Designing a diagnosis system for electric vehicle subsystems by using artifical i̇ntelligence
Yapay zeka kullanarak elektrıklı araç alt sıstemlerının teşhıs teknıklerı
- Tez No: 1003070
- Danışmanlar: Assoc. Prof. Dr. MUHAMMET TAHİR GÜNEŞER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, elektrikli araç (EV) batarya durumlarının teşhisi ve prognozu için yapay zeka (AI) tekniklerini kullanan veri odaklı bir yaklaşımın geliştirilmesi ve uygulanmasına odaklanmaktadır. Kritik batarya durumları, şarj durumu (SOC), sağlık durumu (SOH), güç durumu (SOP), enerji durumu (SOE) ve kalan kullanılabilir ömür (RUL) gibi özellikler, EV bataryalarının optimal değiştirme aralığını belirlemektedir. Aşırı şarj, aşırı deşarj, dahili ve harici kısa devreler ve tutarsızlık hataları gibi hatalar, bu batarya durumlarını olumsuz yönde etkileyebilir. Bu hataları etkili bir şekilde tespit etmek ve sınıflandırmak için, elektrikli araçlardan alınan ölçümler gibi akım (I) ve gerilim (V) değerlerini kullanan veri odaklı bir strateji uygulanmaktadır. Derin öğrenme teknikleri, hata tanıma, sınıflandırma ve tespiti için kullanılır. Çalışma ayrıca, nöral ağ parametrelerinin optimizasyonunu ve elektrikli araç sistemleri veri kümelerine özel yeni bir nöral ağın oluşturulmasını da incelemektedir. Ön işleme adımlarının önemi, normalleştirme ve tek boyutlu verilerin iki boyutlu görüntü verisine dönüştürülmesi ile vurgulanmaktadır; bu sayede hata teşhis sisteminin verimliliği artırılmaktadır. Önerilen veri tabanlı model, modern zeki teknikler ve karmaşık matematiksel kompozisyonlar kullanarak, EV batarya durumu teşhisi ile ilgili karmaşık sorunları çözmeyi amaçlamaktadır. Araştırma, gerçek dünya operasyonel veri kümelerini toplamayı, kötüye kullanım deneyleri gerçekleştirmeyi ve çeşitli batarya durumlarından hata özellikleri çıkarmayı içermektedir. Çalışma, büyük verilere dayalı yeni bir hata teşhis yönteminin geliştirilmesine katkıda bulunmakta ve elektrikli araç uygulamalarındaki lityum-iyon batarya performansının anlaşılmasını artırmayı amaçlamaktadır. Bu sayede, EV batarya ömründe ve genel sistem güvenilirliğinde iyileşmeler sağlanması hedeflenmektedir.
Özet (Çeviri)
This study focuses on the development and application of a data-driven approach using artificial intelligence (AI) techniques for the diagnosis and prognosis of electric vehicle (EV) battery states. The critical battery states, including state of charge (SOC), state of health (SOH), state of power (SOP), state of energy (SOE), and remaining useful lifetime (RUL), determine the optimal replacement interval of EV batteries. Faults, such as over-charge, over-discharge, internal and external short circuits, and inconsistency faults, can adversely affect these battery states. To effectively detect and classify these faults, a data-driven strategy is employed, utilizing measurements taken from electric vehicles, such as current (I) and voltage (V). Deep learning techniques are used for fault recognition, classification, and detection. The study also explores the optimization of neural network parameters and the creation of a new neural network tailored to electric vehicle systems datasets. The importance of preprocessing, including normalization and conversion of one-dimensional data to two-dimensional image data, is emphasized to improve the fault diagnosis system's efficiency. The proposed data-based model leverages modern intelligent techniques and complex mathematical compositions to solve intricate problems related to EV battery state diagnosis. The research involves collecting real-world operational datasets, conducting abusive experiments, and extracting fault features from various battery states. The study contributes to the development of a novel fault diagnosis method based on big data, and aims to enhance the understanding of lithium-ion battery performance in electric vehicle applications, ultimately leading to improvements in EV battery life and overall system reliability.
Benzer Tezler
- Demiryolu araçlarında kullanılan vakumlu tuvalet sistemleri için elektronik kontrolcü tasarımı
Electronic controller design for vacuum toilet systems in railway vehicles
AYKUT ALTINTAŞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Altitude dependent thermal model and analysis of an outrunner rotor permanent magnet synchronous motor for unmanned air-vehicle applications
İnsansız hava aracı uygulamaları için dış rotorlu kalıcı mıknatıslı senkron motorun irtifaya bağlı termal modeli ve analizi
YUNUS EMRE CİNAL
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA AHMET KOCABAŞ
- Lityum iyon sonrası batarya sistemleri için katı elektrolitlerin geliştirilmesi
Development of solid electrolytes for post-lithium-ion battery systems
MUSTAFA ÇELİK
Doktora
Türkçe
2026
EnerjiSakarya ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. TUĞRUL ÇETİNKAYA
- Banyo tasarımı için kural tabanlı uzman sistem
A Rule-based expert system for bathroom design
ÇELİK İNGİN
Yüksek Lisans
Türkçe
1997
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. NİGAN BAYAZIT
- Sağlık örgütlenmesi yaklaşımları ve Türkiye'de hastane binalarını prefabrikasyon teknolojilerine göre planlama sorunu üzerinde bir araştırma
An approach to health organizations and a research on the problem of planning hospital buildings with prefabrication technologies in Turkey
GAYE OĞULTEKİN
Yüksek Lisans
Türkçe
2001
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. EROL KULAKSIZOĞLU