MARC details
| 000 -LEADER |
|---|
| fixed length control field |
05253nam a2200469 i 4500 |
| 003 - CONTROL NUMBER IDENTIFIER |
|---|
| control field |
TR-AnTOB |
| 005 - DATE AND TIME OF LATEST TRANSACTION |
|---|
| control field |
20231024152727.0 |
| 007 - PHYSICAL DESCRIPTION FIXED FIELD--GENERAL INFORMATION |
|---|
| fixed length control field |
ta |
| 008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION |
|---|
| fixed length control field |
171111s2023 xxu e mmmm 00| 0 eng d |
| 035 ## - SYSTEM CONTROL NUMBER |
|---|
| System control number |
(TR-AnTOB)200458698 |
| 040 ## - CATALOGING SOURCE |
|---|
| Original cataloging agency |
TR-AnTOB |
| Language of cataloging |
eng |
| Description conventions |
rda |
| Transcribing agency |
TR-AnTOB |
| 041 0# - LANGUAGE CODE |
|---|
| Language code of text/sound track or separate title |
Türkçe |
| 099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC) |
|---|
| Classification number |
TEZ TOBB FBE MAK YL’23 SÖY |
| 100 1# - MAIN ENTRY--PERSONAL NAME |
|---|
| Personal name |
Söyleyici, Cem |
| Relator term |
author |
| 9 (RLIN) |
144105 |
| 245 10 - TITLE STATEMENT |
|---|
| Title |
Dijital ikiz çatıyapısı altında yapısal kirişlerin fizik bilgili sinir ağları ile dinamik modellenmesi / |
| Statement of responsibility, etc. |
Cem Söyleyici; thesis advisor Hakan Özgür Ünver. |
| 246 ## - VARYING FORM OF TITLE |
|---|
| Title proper/short title |
Dynamical modelling of structural beams under a digital twin framework with physics-informed neural networks |
| 264 #1 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE |
|---|
| Place of production, publication, distribution, manufacture |
Ankara : |
| Name of producer, publisher, distributor, manufacturer |
TOBB ETÜ Fen Bilimleri Enstitüsü, |
| Date of production, publication, distribution, manufacture, or copyright notice |
2023. |
| 300 ## - PHYSICAL DESCRIPTION |
|---|
| Extent |
xviii, 79 pages : |
| Other physical details |
illustrations ; |
| Dimensions |
29 cm |
| 336 ## - CONTENT TYPE |
|---|
| Content type term |
text |
| Content type code |
txt |
| Source |
rdacontent |
| 337 ## - MEDIA TYPE |
|---|
| Media type term |
unmediated |
| Media type code |
n |
| Source |
rdamedia |
| 338 ## - CARRIER TYPE |
|---|
| Carrier type term |
volume |
| Carrier type code |
nc |
| Source |
rdacarrier |
| 502 ## - DISSERTATION NOTE |
|---|
| Dissertation note |
Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Eylül 2023 |
| 520 ## - SUMMARY, ETC. |
|---|
| Summary, etc. |
Dijital İkiz (DT)'ler birçok alanda olduğu gibi yapısal parçaların çalışma anında maruz kaldıkları yüklere göre durum takibini yapmak için de kullanılmaktadır. Fiziksel ürünün dijital kopyasının oluşturulması aşamasında ise Sonlu Elemanlar Yöntemi (FEM) sıklıkla görev almaktadır. FEM uygulamalarında parça geometrisinin kompleksliği ve mesh detayları önemli olmakla beraber analiz sürelerini ve dolayısıyla DT oluşum süresini etkilemektedir. Doğruluğu yüksek ve gecikme süresi düşük bir dijital kopya oluşturulması aşamasında, birçok alanda kendisine yer bulan Yapay Zeka (AI)'dan faylanmak mümkündür. Bu çalışmada, yapısal kirişlerin DT'lerinin oluşturulması sırasında, içinde barındırdığı probleme ait Kısmi Diferansiyel Denklem (PDE)'lerden faydalanan, daha az veriyle yüksek doğruluklu modellemeler yapabilen Fizik Bilgili Sinir Ağları (PINN) yapısı ve bu yapının kullanıldığı bir DT çatıyasıpı önerilmektedir. Çalışmalar sırasında probleme ait analitik denklemler yardımıyla sentetik veriler üretilmiştir. Daha sonra üretilen veriler, PINN modeline beslenerek ileri problem çözülmüş ve ters problem çözümüyle de sistem parametreleri tahmin edilmiştir. Yüksek frekanslı öğrenmede spektral yanlılık (bias) fenomeni ile başa çıkmak için Neural Tangent Kernel (NTK) ile kendinden uyarlamalı ağırlık güncellemesi metodu uygulanmıştır. PINN tahminleri, geliştirilen yöntemin doğruluğunu kanıtlamak için Sonlu Elemanlar Analizi (FEA) çıktıları ile karşılaştırılmıştır. Sentetik verilerle yapılan çalışmalar sonrasında, deney düzeneğinden toplanan gerçek veriler ile de bir çalışma yapılmış ve PINN'lerin doğrusal olmayan yüksek dereceli PDE'lerin |
|
|---|
| Summary, etc. |
Digital Twins (DT) are used in many fields, as well as to monitor the condition of structural parts according to the loads they are exposed to during operation. In the process of creating a digital copy of the physical product, Finite Element Method (FEM) is often involved. Although the complexity of the part geometry and mesh details are important in FEM applications, they affect the analysis time and thus the generation time of DT. Creating a digital copy with high-fidelity and low latency makes it possible to employ Artificial Intelligence (AI), which has found its place in many fields. In this study, we propose a Physics-Informed Neural Network (PINN) structure and DT framework that can perform high-fidelity modeling with fewer data by using the Partial Differential Equations (PDE) of the problem during the generation of the DT of structural beams. During the studies, synthetic data are generated with the help of analytical equations of the problem. Then, the generated data are fed into the PINN model to solve the forward problem and the inverse problem is solved to estimate the system parameters. A self-adaptive weight update method with a Neural Tangent Kernel (NTK) is applied to deal with the spectral bias phenomenon in high-frequency learning. The PINN estimates are compared with the Finite Element Analysis (FEA) outputs to prove the accuracy of the developed method. After the studies with synthetic data, a study is carried out with real data collected from the experimental setup, and the potential of PINNs to approximate the solution of nonlinear higher-order PDEs and parameter identification is demonstrated. |
| 653 ## - INDEX TERM--UNCONTROLLED |
|---|
| Uncontrolled term |
Fizik-bilgili sinir ağları (PINNs) |
|
|---|
| Uncontrolled term |
Digital ikiz (DT) |
|
|---|
| Uncontrolled term |
Serbest titreşim |
|
|---|
| Uncontrolled term |
Kısmi diferansiyel denklemler (PDEs) |
|
|---|
| Uncontrolled term |
Çapraz yapısal kirişler |
|
|---|
| Uncontrolled term |
İleri (forward) |
|
|---|
| Uncontrolled term |
Ters (inverse) problemler |
|
|---|
| Uncontrolled term |
Physics informed neural networks (PINNs) |
|
|---|
| Uncontrolled term |
Digital twin (DT) |
|
|---|
| Uncontrolled term |
Free vibration |
|
|---|
| Uncontrolled term |
Partical differential equations (PDEs) |
|
|---|
| Uncontrolled term |
Traverse structural beam |
|
|---|
| Uncontrolled term |
Forward and Inverse problem |
| 700 1# - ADDED ENTRY--PERSONAL NAME |
|---|
| Personal name |
Ünver, Hakkı Özgür |
| 9 (RLIN) |
128655 |
| Relator term |
advisor |
| 710 ## - ADDED ENTRY--CORPORATE NAME |
|---|
| Corporate name or jurisdiction name as entry element |
TOBB Ekonomi ve Teknoloji Üniversitesi. |
| Subordinate unit |
Fen Bilimleri Enstitüsü |
| 9 (RLIN) |
77078 |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) |
|---|
| Koha item type |
Thesis |
| Source of classification or shelving scheme |
Other/Generic Classification Scheme |
