706
Arşivlenen Tez
0
DOI Atanmış
0%
DOI Oranı
Anabilim Dalı
Elektrikli araçlardaki elektromanyetik alan maruziyet seviyelerinin ölçümü ve değerlendirilmesi
Bu çalışma, Elektrikli araçlar (BEV), hibrit araçlar (HEV) ve geleneksel içten yanmalı motorlu araçlar (ICE) arasındaki araç içi elektromanyetik maruziyet seviyelerinin mekânsal karakteristikleri incelenmiştir. Araçlarda gerçekleştirilen deneysel ölçümler; motorun çalışır halde sabit (durağan) konumu, hızlanma (ivmelenme) ve frenleme senaryoları, 20, 40 ve 60 km/s sabit hızlarda sürüş ile rejeneratif frenleme sisteminin aktif olduğu durumları içerecek şekilde kurgulanmıştır. Bu bağlamda, çalışma tasarımında söz konusu tüm sürüş senaryolarına yer verilmiştir. Araştırmanın temel motivasyonu, elektrikli sistemlerin (batarya, inverter, kablolar, kablosuz şarj, rejeneratif frenleme vb.) oluşturduğu elektromanyetik alanların yolcu maruziyeti üzerindeki potansiyel etkileri üzerindeki litaratür boşluğunu doldurmaktır. Çalışma metodu ve yöntemsel yaklaşım şu şekilde özetlenebilir: İncelenen araç örnekleri arasında TOGG TX10, Kia EV3, MG 4 Luxury, Seres 3 ile farklı model hibrit ve benzinli araçlar Toyota Corolla Cross Hybrid, Qashqai e-Power, Hyundai Accent yer almaktadır. Araç içindeki referans noktalar arasında sürücü ve yolcu bölgesi ile yüksek akım taşıyan batarya-kablolar ve motor/inverter ünitelerinin yakını gibi kritik bölgeler bulunmaktadır. Alan profilleme amacıyla bu referans noktaların etrafında ve farklı yüksekliklerde ölçüm noktaları oluşturulmuş, her bir senaryoda bu noktaların çevresindeki manyetik alan dağılımı detaylı olarak kaydedilmiştir. Ölçümler MESTEK EMF02R elektromanyetik radyasyon detektörü ile gerçekleştirilmiş. Ölçüm protokolü, yakın/uzak alan etkilerinin belirlenmiş. Tekrarlı ölçümlerle araç içerisindeki elektromanyetik maruziyet seviyelerinin haritalandırılması her araç için ayrı ayrı yapılmıştır. Analizler, manyetik alan dağılımının kaynağın türüne, kablolama düzenine ve cihazların yerleşim yerlerine bağlı olduğu; mesafeye bağlı azalma ve yakın-alan etkilerinin elektromanyetik maruziyet seviyeleri açısından belirleyici olduğunu ortaya koymuştur. Ayrıca hibrit araçlarda elektrikli/benzinli mod geçişleri sırasında dalgalanmalar ve şarj sırasındaki yükselmelerin sistematik olarak incelenerek farklı çalışma senaryolarının maruziyet profiline etkisi gösterilmiştir. Ölçüm verilerinin haritalama ve modelleme yöntemleri ile detaylı analizleri yapılmıştır. Tez çalışmasından elde edilen sonuçlar, ileriye dönük daha geniş kapsamlı çalışmalara, uzun dönem maruziyet analizlerine ve biyolojik etkilerin epidemiyolojik değerlendirmelerine katkı sağlayacaktır.
Elektrostatik sensör ile ölçülen sinyallerin makine öğrenmesi yöntemleri kullanılarak sınıflandırılması
Bu tez çalışması, multimodal sensörler ile pnömatik taşıma partiküllerinin akış karakteristiklerini ortaya çıkarmak amacıyla gerçekleştirilen sınıflandırma çalışmalarının teorik analizini ve deneysel doğrulamasını sunmaktadır. Çeşitli endüstriyel süreçlerin sürekli izlenmesi ve ölçülmesi amacıyla kullanılan multimodal sensörler, kömür santralleri, çimento, çelik ve gıda işleme gibi birçok endüstride yaygın olarak kullanılmaktadır. Veri odaklı çalışmada kullanılan multimodal sensör füzyonu, elektrostatik sensörlerin dizilmesiyle oluşturulan kanaldan veri toplamaktadır. Bu test düzeneğindeki her bir sensör için şimdiye kadar üzerinde en çok çalışma yapılmış halka şeklinde sensör elektrodu ile beraber, dört bölgeli alanı izlemek için yay şeklindeki elektrot boru iç çeperine akışa engel olmayacak şekilde yerleştirilmiştir. Elektrostatik sensörler, basit yapıları, maliyet etkinlikleri ve geniş bir kurulum koşuluna uygunlukları nedeniyle tercih edilmiştir. Bu çalışmada, iki fazlı pnömatik taşıma partikülleri beş farklı kütlesel akış oranına göre sınıflandırılmış, her sınıf için dört farklı hava hızı değeri ile gerçekleştirilmiştir.Elde edilen verilerden türetilen öznitelikler girdi değerleri olarak kullanılmıştır. Sonuç olarak, doğrusal sınıflandırmada kullanılan CVA ve SVM yöntemleri maksimum ortalama olarak sırasıyla \%46 ve \%43 sınıflandırma doğruluğuna ulaşmıştır. Ancak daha karmaşık süreçleri modelleyebilen CNN yöntemi, \%93.6 sınıflandırma doğruluğuna ulaşılabilmiştir.
Dalgacık analizi kullanarak transformatörlerde dahili arıza tespiti
Bu çalışma, trafonun içsel arızalarının tespiti üzerine odaklanarak önemli bir adım atmaktadır. İlk olarak, trafonun normal çalışma durumuyla faz-toprak ve faz-faz arası kısa devre arızaları incelenmiştir, bu da trafonun tipik işleyişini anlamak için kritik bir adımdır. Daha sonra, çıkıştan alınan akım değerleri Ayrık Dalgacık Dönüşümü kullanılarak Matlab Wavelet Toolbox aracılığıyla analiz edilmiş ve arızaların tespiti gerçekleştirilmiştir. Bu yöntem, yüksek hassasiyetle arızaların belirlenmesine olanak tanırken, aynı zamanda verimli bir analiz süreci sunmaktadır. Sonuç olarak, elde edilen dalgacık dönüşümü değerleri yapay zekâ modellerine entegre edilerek arıza tespit süreci iyileştirilmiştir. Bu adım, analiz sürecinin otomatikleştirilmesini ve arızaların daha hızlı ve doğru bir şekilde belirlenmesini sağlamaktadır. Bu çalışma, trafonun dahili arızalarının erken tespiti ve önlenmesi için önemli bir adım olarak değerlendirilebilir. Yapılan analizler ve kullanılan yöntemler, enerji sistemlerinin güvenilirliğini artırarak daha güvenli bir enerji altyapısına katkı sağlayabilir. Anahtar Kelimeler: Arıza tespiti, dahili arıza, trafo, dalgacık analizi, dalgacık paket dönüşümü, wavelet, matlab, diferansiyel koruma, ani akım.
Derin öğrenme yöntemleri ile anomali tespiti
Anomali tespiti, normalden sapmış veri örneklerini tanımlama sürecidir ve çeşitli alanlarda önemli uygulamalara sahiptir. Bu tez, anomali tespiti için derin öğrenme yöntemlerini araştırmakta ve derin hiperküre sınıflandırıcılarını kullanan yeni bir yöntem önermektedir. Önerilen yöntemde, diğer derin hiperküre sınıflandırıcılarının aksine, hiperküre merkezi öğrenilebilir parametre olarak ele alınmış ve eğitim sırasında değişen derin öznitelik temsillerine göre bu merkezin güncellenmesi sağlanmıştır. Ayrıca Aykırı Değer Maruziyeti için kullanılan veri setlerindeki gürültülü etiketlere karşı daha gürbüz bir kayıp terimi önerilmiştir. Yapılan deneyler, önerilen yöntemin anomali tespitinde yaygın olarak kullanılan veri setlerinde literatürdeki en iyi veya eşit sonuçları elde ettiğini göstermiştir.
Gömülü sistemlerde makine öğrenmesi ile seri-optik haberleşmelerde veri bozulmasının tahmini ve iyileştirilmesi
Dış ortamda bulunan elektrik sayaçlarında, güneş ışığı seri optik haberleşmede bozulmalara neden olmakta ve sayaç ile haberleşme sağlanamamaktadır. Sayaçların okunması için kullanılan Bluetooth optik port okuyucunun ışıma şiddetinin dinamik olarak ayarlanması bu soruna alternatif bir çözüm oluşturmaktadır. TensorFlow-Lite kullanılarak ortam şartlarına uygun ışıma şiddetini tespit eden bir model geliştirilmiştir. Bu model bir mikrodenetleyici içerisinde çalıştırılarak, mikrodenetleyiciye bağlı bir ışık sensörü üzerinden okunan ortam koşularına göre haberleşme için gerekli ışıma şiddetinin ayarlanmasını ve haberleşmenin mümkün olmadığı durumların da önceden tespit edilmesi sağlamıştır. Yapılan bu çalışma sonucunda, mikrodenetleyiciye takılan ışık sensörü ile ortam ışık seviyeleri okunarak TensorFlow-Lite modelinde sınıflandırılmıştır. Bu sayede, derin öğrenme ağı ile güneş ışımalarının yüksek ya da düşük olduğu değişken dış ortam koşullarına göre ışıma şiddetini ayarlayarak optik haberleşmenin gerçekleşmesini sağladığı görülmüştür.
Düzlemsel şekil anaçizgilerinin Bézier eğrileri ile modellenmesi
Bézier eğrisinin yönünü ve şeklini kontrol noktaları belirtmektedir. Adını 1960'larda Renault otomobillerinin kaporta yüzeyini matematiksel olarak temsil etmek için eğri formülü geliştiren mühendis Pierre Bézier 'den almıştır (Mortenson, 1999). Bézier eğrileri öncelikli olarak otomotiv sektöründe araç tasarımında daha kıvrımlı, modern ve şık tasarımlar elde etmeyi çok kolaylaştırmıştır. Hazır olan bir şekil veya sıfırdan tasarlanan bir şekil çok sayıda koordinat noktasına sahiptir. Tasarımda bu koordinat noktalarını hesaplamak ve uygulamada kullanmak hem zorlu hem de vakit alan bir süreçtir. Bézier eğrileri bu süreci kolaylaştırmaktadır. Bu çalışmada bu sorundan yola çıkarak düzlemsel şekil anaçizgilerinin Bézier eğrileri İle modellenmesi konu alınmıştır. Ayrıca Bézier eğrisi ile şekil modellenmesinin, matematiksel ifadelerle modellenen şekillere kıyasla ne oranda hatalı modelleme yaptığına dair deneyler yer almıştır.
Elektronik burun ile el yapımı patlayıcıların tespiti
Terörizmin çehresi, gelişen teknolojiyle birlikte değişmiştir. Çağdaş haberleşme, ulaşım imkanları, öldürücü gücü yüksek silahlar ve diğer teknolojik ilerlemeler çağımız teröristinin tahrip edici gücünü arttırmıştır. Bir yandan teröristin kullandığı vasıtalar eskiye kıyasla daha tahrip edici hale gelirken, teröristin bu vasıtaları kullanabilme yeteneği de buna paralel olarak artmıştır. Ülkemizin uzun yıllar boyunca terör saldırılarına maruz kalması, kolluk güçlerinin bu saldırıları daha olmadan önleme yeteneklerini artırmalarında temel motivasyon olmuştur. Özellikle terör saldırılarının hedefleri olan insan topluluklarının kalabalık bir şekilde bulunduğu alanlar olan havaalanı, metro, tren istasyonları, otobüs terminalleri, park ve bahçeler, alışveriş merkezleri, vb. yerlerde önleme aramaları yapılmakta ancak yapılan aramalar daha çok elle ve göz ile yapılmakta ve bunun yanında destekleyici olarak metal detektörleri ve x-ray cihazları kullanılmaktadır. Kolluk güçleri patlayıcı maddeleri tespit amacıyla özel yetiştirilmiş bomba arama köpeklerini kullanmaktadırlar fakat; köpeklerin aramalar esnasında hata yapabilme ve idarecisini yanıltma olasılığı her zaman mevcuttur. Bu tezde, patlayıcı maddenin tespitine yönelik olarak MQ marka sensörler ile elektronik burun yapılmış ve patlayıcı kokuları çalışılmıştır. El yapımı patlayıcı olan ANFO (Amonyum Nitrat Fuel Oil) ile nane, kekik, kimyon ve kahvenin hem farklı miktarlarda ayrı ayrı hem de farklı oranlarda karışımlarının kokuları alınmıştır. Veriler, LabVIEW programında hazırlanan bir yazılım aracılığıyla toplanmış olup, her sensörden saniyede 10 adet veri toplam 60 saniye boyunca alınarak toplamda 426 kayıt elde edilmiştir. Patlayıcı içermeyen sınıfta 161 kayıt bulunurken, bu kayıtlar 40 kekik, 40 nane, 40 kimyon ve 41 kahve örneğinden oluşmaktadır. Patlayıcı içeren sınıflar ise %10 ANFO + %90 baharat içeren 41 kayıt, %20 ANFO + %80 baharat içeren 41 kayıt, %30 ANFO + %70 baharat içeren 41 kayıt, %40 ANFO + %60 baharat içeren 42 kayıt ve %100 patlayıcı içeren 100 kayıttan oluşmaktadır. Elde edilen verilerden ortalama, standart sapma, toplam ve medyan gibi öznitelikler çıkarılmış, ardından bu veriler eğitim (%60), doğrulama (%20) ve test (%20) olmak üzere üçe ayrılarak sınıflandırma modellerine aktarılmıştır. Sınıflandırma işlemi kNN-3, lojistik regresyon, rastgele orman ve ekstra ağaçlar algoritmaları kullanılarak gerçekleştirilmiş ve deneysel sonuçlara göre, ekstra ağaçlar algoritması %96,45 doğruluk oranıyla en başarılı model olmuştur. Rastgele orman (%93,61) ve kNN-3 (%93,67) algoritmaları da yüksek doğruluk oranlarıyla başarılı sonuçlar üretirken, lojistik regresyon modeli %85,65 doğruluk oranıyla diğer yöntemlere kıyasla daha düşük performans göstermiştir.
İzole mikroşebekelerde frekans regülasyonu için gerçek zamanlı uyarlamalı kontrol stratejileri
YEK'in dağıtık yapıda ve değişken karakterde güç sistemlerine entegrasyonu, klasik enerji altyapılarında kararlılık ve güvenilirlik sorunlarını beraberinde getirmiştir. Bu doğrultuda, izole modda çalışabilen mikroşebekeler; hem enerji arz güvenliğini sağlama hem de sürdürülebilirlik hedeflerine ulaşma bakımından stratejik bir çözüm olarak öne çıkmaktadır. Ancak bu sistemlerdeki üretim belirsizlikleri ve hızlı dinamikler, YFK gibi temel denetim süreçlerinin etkinliğini sınırlamaktadır. Bu durum, kontrol stratejilerinin daha esnek, uyarlanabilir ve dayanıklı biçimde geliştirilmesini zorunlu kılmaktadır. Bu tez kapsamında, izole mikroşebeke sistemleri için aralık Tip-2 bulanık mantık ile klasik ve kesir dereceli kontrol tekniklerini birleştiren, kaskat yapılara sahip dört özgün kontrol stratejisi geliştirilmiştir. Kontrolör parametrelerinin optimizasyonunda, güçlü meta-sezgisel algoritmalar olan CIOA ve ISSA kullanılmıştır. Geliştirilen yapılar; yenilenebilir enerji kaynakları, mikro generatörler ile birlikte, yakıt hücresi ve elektrolizör gibi hidrojen temelli enerji depolama bileşenlerini de içeren çeşitli mikroşebeke konfigürasyonları altında test edilmiştir. Bu testlerde, üretim belirsizlikleri ve yük değişkenliği gibi dinamik koşullar dikkate alınarak, geliştirilen kontrol stratejilerinin performansı kapsamlı şekilde değerlendirilmiştir. Ayrıca, belirli senaryolarda talep tarafı esnekliğinin kontrol stratejilerine entegrasyonu ile YFK performansındaki iyileşmeler değerlendirilmiştir. Bununla birlikte FDI ve DoS siber saldırı tehditleri altında kontrolörlerin dayanıklılığı analiz edilmiştir. Çalışmanın bir diğer yönü, kontrolörlerin saysal ortamlarda güvenilir şekilde uygulanabilirliğini değerlendirmek amacıyla gerçekleştirilen ayrık zamanlı kararlılık analizidir. Sürekli zamanlı modellenen sistemlerin sayısal benzetimlerde ayrık zamanlı çalıştırılmasıyla oluşabilecek kararsızlık riski incelenmiştir. Ayrıca, yazılım tabanlı benzetimlerin fiziksel sistemleri ne ölçüde yansıttığını ve gerçek zamanlı simülatörlerin gerekliliği değerlendirilmiştir. MATLAB/Simulink ortamında test edilen kontrol yapıları, seçili senaryolarda OPAL-RT üzerinde doğrulanmış ve sonuçlar karşılaştırılarak tutarlılık analiz edilmiştir.
Konuşma verilerinden otomatikleştirilmiş Parkinson hastalığı tespiti ve sınıflandırılması
Parkinson hastalığı, dünya genelinde milyonlarca bireyi etkileyen, ilerleyici ve nörodejeneratif bir hastalıktır. Bu tez çalışması, ses sinyallerinin analizi yoluyla Parkinson hastalığının teşhisinde kullanılabilecek yeni yöntemlerin geliştirilmesini hedeflemektedir. Çalışmada, ses sinyallerinde belirli akustik özelliklerin, Parkinson hastalığının tespiti ve sınıflandırılmasında biyobelirteç olarak işlev görebileceği gösterilmiştir. Araştırmada, 28 sağlıklı kontrol, 22 ilaçsız Parkinson hastası (Med-off) ve 30 ilaçlı Parkinson hastası (Med-on) olmak üzere toplamda 80 bireyden oluşan bir örneklem grubu kullanılmıştır. Veri seti, katılımcılara Fırat Üniversitesi Nöroloji Bölümü'nde önceden belirlenmiş bir metnin, sessiz bir ortamda okutulmasıyla elde edilmiştir. Bu ses kayıtlarından toplam 19 akustik özellik çıkarılmış ve analiz edilmiştir. Çalışmada, Destek Vektör Makineleri (SVM), Naive Bayes, Karar Ağaçları, k-En Yakın Komşu (k-NN) ve bu çalışmaya özgü geliştirilen bir yapay sinir ağı modeli gibi çeşitli makine öğrenimi algoritmaları kullanılmıştır. Modellerin performans değerlendirmesi, 10 katlı çapraz doğrulama yöntemiyle gerçekleştirilmiştir. Elde edilen bulgular, ses sinyallerinde Parkinson hastalarını sağlıklı bireylerden ayırt eden belirgin farklılıklar olduğunu ortaya koymuştur. Bu farklılıkların, hastalığın erken teşhisinde önemli bir rol oynayabileceği sonucuna ulaşılmıştır. Çalışma, Parkinson hastalığının teşhisine yönelik invaziv olmayan, etkili ve yenilikçi bir yöntem sunarak literatüre değerli bir katkı sağlamaktadır.
Uçucu gazları algılayıcı QCM sensör dizi verilerini bilgisayar ortamında tanı yöntemleri
Kimyasal sensör dizileri; uçucu analitlerin analizinde önemli bir role sahip olmuştur. Değişik diziler; geniş duyarlılık profillerinin çakıştığı veriyi toplarlar. Bunların sağlam veri analizlerine ihtiyaçları vardır, adreslenen problemleri çözmek için sıklıkla numune tanıma metotlarını ilgilendirirler. İstatistik yaklaşım; geleneksel olarak formüle edilen numune tanımalardaki sayısız yapılar arasında en yoğun çalışılanı ve pratikte en çok kullanılanıdır. Daha yakınlarda istatistik öğrenme teorisinden alınan yapay sinir ağı teknikleri ve metotlarında önemli bir artış görünmüştü. Bir tanıma sisteminin tasarımında şu noktalara dikkat edilir: numune sınıflarının tanımlaması, çevresel algılama, numune tanıtılması, özellik çıkarımı ve seçimi, küme analizi, sınırlandırıcı tasarımı ve öğrenmesi, eğitme ve test örneklerinin seçimi ve performans değerlendirmesi. Bu alanda, yaklaşık 50 yıllık araştırma ve gelişmeye rağmen, kompleks numuneleri keyfi yönlendirmeyle, yerleştirme ve ölçü ile tanımlama genel problemi hala çözülememiştir. Bu çalışmada; uçucu analitlerin algılanması ve tanınması aşamalarında kullanılan, iyi bilinen metotları gözden geçirmek ve karşılaştırmak amacımızdır. Anahtar Kelimeler: Hata Tahmini, Kimyasal Sensör Dizisi, Numune Tanıma, Özellik Seçimi Sınıflandırma, Sinir Ağları.
Development of multi-level inverter for power quality enhancement
The objective of this thesis is to develop and improve the performance of the multi-level inverter. Two paths have been followed in the development and improvement works. The first one represents the off grid connected multi-level inverter. The trend is focused to increase the number of the level at the output of the inverter while the inverter represents the main energy source. In the second path followed in the studies, the grid-connected multi-level inverter has been considered. Power quality enhancement has been done by developing the control unit of grid connected multi-level inverter in such a way to ensure the stability of the system against the system voltage sag. The multilevel inverters designed in the thesis are both simulated using a computer software program and implemented in hardware. The developed inverters are multilevel and hybrid inverters. Conventional inverters give five levels in the output waveform. These inverters contain two H-bridge circuits to generate different levels at the output while the hybrid inverter developed in the thesis includes three H-bridge circuits to form different levels at the output. Moreover, developed hybrid inverter can also operate in conventional mode when it is supplied with equal sources. The output of each H-bridge has been connected in a cascaded form. The sum of the individual H bridges voltages represents the final inverter voltage. Experimental results on the developed circuits gave satisfactory results and confirmed the accuracy of the design. Key Words: Low Voltage Ride Through (LVRT), Photovoltaic Panel (PV),Multi Level Inverter, Maximum Power Point Tracking (MPPT), Active And Reactive Power Control
High bit rate indoor visible light communication (vlc) system
In general, visible light communication (VLC) systems run at low data rates. By introducing multiple input and multiple output (MIMO) techniques, services at enhanced data rates can be viable for VLC systems. This work proposes MIMO technique to attain VLC system with high data rates. To attain MIMO method this system includes a number of photodiodes with a narrow field of view (FOV), which highlights the benefit of using MIMO technology in improving the data rate. The results show that using MIMO technique leads to enhance the VLC system when it is compared with the traditional system (without using MIMO). The results show that an improvement in the signal-to-noise ratio (SNR) level, which is the most attempt to determine communication quality, increasing the channel bandwidth and reducing the delay spread are achieved when MIMO technique is used. The proposed system focuses on transferring data in parallel, which adds a significant improvement in the aggregate data rate compared to the traditional VLC system. The results show that the maximum aggregate data rate is 3.4 Gbps in the 4 x 4 MIMO-VLC system while it reaches 6.8 Gbps on the 8 x 8 MIMO-VLC system. The improvement in SNR level in the two proposed systems greatly improves the aggregate data rate.
1MWh battery energy storage system connected to distribution network: Design, modeling, and control
Battery energy storage system (BESS) is recently becoming a strong candidate for being a system component of modern smart grids. In this thesis, a two-stage 1MWh BESS connected to a 34.5 kV distribution grid is designed and simulated. The power stage of the system consists of a three-phase wye-connected 11-level cascaded H-bridge (CHB) converter and a DC-DC converter for each submodule of CHB converter. At first, a recent literature survey is given about BESS components focusing mainly on the battery storage unit in hierarchal order from cell to pack in terms of modeling, design, and wiring diagrams. Then, CHB converter topology is compared with other power electronic interfaces in terms of storage capacity and switching elements. It is shown that CHB converter topology minimizes the number of series connected batteries. The modeling details of the power circuit of the BESS as well as its control system based on decoupled current control to exchange active and reactive power between the BESS and the grid are described. Finally, a nonlinear state feedback exact linearization controller is designed to control the bidirectional buck-boost converter in each submodule to charge/discharge the batteries. It is also shown that this controller can stabilize the dc-link capacitor voltage. Simulation tests is then performed to test the capability of the designed system to exchange active/reactive power with the distribution grid while charging and discharging the battery.
Development of RW-UAV detection model using deep learning training with a synthetic dataset
The use of rotary wing unmanned aerial vehicles (UAV) is increasing day by day and their accessibility is getting easier. As a disadvantage of easy accessibility and usability, UAV technology threatens security and personal areas. This technology, which is easy to access, should be detected with a cheap and easy-to-install detector. The aim of the study is to develop the UAV detection sensor using camera and machine learning based systems. Deep learning method has been used in sensor technology, which has shown successful classification results recently. Artificial intelligence trained with deep learning method shows effective results in terms of performance. On the other hand, artificial intelligence (AI) training needs a lot of data. To overcome this obstacle, the data set needed by the deep learning algorithm was produced synthetically using game engine software. The original aspect of the study is that the artificial intelligence trained with synthetically produced images was tested on real data and achieved 90% success. The success of AI, which is directly trained with synthetic data and tested with real data, is very low. The reason for this is the difference between the synthetic and real image. To minimize this difference, 7 different experiments were designed for different feature extraction algorithms. One of the experiments is the Corner Detection and Nearest Three-point Selection (CDNTS) feature extraction layer that we originally developed. The CDNTS layer classified the real data with 90% success.
Building management system for distribution control center
As the complexity and the type of electrical applications perpetually expands, monitor and control will require new systems are based on some features in such feature of self-powered and distantly management. Building management systems (BMSs) are developed as efficient solutions for users to controls and monitor electronic devices. BMS is a method especially developed to monitor environmental events such as temperature, fire and humidity in the computer server room and to warn the operator in case of fire or if the temperature and humidity values exceed the specified threshold level. A BMS uses some inexpensive sensors and real-time modules to generate advance information about the climate inside the space that needs to be remotely controlled. In this thesis, a building management system for a computer server room has been developed using inexpensive sensors, prototyping cards and mini-computers. Raspberry Pi used as a mini computer has been utilized to collect information from sensors in the server room or data center and transfer them to the receiving side via ZigBee wireless modules. The Arduino prototyping card has been used to process the sensor data transmitted wirelessly from the server room and actuate the actuators such as ventilation fans and switches. The developed BMS has been tested under critical environmental conditions to evaluate its performance. Experimental results showed that the BMS performs robustly and precisely even in extremely unwanted conditions
Convolutional neural networks based approach for classification of lung sounds
Over the past few decades, lung sounds detection has been a significant focus of research in the bioinformatics field. Lung sounds convey essential information about respiratory diseases, and to diagnose cases with pulmonary disorders, practitioners use traditional statoscopes to auscultate lung sounds. This technique, however, has many restrictions. For example, if the physician is not adequately trained, this may result in an incorrect diagnosis. Furthermore, lung sounds signals are non-stationary, complicating the analysis and recognition process. From these points, research on identifying the ability of CNN to classify lung sounds can aid in overcoming these constraints. In this research, we applied three different CNN approaches for classifying lung sounds and used the ICBHI 2017 database, the most popular and largest available database. In the first approach, we extracted spectrogram images using Short-time Fourier transform and used weights from ImageNet, then fed spectrograms into VGG16 model. In the second and third approaches, we performed three different data augmentation techniques (Noise, Pitch Shifting, and Dynamic change compression) on all classes, then extracted MFCC features then fed features into Dense CNN; in the third approach, data augmentation was only made on the types that have fewer samples. The validation accuracy obtained 83%,91%, and 93 %, respectively, for the three mentioned approaches.
A real-time face recognition based on mobileNetV2 model
Facial recognition technology is one of the fastest developing technologies. Thanks to its efficacy, ease of use, and extensive applications in health, protection, and surveillance, face recognition is the most widespread technology compared to other biometric ones. Technologies based on deep learning and neural networks have demonstrated superior efficiency and speed when compared to traditional approaches for recognizing persons. In this work, we propose a fast real-time facial recognition system that is applicable for mobile devices and devices of low computational power. It relies on today's latest convolution neural networks algorithms. The database is built based on photos from a collection of known people and some VggFace dataset celebrities. The proposed system is divided into several steps, starting with the detection of faces in the input images using the MTCNN algorithm, followed by their alignment and preprocessing, extracting the face characteristic vectors for each face using the mobileNetV2 model, and finally comparing, classifying and distinguishing the faces. The performance of the system has been evaluated using some examples. The system produced results with an accuracy of 92.67%, with an average of 11.68 frames per second. When compared to the state-of-art models, the experimental results demonstrated that mobilenetv2 model was 2 times faster than ResNet50 model and 4 times faster than VGG16.
Pre-surgical device for correction of the cleft lip
The first object of this thesis is to propose a new architecture that can be utilized in the pre-surgical treatment of cleft lip and palate. The architecture consists of two main parts mechanical and electronic. The proposed architecture provides an external pressure applied directly to the cleft lip areas through an airbag placed on the mechanical part of the architecture. The amount of pressure applied to the cleft lip is controlled by the electronic part. FEA method was used to analyze the effect of pressure applied to the cleft lip and cleft bone regions. We analyzed the effect of displacement distributions, the tensile and compressive strengths, and von Mises stress distributions on the cleft areas. The results proved that the external pressure led to bringing the incisions closer to each other. External pressure has contributed to bringing the incisions closer to the target position of the plastic surgeons. The results have shown that the proposed architecture can contribute to the presurgical treatment of clefts in the mouth and palate as an alternative to the traditional method. The second object of our thesis is to detect the cleft lip and extract its features that provide a second opinion for plastic surgeons for a vision of the cleft lip features using the combined method. The combined method consists of three algorithms for cleft lip detection and feature extraction (face detection, cleft lip classification, and cleft lip detection). The results show that our method has the best efficiency and high accuracy in lip detection and optimal feature extraction. Moreover, the proposed method demonstrates its effectiveness with a limited set of cleft lip images.
COVID-19 detection from signs and symptoms using machine learning
Effective SARS-CoV-2 (COVID-19) screening enables a speedy and precise diagnosis of COVID-19, lowering the load on the health care systems. Different machine learning models were developed for COVID-19 detection. These models are intended to aid physicians globally in the quarantining of patients, especially in poor areas. At the end of 2021, the global officially recorded COVID1-19 cases reached 286,582,541 with 5,430,949 confirmed deaths. This study aimed to deploy and test machine learning-based models for predicting COVID-19 diagnosis. Seven machine learning models have been utilized as Naïve Bayes (NB), Logistic Regression (LR), Support Vector Machine (SVM), Multilayer Perceptron Neural Network (MLP), Decision Tree (DT), Random Forest (RF), and eXtreme Gradient Boosting (XGBoost). The models were trained and tested on data from 2,151,898 tested people, among whom 208,726 (9.7%) were found to have COVID-19. Simply six binary characteristics were used to predict COVID-19 testing results with acceptable accuracy. The data included five early COVID 19 clinical signs and symptoms, such as cough, fever, sore throat, shortness of breath, and headache. Also, the data from people in contact with a confirmed COVID-19 case were used. Overall, we evaluated the possibility of building a model that could be used for prioritizing testing for COVID-19 by asking simple questions depending on the data we acquired from GitHub. When using normal unbalanced data; we achieved 92.9% accuracy, 60.4% sensitivity, 96.4% specificity and 62.2% F-score with the MLP, DT, RF and XGBoost machine learning models. When using balanced classes, all the seven machine learning models produced 91.8% accuracy, 65.1% sensitivity, 94.7% specificity and 60.61% F-score results. When using only symptomatic cases (161.915), MLP, DT, RF and XGBoost models gave 70.8% accuracy, 89.1% sensitivity, 47.3% specificity, and 77.4% F-score results. In the three scenarios XGBoost, RF, DT, and MLP gave the best results. Regarding the training time, XGboost, RF and DT were faster than MLP. Key Words: Machine Learning, Classification, Diagnosis, COVID-19, SARS-COV-2, Signs and Symptoms
Energy storage technologies and their contribution to damping of low-frequency oscillations within the context of renewable energy sources
This thesis investigates the potential benefits of superconducting magnetic energy storage (SMES) systems and battery energy storage systems (BESS) to mitigate low-frequency oscillations in power systems with renewable energy sources integration, such as photovoltaics and wind energy conversion systems. The proportional integral derivative (PID) controller and fractional-order PID (FOPID) controller are proposed as contributor controllers for the SMES and BESS systems. The parameters of the PID and FOPID controllers are optimized using the particle swarm optimization method. Both inter-area oscillation and local area oscillations are considered in this work. The case studies are conducted in a multimachine power system with multiple renewable energy integration and energy storage systems to verify the designed controllers. The dynamic performances of the designed controllers are presented and compared in detail. The studies are carried out by both time-domain analysis and eigenvalues analysis methods. The results show that the FOPID controller is superior to the classical PID controller.
Estimating the area of croplands and estimating each crop's area using remote sensing and machine learning
In this thesis, the area of croplands and each crop's area are estimated from a remote sensing hyperspectral image of the sentinel-2 satellite using one of the well-known machine learning algorithms, Maximum Likelihood Classifier (MLC). Wheat, beans, nigella, other plants, urban, and fallow are the classes we selected to classify the study area. Our study area locates in North-west Syria. We collected ground-truth GPS points, and we drew seventy polygons depending on them. Each polygon's pixels represent the same class. These polygons are used as input to MLC. We generated one hundred and fifty random GPS test points above the study area to calculate accuracy. The overall accuracy is 82% and (user accuracies, producer Accuracies) for classes are: wheat (83.3%, 90.9%), beans (90.9%, 71.4%), nigella (81.8%, 94.7%), other plants (79.3%, 65.7%), urban (82.4%, 73.7%), and fallow (80.9%, 92.7%). The estimated areas for classes are wheat 14.881 km2, beans 3.614 km2, nigella 13.34 km2, other plants 20.77 km2, urban 14.54 km2, and fallow 35.23 km2. The total uncultivated area is 49.77 km2, whereas the cultivated area is 52.61 km2. In this study, the MLC results are also compared with Support Vector Machine (SVM) and Random Trees (RT) results, and we found that the MLC algorithm gives much better results than other methods.
Design, construction and control of an autonomous mobile rescue robot with visual feedback
The construction of a smart autonomous mobile robot system that can operate in an anonymous environment can be difficult [4]. Building an autonomous mobile robot requires collecting data from sensors and cameras in order to recognize the surrounding environment, get knowledge of existing landmarks, and figure out its position and orientation. The most common platform utilized for robot motion design is ROS (Robot Operating System) [29][35] and for object detection YOLO v3 (You Only Look Once, version 3) is a common choice [1]. Additionally, the autonomous system needs motion planning in a systematic way to avoid obstacles by using RPLIDAR A1 or other sensing methods generating the feedback signals required for control of motion around occupied spaces [2]. One of the most effective and versatile feedback systems for mobile robot control can be constructed using visual feedback, which relies on a high-resolution camera that processes the image in real-time and the result is fed back to the control system for decision making. In this research, results of design and construction of an autonomous mobile rescue robot for finding victims in hazardous disaster areas through video data are presented. It is aimed to find victims via applying video as a data collection and feedback generation tool in the autonomous mobile robot control system. The visual feedback and YOLO v3 are used not only for finding victims but also for motion control. Our autonomous mobile robot is designed to move smoothly to the victim's direction and avoids obstacles by using ROS Global Planner.
Detection of the alkali-silica-reaction in geopolymer and cement-based structures by using a new electrically small metamaterial-like microwave sensor
Portland type of cement-based materials are widely used in the building industry. Some aggregates that host (e. g. Rhyolite), certain silica minerals in these materials (Opal, Obsidian, Cristobalite, Tridymite, etc.) and the reactive minerals (Na and K) in the alkaline hydroxides constitute the alkaline silica reaction (ASR). On the other hand, when the reaction products of geopolymer structures, which are an alternative to Portland type cement-based materials and are environmentally friendly (less CO2 emissions), reach the maximum, the alkalis remaining in the concrete void solution become more unusable and, in this case, the unused alkalis react with the reactive silicas in the aggregates to form ASR. One of the most important parameters affecting ASR is water. Since the dielectric coefficients of free and bound molecules of water are very different from each other at microwave frequencies (~300 MHz-30 GHz), it is thought that non-destructive microwave techniques are more advantageous than other non-destructive methods (expansion measurement method and seismic-wave methods) in detecting ASR formation. In the proposed thesis, our primary aim is to determine the ASR in cement-based and geopolymer materials (via correlations) with non-destructive microwave metamaterial (MM) sensors containing new generation resonance cells for the first time in the literature. Our second aim in the thesis is to develop a general new line-to-line method that will eliminate the effects of SMA connection errors in the determination of ASR formation with (a) symmetric reflection- and transmission-resonant microstrip line MM sensors. The final aim of the thesis is to determine the amount of ASR and to analyze the water reaction mechanisms and phase transitions in geopolymer structures.
A simulation study on impedance control of two-degree-of-freedom robotic manipulators
In this research, motion control of a two-degree-of-freedom robotic manipulator with rigid links is studied. Robot control with this approach needs a control system that includes dynamic models of applied torques effecting the positions, speeds, and forces at joints. Hybrid impedance control is proposed in this research to address this need. For hybrid impedance control to be fully understood, position control, force control and impedance control methods are discussed in depth. In the light of the literature review, the mathematical kinematic and dynamic equations of two-degree-of-freedom robotic manipulators are first derived. The manipulator model is converted into a simulation model in computer simulation environment, and the accuracy of the model is proven through open loop tests. The force and position of the end effector of the robotic manipulator is computed with a hybrid impedance control model that can be controlled simultaneously. The designed hybrid impedance controller is integrated into the created robotic manipulator model, and integrated into the closed-loop simulation model along with the PID control system with the purpose of performance assessment. The simulation results are presented in graphs and compared with the desired force control, position control, speed control and joint angle with the force control, actual position control, velocity and joint angle. The simulation is continued until the margin of error reaches the minimum level. Hybrid impedance control is determined to have superior performance compared to other control methods tested. Key Words: 2 DOF Robotic Manipulator, Hybrid Impedance Control
Design and simulation of a PID neural network controller for PMDC motor speed control
Direct current (DC) motors have many difficulties when controlling angular velocity in a variety of applications. The perfect controller cannot be carried out by traditional control alone due to the nonlinear properties of DC motors, design constraints, and mechanical variation caused by the operation conditions. This study proposes a design for an artificial neural network-based PID controller (ANN-PID) to control the speed of a permanent magnet DC motor (PMDC) in two methods. A detailed analysis is performed based on the simulation results of both methods. The proposed controllers are numerically simulated for various test conditions including; set-point changes, step changes in the load torque, and parameter variations, then the suggested techniques were compared in a comparative study with a traditional PID controller based on the transient response specifications and the performance indices to validate the performance of the controllers. The simulation results demonstrated that the controllers have improved dynamics, static performance, and less overshoot. The methods described here achieve control more effectively than the conventional control approaches under both nominal and disturbed test conditions over different operating ranges.
Elektrikli tekerlekli sandalyenin geri beslemeli hareket kontrolü
This thesis presents the design and implementation of feedback control for the direction and speed of an electric wheelchair through the appropriate feedback signal. Wheelchairs and electric wheelchairs present various challenges for individuals who use them. In this research, a new control system design for an electric wheelchair is presented to feedbacks on the data obtained. Instead of the standard motor driver of the electric wheelchair, it was thought to make a new and economical motor driver. An encoder and motion controller are added to the control system architecture for precise motion control. All feedback signals are evaluated and codes are written for different possible scenarios. The design scenarios of the system where different algorithms are applied for smooth driving in case the electric wheelchair traveling on the determined route returns to the desired position when it is not hit from the left or if the driver is overweight or underweight are examples of design scenarios. As a result, our findings show that the proposed design can control the autonomous system in a closed loop. In addition, tests on a real wheelchair prove the effectiveness of the model and the designed control system. The results of the study form the basis for the ongoing autonomous wheelchair project and contribute to the research field of assistive technologies for the disabled and the elderly.
Raspberry pi ve python ile gerçek zamanli plaka tanima sistemi
In order to provide reliable transportation with the increasing traffic density in the current time, it is necessary to detect dangerous situations with video analysis by using camera and remote control system. One such analysis is Automatic License Plate Recognition. Automatic license plate recognition systems consist of algorithms such as license plate detection, edge detection, character segmentation and optical character recognition. With the license plate recognition system developed in this thesis, after preprocessing the license plate image taken from the camera with image processing algorithms, license plate recognition has been made with the deep learning algorithm and the recognized license plate information has been sent to the defined e-mail address. In the developed license plate recognition system, Raspberry Pi, called mini computer, has been utilized as hardware, and the software has been developed in Python programming language. From edge detection methods; the performances of Canny, Fuzzy, Roberts, Sobel and Prewitt methods on the license plate recognition system were measured and the performance of the Canny edge detection method was found to be high and the algorithm of this method was embedded in the license plate recognition system. As a final step, Tesseract optical character recognition has been performed by scaling the frame. After recognition, a comparison has been made with the characters defined in the deep learning structure and the license plate recognition process has been completed. Tests were carried out to evaluate the developed license plate recognition system. As a result of these tests, the average accuracy rate of the system was 91.67% in real-time license plate recognition and edge detection, and 89.43% in character recognition. With the developed license plate recognition system, low cost and high accuracy recognition will be achieved.
Development of efficient method and hardware for sparse machine learning
Most natural signals exhibit sparsity which can enhance the efficiency, interpretability, and effectiveness of the related algorithms. Artificial neural networks (ANNs) are widely used in the literature and their efficiency can be enhanced with sparse learning. Extreme learning machine (ELM) is a prominent training method for an ANN with its fast training speed, and good prediction performance. However, due to the need for regularization to prevent overfitting and the large number of neurons required in the hidden layer, such ANNs demand significant computation power for large-scale data. This thesis proposed a sparse mixed norm (l2,1) regularized online machine learning algorithm (MRO-ELM) based on alternating direction method of multipliers (ADMM). A linear combination of the mixed norm and the Frobenius norm regularization is applied and update formulas are derived. Graphics processing unit (GPU) accelerated version of MRO-ELM (GPU-MRO-ELM) is also proposed to reduce the training time by processing appropriate parts in parallel using the implemented kernels. In addition, a novel automatic hyper-parameter tuning method is incorporated to GPU-MRO-ELM with GPU acceleration. The experimental results show that the GPU-MRO-ELM algorithm outperforms the similar online ELM algorithms in the literature in terms of training speed, and prediction accuracy. Moreover, compared to cross-validation (CV), the proposed automatic hyper-parameter tuning method shows a dramatic reduction in tuning time. Furthermore, a parallel hardware architecture was proposed and implemented on field programmable gate array (FPGA). This architecture is the first to support norm regularization, exhibiting lower resource utilization and higher prediction accuracy compared to existing parallel architectures.
Design and implementation of single-phase AC-AC matrix converter
In this thesis, the design and experimental implementation of a direct bipolar buck single-to-single-phase matrix converter (SSMC) were studied. A novel control method for SSMCs that improves the performance parameters such as voltage transfer ratio (VTR), output voltage total harmonic distortion (THD), and input current THD was suggested. Secondly, a synchronization algorithm was developed that synchronizes the triggering signals of the power semiconductors with the grid regardless of the synthesized output frequency. Thirdly, the effects of four different carrier-based pulse width modulation (PWM) techniques (sinusoidal PWM, multiple PWM, staircase PWM, and trapezoidal PWM) on the performance parameters of the SSMC were compared in terms of VTR, output voltage THD, output current THD, and input current THD. The simulation and experimental studies were carried out under the conditions when the output frequency is lower, equal, and higher to the input frequency. According to the experimental results, the proposed control method increases the VTR by around 10% and decreases the output voltage THD and input current THD by around 34% and 54%, respectively, for all output frequencies.
Heart attack prediction using machine learning
According to the World Health Organization (WHO) 2020 report, more than 17.9 million people lose their lives due to heart attacks each year, making it one of the deadliest diseases worldwide; furthermore, heart attack is classified as a cardiovascular disease that affects the lives of many people globally. Machine learning, vital to the healthcare industry, enhances people's quality of life along with scientific advancements. In this thesis, studies on predicting heart attacks using machine learning algorithms were conducted. The data used in the studies were obtained from the UCI Machine Learning database. The prediction of heart attacks was carried out using five well-known machine learning models mentioned in the literature. Additionally, a new conceptual model integrating data preprocessing, hyperparameter tuning, and Logistic Regression was proposed for predicting heart attacks in this thesis. Tests conducted on the proposed model yielded satisfactory results, achieving an accuracy rate of 93%. Furthermore, the results produced by the proposed model were compared with the outcomes of other machine learning algorithms, demonstrating that the proposed model outperforms other algorithms.
Secondary structure prediction of hemeglobin by using combined neural networks
ABSTRACT MSc THESIS SECONDARY STRUCTURE PREDICTION OF HEMOGLOBIN BY USING COMBINED NEURAL NETWORKS îremERSÖZ DEPARTMENT OF ELECTRICAL AND ELECTRONICS ENGINEERING INSTITUTE OF NATURAL AND APPLIED SCIENCES UNIVERSITY OF ÇUKUROVA Supervisor : Asst. Prof. Dr. Turgay ÎBRÎKÇİ Year: 2003 Pages: 60 Jury : Asst. Prof. Dr. Turgay ÎBRÎKÇİ Prof Dr. Seyhan TÜKEL Asst. Prof. Dr. Ulus ÇEVİK Proteins are one of the most important parts of an organism because of its vital important tasks. In this respect, to understand the life process of an organism, it is necessary to first know the protein's structure that is closely related to its function. Protein structures are described through four main hierarchical levels; Primary, Secondary, Tertiary, Quaternary. The primary structure is simply the sequence of amino acids, the secondary structure refers to the local conformations of the polypeptide chains, the tertiary structure describes how the secondary structure elements are arranged to form the overall shape of the chains and the interactions between one or more polypeptide chains gives the quaternary structure. Artificial Neural Networks are useful toolbox for secondary structures prediction of proteins. In this thesis a generalized regression neural network (GRNN), probabilistic neural network (PNN) and backpropagation algorithm (BP) were applied to the hemoglobin primary structure with different window sizes of amino acid sequences to predict the secondary structure that has helix and coil. Then all results of the networks are combined with GRNN. The data set is prepared with 20 alpha- 141 and 20 beta- 146 hemoglobin chains from Protein Data Bank. The overall success rate of GRNN is around 90.2-91.7% for beta chains and 85.9-87.3% for alpha chains. The PNN achieved between 91.2-92% overall accuracy for beta and 85.4-86.5% for alpha. BP has the overall success rate of 89.9-92.5% for beta, 86.5-90.3% for alpha. There is no significant improvement in prediction accuracy with CNN. Keywords: Generalized Regression Neural Network, Probabilistic Neural Network, Backpropagation, Combined Neural Networks, Hemoglobin. II
Investigatiom of stop and pass bands in the spectrum of a periodically corrugated waveguide
Jury: Prof Dr. Victor POGREBNYAKProf. Dr. Süleyman GÜNGÖRAss. Prof. Dr. Turgut K ZBragg reflection phenomenon that is revealed by electromagnetic wavestraveling in periodic structures is used in many microwave devices and antennas.Bragg reflection occurs because of the constructive interference of the longitudinalmodes of the electromagnetic wave propagating in the waveguide. The Braggreflection gives rise to band gap (stop band) in the frequency spectrum of theperiodically corrugated waveguide. Bragg reflection phenomena have described welltheoretically by the coupled-waves equation method and studied experimentally.Wave phenomenon arising in the frequency range located far from the Braggreflections, non-Bragg phenomena, have studied theoretically in a planar periodicallycorrugated waveguide. Non-Bragg reflections occur because of the interactionbetween transverse modes of the different space harmonics of the electromagneticwave propagating in the waveguide.In this thesis, stop and pass bands in the spectrum of a planar periodicallycorrugated waveguide are investigated in detailed theoretically and experimentally.Experimentally such wave phenomenons have been investigated respectively;observation of stop and pass bands and transmitted power on changing of phase shiftbetween parallel plates, dependency of transmitted power and stop and pass band?swidth and location in the frequency spectrum on distance between antennas andaverage distance between parallel plates, distribution of scattered power along thecorrugation. In addition of these, evolution of stop and pass band?s width andlocation in the frequency spectrum and distribution of scattered power along thecorrugation have been investigated upon gradual transformation from periodicwaveguide to smooth waveguide.Keywords: periodic waveguide, pass band, stop band, frequency spectrumI
Variable frequency control of induction motors
ABSTRACT MS THESIS VARIABLE FREQUENCY CONTROL OF INDUCTION MOTORS Suat SARI DEPARTMENT OF ELECTRICAL AND ELECTRONICS ENGINEERING INSTITUTE OF NATURAL AND APPLIED SCIENCES UNIVERSITY OF ÇUKUROVA Supervisor : Prof.. Dr. Julian RICHARDSON Year:2002 Pages: 79 Jury : Prof.. Dr. Julian RICHARDSON Prof. Dr. A. Hamit SERBEST Assoc. Prof. Dr. Mehmet TÜMAY Variable frequency control of induction motors requires careful analysis for a number of different operational conditions. An induction motor is generally designed for operation on one specific voltage and frequency supply. A variable voltage and frequency supply enables speed control of the motor over a wider range compared to other methods such as voltage or rotor resistance control. It is important that the flux density in the magnetic system is kept at an acceptable level over the range of speeds required. This necessitates a voltage supply whose voltage is approximately proportional to the frequency. The performance of an induction motor over its useful speed range and also its performance at the lower and higher ends of that range is investigated. The current accepted range for a 50 Hz is verified and evaluated as from 10 to 100 Hz, with deteriorated performance at the ends of this range. The particular voltage/frequency source is by Pulse Width Modulation (PWM) control. Keywords: PWM, speed control of induction motors, KURUl*
Ultra-short pulse propagation in single mode optical fiber
The propagation of short pulses in single mode optical fibers is affected by a number of linear and nonlinear effects. The influence of different effects on pulse propagation depends on the pulse power and width and the fiber properties. Picosecond pulse propagation at wavelengths far from the dispersion minimum is described by the effects of the group velocity dispersion and the refractive-index nonlinearity. Stable pulse-propagation without changes of pulse spectral and temporal shapes can exist as a result of the cancellation of the effect of pulse broadening through dispersion by the refractive index nonlinearity. Solitary waves pass through one another without deformations due to the collisions. The optical soliton in fibers is the solitary wave of an envelope of a light wave. The optical soliton belongs to an envelope soliton. The pulse shape represents an envelope of a light wave. An envelope of a wave which propagates in a strongly dispersive nonlinear medium,in which the wave property depends on the amplitude as well as on the wavelength of the wave, has a solitary wave solution had been known for waves in plasmas. In our simulation we will investigate pulse propagation in single- mode optical fibers. We will analyze the influence of different effects on pulse propagation. In this analysis, we will use nonlinear schrodinger equation which describes soliton wave and split-step fourier method to solve this equation. These effects depend on the pulse power and width and also linear and nonlinear fiber properties. Keywords : Ultra-short pulse propagation, single mode optical fiber, refractive index, soliton, nonlinear schrodinger equation, split-step fourier method.
Improve levels of power & voltage at the nassereya pump station of water by controlling parameters of high voltage networks
This paper's research focuses on the real problems which suffer from pumps station during their connection with the national electric network, in our paper, we will take negative effects that appear in the pump stations with power flow parameters, voltage, active and reactive power current loading, and total losses. Using the electric network have 28 Buses (test 2) as a simulation of Iraq's electric network. Firstly we will connect the pump station has a capacity of power equal to 75 MVA and do an analysis by the Neplan program which uses Newton Raphson method to calculate load flow, after that, we are solving problems by using FACT'S system (SVC, UPFC, and capacitor bank) also taken the problem of power equality as an effect of Harmonic which production from electronic device soft start of a pump station and method treatment by passive filter first order. At last, we are studying the effect of fault current and how to reduce the effect by using the Current Limiting Reactor (CLR).
Blade pitch angle controller in wind turbines
Wind turbines have become the most important renewable energy source. When the speed of Wind turbines is above nominal, the blade pitch angle has to be controlled to ensure that the wind turbines operate safely and the output power is stable. The present research is an attempt to determine the type of control concerning the angle of inclination for blade pitch in wind turbines by applying the MATLAB (Simulink) program and modern control systems to obtain the best and highest output power. Firstly, the basic system of wind turbines is addressed, followed by the design of the proposed model and the basic mathematical equations by taking into account the external factors related to the wind turbine blades that affect the speed of rotation of the turbine. In this thesis, five types of control; PID, Fuzzy logic, Fuzzy logic with PID, Fuzzy Type- 2, and Fuzzy Type- 2 with PID have been applied and compared. The results showed that Fuzzy Type- 2 with PID provides the best controls. Finally, the ideal wind speed that works in wind turbines is determined along with the best blade pitch angle to generate electricity without any loss.
Green and sustainable cellular base stations powered by renewable energy
This research focuses on design and simulation of a hybrid energy management system, which utilizes solar and wind energy as dual power sources. The research is motivated by energy scarcity and unreliability in certain locations, highlighting the importance of renewable energy sources. The main objective is the development of an effective, efficient, and robust control system of the energy. So, this study aims to optimize the performance of energy modules. The methodology and algorithm has been developed and utilized to enhance efficiency of hybrid power sources. The maximum power point tracking (MPPT) of the solar modules will be maximized through this method, facilitating optimal power conversion from solar to load. The aim is to increase the efficiency of solar cells by optimizing the MPPT algorithm, providing a reliable, stable electricity supply with minimal disruptions. In this study, a hybrid system with solar and wind turbine energy sources has been simulated. The implementation of a fuzzy logic controller using the MPPT algorithm is presented to extract maximum possible power from the source efficiently and powerfully.
Control in unmanned aerial vehicles
Quadcopter technology has significantly progressed, yet achieving precise control and stable flight in varying conditions remains a challenge. Current control systems, particularly Proportional-Integral-Derivative (PID) controllers, struggle with the dynamic nature of quadcopter flight, often failing to maintain desired attitudes and positions with precision. The integration of PID controllers with advanced estimation algorithms like the Extended Kalman Filter (EKF) is a potential solution, promising to enhance control by balancing responsiveness and stability against unpredictable factors like wind gusts, system dynamics, and sensor inaccuracies. This study aims to investigate the efficacy of integrating PID controllers with the EKF in quadcopter flight control. The research will explore how these systems' combined strengths might improve precision, adaptability, and autonomy in flight control. The study will focus on implementing a PID controller for error minimization between desired trajectories and actual flight paths, and evaluate the EKF's role in improving state estimation accuracy by fusing data from multiple sensors. The integration aims to create a robust control system, adaptable to environmental changes and capable of complex maneuvers like indoor navigation, obstacle avoidance, and tracking moving targets.
Fundamentals of short-circuit protection for transformer
This thesis presents the design and implementation of computer components and hardware test systems (TSs) for assessing the operability of digital current protection in electric installations, along with their modeling in the MATLAB-Simulink dynamic simulation environment. The mathematical model for any component of the electric power system, viewed as a generalized electric power facility, is grounded in both rigid and flexible models. Rigid models, based on the mathematical descriptions of the electrical and magnetic circuits of power system elements, serve as benchmarks for comparing the results of simulating similar facilities. In contrast, flexible models of a generalized electric power facility are designed for integration into the MATLAB-Simulink dynamic simulation system's library, which includes the Sim-Power-Systems extension package. These models focus on the simulation of electrical devices. The thesis delves into the detailed calculation of parameters for the main library blocks of Sim-Power-Systems, which form the basis of the power system model. It also introduces models for a three-phase group of current transformers, featuring a secondary winding and load connection based on the "star with a neutral wire" (Y-connection) scheme, and a model of digital current protection—both crafted using standard Simulink blocks and not part of the core library. Furthermore, the thesis explores the use of differential protection relay and fuzzy logic for power transformers, demonstrating their effectiveness in defending against internal and external faults, and in distinguishing between fault and non-fault conditions. Utilizing the MATLAB/SIMULINK platform, this research offers valuable insights into the performance and capabilities of the differential protection relay system.
Elektrikli araçların kablosuz şarjı için mikro şebeke istasyonunun performans değerlendirmesi
Son on yılda, elektrikli araçlar, sera gazı emisyonlarını azaltarak iklim değişikliğiyle mücadele etmeye yönelik küresel çabada niş bir üründen ana akım bir çözüme dönüşmüştür. Artan popülaritelerine rağmen, elektrikli araçların geniş çapta benimsenmesi, mevcut şarj altyapısının yetersizliği nedeniyle engellenmektedir. Bu sorunu ele almak için, elektrikli araçların kablosuz şarjı için mikro şebeke istasyonlarının uygulanması umut verici bir çözüm olarak ortaya çıkmaktadır. Bu tez, mikro şebeke istasyonlarının güvenilirlik, verimlilik ve yaygın uygulanabilirliğine odaklanarak kapsamlı bir değerlendirme yapmaktadır ve böylece sürdürülebilir ulaşımda kritik bir girişim olarak konumlandırılmaktadır. Bu çalışma, mevcut elektrikli araç şarj altyapısının zorluklarını değerlendirerek mikro şebeke istasyonlarının performansını incelemeyi amaçlamaktadır. Bu istasyonların, kullanıcı deneyimini basitleştirilmiş şarj süreçleri, bilgilendirilmiş politika kararları ve elektrikli araç altyapısına yapılan yatırımlarla artırma potansiyelini araştırmaktadır. Mikro şebekelerin kablosuz şarj teknolojisiyle entegrasyonu, teknolojik yenilikleri ve ekonomik fırsatları teşvik edebilmektedir. Araştırma, mikro şebeke istasyonlarının sürekli güç sağlamadaki güvenilirliğini, güç aktarımı ve enerji kullanımı açısından verimliliklerini değerlendirmekte ve büyük ölçekli dağıtım potansiyellerini incelemektedir. Anahtar bulgular arasında, maksimum güç noktası takibi (MPPT) DC-DC yükseltici konvertör ile donatılmış güneş enerjili bir mikro şebeke istasyonunun yüksek verimliliği yer almakta olup, yenilenebilir enerji sistemlerinde enerji kullanımını optimize etmenin önemini vurgulamaktadır. İndüktif ve kapasitif kablosuz şarj yöntemleri arasındaki karşılaştırmalı analiz, ilgili verimliliklerini ve operasyonel inceliklerini ortaya koymakta ve indüktif şarjın %91,17'lik daha yüksek bir verimlilik gösterdiğini belirtmektedir. Bu çalışma, mikro şebeke istasyonlarının fizibilitesi ve ölçeklenebilirliği konusunda önemli bilgiler sağlamakta ve sürdürülebilir ulaşım çözümlerinin ilerlemesine katkıda bulunmaktadır. Mikro şebeke istasyonlarının elektrikli araç şarj altyapısını devrim niteliğinde dönüştürme potansiyelini vurgulamakta, böylece elektrikli araçların daha geniş çapta benimsenmesini kolaylaştırmakta ve çevresel sürdürülebilirliğe katkıda bulunmaktadır.
Şebekeye bağlı mı̇kro şebekelerde hı̇brı̇t enerjı̇ sı̇stemı̇nı̇n performansının analı̇z edı̇lmesı̇
Bu çalışma, özellikle dinamik bir mikro şebeke ortamında fotovoltaik sistemlerin optimizasyonuna odaklanarak yenilenebilir enerji sistemleri alanında önemli bir ilerlemeye işaret etmektedir. Çalışma, bir batarya enerji depolama sistemine bağlı bir fotovoltaik sistemin performansına yakından bakarak yeni dinamik kontrol algoritmalarının ne kadar yararlı olabileceğini göstermektedir. Bu algoritmalar, enerji üretimi, dalgalanan talep ve depolama bileşenlerinin şarj durumu gibi karmaşık değişkenlerin yönetilmesinde çok önemlidir. Şebeke takip modunda Mikro Şebeke Enerji Yönetim Sistemi (MEMS), PQ kontrolü, ışınım değişimi, resenkronizasyon ünitesi kontrolü, güneş enerjisi santrali kesintisi ve dengesizlik telafi sistemlerinin tümü farklı durumlarda dikkatle incelenmiştir. Bulgular, özellikle güneş ışınımı değişiklikleri ve şebeke kesintileri karşısında hibrit sistemin artan esnekliğini ve etkinliğini göstermektedir. Sistemin gösterdiği esneklik, şebeke istikrarının ve kesintisiz güç sağlanmasının sürdürülmesinde gelişmiş kontrol stratejilerinin hayati öneminin altını çizmektedir. Özellikle, Resenkronizasyon Ünitesi Kontrolünün devreye alınması, şebekeye bağlı ve adalı operasyonlar arasındaki değişimler sırasında şebekeyi daha güvenilir hale getirmenin önemli bir parçası olmuştur. Böylece resenkronizasyon neredeyse hiç sorun yaşanmadan sorunsuz bir şekilde gerçekleşmiştir. Güneş santrali kesintisi ve Dengesizlik Telafi sistemi derinlemesine incelenmiş ve sonuçlar, aşırı üretim zamanlarında enerjinin nasıl dağıtılacağını ve enerji üretimi ile tüketiminin eşit olmadığı durumlarda sorunların nasıl çözüleceğinin konusunda çok faydalı olmuştur. Çalışma, mikro şebeke yönetimi teknolojilerinde büyük bir adım atılmasını sağlarken, daha fazla yenilenebilir enerji kaynağı eklenmesi, enerji depolama sistemlerinin iyileştirilmesi ve yeni, son teknoloji öngörücü kontrol yöntemlerinin geliştirilmesi gibi daha fazla araştırma yapılabilecek alanlara da işaret etmektedir. Sonuçlar, mikro şebeke teknolojilerinin geliştirilmesi ve enerjinin daha sürdürülebilir hale getirilmesine yönelik küresel çabaların desteklenmesi açısından önemlidir. Ayrıca tüm dünyanın daha güvenilir, verimli ve çevre dostu güç sistemlerine geçmesinin ne kadar önemli olduğunu göstermektedir.
Alçı levha kenar kusurları için derin öğrenme destekli bir yaklaşım
Alçı levha üretiminde kullanılan kalite kontrol yöntemleri yoğun emek gerektiren, zaman alıcı ve insan hatasına açık süreçlerdir. Otomatik kusur tespit sistemleri derin öğrenme tekniklerini kullanarak, bu tür endüstriyel zorlukları çözmede ölçeklenebilir bir çözüm sunmaktadır. Bu çalışma, alçı levhalardaki kenar kusurlarını otomatik olarak tespit etmek için U-Net segmentasyon ve sınıflandırma modellerini kullanan, gerçek zamanlı endüstriyel uygulamalar için bir Raspberry Pi üzerinde uygulanabilir bir sistem geliştirmeyi amaçlamıştır. Önerilen sistem, alçı levha segmentasyonu için bir U-Net modeli kullanmakta ve GoogleNet, AlexNet, ResNet-50 ve Xception gibi dört derin öğrenme modelini sınıflandırma için değerlendirmektedir. Doğruluk, duyarlılık, özgüllük ve kesinlik gibi performans metrikleri analiz edilmiştir. Sistem, Python kullanılarak geliştirilen gerçek zamanlı görüntü yakalama performansı değerlendirmek üzere bir Raspberry Pi üzerinde uygulanmıştır. Segmentasyon modeli için eğitim ve doğrulama metrikleri hesaplanırken, sınıflandırma modelleri karmaşıklık matrisleri ve detaylı metrik karşılaştırmaları ile değerlendirilmiştir. U-Net modeli, %98,38'lik bir Dice Katsayısı ve %96,29'luk bir Ortalama Birliktelik Oranı (IoU) elde ederek sağlam segmentasyon yeteneklerini ortaya koymuştur. Sınıflandırma modelleri arasında GoogleNet, %88,8 ile en yüksek genel doğruluğu sergilerken, AlexNet %96,6 duyarlılıkta üstün başarı göstermiş ve ResNet-50 %98,2 özgüllük ile öne çıkmıştır. Bu çalışma, alçı levha üretiminde otomatik kusur tespiti için derin öğrenme tekniklerinin etkinliğini vurgulamaktadır. Segmentasyon ve sınıflandırma modellerinin Raspberry Pi gibi düşük maliyetli donanımlarla entegrasyonu, kalite kontrol için ölçeklenebilir, verimli ve pratik bir çözüm sunmaktadır. Bulgular, derin öğrenme ve gömülü sistem cihazlarının üretim süreçlerinde kusur tespiti konusunu kökten değiştirme potansiyelini ortaya koymaktadır.
Kısmi gölgelemenin fotovoltaik sistemlerin performansı üzerindeki etkisinin araştırılması ve azaltma yöntemleri
Günümüzde artan yenilenebilir enerji talebi, fotovoltaik (PV) sistemlerin yaygın olarak benimsenmesini teşvik etmiştir. Ancak, bu sistemler genellikle binalar, ağaçlar veya diğer engeller nedeniyle kısmi gölgelenmeye maruz kalmaktadır. Gölgelenme, panellerin üzerine düşen ışığın düzensiz dağılmasına yol açarak PV sistemlerinin verimliliğini önemli ölçüde azaltmaktadır. Bu çalışma, kısmi gölgelenmenin PV panellerinin ürettiği güç ve akım üzerindeki etkilerini incelemek amacıyla gerçekleştirilmiştir. Analizler, tek diyot modeli kullanılarak MATLAB/Simulink ortamında yapılan simülasyonlarla yürütülmüştür. Gölgelenme etkilerini en aza indirmek ve sistem performansını optimize etmek amacıyla Seri Bağlantı (S), Seri-Paralel Bağlantı (SP), Petek Bağlantı (PB), Tam Çapraz Bağlantı (TÇB) ve Köprü Bağlantı (KB) olmak üzere beş farklı PV dizi konfigürasyonu değerlendirilmiştir. Bu konfigürasyonlar, güç-gerilim (P-V) ve akım-gerilim (I-V) karakteristikleri üzerindeki etkilerini belirlemek amacıyla %0, %20, %40 ve %60 gölgelenme seviyelerinde test edilmiştir. Elde edilen sonuçlar, test edilen konfigürasyonlar arasında TÇB diziliminin üstün performans sergilediğini ortaya koymuştur. Özellikle yüksek gölgelenme koşullarında TÇB dizilimi, daha yüksek güç üretimi ve doldurma faktörü sağlamıştır. %40 ve %60 gölgelenme seviyelerinde, TÇB konfigürasyonu sırasıyla 2672 W ve 2524 W güç değerlerine ulaşarak, ciddi güç kayıpları yaşayan Seri konfigürasyonuna kıyasla daha verimli bir performans göstermiştir. Bu araştırma, gölgelenme etkilerini hafifletmek için optimal PV konfigürasyonlarının seçilmesinin önemini vurgulamaktadır. TÇB konfigürasyonu, gölgeli koşullarda enerji kayıplarını azaltmada en etkili yöntem olarak öne çıkarken, Seri konfigürasyonu gölgelenmenin olmadığı ortamlar için uygun bir seçenek olarak değerlendirilmiştir. Bu bulgular, daha sürdürülebilir enerji uygulamalarına yönelik olarak daha dayanıklı PV sistemlerinin geliştirilmesine katkıda bulunacaktır.
Derin öğrenme teknikleri kullanılarak böbrek hastalıklarının analiz edilmesi
Yapay zeka teknolojisi alt dalı olan derin öğrenme teknikleriyle, sağlık alanında çok geniş bir çalışma alanı bulmuştur. Özellikle hastalık teşhisinin hızlı ve daha güvenilir tespiti konusunda çok önemli bir yere sahiptir. Bu çalışmada böbrek hastalıklarının teşhis edilmesinde kullanılan yapay zeka teknikleri ve bu alanda yapılan çalışmalara değinilmiştir. Uygulama da ise Bangladeş, Dhaka'daki farklı hastanelerden alınan böbrek görüntülerinden oluşan bir veri seti ve Adham Mohammed AlDakrany ve Mohammed Ahmed Aref'in, sünger böbrek hastalığı için özel olarak derlediği görüntülerden oluşan veri seti birleştirilmiştir. Veri seti, esas olarak tüm karın ve ürogramı kapsayan kontrastlı ve kontrastsız çalışmalardan koronal ve aksiyel kesitler içeren bilgisayarlı tomografi taramalarından oluşur. Her görüntü, Radiopaedia vakalarına katkıda bulunan radyologlar ve ürologlar tarafından dikkatlice incelenmiş ve onaylanmıştır. Literatürdede değinilen böbrek hastalığı için en yüksek başarı elde edilmiş ağlardan biri olan VGG ağı ve daha basit olan 19 katmadan oluşturulan ağ kıyaslaması sağlanmıştır. Bu oluşturulan ağın optimizasyon çalışmaları yapılarak en iyi performansı ortaya koyması sağlanmıştır. Veri seti oluşturulan evrişimli sinir ağı ile eğitilerek bu mimarinin böbrek hastalığı teşhisindeki performansı değerlendirilmiştir. Evrişimli sinir ağına fuzzy pooling yöntemi dahil edilerek daha iyi sonuçlar alınması sağlanmıştır.
Diş radyografilerinde derin öğrenme yöntemleri ile diş çürüğü tanısı ve sınıflandırılması
Yapay zeka ve derin öğrenmedeki hızlı gelişmeler, diğer alanlarda olduğu gibi sağlık alanında da özellikle hastalıkların erken teşhisi ve tespiti için ilgi çekmiştir. Bu araştırma, radyolojik görüntülerde diş çürüklerinin kategorilendirilmesi için Geleneksel Sinir Ağları'nın (CNN) kullanımını incelemektedir. 1554 RGB görüntüden oluşan bir veri seti, F1 puanı, doğruluk, kesinlik ve geri çağırma açısından sınıflandırma performansını değerlendirmek için CNN, VGG19, Inception, ResNet ve Destek Vektör Makinesi (SVM) dahil olmak üzere bir dizi modeli eğitmek ve değerlendirmek için kullanılmıştır. Inception, %1,00'lık mükemmel geri çağırma ve %97,83'lük doğrulukla diğer modelleri geride bıraktı. SVM, %97,4 ile ikinci sırada yer aldı. VGG19 ve ResNet, sırasıyla %86,79 ve %88,32'lik doğruluklarla geleneksel CNN'den daha iyi performans gösterdi. CNN'in %82,03'lük doğruluğu en düşüktü. Yeniden örnekleme yaklaşımları, veri kümesi dengesizliği gibi sorunların üstesinden gelmeye yardımcı oldu ve veri artırma, modelin genelleştirilmesini geliştirdi. Çalışmaya göre, ResNet ve VGG19 gibi daha derin mimariler daha fazla işlem gücü gerektirirken, Inception ve SVM modelleri diş çürüklerini sınıflandırmak için en uygun olanlardır. Bulgular, model performansını iyileştirmenin veri artırma tekniklerini kullanmayı ve veri kümesi dengesini korumayı gerektirdiğini göstermektedir.
Flyback dönüştürücü tabanlı fotovoltaik sistemlerde maksimum güç noktası izleme için akıllı dalga algoritması
Yenilenebilir enerji kaynaklarına artan talep, fotovoltaik (PV) sistemleri sürdürülebilir enerji üretiminin vazgeçilmez bir bileşeni hâline getirmiştir. Ancak PV sistemlerinin verimliliği, ışınım ve sıcaklıktaki değişimlerden önemli ölçüde etkilenmekte olup, bu durum Maksimum Güç Noktası İzleme (MGNİ/MPPT) yöntemini kritik bir kontrol stratejisi hâline getirmektedir. Bu tez çalışmasında, Perturb and Observe (P&O) ve Incremental Conductance (InC) gibi klasik yöntemlerin yanı sıra, Parçacık Sürü Optimizasyonu (PSO) ve Harris Hawks Optimizasyonu (HHO) gibi meta-sezgisel optimizasyon teknikleri de dâhil olmak üzere çeşitli MGNİ algoritmaları araştırılmış ve karşılaştırılmıştır. Bu yaklaşımlar temel alınarak, Akıllı Dalga Algoritması (Intelligent Wave Algorithm – IWA) adlı yeni bir yöntem önerilmiş ve literatürde ilk kez flyback dönüştürücü tabanlı PV sistemlerde MGNİ'ye uygulanmıştır. Tüm algoritmalar MATLAB/Simulink ortamında aynı çalışma koşulları altında modellenmiş ve benzetimi yapılmıştır. Yerleşme süresi, kararlı hâl kararlılığı ve güç elde etme gibi performans ölçütleri analiz edilmiştir. Elde edilen sonuçlar, P&O ve InC yöntemlerinin basit ve yaygın kullanıma sahip olmasına rağmen salınımlar ve düşük verim sorunları yaşadığını göstermiştir. PSO ve HHO ise yakınsama hızını ve dayanıklılığı artırarak daha az salınımla daha yüksek kararlı hâl gücü elde etmiştir. Önerilen IWA algoritması ise tüm senaryolarda üstün performans göstermiş, en hızlı yakınsamayı (0,007–0,015 s), en yüksek güç çıkışını (46–47 W) ve ihmal edilebilir düzeyde aşım veya salınım ile elde etmiştir. Bu bulgular, IWA'nın gerçek zamanlı MGNİ uygulamaları için son derece etkili ve hesaplama açısından verimli bir çözüm sunduğunu doğrulamaktadır. Bu katkı, yenilenebilir enerji optimizasyonu alanında özgün bir ilerleme niteliği taşımakta olup, hem laboratuvar hem de endüstriyel ortamlarda PV sistem performansının artırılmasına yönelik umut vadeden bir yol sunmaktadır.
Control of individual pitch angle in variable wind speed using modern optimization techniques
The renewable energy source used in many different applications is wind power. Wind energy is one of the most expensive forms of energy today. The purpose of wind power is to convert kinetic energy into electrical energy. MATLAB/SIMULINK simulations allowed us to clearly distinguish the three control methods used to optimise the FAST wind turbine; the N-Z PI method, the PSO-PI method and the GA-PI method produced similar results. Increasing the rotor speed quality of the wind turbines and decreasing the mechanical loads on the turbines were investigated. By adjusting the blade angle to the nominal wind speed, the rotor speed of the wind turbine is maintained at its nominal value. By using control methods (such as PI, genetic algorithms and particle swarm optimisation), different results can be achieved. In addition, the individual control of the blade tilt angle allowed us to reduce the mechanical loads of the wind turbine through control methods. The wind turbine was modelled in Matlab/Simulink. The simulation results show that the individual control of the blade tilt angle ensures the quality of the rotor speed of the wind turbine and reduces the balanced periodic loads on the wind turbine.
Control of doubly fed induction generator with PWM inverter
The doubly-fed induction generator (DFIG) is based on a wound-rotor induction machine. The stator and the rotor of this induction machine are both connected to an electrical source hence the name doubly fed. In wind energy conversion systems, DFIG with a back-to-back converter is an extensively utilized system. This machine has been the subject of several scientific researches, especially its application in wind energy. This thesis focuses on the control of the Double-Feed Induction Machine by PI Regulator and Fuzzy Logic Regulator Techniques. After presenting the mathematical models of the machine and the converter in the three-phase frame then in the two-phase frame using the Clarke and Park transformations, the vector control of the machine was approached by the orientation of stator flux. A decoupled control of active and reactive power is synthesized employing PI controllers to control the power flowing between the DFIG stator and the grid. Using a fuzzy logic regulator instead of a PI improves overall robustness and tracking performance when dealing with uncertainties. Matlab/SIMULINK software is used to display simulation results for different operating modes.
Design and evaluation of solar energy powered groundwater pumping system for irrigation farm in Iraq desert
This thesis examines the design of a solar-powered groundwater pumping system to irrigate desert lands in Najaf, Iraq. The water pumping rate for the land to be cultivated was calculated as 83.4 m³/day. We designed an irrigation system for the three agricultural crops that depend on soil and water sensors in their work. Where a land area of 12500 m² was fed with water through two pumps, a well pump with a capacity of (5.5 KW) and a tank pump with a capacity of (0.78 KW), the number of solar panels required to operate the irrigation system was 27 solar panels, bifacial cells type, with a capacity of 390 Watts, Matlab Simulink's results and theory showed that the system can irrigate these lands, thus it will reduce the waste of electrical energy for the panels, and the purity of water and air which gives us a green and beautiful space.
Space vector pulse width modulation based speed control of induction motor with three level inverter using voltage/frequency controller
In general, speed control is an essential technology in flexible fast driving systems. To achieve that it requests variable frequency and voltage supply. Even though there are numbers of the pulse width modulation (PWM) scheme is utilized to get the variable frequency and supply voltage from an inverter. It is less used than the space vector pulse width modulation (SVPWM). The SVPWM method with supply voltage/frequency (V/f) control of induction motor (IM) is an alternating current (AC) motor that converts electrical energy into kinetic energy and drive is vastly utilized in the high-performance drive system. It is due to its characteristics such as high efficiency and good power factor. In this study, the voltage source inverter type SVPWM with three-level inverter using (V/f) control model design and implementation has been done through Matlab/Simulink software for the speed control of an IM. The proposed SVPWM for a three-level voltage-fed inverter, extended to the over modulation range. The over modulation strategy easily blends with the under modulation so that the inverter can operate smoothly from low speed to the extended speed range. The simulation results offer that the proposed three-level inverter reduces undulations in speed and torque.