Motorlu araçlarin performanslarinin makine öğrenmesi teknikleriyle analizi ve tahmini
Analysis and estimation of motor vehicles' performances using machine learning techniques
- Tez No: 665271
- Danışmanlar: DR. ÖĞR. ÜYESİ ARİF KOYUN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Motorlu araçların kullanımı giderek artmaktadır. Bu araçlar sınıflandırılırken performansları, güçleri baz alınmaktadır. Araçların performans, güç ölçümleri yapılırken birden fazla seçenek sunulmaktadır. Fakat en doğru sonucu veren test şekli şasi dinamometresi cihazı ile ölçümün gerçekleştirilmesidir. Şasi dinamometresi testleri kayıp gücü de hesapladığı için en yüksek doğruluk oranına sahip olmaktadır. Şasi dinamometreleri araçların çekiş gücünün olduğu tekerlerin silindirler üzerindeki yüksek hızda hareketiyle performans ölçümleri yapmaktadır. Fakat bu testler kısa sürede yüksek hızda gerçekleştirildiği için bazı araçlarda motor hasarlarına sebebiyet vermektedir. Bu tez çalışmasında ülkemizde kullanılmakta olan şasi dinamometresi cihazlarının ölçümlerini ve haberleşmelerini sağlayabilecek bir sistem geliştirilecektir. Geliştirilen bu sistem ile birlikte araçların hasar durumları da göz önüne alınarak makine öğrenmesi teknikleri kullanılarak araç performans tahminleri yapılmıştır. Çalışmada adaptif ağ tabanlı bulanık mantık çıkarım sistemi, çoklu doğrusal regresyon, rastgele orman regresyonu, destek vektör regresyonu ve yapay sinir ağları algoritmaları kullanılarak ortaya çıkan tahminler değerlendirilmiştir. Elde edilen sonuçlara göre performansı en başarılı makine öğrenmesi tekniği %96,6 tahmin oranıyla adaptif ağ tabanlı bulanık mantık çıkarım sistemi olmuştur. Çalışmada makine öğrenmesi tekniklerinin başarı oranlarına göre şasi dinamometresi cihazı kullanılmadan, sadece araç ve kullanıcı ile ilgili bilgileri analiz ederek aracın performans tahminin yapılması amaçlanmıştır.
Özet (Çeviri)
Usages of motor vehicles is increased day by day. These vehicles are classified based on their performance and power. There are several options when these vehicles performing performance and power measures. But the most accurate result is that the test is performed with the chassis dynamometer. Chassis dynamometer tests have the highest accuracy because of calculating loss power also. Chassis dynamometers measure the performance of the wheels where the traction power is on the cylinders at high speed. But because these tests are carried out at high speeds and in a short time, it causes engine damage in some vehicles. Chassis dynamometers are also widely used in the measurement of the performance of used vehicles market. In this thesis, design measurement and communication of chassis dynamometer are developed which is using our country. Along with the developed chassis dynamometer communication and measurement system, the pattern information given by the users will be used learning purposes. By taking all the information of these tests into consideration, a system will be made to predict the performance of the vehicles using machine learning techniques. Adaptive neuro-fuzzy inference system, multiple linear regression, random forest regression, support vector regression and artificial neural network algorithms were modeled and used for prediction. The most successful machine learning algorithm in the modeling of estimation of motor vehicles' performance was determined as Adaptive neuro-fuzzy interference system with 96,6 % accurate prediction. It is aimed to predict the performance of the vehicle by analyzing only vehicle and user information without using the chassis dynamometer according to the success rates of the machine learning techniques.
Benzer Tezler
- Türkiye'de elektrikli araçların zaman serisi analizi ile gelecek projeksiyonları, karbon ayak izinin hesaplanması ve fosil yakıtlı araçlarla karşılaştırılması
Future projections of electric vehicles in Türkiye using time series analysis, calculation of carbon footprint, and comparison with fossil-fueled vehicles
MERVE NUR YAZİCİ
Yüksek Lisans
Türkçe
2026
EnerjiMuğla Sıtkı Koçman ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA URAL
DOÇ. DR. AYTAÇ PEKMEZCİ
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- Tekerlek motorlu seri hibrit elektrikli araçlar için kontrol algoritmalarının geliştirilmesi
Development of control algorithms for series hybrid electric vehicles with wheel motors
ALİ ERSİN BULGU
Yüksek Lisans
Türkçe
2010
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN
- Programlanabilir açısal moment ölçüm sistemi
Programmable angular moment measurement system
İDRİS SANCAKTAR
Yüksek Lisans
Türkçe
2005
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA ULUTAŞ
- İçten yanmalı motor egzoz manifoldunun sayısal modellenmesi ve incelenmesi
Numerical modeling and investigation of the internal combustion engine exhaust manifold
GÖRKEM BENEK
Doktora
Türkçe
2021
Makine Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN AZMİ ÖZSOYSAL