Microwave sensor design for liquid material characterization
Sıvı materyal karakterizasyonu için mikrodalga sensör tasarımı
- Tez No: 915908
- Danışmanlar: PROF. DR. MERİH PALANDÖKEN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 197
Özet
Bu tezde, dielektrik sabiti ve bileşenlerinin karışım oranları da dahil olmak üzere malzeme karakterizasyonu için bir mikrodalga sensörünün geliştirilmesi ve performans olarak iyileştirilmesi incelenmiştir. Araştırma, daha sonra materyal karakterizasyonunun doğruluğunu ve verimliliğini artırmak için gelişmiş makine öğrenimi regresyon tekniklerini kullanılarak verileri analiz edilen yüksek performans yakalayabilen sofistike bir mikrodalga sensör tasarlamaya odaklanmaktadır. Ayrıca çalışma boyunca kullanılan yöntemler ve makine öğrenmesi regresyon tabanlı yaklaşımlar da çalışma içerisinde ifade edilmiştir. İlk tasarım olarak, iki adet ayrık halka rezonatörü tabanlı 2.45 GHz frekansında çalışan mikrodalga sensör tasarımı önerilmiştir. Bu tasarımın dairesel algılama alanı bulunmaktadır, ayrıca algılama alanındaki elektrik alan büyüklüğünü artıran paralel konumda bir iletim hattı da yer almaktadır. Bu tasarım kullanılarak iletim parametresinin rezonans frekansındaki kaymaları ile algılama alanındaki su-etanol ikili karışımının karakterizasyonu yapılmıştır. Ayrıca bu sonuçlar kullanılarak makine öğrenmesi regresyon teknikleri ile işlenerek, başarılı makine öğrenmesi performans değerleri elde edilmiştir. İkinci tasarım olarak sabit aralıklı spiral rezonatör tabanlı bir sensör tasarımı önerilmiştir, bu tasarım ile su ile oluşturulmuş aseton, etanol veya metanol içeren ikili karışımların iletim parametreleri ölçülmüştür. Bu parametreler daha sonra makine öğrenmesi teknikleri ile işlenerek, dielektrik sabiti ve ikili karışımı oluşturan bileşenlerin oranları başarı ile saptanmıştır. Önemli bir makine öğrenmesi metriği olan R2 parametrelerine göre 0.99 üzerinde tahmin performansı elde edilmiştir. Üçüncü tasarım olarak RFID sisteminin çalışma prensibine uygun UHF bandında pasif RFID etiket olarak çalışan bir sensör tasarımı önerilmiştir. Su-ethanol ikili karışımının belirli frekanslarda çalışan RFID sistem ve önerilen mikrodalga sensör tasarımı ile belirlenmiş mesafelerden RSSI ölçümleri alınmıştır. Elde edilen RSSI verileri makine öğrenmesi algoritmaları ile işlenerek, karışımın dielektrik sabiti ve içerisinde bulunan yüzdesel su oranı yüksek başarım ile saptanmıştır. Tüm çıktılar için R2 skorları 0.99 üzerinde elde edilmiştir. Son olarak, UHF ETSI bandında dairesel bir algılama boşluğuna sahip pasif bir RFID etiketi olarak çalışan bir sensör tasarımı önerilmiştir. Su-metanol ikili karışımının RSSI ve faz ölçümleri, önerilen mikrodalga sensör tasarımı kullanılarak RFID frekansları ile belirtilen deney alanında alınmıştır. RSSI ve faz verileri, karışımın dielektrik sabitini ve metanol içerik yüzdesini doğru bir şekilde tanımlamak için makine öğrenimi yöntemleri kullanılarak analiz edilmiştir. Tüm çıktılar Gauss Süreç Regresyonunda 0.98'in üzerinde R2 skorları elde etmiştir. Elde edilen deneysel sonuçlar, makine öğrenimi regresyonunun geleneksel dielektrik ölçüm yöntemlerine kıyasla sensörün performansını önemli ölçüde artırdığını göstermektedir. Elektronik, ilaç ve malzeme mühendisliği gibi sektörlerdeki uygulamalar için kritik öneme sahip olan ölçüm hassasiyetinin artması bu nedenle oldukça önemlidir. Ayrıca yapılan çalışma mikrodalga sensör verilerinin makine öğrenimi ile entegrasyonunda karşılaşılan gürültü azaltma, veri normalleştirme ve model seçimi gibi zorlukları ele alarak sistemin sağlamlığını ve güvenilirliğini artırmak için çözümler sunmaktadır. Genel olarak bu tez çalışması, malzeme karakterizasyon süreçlerinde devrim yaratmak için mikrodalga sensörleri makine öğrenimi ile entegre etme potansiyelini göstererek malzeme bilimi ve sensör teknolojisi alanlarına katkıda bulunmaktadır. Bu entegrasyon sadece geleneksel dielektrik ölçüm tekniklerinin performansını ve faydasını artırmakla kalmamakla birlikte, aynı zamanda malzeme analizi ve kalite kontrolünde yeni uygulamaların ve yeniliklerin önünü açmaktadır.
Özet (Çeviri)
The development and performance improvement of a microwave sensor for material characterization, including the dielectric constant and mixing ratios of its constituents, are investigated in this thesis. The research focuses on designing a sophisticated microwave sensor capturing high performance, whose data is then analyzed using advanced machine learning regression techniques to improve the accuracy and efficiency of material characterization. The methods and machine learning regression based approaches used throughout the study are also described in the study. First, a microwave sensor design operating at 2.45 GHz based on two split ring resonators is proposed. This design has a circular sensing area and a transmission line in parallel which increases the electric field magnitude in the sensing area. Using this design, the shifts of the transmission parameter at the resonant frequency are used to characterize the water-ethanol binary mixture in the sensing area. In addition, these results are processed with machine learning regression techniques and successful machine learning performance values are obtained. Secondly, a sensor design based on an interspaced spiral resonator is proposed to measure the transmission parameters of binary mixtures containing acetone, ethanol, or methanol formed with water. These parameters were then processed by machine learning techniques to successfully determine the dielectric constant and the proportions of the constituents of the binary mixture. According to R2, an important machine learning metric, estimation performance above 0.99 has been achieved. Third, a sensor design that operates as a passive RFID tag in the UHF band in accordance with the operating principle of the RFID system is proposed. RSSI measurements of water-ethanol binary mixture have been taken at specified distances with the RFID system operating at certain frequencies using proposed microwave sensor design. The RSSI data have been processed with machine learning algorithms to determine the dielectric constant of the mixture and the percentage of water in the mixture with high success. R2 scores above 0.99 have been obtained for all outputs. Lasty, a sensor design that operates as a passive RFID tag with a circular sensing cavity in the UHF ETSI band is proposed. RSSI and phase measurements of water-methanol binary mixture have been obtained in specified experimental area with the RFID frequencies using proposed microwave sensor design. The RSSI and phase data have been analyzed using machine learning methods to accurately identify the dielectric constant and methanol content percentage of the mixture. All outputs have achieved R2 scores over 0.98 in Gaussian Process Regression. The experimental results show that machine learning regression significantly improves the performance of the sensor compared to conventional dielectric measurement methods. Increased measurement accuracy is therefore critical for applications in industries such as electronics, pharmaceuticals, and materials engineering. Furthermore, the study provides solutions to improve the robustness and reliability of the system by addressing the challenges faced in the integration of microwave sensor data with machine learning, such as noise reduction, data normalization and model selection. Overall, this thesis work contributes to the fields of materials science and sensor technology by demonstrating the potential to integrate microwave sensors with machine learning to revolutionize materials characterization processes. This integration not only improves the performance and utility of traditional dielectric measurement techniques, but also opens new applications and innovations in materials analysis and quality control.
Benzer Tezler
- Elektromanyetik metamalzeme tabanlı yapıların mikrodalga frekanslarda sensör uygulamaları
Sensors applications of metamaterial based structures in microwave frequencies
MUSTAFA SUPHİ GÜLSU
Doktora
Türkçe
2021
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. BARIŞ AKAOĞLU
- Valorization of plum peels for recovery of phenolic compounds by novel extraction technologies: Characterization, optimization, encapsulation, and functional food application
Yenı̇ ekstraksı̇yon teknolojı̇lerı̇ ı̇le fenolı̇k bı̇leşı̇klerı̇n gerı̇ kazanımı ı̇çı̇n erı̇k kabuklarının değerlendı̇rı̇lmesı̇: Karakterı̇zasyon, optı̇mı̇zasyon, enkapsülasyon ve fonksı̇yonel gıda uygulamaları
MONDHER MZOUGHI
Doktora
İngilizce
2023
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. FATMA EBRU FIRATLIGİL
Prof. Dr. BERAAT ÖZÇELİK
- Microwave sensor design for non-invasive blood glucose measurement
Non-invaziv kan şekeri ölçümü için mikrodalga sensör tasarımı
MUTAHHAR KURAN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİzmir Katip Çelebi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİH PALANDÖKEN
- Metamalzeme tabanlı sensörler ve bu sensörlerin mikrodalga algılamada kullanılması
Metamaterial based sensors and the use of these sensors in microwave detection
GÜLİZ SİLİ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FUNDA AKLEMAN YAPAR
- Metamalzemelerden esinlenilmiş rezonatör tabanlı mikrodalga dielektrik sensörü tasarımı ve uygulamaları
Metamaterial-inspired resonator-based microwave dielectric sensor design and application
KURTAY ALP
Yüksek Lisans
Türkçe
2023
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FULYA BAĞCI