Elektrik ve Elektronik Mühendisliği Anabilim Dalı

Bitlis Eren University · Lisansüstü Eğitim Enstitüsü

Süperkapasitör beslemeli kısa süreli ani güç sağlayan yedek bir güç sistemi geliştirilmesi

Elektrik enerjisini depolamak için piller ve güç kaynakları kullanılır. Bu kaynaklar süperkapasitörlere göre daha düşük güç yoğunluklarına sahiptir. Elektrokimyasal depolama yöntemlerinde, düşük sıcaklıklarda kimyasal reaksiyon hızlarının yavaşlaması ve içlerindeki kimyasal viskozitelerin artması gibi nedenlerle ciddi performans kayıpları görülmektedir. Bu yapıya sahip piller ve güç kaynakları bu gibi durumlarda besledikleri sistemin ihtiyaç duyduğu gücü karşılamada yetersiz kalmaktadır. Şarj seviyesinin çok düşük olduğu veya anlık aşırı güce ihtiyaç duyulduğu durumlarda düşük enerji süperkapasitörlerle yüksek güç yoğunluğuna dönüştürülerek sistemin yüksek güç ihtiyacı kısa bir süre için karşılanmaktadır. Bu çalışmanın amacı ihtiyaç duyulduğunda süperkapasitörleri kullanarak geleneksel elektrik depolama tekniklerinin dezavantajlarını ortadan kaldırmaktır. Süperkapasitörlerin ihtiyaç duyduğu güç için gereken enerji mevcut bir pilden veya harici bir kaynaktan sağlanabilir. Bu çalışmada üretilen süperkapasitör için yıllardır kullanılmayan ve minimum enerjiye sahip bir araç aküsü ile bir cep telefonu aküsü kullanılmıştır. Süperkapasitörlerin avantajlı özellikleri göz önünde bulundurularak yedek güç ünitesi olarak adlandırılabilecek bir süperkapasitör imal edilmiştir. Yapılan deneysel çalışmada (fiziksel ölçüm), üretilen süperkapasitör sayesinde örnek bir bataryadaki güç yoğunluğu 1217 W/kg'den 7636 W/kg değerine çıkarılmıştır. Bu şekilde süperkapasitör kullanılarak güç yoğunluğunda 5.27 kat artış sağlanmıştır. Aynı batarya için süperkapasitör ile tepe akımı 15 A'den 264,7 A değerine çıkarken, tepe akımında 16.64 kat kazanç sağlanmıştır. Deneysel sonuçlara göre süperkapasitörlerin düşük iç direnç, çok yüksek tepe akımlarına ulaşabilme, yüksek şarj-deşarj çevrimlerine sahip olma, düşük sıcaklıklarda bile kapasite kaybı yaşamama gibi üstün özellikleri sayesinde elektrokimyasal depolama yöntemlerinin zayıf yönlerini aştığı görülmektedir.

Süperkapasitör

Kenan Sezgin

Bitlis Eren University · Lisansüstü Eğitim Enstitüsü

Çekişmeli üretici ağlar (GAN) ile yüksek çözünürlükte görüntü oluşturma ve değerlendirme

Biyomedikal görüntüler üzerinde hastalıkların teşhis ve tedavi süreçlerinin daha doğru ve güvenilir bir biçimde ilerlemesi önemlidir. Biyomedikal görüntüler bazen düşük çözünürlüğe sahip olabilir bu durum hastalığın tespitini olumsuz yönde etkilemektedir. Tedavi süreçlerinin doğru biçimde ilerlemesi için yüksek çözünürlüğe sahip imgeler üzerinde veya düşük çözünürlükteki imgelerin yüksek çözünürlüğe dönüştürülmesi gerekir. Çalışmamız, düşük çözünürlüklü renkli görüntülerin yüksek çözünürlüklü ve detaylı hale getirilmesi amacıyla GAN mimarilerinden biri olan SRGAN modeli kullanılmıştır. SRGAN, görüntü iyileştirme ve dönüşüm işlemlerinde yüksek performans sağlayarak görsel kalitenin artırılmasında etkili bir yöntem sunmaktadır. Tez de kullanılan veri setleri, tıbbi görüntüleme alanında yaygın olarak kullanılan cilt kanseri, kan hücresi kanseri ve retina fundus veri setlerinden oluşmaktadır. Cilt kanseri veri setinde deri yüzeyindeki ince detayların daha net bir şekilde görselleştirilmesi sağlanırken, kan hücresi kanseri veri setinde hücre yapılarını belirginleştirerek tanıya destek sunulmuştur. Retina fundus veri setinde ise göz damar yapıları detaylandırılmış ve çözünürlük artırılarak tanısal analiz için uygun hale getirilmiştir. Modelin başarımını değerlendirmek için Structural Similarity Index (SSIM) ve Peak Signal-to-Noise Ratio (PSNR) metrikleri kullanılmıştır. Performans değerlendirmesinde, SRGAN modeli Cilt Kanseri veri setinde 31.06 PSNR ve %85.84 SSIM, Kan Hücresi Kanseri veri setinde, 30.97 PSNR ve %88.18 SSIM retina fundus veri setinde %94.30 SSIM ve 30.71 PSNR değerleri ile umut verici bir sonuç ortaya çıkmıştır. Elde edilen bulgular hem yapısal hem de görsel kalite açısından üstün performans gösterdiğini kanıtlar niteliktedir.

Zübeyr Güngür

Yüksek LisansAçık ErişimEN

Bilgisayarlı görü ve yapay zeka ile cam kusurlarının tespiti

Günümüzde artan dünya nüfusu ve buna bağlı olarak yükselen tüketim ihtiyacı, ürünlerin yalnızca üretim aşamasında değil, son kullanıcıya ulaştıktan sonraki süreçlerde de kalite ve güvenilirliğini korumasını zorunlu kılmaktadır. Bu nedenle, ürünlerin nihai kullanıcıya ulaşmadan önce veya kullanım sürecinde karşılaşılabilecek olası kusurların tespit edilmesi, kullanıcı memnuniyetinin artırılması ve olası güvenlik risklerinin önlenmesi açısından büyük önem arz etmektedir. Bu bağlamda, yapay zekâ ve bilgisayarlı görü tabanlı sistemlerin kalite kontrol süreçlerine entegrasyonu, insan kaynaklı hataları en aza indirerek hem ürün güvenliğini hem de kullanıcı deneyimini iyileştirmektedir. Bu çalışmada, cam yüzeylerde meydana gelebilecek kırık, çatlak ve çizik gibi kusurların son kullanıcıya ulaştıktan sonra da tespit edilebilmesi hedeflenmiştir. Cam; otomotiv, inşaat, beyaz eşya, kozmetik ve ambalaj gibi birçok sektörde yaygın olarak kullanılan, görsel ve yapısal bütünlüğü kritik öneme sahip bir malzemedir. Bu nedenle, kullanıcıların karşılaşabileceği kusurların hızlı ve doğru bir şekilde tespit edilmesi, hem ürün güvenilirliği hem de marka itibarı açısından hayati öneme sahiptir. Çalışma kapsamında, toplam 4975 görüntüden oluşan (4065 eğitim, 463 doğrulama, 447 test) bir veri seti kullanılmış ve bu veri seti, cam yüzey kusurlarının nesne tespiti amacıyla derin öğrenme tabanlı YOLOv5, YOLOv8 ve YOLO11 modelleri ile eğitilmiştir. Modellerin performansı doğruluk, hassasiyet, F1 skoru ve mAP50 metrikleri üzerinden değerlendirilmiştir. Elde edilen sonuçlara göre, YOLO11 modeli doğruluk, F1 skoru ve mAP50 açısından en yüksek başarıyı sergilemiştir. YOLOv8 modeli hassasiyet bakımından öne çıkarken, YOLOv5'in genel performansının diğer iki modele göre daha düşük olduğu gözlemlenmiştir. Sonuçlar, YOLO mimarilerinin cam kusurlarının son kullanıcı düzeyinde tespitinde etkili bir şekilde kullanılabileceğini ve özellikle satış sonrası kalite kontrol süreçlerinin otomatikleştirilmesinde önemli katkılar sunabileceğini ortaya koymaktadır.

Çok kalıplı FPGA yongaları için SLR tabanlı bölümleme

In recent years, transformative advancements in hardware acceleration technologies, particularly Field-Programmable Gate Arrays (FPGAs), have significantly enhanced the performance of compute-intensive applications in artificial intelligence (AI), machine learning (ML), big data analytics, and high-performance computing (HPC). However, as the scale and complexity of FPGA-based systems increase, challenges such as inter-chip communication, resource partitioning, and efficient utilization of multi-die FPGAs have become critical issues. This thesis addresses these challenges by enhancing a state-of-the-art High-Level Synthesis (HLS) compiler to support Super Logic Region (SLR) -based partitioning for multi-die FPGA chips. Key contributions include the development of a partitioning framework tailored to SLR constraints. Additionally, efficient resource utilization techniques, such as automated pipelining and bus-width conversion, are proposed to overcome timing and routing bottlenecks in multi-die architectures. The proposed methodologies are validated on Xilinx Virtex UltraScale+ FPGAs. This study contributes to advancing FPGA partitioning techniques and presents a comprehensive framework for optimizing hardware acceleration in multi-die architectures.

Batuhan Bulut

Eskişehir Teknik Üniversitesi · Lisansüstü Eğitim Enstitüsü

Yüksek LisansAçık ErişimEN

Measurement and performance analysis of 2D material based supercacitors

Supercapacitors. These gizmos are no regular batteries. They are fast, power-packed, and resilient, marking them as vital for today's and, more importantly, tomorrow's green power solutions. Let's dive into the nitty-gritty in a process called chemical vapor deposition (CVD), we used a slide of hot gases including hydrogen and nitrogen. These gases weave their way through a warmed glass pipe containing boron, boron oxide, and nickel powders. In the sweltering 1000°C heat, these materials react and settle onto less hot copper pieces at about 700 °C. Remember when your teacher said test your work? We did just that. Using Ni2B on copper, we tested how well our piece would do after 20,000 plug-ins and outs. We almost topped a hundred percent. Even at slower speeds, power levels touched nearly 20 mF/cm2. And it kept a steady 0.42 mF even when we hit the gas to 1000 mV/s. Plus, the component showed a great absorbing power even at high voltage, hinting at better ion accessibility and almost no diffusion barriers. Ni2B films using our CVD method show a stable charge hold. They outdo some of the usual nickel-base materials and pose as robust power options. By controlling boron's role and deposition, we create a smooth, nicely stuck coating with potential chemical properties. As the world hustle for efficient longevity in power preserving, Ni2B supercapacitors can open doors to better devices. Such a device can be part of solutions like green energy grids or other fast-changing needs.

CVDSupercapacitor

Uğur Cenk Arslan

Eskişehir Teknik Üniversitesi · Lisansüstü Eğitim Enstitüsü

Yüksek LisansAçık ErişimEN

Akıllı elektrik şebekeleri son yıllarda önem kazanan konulardandır. Akıllı şebeke, modern bilgi sistemi ile geleneksel elektrik şebekesinin bir kombinasyonudur. Ölçüm ve uzaktan izleme işlemleri akıllı şebekeler için oldukça önemli olan işlemlerdir. Enerji verimliliğinin arttırılması ve elektrik şebekesinin buna uygun olarak verimli bir şekilde yönetilmesi için yüksek doğruluklarda tahminlerin yapılması ve bu tahminlerin karar alma süreçlerinde kullanılması gerekmektedir. Bu çalışmada, akıllı şebekeler için akıllı ölçüm sistemi ve kablosuz uzaktan izleme sistemi tasarımı ve uygulaması önerilmektedir. Elektrik enerjisi tüketiminin etkin bir şekilde kontrol edilebilmesi için kullanıcıların, harcadıkları enerji miktarlarını anlık olarak takip edebileceği bir sistemin tasarımı gerçekleştirilmiştir. Sistemi oluşturan farklı yapı mimarileri ile uygun bir veri iletim yöntemi oluşturulmuş, bileşenlerin yapı içerisindeki davranışları ve kullanım yöntemleri incelenmiştir. Akıllı ev ve akıllı elektrik şebekeleri için Node-RED ağ tabanlı IoT (nesnelerin interneti) yapısı kurulumu yapılarak bir uygulama gerçekleştirilmiştir. IoT yapısı, izleme ve kontrol için çeşitli sensör ve aktüatörlerden oluşmaktadır. IoT 'de cihazların birbirleri ile iletişiminde MQTT (Message Queuing Telemetry Transport) haberleşme protokolü kullanılarak, akım sensörleri ile elektrikli ev aletlerinin tükettiği güç ölçümü yapıldıktan sonra yapılan ölçümler kaydedilerek bir veri seti oluşturulmuştur. Türkiye Elektrikli Ev Aletleri Veri Seti' nin (TEEAVS) geliştirilmesi ile birlikte veri madenciliği veya makine öğrenmesinde yapılmakta olan araştırmalar için kolay erişilebilir bir veri setinin elde edilmesi planlanmıştır.

Muhammet Emin Kalemci

Karadeniz Technical University · Fen Bilimleri Enstitüsü

2021

Aktif güç optmizasyonuDarbe genişliği modülasyonuDönüştürücüler+3

H6-II tipi transformatörsüz eviricinin reaktif güç üretim kabiliyetinin farklı modülasyon yöntemleri ile irdelenmesi

Bu çalışmada, tek fazlı H6-II tipi transformatörsüz eviricinin reaktif güç üretim kabiliyetinin farklı modülasyon tekniği, modülasyon sinyali (MS), taşıyıcı sinyali (TS) ve modülasyon stratejileri (MStr) ile irdelenmesi yapılmıştır. Öncelikli olarak, geleneksel modülasyon stratejisi ve çeşitli modülasyon ve taşıyıcı sinyallerin oluşturmuş olduğu sinüzoidal darbe genişlik modülasyonu (SDGM) ve üçüncü harmonik enjekteli darbe genişlik modülasyonu (ÜHE-DGM) modülasyon tekniği modlarının (Mod I-VI) şebekeden bağımsız H6-II tipi eviricide meydana getirdiği performanslar ayrı ayrı ortaya konulmuş ve karşılaştırmalı bir analiz yapılmıştır. Sonrasında, SDGM ve hibrit darbe genişlik modülasyonu (HDGM) temelli çeşitli modülasyon stratejileri (geleneksel, geleneksel-ayrık, geliştirilmiş ve geliştirilmiş-ayrık), modülasyon ve taşıyıcı sinyallerin meydana getirmiş olduğu modlar (Mod I-XVI) ışığında anahtarlama işaretleri üretilip şebeke bağlantılı hale getirilmiş H6-II tipi eviricisi anahtarlarına uygulanmıştır. Her bir mod için eviricinin aktif ve reaktif güç enjeksiyon kabiliyeti irdelenmiştir. Son olarak, güç enjekte (aktif veya reaktif), modülasyon tekniği (SDGM veya HDGM), modülasyon stratejisi (MStr 1-6), modülasyon sinyali (MS 1-2) ve taşıyıcı sinyali (TS 1-6) türleri dikkate alınarak oluşturulan modlara bağlı olarak ortak mod gerilimi (V_CM) ve kaçak akım (i_cm) davranışı irdelenmiş. Farklı parazitik kondansatör (C_fv) değerleri için kaçak akım (i_cm) değerindeki değişim gözlemlenmiştir.

Pelin Türkmen

Karadeniz Technical University · Fen Bilimleri Enstitüsü

2022

DoktoraAçık ErişimEN

The Turkish lip reading using deep learning method

Automated lip reading is a research problem that has developed considerably in recent years. Lip reading is evaluated both visually and audibly in some cases. Detecting an unwanted word from a security camera is an example of a visual lip-reading problem. Audio-visual datasets are not applicable where such image-only data is involved. Therefore, we may not have audio input in all cases. In certain cases, it is not feasible to obtain the audio input of the spoken word. In this study, we have gathered a novel Turkish dataset consisting solely of images. The dataset was generated using YouTube videos, which constitute an uncontrolled environment. Consequently, the images present challenging parameters with respect to environmental factors such as lighting conditions, angles, colors, and individual facial characteristics. Despite the variations in facial attributes like mustaches, beards, and makeup, the visual speech recognition problem was addressed using Convolutional Neural Networks (CNN) without making any modifications to the data. The problem was formulated with 10 classes, comprising single words and two-word phrases. While developing the study, comparisons were made with LSTM, BGRU, and Dilated CNN. The proposed study using only-visual data obtained a model which is automated visual speech recognition with a deep learning approach. In addition, since this study uses only-visual data, the computational cost and resource usage is less than in multi-modal studies. Also, we introduce introduced a novel approach called Concatenated Frame Images, which involved combining image frames into a single large frame. It is also the first known study to address the lip reading problem with a deep learning algorithm using a new dataset belonging to the Ural-Altaic languages.

Ali Berkol

2023

DoktoraAçık ErişimEN

Graph-based object classification techniques for autonomous vehicle radar sensors

As the automotive industry continues to evolve, the importance of visual perception systems that provide situational awareness to autonomous vehicles has become crucial. While traditional deep neural networks have been successful in solving 2D Euclidean problems over the past decade, the analysis of point clouds, especially RADAR data, presents significant challenges owing to its irregular structure and intricate 3D geometry, which are not well-suited for 2D signal processing. To address this issue, we propose two novel approaches by using Graph and Transformer based classification methods for RADAR point clouds in this thesis. The novel aspect of these studies lie in the development of an object point detection pipeline utilizing Graph and/or Transformer based methods. Each of the created models utilizes a deep learning structure from start to finish, incorporating graph convolutions on both RADAR points and feature vectors. Feature vectors are generated within the GSP framework to create a contextualized representation of the sensor data. As the movement towards comprehensive deep learning methods continues to grow in popularity, we initially present the RADAR-DGCNN and RADAR-PointNGCNN methods, both of which are constructed using graph-oriented algorithms. While our initial suggested approaches predominantly utilize graph-related methods, we improve the classification outcomes by integrating adaptations into a Transformer network within the GSP framework. To validate the effectiveness of our proposed methods, we conduct experiments using publicly available nuScenes and RadarScenes point cloud datasets. Through extensive experimentation on these challenging benchmark datasets, we demonstrate that our proposed method outperforms state-of-the-art baselines studied on the RADAR point cloud in terms of performance.

Rasim Akın Sevimli

2023

FMCW radar verilerinin makine öğrenmesi yöntemleri ile sınıflandırılması

Günümüzde objeleri niteliklerine göre sınıflandırmanın birçok uygulama alanı bulunmaktadır. Örneğin, savunma sanayi, gözetleme, robotik vb. Bu durum, geleneksel yöntem ile çözülemeyen problemlere yönelik birçok yenilikçi uygulamanın ortaya çıkmasına olanak sağlar. Örneğin, radar verileri üzerinden nesnelerin sınıflandırılmasında hız, Radar Kesit Alanı (RKA), faz değişimi gibi birçok değer göz önünde bulundurulur. Ancak, bu yöntem ile birbirine yakın boyut ve hızlarda olan nesneler yüksek doğruluk ile ayırt edilememektedir. Bu duruma örnek olarak kuş ve droneların radar verileri üzerinden ayırt edilmeye çalışılmasını örnek verebiliriz. Kuşlar ve droneların RKA ölçümleri ve hızları bazı durumlarda aynı olmaktadır ve bu sebep ile geleneksel eşik uygulama gibi yöntemler etkin olmamaktadır. Günümüzde meydana gelen simetrik ve asimetrik çatışma ve savaşlar göz önüne alındığında, drone kullanımının arttığını ve savaş alanında etkin bir şekilde kullanılabileceğini gözlemlemek mümkündür. Droneların kolay elde edilebilir ve kolay imal edilebilir olması bu duruma neden olabilmektedir. Bu nedenle farklı sensörler ve farklı yöntemler kullanılarak bu droneların ayırt edilmesi önem arz etmektedir. Bu tez çalışmasında, bu ayrımın yüksek performansla gerçekleştirilebilmesi için gerçek radar sensör ölçümlerinden elde edilen eş evreli dördün evreli (In-Phase Quadrature, IQ) verilerinin spektogramları ile Evrişimsel Sinir Ağı(ESA) algoritmasının performansı üzerine bir çalışma yapılmıştır. Bu çalışmada, Frekans Modülasyonlu Sürekli Dalga (Frequency Modulated Continuous Wave, FMCW) radardan elde edilmiş olan IQ verilerinin mikro-doppler izlerini kullanarak, klasik makine öğrenmesi yöntemlerini ve farklı derin öğrenme mimarilerini kullanarak hem farklı drone türlerinin sınıflandırılmasını hem de droneların kuşlardan ayırt edilmesi gerçekleştirilmiştir. Bu çalışmada kullanılmış olan veriseti içerisinde 6 adet drone sınıfı, 2 adet insan hareketine bağlı ölçümlerden oluşan insan sınıfı, 6 ayrı kuş türüne ait ölçümlerin olduğu kuş sınıfı ve Üçgen Reflektör ölçümlerinden oluşan üçgen reflektör sınıfı bulunmaktadır. Bu çalışma sonucunda uçtan uca oluşturulmuş ESA mimarileri ve önceden eğitilmiş ESA mimarilerinde ile yüksek başarım oranları elde edilmiştir. Bu çalışmada önerilen ESA mimarisi ile özniteliklerin çıkartılarak Destek Vektör Makinası ile sınıflandırıldığında en yüksek doğruluk değeri %98.04 olarak elde edilmiştir.

Emre Can Ertekin

2024

EşleştirmeKaynak dağılımıKullanıcı+2

Dikgen olmayan çoklu erişimde kaynak tahsisi

Dikgen Olmayan Çoklu Erişim (NOMA) sisteminde Kaynak Tahsisi (RA), Kullanıcı Eşleştirme (UP) ve Güç Tahsisi (PA) olmak üzere iki başlık altında incelenir. Kaynak tahsisi, UP ve PA'nın birlikte uygulanması ile gerçekleştirilir. UP ile hücredeki kullanıcılar birden fazla gruba ayrılır ve her grup için ayrı ayrı NOMA uygulanır. Bu çalışmada, her biri iki kullanıcıdan oluşan gruplar için güç alanında kaynak tahsisi yapılmıştır. Kullanıcıları eşleştirmek için Rastgele Eşleştirme, Optimal Kullanıcı Eşleştirme ve Uyarlanabilir Kullanıcı Eşleştirme algoritmaları ayrı ayrı uygulanmıştır. Uygulanan tüm bu eşleştirme algoritmaları için yine ayrı ayrı olmak üzere her bir algoritmadaki gruplar içerisinde güç tahsisi yapılmıştır. Güç tahsisi, sezgisel optimizasyon algoritmalarından biri olan Parçacık Sürü Optimizasyon (PSO) algoritması kullanılarak yapılmıştır. Algoritma, her bir grup içerisindeki kullanıcıların veri hızının OMA sistemindeki veri hızlarından düşük olmaması ve kullanıcılara atanan güç katsayılarının toplamının bire eşit olması kriterlerine göre çalıştırılmıştır. Çalışma kapsamında kullanıcıların optimal bir eşleşme ile gruplandırılması ve sistemin toplam veri hızının arttırılması hedeflenmiştir. Sonuçlar MATLAB programı kullanılarak grafikler üzerinden karşılaştırmalar yapılarak gösterilmiştir. Kullanılan eşleştirme algoritmaları ile beraber yapılan güç tahsisi sonucu elde edilen kullanıcı veri hızları ve sistemin toplam veri hızının OMA kullanıcı veri hızları ve sistemin toplam veri hızı ile karşılaştırılması yapılmıştır. Ayrıca kullanıcıların NOMA ve OMA hızları kullanılarak sistemin kazancı hesaplanmıştır ve grafik ile gösterilmiştir. PSO algoritmasının güç tahsisi üzerindeki performansının anlaşılabilmesi için literatürde sıkça kullanılan Channel State Information (CSI) tabanlı güç tahsisi yönteminden faydalanılmıştır. Bu iki yöntem karşılaştırılarak sonuçlar yorumlanmıştır.

Caner Küçükyılmaz

Karadeniz Technical University · Fen Bilimleri Enstitüsü

2022

Akıllı batarya kapasitesinin derin öğrenme yöntemleriyle tahmini

Günümüzde lityum iyon bataryalar, verimli bir enerji depolama elemanı olarak üretimin ve yaşamın çeşitli alanlarında yeri doldurulamaz bir rol oynamaktadır. Lityum iyon bataryaların sağlık durumu (SOH), enerji depolama sisteminin güvenli çalışması için kritik öneme sahiptir. Lityum iyon bataryaların sağlık durumunun bozulması batarya performansının düşmesine, mevcut maksimum kapasitenin azalmasına, hizmet ömrünün kısalmasına, elektrikli araçların sürüş menzilinin azalmasına ve hatta elektrikli araç kullanımında güvenlik açıkları meydana gelmesine yol açabilmektedir. Bu tez çalışmasında batarya yönetim sisteminden gelen, yaşlanmaya bağlı olarak değişen gerilim, akım ve sıcaklık profilleri gibi ölçülebilir veriler kullanılmış bu veriler ile kapasite değişim vektörü elde edilmiş ve Dikkat Mekanizmalı Geçitli Tekrarlayan Birim yöntemi ile bir kapasite tahmin çerçevesi önerilmiştir. Bu verilere dayanarak kapasite ile şarj profilleri arasındaki ilişki sinir ağları tarafından öğrenilir. Bu çalışmada ulaştığımız deneysel sonuçlar hem soğuk hem sıcak hem de oda sıcaklığı koşullarından NASA lityum iyon batarya veri setlerine dayanır. Önerilen dikkat mekanizmalı GRU yöntemi, bataryanın sağlığının tahmininde ortalama mutlak yüzde hata açısından derin öğrenme yöntemlerinden olan LSTM, GRU, BiLSTM, LSTM-AM ve BiLSTM-AM yöntemlerine kıyasla sırasıyla %35, %27, %20, %16 ve %10'a kadar daha başarılı olduğu görülmüştür. Yapılan benzetim çalışmaları MATLAB ortamında derin öğrenme toolbox'ı kullanılarak gerçekleştirilmiştir. Son yıllarda dikkat mekanizmaları, zaman serisi tahmin modellerinin performansını artırmak için güçlü bir araç olarak ortaya çıkmıştır. Bu çalışmada, zaman serisi problemlerinin çözümlerinde kullanılan LSTM, BiLSTM ve GRU aynı NASA veri setleri üzerinde denenmiş ve her biri dikkat mekanizması ile birleştirilerek performansları ölçülmüştür. Bu üç yöntemden daha hızlı ve basit olmasıyla GRU tercih edilmiştir. Bu çalışmada önerilen mekanizma GRU ile Dikkat Mekanizmasını birleştirerek oluşturulmuş SoH öngörüm mekanizmasıdır.

Tuğhan Tunç

2024