Dikey Francis türbin hidrostatik yataklarında yağ akışı davranışının simülasyon ve makine öğrenmesi ile modellenmesi

Bu tez çalışmasında, dikey milli Francis türbinlerinde kullanılan hidrostatik yatakların akışsal ve tribolojik performansını belirleyen temel geometrik parametrelerin etkisi, kapsamlı sayısal akışkanlar dinamiği (HAD) analizleri ve yapay sinir ağı (YSA) tabanlı bir tahmin–optimizasyon yaklaşımı ile ayrıntılı olarak incelenmiştir. Yatak geometrisini oluşturan yağ cebi derinliği, yağ cebi yüksekliği, yağ filmi kalınlığı, yağ cebinin açısal kapsama alanı ve şaft çapı gibi kritik tasarım değişkenleri, literatürde kabul gören sınırlar doğrultusunda sistematik biçimde değiştirilmiş ve geniş bir varyasyon seti oluşturulmuştur. Farklı geometrik kombinasyonlar için gerçekleştirilen HAD analizleri sonucunda, yük taşıma kapasitesi, güç kaybı katsayısı, destek kuvvet yönelim açısı ile yağ cebi ve yağ filmi bölgelerine ait basınç ve hız dağılım indeksleri elde edilmiştir. Bu analizler, geometrik parametrelerin hidrodinamik davranış üzerindeki etkilerini çok boyutlu bir tasarım uzayı içerisinde ortaya koymuş ve hidrostatik yatak performansının fiziksel eğilimlerine ilişkin kapsamlı bir veri tabanı oluşturmuştur. Elde edilen bu veri seti kullanılarak, performans çıktıları ile geometrik parametreler arasındaki ilişkileri modelleyen çoklu çıkışlı bir yapay sinir ağı yapısı geliştirilmiştir. Model, K-katlı çapraz doğrulama analizleriyle değerlendirilmiş ve kritik performans göstergelerinde yüksek doğruluk sergilemiştir. Eğitim sürecinde, her çıktıya özel yapıda oluşturulan bağımsız ağlardan alınan ortalama tahminler kullanılarak modelin genelleme kabiliyeti güçlendirilmiştir. Model başarımı; Pearson korelasyon katsayısı (R), determinasyon katsayısı (R²) , kök ortalama kare hata (RMSE) ve ortalama yüzde hata (MAPE) metrikleriyle değerlendirilmiş ve tüm hedef çıktılar için yüksek tutarlılık elde edilmiştir. YSA modelinin yalnızca tahmin amacıyla değil, aynı zamanda optimizasyon sürecinde kullanılabilmesi için fonksiyonlar geliştirilmiştir. Bu fonksiyonlar, fiziksel kısıtlar ve standart tolerans aralıkları dikkate alınarak farklı geometrik kombinasyonları hızlı şekilde taramakta ve çok kriterli karar verme yaklaşımıyla optimum yatak geometrisini belirlemektedir. Böylece HAD tabanlı yüksek maliyetli optimizasyon döngülerine duyulan ihtiyaç azalmakta; tasarım süreci hem hız hem de doğruluk bakımından önemli ölçüde iyileştirilmektedir. Model çıktılarını rasyonalize etmek amacıyla uygulanan özgün duyarlılık analizinde; performans kazanımını ölçen İyileştirme Başarısı Katsayısı (Cpi) ve imalat toleranslarına karşı kararlılığı test eden Çözüm Hassasiyet Katsayısı (Spi) tanımlanmıştır. Bu analizler, performansa en çok katkı sağlayan kritik değişkenlerin izolasyonuna ve olası imalat hatalarının etkisinin belirlenmesine olanak tanımıştır. Böylece, elde edilen optimum çözümlerin endüstriyel uygulama için gerekli olan güvenilirlik ve sürdürülebilirlik kriterlerini karşıladığı ortaya konmuştur. Bu çalışma, hidrostatik yatak tasarımında sayısal analizler ile veri odaklı tahmin yöntemlerini birleştiren hibrit bir mühendislik yaklaşımı sunmakta olup; performansın kritik parametrelere bağlı olarak nasıl değiştiğini kapsamlı bir şekilde ortaya koymakta ve gelecekte yapılacak tasarım, iyileştirme ve otomatik optimizasyon çalışmalarına güçlü bir temel oluşturmaktadır.