İleri beslemeli ve elman geri beslemeli yapay sinir ağlarını kullanarak harmoniklerin kompanzasyonu

ÖZET Anahtar kelimeler: îleri beslemeli sinir ağı, Geri beslemeli sinir ağı, Hızlı geriye yayılım, Standart geriye yayılma, Harmonik bozulması, Aktif filtre, Güç kalitesi. Bu çalışmada harmonik dedeksiyonu için aktif filtre işlemlerinde iki gizli katmanlı ileri beslemeli ve Elman geri beslemeli sinir ağlan önerilmiştir. Bu amaç için tek gizli katmanlı ve iki gizli katmanlı iki tip sinir ağı kullamlmıştır. İlk adım olarak standart geriye yayılım ve hızlı geriye yayılım öğrenme algoritması ile üç katmanlı(giriş, gizli ve çıkış) bir ağ kullanılmıştır. Bu ağın gizli katmanında ve çıkış katmanında doğrusal olmayan aktivasyon fonksiyonu kullamlmıştır. Karşılaştırma yapabilmek için ağların çıkış nöronlarında lineer aktivasyon fonksiyonu kullamlmıştır. İkinci adım olarak hızlı geriye yayılım öğrenme algoritması ile dört katmanlı(giriş, iki gizli katman ve çıkış) bir ağ kullamlmıştır. Gizli katman ve çıkış katman nöronlarında sigmoid aktivasyon fonksiyonu kullanılmıştır. Eğitim ve test işlemlerinde, sinir ağlarının giriş sinyalleri, bir periyodluk bozulmuş dalgaların genlikleridir. Genliklerden zaman ekseninde düzenli aralıklarla 128 örnekleme sinyali alınmıştır. Genlikler hiçbir ön işleme tabi tutulmadan sinir ağlarının giriş sinyalleri olarak kullanılmıştır. Sinir ağımn bozulmuş dalgadan harmonikleri ayırabilmesi için öğrenmede bazı örnek bozulmuş dalgalan kullanması gerekmektedir. Bu bozulmuş dalgalar temel dalga içinde 5., 7., 11. ve 13. harmoniklerin bileşimlerinin kanştmlmasıyla oluşturulmuştur. Bu amaçla 5. harmonik 70%, 7. harmonik 40%, 11. harmonik 10% ve 13. harmonik 5% kullanılarak 2520 örnek bozulmuş dalga eğitim için oluşturulmuştur. Eğitim esnasında bozulmuş dalgalar tanıma için kullanılmıştır. Sinir ağlanmn performanslannı geliştirmek için 5. harmonik 70%, 7. harmonik 40%, 11. harmonik 10%, 13. harmonik 5%, 17. harmonik 5%, 19.harmonik 2.5%, 23. harmonik 2.5% ve 25. harmonik 2% kullanılmış ve yaklaşık 250 örnek bozulmuş dalga test setinde oluşturulmuştur. Eğitim tamamlandıktan sonra oluşturulan bozulmuş dalgalar test setinde tanıma için kullamlmıştır. Eğitim ve test safhasında oluşan tanıma sonuçlanna göre yapay sinir ağlan çıkışlannda alınan her bir çıkış girişteki bozulmuş dalganın içerdiği her bir harmoniğin değerim ifade etmektedir ve bu harmonikler bozulmuş dalgada aynştınlarak düzeltilir. Sonuç olarak ileri beslemeli ve Elman geri beslemeli yapay sinir ağlanmn harmonikleri bulmasının mümkün olduğu, bozulmuş dalgalan düzeltmesiyle doğrulanmaktadır. İleri beslemeli ve Elman geri beslemeli yapay sinir ağlanhın aktif filtreler için etkili bir şekilde kullanılabileceği gösterilmiştir. xxm