Sürücü benzetim sistemi ile sürücülerden elde edilen EEG sinyallerinden acil fren durumunun Yapay Sinir Ağları ile tahmin edilmesi
From the eeg signals obtained from the drivers with the drive simulator, the emergency braking situation is estimated by artificial neural networks
- Tez No: 501590
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA TOSUN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Dumlupınar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Bilim Dalı
- Sayfa Sayısı: 97
Özet
Dünyada otomobil sayılarının giderek artması güvenlik önlemlerinin de artırılmasını beraberinde getirmektedir. Daha önce EEG sinyalleri kullanılarak acil fren durumlarının kontrolü ile ilgili yapılan çalışmalarda, Sequential Forward Floating Search (SFFS) yöntemi ve EEG aktivitelerinden elde dilen ERP işaretleri kullanılmıştır. Bu çalışma ile sürücü benzetim sistemi ile sürüş sırasında sürücülerden alınan Elektroensefalogram(EEG) sinyalleri kullanılarak acil fren durumlarının tahmin edilmesi sağlanmaktadır. Bu çalışmada sürücü benzetim sistemi ile sürüş sırasında sürücülerden alınan EEG sinyallerinin öznitelikleri, pwelch metodu kullanılarak elde edilmiş ve sinyaller delta, teta, alfa ve beta alt frekans bantlarına ayrılmıştır. Elde dilen alt frekans banlarına ait sinyaller Yapay Sinir Ağları(YSA) kullanılarak eğitilmiştir. EEG sinyallerinin eğitilmesi aşamasında, YSA'da Feed-Forward Backpropagation ve Learning Vector Quantization(LVQ) metodları kullanılmıştır. Sürücülerden alınan EEG sinyallerine ait alt frekans bantlarında öncü araç ait acil fren durumlarının tahmini gerçekleşmiştir. Aynı zamanda öncü aracın fren sapma verilerindeki artış ve azalışların kestirimi yapılmıştır. Hatanın Karesel Ortalaması(MSE) 0,005 değerine ulaşıncaya kadar ağ eğitilmiştir. Ağa uygulanan test verilerinde, delta alt frekans bandında %70 doğrulukla verilerin kestirimi yapılmıştır. Bununla birlikte sürücülerin gaza basıp basmama durumunun da EEG verilerinden YSA ile kestirimi yapılmıştır. Ağ eğitiminde MSE değeri 0,000001 elde edilmiş ve test verilerinin %90 oranında doğru kestirimi yapılmıştır.
Özet (Çeviri)
Increasing numbers of automobiles in the world are accompanied by an increase in security measures. Previous studies on the control of emergency braking situations using EEG signals have used Sequential Forward Floating Search (SFFS) method and Event Related Potentials (ERP) signs of EEG activities. With this study, it is possible to estimate the emergency braking situations by using Electroencephalogram (EEG) signals from the drivers during driving with the driver simulation system. In this study, the features of the EEG signals received from the drivers during driving with the drive simulator system were obtained by using the pwelch method, and the signals are divided into delta, tetra, and beta lower frequency bands. The signals belonging to the sub frequency bands were trained using Artificial Neural Networks (ANN). During the training of EEG signals, Feed Forward Backpropagation and Learning Vector Quantization (LVQ) methods are used at the ANN. In the sub frequency bands of the EEG signals from the drivers, the prediction of the emergency brake conditions of the leading vehicle has been realized. At the same time, predictions were made for the increase and decrease in brake deviation data of the leading vehicle. The network was trained with the Mean Squared Error (MSE) 0,005 values. Estimates of the data were made with 70% accuracy in the delta sub frequency band and test data applied to the network. However, when the drivers pressed the gas pedal and did not push it, the EEG data was estimated with YSA. MSE value of 0,000001 was obtained in network training and 90% of the test data were correctly estimated.
Benzer Tezler
- Self-commissioning and position sensorless field oriented control of IPMSM
Gömülü mıknatıslı senkron motorun kendi kendine devreye alınması ve konum sensörsüz alan yönlendirmeli kontrolü
YASİN ÇETİN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Cooperative vehicular systems and freeway traffic control applications: A method for cooperative merging in freeway traffic
İşbirlikçi taşıt sistemleri ve otoyol trafiği denetim uygulamaları: Otoyol trafiğinde işbirlikçi katılım için bir yöntem
İSMET GÖKŞAD ERDAĞI
Yüksek Lisans
İngilizce
2021
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. HİLMİ BERK ÇELİKOĞLU
- Functional safety analysis for advanced emergency braking systems
İleri acil frenleme sistemleri için fonksiyonel emniyet analizi
SEMİH UZUN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU
- Elektrikli otomobil motor sürücü devrelerinde farklı fiziki yapılarda işletme başarımının tespitine katkılar
Contributions to determining the operational performance of motor control circuits having different physical structures for electric vehicles
NAİL GÜZEL
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SERDAR ÖZOĞUZ
DR. ÖĞR. ÜYESİ DERYA AHMET KOCABAŞ
- An intelligent overtaking assistant for autonomous racing cars
Otonom yarış araçları için bir akıllı sollama asistanı
ERSİN ARMAĞAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR