561
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
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.
Automated environmental proconditioning for efficient plant growth
ABSTRACT MICROCOMPUTER-AIDED GREENHOUSE CONTROL CEVIK, Ulus M. S in Electrical and Electronic Engineering Supervisor: Assoc. Prof.Dr. Celal KORASLX October 1990, 62 pages. The main purpose in greenhouse plantation is to provide environmental factors affecting the growth, such as temperature, relative humidity, light, and water, to the best of plant needs. This form of greenhouse conditioning also eliminates adverse effects oriented from the atmosphere. In this work a system is designed to control greenhouse atmosphere and soil moisture. The automation is realized using an 8-bit microcomputer and some driving units. According to the type of plant to be grown a range set for each parameter and the measured values were compared. Any deviation from the range activates the related control unit, for example, when the measured temperature drops to a value below the range set heat blower is activated. In the case of any failures or malfunctions resulted in the control circuits an audio alarm facility is also supplied to the system. ! Keywords: Greenhouse, Microcomputer automation. iii
Effect of noise on mode-locked soliton pulse source
ABSTRACT EFFECT OF NOISE ON MODE-LOCKED HYBRID SOLÎTON PULSE SOURCE DO?RU, Nuran Ph. D. in Electrical and Electronics Engineering Supervisor: Prof. Dr. M. Sadettin ÖZYAZICI May 2003,120 pages The noise of hybrid soliton pulse source (HSPS) utilizing different fiber Bragg gratings (FBGs) such as uniform, Gaussian, linearly chirped uniform and linearly chirped Gaussian apodized are described by using electric field approach when HSPS is mode-locked. The HSPS system is made up of a multi-quantum well (MQW) semiconductor laser, a fiber and a FBG. The HSPS is modeled by a time-domain solution of the coupled-mode equations including spontaneous emission noise. These equations are converted into the transfer matrix form by using the piecewise-uniform approach. Relative intensity noise (RIN) is calculated using numerical solutions of these equations. Although transform-limited pulses over a wide tuning range around the fundamental mode-locking frequency are obtained from mode-locked HSPS with linearly chirped uniform and linearly chirped Gaussian apodized FBGs with low noise, mode-locked HSPS with uniform and Gaussian apodized FBGs can generate transform-limited pulses only over a limited tuning range. However, noise increases with increasing linewidth enhancement factor, gain saturation parameter and spontaneous coupling factor. A high noise level that generates a noise peak at the mode-locking frequency in the RIN spectrum makes the transform limited pulses unobtainable at the mode-locking frequency and therefore proper mode-locking range reduces. Noise is also extremely sensitive to the RF and DC currents. Carrier noise is important as spontaneous noise and inclusion of this noise source into the rate equations is necessary for accurate analysis of the noise. It is also found that RIN inreduction is possible for the mode-locked HSPS by selecting a suitable apodization function such as Gaussian and linear chirp rate. Keywords: Hybrid soliton pulse source, mode-locked laser, fiber Bragg grating, multi-quantum well laser, relative intensity noise, spontaneous noise, carrier noise. IV
Analysis of linear time-varying systems in wavelet domain
Analysis of linear time-varying systems is one of the important problems inengineering. In many solution methods there are some approximations such that the system ismodeled as time-invariant system and/or the solution is obtained in steady-state conditionswithout considering the transient response. The problem is to get a general analysis methodfor LTV systems is still continuing to investigate.In this thesis, time-varying systems are analyzed in wavelet domain. The system equations aredescribed in a higher order differential equation or state-space representation. To solve theseequations, they are transferred to wavelet domain by forming algebraic matrix-vector relationsusing the wavelet transform coefficients. These relations are achieved by defining operatormatrices concerned with addition-subtraction, multiplication, derivative and integral operatorsappear in system equations. Orthogonal and compact support wavelets provide a simple wayto define these operator matrices. The operator matrices have been defined for orthogonalcompactly supported wavelets. Linear time-varying system?s dynamic equations areexpressed as into algebraic matrix-vector relations by using the operator matrices. Inapplication, firstly, system analysis in wavelet domain method is theoretically applied todifferential equation and state-space representation of LTV systems and then some illustrativeexamples are given. Their results are discussed in conclusion.This thesis consists of a literature survey on the linear time-varying systems and their solutiontechniques, the theoretical background of wavelets and wavelets transform, the operationalmatrices of time domain operators and LTV system analysis with wavelets.Key Words: Wavelet domain system analysis, Wavelet transform, Linear time-varyingsystems, Linear operators.
Sliding mode control and its applications
Sliding Mode Control (SMC) method is one of the robust control methods tohandle systems with model uncertainties, parameter variations and input and outputdisturbances. In this study, a sliding mode control system with an integral (SMC+I)operation is adopted to control speed of an electromechanical system. The proposedsliding mode controller is chosen to ensure the stability of overall dynamics duringthe reaching phase and sliding phase. The stability of the system is guaranteed in thesense of the Lyapunov stability theorem. Chattering problem is overcome using somecontinuous functions such as saturation function, and hyperbolic function.Experimental results verify that the proposed SMC+I controller can achievefavorable tracking performance and is robust with regard to parameter variations anddisturbances compared with the conventional sliding mode controller and PIDcontroller .Keywords: sliding mode control, integral control, experimental application,electrical drive system, conventional control
Plane wave incidence to a cylindrical frequency selective surface comprising of metal strips
Scatterings from circular cylindrical structures comprising of free-standing ordielectric shell backed metal strips are considered. When formulating the problem,the scattered waves are written as infinite sums of cylindrical Floquet modes withunknown weighting coefficients. The weighting coefficients are then determined byusing boundary conditions appropriate for the problem. Numerical results areobtained by applying the Moment method (MM) techniques whereby entire domainsinusoidal basis functions are used. The infinite sums appearing in MM solutions arefound to be slowly convergent. When solving the problem by a MM technique, theinfinite sums should be handled properly in order to circumvent slow convergencedifficulties. One approach in such a case is to use sub-domain basis functions inconjunction with a conjugate gradient fast Fourier transform method. Anotherapproach is to use entire-domain basis functions together with a convergenceacceleration method. Here, we follow the second approach and give an appropriateconvergence acceleration method. It is shown that the resulting infinite sums of theMM solutions can be very efficiently computed by employing a new convergenceacceleration technique based on Kummer?s method.Results reveal that the thickness of the dielectric shell strongly affects thescattering properties of conducting strips. Moreover, resonances are detected at somespecific frequencies where the structure becomes almost invisible to an observer.iiiSuch properties of cylindrical structures may be very useful in radar applications orantenna applications.Keywords: Cylindrical Frequency Selective Surface, Cylindrical Structures,Cylindrical Floquet Modes, Convergence Acceleration, Kummer?s Method,Scattering, Radar Cross Section.iv
Development of an algorithm for voxelization of CSG (constructive solid geometry) objects using a 2D CSG processor
ABSTRACTDEVELOPMENT OF AN ALGORITHM FOR VOXELIZATION OF CSG(CONSTRUCTIVE SOLID GEOMETRY) OBJECTS USING A 2D CSGPROCESSORKOÇ, SemaPh. D. In Electrical and Electronics Engineering6XSHUYLVRU$VVRF3URI'U6DYDú8d.81Co-Supervisor: Assist. Prof. DU8OXVd(9ø.May 2005, 106 PagesIn this thesis we present a new approach for the voxelization of volumetric scenegraph. The voxelization algorithm is based on the creation of volume slices using thedepth information of front and back surfaces belonging to scene primitives. Thealgorithm generates slices of the each primitive intended to be voxelized using 2DCSG processor.For the volume scene tree ?Blist (Boolean list)? representation is used. In Blistformulation, a Boolean expression is represented as a list of primitives instead of atree, and this may be evaluated in a pipeline fashion, combining at each step theresult of classifying the cells against the current primitive with the result of theprevious classification. The fundamental breakthrough provided here lies in the factthat the result of the previous classifications does not require the list of values of cell-primitive classification results, nor a stack of intermediate results of evaluating sub-expressions. Instead, Blist passes from one primitive to the next a simple label,which may be stored using at most log(H+1) bits, where H is the height of the CSGtree .Where this study differs from previous works is that it provides the following: thez-buffer based voxelization algorithm can voxelize different type of objects (convexand concave objects, polygons, lines and surfaces), also the algorithm is suitable foriiiaccurately voxelizing objects with hidden cavities. Using Blist representation, thevolume scene tree expression can be evaluated without using recursion or stack.Keywords: volume scene tree, Blist, voxelization, CSG (Constructive solidgeometry), z-buffer.iv
Analysis of square spirals on planar dielectric and chiral slabs
n this thesis, the scattering characteristics of novel Frequency Selective Surfaces (FSSs) such as, L?shaped, One? and Two?turn square spiral elements are investigated theoretically on planar dielectric and chiral slabs for Transverse Electric (TE) and Transverse Magnetic (TM) incident plane waves. Assuming it to be infinitely thin and a perfect conductor, the FSS elements are placed periodically in the x?y plane. The Moment Method (MM) of Galerkin type is employed by expanding the current induced on the metallic surfaces in terms of overlapping Piecewise Sinusoidal (PWS) basis functions. The reflection and transmission coefficients due to FSS structures are obtained in terms of current coefficients. The numerical results of reflection and transmission coefficients are plotted against frequency for freestanding and dielectric backed FSS elements. The variation of reflection coefficient with respect to frequency is presented for different values of parameters such as incident angle, slab thickness and dielectric constant. The co? and cross?polarized field equations due to chiral medium are written separately for TE and TM incident waves. The co? and cross?polarized reflection and transmission coefficients are plotted with respect to frequency for different values of medium parameters such as chirality admittance, slab thickness, incident angle and dielectric constant. At resonant frequency a maximum current is excited on the elements; for this reason, the current amplitude induced on the metallic FSSs is plotted against the stretched out wire length at resonant frequency.
Investigation of a new method for direct IIR digital filter realization using flattened coefficients
A new direct method for the conversion of FIR transfer function to IIR transfer function using flattened coefficients is presented. The non-linear equations are obtained by the long division coefficients of the IIR transfer function. The given coefficients of the FIR filter are equated to these equations and solved by using the non-linear system solution algorithms. To reduce the error between the IIR filter and given FIR filter, an error minimization algorithm is used and the presented method is compared with the other approximation methods. The effects of binary flattened coefficients are investigated. Keywords: FIR filter, IIR filter, long division
Design of high-quality low-order nonrecursive digital filters using the window functions
The aim of the thesis study is to present a new window function (or simply window) to provide better nonrecursive filter characteristics than the filters designed by the windows in the literature. To achieve this aim, four windows - namely Exponential, Cosh, modified Cosh and modified Kaiser - are proposed.The Exponential and Cosh windows are derived by replacing the modified Bessel function of first kind of order zero in the Kaiser window with the exponential and cosine hyperbolic functions, respectively. Unlike the Kaiser window, they have an advantage that they have no power series expansion in their time domain representations. The spectrum design equations are established for these windows. The simulation results show that compared to the Kaiser window for the same window length and mainlobe width, they provide very good sidelobe roll-off ratio characteristic - which may be useful for some applications. But, in terms of the ripple ratio, the Kaiser window performs better results. As for the comparison with the three-parameter Ultraspherical window, the Exponential window performs better in ripple ratio characteristic for narrower mainlobe width and larger sidelobe roll-off ratio with fixing the window length, mainlobe width and sidelobe roll-off ratio. For wider mainlobe width and smaller sidelobe roll-off ratio, it performs worse ripple ratio. The Cosh window performs better ripple ratio characteristic for wider mainlobe width and larger sidelobe roll-off ratio. But, for narrower mainlobe width and smaller sidelobe roll-off ratio, the Ultraspherical window provides better results.Third and fourth proposed window functions are the modified Cosh and modified Kaiser windows which are derived by proposing a third adjustable parameter to the two-parameter Cosh and Kaiser windows, respectively. The simulation results show that they provide superior ripple ratio characteristics compared to the Kaiser and Cosh windows.As for the applications of the proposed windows in the design of nonrecursive digital filters, the filter design equations for the Exponential and Cosh windows are obtained, and then they are compared with the Kaiser window. The simulation results show that the Kaiser window provides better results in terms of the minimum stopband attenuation. But, the Exponential and Cosh windows are better in terms of the maximum stopband attenuation which may be useful for some applications. The optimum solutions for the modified Cosh and modified Kaiser windows are found, and then the simulation results show that these two modified windows performs very good results in terms of the minimum stopband attenuation compared to the Kaiser window.The comparisons with the well known window functions in literature show that the proposed modified Cosh and modified Kaiser windows can provide the best quality in terms of the minimum stopband attenuation for a fixed filter order, and also provide lowest filter order for a fixed minimum stopband attenuation.
Shape-based hand recognition
In this thesis, a new algorithm for personal recognition has been proposed.Personal recognition has been made using geometric features of the hand of theindividuals. Hand geometry is a biometric that identifies individuals by the shape oftheir hands. In this study, a smart, simple and an effective algorithm is presented forboth verification and identification of the people.The proposed algorithm consists of three major parts: Segmentation forobtaining the hand contours, feature extraction and recognition. Segmentation partseparates hand region from the background and extracts the hand and fingercontours. Feature extractor finds the lengths of the fingers, finger widths at differentheights of the fingers, and the width of the palm as a feature vector. Finallyrecognition part compares the feature vector obtained from the input image with thedatabase and gives the result for identification or verification purposes.This algorithm uses right hand images of the individuals for both verificationand identification purposes. The necessary codes for the proposed algorithm werewritten in Matlab software. To see the overall performance, the proposed algorithmhas been tested over a large number of images. It was obtained that the identificationrate for this algorithm is 97.44 % and verification rate is 98.72 % giving the leasterror.Key Words: biometrics, segmentation, hand geometry, smearing, templatematching, recognition
STM32 mikroişlemci tabanlı motor sürücü tasarımı
Bu tez çalışmasında, 48V batarya ile çalışan bir fırçasız doğru akım (BLDC) motoru için STM32 mikroişlemci tabanlı özgün ve yerli bir motor sürücü tasarımı gerçekleştirilmiştir. Çalışma kapsamında, motor sürücü devresi Altium Designer yazılımı kullanılarak tasarlanmış, devre elemanlarının seçimi, yerleşimi ve baskı devre kartı (PCB) düzeni oluşturulmuştur. Tasarlanan devrenin performansını değerlendirmek amacıyla sanal ortamlarda (Proteus) simülasyonlar gerçekleştirilmiştir. Gerçek değerler içinse motor test cihazı üzerinde denemeler yapılmıştır. BLDC motorlar, yüksek verimlilikleri ve düşük bakım gereksinimleri nedeniyle günümüzde elektrikli araçlardan endüstriyel otomasyona kadar birçok alanda kullanılmaktadır. Bu bağlamda, tasarlanan sürücü devresi, motorun hız ve konum kontrolünü sağlarken aynı zamanda enerji verimliliği açısından da optimize edilmiştir. STM32 mikroişlemcisi, motorun hız ve yön kontrolünü gerçekleştiren temel bileşen olarak kullanılmış ve sürücü algoritmaları mikroişlemciye entegre edilmiştir. Motorun doğru çalışmasını sağlamak amacıyla sinyallerin hassas bir şekilde yönetilmesi ve güç elektroniği devrelerinin etkin bir biçimde tasarlanması hedeflenmiştir. Simülasyon sonuçları, tasarlanan devrenin belirlenen çalışma koşullarında güvenilir bir performans sergilediğini ve teorik analizlerle uyumlu olduğunu göstermiştir. Bu çalışma, BLDC motor sürücü devrelerinin tasarımında STM32 mikroişlemcilerin etkin kullanımını vurgulamakta ve gelecekte yapılacak benzer çalışmalar için bir temel sunmaktadır.
Battery management system
Green energy is becoming increasingly significant in today's globe. Electric automobiles are currently the best alternative for the environment, personal and public transportation, due to air pollution. Batteries are used in electric vehicles, which can be dangerous if they are not used in a safe environment. The goal of this thesis is to create a BMS that can monitor the voltages, currents, and cell balancing of each cell in the battery pack, as well as monitor the pack's temperature. This involves the system's hardware as well as the creation of a sample test component to evaluate the system's functionality. Electric vehicles' batteries must always be kept under control within their safety operational area (SOA). Multiple cells of battery cells are combined to get the desired voltage and capacity. To achieve the high voltage and capacity required for electric cars, a large number of cells are required. In this thesis, we came up with ways on how to monitor each battery cells functionality and we developed an Algorism for checking and detecting of bad cells for replacement in the battery pack and displayed those cells condition on LCD whether they are good or bad to notify the users, the present conditions of each cell for next line of action by the user. This work comprises of four chapters, chapter one includes all theoretical aspects and the literature review of this thesis while chapter two is all about materials and methods used for the design of the BMS of this research including circuit design, PCB and 3D of the BMS and chapter three is findings of the end results obtained in this thesis lastly chapter four result discussion.
Control and analysis of a three phase induction motor by using STM32
Three-phase induction motors are the essential machines for high power applications where high efficiency, high reliability, and robust construction are required. Controlling the speed of the induction motor is one of the most important targets for most applications, especially in electric cars. However, in medium and high power applications, to control the speed of the induction machine, the current must be controlled instantaneously to prevent the motor from damage during the transient condition while the motor starts up or the sudden changes of the load. Therefore, the IFOC approach is recently used to control the speed of three-phase induction machines. In this method, the currents and the voltages are controlled instantaneously to keep the speed of the motor constant and provide safe operations. In this thesis, 0.25 kW three-phase induction motor modeled by MATLAB / SIMULINK and simulated in Direct-On-Line (DOL) condition after that for applying Indirect Field Orienteion Control (IFOC) method a three PI controller needed for current, flux and speed loop also they designed a cording to a motor's parameter that found them in Laboratory and calculated by hand after that the motor controlled by IFOC with adding some extra point to increasing the performance of system like lookup table for more protecting the motor from high voltage and also filed weakening designed. In the practical part inverter, rectifier, and sensor boards designed using proteus platform then the open-loop test is done by using 0.25 kW three-phase IM, Rectifier board, Inverter board, STM32F103C8 microcontroller and tested them using the Space Vecor Pulse Width Modulation (SVPWM) signals that designed by the microcontroller. Then for closed-loop control is done using 0.25 kW three-phase IM , Rectifier board , Inverter board ,sensor board, STM32F103C8 microcontroller) and IFOC method implemented.
Hanönü güneş enerjisi santralinin farklı simülasyon programları ile tasarımı ve tekno-ekonomik performans parametrelerinin değerlendirilmesi
Bu çalışma, Kastamonu'nun Hanönü ilçesinde 2021 yılında kurulan 276 kWp kapasiteli güneş enerjisi santralinin performans analizi ve farklı simülasyon programları ile tasarımına odaklanmaktadır. Enerji ihtiyacının artışı ve fosil yakıtların çevresel etkileri nedeniyle yenilenebilir enerji kaynaklarına olan yönelimin artış gösterdiği bir dönemde, güneş enerjisinin önemi bu çalışma ile vurgulanmıştır. Hanönü Güneş Enerji Santrali'nin PVsyst ve PV*SOL gibi simülasyon programları kullanılarak tasarımı ve çıktılarının gerçek üretim verileriyle karşılaştırılması, bu çalışmanın ana amacını oluşturmuştur. Bu kapsamda, ön fizibilite çalışmalarından yer seçimi ve arazi değerlendirmesine, teknolojik analizlerden çevresel etkilerin incelenmesine kadar birçok temel adım ayrıntılı bir şekilde ele alınmıştır. Araştırma sonucunda, simülasyon programlarının yatırımcı kararlarını destekleyen kritik veriler sunduğu ve bu yazılımların gerçek üretim değerlerine yakın sonuçlar verdiği gözlemlenmiştir. Bu durum, hem mevcut yatırımların performansını değerlendirmek hem de gelecekteki projelerin planlanmasında bu tür programların etkinliğini ortaya koymaktadır. Çalışma, yenilenebilir enerji kaynaklarının kullanımına dair önemli bir çerçeve sunmakta ve yerel enerji potansiyelinin simülasyon destekli analizlerle daha etkin bir şekilde değerlendirilmesi gerektiğini vurgulamaktadır. Güneş enerjisi santrali tasarımı ve performans analizinde bu çalışmanın sunduğu bulguların, gelecekteki projelere rehberlik etmesi beklenmektedir.
Katıhal lazeri için kavite tasarımı ile optik dönüşüm verimliliğinin iyileştirilmesi
Lazer optik dönüşüm verimliliği, bir lazer sisteminin elektrik enerjisini yararlı lazer ışığına dönüştürmedeki etkinliğini ifade etmektedir. Kazanç ortamı, pompa kaynağı ve optik oyuğa ait boşluk tasarımı gibi faktörler bu verimliliği etkileyen önemli parametrelerdir. Bu faktörler arasında yer alan optik oyuk, fotonların aynalar arasındaki hareketi ile yoğunlaştırılmaktadır ve bu durum lazer ışınımlarının yükseltgendiği yansıtıcı odalarda meydana gelmektedir. Yapılacak olan bu tez çalışmasında, üretimi durdurulmuş ve aktif kullanımdan çekilmiş Gentlelaseplus Alexandrite katı hal lazerdeki optik rezonatörün modifikasyonu ile optik ve elektriksel verimliliğin artırılması, atım enerji değişimlerinin gözlemlenmesi, üretim maliyetlerinin düşürülmesi ve kullanım ömrünün artırılması amaçlamaktadır. Bu kapsamda yapılacak çalışma üç aşamada gerçekleştirilecek olup aşağıdaki gibi ifade edilmektedir: 1-İlk aşamasında optik pompalama odasındaki kuvars iskeletin yapısı değiştirilecektir. Bu bağlamda erimiş silika cam kullanılarak üretilen iskelet yerine, bu iskelet camındaki 3 delikli temel yapı borosilikat (BK7) kullanılarak üretilecektir. BK7 kullanılması ile lazer platformu üzerinde atım yapılarak enerji çıkışları ölçülecektir. 2-İkinci aşamada ise optik kavite içerisindeki dağınık yansıtıcı dolgu malzemesi olarak kullanılan Baryum Sülfat (BaSO4) yerine alternatif olarak farklı dolgu malzemeleri kullanılarak enerji verimi gözlemlenecektir. 3-Optik kazanç artırımı sağlanırken elektromanyetik radyasyondaki değişimin incelenecektir.
Hibrit optik görüntüleme sistemi ile tespit edilen seramik yüzey kusurlarının görüntü işleme ve derin öğrenme teknikleriyle analizi
Bu çalışmanın amacı, seramik ve porselen gibi yapıya sahip malzemelerdeki görünür ve görünmez kusurların hassas bir şekilde tespit edilmesi ve üretim süreçlerinin daha verimli hale getirilmesi için hibrit optik görüntüleme sistemi (HOGS) kullanarak, temassız ölçüm yapabilen yüksek çözünürlüklü hibrit bir sistem geliştirmektir. Bu amaç doğrultusunda, Yanal kesme sayısal holografik mikroskopisi (YKSHM) ve mikroskobik saçak projeksiyon profilometrisi (MSPP) yöntemlerinin birleştirildiği HOGS sistemi ile kaydedilen hologramlardan bilginin geri elde edilebilmesi için faz bilgisi kullanılmıştır. Faz bilgisi çıkartmak için ise literatürde sıklıkla kullanılan sürekli dalgacık dönüşümü (mexican hat, morlet), Fourier ve Hilbert dönüşüm teknikleri tercih edilmiştir. Buna ek olarak başarılı sonuç veren Hilbert dönüşümünün başarımını daha da arttırabilmek için çeşitli kenar belirleme teknikleri; Canny, Prewitt, Sobel uygulanmıştır. Nihai olarak görüntülerdeki kusuru en belirgin hale getiren Hilbert+Sobel tekniği derin öğrenme öğrenme tabanlı ResNet-50 modelinde çeşitli düzenlemeler yapılarak kusursuz seramiklerden ayırt edilmesi için sınıflandırılmıştır. Bu sınıflandırmada yapılan görüntü işleme metodlarının sınıflandırma başarımına etkisine değinebilmek amacı ile HOGS kullanılarak elde edilen optik görüntülerin ham haline de Resnet-50 mimarisi uygulanmış ve sonuçlar karşılaştırmalı olarak sunulmuştur. Bu çalışma, seramik üretiminde kalite kontrol sürecinde zaman ve maliyetin azaltılmasına katkı sağlamayı, aynı zamanda uzaktan algılama ile insan gözünden daha hassas ve doğru sonuçlar elde edilmesini amaçlamaktadır. Günümüzde kullanılan çeşitli uzaktan algılama yöntemlerine göre bu yaklaşım, hem maliyeti düşürmekte hem de seramik yüzeyine zarar vermeden hızlı bir kalite kontrolü sunmaktadır. Bu çalışma günümüzde inşaat, elektrik-elektronik, tıp, sanat, savunma sanayi ve mühendislik uygulamaları gibi birçok sektörde faaliyet gösteren seramik ve porselen endüstrisinde üreticilerin karşılaştığı yüzey kusur tespitinde yaşanılan zorlukların üstesinden gelmesinde katkı sağlayacaktır. Yapılan tez, birden çok yaklaşımı bir araya getirip hibrit bir sistem sunduğundan bu alanda öncü çalışmalardan olmuştur.
Kablosuz haberleşme sistemleri için güç paylaşımlı kanal kodlama yapısı
Kablosuz haberleşme sistemlerinde çeşitli kanal etkilerinden dolayı veri kaybolabilir veya hatalı olarak alınabilir. Veri aktarımında hata ve kayıpları önlemek amacıyla en yaygın olarak kullanılan yöntem olan kanal kodlamada iletilen verinin üzerine ekstra bitler çeşitli yöntemlerle eklenerek gönderilir. Ekstra bitler hataların tespit edilip düzeltilebilmesine yardımcı olurken anlamlı spektral verimliliği düşürmektedir. Başka bir deyişle gönderilen verinin belli bir oranı bilgiyi içermektedir. Bu nedenle bu çalışmada kanal kodlamalı haberleşme sistemleri için düşük kodlama oranında güç paylaşımlı kanal kodlama yapısı sunulmuştur. Verici tarafında paralel olarak birden çok bilgi dizini yüksek kodlama oranında kanal kodlamaya tabi tutulduktan sonra bu paralel kollar ağırlıklı güç katsayıları ile çarpılarak toplanır ve tek bir bilgi dizisi olarak gönderilir. Bu işleme süperpozisyon kodlaması denir. Eş zamanlı birden fazla bilgi dizisi gönderildiği için spektral verimlilik kullanılan paralel kol ile doğru orantılı olarak arttırılmış olur. Diğer taraftan, verici tarafında birden fazla bilgi dizisinin süperpozisyon kodlaması ile gönderilmesi girişime sebep olmaktadır. Fakat önerilen ardışık girişim giderici tabanlı alıcı ile tüm bilgi dizinleri geri elde edilebilmektedir. Önerilen alıcı-verici tasarımının performansını değerlendirmek için evrişimsel kodlama ve düşük yoğunluklu eşlik denetim kodları ile Rayleigh, Nakagami-m ve Rician kanalları üzerinde farklı güç paylaşım oranları, fazlarda bilgisayar benzetimleri yapılmıştır. Benzetimler sonucunda önerilen sistemin M=2 modülasyon seviyesinde faz π/2 güç katsayısı 0.5 iken düşük kodlama oranında daha iyi hata başarımı sağladığı gösterilmiştir. Bu nedenle önerilen sistemin 5G ve sonrası kablosuz haberleşme sistemleri için önemli bir rol oynayabileceği öngörülmektedir. Özellikle, ultra-güvenli ve ultra-düşük gecikmeli haberleşme sistemleri için kritik bir öneme sahiptir.
Makine öğrenmesi ile çevresel tutumların sınıflandırılması: Öznitelik seçimi temelli mühendislik yaklaşımı
Günümüzde veriye dayalı karar alma süreçlerinde makine öğrenmesi (MÖ) modellerinin başarımı, büyük ölçüde kullanılan verinin kalitesi ile anlamlı özniteliklerin seçimine bağlıdır. Özellikle yüksek boyutlu veri kümelerinde, gereksiz veya gürültülü değişkenlerin varlığı öğrenme sürecini yavaşlatmakta, aşırı öğrenmeye yol açmakta ve model çıktılarının yorumlanabilirliğini azaltmaktadır. Bu nedenle, öznitelik seçimi yalnızca hesaplama karmaşıklığını azaltmakla kalmayıp, aynı zamanda doğruluk ve genellenebilirlik gibi temel performans ölçütlerini de iyileştiren kritik bir ön işleme adımı olarak değerlendirilmektedir. Literatürde yapılan çalışmalar, uygun öznitelik alt kümelerinin belirlenmesinin sınıflandırma başarımını artırdığını ve eğitim süresini kısalttığını ortaya koymaktadır.Bu doğrultuda yürütülen tez çalışmasında, farklı özellik seçimi yöntemlerinin çeşitli MÖ algoritmalarının sınıflandırma performansı üzerindeki etkileri sistematik olarak incelenmiştir. Örnek uygulama olarak, çok değişkenli yapıya sahip bireylerin çevresel tutum düzeylerini içeren açık erişimli bir anket veri seti kullanılmıştır. Bu veri seti üzerinde en anlamlı özellikleri belirlemek amacıyla Varyans Analizi, Ki-kare testi, Rasgele Orman (RO), LASSO (En Küçük Mutlak Daralma ve Seçim Operatörü), Temel Bileşenler Analizi (TBA), Oylama, Özyinelemeli Özellik Eliminasyonu, Karşılıklı Bilgi, varyans eşiği gibi on farklı yöntem uygulanmıştır. Seçilen özellik kümeleriyle Naive Bayes, Gradyan Artırma, k-En Yakın Komşu, Destek Vektör Makineleri, Lojistik Regresyon, Çok Katmanlı Algılayıcılar (ÇKA), Torbalama ve Doğrusal Diskriminant Analizi gibi on farklı sınıflandırıcı model eğitilmiştir. Modelleme sürecinde veri kümesi %80 eğitim ve %20 test olacak şekilde ayrılmış; performans değerlendirmesi ise 5 katlı çapraz doğrulama yöntemi ile gerçekleştirilmiştir. Elde edilen bulgular, özellikle TBA ve RO tabanlı özellik seçimi yöntemlerinin, ÇKA algoritmasıyla birlikte kullanıldığında %98,7 doğruluk oranına ulaşarak en yüksek performansı sağladığını ortaya koymuştur. Ayrıca LASSO ve Voting tabanlı yaklaşımlar da dikkat çekici başarımlar sergilemiştir. Genel olarak, özellik seçimi ile sınıflandırma algoritmalarının uygun biçimde eşleştirilmesinin model başarımı üzerinde istatistiksel olarak anlamlı etkiler yarattığı gözlemlenmiştir.Sonuç olarak, bu tez çalışması, özellik seçimi tekniklerinin MÖ tabanlı sınıflandırma modelleri üzerindeki etkilerini çevresel tutum verileri özelinde kapsamlı biçimde incelemektedir. Elde edilen bulgular, yüksek boyutlu veri kümelerine yönelik sınıflandırma problemlerinde öznitelik seçiminin model başarımı açısından kritik bir rol oynadığını ortaya koymakta; bu doğrultuda çalışma, literatüre metodolojik ve uygulamalı düzeyde anlamlı katkılar sunmaktadır. Sayısal analizlerle desteklenen sonuçlar, model optimizasyon sürecinde öznitelik seçiminin önemini vurgulamakta ve farklı veri türleri ile problem alanlarında uygulanabilecek esnek bir çerçeve önermektedir.
Medikal veri setleri için yeni bir aşırı öğrenme makinesi otomatik kodlayıcı tasarımı
Son zamanlarda derin öğrenme mimarilerinde görülen yüksek sınıflama ve tahmin başarımı bu alana ilgiyi artırmıştır. Bilgisayar destekli sistemlerin medikal alanlarda yaygınlaşması hastalık tanısında önem arz etmiş ancak veri miktarı sıkıntısı ön plana çıkmıştır. Hastalık sınıflarını oluşturmak için toplanan veri setlerinin yeterli veri miktarına sahip olmaması ya da dengesiz sınıf dağılımlarına sahip olması kullanılan derin mimarilerin performansı açısından sorun olabilmektedir. Ancak istenen veri seti boyutunu artırma durumu çoğu zaman maliyet, zaman alıcı olması, coğrafi koşullar, ilgili uzmanın veya kullanılacak araç-gerecin bulunamaması, hasta mahremiyeti ve bazı hastalıkların nadir oluşu durumlarıyla mümkün olamamaktadır. Veri çoğullama yaklaşımları bu noktada devreye girmiştir. Bu tez çalışmasında, AÖM-D-OK olarak adlandırılan Dalgacık fonksiyonlu Aşırı Öğrenme Makinası Oto Kodlayıcı tabanlı bir veri artırma yöntemi önerilmektedir. Önerilen yöntem duygu tanıma amacıyla EEG sinyallerinden oluşan GAMEEMO veri seti, otizm spektrum bozukluğu tanısı amacıyla EEG sinyallerinden oluşan veri seti, şizofreni tanısı amacıyla EEG veri seti, akciğer hastalıklarını tespit amacıyla akciğer ses dosyalarından oluşan ICBHI solunum sesi veri seti ve akciğer kanser tespiti yapmak için akciğer bilgisayarlı tomografi görüntülerinden oluşan Chest-CT Scan veri seti üzerinde ayrı çalışmalar kapsamında test edilmiştir. Test edilen yöntem, çalışma içerisinde kullanılan orijinal veri seti, bu veri setlerinin çoğullanmış durumları ve diğer yakın tarihli çalışmalarla kıyaslanmıştır. Karşılaştırmalar, önerilen yöntemin karşılaştırılan yöntemlerden daha iyi performans sergilediğini göstermektedir.
Saldırı tespit ve engelleme sistemleri için yapay zeka tabanlı yeni bir güvenlik modelinin oluşturulması
Günümüzdeki teknolojik gelişmeler ile beraber siber saldırıların hem çeşitliliği hem de sayıları sürekli artmaktadır. Siber saldırıları önlemede en yaygın kullanılan teknolojilerden biri de Saldırı Tespit Sistemleri (STS)'dir. Bu tez çalışmasında STS sistemlerinin performansını iyileştirmeye yönelik çalışmalar yapılmıştır. Çalışmanın ilk bölümünde literatürdeki ilgili çalışmalar incelendikten sonra, ikinci bölümünde literatürde sıklıkla kullanılan STS veri setleri ele alınmıştır. Ele alınan veri setleri önerilen makine öğrenmesi metodları ile sınıflandırılmıştır. Çalışmanın üçüncü bölümünde, literatürdeki STS veri setlerinin eksiklerini gidermek amacıyla Comprehensive Cyber Security Intrusion Detection Dataset (CCiDD) veri seti oluşturulmuştur. Bu bölümde kullanılan tüm veri setleri için özellik seçimi ve hiper parametre optimizasyon işlemleri uygulanarak kullanılan sınıflandırıcıların performansları artırılmıştır. Çalışmanın dördüncü bölümünde, anahtarlama cihazlarındaki anomali artışları ele alınarak yeni bir Switch port Anomaly based Intrusion Detection System (SPA-IDS) adı verilen veri seti oluşturulmuştur. Oluşturulan veri seti önerilen Dikey Mod Dönüşümü (vertical mode decomposition - VMD) ve Yinelemeli Komşuluk Bileşen Analiz (iterative neighborhood component analysis - INCA) adımlarından geçirildikten sonra önerilen makine öğrenmesi metodları ile sınıflandırılmıştır. Çalışmanın beşinci bölümünde, kullanıcıların internet davranışlarını analiz etmek amacıyla Internet of Behavior (IoBe) olarak adlandırılan veri seti oluşturulmuştur. Oluşturulan IoBe veri setinin en iyi özellikleri, dört adet havuzlama işleminden sonra ReliefF özellik seçicisi ile seçilmiş ve Bagged Tree algoritması ile sınıflandırılmıştır. Çalışmanın son ve altıncı bölümünde, tıbbi nesnelerin interneti (Internet of Medical Things - IoMT) kavramı ele alınmış ve bu nesnelere yönelik saldırıları tespit etmek için özellik seçimi ve hiper parametre optimizasyonu adımlarından oluşan yeni bir model önerilmiştir. Bu tez çalışmasında, saldırı tespit sistemlerine daha geniş bir perspektif ile bakılmış ve STS sistemlerinin geliştirilmesine yönelik yeni yaklaşımlar ve veri setleri önerilmiştir. Ayrıca, kullanıcıların internet davranışlarını analiz edebilmek için de yeni bir veri seti oluşturulmuştur. Böylece, oluşturulan veri setleri ve önerilen yaklaşımlar ile literatüre katkı sağlanmıştır.
Kesir dereceli kaotik sistemlerin FPGA platformu ile gerçekleştirilmesi
Günümüzde, birçok bilimsel çalışmada kaotik sistemlerin kullanılmasının sağladığı avantajlar görüldükçe kaotik sistemlerin geliştirilmesi ve daha da kaotik hale getirilmesi amacıyla yapılan çalışmalar artmıştır. Bu çalışmada öncelikle kesirli hesaplamanın tanımı yapılıp, kaotik sistemleri kesir dereceli hale getirmek için Matlab programında yapılan kesirli hesaplama yöntemine değinildi. Kaotik sistemlerin geliştirilmesi amacıyla, kaotik sistemlerin kesirli halinin matematiksel modelinin blok diyagramı, LabVIEW platformu kullanılarak görsel programlama yöntemi ile oluşturulmuştur. Kesir dereceli sistemlerin matematiksel modellerinden yararlanılarak LabVIEW platformunda oluşturulan kesir dereceli sistemlerin uygulamaları çalıştırılarak LabVIEW platformu üzerinde gerçek zamanlı benzetimleri elde edilmiştir. Kesir dereceli olarak oluşturulan bu sistem ile bir görüntü şifreleme uygulaması yapılmış ve başarılı sonuçlar elde edilmiştir. Bu çalışmanın asıl amacı olan kesir dereceli sistemlerin FPGA cihazına uygulanmasıdır. Kesir dereceli sistemlerin LabVIEW programı ile oluşturduğu için LabVIEW platformu ile uyumlu bir FPGA cihazı gereklidir. Bu çalışmada LabVIEW programı ile uyumlu myRIO 1900 FPGA cihazı kullanılmıştır. FPGA uygulamasını gerçekleştirmek için öncelikle LabVIEW ortamı içerisinde myRIO 1900 cihazının çalışması için gerekli olan ayrı bir platformda, daha önce oluşturulan kesir dereceli sistemler yeniden düzenlemeler yapılarak FPGA cihazına kesir dereceli sistemler uygulanarak osiloskop cihazı üzerinde sonuçlar elde edilmiştir. Kesir dereceli bu sistemlerin FPGA cihazına uygulanıp osiloskop üzerinde sonuçlar elde edilmesinin asıl amacı kesir dereceli sistemler ile yapılacak uygulamalarda FPGA cihazının kullanıma hazır olduğunu göstermektir.