İnsan-makine etkileşimli bilgisayar deneyi kullanarak insan operatörlerin parametrik ve akıllı sistemlerle modellenmesi
Modeling of human-operators using linear parametric and intelligent techniques
- Tez No: 166690
- Danışmanlar: YRD. DOÇ. DR. ŞENİZ ERTUĞRUL
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2005
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
İNSAN-MAKİNA ETKİLEŞİMLİ BİLGİSAYAR DENEYİ KULLANARAK İNSAN OPERATÖRLERİN PARAMETRİK VE AKILLI SİSTEMLERLE MODELLLENMESİ ÖZET İnsan-makine etkileşimli bir sistemde, insan-operatör istenen sistem çıkış değerlerini elde etmek için optimal değerlere yakın kumanda girişleri üreten adaptif, karar verebilen ve öğrenebilen bir kontrolördür. Bu sebeple, insan-operatörlerin dinamik davranışı operatör cevabına dayalı sistemlerde yeni kontrol yöntemleri geliştirebilmek adına 1940'lı yıllardan beri geniş bir şekilde incelenmektedir. Literatürde insan-operatör modelleme çalışmalarında dört ana yaklaşım bulunmaktadır. Yaklaşık doğrusal model, insanın yapısal bir hataya, işlem süresinden kaynaklanan bir reaksiyon zaman gecikmesine ve kas-sinir sisteminin yapısından kaynaklanan bir zaman sabitine sahip olduğunu varsayar. Bunun yanında, adaptif karakteri sağlayan avans (lead) ve gecikme (lag) kompanzasyon terimleri uygulamaya göre her operatör için farklı değerler almaktadır. Optimal kontrol, parametrik modelleme, akıllı sistemlerle modelleme diğer yaklaşımları oluşturmaktadır. Bu çalışmada, insan operatörün doğrusal parametrik ve akıllı yöntemler ile modellenmesi incelenmiştir. İnsan operatör modeli, yaklaşık lineer modelden esinlenerek bir zaman gecikmesi içerecek şekilde sistem tanılamada yaygın olarak kullanılan doğrusal parametrik bir model yapısı olan ARX model olarak tanüanmıştır. İnsana ait zaman gecikmesi terimi kullanılan bilgisayar deneyinden elde edilen verilerin öncelikle parametrik olmayan metotlarla ve sırasıyla parametrik yapılarda incelenmesiyle bulunmuş ve karşılaştırılmıştır. Daha sonra elde edilen ARX yapısından da faydalanarak insan-operatör modeli uyarlanabilir sinirsel-bulanık çıkartım sistemi (USBÇS) ile modellenmiştir. Çalışma sonucunda akıllı sistemlerin sistem tamlamada ve model geliştirmede doğrusal parametrik modeilemeden daha iyi sonuçlar verdiği gözlenmiştir. Çalışma, insan-operatör modelleme çalışmaları hakkında derlenen bilgilerle başlamaktadır. Sonraki bölümde sistem tamlama kavramı üzerinde durulmuş ve sistem tanılamada yaygın olarak kullanılan doğrusal parametrik yöntemlerden bahsedilmiştir. 4. Bölüm akıllı yöntemlerden olan uyarlanabilir sinirsel bulanık çıkartım sistemi ile ilgili teorik ve şematik bilgiler içermektedir. 5. ve 6. Bölüm' lerde önceki bölümlerde açıklanan yöntemlerin insan-operatör modellemesi için bilgisayar deneyinden elde edilen verilere uygulanmasının ayrıntıları üzerinde durulmuştur. 7. Bölüm' de uygulanan yöntemler karşılaştırılması bulunmaktadır. Ayrıca, çalışmanın olası ileriki aşamaları da bu bölümde açıklanmıştır.
Özet (Çeviri)
MODELING OF HUMAN-OPERATORS USING LİNEER PARAMETRIC AND INTELLIGENT TECHNIQUES SUMMARY In a human-machine interaction system, human operator is an adaptive and learning controller that can decide and produce the control inputs close to the optimal values for obtaining the desired system output values. For this reason, dynamical behavior of human operators is thoroughly investigated since 1940s in order to develop new control methods for systems based on operator response. In the related literature, there are four main approaches for human operator modeling studies. Quasi linear model assumes that human has a structural error, a reaction time delay originating from processing time and a time constant caused by the structure of the neural- muscular system. Nevertheless, lead and lag compensation terms that provide the adaptive character have different values for all operators, based on the application. Optimal control, parametric modeling and modeling with intelligent systems constitute the other approaches. In this study, modeling the human operator by using linear parametric and intelligent methods is investigated. Inspiring from the quasi linear model, human operator model is identified, without excluding the time lag, as an ARX model which is a linear parametric model commonly used for system identification. Lag term relating to human is determined and compared by examining the data obtained from the computer experiment first with non-parametric models and then with parametric structures. By benefiting from the obtained ARX modei, human operator is modeled with Adaptive Network Based Fuzzy Inference System (ANFIS). As a result of the study, it is observed that the intelligent system performs better than the parametric model. The study begins with compiled information on human operator modeling. In the next section, the system identification concept and linear parametric methods commonly used for system identification are explained. Section 4 contains theoretical and schematic information about adaptive network based fuzzy inference system which is the intelligent method that was utilized. In sections 5 and 6, detailed information on the application of previously explained methods for human operator modeling to the data obtained from computer experiments is given. Section 7 gives a comparison of the applied methods. Future suggestions for the study are also mentioned in this section. XI
Benzer Tezler
- Association rule mining for identifying factors in dynamic positioning incidents and accidents
Dinamik konumlandırma kazalarına ait faktörlerin birliktelik kural madenciliği ile tanımlanması
TUĞFAN ŞAHİN
Doktora
İngilizce
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Manipulation of visually recognized objects using deep learning
Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi
ERTUĞRUL BAYRAKTAR
Doktora
İngilizce
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR BOYRAZ
- Machine learning-enabled stress detection in children using physiological signals during robot assisted therapy
Çocuklarda makine öğrenmesi ile desteklenmiş robot ile yapılan terapi sırasında fizyolojik sinyallerle stres tespiti
SEVGİ NUR BİLGİN AKTAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Konuşma tanıma teknolojisi kullanılarak devre tasarım ve analizi
Circuit design and analysis by using speech recognition technology
AYŞE YAYLA
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. HAYRİYE KORKMAZ
DOÇ. DR. ALİ BULDU