Doktora Tezleri

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12573/5800

Browse

Filters

2020 - 20258

Settings

Department: search.filters.department.Fen Bilimleri Enstitüsü / Elektrik ve Bilgisayar Mühendisliği Ana Bilim DalıSubject: search.filters.subject.Elektrik Ve Elektronik Mühendisliği

Search Results

Now showing 1 - 8 of 8
  • Doctoral Thesis
    IPMSM’in HF Sinyal Enjeksiyonu ve Kayan Kipli Gözlemci Tabanlı Sensörsüz Kontrolü
    (2024) Ateş, Ertuğrul; Tekgün, Burak; Barut, Murat
    Bu çalışmada, gömülü mıknatıslı senkron makinede (GMSM) genişletilmiş elektromotor kuvveti (GEMK), rotor pozisyonu ve rotor hızının gerçek zamanlı kestirimi için faz kilitli döngü (FKD) ile birleştirilmiş yüksek frekans (YF) gerilim sinyali enjeksiyonuna dayalı bir kayma modlu gözlemci (KMG) tanıtılmaktadır. Bu yaklaşım, özellikle düşük hızlarda ve durma anında rotor pozisyonu ve hız kestirimlerinde zorlanan geleneksel KMG ve FKD tekniklerinin sınırlamalarını ele almak üzere tasarlanmıştır. GMSM kontrolünde bu durumlar, rotor pozisyonu tespiti için kritik olan zıt EMK sinyallerinin zayıflama veya belirsiz hale gelme eğiliminde olması nedeniyle önemli zorluklar ortaya çıkarır, bu da geleneksel yöntemler kullanıldığında yanlış kestirimlere yol açar. Bu sorunları çözmek için önerilen KMG, makineyi uyararak motorun gerçek hızına daha az bağımlı olan belirgin GEMK sinyalleri üreten YF gerilim enjeksiyonundan yararlanır. Bu yenilik, sıfır veya sıfıra yakın hızlarda dahi tutarlı ve gürültüye dayanıklı GEMK kestirimine olanak tanıyarak rotor pozisyonu ve hızının doğru şekilde kestirilmesi için bir temel oluşturur. FKD, bu GEMK kestirimlerini rafine ederek rotorun hız ve pozisyon bilgilerinin hassas bir şekilde elde edilmesini sağlar. GEMK sinyaliyle stabil bir faz kilidini koruyarak, FKD gürültüyü filtreler ve rotor pozisyonu ve hız ölçümlerinin doğruluğunu artırır. Bu temel üzerine, önerilen KMG-FKD kombinasyonunu kullanarak GMSM için sensörsüz hız kontrol sistemi geliştirdik ve uyguladık. Gerçek zamanlı sistem, düşük hız ve durma durumları dahil olmak üzere geniş bir çalışma aralığında test edilmiştir. 8 kutuplu, 0,4 kW'lık bir GMSM motorundan elde edilen deneysel sonuçlar, önerilen yöntemin geleneksel KMG ve FKD tekniklerine kıyasla üstün verimlilik ve sağlamlığını doğrulamaktadır.
  • Doctoral Thesis
    EEG Sinyallerinden Disfaji Hastalığının Karakteristiklerinin Belirlenmesi ve Analizi
    (2025) Aslan, Sevgi Gökçe; Yılmaz, Bülent
    Disfaji, genellikle nörolojik hastalıklarla ilişkilendirilen ve özellikle yaşlı bireylerde yaşam kalitesini olumsuz yönde etkileyen bir yutma bozukluğudur. Bu çalışma, EEG verileri kullanılarak yutma ve yutmayı hayal etme süreçlerinin nörofizyolojik analizini yapmayı ve bu verilerin disfaji rehabilitasyonunda nasıl kullanılabileceğini araştırmaktadır. Otuz adet sağ elini kullanan birey üzerinde gerçekleştirilen deneylerde, doğal yutma, indüklenmiş tükürük yutma, indüklenmiş su yutma ve indüklenmiş dil dışarı çıkarma gibi farklı deneysel paradigmalar kullanılmıştır. Verilerin ön işlenmesinde Bağımsız Bileşen Analizi (ICA), Empirik Mod Ayrıştırma (EMD), bant geçiren filtreleme ve Ortak Uzamsal Desen (CSP) analizi gibi teknikler uygulanmıştır. Bu ön işleme yöntemleri, EEG verilerindeki gürültüyü azaltarak daha doğru bir analiz sağlamak amacıyla kullanılmıştır. Geleneksel makine öğrenmesi teknikleri ve derin öğrenme yöntemleriyle yapılan sınıflandırma görevlerinde, dinlenme ve hayal etme evreleri arasındaki farklar belirgin bir şekilde ayrılmıştır. Random Forest, AdaBoost ve Bagging gibi topluluk tabanlı algoritmaların yanı sıra, derin öğrenme yöntemlerinden Konvolüsyonel Sinir Ağları (CNN) da uygulanmıştır. Ayrıca, çok ölçekli mekânsal dikkat ağı (MS-SAN) modeli, özellikle delta ve teta frekans bantlarında hareketi hayal etme ile dinlenme durumları arasındaki nörofizyolojik farkları yüksek doğrulukla ayırt etmiştir. Sonuçlar, hareketi hayal etme ve dinlenme evrelerinin EEG verileriyle tespit edilmesinin disfaji tedavisinde ve motor rehabilitasyon uygulamalarında büyük bir potansiyel taşıdığını göstermektedir. Bu çalışma, EEG tabanlı beyin-bilgisayar arayüzleri (BBA) teknolojilerinin, makine öğrenimi ve derin öğrenme yöntemlerinin disfaji rehabilitasyonundaki potansiyelini vurgulamakta ve bu alandaki araştırmaların klinik uygulamalar açısından önemini ortaya koymaktadır. Anahtar kelimeler: Elektroensefalografi, Makine Öğrenmesi, Derin Öğrenme, BBA, Yutkunma
  • Doctoral Thesis
    Su Altı Dalgıç Pompa Uygulamaları için Doğrudan Yol Vermeli Relüktans Motorunun Sistematik Olarak Tasarım Optimizasyonu ve Gerçeklemesi
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Tekgün, Didem; Alan, İrfan
    Considering the electric drive systems constitute roughly 40% of global energy production, improving electric machine efficiencies provides important nationwide and global scale advantages. Among the electric motors used in the industry, a major portion of them are pump motors used for pumping underground waters and petroleum products. Especially the motors for submersible pump applications run at very low-efficiency levels because of the motor design issues and wrong selection of motor-pump configurations. Due to the features like robustness, low cost, and line start capability, induction machines (IM) are generally the first choice for pump applications. However, IMs work with low efficiency, especially at low and medium power levels. Line start synchronous reluctance machines (LS-SynRM) come to the scene as a reasonable alternative by having the line start capability and not having rare earth permanent magnets as well. The working principle of these machines is a combination of a reluctance machine and an IM. In LS-SynRM, a rotor cage is inserted in the rotor for the machine to start with the line voltage, but the rotor copper losses become zero when the machine operates at synchronous speed. Moreover, SynRMs have higher power and torque density. In this thesis study, it is aimed to reduce the overall cost of the submersible water pump system by designing and optimizing a LS-SynRM as a submersible pump motor with higher efficiency compared to conventional IMs. Increasing the efficiency of the pump motor used in industry will improve the overall system performance. Accordingly, it lowers energy and maintenance costs, and easy process control will be achieved. This way, while reducing energy consumption nationwide significantly, not only the natural resources will be protected, but also huge amounts of money will be saved.
  • Doctoral Thesis
    Görüntü Tanıma Tabanlı Gökyüzü Kamerası Entegrasyonunu Kullanarak Sezgisel Vektörize Öğrenme Yöntemine Dayalı PV Tahmini
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2023) Yavuz, Levent; Önen, Ahmet
    In order to ensure the continuity of demand and production balance, the use of renewable energy resources (RES) by countries will increase in the near future. Solar power generation is important for the integration of renewable energy into the power grid, but it can cause problems in power systems due to the uncertain and intermittent nature of solar power. Deep learning methods provide promising results in solar energy prediction, but the performance of these models depends on the initial weights assigned to the network. In this thesis, a novel weight initialization method, the Heuristic Vectorised Learning method, which takes into account certain characteristics of solar generation data has been proposed. This method aims to achieve better accuracy in solar forecasting by combining a statistical approach with a method based on deep learning. The method was compared with other commonly used methods such as Xavier, LeCun, He and Random, and it was seen that the proposed method performed better. Overall, the proposed weight initialization method provides significant benefits for solar forecasting applications in the context of renewable energy integration into the power grid. So, to reach higher accuracy, monitoring the sky is the best option for intra-day forecasts. Therefore, a hybrid model was created for photovoltaic generation prediction by using it together with environmental sensor data. The proposed method and panel shading model achieve higher accuracy values at the Abdullah Gül University campus in Kayseri. The proposed system provides a reliable PV energy forecast for the intraday energy markets.
  • Doctoral Thesis
    Optik Saçılma Temelli Rastgele Orman Destekli Parçacık Tespiti ve Sınıflandırılması
    (Abdullah Gül Üniversitesi / Fen Bilimleri Enstitüsü, 2023) Genç, Sinan; Genç, Sinan; İçöz, Kutay; Erdem, Talha
    Microplastics, tiny plastic particles with sizes smaller than 5 mm., are often found in oceans, rivers, lakes, and atmosphere due to plastic pollution. Microplastics releasing toxic chemicals threaten the environment and harm the aquatic life and humans. Especially, the accumulation of microplastics can have detrimental effects on the food chain as a result of larger organisms consuming smaller organisms. Detecting the microplastics is crucial but also challenging. Over the years, researchers have developed different detection methods. One of the standard methods is using spectroscopy tools such as Fourier transform infrared spectroscopy (FTIR) and Raman spectroscopy. These techniques can identify the chemical composition of microplastics, which can help determine their sources and potential impacts. Another method is the use of microscopy, which allows for the visualization and counting of microplastics in samples. However, these techniques require costly infrastructure, and these instruments being large in size significantly limits the mobility. As a remedy to the cost and mobility problems, in this thesis, we propose and demonstrate a low-cost, portable system to detect size, concentration, and refractive index of microplastics. Our system comprises of low-cost and low-weight components which are utilized for recording the scattering patterns of microplastics in aqueous media. We demonstrate successful predictions of the size and refractive index of microparticles at a given wavelength using a Random Forest Algorithm which relates the measured scattering pattern with the Mie theory. We further employ the refractive index information at various wavelengths for determining the material type of microplastics. We believe that our proposed system enabling an easy, fast, low-cost, and on-site detection of microplastics will be a beneficial tool for the fight against microplastics in the environment.
  • Doctoral Thesis
    FDG-PET Görüntülerindeki Tümörlerin Makine ve Derin Öğrenme Tabanlı Analizi
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Ayyıldız, Oğuzhan; Yılmaz, Bülent
    Analysis of a tumor is essential in treatment planning and evaluation of treatment response. Positron Emission Tomography (PET) is a vital imaging device for clinical oncology in understanding the metabolic structure of the tumor. In this thesis, three separate studies investigating the application of machine, deep learning and statistical approaches on FDG-PET images from patients with non-small cell lung cancer (NSCLC) and pancreatic cancer. The first study aimed at performing a survey on subtype classification of NSCLC by using different texture features, feature selection methods and classifiers. Images from 92 patients and several clinical and metabolic features for each case were used in this study along with histopathological validation for the tumor subtype labeling. Stacking classifier resulted in 76% accuracy. The aim of our second study was to adapt an atrous (dilated) convolution-based tumor segmentation approach (DeepLabV3) on FDG-PET slices with maximum standard uptake value (SUVmax). MobileNet-v2 pretrained on ImageNet served as the backbone to DeepLabV3. The classification layer was interchanged with the Tversky loss layer which helped improve model's performance while the dataset was imbalanced. Images from 141 patients were employed and augmentation was performed in each training phase. Dice similarity index was obtained as 0.76 without preprocessing and 0.85 with preprocessing. The last study focused on determining the features to be used in the prognosis of pancreatic adenocarcinoma on FDG-PET images from 72 patients. Well-known texture, metabolic and physical features were extracted from tumor region that was determined with the help of random walk segmentation algorithm. On these features time-dependent ROC curve analysis was performed for 2-year overall survival (OS) prediction, and, in the univariable analyses, tumor size, energy, entropy, and strength were found to be significant predictors of OS. Keywords: PET/CT, NSCLC, Machine learning, Deep learning, Radiomics, Semantic segmentation
  • Doctoral Thesis
    Zamansal Bilgiden Faydalanarak Videodan Orman Yangınlarının Erken Tespiti
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2022) Taş, Merve; Taşdemir, Kasım; Aydın, Zafer
    Forest fires are considered as the major threats to lives, properties and to the integrity of the ecosystem around the world. In most cases, the fire damage can be reduced, when the initial signs of the fire are detected in a timely manner. Since smoke is considered as the first visual sign of fire, detection of smoke is vital. Hence, a successfully designed smoke detection system is essentially critical in the early detection of smoke for outdoor environments. The existing smoke detection methods suffer from high false alarm rates and cannot accurately detect smoke in hazy environments. To address these problems, this thesis is focused on smoke detection model at an early stage that utilizes deep learning (DL) based techniques for outdoor locations. This work contributes mainly to four aspects of smoke detection: (1) new datasets preparation for three smoke detection tasks classification, detection-segmentation, and video classification, (2) utilizing transfer learning to detect the smoke on the relatively small dataset, (3) image dehazing process that includes removing the haze from the dataset images to enhance the system performance, (4) designing a novel hybrid video classification model by combining the two DL based video classification structures. This work will be a resourceful reference for researchers working in the fields of forest fire or smoke detection studies at an early stage. The experiments, research findings, and enhanced performance of the smoke detection system provide a source of information about smoke detection. Current studies can be utilized to further improve the design of efficient and reliable fire safety models. Keywords: Deep Learning, Spatio-Temporal Information, Forest Fire Early Detection, Smoke Detection, Image Dehazing
  • Doctoral Thesis
    Anormallik Tespiti için Veri Madenciliği
    (Abdullah Gül Üniversitesi, Fen Bilimleri Enstitüsü, 2020) Kaçmaz, Rukiye Nur; Yılmaz, Bülent
    Gastroentereloji uzmanları için kolon anormalliklerinin tespit edilmesi en zor görevlerden birisidir. Kolonoskopi herhangi bir anormalliği izlemek için kolondan video veya görüntüler kaydetmenin en yaygın yöntemidir. Bununla birlikte işlem sırasında elde edilen görüntü veya videolar, kolonoskopi probunun ya da kapsülün hızlı hareketinden kaynaklanan hareket gürültüsü, kapsülde ve probda ışık kaynağından kaynaklanan yansıma gürültüsü (YG), yetersiz veya aşırı aydınlatmadan kaynaklanan uygun olmayan kontrast gürültüsü, mide öz suyu, baloncuklar veya kalıntılar içermektedir. Bu tarz gürültüler içeren görüntülere bilgi taşımayan çerçeveler adı verilmektedir. Hastalık tespiti işlemi ise bilgi içeren olarak adlandırılan temiz görüntüler ile yürütülmektedir. İlk çalışmada tekstür tabanlı otomatik polip tespitinde YG'nin etkisini ve YG'yi ortadan kaldırmak için kullanılan görüntü enterpolasyonunun kullanımı araştırıldı. Bu amaçla, çeşitli boyutlarda sonradan YG eklenen ve interpolasyon uygulanan görüntülerden ve YG içermeyen görüntülerden çeşitli tekstür özellikleri elde edildi. Polipleri kolon arka planından ayırt etmek için, uygulanan en yakın komşular, bilineer ve bikübik interpolasyon yöntemlerinin, tekstür özellikleri ve sınıflandırma performansı açısından herhangi bir farklılığa neden olup olmadığı test edildi. İkinci çalışmada temel amaç, bilgi taşımayan çerçeveleri tespit etmede geleneksel makine öğrenmesi ve transfer öğrenme yaklaşımlarının performanslarının karşılaştırılmasıydı. Makine öğrenmesi bölümünde, gri seviye eş oluşum matrisi, gri seviye koşu uzunluğu matrisi, komşuluk gri ton farkı matrisi, odak ölçüm operatörleri ve basıklık, standart sapma ve çarpıklık olarak üç adet birinci derece istatistik kullanıldı. Sınıflandırma aşamasında rastgele orman, destek vektör makineleri ve karar ağacı yaklaşımları kullanılmıştır. Transfer öğrenme bölümünde derin sinir ağları olarak AlexNet, SqueezeNet, GoogleNet, ShuffleNet, ResNet-18, ResNet-50, NasNetMobile ve MobileNet tercih edildi. Son çalışma, bilgi taşıyan çerçevelerde Crohn's, ülseratif kolit, kanser ve polip gibi kolon anormalliklerinin saptanmasını içermiştir. Bu çalışmanın amacı, öncelikle sağlıklı çerçeveleri hastalıklılardan ayırmak ve hem geleneksel makine öğrenmesi hem de transfer öğrenme yaklaşımlarını kullanarak hastalık türlerini belirlemekti. İkinci çalışmada kullanılanlarla aynı tekstür özellikleri, sınıflandırma yaklaşımları ve transfer öğrenme yöntemleri kullanılmıştır.