Sensör lineerleştirme amaçlı mikrodenetleyicili tasarım
Microcontroller based sensor linearization system design
- Tez No: 222842
- Danışmanlar: PROF.DR. SADRİ ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Sensör lineerlestirme, Yapay sinir agları, Mikrodenetleyicili tasarım, Radyal taban fonksiyonları, Çok katmanlı ag yapıları, Tablo tutma yöntemi, Sensor linearization, Neural networks, Microcontroller based design, Radialbase functions, Look-up table
- Yıl: 2006
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 101
Özet
Bu çalısmada, uygulamada sıklıkla kullanılan sensör karakteristigi lineerlestirmeteknikleri incelenmis, yöntemler kendi aralarında karsılastırılmıs ve yeni bir yöntemuygulanmıstır. Uygulamalarda mikrodenetleyicili sistemler temel alınmıstır. Bu nedenleyöntemler, mikrodenetleyicide kaplanan bellek alanı, kullanılan lineerlestirmealgoritması sonucu elde edilen sensör verileri ile gerçek veriler arasındaki ortalamakaresel hatalar açısından degerlendirilmistir. Aynı anda birden fazla sensörünkullanıldıgı sistemlerde belirtilen kriterler açısından en uygun sonuçlara radyal tabanfonksiyonları tabanlı Yapay Sinir Agı algoritmaları ile ulasılmıstır. Bu yeni yönteminmikrodenetleyicilerde sensör karakteristigi lineerlestirme amaçlı olarak kullanılması iletasarlanan sistem çıktısındaki sensör degeri ile gerçek deger arasındaki ortalamakaresel hata degeri sensörün tüm çalısma aralıgı boyunca daha az seviyeleredüsürülmüstür. Ayrıca, sistem için bellekte kaplanan alan degeri birden fazla sensörünaynı anda kullanıldıgı uygulamalarda daha alt seviyelere indirilmistir. Sonuçlarıliteratürdeki çalısmalarla karsılastırdıgımızda, önerilen yöntem sensörün tüm çalısmaaralıgı göz önüne alındıgında, sagladıgı daha düsük ortalama karesel hata ile dahadogru ve daha yüksek hassasiyette sonuçlar vermekte, bellekte kaplanan daha düsükbellek alanı nedeni ile tasarım maliyeti anlamına gelen mikrodenetleyici maliyetlerinidüsürmektedir.Tez kapsamında kullanılan yazılımsal çalısmaları göstermek için CD hazırlanmıstır. CDiçeriginde radyal taban fonksiyonları egitim algoritması için rbf.c ve çok katmanlı YSAiçin cka.c dosyaları kullanılmıstır. Tasarlanan devrenin sematigi ?Devre sematigi.pdf?dosyasında, mikrodenetleyicide kullanılan yazlımsal dosyalar ?Mikrodenetleyicikodları? dosyasında verilmistir.
Özet (Çeviri)
In this study frequently used sensor linearization methods at literature are discussed.Each of the methods are compared with each other and a new method of sensorlinearization is suggested. Experimental works are done on a specifically designedmicrocontroller based hardware. Experimental works are compared according to themean square error between linear sensor output and desired sensor output. Optimumresults are evaluated by Radial Base Functions Neural Networks for the systemscontaining multiple sensors for the mentioned criterias. By using this linearizationmethod, mean square error between desired sensor output and linear system sensoroutput has been smaller for the whole sensor output range. In addition to this, memoryallocation of the system in the microcontroller by radial base functions neural Networksis less than other linearization methods. Finally, radial base functions neural networksmethod in sensor linearization provides more economical hardware design due to lowamount of memory allocation and more linear sensor output than other frequently usedlinearization methods.Additionally, CD is prepared for the software used in the experiments. In the CD, radialbase functions neural network algorithms are at ?rbf.c?, nultilayer perceptronalgorithms are at cka.c. Microcontroller codes are placed in ?Mikrodenetleyici kodları?file. Schematic diagram of the designed system is in ?Devre sematigi.pdf? file.
Benzer Tezler
- Üçlü tank sisteminde yapay sinir ağları ile hata teşhisi
Fault diagnosis of three tank system by using artificial neural networks
EVREN ÇİFÇİ
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET EMİN KUZUCUOĞLU
- Burun iniş takımı sisteminde shimmy davranışının modellenmesi, analizi, testi ve kontrolü
Modelling, analysis, test, and control of the shimmy behavior in nose landing gear system
SENA KOÇAK
Yüksek Lisans
Türkçe
2021
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Yapay zeka tekniği kullanan bilgisayar tabanlı yüksek hassasiyetli sıcaklık ölçme birimi tasarımı
A PC based temperature measurement unit design with high accuracy using artificial neural network
İLKER DALKIRAN
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN DANIŞMAN
- Sabit kanatlı bir hava aracının modellenmesi ve ımc yöntemi ile iniş yaptırılması
Modelling the fixed wing aircraft and automatic landing with imc method
YUSUF SINCAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU
- Flying and handling qualities oriented longitudinal robust control of a fighter aircraft in a large flight envelope
Uçuş ve kullanım kalitelerine dayalı olarak bir savaş uçağı için geniş bir uçuş zarfı içerisinde dayanıklı boylamsal kontrolcü tasarımı
ZAFER KAÇAN
Yüksek Lisans
İngilizce
2022
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU