data sets have been arranged using real pressure gradient data based on specific materials and environments. Various experiments have been conducted for various genetic processor values for the pressure gradient estimation problem, and a pressure gradient estimation model with a 70% success has been devised. The results obtained show that the genetic programming approach produces successful models. Matlab CFD simulation has been prepared to confirm the success of the models and the results from the genetic programming model have been compared to the simulation results and actual data. As a result of comparison, genetic programming has proved to produce values that are close to actual values and since it is prone to development, will yield better results with some improvements. The devising of models based on various materials and environments using genetic programming will greatly contribute to the pressure gradient problems and the costs. The genetic programming software prepared for modeling can be easily adapted to reverse problems for which the answer is known, but the problem isn’t.
URI: https://hdl.handle.net/20.500.11851/313
Appears in Collections:Bilgisayar Mühendisliği Yüksek Lisans Tezleri / Computer Engineering Master Theses

Files in This Item:
File Description SizeFormat 
TZ00079.pdf2.13 MBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

48
checked on Feb 6, 2023

Download(s)

6
checked on Feb 6, 2023

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.