Yazar "Karaoğlan, Kürşat Mustafa" seçeneğine göre listele
Listeleniyor 1 - 3 / 3
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Durumu izlenen iş mili motorunun hız denetimi(Karabük Üniversitesi, 2016) Karaoğlan, Kürşat Mustafa; Zeyveli, MetinBu tez çalışmasında, geleneksel bir torna tezgahı; yazılım ve mikrodenetleyicilerle gerçek zamanlı kontrol edilebilen, bilgisayar destekli tezgaha dönüştürülmüştür. Tezgahın eksen hareketlerinde adım motorlar kullanılmıştır. Bu sayede operatör kaynaklı zaman, ölçü ve denetim hataları minimize edilmiş ve seri üretime olanak sağlanmıştır. Çalışmada iş mili motoru olarak sabit mıknatıslı fırçalı doğru akım (DA) motoru kullanılmıştır. Motorun devir sayısı ve akım verilerinin gerçek zamanlı olarak izlenmesi için durum izleme yazılımı geliştirilmiştir. Yazılıma, gerçekleştirilen imalat verilerini kaydetmek ve raporlamak, tezgah üzerindeki tüm operasyonları yönetmek için modüller eklenmiştir. Ayrıca bu yazılımla, iş mili motorunun devir sayısını sabitlemek amacıyla, mikrodenetleyici üzerinde gömülü PID (Proportional Integral Derivative) ve bulanık mantık (BM) yöntemleriyle hız denetimleri de uygulanmıştır. Bütün bu modüllerin operatör tarafından kolaylıkla kullanılabilmesi için kullanıcı ara yüzü geliştirilmiştir. Geliştirilen tezgah sistemini test etmek için farklı kesme hızlarında (200, 260, 320, 380, 440 m/dk) ve ilerleme hızlarında (0,05, 0,1, 0,15 mm/dev), alüminyum alaşımlı malzeme kullanılarak deneyler yapılmıştır. Deneyler sonucunda kesme hızına bağlı olarak, PID ve BM hız denetim yöntemlerinin talaş kaldırma anındaki enerji tüketimine ve işlenen malzemenin yüzey pürüzlülüğüne etkisi araştırılmıştır. Sonuç olarak enerji tüketimi açısından BM ile hız denetimi yöntemi, PID ile hız denetimi yöntemine göre daha iyi performans göstermiştir. Yüzey pürüzlülüğü açısından, birçok deneyde (%60), PID hız denetimi yöntemiyle elde edilen yüzey pürüzlülüğü sonuçlarının, BM hız denetimi yöntemiyle elde edilen sonuçlara göre daha iyi olduğu sonucuna ulaşılmıştır.Öğe ÖZELLİK TABANLI GÖRÜŞ MADENCİLİĞİNDE YAPAY ZEKA TEKNİKLERİ KULLANARAK GÖRÜŞ HEDEFİ ÇIKARIMI VE KATEGORİ TESPİTİ(2022-03) Karaoğlan, Kürşat MustafaSon zamanlarda, çevrimiçi inceleme platformları kullanıcıların satın alma kararlarını destekleyen önemli bilgi kaynakları haline gelmiştir. Kullanıcılar bir ürünü ya da hizmeti satın almadan önce olası deneyimlere ulaşmada bu bilgi kaynaklarına başvurmaktadır. İşletmeler ise pazarladıkları ürünlerin kullanıcılar üzerindeki etkilerini keşfedebilmek için bu kaynakların potansiyel gücünden yararlanmayı hedeflemektedir. Ancak bu kaynakların hacimsel büyüklüğü düşünüldüğünde; kullanıcıların tüm incelemeleri okuyarak etkin bir şekilde değerlendirmesi neredeyse imkânsız hale gelmektedir. Diğer bir taraftan büyük kullanıcı popülasyonuyla karşı karşıya kalan işletmeler, verilerin işlenmesi ve analizi gibi süreçlerde otomatikleştirilmiş yaklaşımlara ihtiyaç duymaktadır. Bu sebeple araştırmacılar, yukarıda bahsedilen problemleri ele alarak daha etkin ve detaylı analizlere olanak sağlayan Özellik Tabanlı Görüş (Fikir) Madenciliği çalışmalarına ilgi göstermektedir. Bu tez çalışmasında ilk olarak, örüntü tabanlı metin ön işleme yöntemine, yardımcı bileşenlerle genişletilmiş sözdizilimsel tabanlı ilişki kuralları algoritmalarına ve model çıktılarında performans optimizasyonu sağlamak amacıyla uygulanan çoğunlukla seçim yöntemine sahip Görüş Hedefi Çıkarımı (Opinion Target Extraction, OTE) yaklaşımı önerilmiştir. Önerilen bu yaklaşımla, kullanıcılar tarafından öznel nitelikli görüş sözcükleriyle yorumlanan varlığa ilişkin ayırt edici özellikleri temsil eden açık ifadelerin (görüş hedefleri) çıkarılması sağlanmıştır. Önerilen OTE yaklaşımının etkinliğini test etmek amacıyla, restoran incelemeleri içeren veri seti üzerinde deneysel çalışmalar gerçekleştirilmiştir. Deneysel çalışmaların sonuçları analiz edildiğinde, önerilen yaklaşımın literatürdeki denetimli yaklaşımlarla karşılaştırılabilir sonuçlar ürettiği, denetimsiz diğer yaklaşımlara göre ise daha yüksek performans gösterdiği sonucuna ulaşılmıştır. İkinci olarak, belirli özellik kategorileriyle çoklu ve hiyerarşik yapıda etiketlenmiş inceleme cümlelerinin sınıflandırılması amacıyla derin öğrenme tabanlı Özellik Kategorisi Tespiti (Aspect Category Detection, ACD) yaklaşımları önerilmiştir. Önerilen ACD yaklaşımlarında, girdilerinde bağlamsal bilgiyi dikkate alarak zengin vektör temsilleri üretebilen önceden eğitilmiş Dönüştürücülerden Çift Yönlü Kodlayıcı Temsilleri (BERT) ve Anlamsal Katlama Teorisi (SFT) kelime temsil modellerinin (word embedding model, WEM) uygulandığı Evrişimsel Sinir Ağı ve Derin Sinir Ağı tabanlı çok etiketli metin sınıflandırma yaklaşımları geliştirilmiştir. Geliştirilen ACD yaklaşımlarının etkinliklerini ve uygulanan WEM’lerin sınıflandırma performanslarına olan katkılarını analiz etmek için, dizüstü bilgisayar ve restoran inceleme veri setleri üzerinde deneysel çalışmalar gerçekleştirilmiştir. Deneysel çalışmaların sonuçları analiz edildiğinde, önerilen yaklaşımlarla literatürdeki diğer yaklaşımlara göre daha yüksek veya rekabetçi performans sonuçları elde edilmiştir. Ayrıca bu çalışmada uygulanan WEM’lerin performanslarının birlikte değerlendirilmesi, literatürde ilkler arasında yer almaktadır.Öğe The comparative evaluation of the wear behavior of epoxy matrix hybrid nano-composites via experiments and machine learning models(Elsevier, 2025-04) Aydın, Fatih; Karaoğlan, Kürşat Mustafa; Pektürk, Hatice Yakut; Demir, Bilge; Karakurt, Volkan; Ahlatçı, HayrettinThis study evaluated the wear behavior of multiwall carbon nanotube (MWCNT) doped non-crimp fabric carbon fiber reinforced polymer (NCF-CFRP) composites produced through vacuum infusion. Compared to 0 wt% MWCNT reinforced composite, the wear loss of 1 wt% MWCNT reinforced composite under loads of 10 N and 30 N decreased by 48.1 % and 61.1 %, respectively, for sliding distance of 1000 m. Additionally, the study evaluated various Machine Learning models including Deep Multi-Layer Perceptron (DMLP), Random Forest Regression, Gradient Boosting Regression, Linear Regression (LR), and Polynomial Regression for predicting wear loss. The DMLP model exhibited enhanced predictive capabilities in the testing phase (R²=0.9726) compared to its training performance (R²=0.9531), while the LR model maintained stable performance characteristics between training (R²=0.9712) and testing (R²=0.9454) phases.