Estimating instant fuel consumption by machine learning and improving fuel consumption
Anlık yakıt tüketiminin makine öğrenmesi ile tahmin edilerek iyileştirilmesi
- Tez No: 642816
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Galatasaray Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
İçten yanmalı motorların gelişimi hayatımızı önemli ölçüde değiştirmiştir. Her ne kadar kullanımları insanlığın ilerlemesini kolaylaştırmış olsa da, çevre kirliliğinin ve kaynak kullanımının en büyük sebeplerinden biri haline gelmişlerdir. Elektrikli araçlar ulaşımın geleceği gibi görünse de, içten yanmalı motorlar öngörülebilir gelecek için hayatımızın bir parçası olmaya devam edecek. Günümüzde motor modifikasyonlarından aerodinamik değişikliklere kadar araç performansını arttırmanın ve yakıt tüketimini azaltmanın bir çok yolu mevcutur, ancak çeşitli durumlar altında aracın ne kadar yakıt tüketimi yapıp yapmayacağını doğrulamak zordur. Günümüz araçları bir çok sensör ile donatılmış olup bu sensörlerin birbiriyle haberleşebildiği kontrol ünitelerine sahiptir. Bu sebeple merkezi haberleşme veriyolundaki (Can) araç sensörü verilerine ulaşmak mümkün hale gelmektedir. Bu protokol sayesinde, aracın içinde bulunan sensörler vasıtası ile hava yakıt karışımı oranı, yakıt basıncı, katalizatör sıcaklığı gibi ayrıntılı verilere ulaşılabilmektedir. Bu çalışma, makine öğrenme algoritmaları ile büyük ölçekli araç sensör verilerinin toplanması sonrasında anlık yakıt tüketimini tahmin etmeyi amaçlamaktadır. Oluşturulan model sayesinde sensörlerden elde edilen değişkenlerin anlık yakıt tüketimini nasıl etkilediği daha iyi anlaşılacak ve su enjeksiyonu, yan aynaların sökülmesi gibi yakıt tüketimi azaltması beklenen yöntemleri daha az efor harcayarak deneyimlemek mümkün hale gelecektir. Bu yaklaşım gelecekte araç üreticilerinin yakıt tüketimini azaltma amaçlı yapmış oldukları çalışmaları destekleyerek markete yeni yeknolojiler kazandırabilir. Bu sayede daha ekonomik ve daha az karbon salınımı yapılarak daha temiz bir çevreye sahip olabiliriz.
Özet (Çeviri)
With the development of the internal combustion engine, our lives have changed significantly. Although their use has facilitated the development of humanity they have become one of the major contributors to environmental pollution and resource utilization. Although electrical vehicles seem to be the future of transportation, internal combustion engines will continue to be a part of our lives for the foreseeable future. There are a vast multitude of techniques to enhance a vehicles performance and economy, from engine modifications to aerodynamic changes. However, it is difficult to verify the changes without knowing the fuel consumption of the vehicle under various situations. Modern cars are very technologically advanced and rely on sensors and actuators which communicate with control units, therefore it becomes possible to obtain data by using the vehicle sensor data from the controller area network (CAN) bus. Due to its bus structure, it is possible to reach real-time detailed data from sensors inside the vehicle such as O2 sensor voltage, fuel pressure, catalyst temperature etc. This study aims to predict the instantaneous fuel consumption by collecting a large-scale vehicle sensors' data and create a model with machine learning algorithms with the goal of better understand how the multiple variables influence the instantaneous fuel consumption. With this predictive model, it is possible to make fuel experiments and receive improvement results easily such as inlet water injection, side mirror aerodynamic optimization etc. This approach and the experiments can also support original equipment manufacturers in developing and marketing this technology in the future. This work may lead the way to a cleaner environment due to more economical and less polluting vehicles.
Benzer Tezler
- Gemi elektrik şebekelerinde derin öğrenme uygulamaları
Deep learning applications on ship electric grids
TAYFUN UYANIK
Doktora
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. ÖZCAN KALENDERLİ
- Tahmin yöntemleri ile uçak verilerinin işlenmesi
Processing of aircraft data by estimation methods
BÜLENT KURT
Doktora
Türkçe
2018
Sivil HavacılıkErciyes ÜniversitesiSivil Havacılık Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAGİME TÜLİN YILDIRIM
- Anlamsal ağ ve hareketli nesne veri tabanı kullanılarak savaş uçakları için anlık rota önerme sistemi
Instant route suggestion system for the warplanes with using semantic web and moving object database
EMRE ÇİNTAŞ
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ÖZYER
- Marmara Bölgesi' ndeki deniz ve hava taşımacılığından kaynaklanan emisyon envanterinin oluşturulması ve hava kirliliğinin modellenmesi
Creation an emission inventory from maritime and airline transportation in Marmara Region and modeling of air pollution
ALPER KILIÇ
Doktora
Türkçe
2014
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR KUM
DOÇ. DR. ALPER ÜNAL
- Gemi dizel motorunun kazanç programlamalı adaptive kontrolü
Gain scheduling adaptive model of a marine diesel engine
MELEK ERTOGAN
Yüksek Lisans
Türkçe
2003
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaat Mühendisliği Ana Bilim Dalı
PROF.DR. NAFİZ AYDIN HIZAL