Geri Dön

Meta-sezgisel algoritmalar kullanılarak derin öğrenme ağlarında kalan faydalı ömür tahmini

Remaining useful life prediction using meta-heuristic algorithms and deep learning methods

  1. Tez No: 900902
  2. Yazar: BÜŞRA ÖZTÜRK
  3. Danışmanlar: DR. SULTAN ZEYBEK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 97

Özet

Endüstri 4.0'ın önemli yeniliklerinden biri, kestirimci bakım uygulamalarıdır. Bu uygulamalar, makine ve ekipmanların ömrünü uzatırken operasyonel verimliliği artırır. Havacılık endüstrisinde, uçuş güvenliği kritik öneme sahiptir. Bu nedenle, uçaklar ve uçak motorları için kestirimci bakım faaliyetleri hayati bir rol oynar. Bu yüksek lisans tez çalışmasında, derin öğrenme ağlarından Uzun Kısa Vadeli Bellek (LSTM) kullanılarak turbofan motorlarının kalan faydalı ömrü (Remaining Useful Life - RUL) tahmin edilmesi amaçlanmaktadır. Bu çalışmada, metasezgisel algoritmalarla birleştirilen LSTM ağları kullanılmıştır. Çalışma için NASA Turbofan veri seti (C-MAPSS) kullanılmıştır. Tahminlerde, zaman serisi tahminlerinde sıkça kullanılan ve başarılı sonuçlarıyla bilinen LSTM ağları kullanılmıştır. LSTM ağının hiperparametreleri, genetik algoritma ve parçacık sürü optimizasyonu kullanılarak optimize edilmiştir. Metasezgisel algoritmalarla optimize edilen LSTM modelinin sonuçları, literatürdeki diğer çalışmalarla karşılaştırılmış ve kıyaslanan modellere göre daha başarılı sonuçlar elde edildiği gözlemlenmiştir.

Özet (Çeviri)

One of the significant innovations of Industry 4.0 is predictive maintenance applications. These applications extend the lifespan of machinery and equipment while enhancing operational efficiency. In the aviation industry, flight safety holds critical importance. Therefore, predictive maintenance activities for aircraft and aircraft engines play a crucial role. In this master's thesis, it is aimed to estimate the remaining useful life (RUL) of turbofan engines using Long Short-Term Memory (LSTM) networks, which are a type of deep learning network, combined with metaheuristic algorithms. For this study, the NASA Turbofan dataset (C-MAPSS) was utilized. For the predictions, LSTM, commonly used in time series forecasting and known for its successful results, was employed. To enhance the performance of the LSTM network, heuristic algorithms such as genetic algorithm and particle swarm optimization were used. The hyperparameters of the LSTM network were optimized using genetic algorithm and particle swarm optimization. The results of the LSTM model, optimized with metaheuristic algorithms, were compared with other studies in the literature, and it was observed that more successful outcomes were achieved compared to the benchmarked models.

Benzer Tezler

  1. Meta-sezgisel algoritmalar ile konvolüsyonel sinir ağı mimarisinin hiper parametrelerinin optimizasyonu

    Optimization of hyper parameters of convolutional neural network architecture with meta-heuristic algorithms

    MUSTAFA YURDAKUL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞAKİR TAŞDEMİR

  2. Sepsis hastalığının derin öğrenme yöntemiyle tahmini

    Sepsis disease prediction by deep learning

    UMUT KAYA

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ATINÇ YILMAZ

  3. A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy

    Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli

    ÖMER FARUK GÜRCAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  4. Analysis of network security using machine learning methods

    Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi

    MARYAM SALATI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. İMAN ASKERBEYLİ

  5. Derin öğrenme yöntemleri kullanarak hiperspektral imgelerin sınıflandırılmasına yönelik yeni yaklaşımlar

    New approaches for hyperspectral image classification using deep learning

    HASAN BADEM

    Doktora

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER BAŞTÜRK