Yapay zeka tabanlı katlanır bomlu vinç güvenlik asistanı
Artificial intelligence based knuckle-boom crane safety assistant
- Tez No: 802575
- Danışmanlar: DOÇ. DR. MURAT CEYLAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektrohidrolik sistemler, Yapay sinir ağları, Yapay zeka, İnsani güvenlik, Electrohydraulic systems, Artificial neural networks, Artificial intelligence, Human security
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde kaldırma yükleme makineleri, üretim ve lojistik ağının omurgasını oluşturmaktadır. Kaldırma ve yükleme makinelerinin yakın çevresi tehlikeli bölge olarak nitelendirilen, iş kazası risklerinin yüksek olduğu yerlerdir. Operatörlük kurslarında yapılan araştırmalarda iş makinesi operatörlerinin %15'i asgari lise mezunu iken, %75'inin ilk okul mezunu olduğu tespit edilmiştir. Türkiyede yıllık ortalama 1153 ölümlü iş kazası olmaktadır. Bu kazaların %26'sı inşaat sektöründe yaşanmaktadır. Kaldırma yükleme makinelerinin kapasitesinin doğru kullanımı kaza oranlarının düşürülmesi için önem arz etmektedir. Kazaların önlenmesi için makineler üzerinde, operatör kullanımı limitleyen, sadece güvenli hareketlere izin veren, elektronik kontrol sistemleri kullanılmaktadır. Moment kontrol adı verilen bu güvenlik sistemleri, yükün güvenli bir şekilde kaldırılıp uzağa taşınmasını sağlamaktadır. Bu çalışmada, geleneksel moment kontrol sistemlerindeki çözümlerden farklı olarak, yapay zeka tabanlı yük limitleme sistemi önerilmiştir. Çalışma için araç üstü tek katlanır bomlu, 35 tonluk mobil hidrolik vinç üzerine, eğim, basınç, uzunluk sensörleri yerleştirilmiştir. Daha sonra vinç ile 6 farklı test yükünün kaldırılması, indirilmesi, uzatılması ve geri çekilmesi esnasında oluşan anlık değerler kaydedilmiştir. Toplamda 30779 veri, 50ms periyotlarla, 2 aylık çalışma ile toplanmıştır. Dijital ortama aktarılan saha verileri, test ağırlıklarının kaldırılması ve uzatılması üzerine iki ayrı veri seti olarak gruplanmıştır. Veri setlerinde, kayıt sıklığı yüzünden tekrar eden veriler ve test operatöründen kaynaklanan sarsıntı verileri filtrelenmiştir. Her iki veri setinde de basınç ve yük tahmini için farklı giriş parametrelerine sahip, 4 adet uygulama modeli oluşturulmuştur. Normalize edilen veri setleri ile Çoklu Doğrusal Regresyon, K-En Yakın Komşu, Yapay Sinir Ağları, Yinelenen Durum Ağı yapıları eğitilmiş ve test edilmiştir. Mobil vince ait veri seti kullanılarak, yapay zeka modelleri ile anlık yük ve basınç tahmini gerçekleştirilmiştir. Yinelenen Durum Ağı ile önceki çalışma verileri öğretilerek, gelecek çalışma verileri tahmin edilmiştir. Elde edilen sonuçlar moment kontrol algoritmasına eklemiş ve makine güvenlik sistemi daha stabil hale getirilmiştir. Sayısal ortamda elde edilen sonuçların uygulaması için bilgisayar ortamında eğitilen modellerin test edilebileceği gömülü devre tasarımı yapılmıştır. Tasarlanan devre de 4 farklı yaklaşımla Yapay Sinir Ağı Modeli çalıştırılmış ve başarılı sonuçlar elde edilmiştir. Tek ara katmana sahip 30 iterasyon ile çalıştırılan YSA modelinden, %98,3 doğrulukla tahmin yapılmıştır.
Özet (Çeviri)
Today, lift-loading machines form the backbone of the production and logistics network. The immediate surroundings of the lifting and loading machines are the places that are considered as dangerous areas and where the risks of work accidents are high. In the studies conducted in the operatorship courses, it has been determined that 15% of the construction equipment operators are at least high school graduates, while 75% of them are primary school graduates. In Turkey, an average of 1153 fatal occupational accidents occur annually. 26% of these accidents occur in the construction industry. The correct use of the capacity of lifting loading machines is important for reducing accident rates. In order to prevent accidents, electronic control systems are used on the machines that limit operator usage and allow only safe movements. These safety systems, called moment control, ensure that the load is safely lifted and transported away. In this study, unlike the solutions in traditional torque control systems, an artificial intelligence based load limiting system is proposed. Inclination, pressure and length sensors are placed on a 35 ton mobile hydraulic crane with a single folding boom on the vehicle for operation. Then, instantaneous values were recorded during the lifting, lowering, extension and retraction of 6 different test loads with the crane. In total, 30779 data were collected in 50ms periods, over 2 months of work. The field data transferred to the digital environment were grouped as two separate datasets on lifting and extending test weights. In the datasets, repetitive data due to recording frequency and shaking data from the test operator were filtered out. In both data sets, 4 application models with different input parameters were created for pressure and load estimation. Multiple Linear Regression, K-Nearest Neighbor, Artificial Neural Networks, Recurrent State Network structures were trained and tested with normalized data sets. Using the data set of the mobile crane, instantaneous load and pressure estimation was carried out with artificial intelligence models. By teaching previous study data with Recurrent State Network, future study data were predicted. The obtained results have been added to the torque control algorithm and the machine safety system has been made more stable. For the application of the results obtained in the digital environment, an embedded circuit design has been made in which the models trained in the computer environment can be tested. Artificial Neural Network Model was run with 4 different approaches in the designed circuit and successful results were obtained. The prediction was made with an accuracy of 98.3% from the ANN model, which was run with 30 iterations with a single middleware.
Benzer Tezler
- Yapay zeka tabanlı algoritmalar ile tavla programı uygulaması
A backgammon application with artificial intelligence based algorithms
UĞUR ERKİN KOCAMAZ
Yüksek Lisans
Türkçe
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. NEJAT YUMUŞAK
- Yapay zekâ tabanlı konuşma tanıma sistemi
Artificial intelligence-based speech recognition system
MEHMET BİLAL ŞAŞMAZ
Yüksek Lisans
Türkçe
2011
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. DAVUT HANBAY
- Yapay zeka tabanlı plaka tanıma ile bariyer kontrolü
Artificial intelligence based barrier control with license plate recognition
BİRKAN GÖÇERLER
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. REMBİYE KANDEMİR
DOÇ. DR. HİLMİ KUŞÇU
- Yapay zeka tabanlı yöntemler kullanılarak mikroarray gen verilerinin sınıflandırılması
Classification of microarray gene data using artificial intelligence based methods
MUSTAFA TURAN ARSLAN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM KALINLI
- Yapay zeka tabanlı optimizasyon algoritmaları ile AISI 1050 çeliğinin yüzey pürüzlülük değerinin hesaplanması
Calculation of surface roughness value of AISI 1050 steel with optimization algorithms based artificial intelligence
ERAY MERT TEKİN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ AKDAĞLI