Esnek Robot Kol Si̇stemi̇ İçi̇n LQR Denetleyi̇ci̇ Parametreleri̇ni̇n Metasezgi̇sel Algori̇tmalar Kullanilarak Beli̇rlenmesi̇

Özkaya, Semih; Conker, Çağlar; Bilgiç, Hasan Hüseyin

doi:10.36306/konjes.896087

Cited by 3 publications

(2 citation statements)

References 31 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Esnek sistemlerin titreşim kontrolüne akıllı çözümleri üretmek için yapay sinir ağları [7], bulanık mantık [8] gibi yapay zeka yöntemleri kullanılarak yapılan çalışmalar bulunmaktadır. Ayrıca kontrol yaklaşımlarının avantajlarından yararlanılarak kontrol performanslarını daha iyi noktalara taşımak için en az iki tekniğin beraber kullanılarak yapıldığı kayan kipli kontrol+ girdi şekillendirici [9], bulanık mantık + PID [10], LQR+ metasezgisel optimizasyon algoritmaları [11] gibi hibrit yöntemler ilgili referanslarla sunulmaktadır.…”

unclassified

See 1 more Smart Citation

Uydu Esnek Kanatlarının Artık Titreşim Kontrolüne Yönelik Yapay Arı Kolonisi Ve Guguk Kuşu Optimizasyon Algoritmaları ile LQR Denetleyici Tasarımı

Kaya,

Conker

2024

DEUFMD

Self Cite

View full text Add to dashboard Cite

Sunulan çalışma, esnek bir uydu kanadı için doğrusal kuadratik regülatör (LQR) denetleyici parametrelerinin çok amaçlı optimizasyonunda Yapay Arı Kolonisi ve Guguk Kuşu metasezgisel optimizasyon algoritmalarının tasarımı ve performans analizi hakkında ayrıntılar sunmaktadır. Kontrol yanıtlarının önemli parametreleri göz önünde bulundurularak yeni bir çoklu amaç fonksiyonu tasarlanmış ve Yapay Arı Kolonisi (ABC) ve Guguk Kuşu (CS) metasezgisel algoritmaları ile optimize edilmiştir. Algoritmaların başlangıç değerleri için farklı farklı üçer konfigürasyon belirlenerek bu konfigürasyonlar üç farklı (10,50 ve 100) popülasyon boyutu değerleri için 100 iterasyonda simülasyonlar yapılarak elde edilen sonuçlar karşılaştırılmıştır. Daha başarılı kontrol yanıtlarına ulaşan konfigürasyonlar ile literatürde aynı düzenek ile yapılan bazı çalışmalar karşılaştırılmaktadır. Elde edilen sonuçlar literatürde mevcut bulunan, PSO, m-PSO algoritmaları ve geleneksel tasarlanmış LQR denetleyici çalışmaları ile kıyaslanarak önerilen yaklaşımın etkinliği gösterilmiştir. Önerilen çoklu amaç fonksiyonu ve Guguk Kuşu Algoritması, esnek uydu kanadı sapma açısında PSO algoritmasına kıyasla %37,56 ve m-PSO algoritması ile karşılaştırıldığında ise %61,87 oranında daha üstün bir performans göstermiştir.

show abstract

unclassified

“…Çalışma kapsamında geri beslemeli kontrol yaklaşımı olan doğrusal kuadratik regülatör (LQR) kontrol tekniği kullanılmaktadır [11][12][13][14][15][16][17]. Bu teknik, geleneksel olarak ağırlık (Q ve R) matrislerinin uzman tasarımcı tarafından belirlenmesi ile yapılan bir kontrol yaklaşımıdır.…”

unclassified

Uydu Esnek Kanatlarının Artık Titreşim Kontrolüne Yönelik Yapay Arı Kolonisi Ve Guguk Kuşu Optimizasyon Algoritmaları ile LQR Denetleyici Tasarımı

Kaya,

Conker

2024

DEUFMD

Self Cite

View full text Add to dashboard Cite

show abstract

Derin Öğrenme Tabanlı Nesne Tanıma Yeteneklerine Sahip Akıllı Robot Sisteminin Geliştirilmesi

SERTKAYA¹

2022

European Journal of Science and Technology

View full text Add to dashboard Cite

ÖzetGünlük yaşamda insanlar için birçok yardımcı işlevi robotlar tarafından gerçekleştirilmeye başlanmıştır. Özellikle endüstride kullanılan robot kollar, çalışma alanına gelen nesneleri tanımlayarak, ilgili nesnenin özelliklerini belirlemekte, buna göre uygulanması gereken tutma gücünü ve pozisyonunu ayarlayarak üretimde insan zekasına yakın kararlar verebilmektedir. Bu işlevlerden tanıma, konumlandırma ve tutma insanların düşünme ve çözüm üretme sistemleri baz alınarak oluşturulan yapay zeka algoritmaları ile gerçekleştirilmektedir. Yapay zeka yaklaşımlarından olan derin öğrenme son zamanlarda birçok farklı problem için kullanılmış ve başarılı sonuçlar elde edildiği görülmüştür.Bu çalışmanın amacı, klasik bir robot kol için nesnenin tutma pozisyonuna ulaşmak amacıyla konumlandırılması ve nesnenin tutup kaldırılabilmesi için uygun kavrama parametrelerini otomatik olarak belirleyebilen bir sistemin oluşturulmasının sağlanmasıdır. Robot kolun mekanik sisteminin oluşturulmasında 3 boyutlu çizim programlarından üretilen modeller 3 boyutlu yazıcı kullanılarak basılmıştır. Bu sayede 3 boyutlu yazıcı teknolojisinin bu tür bir sistemde nasıl kullanılacağı bilgisi paylaşılmıştır. Ayrıca bu teknoloji sayesinde düşük maliyetli ve rahatlıkla konfigüre edilebilen modeller oluşturulması sağlanmıştır. Gerçek zamanlı nesne tanıma işlevini gerçekleştirebilmek, sistemi zeki ve öğrenebilir hale getirmek amacıyla, yapay zeka methodlarından, Evrişimli Sinir Ağları(CNN) temelli derin öğrenme algoritması kullanılmıştır. Algoritmanın verimli çalışabilmesi için yapılması gereken ön hazırlık süreçleri hakkında detaylı bilgi verilmiştir.Yapılan simülasyon testleri ile elde edilen sonuçlardan, önerilen sistemin bu işlevleri başarıyla gerçekleştirdiği görülmüştür.

show abstract

Edge detection of aerial images using artificial bee colony algorithm

Yelmenoglu

Baykan

2022

MANAS Journal of Engineering

View full text Add to dashboard Cite

Edge detection techniques are the one of the best popular and significant implementation areas of the image processing. Moreover, image processing is very widely used in so many fields. Therefore, lots of methods are used in the development and the developed studies provide a variety of solutions to problems of computer vision systems. In many studies, metaheuristic algorithms have been used for obtaining better results. In this paper, aerial images are used for edge information extraction by using Artificial Bee Colony (ABC) Optimization Algorithm. Procedures were performed on gray scale aerial images which are taken from RADIUS/DARPA-IU Fort Hood database. Initially bee colony size was specified according to sizes of images. Then a threshold value was set for each image, which related with images’ standard deviation of gray scale values. After the bees were distributed, fitness values and probability values were computed according to gray scale value. While appropriate pixels were specified, the other ones were being abandoned and labeled as banned pixels therefore bees never located on these pixels again. So the edges were found without the need to examine all pixels in the image. Our improved method’s results are compared with other results found in the literature according to detection error and similarity calculations’. All the experimental results show that ABC can be used for obtaining edge information from images.

show abstract

Esnek Robot Kol Si̇stemi̇ İçi̇n LQR Denetleyi̇ci̇ Parametreleri̇ni̇n Metasezgi̇sel Algori̇tmalar Kullanilarak Beli̇rlenmesi̇

Cited by 3 publications

References 31 publications

Uydu Esnek Kanatlarının Artık Titreşim Kontrolüne Yönelik Yapay Arı Kolonisi Ve Guguk Kuşu Optimizasyon Algoritmaları ile LQR Denetleyici Tasarımı

Uydu Esnek Kanatlarının Artık Titreşim Kontrolüne Yönelik Yapay Arı Kolonisi Ve Guguk Kuşu Optimizasyon Algoritmaları ile LQR Denetleyici Tasarımı

Derin Öğrenme Tabanlı Nesne Tanıma Yeteneklerine Sahip Akıllı Robot Sisteminin Geliştirilmesi

Edge detection of aerial images using artificial bee colony algorithm

Contact Info

Product

Resources

About