Browsing by Author "Karaveli, Kadir Kaan"

Now showing 1 - 4 of 4

Alüminyum 7068 Malzemesinin Mekanik Davranışlarının Hassas Olarak İncelenmesi ve Hasar Modelinin Araştırılması
(Abdullah Gül Üniversitesi, 2018) Karaveli, Kadir Kaan; Karaveli, Kadir Kaan; Bal, Burak
Yüksek mukavemet, yüksek tokluk, düşük yoğunluk ve korozyon dirençliliğinin ümit vaat eden kombinasyonu, onlarca yıldır alüminyum (Al) alaşımlarını binalardan havacılık sektörüne çeşitli uygulamalarda tercih edilen malzeme haline getirmiştir. Özellikle son zamanlarda geliştirilen malzemelerden bir tanesi olan Al 7068 alaşımı, olağanüstü mekanik ve mekanik özelliklerinden dolayı savunma sanayinde ve otomobil sanayinde kullanılmaktadır. Bu yüksek lisans tezinde, Al 7068-T651 alaşımının mekanik tepkisi ve Johnson-Cook hasar modeli araştırılmıştır. Özellikle, maksimum, minimum ve ortalama sonuçları dikkate alarak farklı uygulama alanları için farklı Johnson-Cook hasar parametreleri belirlenmiştir. Bu hasar parametreleri doğru Sonlu Elemanlar Analizi simülasyonları için kullanılabilir. Hasar parametrelerinin belirlenmesinde, hem hadde yönünde hem de hadde yönüne dik olarak çentikli ve düzgün numuneler üzerinde çekme deneyleri yapılmıştır. Çentik yarıçapı, farklı gerilim üçeksenliliği değerlerini sağlamak için pürüzsüz, 0,4 mm, 0,8 mm ve 2 mm olarak seçildi ve bu gerilim üçeksenliliği değerlerinde mekanik malzemenin tepkisi gözlemlendi. Çekme testleri, doğru sonuçları elde etmek için yedi kez tekrarlandı. Kırık numunelerin son kesit alanları optik mikroskop ile hesaplandı. Gerilim üçeksenliliği faktörünün ve hadde yönünün Al 7068-T651 alaşımının mekanik özellikleri üzerindeki etkileri başarılı bir şekilde araştırılmıştır. Tüm hasar parametreleri Levenberg-Marquardt optimizasyon yöntemi ile hesaplandı. Sonuç olarak, minimum, ortalama ve maksimum eşdeğer gerinim değerlerine dayanan üç farklı Johnson-Cook hasar parametresi hesaplanmıştır. Bu Johnson-Cook hasar parametreleri, bir hesaplama tekniği olan ve bu çeşitli mühendislik problemlerinin yaklaşık çözümünü elde etmek için kullanılan sonlu elemanlar analizinde farklı uygulamaların doğru hasar simülasyonları için kullanılabilir.
Yapay Zeka Destekli Shot Peening Prosesinin Optimizasyonu ve İkincil Proseslerin SLM ile Üretilen AlSi10Mg Alaşımının Hidrojen Kırılganlık Direnci ve Mekanik Performansı Üzerindeki Etkilerinin İncelenmesi
(2025) Karaveli, Kadir Kaan; Bal, Burak
Bu tez, Seçici Lazer Ergitme (SLM) yöntemiyle üretilen AlSi10Mg alaşımlarında bilyalı dövme işlemlerinin optimizasyonunu ve hidrojen gevrekliğinin azaltılmasını araştırmaktadır. Birinci bölümde, süreç optimizasyon yöntemleri (ör. Taguchi, Box-Behnken), metal katkı üretimdeki (AM) sorunlar (artık gerilme, gözeneklilik) ve hidrojen gevrekliğinin mekanizmaları ile test yöntemleri ele alınmıştır. İkinci ve üçüncü bölümler, Almen testleriyle doğrulanan yapay zeka tabanlı yaklaşımlarla bilyalı dövme yoğunluğunun optimizasyonunu ve Bell 412EP ile Piper PA-32R gibi gerçek havacılık arızalarını inceleyerek hidrojen gevrekliğinin bileşenlerdeki etkilerini analiz etmektedir. Dördüncü ve beşinci bölümler, SLM ile üretilen AlSi10Mg alaşımlarının mekanik performansına, gerinim hızı ve işlem sonrası uygulamaların (bilyalı dövme, ısıl işlem) etkilerini değerlendirmiş ve yorulma direncinde önemli iyileşmeler göstermiştir. Ayrıca hidrojen gevrekliğini önlemek için ileri düzey stratejiler önerilmiştir. Tez, artırılmış malzeme güvenilirliği ve sürdürülebilirliğin toplumsal faydalarını vurgulamakta ve yapay zeka destekli yöntemler ile üretimde gerçek zamanlı izleme sistemleri üzerine gelecekteki araştırmaları önermektedir.
Effects of Strain Rate and Post Processing on Mechanical Properties of Additively Manufactured AlSi10mg Alloys
(Walter de Gruyter GmbH, 2026) Karaveli, Kadir Kaan; Bal, Burak
The mechanical properties of AlSi10Mg alloy fabricated by laser powder bed fusion (LPBF) were investigated under different strain rates and post-processing conditions, including shot peening (SP) and stress relief (SR). Tensile tests were performed at quasistatic (0.1 s-1) and dynamic (0.015 s-1) strain rates on as-built and post-processed specimens. The results revealed that SP significantly increased the yield strength by 7.10 %, reaching 249.59 MPa, due to the induced compressive residual stresses. However, while SP slightly improved the ultimate tensile strength (UTS) by 0.25 %, it also reduced elongation at break by 18.06 %, indicating a trade-off between strength and ductility. Conversely, SR improved ductility by reducing internal stresses, leading to an elongation at break increase of 574.01 %, with a slight reduction in yield strength. The combination of SP and SR exhibited a synergistic effect, achieving a balance between strength and ductility. Strain rate sensitivity (SRS) analysis indicated that stress-relieved specimens performed better under dynamic loading conditions. These findings highlight the potential of post-processing techniques in tailoring the mechanical behavior of LPBF-produced AlSi10Mg alloys. The balanced properties achieved through combined treatments make this material particularly suitable for high-performance aerospace and automotive applications, where strength and ductility are critical under varying operational conditions.
Comprehensive Optimization of Shot Peening Intensity Using a Hybrid Model With AI-Based Techniques via Almen Tests
(Walter de Gruyter Gmbh, 2025) Karaveli, Kadir Kaan; Bal, Burak
Shot peening is a crucial surface treatment technique that significantly improves the mechanical properties of metallic components, particularly their fatigue resistance and ability to withstand corrosion cracking. This study aims to optimize the shot peening process for aviation applications by evaluating and comparing various mathematical modeling and optimization techniques. Seven mathematical models were analyzed using a neuro-regression method (NRM), among which the second-order trigonometric non-linear (SOTN) model exhibited the highest reliability, achieving R2 values of 0.93 and 0.90 for training and testing datasets, respectively. To improve the model's robustness, four optimization algorithms - differential evolution (DE), simulated annealing (SA), Nelder-Mead (NM), and random search (RS) - were applied to the SOTN model. Although each technique offered valuable insights, performance fluctuations across different intensity ranges necessitated the development of a hybrid optimization model that combines the strengths of all four methods. The hybrid model achieved a mean error of approximately 2.69 %, outperforming individual approaches and demonstrating strong potential for reliable shot peening optimization across a wide range of target intensities. These findings provide a comprehensive methodology for AI-based optimization of surface treatment processes in engineering applications.