Machine learning supported phase controlled RFID system design for smart factory applications
Akıllı fabrika uygulamaları için makine öğrenimi destekli faz kontrollü RFID sistem tasarımı
- Tez No: 992973
- Danışmanlar: PROF. DR. ADNAN KAYA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- 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: Belirtilmemiş.
Özet
Endüstri 4.0 ve akıllı fabrika paradigmalarının yaygınlaşmasıyla, fiziksel varlıkların gerçek zamanlı takibi için Nesnelerin İnterneti (IoT) tabanlı sistemlere duyulan ihtiyaç kritik bir düzeye ulaşmıştır. Ultra Yüksek Frekans Radyo Frekansı ile Tanımlama (UHF RFID) teknolojisi bu alanda temel bir rol oynamasına rağmen, metal yoğunluğu yüksek endüstriyel ortamlarda çok yollu sönümleme ve derin sinyal boşlukları nedeniyle ciddi performans kaybı yaşamaktadır. Bu doktora tezi, ETSI 865–868 MHz frekans bandı için optimize edilmiş, RF-düzleminde hüzme yönlendirme ve Makine Öğrenimi (ML) optimizasyonunu birleştiren aktif faz kontrollü bir 2x2 UHF RFID okuyucu anten sisteminin tasarımını, gerçekleştirilmesini ve deneysel doğrulamasını sunmaktadır. Donanım mimarisi, temassız kapasitif kuplaj beslemeli yüksek kazançlı askıda yama anten elemanları ve düşük karmaşıklıklı iki kanallı analog faz kontrol stratejisi üzerine kurulmuştur. Çalışmanın en özgün katkılarından biri, çevre koşullarına uyarlanmış sinyal davranışlarını yönetmek için geliştirilen zincirleme gözlemci-sentezleyici ML mimarisidir. Gözlemci aşaması, gürültülü RSSI ve faz ölçümlerinden etiket geometrisini çıkarmada %99,64 sıralama doğruluğuna ulaşarak endüstriyel kanaldaki port bağımlı tersleme etkilerini başarıyla çözümlemiştir. Sistemin performansı, AFSUAM Akıllı Fabrika Sistemleri Uygulama ve Araştırma Merkezi üzerinde beş farklı sabit hüzmeli referans antene karşı titizlikle test edilmiştir. Deneysel bulgular, kıyaslanan geleneksel sabit hüzmeli antenlerin en fazla %87,5 kapsama oranında kaldığını ve belirli bölgelerde sürekli okuma hataları verdiğini, buna karşın önerilen aktif faz kontrollü sistemin kör noktaları tamamen ortadan kaldırarak %100 kapsama sağladığını kanıtlamıştır. Ayrıca sistem, saniyede 45,83 okuma seviyesinde bir hedef okuma yoğunluğuna ulaşarak, en iyi performans gösteren ticari referans antene (37,28 okuma/sn) kıyasla %23'lük bir iyileşme sağlamış ve doğrusal dizili referans antenin (24,39 okuma/sn) performansını neredeyse ikiye katlamıştır. Bu çalışma, standart endüstriyel antenlerin yetersiz kaldığı zorlu ortamlarda kesintisiz varlık görünürlüğü sağlayan yapay zeka destekli bir çözüm sunmaktadır.
Özet (Çeviri)
As Industry 4.0 and smart factory paradigms have gained widespread adoption, the need for robust Internet of Things (IoT)-based systems for real-time tracking of physical assets has reached a critical level. Although Ultra-High Frequency Radio Frequency Identification (UHF RFID) technology is a fundamental enabler, its performance undergoes significant degradation in metallic-dense industrial environments due to multipath fading and deep spatial nulls. This doctoral thesis presents the design, implementation, and experimental validation of an active phase-controlled 2x2 UHF RFID reader antenna system, optimized for the ETSI 865–868 MHz band, engineered to mitigate these challenges through a synergy of RF-domain beam steering and Machine Learning (ML) optimization. The hardware architecture utilizes high-gain suspended patch antenna elements with a contactless capacitive coupling feed, integrated with a reduced-complexity two-channel analog phase-control strategy. A key innovation is the development of a chained observer-synthesizer ML framework to manage environment-conditioned signal behavior. The observer stage, utilizing Extra Trees regression, achieves a 99.64% sequence matching accuracy in inferring tag geometry from noisy RSSI and phase telemetry, effectively resolving the port-dependent mirroring effects of the industrial channel. System performance was validated at the AFSUAM Smart Factory facility against five different fixed-beam baseline antennas. Experimental results indicate that while conventional fixed-beam antennas remained limited to a maximum coverage ratio of 87.5% and exhibited persistent blind spots, the proposed active phase-controlled system achieved 100% coverage by effectively eliminating spatial dead zones. Furthermore, the proposed system reached a target read intensity of 45.83 reads/s, representing a 23% improvement over the best-performing commercial baseline (37.28 reads/s) and approximately doubling the performance of the linear array baseline (24.39 reads/s) under identical dwell constraints. This work offers a scalable, AI-driven solution that ensures seamless asset visibility where standard industrial antennas fail to provide reliable connectivity.
Benzer Tezler
- Makine öğrenimi ve veri bilimi ile gürültü,titreşim ve sertlik analizinin geliştirilmesi
Improving noise, vibration and harshness analysis with machine learning and data science
KEMAL DEMİR
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Ana Bilim Dalı
PROF. DR. CİHAN DEMİR
- Yaparak öğrenme ve dijital fabrikasyonun kesişimi: Kendi aracını tasarlamak
The intersection of learning by doing and digital fabrication: Designing your own tool
EKİN ÜNLÜ
Yüksek Lisans
Türkçe
2022
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SEMA ALAÇAM
- Elektrikli araçlar için akıllı batarya yönetim sisteminin tasarımı ve uygulaması
Design and implementation of an intelligent battery management system for electric vehicles
İSMAİL CAN DİKMEN
Doktora
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİnönü ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEOMAN KARADAĞ
- Predictive maintenance in substation automation system using deep learning
Derin öğrenme ile trafo merkezi otomasyon sisteminde kestirimci bakım
SARMAD NAJEEB HABEEB ALABBAD
Doktora
İngilizce
2026
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ALTINKAYA
- 7-9 yaş arası çocuklar için“animasyon destekli piyano öğretim yöntemi”
“The animation supported piano teaching method”for children aged 7-9
AYÇA AVCI
Doktora
Türkçe
2018
MüzikDokuz Eylül ÜniversitesiGüzel Sanatlar Eğitimi Ana Bilim Dalı
PROF. DR. ŞULE NERGİZ ŞAKİRZADE SARI