Kontrplaklarda Yapışma Direnci Modellenmesinde Meta-Buluşsal Yapay Sinir Ağları Tekniklerinin Kullanılması

Cenk Demirkır, Hamdi Tolga Kahraman, Gürsel Çolakoğlu
2.131 864

Öz


En önemli ahşap kökenli levha ürünlerinden biri olan kontrplak trafik levhalarından inşaata kadar pek çok kullanım yerine sahiptir. Yüksek kalitede kontrplak üretimi için tutkal türüne bağlı olarak optimum pres koşulları altında iyi bir yapışmanın sağlanması gerektiği bilinen bir gerçektir. Bu çalışmada kontrplağın yapışma direncinin tahmin edilmesi için modern meta buluşsal tekniklerden IKE ve AANN metotlarının kullanım imkanları araştırılmıştır. Çalışma deneysel ve analitik olarak iki kısımdan oluşmaktadır. Çalışmada ağaç türü olarak sarıçam, sahil çamı ve karaçam kullanılmıştır. Kaplamalar 2 farklı sıcaklıkta (32°C ve 50°C) soyulmuş ve 3 farklı sıcaklıkta (110°C, 140°C ve 160°C) kurutulmuştur. Kontrplak üretimi için fenol formaldehit ve melamin üre formaldehit tutkalları olmak üzere iki farklı tutkal türü kullanılmıştır. Deneysel olarak kontrplakların yapışma direnci değerleri EN 314-1 standardına göre yapılmıştır. IKE ve AANN teknikleri analitik olarak yapışma direnci tahmininde kullanılmışlardır. En iyi tahmin performansı k değeri 10 için elde edilmiştir. Yapışma direnci üzerine en etkili faktör olarak tutkal türü belirlenmiştir. IKE ve AANN için belirlenen hata oranları %5’in altında bulunmuştur. Çalışma neticesinde uygulanan tekniklerin kontrpalklarda yapışma direnci tahmininde kullanılabilir oldukları tespit edilmiştir.

Anahtar kelimeler


Adaptif yapay sinir ağı (AANN), Yapışma Direnci, Sezgisel k en yakın komşu tahmincisi (IKE), Kontrplak

Tam metin:

PDF PDF (English)


DOI: http://dx.doi.org/10.17474/acuofd.88981

Referanslar


Aksoy A, Iskender E, Kahraman HT (2012) Application of the Intuitive k-NN Estimator for Prediction of the Marshall Test (AstmD1559) Results For Asphalt Mixtures. Construction & Building Materials 34: 561-569.

Aydin I, Colakoglu G (2005) Formaldehyde Emission, Surface Roughness, and Some Properties of Plywood as Function of Veneer Drying Temperature. Drying Technology 23: 1107-117

Aydın I, Colakoglu G, Hiziroglu S (2006) Surface Characteristics of Spruce Veneers and Shear Strength of Plywood as a Function of Log Temperature in Peeling Process. International Journal of Solids and Structures 43: 6140-6147.

Babu GS, Suresh S (2013) Parkinson’s Disease Prediction Using Gene Expression – A Projection Based Learning Meta-Cognitive Neural Classifier Approach. Expert Systems with Applications 40: 1519–1529.

Bayindir R, Colak I, Sagiroglu S, Kahraman HT (2012) Application of Adaptive Artificial Neural Network Method to Model the Excitation Currents of Synchronous Motors. The 11th IEEE International Conference on Machine Learning Applications (ICMLA 2012), 12-15 Dec. 2012, Florida, USA, 2, 498-502.

Chow S, Chunsi KS (1979) Adhesion strength and wood failure relationship in wood-glue bonds. Mokuzai Gakkaishi 25(2): 125–31.

Christiansen AW (1990) How Overdrying Wood Reduces Its bonding to Phenol Formaldehyde Adhesives: A Critical Review of The Literature. Part I. Physical Responses. Wood and Fiber Science 22(4): 441-459.

Demirkır C (2012) Using Possibilities of Pine Species in Turkey for Structural Plywood Manufacturing, PhD Thesis, Karadeniz Technical University, The Graduate School of Natural and Applied Sciences, Forest Industrial Engineering Department.

EN 314-1 (1998) Plywood; Bonding Quality, Part 1: Test Methods, CEN, Brüssel.

Esteban LG, Fernandez FG, De Palacios P (2011) Prediction Of Plywood Bonding Quality Using An Artificial Neural Network. Holzforschung 65(2): 209-214.

Fernandez FG, De Palacios P, Esteban LG, Iruela AG, Rodrigo BG, Menasalvas E (2012) Prediction of MOR and MOE of Structural Plywood Board Using An Artificial Neural Network And Comparison With A Multivariate Regression Model. Composites: Part B. 43: 3528–3533. 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 125 129 133 137 141 145 149 153 157 161 165 169 173 177 181 185 189 193 197 Sample Number