Akademik Veri Yönetim Sistemi
TÜBİTAK Projesi, 2016 - 2018
Kullanıcı-merkezli ürün tasarımı gün geçtikçe önemli hale gelmekte, ve bundan dolayı kullanımı kolay tasarım araçlarına ihtiyaç vardır. Bu projede araba yan profili için kullanıcımerkezli tasarım aracı (AYPÖ) geliştirilmiş ve ara yüz aracılığı ile kullanıcılar istedikleri profilleri kolay bir şekilde elde edebilmektedirler. Bunun yanında her hangi bir profilin muhtemel yakıt tüketim miktarı da kısa zamanda hesaplanarak ara yüzde gösterilebilmektedir.Öncelikle araba yan profilinin geometrik olarak parametrizasyonu yapılmıştır. Profilin üst kısmı dokuz, alt kısmı dört tane karakteristik çizgi ile ifade edilmektedir. Bu çizgiler birinci, ikinci ve üçüncü derece Bezier eğrileri ile ifade edilmiştir. Bu eğrilerin kontrol noktalarının pozisyonları değiştirilerek yeni profiller üretilmektedir. Fakat bu işlem kullanıcı için çok kolay değildir, çünkü uygun olmayan araba yan profilleri elde edilebilir. Bundan dolayı öncelikle karakteristik çizgiler kısıtları tarafımızdan tanımlanmış kısıtlanmış tasarım alanında örneklenmiş ve kaydedilmiştir. Örneklenen karakteristik çizgiler birbirinden mümkün olduğunca farklı olabilmesi için AudzeEglais potensiyel enerji denklemi probleme uyarlanmıştır. AYPÖ örneklenen karakteristik çizgileri kullanarak çok sayıda profili manuel (kullanıcı yardımıyla) veya otomatik üretebilir. İkinci olarak araba yan profilinin muhtemel sürüklenme katsayısının hesaplanması için makina öğrenim metodu kullanılarak matematiksel model üretilmiştir. Bu model ile sürüklenme katsayısı saniyeden de kısa bir zamanda hesaplanabilir. Makina öğrenimi için eğitim verisinin kaliteli olması önemlidir; yani kaliteli veri hata payı düşük bir matematiksel modelin elde edilmesini sağlayacaktır. Örneklenen karakteristik çizgiler kullanılarak yeni bir araba yan profili örnekleme metodu geliştirilmiştir. Profiller unsur vektörü ile ifade edilmiştir. Parametrizasyonu yapılmış araba yan profilinin tasarım alanında, profil örneklerinin unsur vektörü mümkün olduğunca Euclidean uzaklığı birbirinden uzak olacak şekilde seçilmiştir. Sonrasında 100er 100er araba yan profili üretilmiş, bu profillerin hesaplamalı akış dinamik (HAD) testleri yapılmış ve elde edilen matematiksel modelin kalitesine bakılmıştır. İstenilen kalitedeki matematiksel model 800 profil ile sağlanmış ve profil sayısı 1000 olduğunda da matematiksel modelin kalitesinin istenilen seviye de olduğu görülmüştür. Makina öğrenim tekniği olarak temel komponent analizi (PCA) ve lineer olmayan regresyon analizi kullanılmıştır. Kullanıcılar için AYPÖ?nün iki sürümü bulunmaktadır. İlk sürümünde kullanıcılar örneklenen karakteristik çizgilerin montajını yaparak istedikleri profili elde edebilmektedirler. İkinci sürümde ise AYPÖ örnekleme tabanlı yeni bir genetik algoritmayı kullanmaktadır. Öncelikle kullanıcı gösterilen profillerden sevdiklerini seçer. Çaprazlama operasyonu ile sevilen profiller kullanılarak çok sayıda yeni profil üretilebilir. Çaprazlama ile elde edilebilecek bütün profiller üretildikten sonra, istenilen sayıda profil bazı kriterlere göre (mesela birbirinden en farklı oalcak şekilde) örneklenerek kullanıcıya sunulur ve tekrar seçim yapması sağlanabilir. Kullanıcı çalışmalarına göre AYPÖ ile istenilen profiller kolayca üretilebilmektedir