Makine öğrenimi ve veri bilimi ile gürültü,titreşim ve sertlik analizinin geliştirilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, MAKİNE ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: KEMAL DEMİR
Danışman: Cihan Demir
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez çalışması, içten yanmalı motora sahip büyük ticari yolcu otobüslerinde araç içi konforu etkileyen temel parametreler olan gürültü, titreşim ve sertlik (GTS) seviyelerinin iyileştirilmesine yönelik, makine öğrenimi temelli bütüncül bir değerlendirme ve analiz yaklaşımı geliştirmeyi amaçlamaktadır. GTS unsurları hem araçların algılanan kalitesini hem de yolcu memnuniyetini doğrudan etkileyen kritik göstergelerdir. Bu nedenle, araç geliştirme süreçlerinde GTS karakteristiklerinin doğru analiz edilmesi ve iyileştirme hedeflerinin isabetli bir şekilde belirlenmesi büyük önem taşır. Mevcut endüstriyel uygulamalarda kullanılan geleneksel GTS teşhis yöntemleri (örneğin Transfer Patika AnaliziTPA, Operasyonel Deplasman Analizi- ODS) doğrusal sistem varsayımları altında çalışmakta, yüksek zaman ve kaynak maliyetlerine sebep olmaktadır. Bu tezde ise, doğrusal olmayan sistem davranışlarını da dikkate alabilen ve daha geniş veri kümeleriyle çalışabilen, veri bilimi odaklı alternatif bir yöntem önerilmiştir.xiii Çalışma kapsamında, makine öğrenimi algoritmaları (özellikle Rastgele Orman), keşifsel veri analizi (EDA), korelasyon analizi, değişken önem sıralaması ve hassasiyet analizi gibi yöntemlerle desteklenen yeni bir GTS değerlendirme süreci geliştirilmiştir. Bu yöntem; büyük hacimli test verileri kullanarak, araçtaki her bir potansiyel gürültü ve titreşim kaynağının hedef iç mekân gürültüsüne olan etkisini sayısal olarak ortaya koymaktadır. Ayrıca bu etkiler ışığında, daha doğru ve uygulanabilir sistem hedefleri belirlenmesine olanak tanımaktadır. Rastgele orman algoritması ile diğer makine öğrenimi yöntemleri de kıyaslanarak yorumlanmıştır. Geleneksel TPA ve ODS yöntemleri ile karşılaştırıldığında, önerilen yaklaşım hem veri işleme süresini kısaltmakta hem de doğruluk ve genellenebilirlik açısından daha başarılı sonuçlar sunabilmektedir. Deneysel çalışmalar kapsamında, önerilen yaklaşımın gerçek yol koşullarında uygulanabilirliğini test etmek üzere iki adet yol testi gerçekleştirilmiştir. Bunlardan ilki, tam açık gaz kelebeği (WOT) altında gerçekleştirilen hızlanma testidir. Bu test, araç içi gürültünün hangi frekans bantlarında yoğunlaştığını belirlemek ve analizlerde odaklanılacak hedef frekans aralığını seçmek amacıyla yapılmıştır. Özellikle 11 Hz frekans bandı, bu açıdan öne çıkmış ve çalışmanın odak noktası haline gelmiştir. İkinci test ise, 15 dakikadan uzun süreli rastgele sürüş koşullarında gerçekleştirilmiştir. Bu testte, toplamda 22 kanal üzerinden (7 mikrofon + 5 adet üç eksenli ivmeölçer ile) çoklu sensör verileri toplanmıştır. Elde edilen veriler, zaman alanından frekans alanına dönüştürülerek analiz edilmiştir. Analiz sürecinde, toplanan veriler öncelikle istatistiksel olarak incelenmiş, çıkıntı veriler (outliers) keşifsel veri analizi ile tespit edilerek temizlenmiş ve ardından korelasyon analizleri yapılmıştır. Yapılan analizler, motor, hava emiş ve egzoz sistemlerinin iç gürültü üzerindeki etkilerinin oldukça yüksek olduğunu göstermiştir. Örneğin, motor kaynaklı titreşim ile koltuk içi gürültü seviyesi arasında %75'in üzerinde korelasyon tespit edilmiştir. Ayrıca, hedef olarak belirlenen 64 dBA araç içi ses seviyesinin sağlanabilmesi için motor gürültüsünün 95.53 dBA'nın altında tutulması gerektiği belirlenmiştir. Rastgele Orman algoritması sayesinde, bu ilişkiler doğrusal olmayan yapıları da içerecek şekilde modellenmiş ve klasik yöntemlerin ulaşamadığı doğruluk seviyelerine ulaşılmıştır. Bununla birlikte, çalışma sadece korelasyon analizi ile sınırlı kalmamış; değişken önem analizi ve hassasiyet analizi gibi ileri yöntemlerle, GTS karakteristiğine en fazla etki eden bileşenler sıralanmış ve bu bileşenler üzerinde yapılacak tasarımsal değişikliklerin iç mekân gürültüsüne etkisi sayısal olarak değerlendirilmiştir. Böylece mühendislerin iyileştirme hedeflerini doğru belirleyebileceği sezgisel ve sayısal bir karar destek sistemi sunulmuştur. Sonuç olarak, bu tez çalışması ile büyük veri ve makine öğrenimi tekniklerinin araç geliştirme süreçlerine etkin bir şekilde entegre edilebileceği gösterilmiştir. Klasik yöntemlerin zaman alıcı ve parçalı yapısına karşın, önerilen yaklaşım; daha kısa sürede, daha az testle, daha fazla bilgiye ulaşmayı mümkün kılmakta ve mühendislik süreçlerini hem hız hem de maliyet açısından önemli ölçüde optimize etmektedir. Literatürde, özellikle ticari otobüs segmentinde bu denli büyük hacimli GTS verileriyle doğrudan çalışan, korelasyon-hassasiyet temelli ve doğrusal olmayan modellemeye dayalı bütüncül bir yaklaşıma nadiren rastlanmaktadır. Bu yönüyle çalışma, yalnızca akademik katkı değil, aynı zamanda endüstriyel uygulama potansiyeli de taşımakta; araç geliştirme, GTS mühendisliği ve veri odaklı sistem optimizasyonu alanlarına önemli bir katkı sunmaktadır.