Eklemeli imalatta proses parametrelerinin yapay zeka yöntemleri ile tahmini

Abstract

Eklemeli İmalat (Eİ) yöntemlerinden birisi olan Tel Beslemeli Eklemeli İmalat (TBEİ), malzemelerin katmanlar halinde biriktirilerek, parça üretilmesine imkan sağlayan bir imalat yönetimidir. TBEİ'de ısı kaynağı olarak kaynak arkı ve besleme malzemesi olarak kaynak teli kullanılmaktadır. Yüksek yığma oranına sahip olan bu imalat yöntemi ile büyük yapısal parçalar üretilebilmektedir. Sağladığı avantajlar ile uzay, havacılık, gemicilik gibi sektörlerin ilgisini geçmektedir. TBEİ'de seçilen proses parametreleri, üretilen parçanın kalitesini, mekanik ve mikro yapı özelliklerini etkilemektedir. Seçilen parametrelere bağlı olarak kaynak havuzunun alanının, genişliğinin ve uzunluğunun tahmin edilmesi prosesin kalitesi noktasında önemli bilgiler vermektedir. Bu tez çalışmasında proses parametrelerine karşılık kaynak havuzunun alanı, genişliği ve uzunluğu yapay sinir ağları (YSA) ile tahmin edilmiştir. YSA'nın giriş parametreleri olarak tel besleme hızı (Wire Feed Speed - WFS), kaynak akımı, kaynak voltajı ve torç hareket hızı (Torch Travel Speed - TTS) kullanılmıştır.

Wire Arc Additive Manufacturing (WAAM), one of the Additive Manufacturing (AM) methods, is a manufacturing method that allows materials to be part produced by deposited them in layers. In WAAM, welding arc is used as heat source and welding wire is used as feeding material. Large structural parts can be produced with this manufacturing method, which has a high deposition rate. With the advantages it provides, it attracts the attention of sectors such as space, aviation and shipping. The process parameters selected in WAAM affect the quality, mechanical and microstructure properties of the produced part. Estimating the area, width and length of the weld pool depending on the selected parameters gives important information about the quality of the process. In this thesis, the area, width and length of the melting pool against the process parameters were estimated by artificial neural networks (ANN). Wire feed speed (WFS), welding current, welding voltage and torch travel speed (TTS) were used as input parameters of ANN.