Son yıllarda hem yüksek mukavemeti hem de sıcak veya soğuk haddelenmiş olarak bulunması sebebiyle, eliptik profillerin kullanımına yönelik ilgi artmaktadır. Eliptik kesitler içsel estetik özelliklerinin yanı sıra küçük ve büyük eksen özelliklerine sahip olmaları ile avantaj sağlamaktadırlar. Sunulan çalışmada esnek hesaplama yöntemlerinden gen ekspresyonu programlama ve yapay sinir ağları yöntemleri kullanılarak, basınç ve eğilme etkisindeki eliptik kesitli çelik boru profilden oluşturulmuş kolonlarının maksimum yük taşıma kapasitelerinin tahmini için sayısal modeller geliştirilmiştir. Bu amaçla, mevcut literatürdeki deneysel veriler kullanılarak modellerin eğitimi ve doğrulaması gerçekleştirilmiştir. Araştırmada kullanılan eliptik kolonlar, küçük ve büyük eksenleri dikkate alınarak dışmerkezli ve merkezi eksenel yük altında eğilme burkulması testine tabi tutulmuştur. Modellemede dokuz farklı değişken kullanılmıştır. Bunlar burkulma ekseni, y ve z yönlerindeki dışmerkezlik değeri, kesitin büyük ve küçük dış çapları, cidar kalınlığı, çeliğin akma dayanımı, çekme dayanımı ve eleman boyudur. Elde edilen bu modeller istatistik açıdan irdelenmiştir. Ayrıca, önerilen modellerin güvenilirliği ve tekrarlanabilirliği gerçek deneysel verilerle karşılaştırılmalı olarak analiz edilmiş; önerilen gen ekspresyonu programlama modeli ile deneysel veriler arasında korelasyonun test veri kümesi için 0,84 olduğu, diğer taraftan yapay sinir ağları modeli için ise bu değerin 0,99 olduğu görülmüştür.
In recent years, there has been a growing interest in the use of elliptical profiles as having high strength and being as hot-rolled or cold-formed. Elliptical sections provide superiority with their minor and major axis properties as well as their aesthetic features. In this study, by using soft computing methods such as gene expression programming and artificial neural network, numerical models were developed to estimate the load carrying capacity of elliptical columns under compression and bending. For this, training and testing of the models were conducted using experimental data from the existing literature. Nine different variables were utilized, namely, buckling axis, eccentricity in the y and z directions, large and small outer diameters of the section, wall thickness, yield and tensile strength of the steel and column length. The proposed models were statistically examined. Moreover, the robustness and repeatability of the proposed models were analyzed in comparison with actual experimental data; for the testing data set, it was observed that the correlation coefficient for the gene expression programming model was 0.84 while that for the artificial neural network model was 0.99.
Primary Language | Turkish |
---|---|
Subjects | Structural Engineering |
Journal Section | Civil Engineering |
Authors | |
Publication Date | September 3, 2024 |
Submission Date | February 28, 2024 |
Acceptance Date | May 14, 2024 |
Published in Issue | Year 2024 |