Geri Dön

Dinamik sistemlerde zaman serileri analizi ile öğrenme tabanlı bilgi çıkarımı

Learning based information extraction by time series analysis in dynamic systems

  1. Tez No: 413270
  2. Yazar: SELAHATTİN BARIŞ ÇELEBİ
  3. Danışmanlar: YRD. DOÇ. DR. İLHAN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Pantograf-Katener sistemler, Görüntü işleme, Zaman serileri analizi, Gerçek zamanlı izleme, Bulanık integral, Pantograph-Catenary system, Image processing, Time series analysis, Real time monitoring, Fuzzy integral
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 110

Özet

Birçok sistemden çalışma durumu ile ilgili bilgi çıkarabilmek için zaman üzerinde örnekler alınmaktadır. Zaman serisi olarak ifade edilen bu veriler ilgili sistemin çalışması hakkında faydalı bilgiler verir. Zaman serileri analiz edilerek farklı çalışma durumlarının sınıflandırılması, kümeleme, motif keşfi ve anomali tespiti yapılabilmektedir. Bu tezde, dinamik bir sistem olarak elektrikli trenlerde trenin hareketi için gerekli enerjiyi sağlayan pantograf-katener sisteminden zaman üzerinde veriler alınmıştır. Pantograf-katener sistemden alınan verilere, zaman serileri analizi ve sinyal işleme tabanlı yöntemler uygulanarak arkla ilişkili özellikler ayıklanmıştır. Daha sonra makine öğrenmesi teknikleri, arkları tespit edebilmek için bu özelliklere uygulanmıştır. Tezde, pantograf-katener sistemlerde zaman üzerinde alınan sinyallerden ark tespitinin yapılabilmesi için iki temel yöntem sunulmuştur. Birinci yöntemde, tren üzerine sabitlenen bir kamera ile pantograf-katener sisteminden görüntüler alınmakta ve Otsu metodu uygulanarak görüntü pantograf, ark ve arka plan olarak bölütlenmektedir. Görüntüdeki ark oluşum yüzdesi bir zaman serisine dönüştürülmekte ve zaman serisinin iki boyutlu faz uzayı oluşturulmaktadır. Faz uzayında Parçacık Sürü Optimizasyonu ile ark olayları tahmin edilmektedir. İkinci yöntemde ise matematiksel morfoloji tabanlı özellik çıkarımı ve bulanık integral tabanlı ark tespiti yapılmaktadır. Bu amaçla iki adet akım, bir adet gerilim ve iki adet foto tüp sinyali elde edilmiştir. Sinyallere uygulanan matematiksel morfoloji ile sağlam ve ark oluşan sinyallerin birbirinden daha kolay ayırt edilmesi sağlanmıştır. İki akım ve bir gerilim sinyalinden çıkarılan özellikler, destek vektör makinası tabanlı sınıflandırıcılara gönderilerek her bir sınıflandırıcı için bir başarı oranı hesaplanmıştır. Ardından sınıflandırıcı sonuçları bulanık integral ile birleştirilerek ark tespit performansı artırılmıştır. Bu çalışma sonucunda, pantograf-katener sistem gerçek zamanlı olarak temassız teknikler ile izlenmiş ve temas noktasındaki ark oluşumları yüksek doğruluk oranlarıyla tespit edilmiştir. Bu tez çalışması 112E067'nolu TÜBİTAK 1001 programı kapsamında yürütülen araştırma projesi ile desteklenmiştir. Yapılan çalışmalar uluslararası konferans ve dergilerde sunulmuştur.

Özet (Çeviri)

LEARNING BASED INFORMATION EXTRACTION BY TIME SERIES ANALYSIS IN DYNAMIC SYSTEMS Time samples are taken over the time to extract the knowledge about the operating condition of various systems. These data are referred to a time series. A time series gives useful information about the operating condition of related system. Classification of different operating conditions, clustering, motif discovery, and anomaly detection can be made by analyzing time series. In this thesis, pantograph-catenary system that provides the required energy for the movement of the train is taken as a dynamical system and the data are taken from it. The arc related features are extracted by applying signal processing and time series analysis methods to data taken from a pantograph-catenary system. Afterwards, machine learning methods are applied to these features in order to detect arcs. Two methods have been proposed to detect arcs by using data that taken from a pantograph-catenary system over the time. In the first method, frames are taken from a camera mounted on the roof of the locomotive. Afterwards, the current frame are segmented to regions such as pantograph, arc, and background by applying Otsu method. The rate of the shining is converted into a time series and the two dimensional phase space of this time series is constructed. Arc events are predicted by applying particle swarm optimization on phase space. In the second method, mathematical morphology based feature extraction and fuzzy integral based arc detection are performed. For his purpose, two current, one voltage signals and two phototube signals are acquired. Applying the mathematical morphology to the signals provided to separate healthy and arc related fault easily. Features obtained from two current and one voltage signals are given to support vector machines and a performance measure is calculated for each classifier. At the last stage, classifier results are combined by using fuzzy integral and the performance of arc detection is improved. At the result of this study, the pantograph-catenary system was monitored by using contactless techniques at real time and arcs occurred at the contact point were detected, successfully. This study has been supported by a research project in TUBITAK 1001 program under Project No: 112E067. The studies were presented at an international conference and a journal.

Benzer Tezler

  1. Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

  2. Homojen ve heterojen evrimsel sosyal ağlarda bağlantı tahmini

    Link prediction in evolving homogeneous and heterogeneous networks

    ALPER ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

  3. A situational awareness framework for connected autonomous vehicles

    Bağlantılı otonom araçlar için durum farkındalık sistemi

    DERYANUR TEZCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLAY ÖKE GÜNEL

  4. Machine learning applications for time series analysis

    Zaman serileri analizi için makine öğrenmesi uygulamaları

    MERT CAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  5. Portfolio optimization with wavelet analysis and neural fuzzy networks

    Dalgacık analizi ve bulanık sinir ağları modeli ile portföy optimizasyonu

    ÖMER ZEKİ GÜRSOY

    Doktora

    İngilizce

    İngilizce

    2022

    İşletmeİstanbul Teknik Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. OKTAY TAŞ