Hacimsel pikselleme yöntemi ile üç boyutlu nesne tanımlama ve gerçek zamanlı sonlu elemanlar analizi yapabilen derin öğrenme algoritması geliştirilmesi

Sonlu elemanlar analizi, yapıların fiziksel davranışlarını tespit etmek için bilgisayar ortamında tasarlanan ve belirli formülasyonlar ile çözülen simülasyon yöntemidir. Problemin büyüklüğüne veya karmaşıklığına göre hazırlık ve çözüm süresi artmaktadır. Sonlu elemanlar analizi için olması gerekenler, geometri ve sınır koşullarıdır. SEA'nın zor ve yorucu olmasının sebebi hazırlık aşamasının çok fazla girdi istemesidir. Ayrıca SEA yapabilmek için ileri düzeyde mühendislik bilgisi de gereklidir. Üç boyutlu yazıcı kullanımının artması da SEA'ya olan ihtiyacı arttırmıştır. Cep telefonu ve tabletlerin işlem gücünün gelişmesi ile sonlu elemanlar analizinin, girdiye ihtiyaç duymadan telefon kamerası ile yapılabilirliğinin mümkün kılınması adına altyapı oluşturulmuştur. Basit analizlerin otomatik olarak yapılabilmesi için derin öğrenme algoritmaları tasarlanmıştır ve eğitilmiştir. Hayatımızın her alanına giren yapay zekânın, sonlu elemanlar analizi alanında ne gibi çözümler sunacağı incelenmiştir ve gerekli yöntemler için farklı algoritmalar yazılmıştır. Bu çalışmada, görüntü işleme yöntemi ile, analiz edilecek parçayı tanımlayan ve malzemesini sınıflandırabilen bir algoritma oluşturulmuştur ve yüksek başarı oranı ile çalışmıştır. Üç boyutlu geometrilerin sınıflandırılabilmesi için özelleştirilmiş bir evrişimli sinir ağı tasarlanmıştır. Üç boyutlu geometrilerin sinir ağlarına öğretilmesi için katı pikselleme yöntemi kullanılmış ve sinir ağı başarı ile eğitilmiştir. Sonlu elemanlar analizinin hızlandırılması ve geometrilerin sınıflandırılarak SEA'ya girdi sağlaması için 3888 farklı analiz sonucu yapay sinir ağlarında eğitilmiş ve doğruluk oranları tayin edilmiştir. Sonlu elemanlar analizi ile çözüm süresi 48 saati geçen problemler, yapay sinir ağı ile 10 saniye içinde %91 doğrulukla sonuç vermiştir.