Doktora Tezleri

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

Browse

Filters

2023 - 20255

Settings

Has files: NoSubject: search.filters.subject.Electrical And Electronics Engineering

Search Results

Now showing 1 - 5 of 5
  • Doctoral Thesis
    Beyin-Bilgisayar Arayüzlerine Yönelik Riemann Geometrisi ile İleri Sinyal İşleme Yaklaşımı
    (2023) Altındiş, Fatih; Yılmaz, Bülent
    Bu tezde, EEG tabanlı beyin-bilgisayar arayüzlerinde (BBA) Riemann geometrisine dayalı öğrenme transferi kullanımına dayalı gelişmeleri incelemekteyiz. Seçilen EEG sinyal epoklarının sınıflandırma performansına katkısını göstermek adına kayan pencere yaklaşımı geliştirdik. Bunun yanında, sinyal işleme adımlarına filtre bankasının eklenmesinin sınıflandırma doğruluğunu daha fazla arttırdığını gözlemledik. Açık veristelerinden motor-niyet dalgaları içeren verisetlerini kullanarak, klasik Tanjant Uzay Haritalama yöntemine kıyasla sınıflandırma performanısı ortalama % 7 iyileştirdik. Çalışmanın en önemli çıktısı, 'grup öğrenmesi' adlı yeni bir transfer öğrenme yaklaşımı ve bu yaklaşımın uzantısı olan, 'hızlı hizalama' yöntemidir. Grup öğrenmesi, klinik olmayan BBA açık verisetlerinde sınıflandırma performansından ödün vermeden çoklu alan uyarlaması yapmaktadır. Hızlı hizalama, alan uyarlamasını daha önce kullanılmamış yeni veriler için kullanmayı sağlamaktadır. Önerilen grup hizalama algoritması (GALIA), farklı kişilerden ve farklı oturumlardan alınan EEG verileri ile test edilmiştir. Sınıflandırma performansı ve hesaplama maliyeti için optimal hiper-parametre değerleri incelenmiştir. Çalışma, birçok kişiden kayıt edilen verileri kullanarak tek bir makine öğrenimi modelinin oluşturulmasını ve eğitilmiş modelin yeniden eğitilmesine gerek kalmadan yeni veriler üzerinde kullanılabileceğini göstermiştir. Bulgular, birçok kişi üzerinde öğrenme transferi gerçekleştirebilen bütünsel bir sinyal işleme akışı sağlayarak güçlü, genelleştirilebilir, ve yüksek sınıflandırma performansına sahip BBA sistemleri tasarlanmasına olanak sağlamaktadır.
  • 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
    Kuantum Nokta Işık Saçan Diyotlar için Kuantum Nokta Mimarisi ve Ara Katmanların Mühendisliği
    (2024) Yazıcı, Ahmet Faruk; Mutlugün, Evren; Erdem, Talha
    Bu tez kapsamında kuantum nokta mimarilerinin optimizasyonu ve ara katmanların kullanımıyla kuantum nokta ışık yayan diyotların(QLED) cihaz performansını artırmak için yeni stratejileri ortaya konmuştur. Bu kapsamda iki temel strateji kullanılmıştır: İlk çalışma, evrik QLED'lerde kuantum nokta (QD) kabuk kalınlığının ve polietilenimin (PEI) ara katmanlarının etkisini incelemektedir. İkinci çalışma, oktantiyol kaplı çekirdek-kabuk-kabuk kuantum noktalarının geliştirilmesini ve uygulanmasını açıklamaktadır. İlk bölümde, ağırlıkça %0,025 konsantrasyondaki PEI ara katmanlarına sahip kalın kabuklu kuantum noktaların kullanıldığı (10,3 nm) QLED'lerde %17'lik maksimum dış kuantum verimine (EQE) ve 91.174 cd/m²'lik bir tepe parlaklığına ulaşılmıştır. Zaman çözünürlüklü fotolüminesans (TRPL) ölçümlerinin sonuçları, PEI'nin kuantum noktaların pasivasyonundaki ve eksitonların sönümlenmesinin bastırılmasındaki rolünü açıklamaktadır. İkinci çalışma, çekirdek/kabuk/kabuk kuantum noktaların optik özelliğini iyileştirmek için hem kükürt kaynağı hem de ligand olarak görev yapan oktantiyol ile yeni bir sentez yöntemini içermektedir. %88,7'lik bir PLQY ve 20,8 nm'lik bir ışıma genişliği elde edilmiştir. Bu kuantum noktalar QLED uygulamalarında %4,1 maksimum EQE ve 85.000 cd/m²'lik maksimum parlaklık performansına sahiptir. Bu sonuçlar, QLED cihaz performansında kuantum nokta yüzey mühendisliğinin, katmanlar arası optimizasyonun ve yük taşıma katmanlarının dikkatli seçiminin önemini kritik bir şekilde vurgulamaktadır. Bu çalışmalar ile verimli, parlak ve renk açısından saf kuantum nokta ekranlarının geliştirilmesine yönelik önemli adımlar atılmıştır.
  • 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
    Çoklu Robot Sistemleri için Lokalizasyon Algoritması Tasarımı ve Gerçekleştirilmesi
    (2024) Kabore, Kader Monhamady; Güler, Samet
    Çok robotlu sistemler (MRS), tek bir robot için son derece zorlayıcı olan karmaşık görevleri gerçekleştirebilir. Örneğin, iş birliğiyle taşıma, alan kapsama ve arama-kurtarma operasyonları gibi uygulamalarda, MRS en iyi seçenek olabilir. MRS, görevleri daha basit komutlara bölerek bireysel robotlara atar. Bu yapı, ölçeklenebilirlik ve tek bir hata noktasına karşı dayanıklılık gibi önemli avantajlar sağlayan merkezi olmayan yaklaşımlara ilgiyi artırmıştır. MRS'deki formasyon kontrolü, özellikle GPS'in bulunmadığı ve dış altyapının olmadığı ortamlarda güçlü robot konumlandırmasına dayanır. Dış ortamlarda GPS mutlak konumlandırma sağlayabilir ancak kapalı alanlar veya tüneller gibi ortamlarda sürü robotları için yetersiz kalabilir. Hareket yakalama sistemleri gibi kapalı alan konumlandırma çözümleri, yüksek maliyetli olup ek altyapı kurulum prosedürleri gerektirir. Bu sınırlamalar, sürü robotikleri uygulamaları için uygun, dayanıklı ve dahili konumlandırma sistemlerine olan ihtiyacı vurgulamaktadır. Bu çalışma, tamamen dahili yeteneklere dayanan, dış altyapıya bağımlılığı ortadan kaldıran yeni bir merkezi olmayan, işaretleyicisiz konumlandırma çerçevesi sunmaktadır. MRS için bir konumlandırma çözümü bulmak amacıyla, yöntemimiz, derin öğrenme ile güçlendirilmiş iş birliği temelli konumlandırma algoritmalarını formasyon kontrol mekanizmalarıyla birleştirmektedir. Önerilen çerçevenin etkinliğini doğrulamak için kapsamlı simülasyonlar ve gerçek dünya deneyleri gerçekleştirilmiştir. Sistem ölçeklenebilirliği, farklı ekip boyutlarına uyum sağlayarak test edilmiştir ve uygulamalardaki etkinliği gösterilmiştir. Bu çalışma ayrıca yer robotları için açık kaynaklı bir veri seti sunarak MRS alanında daha fazla araştırmayı teşvik etmektedir.