Elektrostatik sensör ile ölçülen sinyallerin makine öğrenmesi yöntemleri kullanılarak sınıflandırılması

Bu tez çalışması, multimodal sensörler ile pnömatik taşıma partiküllerinin akış karakteristiklerini ortaya çıkarmak amacıyla gerçekleştirilen sınıflandırma çalışmalarının teorik analizini ve deneysel doğrulamasını sunmaktadır. Çeşitli endüstriyel süreçlerin sürekli izlenmesi ve ölçülmesi amacıyla kullanılan multimodal sensörler, kömür santralleri, çimento, çelik ve gıda işleme gibi birçok endüstride yaygın olarak kullanılmaktadır. Veri odaklı çalışmada kullanılan multimodal sensör füzyonu, elektrostatik sensörlerin dizilmesiyle oluşturulan kanaldan veri toplamaktadır. Bu test düzeneğindeki her bir sensör için şimdiye kadar üzerinde en çok çalışma yapılmış halka şeklinde sensör elektrodu ile beraber, dört bölgeli alanı izlemek için yay şeklindeki elektrot boru iç çeperine akışa engel olmayacak şekilde yerleştirilmiştir. Elektrostatik sensörler, basit yapıları, maliyet etkinlikleri ve geniş bir kurulum koşuluna uygunlukları nedeniyle tercih edilmiştir. Bu çalışmada, iki fazlı pnömatik taşıma partikülleri beş farklı kütlesel akış oranına göre sınıflandırılmış, her sınıf için dört farklı hava hızı değeri ile gerçekleştirilmiştir.Elde edilen verilerden türetilen öznitelikler girdi değerleri olarak kullanılmıştır. Sonuç olarak, doğrusal sınıflandırmada kullanılan CVA ve SVM yöntemleri maksimum ortalama olarak sırasıyla \%46 ve \%43 sınıflandırma doğruluğuna ulaşmıştır. Ancak daha karmaşık süreçleri modelleyebilen CNN yöntemi, \%93.6 sınıflandırma doğruluğuna ulaşılabilmiştir.