Akademik Veri Yönetim Sistemi
DALDABAN F. (Yürütücü), BUZPINAR M. A.
Yükseköğretim Kurumları Destekli Proje, BAP Doktora, 2018 - 2021
Bu tez çalışmasında 3
fazlı 6/4 bir anahtarlamalı relüktans motorun (ARM) konum algılayıcısız
kontrolünü gerçekleştirebilecek modeli, yapay zekanın alt dallarından biri olan
makine öğrenmesi algoritmaları kullanılarak eğitilmiştir. Rotor konumunu
belirlemede kullanılan yüksek frekanslı konum algılama darbeleri, konum
algılayıcılı, sabit hız ve yükte çalışan bir ARM’nin doğal çalışması süresince
pasif fazlarına uygulanmıştır. Rotor konumuna göre değişen relüktansın sonucu olarak pasif fazlarda farklı
değerlerde indüklenen akımlar, bilgisayar ortamına kaydedilmiştir. Bu akım
değerleri, makine öğrenmesi sınıflandırma algoritmalarının eğitim ve test
verilerini oluşturmuştur. Bu akım değerleri ile eğitilen model, aktif faz
tahmininde kullanılmıştır. Zaman serisi yaklaşımı ve algoritma parametrelerinin
düzenlenmesiyle model başarısı en üst seviyeye çıkarılarak farklı
algoritmaların performansları karşılaştırılmıştır. Pasif faz akım değerlerinden
oluşan veri seti, K-Nearest Neighbors (KNN), Ensemble Bagged Tree ve Tuned Fine
Tree algoritmalarında karmaşık ve ağır matematiksel ön işlemlere tabi
tutulmadan, %99,6, %99,9 ve %100,0 gibi yüksek başarı değerleri ile
eğitilebilmiştir. Bu çalışmayla, gerçek zamanlı ölçülen pasif faz akımlarının
rotor konumu ile olan ilişkisi aracılığıyla aktif fazın tahmin edilebileceği
gösterilmiştir. Önerilen başarılı modeller ile 6/4 bir ARM’nin sabit yük ve
hızda gerçek zamanlı pasif faz akım değerleri kullanılarak mekanik konum
algılayıcısız olarak sürülebileceğini göstermiştir.