594
Archived Theses
0
DOIs Assigned
0%
DOI Rate
Discipline
YGDA ara bağlantısı için da-da modüler çok seviyeli dönüştürücü tasarımı
Yüksek gerilim doğru akım (YGDA) güç iletim sistemleri, geleneksel yüksek gerilim alternatif akım (YGAA) güç şebekelerine kıyasla daha yüksek verimlilik, uzun mesafelerde daha fazla güç transfer kapasitesi, gelişmiş kontrol edilebilirlik ve açık deniz rüzgâr çiftlikleri gibi yenilenebilir enerji kaynaklarının sorunsuz entegrasyonu gibi önemli avantajlar sunmaktadır. YGDA sistemleri ayrıca işletme maliyetlerinden tasarruf sağlar, izole veya uzak şebekelere güvenilir güç iletimi sağlar ve asenkron güç şebekesi ara bağlantılarını kolaylaştırır. Farklı gerilim seviyelerine sahip YGDA güç sistemlerinin entegrasyonunu kolaylaştırmak ve şebeke esnekliği ile güvenilirliğini artırmak için gelişmiş DA-DA güç dönüştürücüleri topolojileri gerekmektedir. Bu çalışma, modern asenkron YGDA güç şebekelerinin ve bu modern YGDA güç sistemlerinin mevcut asenkron YGAA güç sistemleriyle entegrasyonu için elverişli bir çözüm sunan benzersiz bir DA-DA modüler çok seviyeli dönüştürücü (MÇD) mimarisi ortaya koymaktadır. Transformatörsüz yaklaşım, önerilen dönüştürücünün hacmini, ağırlığını, maliyetini ve güç kaybını önemli ölçüde azaltmaktadır. Önerilen DA-DA MÇD'nün ayrıntılı matematiksel modeli ve harmonik analizi elde edilmiştir ve benzetim sonuçları, asenkron şebekeler arasında başarılı çift yönlü güç transferini göstermektedir. Kontrol stratejisi, kararlı ve verimli güç akışı düzenlemesi sağlayarak YGDA güç şebeke entegrasyonu için önerilen DA-DA MÇD'nün etkinliğini doğrulamaktadır.
Gıda uyaranlarından elde edilen biyo-sinyallerin işlenerek obeziteye yatkınlık tespiti
Bu tezde, farklı vücut kitle indekslerine sahip katılımcılar görsel gıda uyaranlarına maruz bırakılırken kaydedilen 19 kanaldan alınan Elektroensefalografi (EEG) verilerini içeren benzersiz bir veri seti oluşturulmuştur. Ayrıca bu bireylere iki farklı yeme davranışı anketi uygulanmıştır. Elde edilen verilerle sınıflandırma ve regresyon işlemleri gerçekleştirilmiştir. Ana amaç, makine öğrenmesi ve derin öğrenme yöntemlerini kullanarak normal kilolu ve aşırı kilolu/obez bireylerin beyin sinyallerindeki farklılıkları sınıflandırmaktır. Çalışmanın ilk kısmında geleneksel makine öğrenmesi yöntemleri ile sınıflandırma işlemi yapılmış ve yüksek doğrulukta sınıflandırma sonuçları elde edilmiştir. İkinci kısımda ise derin öğrenme yöntemleri kullanılmıştır. Burada aşırı uyumu ve veri dengesizliğini azaltmak için tablo veri artırımı kullanılmıştır. Ek olarak, EEG özelliklerini görüntülere dönüştürmek için Denetimli Tabular Meta Öğrenme (SuperTML) yöntemi kullanılmış ve bu tür veriler için yeni bir uygulama olmuştur. Sınıflandırma sonuçlarında, DenseNet-121 ile T4 kanalında 0,97'lik bir oranla en yüksek doğruluk elde edilmiştir. Bölgesel olarak, temporal alanda en iyi ortalama doğruluk oranlarına ulaşılmıştır. Çalışmada ayrıca, katılımcıların anket yanıtlarına Random Forest, eXtreme Gradient Boosting (XGBoost), Light Gradient Boosting Machine (LightGBM) ve Oylama regresörü modelleri uygulanarak regresyon analizi yoluyla EEG verileri ile yeme davranışı arasındaki korelasyon araştırılmıştır. EEG verileri ile anketler arasında anlamlı bir ilişki tespit edilmiş ve LightGBM regresörü 0,966 R² değerine ulaşmıştır. Bu bulgular, mevcut literatüre kıyasla birçok açıdan üstün performans göstermektedir. Bu çalışma, derin öğrenme ve makine ağrenmesinin farklı vücut ağırlıklarına sahip bireylerde yeme davranışlarının altında yatan sinirsel mekanizmalara ilişkin anlayışa yeni bir boyut kazandırmakta ve bu alanda gelecekte yapılacak araştırmalar için sağlam bir metodolojik temel sunmaktadır.
Kesir-dereceli kaotik sistemler ile gömülü sistem tabanlı kriptoloji ve steganografi uygulaması
Bu tez çalışmasında, Arneodo ve Sprott B kaotik sistemleri Incommensurate kesir-dereceli olarak tasarlanmıştır. Sistemlerin denge noktaları bulunmuş, zaman serileri ve faz portreleri elde edilmiş ve Lyapunov üstel değerleri hesaplanmıştır. Parametre değişimlerine göre Lyapunov üstel spektrumları ve çatallaşma diyagramları çizilmiştir. Incommensurate kesir-dereceli sistemler Nvidia Jetson AGX Orin üzerinde modellenerek simülasyonlar yapılmış ve tasarlanan elektronik kart aracılığıyla devre uygulamaları gerçekleştirilmiştir. Bu kaotik denklemler Grünwald–Letnikov yöntemiyle ayrıklaştırılmış ve tez kapsamında önerilen RSÜ algoritması kullanılarak gömülü sistem tabanlı, özgün RSÜ tasarımı yapılmıştır. Tasarlanan RSÜ'ler, uluslararası alanda kabul gören NIST 800-22, FIPS 140-1 ve ENT istatistiksel testlerinden başarıyla geçerek şifreleme ve steganografi algoritmalarının geliştirilmesinde temel alınmıştır. Incommensurate kesir-dereceli kaotik RSÜ kullanılarak gömülü sistem tabanlı özgün bir görüntü şifreleme algoritması geliştirilmiştir. Her iki kaotik sistem temelli şifreleme algoritmasının başarımı, şifrelenen görüntülerin güvenlik analizleri yapılarak ölçülmüştür. Bu sayede hem Incommensurate kesir dereceli Arneodo (IKA) hem de Incommensurate kesir dereceli Sprott B (IKSB) kaotik sistemlerinin gömülü sistem tabanlı şifreleme uygulamalarında başarıyla kullanılabileceği gösterilmiştir. Ayrıca, tasarlanan RSÜ kullanılarak gömülü sistem tabanlı bir görüntü steganografi algoritması geliştirilmiştir. Geliştirilen steganografi uygulaması, iki seviyeli güvenliğe sahiptir. Her iki kaotik sistem temelli steganografi algoritmasının başarımı, stego görüntülerin güvenlik analizleri yapılarak ölçülmüştür. Bu sayede hem IKA hem de IKSB kaotik sistemlerinin, gömülü sistem tabanlı steganografi uygulamalarında başarıyla kullanılabileceği gösterilmiştir.
Dijital görüntü damgalama için akıllı yöntemler
daha sonra doldurulacaktır
Yenilenebilir enerji santralleri dahil olan güç sistemlerinde depolama teknolojilerinin kıyaslanması
Bu tez, hibrit enerji depolama sistemlerinin tasarımını, uygun batarya türlerini seçerek optimize etmeyi amaçlamaktadır. Bu sayede, enerji verimliliğini en üst düzeye çıkaran ve maliyetleri en aza indiren bir hibrit sistem geliştirilmiştir. Enerji depolama sistemleri, üretim ile tüketim arasındaki dengesizlikleri ortadan kaldırarak, enerji arzının sürekliliğini ve güvenilirliğini sağlamada kritik bir rol üstlenmektedir. Hibrit enerji depolama sistemleri, birden fazla enerji depolama teknolojisinin entegrasyonu ile daha verimli enerji yönetimi sunmakta, kısa vadeli yüksek güç taleplerini karşılamakta ve uzun vadeli enerji depolama kapasitesini sağlamaktadır. Bu sistemler, yenilenebilir enerji kaynaklarının kesintili doğasına karşı dayanıklılık sağlamak ve anlık enerji talep değişimlerini dengelemek amacıyla geliştirilmiştir. Bu çalışmada, lityum-iyon batarya, kurşun-asit batarya ve süperkapasitörlerin birleştirildiği hibrit enerji depolama sistemi tasarlanmıştır. Sistem bileşenlerinin elektriksel ve dinamik davranışları, MATLAB Simulink ortamında simülasyonla incelenmiş, enerji akışı, yük dengelemesi ve sistem kararlılığı gibi temel parametreler üzerinde analiz yapılmıştır. Elde edilen sonuçlar, süperkapasitörlerin yüksek güç gereksinimlerini karşılamak için kurşun-asit bataryaların entegrasyonunun sağlandığını, böylece süperkapasitör ihtiyacının %80 oranında azaldığını göstermektedir. Bu optimizasyon, sistem maliyetini düşürmüş ve sistemin kullanım ömrünü uzatmıştır. Ayrıca, kurşun-asit bataryaların kullanımı, maliyet düşüşünün yanı sıra enerji depolama verimliliğini artırmıştır. Bu tez, hibrit enerji depolama sistemlerinin yenilikçi potansiyeline dair önemli bulgular sunmakta ve gelecekteki çalışmalar için yeni optimizasyon fırsatlarına ışık tutmaktadır. Sonuç olarak, bu çalışma, sürdürülebilir ve ekonomik enerji çözümleri sunan hibrit enerji depolama sistemlerinin gelişimine katkı sağlamaktadır.
Gıdada tağşiş tespiti için görüntü işleme ve yapay zekâ yaklaşımları: Antep fıstığı örneği
Gıda güvenliği ve kalitesi, tüketici sağlığını korumak ve gıda endüstrisi açısından güvenilir bir ürün sunmak açısından kritik öneme sahiptir. Ancak, dünya genelinde gıda sahtekarlığı veya tağşiş sorunları, gıda endüstrisini tehdit eden bir sorun haline gelmiştir. Gıdalara kasıtlı olarak yabancı maddelerin eklenmesi veya düşük kaliteli malzemelerin kullanılması, tüketicileri yanıltarak sağlık riskleri ve güvenilirlik sorunlarına neden olmaktadır. Geleneksel yöntemlerle gıda tağşişinin tespiti karmaşık ve zaman alıcı olabilir. Ancak, son yıllarda görüntü işleme ve yapay zekâ teknikleri, bu soruna daha hızlı ve etkili bir şekilde yaklaşım sunmaktadır. Gıda sahtekârlığının tespiti ve gıda kalitesinin denetimi için görüntü işleme algoritmaları ve yapay zeka modelleri kullanmak, üreticilerin ve düzenleyicilerin daha hızlı ve doğru kararlar almasına yardımcı olacaktır. Bu tez çalışmasında, gıda endüstrisinde gıda tağşişinin tespit edilmesi için görüntü işleme ve yapay zeka tekniklerinin uygulanabilirliği Antep fıstığı örneği üzerinden tartışılmaktadır. Önerilen DenseNet modeli yoğun bağlantılara sahip bir derin öğrenme modelidir ve görüntü ile yapılacak çalışmalar için idealdir. Çalışmada tağşişli Antep fıstığı örnekleri elde edilerek fotoğraflanmış ve bu görseller görüntü işleme ile uygulanacak olan önceden eğitilmiş DenseNet modeli için hazırlanmıştır. DenseNet modeli eşsiz bir veri seti olan Antep fıstığı ve tağşişli örneklerini etkin bir şekilde sınıflandırmıştır.
Termoelektrik jeneratörler için izolesiz DC-DC çeviricilerin yüke bağlı davranışlarının incelenmesi
Termoelektrik jeneratörler (TEG) atık ısıların bulunduğu yerlerdeki sıcaklık farkını elektrik enerjisine çeviren yarıiletken materyallerdir. TEG'lerin verimlerinin düşük olduğu gerçeği göz önünde bulundurulduğunda, bunlardan maksimum gücün elde edilmesi büyük öneme sahiptir. TEG'lerden maksimum gücün elde edilmesi için maksimum güç noktası izleme (MPPT) algoritmaları kullanılır. Ayrıca TEG'lerin yüzeyleri arasındaki sıcaklık farkı sürekli değişken olduğu için üretilen gerilim değeri değişkenlik gösterir. Gerilim düzenlemesi ve MPPT için TEG'ler ile birlikte çeviriciler kullanılır. MPPT algoritmaları her çeviricide değişken yüklere bağlı olarak yeterli performansı sağlamaz. Bu çalışmada, izolesiz karıştır ve gözlemle (P&O) MPPT algoritmalı DC–DC yükselten, alçaltan ve alçaltan–yükselten çeviricilerin değişken yüklerdeki MPPT performanslarının benzetim ve deneysel çalışmaları yapılmıştır. Uygulamalarda ve benzetim çalışmalarında TEG sistemindeki P&O algoritmalı yükselten çeviriciye değişken yükler bağlandığında P&O algoritması TEG iç direnci ve üzerindeki yük direnci değerlerinde MPPT yapmıştır. TEG sistemine P&O algoritmalı alçaltan çevirici bağlandığında ve yük değerleri kademeli olarak değiştirildiğinde, yük değeri TEG iç direncine eşit ve altındaki değerlerde P&O algoritması MPPT yapmıştır. Sisteme alçaltan–yükselten çevirici ve buna değişken yükler bağlandığında, her değişken yükte P&O algoritması iyi bir MPPT performansı sergilemiştir. Benzetim çalışmalarında yükselten çeviricide MPPT hata oranı en az %5,16, alçaltan çeviricide %0,24 ve alçaltan–yükselten çeviricide %0,45 olmuştur. Benzetim çalışmalarındaki üç çeviricinin P&O algoritmasının yük değişimlerindeki oluşturduğu karakteristikler deneysel olarak doğrulanmıştır.
Biyogaz tesislerinde çoklu regresyon yöntemi ile enerji verimliliğinin ve verimlilik arttırma yöntemlerinin değerlendirilmesi
Toplumların yerleşik hayata geçmesi ve sanayi devriminin etkisi ile atık problemleri görülmeye başlanmıştır. Bu durum atıkların bertaraf edilmesi gerekliliğini ortaya koymuştur. Bu atıkların bertaraf edilmesi esnasında ortaya çıkan metan gazının en iyi şekilde değerlendirilmesi gerekir. Bu değerlendirme ile atıkların çevreye verdiği kirlilik ortadan kaldırılırken aynı zamanda elektrik enerjisi üretimi biyogaz tesislerinde gerçekleştirilmektedir. Bu tez kapsamında, İzmir ilinde bulunan 1,47 MW'lık 27 tane gaz jeneratörüne sahip 39,69 MW'lık Harmandalı Düzenli Atık Depolama Tesisi (DADT) verileri kullanılarak çoklu regresyon yöntemi ile enerji verimliliği ve verimlilik artırma yöntemlerinin değerlendirilmesi yapılmıştır. İlk olarak İzmir ilinin katı atık bertaraf tesislerine (KABT) getirilen atıkların karakterizasyonu çıkarılmıştır. Bu karakterizasyon neticesinde organik atıkların miktarları dolayısı ile biyokütle miktarları belirlenmiştir. 2022 yılı itibari ile KABT'lere gelen katı atıkların İzmir ili nüfusuna oranlandığında kişi başına düşen atık miktarı 1,27 kg/gün olarak hesaplanmıştır. Geometrik yöntem ile hesaplanan 50 yıllık nüfus projeksiyonuna göre 2072 yılında kişi başına düşecek atık miktarının 2,16 kg/gün olacağı ön görülmüştür. LandGEM (Landfill Gas Emissions Model / Deponi Gazı Emisyon Modeli) ile halihazırda depolanan ve depolanacak metan gazı miktarları ve deponi gazı bileşenleri tespit edilmiştir. Sonrasında Harmandalı DADT nezdinde yapılan çalışmada 1 ton çöpün yaklaşık 50-240 m3 arasında metan gazı oluşturduğu belirlenmiştir. 1 m3 metan gazının yaklaşık 2 kW elektrik enerjisi ürettiği görülmüştür. Harmandalı DADT'de 2020-2021 yıllarında üretilen elektriğin verimliliği çoklu regresyon analizi ile ay ay hesaplanmıştır. Hesaplamalarda gerçekleşen elektrik üretimi bağımlı değişken, tesise getirile çöp miktarı, çöp kapatılması ve serme süreleri ile gaz jeneratör arıza-bakım süreleri bağımsız değişken olarak belirlenmiştir. Belirlenen değişkenlerin optimum düzende olması elektrik enerjisi üretim verimliliğini %5-%10 arasında arttırmıştır. Gerçekleştirilen analizler ve yapılan hesaplamalar ile kurulması planlanan tesislerin maksimum verimde çalıştırılmasının yöntemleri sunulmuştur. Anahtar Kelimeler: Yenilenebilir Enerji, Biyogaz, Katı Atık, LandGEM, Çoklu Regresyon Analizi, Enerji Verimliliği
Sayısal görüntü işleme ve yapay zeka yöntemi ile son kullanıcı odaklı endüstriyel ürün tasarımı
Klima, iklimlendirme amacı ile yaygın olarak kullanılan bir sistemdir. İç mekân hava kalitesini artırmak, konforu sağlamak ve hava koşullarına uyumlu bir ortam oluşturmak amacıyla tasarlanmıştır. Yapay zeka ise, bilgisayar sistemlerinin karmaşık verileri analiz etmek, öğrenmek ve belirli görevleri yerine getirmek için insan benzeri akıl ve öğrenme yetenekleri kazanmasını sağlayan bir teknolojidir. Bu teknoloji, genellikle endüstriyel alanlarda üretim süreçlerini iyileştirmek için kullanılmaktadır. Son yıllarda ise günlük yaşamın pek çok alanında yaygın olarak kullanılmaya başlanmıştır. Geliştirilen yapay zeka destekli klima sistemi, bu iki önemli kavramı bir araya getirerek kullanıcı deneyimini optimize etmeyi amaçlamaktadır. Bu sistem, Raspberry Pi ve Pi kamera gibi yaygın ve düşük maliyetli bileşenlerle geliştirilmiştir. Yüz tanıma ve insan algılama gibi temel yapay zeka işlevleri kullanılarak çalışmaktadır. Yüz tanıma işlevi, Haar Cascade algoritması aracılığıyla gerçekleştirilir ve sistem tarafından tanınan kullanıcıların tercihlerine uygun şekilde klima ayarları otomatik olarak belirlenmektedir. İnsan algılama sistemi ise TensorFlow makine öğrenme kütüphanesi ve YOLO yapay zeka algoritması kullanılarak odadaki insan sayısını ve insanların bulundukları konumları tespit edebilmektedir. Böylece hava akışı optimize edilmekte ve klimadan üflenen hava doğrudan insanların üzerine gelmeden iklimlendirme daha konforlu bir hale getirilmektedir. Ayrıca sistem, odada belirli bir süre boyunca insan algılanmadığı durumda klimayı otomatik olarak enerji tasarruf moduna geçirir. Böylelikle enerji verimliliği sağlayarak sürdürülebilirliğe katkıda bulunmaktadır. Geliştirilen sistem, yalnızca iklimlendirme alanında değil, aynı zamanda enerji tasarrufu sağlama ve kullanıcı konforunu artırma açısından da önemli bir ilerlemedir. Bu çalışma, yapay zeka teknolojisinin sınırlı işlem gücüne sahip platformlarla bile günlük yaşamda yaygın olarak kullanılabilecek pratik uygulamalar için potansiyel taşıdığını vurgulamaktadır.
Afet sonrası süreçte bina–araç–bina yöntemiyle enerji esnekliğinin geliştirilmesi
Dünyada deprem, sel gibi yüksek etkili düşük olasılıklı olayların sık sık meydana gelmesi, güç sistemlerinde önemli hasarlara, elektrik kesintilerine yol açar ve son kullanıcılar için yaşam kalitesini olumsuz etkiler. Bu zorluklara yanıt olarak, son zamanlarda giderek daha fazla kullanılan Dağıtık Enerji Kaynakları (Distributed Energy Resources, DER) ve Elektrikli Araçlar (EA), afet sonrası dönemde evsel tüketicilere mümkün olduğunca enerji temini sağlama konusunda odak noktası haline gelmiştir. Ancak, şebekeye bağlı modda çalışan DER'lerin afet sonrası süreçte güç üretememeleri, EA bataryasının sınırlı enerjisi, evlerin enerji eksikliği yaşamasına ve düşük esnekliğe sahip olmalarına neden olur. Sonuç olarak, bu durumun farklı kaynaklara sahip evlerin sinerjik etkileşimi yoluyla ele alınması potansiyel bir çözüm olarak görülebilir. Bu nedenle, bu tezde, bir afetin ardından şebekeden ve birbirlerinden elektriksel olarak izole hale gelen iki evin sahip olduğu farklı kaynakların iş birliğine dayalı kullanımı yoluyla enerji esnekliğini artırmak için ayrıntılı bir Sinerjik Ev Enerji Yönetim Sistemi (S-EEYS) geliştirilmiştir. Evler arasında EA vasıtasıyla enerji transferine olanak sağlayan Bina-Araç-Bina (Building-to-Vehicle-to-Building, V2B2) teknolojisi, tasarlanan S-EEYS'ye entegre edilmiştir. Ayrıca önerilen algoritma, kullanıcıların refah düzeylerini dikkate alarak afet sonrasında sistemin konfor kaybı düzeyini en aza indirmeyi hedeflemektedir. Benzetim çalışması sonuçları, önerilen algoritmanın sistemin konfor kaybıseviyesinde en az %22.26 oranında azalma sağlayarak enerji esnekliğini önemli ölçüde artırdığını doğrulamıştır.
MOS-C tabanlı analog devre tasarımı
Analog filtreler, analog sinyallerin filtrelenmesi ve haberleşme alanında yoğunlukla kullanılırlar. Pasif filtre devreleri direnç, kondansatör ve bobin elemanları ile gerçekleştirilir. Aktif filtre devreleri ise başta OPAMP, OTA, OTRA, CCII ve DVCC gibi aktif devre blokları ile gerçekleştirilebilmektedir. Pasif devre elemanlarından olan direnç; ısı, güç tüketimi, kontrol edilebilirlik ve boyut gibi daha birçok sınırlayıcı dezavantaja sahip olmaktadır. Düşük frekanslarda çalışılmak istendiğinde ise yüksek değerlikli elemanlar kullanılır. Bu daha karmaşık devrelerde boyutsal olarak daha fazla alan kaplamasına neden olur. Bu durum aynı zamanda daha fazla güç tüketimine de neden olmaktadır. Bu dezavantajlar istenmeyen bir durumdur. Günümüzde aktif filtre devrelerinde kullanılan direnç ve kapasitör devre elemanları MOSFET ile tasarlanabilmektedir. Analog devrelerde direnç ve kapasitör elemanları yerine MOSFET yapılı direnç elemanı kullanılarak devre üzerindeki eleman çeşitliliği azaltılmış, daha düşük güç tüketimine sahip ve boyutsal anlamda daha verimli devreler tasarlanmış olmaktadır. Bu çalışmada, yukarıda bahsedildiği gibi direnç elemanının devrelerde sebep olduğu dezavantajların yok edilmesi amaçlanmaktadır. Direnç yerine MOSFET elemanın kullanılabilmesi için literatürde bulunan doğrusal olmayan terimlerin yok edilmesi için gerçeklenen devrelerden bahsedilmiştir. MOSFET kullanılarak elde edilen yapılara ait doğrusal olmayan terimlerin yok edilmesi teknikleri teorik olarak ifade edilmiş ve benzetim programı ile gözlemlenmiştir. Doğrusal olmayan terimlerin yok edilmesine ilişkin yöntemler için benzetim programı kullanılarak elde edilen çıktılar kıyaslanmıştır. Bu tekniklerin direnç elemanına daha eş değer olması için gerekli olan çalışma aralığı tespit edilmiştir. Farklı analog devreler üzerinde bu değerler kullanılmıştır. Bu devrelerde hem normal direnç elemanı hem de MOSFET temelli direnç elemanı aynı anda benzetim programı ile incelenmiştir. Benzetim sonuçlarına göre kıyaslamalar yapılmıştır.
Doğal afet sonrası canlı arama ve durum izleme için biyomimetik yaklaşımla modüler yılansı robot geliştirilmesi ve kontrolü
Doğal afetlerde ön tespit çalışmalarında teknolojik ekipman kullanımının oldukça sınırlı olması, insan iş gücüne olan ihtiyacın artmasına sebep olmaktadır. Bu durum afet yönetiminde insani duyguların da devreye girmesine yol açmaktadır. Bu durum bazı noktalarda çok yararlı bir özellik iken bazı durumlarda ise afet bölgesinde erişilebilir veya erişilemez noktalarda bulunan canlıların hayatlarını kaçınılmaz bir şekilde riske atabilmektedir. Riskli bölgelerde ön tespit çalışmalarında taşınabilir ve uzaktan kontrol edilebilir teknolojik ekipmanların yeterince kullanılamıyor olması arama-kurtarma ekiplerini de riske atabilmektedir. Diğer yandan afet bölgelerinde enkaz yığınlarının bazen öngörülemez ve asimetrik koşulları, arama-kurtarma ekiplerinin teknik kabiliyetlerini zorlaştırmakta ve bilinen teknolojik ekipmanların kullanımında da sınırlayıcı bir etki oluşturmaktadır. Tez çalışması kapsamında, afet bölgelerinde enkazda veya çökmek üzere olup enkazın ayakta kalan kısımlarındaki küçük boşluklardan ilerleyerek ön tespit çalışması yapabilecek, termal görüntüleme ve analiz yöntemlerini kullanarak afetzedenin konumunu ve mevcut durumunu kullanıcı arayüzü üzerinden arama-kurtarma ekibine iletecek bir biyonik yılan robot tasarımı geliştirilmesi hedeflenmiştir. Tasarımı gerçekleştirilen biyonik yılan robot, zorlu ortam koşulları göz önüne alınarak oluşturulmuş mekanik yapıya ve endüstriyel bilgisayar üzerinden kontrol edilen bir yazılıma sahiptir. Sekiz serbestlik dereceli olarak kinematik yapısı oluşturulan biyonik yılan robotun sürünme ve yanal hareket yapabilecek şekilde kontrol algoritması geliştirilmiştir. Bulanık mantık kontrol algoritmasında enkazın durumu; hasarsız, az hasarlı, orta hasarlı, şiddetli hasarlı, yıkılmış/çökmüş olarak etiketlenmiştir.
Isıtıcı radyatör sisteminin elektronik kontrolüne yeni bir yaklaşım
Dünya nüfusundaki artış ve makine kullanımının yaygınlaşması ile enerji verimliliğine yö-nelik çalışmalar gün geçtikçe önem kazanmaktadır. Avrupa Birliğinde ısınma için harcanan enerji, toplam harcanan enerjinin neredeyse yarısını oluşturmaktadır. AB stratejisi, 2050 yılına kadar iklim değişikliğinden en az etkilenen bir toplum elde etmeyi hedeflemektedir. Bu durumda ısınma sistemlerindeki enerji tasarrufu ve kontrol edilebilirliği artıran sistemler daha çok önem kazanmak-tadır. Yaygın olarak evlerde kullanılan bireysel kalorifer sistemleri(kombili) her odaya su hattı çekilerek birbirine paralel bağlı radyatörlerden oluşur. Kombi tarafından ısıtılan su kapalı sistemde devir daim edilerek ısı transferi sağlanır. Kombi aracılığıyla su sıcaklığı ayarı yapılabilir, fakat termostat kullanmayan sistemlerde ortam sıcaklığı ile ilgili bir geri bildirim yoktur. Yaygın olarak kullanılan oda termostatları ile ortam sıcaklığı kontrol edilebilmektedir. Ancak oda termostatları sadece bulunduğu alandaki sıcaklığı ölçer ve kombinin açılıp kapanmasını sağlar. Dolayısıyla ter-mostatlar radyatörleri ayrı ayrı kontrol edemez. Her radyatörün (odanın) sıcaklığını bağımsız ola-rak kontrol etmek için Termostatik Radyatör Vanalar'ı kullanılmaktadır. Bu pasif kontrol cihazla-rı, son kullanıcılar tarafından seçilen iç ortam sıcaklığı ayar noktasına göre radyatörlerdeki akışı düzenler. Birleşik Krallık'ta 35 bina üzerinde yapılan bir ankette termostatik radyatör vanalarının %65'inin, termal rahatsızlığa ve daha yüksek enerji tüketimine yol açtığı ve son kullanıcının yanlış kullanımı nedeniyle düşük performans gösterdiği gözlenmiştir. Bu projede, her radyatörün su akışı elektronik olarak kontrol edilecek ve su sıcaklığı iste-nen değere ulaştığında su akışı kesilecektir. Radyatörler üzerinde bulunan elektronik kontrol kartı, sıcaklık ölçümü ve kontrolü sağlamaktadır. Böylece, her odadaki sıcaklık diğer odalardan bağım-sız olarak istenen sıcaklığa ayarlanabilmekte ve merkezi bir elektronik ünite aracılığıyla takip edilebilmektedir. Radyo Frekansı ile sistem içi haberleşme ağı, sistem dışı uzaktan erişim ise Wi-fi bağlantısı ile sağlanmaktadır. Ayrıca sistemdeki sıcaklık değerleri internet üzerinden mobil uygula ile kontrol edilebilmektedir.
Elektrikli araç tahrik sistemleri için akım kaynaklı evirici tasarımı ve kontrolü
r satır boşluk - - Günümüzde elektrikli araçların (EV) yaygınlaşmasıyla birlikte, bu sistemlerde kullanılan güç elektroniği devrelerinin verimliliği, güvenilirliği ve kontrol edilebilirliği büyük önem kazanmıştır. Bu çalışmada, elektrikli araç tahrik sistemleri için alternatif bir çözüm olarak akım kaynaklı evirici (Current Source Inverter - CSI) temelli bir güç dönüştürücü mimarisi ele alınmıştır. Konvansiyonel gerilim kaynaklı eviricilerin (Voltage Source Inverter - VSI) bazı dezavantajlarına karşın, CSI yapısı özellikle yüksek güvenilirlik, doğal kısa devre koruması, motor akımının doğrudan kontrol edilebilmesi gibi avantajları ile öne çıkmaktadır. Tez kapsamında, kalıcı mıknatıslı senkron motor (PMSM) sürücüsü için CSI yapısı temelinde bir kontrol sistemi tasarlanmış ve buna uygun vektör kontrol (Field Oriented Control - FOC) algoritması geliştirilmiştir. Bu doğrultuda, sistemin matematiksel modellemesi yapılmış, Clarke ve Park dönüşümleri, d-q ekseninde akı ve tork kontrolü gibi temel teorik alt yapılar detaylı şekilde ele alınmıştır. Ayrıca, motor sargılarına uygulanan akımın düzgünlüğünü etkileyen akım dalgalanması (ripple), modülasyon indeksi ve indüktans değeri gibi parametreler analiz edilerek optimum çalışma koşulları belirlenmiştir. Simülasyon ortamında gerçekleştirilen analizlerde, önerilen CSI tabanlı kontrol sisteminin PMSM üzerinde başarılı bir şekilde çalıştığı, motor akım ve tork cevabının referans değerleri yüksek doğrulukla izlediği gözlemlenmiştir. Ayrıca sistemin farklı hız ve yük koşullarındaki kararlılığı da değerlendirilmiştir. Elde edilen sonuçlar, CSI tabanlı motor sürücülerinin elektrikli araç uygulamaları için verimli ve kontrol edilebilir bir alternatif sunduğunu göstermektedir. Bu tez, gelecekte yüksek verimli, düşük hacimli ve güvenilir sürücü sistemlerinin geliştirilmesine katkı sağlamayı hedeflemektedir. Anahtar Kelimeler: CSI , Motor Sürücüler , FOC , Sürücü Devre Tasarımı, PMSM Kontrol
Güç trafolarındaki plansız kesintileri önlemek için örnek bir kestirimci bakım tabanlı anomali tahminleme yöntemi geliştirilmesi
Elektrik dağıtım sistemlerinde güç transformatörlerinde meydana gelen arızalar, enerji sürekliliğini olumsuz etkileyerek müşteri memnuniyetinin azalmasına, işletme maliyetlerinin artmasına ve enerji arz güvenliğinin zayıflamasına neden olmaktadır. Bu durum, özellikle iklim koşullarına duyarlı altyapıya sahip bölgelerde daha kritik hale gelmektedir. Plansız arızaların büyük bir kısmının önlenebilir nitelikte olması, arıza gerçekleşmeden önce risklerin belirlenmesine ve bakım faaliyetlerinin proaktif bir yaklaşımla yürütülmesine duyulan ihtiyacı ortaya koymaktadır. Bu tez, İzmir ve Manisa bölgelerinde bulunan güç trafolarında hava durumu verileri, altyapı özellikleri ve geçmiş kesinti kayıtları kullanılarak plansız kesintilerin önceden tahmin edilmesine yönelik özgün bir yaklaşıma odaklanmaktadır. Çalışmanın temel amacı, güç transformatörlerinde oluşabilecek arızaları önceden belirleyerek bakım süreçlerinin daha etkin yönetilmesini sağlamak ve enerji arz güvenliğini artırmaktır. Literatürdeki çalışmaların çoğu, tek bir algoritma veya sınırlı veri kullanımıyla yürütülmekte olup kapsam açısından dar kalmaktadır. Bu tezde ise birden fazla makine öğrenmesi ve derin öğrenme algoritması karşılaştırmalı olarak değerlendirilmiş ve model performansları farklı optimizasyon teknikleri ile geliştirilmiştir. Çalışmada, 2021-2024 yılları arasında 34 güç trafosuna ait toplam 8.671 kesinti kaydı, bölgesel meteorolojik parametreler ve trafoya özgü teknik özellikler bir araya getirilerek kapsamlı bir veri seti oluşturulmuştur. Ön işleme sürecinde dengesiz sınıf dağılımı, aykırı değerlerin tespiti ve değişken seçimi gibi kritik adımlar uygulanmış; veri seti hem geleneksel makine öğrenmesi algoritmaları (XGBoost, LightGBM, CatBoost) hem de derin öğrenme tabanlı modeller (LSTM, GRU) üzerinde test edilmiştir. Model başarıları G-Mean ve ROC-AUC gibi metriklerle değerlendirilmiş; en yüksek performans gösteren modellerin hiper parametreleri Optuna tabanlı optimizasyon yöntemleriyle iyileştirilmiştir. Elde edilen sonuçlar, hava durumu verileri ile arıza riskleri arasında ne tür bir ilişki olduğunu ortaya koymuş ve mevsimsel etkilerin kesinti ihtimalleri ile ilişkilerini göstermiştir. Bu çalışma, elektrik dağıtım sistemlerinde kestirimci bakımın etkinliğini arttırmaya yönelik, kesinti sürelerini azaltacak ve enerji sürekliliğine katkı sağlayacak önemli bir referans niteliği taşımaktadır.
M-BUS haberleşme protokolü ile yeni bir, kalorimetre okuma ve faturalandırma yazılımı
Dünya nüfusunun artması ile insanların barınma ihtiyaçlarında nüfus artışına bağlı olarak doğru orantılı bir artış göstermektedir. Ülkemizde de bu barınma ihtiyaçlarından doğan konut tipi coğrafi bölgelere göre çeşitlilik kazanmaktadır. Kanun koyucu kentleşmenin doğurması muhtemel olumsuzluklarından olan çevre sorunlarını minimize etmek, kaynakları tasarruflu kullanmak, dışa bağımlılığı azaltmak ve tüketiciyi korumak gibi amaçlarla belirli büyüklükteki binalarda merkezi ısıtma sistemini zorunlu hale getirmiştir. Nüfusun yoğun olarak yaşadığı il ve ilçe yerleşim yerlerinde insanların müstakil konut yerine siteler de yaşamaya başlaması beraberinde toplu yaşamın gerektirdiği bazı zorunlulukları da beraberinde getirmiştir. Bunlar bir tanesi de merkezi ısınma sistemidir. Bu zorunluluklar beraberinde merkezi sitemde kullanılan enerjinin nasıl ölçüleceği nasıl adaletli bir şekilde pay edilmesi gibi sorunlar birçok firmanın bu alanda çalışmalar yapıp kalorimetre ve fatura paylama programları geliştirmiştirler. Bu tez çalışmasında veri toplama ve işlemeyi kolaylıkla yapılabilen, milyonlarca mühendisin ve bilim adamının kullandığı grafiksel programlama dili olan LabVIEW ve ölçüm cihazlarının haberleşmesi için geliştirilmiş bir standart olan M-BUS protokolünü kullanarak yeni bir akıllı sayaç okuma ve okunan değerlerin işlenmesi ve anlamlaştırılması sağlanarak faturalandırma programı geliştirmektir. Bu konularda birçok firma ticari faaliyetlerde bulunmakta olup farklı yöntem ve programlama dili kullanarak kendi faturalandırma programlarını geliştirmektedirler. Bu tez çalışmasına iten neden ise LabVIEW programlama dilinin görsel bir dil olması ve veri toplama işlem yapabilme yeteneğinden de faydalanılarak programda grafiklerle desteklenebilmesi, arıza durumlarının tespitinin kolaylığı ve kolay programlama yazılımı olmasının verdiği avantajları kullanarak daha düşük maliyetli ve özgün bir ara yüz ortaya koyup geliştirilmeye açık sektöre yeni bir program kazandırmaktır.
Termoelektrik jeneratörler için bulanık kontrol yöntemi tabanlı maksimum güç noktası izleyici algoritması
Günümüzde dünya nüfusunun artması sebebiyle doğan enerji ihtiyacını karşılamak ve enerjiyi verimli kullanmak için alternatif çözümler aranmaktadır. Termoelektrik jeneratörler (TEG) atık ısıyı elektrik enerjisine çevirerek sürdürülebilir enerji çözümünün parçasıdır. Ancak verimlilikleri düşük olduğundan hem en iyi verim ile çalıştırılabilmesi hem de güç regülasyonu için maksimum güç noktası takibi (MPPT) algoritmasının DC-DC konvertörler ile kullanılması gerekir. TEG'ler yapısı gereği ürettiği enerji sıcaklık farkına bağlı olduğundan sıcaklık değişimleri güç çıkışlarını etkilemektedir. Bu sebeple güç regülasyonu için DC-DC çeviricilere ihtiyaç duyarlar. Güç regülasyonu ve MPPT uygulamalarında akım, gerilim ve güç takibi yapılmaktadır. Bu çalışmada, TEG'in MPPT uygulaması için bulanık mantık kontrol (FLC) yöntemi kullanılmış ve temel MPPT algoritması olan karıştır ve gözlemle (P&O) algoritması ile performansı karşılaştırılmıştır. TEG'den çıkan değişken gerilim, tasarlanan senkron DC-DC yükselten çevirici ile artırılarak bataryaların şarj edebileceği 26,8 V değerine çıkartılmıştır. Bunun için DC-DC yükselten çeviricinin tasarımı LTspice programında tasarlanıp analiz edilmiş ve KiCAD programında baskı devre kartı (PCB) tasarımı yapılarak prototipi gerçekleştirilmiştir. Tasarlanan sistemin simülasyonları Kyroterm TGM-199-1.4-0.8 TEG modülünün modeli kullanılarak MATLAB/Simulink ortamında test edilmiştir. Simülasyonda kullanılan TEG modeline sistem için tasarlanan senkron DC-DC yükselten çevirici eklenerek bu çeviricinin çıkışına birim zaman içerisinde değişen yük direnci eklenmiştir. Tasarlanan simülasyon modeli ile FLC yöntemi ve P&O algoritması başarılı bir şekilde çalıştırılmıştır. Sistemin deneysel kurulumunda TEG ile batarya arasına senkron FLC MPPT algoritmalı yükselten DC-DC çevirici eklenmiştir. Bataryaya üç adet yük tasarımları ve prototipleri gerçekleştirilen DC-DC alçaltan çevirici kullanılarak sistem çalıştırılmıştır. Kurulan senkron DC-DC yükselten çevirici hem P&O hem de FLC MPPT algoritmaları ile çalıştırılmıştır. FLC MPPT algoritmalı senkron DC-DC yükselten çevirici %95'e varan verimlik ile çalıştırılmıştır.
Dinamik yük koşulları altında elektrıkli forkliftlerde lityum-iyon bataryaların şarj durum tahmini ve performans analizi
Bu çalışma, elektrikli forklift uygulamalarında kullanılan Li-ion bataryaların şarj durumu (SOC) tahmini için farklı yöntemlerin karşılaştırmalı analizini sunmaktadır. Geleneksel kurşun-asit bataryalardan farklı olarak Li-ion teknolojisinin çok daha hızlı şarj, bakım gerektirmeme ve uzun döngü ömrü gibi avantajları bulunmaktadır. Bu nedenle, bu bataryaların etkin kullanımı ve güvenli çalışması için Batarya Yönetim Sistemleri (BYS) hayati öneme sahiptir. Bu tezde, farklı SOC tahmin yöntemleri (OCV, Coulomb Counting, EKF, UKF, AEKF) hem saha testleri hem de MATLAB/Simulink ortamında gerçekleştirilen simülasyonlar aracılığıyla analiz edilmiştir. Gerçekleştirilen testlerde VDI 2198 standardı baz alınarak özelleştirilmiş bir parkur kullanılmış ve 51.2V 554Ah LFP batarya ile çalışan bir forklift kullanılmıştır. Test sırasında akım, gerilim, sıcaklık ve SOC gibi parametreler anbean izlenmiş ve istatistiksel hata metrikleri (MAE, RMSE, MAPE) kullanılarak yöntemlerin başarısı değerlendirilmiştir. Sonuçlar, model tabanlı ve hibrit yöntemlerin geleneksel yöntemlere göre daha başarılı olduğunu göstermiştir. Bu çalışma, elektrikli forkliftlerde Li-ion teknolojisine geçiş sürecinde doğru SOC tahmini için karar vericilere teknik altyapı sunmaktadır. Anahtar Kelimeler: Forklift, şarj durumu, SOC tahmini, Li-ion batarya, BYS, Kalman filtresi
Otomotiv uygulamaları için 45 W çift çıkışlı tip-C buck dönüştürücü tasarımı ve şarj uygulaması
Bu çalışma, otomotiv uygulamaları için 45 W gücünde USB Tip-C Güç Kaynağı dönüştürücünün tasarım, benzetim, prototip ve test aşamalarını kapsamaktadır. Sistem, 9-16 V giriş aralığından 5 V, 9 V ve 12 V Güç Kaynağı profillerini sağlayabilen, MPQ4230 dönüştürücü ve MPQ5031 Güç Kaynağı denetleyiciye dayalı buck-boost topolojisi ile gerçekleştirilmiştir. Tasarım sürecinde ayrıntılı devre analizleri, baskılı devre kartı (PCB) yerleşim çalışmaları ve AEC-Q100 gibi otomotiv standartlarına uyumluluk dikkate alınmıştır. Çalışmada, otomotiv elektriksel geçişlerini karşılayacak giriş filtreleme yapıları, güç dönüştürme katmanının optimizasyonu ve USB GÜÇ KAYNAĞI protokolünün uygulanmasına yönelik süreçler ayrıntılı şekilde ele alınmıştır. Benzetim sonuçları ve laboratuvar test bulguları, tüm GÜÇ KAYNAĞI profilleri için çıkış geriliminin ±%1 doğrulukta regülasyon sağladığını, verimin %93'ün üzerinde olduğunu (9 V / 3 A çıkışında %94,5'e ulaştığını) ve yük geçiş tepkisinin 500 μs'nin altında gerçekleştiğini göstermektedir. Termal performans testleri ise tam yük koşullarında MOSFET sıcaklığının 30°C, endüktör sıcaklığının ise 32°C'nin altında kaldığını ortaya koymuştur. Bu tasarımın özgün yönü, otomotiv sınıfı bileşenlere odaklanması ve katı EMI/EMC gereksinimlerine uyum sağlamasıdır. Ayrıca, araç ortamında yüksek güçlü USB-C şarj yeteneklerinin entegrasyonu sırasında karşılaşılan motor çalıştırma anındaki gerilim düşmeleri ve alternatör kaynaklı gürültü gibi sorunlar da ele alınmıştır. Dinamik yük paylaşımı ve çoklu USB-C port desteği, sistemin araç içi bilgi-eğlence sistemleri ve mobil cihaz şarj uygulamaları açısından esnekliğini göstermektedir. PCB yerleşiminde termal yönetim ve EMI azaltımına yönelik tekniklerin ayrıntılı analizi ise yüksek güç yoğunluklu tasarımlar üzerinde çalışan mühendisler için değerli bir katkı sunmaktadır. Anahtar Kelimeler: AEC, Otomotiv Elektroniği Konseyi, DC-DC Kıyıcılar, Dört Switch Buck-Boost Topolojisi, ECU
Şebekeye bağlı fotovoltaik güneş enerji santralinin benzetimi ve makine öğrenme algoritmaları ile enerji üretim tahmini
Bu tez çalışmasında, İzmir Kemalpaşa ilçesinde kurulu olan şebekeye bağlı bir fotovoltaik (PV) güneş enerji santralinin (SPP) elektrik enerjisi gerçek üretim değerlerinin simülasyon ortamında elde edilen verilerle karşılaştırılması ve bu karşılaştırma doğrultusunda sistemin verimliliğini artırma yöntemlerinin geliştirilmesi amaçlanmıştır. Avrupa Komisyonu tarafından geliştirilen PV Coğrafi Bilgi Sistemi (PVGIS) yazılımı ile elde edilen güneş ışınım verileri kullanılarak mevcut sistemin "solarVis" simülasyon yazılımında modellenmesi gerçekleştirilmiştir. Sonrasında elde edilen simülasyon çıktıları ile gerçek üretim verileri karşılaştırılarak sistemin üretim tutarlılığı analiz edilmiştir. Ayrıca, PV sistem verimliliğini etkileyen; panel eğim açısı, yön, hücre gölgelenmesi ve tozlanma gibi çeşitli parametreler değerlendirilerek bu parametrelerin sistem üzerinde nasıl bir etki yarattığı belirlenmiştir. Çalışmanın ikinci aşamasında, mevcut sistemin üretim verileri ve meteorolojik veriler kullanılarak K-En Yakın Komşu, Doğrusal Regresyon, Karar Ağacı, Destek Vektör Makineleri, Topluluk Yöntemleri ve Gaussian Süreçleri makine öğrenme algoritmaları uygulanmıştır. Bu algoritmalar yardımıyla ileriye dönük üretim tahminleri gerçekleştirilmiş ve algoritmaların tahmin doğrulukları analiz edilerek en uygun yöntem belirlenmiştir. Bu kapsamda yapılan bu çalışma, hem PVSPP'lerin fiziksel verimliliğini artırmak hem de üretim tahminlemesinde yeni yöntemlerin uygulanabilirliğini göstermek açısından önemli katkılar sunulmuştur. Anahtar Kelimeler: yenilenebilir enerji, enerji, güneş enerji santrali, fotovoltaik güneş enerji santralleri, makine öğrenmesi
Adaptive neuro-fuzzy inference systems based estimation of photovoltaic cell parameters using data set obtained outdoor measurements of photovoltaic module
Solar energy, which will play an important role in energy supply in the near future, is the primary energy source among renewable energy sources. Recently, solar energy systems have become one of the most interesting topics due to their many advantages. By using experimental data, to extract the parameters of photovoltaic (PV) panels which is a solar energy system plays an important role in the design, evaluation and efficiency of PV panels. In this context, studies on obtaining different operating conditions and performance characteristics of PV panels have increased remarkably in recent years. In this study, unknown parameters of single diode model equivalent circuit, also known as five parameter models of photovoltaic cell; photo current (I_ph), diode saturation current (I_0), diode ideality factor (n), serial resistance (R_s) and parallel resistance (R_p) were tried to be estimated with ANFIS using experimental data. Manufacturer datasheet information and ANFIS output results are compared in the MATLAB/Simulink environment; I-V and P-V characteristics have been obtained. Simulation results showed that the use of ANFIS in the extraction of unknown parameters of the PV module is a useful tool. Key words: PV Model, Parameters of PV Cell, ANFIS
Weed detection and classification using deep learning
CNN can solve miscellaneous complications in several applications suchlike manufactures, robotization, sustainable environment, and medical processes. Except for these areas, precision agriculture according to plant crop management is another essential domain. It must detect and restrain weeds in their early growth stages to accomplish plant crop management. Non-chemical weeds control is a crucial aspect of sustainable organic agriculture. This thesis explores the state-of-the-art deep learning algorithm and proposed a novel and simple convolutional network for weeds detection referred to as CovWNET to detect and classify crop and weeds species. Along with this, transfer learning is implemented with conventional benchmark models in order to compare their performance with the proposed model. CovWNET has the second smallest size among the implementations compared in this study. It has roughly 1.5 times more parameters; however, it achieves 2.8% more accuracy as compared to the smallest network, MobileNetV2. Correspondingly, CovWNET has approximately seven times lesser number of parameters, and 1.7% less accuracy compared to the most accurate model of DenseNET. Performance metrics of precision, recall, F1-score, and support, are employed to evaluate the overall performance of each class of the dataset. Keywords: Deep leaning algorithm, Convolutional neural network, CovWNET, Transfer learning architecture, Weed's classification and detection.
Otonom araçlar için 2D LIDAR ve stereo kamera kullanarak engel tespiti ve kaçınma sistemi tasarımı
Bu tezde, NVIDIA Jetson X2 , LİDAR, ve ZED Kamera ile engelleri tespit etmek, otonom aracın çevresini haritalamak ve yol planlaması için derin öğrenme yöntemleri uygulanarak bazı yazılımlar geliştirilmiştir. Aracın işletim sistemi Linux tabanlı işletim sistemidir (Ubuntu). NVIDIA'nın JetPack yazılım paketi yüklenerek bu işletim sistemine CUDA, VisionWorks ve OpenCV yazılımları yüklenecektir. LIDAR ve kameranın çalışması için sürücüler yüklenecektir. Mobil robotların simülasyonu ve kontrolü için Robot İşletim Sistemi (ROS) ve ZED stereo kamera yazılım desteği için ZED SDK yüklenecektir. Bu çalışmada, Lidar ve stereo kamera ile otonom araç tasarımı için Hector Slam Haritalama ve 3 farklı Yol Planlama Algoritması kullanılmıştır. Rviz'de haritalama uygulaması yapılarak anlık olarak Lidar'dan harita bilgelrinin çekildiği gözlenlemiştir ve yol tahmini kullanılarak bir sonraki konum belirlenebilmiştir. Son olarak Gazebo simülasyon aracı ile başlangıç ve bitiş noktaları arasında test ve simülasyon yapılarak, 3 farklı algoritmanın yol planlamasını farklı bir güzergahta gerçekleştirdiği gözlemlenmiştir ve sonuçları karşılaştırılmıştır. Anahtar Kelimeler: Nesne Algılama, Otonom Araç, Yol Planlama, Hareket Kontrolü , Derin Öğrenme
Development of a multimodal participation assessment system for upper limb rehabilitation
In conventional and robotic rehabilitation, the patient's active participation in exercises is crucial for obtaining maximum functional outputs received from therapy. In rehabilitation exercises performed with robotic devices, the difficulty levels of therapy tasks and the device assistance are adjusted based on the patient's therapy performance to improve active participation. However, the existing therapy performance evaluation methods are based on either some specific device designs or certain therapy tasks, which reduces their widespread use. Hence, there is a requirement to develop an independent performance measurement system. In this thesis, a patient performance evaluation method is proposed based on a multimodal sensor fusion formed by the trajectory tracking error signal and the patient's physiological responses (heart rate and skin conductance) during the upper extremity rehabilitation. The novelty of the system is assessing the patient's performance independently from any device designs or therapy tasks. The developed system also evaluates the patient's tiredness and slacking, which are substantial factors affecting the therapy performance. The designed system is tested with healthy subjects and clinically with frozen shoulder syndrome patients. The experimental results showed that the proposed system evaluates subjects' participation successfully and adjusts the therapy tasks and difficulty levels of tasks according to subjects' performance and tiredness.
A sentence boundary detection system for Turkish textual documents
This study aims to design a high-performance method for sentence boundary detection in accordance with its own language structure in order to increase the prevalence of Turkish in the digital world. When general-purpose sentence boundary detection applications were tested on corpora containing different usage patterns of Turkish, it was observed that these applications remained at low success rates. In the study within the scope of the thesis, a hybrid method is proposed by combining the FP-Growth method, which is used to generate association rules, and Recurrent Neural Network (RNN) methods. A set of features has been obtained, in which suffix and POS tag information are used together, as well as some formal rules for the tokens before and after the possible end-of-sentence character. Then, this data set was tested with RNN methods such as LSTM and BiLSTM in the Turkish National Corpus (TNC) sub-corpus. In general-purpose applications, it was observed that the f-score value, which was 77% in the tests performed with the same data set, reached 96% with the proposed method. Within the scope of the study, it was observed that the success reached similar values in different Turkish corpora. In addition, in the study, it was concluded that the POS tag information and suffix structures of the tokens for Turkish play an important role in the detection of the boundary of a sentence. Keywords: Sentence Boundary Detection, Recurrent Neural Network, FP-Growth, Turkish Natural Language Processing, Corpus Annotation, Grammatical Cues
Smart trailer system with driver behaviour recognition and 360-degree surround view camera
Driver safety has always been an essential subject for humanity, and technology has improved continuously in the twenty century. New technologies for driver safety have started to develop in-car technologies. Even though the technologies are increasing and significant motor-vehicle fatalities are decreasing on motorways, driver safety still plays a big part in the automotive industry. This study intends to provide a new dataset and an effective method for driver behavior recognition based on driver behavior with a machine learning model named YOLOV5. Furthermore, a 360-degree blank spot surround-view camera system was also integrated into the study to increase driver safety. Due to advanced technology giving a chance to imply a better plan, using these systems may prevent traffic accidents much more rather than not using them at all. The image recognition model used in this study is YOLOV5 (You Only Look Once Version 5). This model is implemented the driver image data provided from KOE (Koluman Otomotiv Endüstri). Different parameters are used to determine the results. The selected metrics are mean averaged precision, precision, recall, classification, and essential other metrics. With the evaluation of the object behavior model's accuracies, this paper aims to determine the effectiveness of driver behavior recognition using the YOLOV5 model. Image processing methods used in this study are from OpenCV libraries. This library function is implemented to the taken image from fisheye lens cameras, and calibration methods are used for better results. Key words: Machine Learning, Image Processing, Driver Behavior Recognition, Surrond View, Artificial Intelligence
Optimal design of a hybrid PV-Battery System for on-grid applications
Photovoltaic (PV) systems with integrated battery energy storage systems (BESs) play a crucial role in promoting energy efficiency, sustainability, and the use of renewable energy sources. The main aim of this study is to develop an artificial neural network (ANN) based maximum power point tracking (MPPT) method that eliminates the drawbacks of conventional perturb & observe (P&O) and incremental conductance (INC) MPPT methods. Moreover, an optimal operation of the grid-connected hybrid PV-BES system is presented by considering the real atmospheric data taken from the Turkish State Meteorological Service. MATLAB/Simulink is used to design and test the constructed 12 kW PV system with 10 kWh capacity BES. In this study, a scenario is created for all operating modes of the hybrid system. The solar irradiation curve of a-determined day is created from the real meteorological data of Tarsus/Mersin. In addition, simulation results for constant irradiation values as 1000 W/m2 and for 500 W/m2 at 25°C are analyzed separately. It is observed from the simulation results that the presented ANN-based MPPT method gives better total harmonic distortion (THD) results than conventional MPPT methods for variable atmospheric conditions and all operating modes of the system. Especially at low irradiance values, the ANN-based MPPT illustrate better performance values for parameters such as efficiency, THD, and tracking capability. Keywords: Battery Energy Storage System (BESs), Total Harmonic Distortion (THD), ANN-Based MPPT, Grid Connected Hybrid Systems.
Deep learning-based daily solar irradiation prediction for Adana region
Nature suffers because of the negative effects and insufficiency of fossil energy resources such as oil, coal, and natural gas, which is why renewable energy generation has received significant attention. To replace harmful fossil fuels with clean, safe, and sustainable energy, the photovoltaic (PV) market has grown rapidly in the last decades. A high-accuracy daily solar global horizontal irradiation (GHI) prediction model is a critical tool for the operation, maintenance, and optimization of PV systems so that developing an intelligent and robust GHI prediction model has become one of the most captivating topics among researchers in recent years. In this thesis, meteorological data of Adana region were obtained from MERRA-2 via introducing calendar data, then the dataset was wrangled to treat missing and erroneous data by using Python programming language in order to form a cleansing dataset that is normalized and split into 80% and 20% for training and testing dataset respectively. Moreover, four different feature selection scenarios were created depending on Pearson's correlation and the threshold limits were specified as 0, 0.10, 0.25, and 0.5. After day-head GHI prediction models were carried out using different deep learning-based models with a statistical and a traditional artificial neural network algorithm, namely multiple linear regression (MLR), multilayer perceptron (MLP), recurrent neural network (RNN), long short-term memory (LSTM), gated recurrent unit (GRU), bidirectional LSTM, and bidirectional GRU. The prediction results were evaluated by utilizing a variety of performance metrics, including R-squared (R2), normalized mean absolute error (nMAE), mean absolute percentage error (MAPE), and normalized root mean squared error (nRMSE). The Bi-LSTM model has been observed to outperform the other models in terms of R2 (85.495%) and MAPE (19.901%). Key Words: Daily Global Horizontal Irradiation Prediction, Deep Learning, Recurrent Neural Networks, Long Short-Term Memory, Gated Recurrent Unit, Adana
Analysis of leukemia cancer classification with supervised machine learning and deep reinforcement learning based on gene expression monitoring (via DNA microarray)
Cancer is a progressively common risk that endangers human health around the globe, and an early diagnosis necessitates a positive prognosis. A substantial quota of the world population dies because of cancer, and the research community is alarmed that by 2025 a probable increase of cancer cases will reach a staggering 25 million cases. Several studies have already proven cancer genesis is mostly supported by an accretion of dangerous mutations, amplifying the recognition of cancer based on genome information. Moreover, according to health practitioners, cancer has been stated as one of the most lethal illnesses of the genome. It has been the pivot of research by doctors, pathologists, biologists, data scientists, and other life science and health professionals as it is a need of the hour to have an advanced automated method that can quickly identify cancer and its subtype, i.e., Acute Lymphocytic Leukemia (ALL) and Acute Myelocytic Leukemia (AML). This research aims to identify leukemia cancer subclasses using DNA Gene Expression. Much research can be found using gene expression data in the cancer classification domain. All the research can be categorized into four major categories: traditional data mining methods, Deep Learning (DL) methods, ML methods, and Classification using Deep Reinforcement Learning (RL); the most famous datasets are The Cancer Genome Altus and The Gene Expression Dataset. However, most of the literature utilized one type of model or some combination of different models. To the best of our knowledge, the optimal compassion of Machine Learning (ML) models, DL models, and Deep-RL models are still unknown or unavailable in one place. This thesis aims to explore and implement the models based on ML, DL, and Deep-RL and provide a comparative analysis. A comparative analysis of the three feature selection techniques was performed to show the importance of feature selection in Leukemia cancer prediction. Based on the analysis result, Logistic Regression (LR) gave the highest accuracy of 97% with the raw dataset, while with PCA version of the dataset Support Vector Machine (SVM), Gaussian-NB, and LR obtained an accuracy of 91.%. Furthermore, with the Random Forest (RF) importance dataset version, SVM achieved higher accuracy of 97% along with lasso regularization dataset version of DNN performed well and obtained a higher accuracy of 97%. Out of six different Deep-RL models with PCA dataset, model-3,5,6 achieved better accuracy of 88.24%. Although the PCA version of six Deep-RL configurations, model-1 reached an AUROC value of 72, which is higher than any non-PCA (raw dataset) version of six Deep-RL models. Moreover, with RF importance dataset out of six different configurations of Deep-RL model 6 obtained higher accuracy of 88.24%, and with lasso regularization dataset version six different configurations of Deep-RL model 1 achieved higher accuracy of 73.53% Keywords: Deep Reinforcement Learning, Deep learning, Machine Learning, Gene Expression; Leukemia Cancer Classification; PCA; Random Forest Importance, Lasso Regularization
A novel approach to the solution of diffraction problem for the strip
The development of numerical methods for solving scattering problems has been dependent advancement in computer technology. Unlike analytical methods, numerical approaches, relying on matrix inversion, are often perceived as less intricate, although their effectiveness is limited by computer capacity. Both analytical and numerical methods come with drawbacks and constraints. Notably, when dealing with high-frequency sources or large electromagnetic structures, extensive discretization is necessary, posing challenges in achieving desired accuracy. Analytical methods, meanwhile, are typically applicable to a finite range of geometries. Hence, hybrid methods that amalgamate the strengths of both analytical and numerical approaches have emerged to tackle these issues. In our thesis, we utilize a hybrid method inspired by Veliev's prior research to explore an efficient alternative for solving a specific class of integral equations. This novel approach is anticipated to streamline calculations, expedite processing, and extend applicability across various materials, surpassing the capabilities of existing methods in the field. Our research focuses on resolving the two-dimensional thin strip diffraction problem using this innovative approach, which combines analytical and numerical techniques. Furthermore, we delve into a detailed examination of the current distribution on the two-dimensional thin strip under 0 and 1 fractional order limits, leveraging simulations to derive insights. The resultant near-field and far-field distributions hold promise for application in antenna design or devices aimed at directing electromagnetic waves.
Design of a hybrid MPPT method for PV systems under partial shading conditions
Nowadays where the world population is increasing rapidly, it is important to discuss the importance of limited resources along with the advancement of industry and technology. In recent years, the energy demand has been at an unprecedented level, leading humanity to seek new and inexhaustible resources. The fact that solar electricity production depends on factors such as solar radiation, temperature, and shading has led researchers to seek maximum utilization of this energy. Partial shading conditions on solar panels in particular have been one of the important factors that reduce the efficiency of photovoltaic systems. Various Maximum Power Point Tracking (MPPT) algorithms have been developed to prevent power losses due to weather conditions and partial shading. These algorithms aim to keep the system at the maximum power point by monitoring the current and voltage irregularities that occur in solar energy production. The aim of this thesis is to examine the MPPT methods, to compare various features and to develop a new hybrid method based on Perturb and Observe and Particle Swarm Optimization. In the study, a hybrid MPPT method is developed by using MATLAB/Simulink environment. The proposed method was tested under different irradiation level irradiance values of 1000 W/m2, 500 W/m2, 600 W/m2, 900 W/m2 and 800 W/m2, respectively. In addition, the developed algorithm was compared with various MPPT methods and the obtained results were examined in detail. It was concluded that the applied method was an efficient method in terms of convergence speed, tracking accuracy, and fluctuations for partial shading situations.
RISC processor design on FPGA and BMS application
Fast calculations within Battery Management Systems (BMS) with low power use is important for the safety of humans and the environment. To accomplish this goal, BMS requires a fast processor which does the calculations. RV32I base integer instruction set, which is part of RISC-V instruction set architecture (ISA), is one of the candidates with its robust RISC architecture. The issue of storing electric energy for future use became crucial with the increasing demand for portable electronic devices, electric vehicles and temporary power storage. Li-ion batteries are one of the most reliable choices in today's technology due to their energy density, efficiency, and cycle life. However, they should be monitored and managed for safety and reliability reasons. BMS monitors and manages the batteries. There are many parameters to measure from Li-ion battery and to calculate from the measurement. For example, the voltage of the battery, charge-discharge current, temperature, state of charge (SOC), state of health (SOH), etc. Some of the calculations even include the time domain, and these parameters are so essential to be known they indicate the remaining time to charge fully or the remaining time to discharge fully, the charges left in the battery, the condition of the battery, and many more. This study aims to design, implement and test the designed RISC processor. In this thesis, a 7-stage pipelined RV32I core has been described in Verilog HDL and implemented on a Basys-3 FPGA board with 100MHz clock frequency using the Vivado Design Suit. When the core is separated, it can reach 150 MHz frequency on the Basys-3 board and 270 MHz frequency on the Kintex-7 board. The core executes instructions as described in ISA. To communicate with other devices, such as a personal computer, a UART module is also described in Verilog HDL and PuTTy software is used as a serial communication terminal application for the personal computer. For analog data, LogiCORE XADC IP is used, and a compatible module is also described in Verilog HDL to read external voltage levels from the sensors. This study contributes a 7-staged pipelined RV32I core to literature, and it can be improved in the future to more generalized or more specific versions.
Classification of EEG signals in individuals with spinal cord injury
An electroencephalogram (EEG) refers to the electrical activity of the brain, recorded through electrodes strategically placed on the scalp. EEG has diverse applications, including serving as a medium for establishing communication channels between individuals and their environment, aiding in understanding brain functions, and supporting both diagnostic and therapeutic interventions. Among the various EEG components, Movement-Related Cortical Potentials (MRCPs),neural signals associated with the planning and execution of voluntary movements play a pivotal role in advancing these applications.This research investigates the classification of EEG signals using two distinct feature extraction techniques: the Hadamard Basis Method and the Variance-Based MRCP Feature Extraction with Detrending (VB-MFED) approach.The Hadamard basis method utilizes orthogonal transformations to decompose EEG signals into unique basis functions, enabling the extraction of critical neural activity with enhanced precision. In contrast, VB-MFED represents a refined methodology specifically designed to improve the extraction of Movement-Related Cortical Potentials (MRCPs). It incorporates optimized preprocessing steps, such as adaptive filtering, baseline correction, and spatial filtering, to isolate and amplify neural signals relevant to movement-related tasks.This study focuses on classifying MRCPs associated with attempted movements, emphasizing distinct movement types such as hand opening, palmar grasp, lateral grasp, pronation, and supination in individuals with spinal cord injuries (SCI). Experimental results indicate that the VB-MFED approach achieves higher classification accuracy compared to traditional methods, highlighting its potential for real-time applications. The findings underscore the viability of utilizing MRCPs for advanced brain-computer interface (BCI) systems and lay the groundwork for innovative neurorehabilitation solutions tailored to individuals with motor impairments.
Filament ekstrüzyon makinelerinde pıd ile sıcaklık denetimi
Üç boyutlu yazıcılarda kullanılan filamentler, ekstrüzyon makinelerinde üretilirler. Filament üretiminde genel olarak sıcaklık hassasiyeti büyük bir önem taşımaktadır. Filament üretim süreci dakikalar aldığından geleneksel PID denetimi aç - kapa röle veya kontaktör ile istenilen sıcaklık hassasiyeti elde edilmesi zordur. Bu cihazların sıcaklık ölçümleri hassas olsa bile; sistemin verdiği tepki ve ısıtıcı kontrollerinin filament ekstrüzyonuna uygun olmamasından dolayı, ±5°C hassasiyet ile çalışmaktadırlar. Bu hassasiyet, filament ekstrüzyon sistemleri için oldukça düşüktür. Bunun sonucunda oluşan ısı dalgalanmaları sırasında eriyik plastikte yanma, kırılganlık, düşük çap hassasiyeti gibi sorunlar ortaya çıkmaktadır. Bu çalışmada SSR (Solid State Relay) çıkışı olan, hassas sıcaklık ölçümü kullanan, plastiğin sıcaklığını ayarlanan değerde ±1°C hassasiyette tutan bir PID denetleyicisi tasarlanmıştır. Geliştirilen ekstrüzyon makinesinde yapılan deneysel sonuçlar ile istenilen sıcaklık hassasiyeti elde edilmiş ve yüksek kalitede filament üretimi gerçekleştirilmiştir.
Antireflektif kaplamaların fotovoltaik uygulamalardaki performans ve dayanıklılığı
Güneş modüllerinin ön camından yansıma, modül verimliliğinde %4'ün üzerinde bir düşüşe yol açan optik kayba neden olur. Tek katmanlı solüsyon jelasyon (sol-jel) antireflektif (AR) kaplamalar, dar bir dalga boyu aralığında etkilidir, oysa çok katmanlı geniş bant AR kaplamalar uygulandığında daha geniş bir dalga boyunda yansıma kayıpları azaltılabilir. Bu çalışmada, magnetron püskürtme yöntemi kullanılarak 4 katmanlı silikon dioksit (SiO2)/zirkonyum dioksit (ZrO2), 4 katmanlı SiO2/ indiyum kalay oksit (ITO) ve 6 katmanlı SiO2/ZrO2 olmak üzere üç farklı çok katmanlı AR kaplama test edilmiştir. Aşınma direnci önemlidir, çünkü kaplamalar düzenli temizleme döngülerine tabi olacaktır. Farklı yükler altında keçe ped, CS-10 ve CS-8 gibi çeşitli aşındırıcılar kullanılmaktadır. Bu kaplamaların optik performansı ve dayanıklılığı Spektrofotometre, Optik Mikroskop, Taramalı Elektron Mikroskobu ve Taramalı Beyaz Işık İnterferometresi kullanılarak analiz edildi. Kaplamaların 1 N ve 2 N yükler altında keçe ped ile aşındırılmasından sonra herhangi bir hasar gözlenmemiştir. Ancak Ağırlıklı Ortalama Yansıma (WAR) değerinde hafif bir artış görülmüştür. Kaplamalar CS-10 ve CS-8 aşındırıcılarla test edildiğinde, ZrO2 ile yapılan kaplamalar, ITO ile yapılan kaplamaya kıyasla daha yüksek çizilme direnci ile sonuçlanmıştır. Daha sonra bu kaplamalar 5 ay boyunca dış ortam koşullarına maruz bırakılmıştır. Bu çalışmada optik performans ve dayanıklılık testleri yapılmış ve sonuçları verilmiştir.
Adaptif harmonik enjeksiyonu yöntemiyle seri aktif güç filtresinin benzetimi
Yarı-iletken teknolojisi son yüzyılda hızla gelişerek güç elektroniği elemanlarının sahada daha sık kullanımının önünü açmıştır. Ancak bu elemanların yüksek frekanslarda anahtarlama yapıyor olması ve doğrusal olmayan yük karakteristiklerinden dolayı güç sistemlerinde güç kalitesi problemi ortaya çıkmıştır. Güç elektroniği elemanlarını bünyesinde bulunduran ve elektrik sistemlerinde kendine sıklıkla kullanım alanı bulan bu cihazlar sistem üzerinde bazı bozucu etkilere sahiptirler. Bu etkilerden en önemlileri harmonik oluşumu ve sistemden reaktif güç çekilmesidir. Bu sorunların üstesinden gelebilmek için pasif filtre kullanımı geleneksel bir yaklaşım olmakla beraber; değişen yük koşullarına ayak uyduramaması, sabit kompanzasyon için uygun olması ve en önemlisi şebeke veya yük ile rezonansa girmesi gibi dezavantajları nedeniyle son zamanlarda aktif güç filtreleri harmonik filtreleme ve reaktif güç kompanzasyonu amacıyla daha sık kullanılmaya başlanmıştır. Bu tez çalışmasında, kaynak tarafında yaşanan gerilim düşmesi ve yükselmesi gibi problemlerden dolayı meydana gelen harmoniklerin ve elektriğin üretimi sırasında kaynakta oluşabilecek harmonik bileşenlerin yük gerilimde herhangi bir değişikliğe sebep olmadan giderilmesi için bir kontrol algoritması önerilmiştir. Bu algoritma Normalleştirilmiş En Küçük Kareler (NEKK) yöntemine dayalı Adaptif Harmonik Enjeksiyonu (AHE) algoritmasıdır. Algoritma zaman alanında uygulanabilen uyarlanabilir bir referans işaret oluşturma algoritmasıdır. Algoritmanın uygulandığı devre topolojisi Gerilim Kaynaklı Evirici (GKE) kullanılarak oluşturulan 3 fazlı-3 telli Seri Aktif Güç Filtresi yapısıdır. Burada amaç, AHE algoritması ile elde edilen tahmini referans işaretlerinin GKE'yi anahtarlaması ve sisteme basılacak harmoniğin doğru tespit edilmesini sağlamaktır. GKE girişindeki anahtarlama işaretlerinin elde edilmesinde Uzay Vektör DGM (UVDGM) kullanılmış ve sistemin benzetimi Matlab2021a/Simulink ara yüzü kullanılarak yapılmıştır. Elde edilen sonuçlara göre THB (Toplam Harmonik Bozulma) değerlerinin kabul edilebilir sınırlarda olup olmadığı değerlendirilmiştir. Bu çalışmadan elde edilen sonuçlar göstermektedir ki önerilen AHE algoritması, gerilim harmoniklerinin giderilmesi konusunda oldukça başarılı bir yöntemdir.
Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması
İlk olarak Aralık 2019'da Çin'in Wuhan kentinde ortaya çıkan yeni koronavirüs 2019 (Covid-2019) tüm ülkelerde hızla yayılarak pandemi haline geldi. Günlük yaşamda hem halk sağlığı hem de küresel ekonomi üzerinde çok yıkıcı bir etkiye neden olan bu salgın hastalığın daha fazla yayılmasını önlemek ve etkilenen hastaları hızla tedavi etmek için pozitif vakaları olabildiğince erken tespit etmek çok önemlidir. Covid-19 hastalığının tespitinde yapay zekâ temelli yardımcı teşhis araçları için radyoloji görüntüleme tekniklerine başvurulmaktadır. Akciğer X-ışını görüntüleri, Covid-19'u tespit etmenin olası yöntemlerinden biridir. Bu tez çalışmasında, Covid-19 tanısının olduğu iki farklı veriseti üzerinde önceden eğitilmiş derin öğrenme modelleri ile üç senaryo çerçevesinde deneysel çalışmalar gerçekleştirilmiştir. İlk veriseti iki sınıflı 1252 adet Covid-19 tanısı konmuş ve 1229 adet herhangi bir tanı konmamış bilgisayarlı tomografi görüntülerinden oluşmaktadır. İkinci veriseti, Covid-19, zatürre ve normal sınıfları içermekte olup her bir sınıfta 2313 X-ışını görüntüsü bulunmaktadır. İlk senaryodaki deneylerde orijinal önceden eğitilmiş derin öğrenme modelleri kullanılırken, ikinci senaryoda değiştirilmiş önceden eğitilmiş modeller kullanılmıştır. Son olarak, üçüncü senaryoda önceden eğitilmiş orijinal modellerden çıkarılan özellikler üzerinde geleneksel makine öğrenimi sınıflandırıcılarıyla deneyler yapıldı. Deneysel çalışmalarda, önceden eğitilmiş orijinal modellerin tam bağlı katmanlarında yapılan değişiklikler ile diğer senaryolara kıyasla daha yüksek doğruluklar elde edilmiş olup bu modeller içerisinden D_EfficientNetV2B0 iki sınıflı ve üç sınıflı verisetlerinde sırasıyla %98,99 ve %97,45 doğruluklar sunmuştur.
Sezgisel optimizasyon algoritmaları ile enerji hub optimizasyonu
Bu tez çalışmasında, rüzgar ve güneş enerjisi entegreli bir enerji hub (EH) modeli önerilmiştir. Önerilen modelin optimizasyonu için hibrit bir algoritma geliştirilmiştir. Bu kapsamda, tez çalışmasında genel olarak iki konu üzerinde çalışılmıştır. İlk olarak, enerji hub girişindeki enerji kaynaklarının elektrik, rüzgar enerjisi, güneş enerjisi, doğal gaz ve ısı olduğu, çıkışta ise elektrik, ısı, soğutma ve basınçlı hava üretilen bir model önerilmiştir. Bu model temel alınarak 69 EH yapısı oluşturulmuştur. Bu EH yapıları kullanılarak, dört farklı boyutta test sistemi oluşturulmuştur. EH optimizasyonunun ele alındığı çalışmada, toplam enerji hub maliyetinin minimize edilmesi, toplam enerji hub kayıplarının minimize edilmesi ve hem enerji hub maliyetinin hem de kayıplarının minimize edilmesi olarak üç amaç fonksiyonu kullanılmıştır. Literatürde toplam enerji hub maliyetinin minimize edildiği problemlerin aksine, bu çalışmada rüzgar ve güneş enerjisinin maliyet modeli doğrudan maliyet, ceza maliyeti ve rezerv maliyeti olarak hesaplanmıştır. Böylelikle, literatüre yeni bir problem önerilmiştir. Tez çalışmasında ele alınan ikinci konu, meta-sezgisel arama algoritma tasarımıdır. Buna göre, yarı parametre uyarlamalı LSHADE ile hibrit CMA-ES (LSHADE with Semi-Parameter Adaptation Hybrid with CMA-ES, LSHADE-SPACMA) algoritmasının erken yakınsama problemini ortadan kaldırmak amacıyla arama performansının geliştirilmesi amaçlanmıştır. Bu nedenle, algoritmada kullanılan mutasyon stratejisi uygunluk-mesafe dengesi (Fitness Distance Balance, FDB) yöntemi kullanılarak yeniden tasarlanmıştır ve önerilen algoritma FDB-LSHADESPACMA olarak isimlendirilmiştir. FDB-LSHADESPACMA algoritmasının performansını test etmek ve doğrulamak için CEC2017 ve CEC2020 kıyaslama problemleri kullanılarak kapsamlı bir deneysel çalışma gerçekleştirilmiştir. Bu doğrultuda, literatürde sıklıkla kullanılan ve güncel 14 meta-sezgisel arama (MSA) algoritması seçilmiştir. Çalışmada önerilen enerji hub optimizasyon problemleri, FDB-LSHADESPACMA algoritması ile çözülmüştür. Buna göre, EH yapıları kullanılarak oluşturulan dört test sistemi ve üç amaç fonksiyonu kullanılarak on iki durum çalışması oluşturulmuştur. FDB-LSHADESPACMA algoritması ve rakip MSA algoritmalarından elde edilen tüm sonuçlar, Friedman Testi ve Wilcoxon ikili işaret testi kullanılarak değerlendirilmiştir. Elde edilen sonuçlara göre, FDB-LSHADESPACMA algoritmasının rakip algoritmalardan daha iyi sonuçlar elde ettiği ve üstün performans sergilediği görülmüştür.
Nanopartikül katkılı transformatör yağlarının elektriksel özelliklerinin belirlenmesi
Enerji sektörünün iletim ve dağıtım sistemlerinde bulunan güç transformatörleri en kritik ve pahalı ekipmanlar arasındadır. Güç transformatörlerin genel yapısı zamanla çok fazla değişmese de malzeme odaklı geliştirmeler sürekli devam etmektedir. Geçmişten günümüze transformatörlerde kullanılan en yaygın yalıtım sıvıları petrol bazlı mineral yağlardır. Bu yalıtım sıvıları genel olarak transformatörlerde elektriksel yalıtım ve ısı transferi vasıtasıyla soğutma görevlerini üstlenmektedir. Yakın geçmişte mineral yağa alternatif olarak çeşitli yalıtım sıvıları ortaya çıkmıştır. Literatürde çok çeşitli yalıtım sıvıları bulunsa da mineral yağlardan sonra en çok tercih edilenler doğal ester, sentetik ester ve silikon esterlerdir. Her bir yalıtım sıvısı kullanıldığı yere ve kullanım amacına göre seçilmekte olup, geliştirme çalışmaları devam etmektedir. Son yıllarda ise nanopartikül katkılı yalıtım sıvılarının özelliklerinin belirlenmesi ve performans karşılaştırmaları popüler bir konu haline gelmiştir. Bu tez çalışması kapsamında yalıtım sıvısı olarak kullanılan mineral yağa nanopartikül olarak adlandırılan iletken, yarı-iletken ve yalıtkan 100 nm' den küçük katı parçacıklar eklenerek, mevcut yağın elektriksel izolasyonunun ve termal iletkenliğinin geliştirilmesi amaçlanmıştır. Bu nanopartiküller BN, Al2O3, SiO2 ve MgO' dur. Tercih edilen nanopartiküllerin boyutları mümkün oldukça küçük seçilmiştir. Nanopartiküller için karışım yöntemi olarak kütle konsantrasyonu temelinde iki-adımlı karıştırma metodu kullanılmıştır. Kütle konsantrasyonuna göre nanopartikül ağırlıkları hesaplanmış, önce mekanik karışım yapılmış, ardından ultrasonik banyo ile kararlı hale getirilmiştir. Numuneler üzerinde AC delinme gerilimi ölçümü, viskozite tayini ve termal iletkenlik ölçümü gerçekleştirilmiştir. Dört farklı nano-akışkan üzerinde gerçekleştirilen ölçümler neticesinde elde edilen sonuçlar olumlu/olumsuz özellikleri bakımından karşılaştırılmalı olarak incelenmiştir.
İnsansız hava aracı ile gerçek zamanlı maske ve sosyal mesafe tespiti
COVID-19 korona virüsü ilk olarak Çin'in Wuhan kentinde, Aralık 2019'un sonlarında ortaya çıkmıştır. Genellikle bu virüs, küçük parçacıklar yoluyla, konuşma sırasında, öksürürken, hapşırırken ve çoğunlukla yakın temasta olan kişiler arasında, kapalı ve havalandırılmamış alanlarda bulaşır. Dünya sağlık örgütü, virüsün yayılmasını önlemenin en etkili yollarını, fiziksel mesafenin korunması ve maskenin takılması olarak belirlemiştir. Devlet kurumları ve yetkilileri, pandemi sürecinde okul, alışveriş merkezleri ve ulaşım tesisleri gibi halka açık ve kapalı alanlarda sosyal mesafenin yaklaşık 2 metre olarak tutulması ve maske takmayı zorunlu hale getirmiştir. Ancak, insanların maskelerini takıp takmadığının ve aralarındaki mesafenin otomatik olarak kontrolünün yapılması önemli bir problem haline gelmiştir. Bu çalışmada, günümüzde etkili olan COVID-19 gibi salgınların bulaş zincirini kırmak, salgının hızını yavaşlatmak adına önemli olan maske kullanımını tespit etmek için MobileNetV2 algoritması kullanılmıştır. Sosyal mesafe tespiti ise Yolov3 algoritması kullanılarak gerçekleştirilmiştir. Aynı zamanda, görüntülerin elde edilmesinde ve zamandan tasarruf ve daha kolay denetim sağlayabilmek için İnsansız Hava Aracı (İHA) kullanılmıştır. Yapılan uygulama sonuçlarında, önerilen mimarilerde %99,87 ile %100'e varan bir doğruluk elde edilmiştir. Anahtar Kelimeler: Maske tespiti, Sosyal mesafe, MobileNetV2, Yolov3, COVID-19, İHA
Elektrikli araçlar için yüksek güç yoğunluğuna sahip doğrudan tahrikli gömülü mıknatıslı senkron motor tasarımı ve analizi
Elektrikli araç teknolojisindeki gelişmeler, fosil yakıtların ulaşım ve endüstri üzerindeki olumsuz etkilerini azaltmak için kritik bir öneme sahiptir. Bu bağlamda, 1,4 kW gücünde ve 1100 rpm hızında çalışacak bir gömülü mıknatıslı senkron motor (GMSM) tasarım ve analizi yapılmıştır. GMSM'ler, yüksek güç faktörü, güç yoğunluğu ve tork kabiliyetleriyle elektrikli araç uygulamaları için uygun bir performans sunmaktadır. İç rotor yapısının ve rotorun içine gömülü mıknatısların kullanılması, motorun mekanik dayanımını artırarak yüksek hızlarda stabilite ve performans sağlar. Farklı oluk-kutup konfigürasyonlarının ve en-boy oranlarının motor performansına etkisi incelenmiştir. Ayrıca oluk-kutup konfigürasyonlarının vuruntu momentine etkisi analiz edilmiştir. Motor boyutlandırmada birçok bağımlı ve bağımsız değişken bulunduğundan ilk adımda parametrik optimizasyon ile, oluk başına iletken sayısı, stator diş kalınlığı ve stator boyunduruğunun verimliliğe etkisi araştırılmıştır. İkinci adımda ise birinci adımda belirlenen parametre değerleri sabit tutularak, diğer değişkenler için çok amaçlı genetik algoritma (ÇAGA) yöntemi kullanılarak optimizasyon yapılarak verimlilik %94 ve üzerinde elde edilmiştir. Optimizasyonu çalışmaları neticesinde farklı motor tasarımları karşılaştırılmış ve en uygun tasarım olarak 39 oluk, 10 kutuplu motor modeli belirlenmiştir. Bu tasarım sürecinde, verimlilik, güç yoğunluğu, tork yetenekleri, boyutlar ve soğutma gereksinimleri gibi kritik faktörlerin yanı sıra elektrikli araçların gereksinimlerini en iyi şekilde karşılayan motor boyutları belirlenmiştir. Belirlenen 39 oluk, 10 kutuplu motorun başlangıç tasarımı ve ÇAGA optimizasyon tasarım modelleri, sonlu elemanlar analizi (SEA) kullanılarak incelenmiştir. Bu analiz, iki boyutlu modelleme yöntemiyle gerçekleştirilmiş ve elde edilen sonuçlar karşılaştırmalı olarak sunulmuştur. Başlangıç tasarımından, ÇAGA optimizasyon süreci boyunca yapılan iyileştirmeler gözlemlenmiştir. SEA sonrasında belirlenen motor konfigürasyonu, istenilen değerlere yakın bir performans sergilemiştir.
Gelecek nesil haberleşme sistemlerinde yapay zeka tabanlı modülasyon tanımlama yöntemi geliştirilmesi
Derin öğrenme (deep learning, DL) ve makine öğrenimi (machine learning, ML) tekniklerinin gelecek nesil haberleşme sistemlerinde otomatik modülasyon tanımlama (automatic modulation recognition, AMR) için kullanılması oldukça önemlidir. Gelecek nesil haberleşme teknolojilerinde yapay zeka (artificial intelligence, AI) oldukça önemli bir yer tutacaktır. Yapay zekanın ön plana çıkmasıyla beraber bilişsel radyo (cognitive radio, CR) gibi sistemler daha etkili çalışma fırsatı bulacaktır. Bu tez çeşitli evrişimli sinir ağı (convolutional neural network, CNN) tabanlı modelin etkinliğini modülasyon türlerinin sınıflandırılması kapsamında farklı sistem modelleri ve sinyal-gürültü oranları (signal-to-noise ratio, SNR) için incelemektedir. Çeşitli formattaki sayılar ya da görüntüler ile IQ ve rθ diyagram düzlemlerinde üretilen veri setleri sınıflandırma modellerini beslemektedir. Böylelikle sınıflandırma modellerinin beslendiği veri setleri içeriğinin performansa etkisi gözlenmiştir. Ayrıca klasik modülasyon türlerinin yanına çeşitli indis modülasyonu (index modulation, IM) tekniği de eklenerek sınıflandırma problemi kapsamında literatüre yenilikçi katkılar sağlanmaktadır. Kullanılan klasik modülasyon tekniklerinin arasında faz kaydırmalı anahtarlama (phase shift keying, PSK) modülasyon ailesinden ikili PSK (binary PSK, BPSK), dördün PSK (quadrature PSK, QPSK), 8PSK, 16PSK, 32PSK ve 64PSK bulunurken karesel genlik modülasyonu (quadrature amplitude modulation, QAM) ailesinden QAM16, QAM64 ve QAM256 bulunmaktadır. Sınıflandırılan IM teknikleri de uzaysal modülasyon (spatial modulation, SM), dik SM (quadrature SM, QSM) ve genelleştirilmiş SM (generalized SM, GSM)'dir. rθ diyagram düzleminde üretilen veri setinden yararlanarak hiperparametre optimizasyonu, öğrenme aktarımı ve toplamsal beyaz Gauss gürültüsünün (additive white Gaussian noise, AWGN) etkileri araştırılmıştır. Gürültünün etkileri çeşitli çalışmalar ile düşük, orta ve yüksek SNR değerleri seçilerek ya da bu SNR bölgelerini kapsayan bir dizi SNR değeri için incelenmiştir. Temel bulgular bazı modellerin performansının diğerlerine göre üstün olduğunu, CNN tabanlı modellerin yüksek dereceli modülasyon türlerinin ayırt edilmesinde etkili olduğunu ve özellikle düşük SNR durumlarında IQ diyagram düzleminden rθ diyagram düzlemine geçişle beraber sınıflandırma doğruluğunun yükseldiğini göstermiştir. Sonuçlar uygun bir şekilde optimize edildiği zaman DL tekniklerinin modülasyon tanımlama görevleri için geleneksel yaklaşımlara göre daha iyi performans sergilediğini göstermektedir ve dolayısıyla dinamik ve otonom haberleşme sistemleri için potansiyele sahip olduğunu kanıtlamaktadır. Son olarak modülasyon sınıflandırma problemi farklı bir bakış açısı ile bilgi hiyerarşisi özelinde değerlendirilerek veri analitiğine bu problem için yeni bir açı kazandırılmıştır.
Kalıcı mıknatıslı senkron motorda eviricideki ölü zamandan kaynaklanan hız ve moment dalgalanmalarının azaltılması
Kalıcı Mıknatıslı Senkron Motorlar (KMSM), yüksek verimlilik, moment yoğunluğu ve dinamik performans avantajlarıyla endüstriyel otomasyon ve elektrikli araç sistemlerinde yaygın olarak kullanılmaktadır. Bu motorların hassas kontrolü için Alan Yönlendirmeli Kontrol (AYK) algoritmaları tercih edilmektedir. Ancak bu algoritmalar, sistemdeki doğrusal olmayan etkilerden biri olan ölü zaman nedeniyle istenilen performansı her zaman sağlayamamaktadır. Ölü zaman, evirici anahtarlarının güvenli çalışması için zorunlu olarak eklenen gecikmelerdir ve motorun akım dalga formlarında bozulmalara, moment salınımlarına ve hız dengesizliklerine yol açmaktadır. Bu tez çalışmasında, KMSM sistemlerinde ölü zaman kaynaklı gerilim sapmalarının oluşturduğu moment ve hız bozulmaları incelenmiş, bu etkilerin azaltılmasına yönelik bir kompanzasyon algoritması önerilmiştir. Öncelikle motorun matematiksel modeli oluşturulmuş, ardından alan yönlendirmeli kontrol yapısı detaylandırılmıştır. Geliştirilen algoritma Simulink ortamında modellenerek farklı hız ve yük koşulları altında test edilmiştir. Çalışmada, sabit düzeltmeli, uyarlamalı gerilim geri beslemeli ve gözleyici tabanlı kompanzasyon yöntemleri karşılaştırılmış, geliştirilen yöntemin moment salınımlarını ve Toplam Harmonik Bozulma (THB) oranını önemli ölçüde azalttığı gösterilmiştir. Geliştirilen algoritma, ek donanıma ihtiyaç duymadan, düşük hesaplama maliyetiyle gerçek zamanlı sistemlerde uygulanabilir özellik taşımaktadır. Bu yönüyle tez, ölü zamanın zararlı etkilerini azaltmaya yönelik yazılım tabanlı çözümler sunarak literatüre katkı sağlamaktadır.
Analysis, applications, and a novel design of double negative metamaterials
Double negative metamaterials are composite materials in which both the permittivity and the permeability are simultaneously negative over a certain frequency band and constructed artificially. They are designed to show specific and unfamiliar electromagnetic features not commonly found in nature. Also, their physical features are different from the conventional materials. Due to these unique physical features, double negative metamaterials attracted a great amount of attention in recent years. In this thesis, the properties and potential applications of double negative metamaterials are explored. In addition, some tools are presented to realize new types of metamaterials in the microwave frequency range.First, the fundamental electromagnetic properties of double negative metamaterials are investigated. The plane wave in double negative medium, left-handed systems, the extraordinary features of double negative metamaterials, and negative refraction are given in detail. Second, the characterization and realization ofdouble negative metamaterials are studied to form a base about how they can be created and generated. In this manner, the analytical (hypothetical, Lorentz, Drude, and cold plasma media) and physical models are analyzed. Then, electromagnetic wave propagation in the presence of double negative metamaterial is studied. Normal and oblique incidence cases for the planar boundaries of two semi infinite media containing conventional dielectric medium and double negative metamaterial are examined. Both the theoretical and numerical results are given. Next, the slab of double negative metamaterial sandwiched between two different semi-infinite dielectric media is studied. Additionally, some simulations are illustrated for the application purpose of perfect lens and parabolic wave refractor. After that, double negative metamaterials are used to design and analyze several types of stratified structures. Mirrors, high reflection coatings, distributed Bragg reflector, stratified cold plasma stacks, and the combination of multilayer cold plasma, Lorentz, and Drude layers with conventional dielectric slabs are created in order and their scattering characteristics are shown. The advantageous of the stratified structures containing double negative metamaterials versus the conventional multilayer structures are also discussed. High reflection and transmission coatings; band pass, stop band, reflection, transmission, multi band-pass, multi saw-comb, oscillating, and multi notch filters characteristics at some frequency regions are obtained in the numerical investigation. These results can be used to generate new devices and equipments such as reflectors, coatings, and filters with high efficiency. At last, new types of metamaterials that exhibit negative refraction properties at the microwave frequency range are designed. This novel metamaterials are constructed using triangular split ring resonator and wire strip. Three new metamaterials comprised of triangular split ring resonator and wire strip are created and simulated. After designing and creating processes, novel metamaterial slabs are manufactured using hot-press technique. Then, some transmission experiments are provided to observe the characteristics of these novel metamaterials experimentally. These new materials can be used for several potential applications of double negative metamaterials in the microwave, millimeter wave and optical regimes.
Makine öğrenmesi yöntemleri ile kara askeri araçların tespit ve sınıflandırılması
Bu çalışmada, askeri araçların görüntü işleme ve makine öğrenmesi algoritmaları kullanılarak tespit edilmesi üzerine odaklanılmıştır. Askeri araç olarak, BMC 6x6 kamyon, M113 Zırhlı Personel Aracı, Land Rover Defender ve Tank olmak üzere dört farklı kategori tercih edilmiştir. Her araç türüne ait 50 görsel olmak üzere toplamda 200 görselden oluşan bir veri seti hazırlanmıştır. Çalışmanın ilk adımında, görüntü işleme teknikleri uygulanarak görseller üzerinde ön görüntü işleme gerçekleştirilmiştir. Ön görüntü işleme safhası, arka planın çıkartılması, keskinleştirme filtresi ve görüntü boyutlarını küçültme işlemlerini kapsamaktadır. Bu adımın ardından, Yönlendirilmiş Eğimler Histogramı (HOG) ve İki Boyutlu Dalgacık Dönüşümü (2D-WT) yöntemleri kullanılarak özellik çıkarımı yapılmaktadır. Elde edilen özellikler, ReliefF (RF) ve Ana Bileşen Analizi (PCA) ile özellik seçimi yapılarak özellik matrisinin boyutlarının azaltılması sağlanmaktadır. Boyut azaltımı yapılarak gerçekleştirilen özellikler ve etiketler sırasıyla Karar Ağaçı (DT), K-en Yakın Komşu (K-NN), Naive Bayes (NB) ve Kaskat İleri Sinir Ağları (CFNN) algoritmalarına uygulanmıştır. Bu sınıflandırıcıların performansını değerlendirmek için kararlılık matrisi, doğruluk, F1 skoru ve kesinlik gibi metrikler kullanılmıştır. Sonuçlarda, her bir sınıflandırıcı için özellik çıkarım ve özellik seçim yöntemleri ile performansları ayrı ayrı uygulanmış ve incelenmiştir. Özellikle CFNN algoritmasının, görsel verilerin karmaşıklığı ve detaylarını en iyi şekilde yakalayarak yüksek doğruluk ve F1 skorları elde ettiği gözlemlenmiştir. HOG özellik çıkarım yöntemi ve RF özellik seçim yöntemlerinde en iyi sonuçlar elde edilmiştir. Bu çalışma sonucunda, askeri araçların tespiti konusunda görüntü işleme ve makine öğrenmesi algoritmalarının etkinliği gösterilmiş ve bu alanda gelecekteki araştırmalara önemli bir temel oluşturmuştur.
Kestirimci bakım için makine öğrenmesi ve derin öğrenme yöntemleri uygulanarak hata tespiti ve sınıflandırılması
Kestirimci bakım, akıllı sensörler, veri analizi ve makine öğrenmesi algoritmaları ile potansiyel arızaları tahmin ederek makine ve ekipman bakım programlarını verimli bir şekilde yönetir. Hata sınıflandırması, bu arızaları "arıza" ya da "normal" varyasyonlar olarak sınıflandırır. Bu sayede, zamanında müdahale ve sorunsuz operasyonlar sağlanırken bakım planlaması ve operasyonel verimlilik artırılır. Bu tez çalışması iki ana bölümden oluşmaktadır. İlk bölüm, bir boyutlu (1D) kestirimci bakım veri seti kullanılarak yürütülen sınıflandırma çalışmalarını içermektedir. Sonraki bölüm ise orijinal veri setini iki boyutlu (2D) örüntü veri setine dönüştürme ve ardından ileri sınıflandırma analizlerine odaklanmaktadır. Tezin ilk kısmında, orijinal 1D veri setindeki hataları sınıflandırmak için uygulanan farklı metodolojiler tanıtılmaktadır. Karar ağacı, destek vektör makinaları, k-en yakın komşu gibi geleneksel makine öğrenmesi yöntemleri ve 1D-LeNet, 1D-AlexNet ve 1D-VGG16 gibi 1D derin öğrenme teknikleri ile gerçekleştirilen hata sınıflandırma çalışmalarının performans değerlendirmeleri sunulmuştur. Sonuçlara göre, 1D-LeNet sınıflandırıcı ve veri normalizasyonu ile en yüksek doğruluk ve F1-skor performansı elde edilmiştir. Tezin ikinci bölümünde, sekiz evrişimli sinir ağı (CNN) modeli (AlexNet, VGG16, MobileNetV2, VGG19, DarkNet19, DarkNet53, ResNet50 ve ResNet18) ve iki farklı sınıftan (makine arızası ve normal) oluşan 1D veri setinden elde edilen 2D örüntü verileri kullanılarak hata sınıflandırma çalışmaları yapılmıştır. Her bir CNN modelinden çıkarılan özniteliklerden oluşturulan birleştirilmiş öznitelikler üzerinde öznitelik seçim yöntemleri olarak karınca koloni algoritması (ACO), parçacık sürüsü optimizasyonu (PSO) ve gri kurt optimizasyonu (GWO) uygulanmış ve hata sınıflandırma performansları karşılaştırılmıştır. Destek vektör makinaları, k-en yakın komşu, karar ağacı ve naive bayes olmak üzere dört farklı sınıflandırıcı kullanılarak performans sonuçları hesaplanmıştır. Elde edilen deneysel sonuçlar dikkate alındığında destek vektör makinaları ve ACO temelli modelin kullanılmasının 2D örüntü verileri için en yüksek sınıflandırma performansını sağladığı görülmüştür.
3. ve 4. katman dağıtılmış hizmet reddi saldırıları ve önleme yöntemlerinin başarım analizi
Dağıtılmış hizmet reddi saldırıları (DDoS) günümüzde çok sık kullanılan, legal ağ erişimini engelleyen saldırı türlerindendir. Saldırının temelde amacı internet üzerinden hizmet veren kuruluşların hizmetini aksatarak ciddi mali zararlar vermek veyahut politik sebeplerden devlet kurumlarının işleyişini aksatarak baskı kurmaktır. DDoS saldırıları genellikle dünyanın en büyük ağı olan internet üzerinde merkezi bir sisteme bağlı "botnet" ya da "zombi" olarak isimlendirilen bilgisayarlar ile kolektif olarak hedef kaynaklarını tüketmeye ve erişimi engellemeye dayanan bir saldırı türüdür. Bu tür saldırılar, meşru kullanıcının kuruluş için değer sağlayan verilere erişimi olduğu ve bu erişimin kaldırılmasının en fazla zarara neden olduğu fikrine dayandırılmıştır. OSI katmanlarında çeşitli saldırı tipleri bulunmaktadır. Bu tezde 3. ve 4. katmanda gerçekleşen DDoS saldırılarının etkileri, önleme ve azaltılması üzerinde çalışıldı. Katmanlara yönelik saldırıların hizmete yönelik etkileri gözlemlendi ve uygulanan önleme yöntemlerin başarım analizi yapıldı. Bu çalışmada kullanılacak materyaller, saldırı tipleri, kullanılan paket türleri, bant genişliği, trafik analizidir. Çalışmada kullanılan her bir saldırı türü, etkileri ve önleme yöntemleri laboratuvar ortamında uygulanıp ölçümler yapılarak sonuçları gözlemlendi.
Güç sistemlerindeki durum tahmininin karga arama algoritması ile incelenmesi
Modern elektrik güç sistemlerinde, şebekenin izlenmesi, kontrolü ve yönetimi için doğru ve güvenilir durum tahmini sonuçları elde etmek kritik bir öneme sahiptir. Ölçüm cihazlarından toplanan veri setleri kullanılarak, sistemin durumu olan tüm baraların gerilim genlik ve açı değerleri tahmin edilmektedir. Bu tez çalışmasında, alternatif bir durum tahmincisi olarak yeni bir sezgisel yöntem olan Karga Arama Algoritması (KAA) önerilmiştir. Önerilen KAA tabanlı durum tahmincisi, IEEE 9, 14, 30, 57 ve 118 baralı test sistemlerinde test edilmiştir. KAA tabanlı durum tahmincisinin sonuçları, Newton-Raphson yük akışı çözümü referans kabul edilerek, literatürde iyi bilinen klasik sezgisel yöntemler olan Genetik Algoritma (GA), Parçacık Sürüsü Optimizasyonu (PSO) ve Yapay Arı Sürüsü Optimizasyonu (YASO) sonuçları ile karşılaştırılmıştır. Sonuçlar, KAA tabanlı durum tahmincisinin doğruluk ve güvenilirlik açısından, ortalama mutlak yüzde hata gibi hata metrikleri aracılığıyla diğer yayımlanmış yöntemlerden daha iyi performans gösterdiğini kanıtlamaktadır. Bu çalışmada ayrıca, literatürdeki varsayımlara ek olarak kanal sayısı kısıtlı Fazör Ölçüm Birimi (FÖB) yerleşimi yapılarak türetilmiş ölçüm veri seti güçlendirilmiştir. Kanal sayısı dikkate alınarak yapılan optimal FÖB yerleşiminde, FÖB'lerin kurulduğu baraların konumu göz önünde bulundurularak ölçüm veri seti oluşturulmuştur. Bununla birlikte, siber saldırılar sonucunda ortaya çıkan kötü verilerin tespiti ve eliminasyonu için durum tahmin sonuçlarına ki-kare testi uygulanmıştır. Ki-kare testi ile ölçüm veri setinde kötü veri olup olmadığı tespit edilebilir ve sonrasında normalize edilmiş artık değerlere bakarak bu kötü veriler belirlenip elimine edilebilir. Ancak, kötü verilerin ölçüm veri setinden çıkarılması eksik veri oluşmasına neden olabilir ve bu da sistemin gözlemlenebilirlik şartlarını tehlikeye sokabilmektedir. Eksik ölçüm verilerini tamamlamak amacıyla yapay sinir ağları destekli bir veri madenciliği yaklaşımı önerilmiştir. Bu yöntem, KAA tabanlı durum tahmininin doğruluğunu artırarak, siber saldırı gibi beklenmedik durumlarda sistemin güvenilirliğini sağlamaya yardımcı olur. Sonuç olarak, KAA tabanlı durum tahmincisi, güç sistemlerinin daha güvenilir ve verimli bir şekilde yönetilmesine olanak tanımış ve bu alanda literatüre önemli bir katkı sağlamıştır. Bu tez çalışması, güç sistemlerinin analizi, işletilmesi ve planlanmasında gelecekteki araştırmalara yol gösterici niteliktedir.
Yenilenebilir enerji kaynaklarını içeren optimal güç akışı için uygunluk mesafe dengesi tabanlı üçgenleme topolojisi toplama iyileştiricisi
Günümüzde talep edilen ve tüketilen enerji miktarında çok yoğun artışların olması ile birlikte, yenilenebilir enerji kaynaklarından enerji üretiminde artışlar olmaktadır. Bir elektrik şebekesinde yenilenebilir enerji kaynaklarının dahil edilerek kullanılması, şebekenin ekonomik ve verimli çalışabilmesi için en uygun şeklide planlanması problemini de ortaya çıkarmaktadır. Bu tez çalışmasında, yenilenebilir enerji kaynaklarından olan rüzgâr ve güneş gücü entegreli güç sistemleri problemlerinden olan optimal güç akışı problemi ele alınmıştır. Optimal güç akışı problemi doğrusal olmayan yapıya ve çeşitli kısıtlamalara sahip olan, kontrol parametrelerin en uygun değerlerinin belirlendiği bir optimizasyon problemidir. Ayrıca, güneş ve rüzgar enerjisinin doğasını birleştirmek problemin karmaşıklığını artırmaktadır. Bu tür problemlerin çözümünde yapay zeka tekniklerinden olan sezgisel arama algoritmaları tercih edilmektedir. Bu tez çalışmasında optimal güç akışı probleminin çözümü için Üçgenleme topolojisi toplama iyileştiricisi (ÜTTİ) algoritmasının öncelikle mesafe uygunluk dengesi tabanlı geliştirilmesi gerçekleştirilmiştir. Geliştirilen algoritma rüzgar ve güneş enerji kaynaklarının dahil edildiği optimal güç akışı probleminde uygulanmış olup, literatürdeki farklı algoritmaların sonuçları ile karşılaştırılmıştır. Elde edile sonuçlar, önerilen algoritmanın bu güç sistemi probleminde etkili olduğunu açık bir şekilde göstermektedir.
Çok bölgeli güç sisteminde sezgisel algoritmalar ile sekonder frekans kontrolü
Teknolojinin ilerlemesi ve nüfusun artması sonucunda enerjiye olan talep her geçen gün artmaktadır. Fosil yakıt bazlı güç sistemleri şu anda enerji üretim endüstrisinde en yaygın olanı olmasına rağmen, yenilenebilir enerji kaynaklarının ve enerji depolama sistemlerinin gelecekteki güç sistemlerindeki payının sürekli olarak artacağı beklenmektedir. Enterkonnekte güç sistemlerinde senkronizasyon koşullarını sağlamak için üretim ve tüketim arasındaki dengeyi korumak gerekir. Güç sisteminin dinamik yapısının bir sonucu olarak değişen bu dengeyi korumak için sistemin frekansı sürekli olarak kontrol edilmelidir. Primer frekans kontrolünün amacı, ilgili üretim biriminin türbin hızını ayarlayarak şebeke frekansını otonom ve yerel olarak değiştirmek ve böylece frekanstaki dalgalanmaları telafi etmektir. Sekonder frekans kontrol sistemi, aktif güç dalgalanmalarını azaltmak ve kontrol bölgeleri içinde ve bölgeler arası bağlantı hatları boyunca dengeli bir aktif güç/frekans oranını korumak için güç sistemlerinde yaygın olarak kullanılmaktadır. Güç sistemleri, yenilenebilir enerji kaynaklarının ve batarya enerji depolama teknolojilerinin entegrasyonu nedeniyle daha karmaşık ve zorlu hale gelmektedir. Tez çalışması için seçilen ilk test sistemi, literatürde yaygın olarak atıfta bulunulan ve seçilen optimizasyon tekniğinin etkinliğini değerlendirmek için sağlam bir temel sağlayan iki alanlı bir termik güç sistemidir. En yeni algoritmalardan Bal Porsuğu Algoritması (BPA), Balina Algoritması (BA) ve Gri Kurt Optimizasyon Algoritması (GKO) ve Parçacık Sürü Optimizasyonu (PSO) olarak bilinen sezgisel optimizasyon tekniklerinin seçilen PID kontrolör için optimum parametreleri belirlemedeki etkinliği simülasyon sonuçlarına göre, sistem frekansı ve bağlantı hattı gücündeki değişikliklerinin aşma değeri ve oturma süresine göre karşılaştırmakta ve analiz edilmiştir. Diğer test sistemleri olarak daha karmaşık ve zor sistemler olan güneş ve rüzgar gibi yenilenebilir enerji kaynakları ile enerji depolama sistemlerinin kullanıldığı güç sistemlerinde değişken yük talebi, RES/GES üretimi ve enerji depolama gibi farklı çalışma koşulları altında kontrolörün ve algoritmaların performansları test edilmiştir. Elde edilen sonuçlardan Bal Porsuğu Algoritmasının (BPA) sistem frekansı ve bağlantı hattı güç değişimlerinin aşma değerini ve oturma süresini diğer tekniklere göre önemli ölçüde iyileştirdiğini göstermektedir. Bu tez çalışmasında, yük frekans kontrolü probleminin çözümü için sezgisel yöntemlerle kapsamlı analizler yapılarak alternatif bir çalışma gerçekleştirilmiş ve literatüre katkı sağlanmıştır.