FBE- Mekatronik Mühendisliği Lisansüstü Programı - Yüksek Lisans
Bu koleksiyon için kalıcı URI
Gözat
Son Başvurular
1 - 5 / 191
-
ÖgeSensor fault tolerant control of a quadrotor uav(Institute of Science and Technology, 2020)This dissertation handles the issue of fault tolerant control (FTC) of a quadrotor unmanned aerial vehicle (UAV) in the existence of sensor faults. First of all, equations of motion are obtained using Newton's and Euler's laws. After that, the complete nonlinear model of vehicle is acquired. Altitude and attitude of the vehicle are controlled by PID controllers and the performance of these controllers are shown. Coefficients of the controllers are selected by trial and error method for best performance. Kalman filter is an optimal mathematical tool to estimate the states. The use of standard Kalman filter is restricted to linear models. Since the model of the quadrotor that is used in this thesis, is nonlinear, standard Kalman filter cannot be used. Therefore, nonlinear Kalman Filters, the EKF, the UKF and the CKF are used for estimating the states in the quadrotor. Also, performance comparison of these filters are made. It is seen that the CKF has less estimation error in the executed flight scenarios. Since the control of the quadrotor heavily depends on the measured values that receives from sensors, proper operating of the sensors is very important. However, small quadrotors and UAVs are mostly equipped with low-cost and low quality sensors. Measurements of these kind of sensors suffer from bias and external noise due to temperature variations, vibration and other external conditions. Since the bias is a very common fault for these sensors, in this study, a sensor bias is taken into consideration as a fault and happens abruptly at a certain time and continues throughout the scenario. Although it is not realistic, for convenience, it is assumed that the value of each state variable is measured by a dedicated sensor. To see the effect of the sensor bias fault on the system responses, two different flight situations are tested. It is noticed that the sensor bias causes a deviation between the actual value and the measured value of a state variable. Faulty measured values are fed back to the controller and as a consequence of this, quadrotor diverges from its reference command. By using the residual signals, sensor faults are detected and isolated. Then, two methods are proposed for removing the effects of faults and achieving active fault tolerant control (AFTC). The size of a fault can be obtained by analyzing the magnitude of the residual signals at the fault occurrence time. In the first method, rectification block uses this information and fixes the measured faulty sensor values and sends the corrected values to the controller. In the second method, faulty sensor value is ignored and measurement model of the filter is reconfigured. Thus, the quadrotor UAV follows its reference commands in the existence of sensor faults and the effectiveness of the presented two techniques are shown.
-
ÖgeMadgwick IMU algoritması kullanılarak, ataletsel ölçü birimi ile oryantasyon analizi(Fen Bilimleri Enstitüsü, 2020)Canlıların hareket analizine yönelik çalışmalar yüzyıllardır devam etmektedir. Bu analizler, kendi zaman dilimindeki teknolojinin izin verdiği ölçülerde yapılmış ve halen yapılmaktadır. Günümüzdeki teknoloji ve hesaplama alanındaki gelişmeler daha nicel ve objektif analizler yapılmasına olanak sağlamıştır. Vücut üzerine işaretçilerin koyularak ışığa dayalı hareket ölçümünün yapılması da buna dahildir. Üstelik kameralar sayesinde bu hareketi 3 boyutlu olarak ölçmek de mümkündür. Fakat ölçümün yapılabileceği alan, kameraların çevreleyeceği alan ile sınırlıdır. Mikroişleme teknolojisi ve mikro elektro mekanik sistemlerin gelişimi, ivmeölçer ve jiroskop gibi atalet sensörlerinin, atalet ölçüm birimleri ve hareket takip cihazlarına monte edilebilecek kadar küçük ve vücuda takılabilecek hale gelmesini sağlamıştır. Jiroskop, ivmeölçer ve kullanıma bağlı olarak manyetometre verilerinin birleştirilmesi ile kameralara bağlı kalmadan uzayda herhangi bir konumdaki hareketleri analiz etmek mümkündür. Atalet algılama teknolojisi, labaratuar dışındaki hareketi ölçmek, sınırsız veya geniş ölçüm verileri elde etmek için büyük avantaja sahiptir. Kamera sistemine nazaran giyilebilir olması, büyük esneklik sağlamaktadır. Ayrıca, özel bir labaratuar veya altyapıya gerek olmadığından maliyetler önemli ölçüde azalmıştır. Ataletsel ölçü birimleri ve hareket takip ünitelerinde bulunan jiroskop, ivmeölçer ve manyetometreden elde edilen verilerin birleştirilmesi, hatalarının giderilmesi ve bu vesileyle oryantasyon tahmini yapılması için çeşitli filtre ve algoritmalar mevcuttur. Bu çalışmada Madgwick filtresi ele alınmıştır. Madgwick filtresinin tercih edilme nedenlerinin başında hesaplama yükünün daha az olması ve optimize edilmiş gradyan iniş algoritmasıyla düşük örnekleme oranlarında dahi iyi performans alınması gelmektedir. Ayrıca bu filtre 3 boyutta oryantasyonu kuaterniyon gösterimi ile ifade etmektedir. Böylelikle Euler gösteriminde ortaya çıkan tekillik sorunu saf dışı edilmiştir. Bu çalışmada Madgwick algoritması Matlab/Simulink ortamında modellenmiş, XSENS firmasının içerisinde ataletsel ölçü biriminin bulunduğu hareket takip ünitesi kullanılarak jiroskop ve ivmeölçer verileri toplanmıştır. Çevredeki manyetik materyallerden kolayca etkilendiği için manyetometre kullanımından kaçınılmıştır.
-
ÖgeUnity 3d oyun ortamında akıllı ajanlar ile kaçma-kovalama oyun tasarımı(Fen Bilimleri Enstitüsü, 2020)Kaçma-kovalama oyunları, engelden kaçma, kaçan ajan takibi ve yol takibi gibi diğer birçok problemi kapsayan bir problem olarak görüldüğü için çeşitli çalışmalarda tercih edilmektedir. Kaçma-kovalama oyunlarında temel amaç bir veya birden fazla sayıdaki kovalayan ajanın bir veya birden fazla sayıdaki kaçan ajanı en kısa sürede yakalamasıdır. Araştırmacılar, kaçma-kovalama oyunlarını genellikle karmaşık ve dinamik ortamlarda kaçan ajanı yakalamak için ortaya çıkan yol bulma probleminde kullanmaktadır. Kaçma-kovalama oyunundaki bu tür problemi çözmek için çeşitli yöntemler önermişlerdir; bu yöntemler arasında dinamik programlama, oyun teorisi, bulanık mantık ve yapay sinir ağları sayılabilir. Bu tez çalışmasında, Unity 3D oyun motorunda kaçma-kovalama oyunu tasarlanmıştır. Bu oyun motorunun tercih edilme sebebi ise kolay kullanımı ve fizik motoruna sahip olmasıdır. Kaçma-kovalama oyunu için oyun motorunda kontrol araç kutusu ve navigasyon araç kutusu kullanıldı. Kontrol araç kutusunda navigasyon ağ ajan elemanı, dönüşüm elemanı, sert gövde elemanı, çarpışma elemanı ve kod elemanı oyun tasarımı için tercih edildi. Navigasyon ağ ajan elemanı, ajanlara oyun alanı içerisinde otonom hareket etmesi, engellerden kaçınması ve hedef takip etmesi için çizgisel ve açısal hız sağlamaktadır. Sert gövde elemanı fizik motorunu kullanmaktadır. Bu eleman ile oyun alanına yer çekimi ve ajanlara kütle eklenmektedir. Ayrıca sert gövde elemanı ajanlara kuvvet ve tork uygulayarak hareket ettirmektedir. Çarpışma elemanı da fizik motorunu kullanmaktadır. Bu eleman ile ajanlar ve oyun alanı fiziksel çarpışma özelliği kazanmaktadır. Kontrol araç kutusunda kullandığımız son eleman olan kod elemanı ile ajanların hareketleri kontrol edilip, yapay zekâ sistemi oluşturulmakta ve ajanlar arasında haberleşme sağlanmaktadır. Navigasyon araç kutusu ile oyun alanında navigasyon ağları oluşturuldu. Bu ağlar ile ajanlar oyun alanında otonom hareket edebilmekte, engellerden kaçabilmektedir. Navigasyon ağları yapısında A* algoritması bulunmaktadır. Bu algoritma sayesinde ajanlar hedef takibi için en kısa yolu hesaplayabilmektedir. Bu tez kapsamında, Unity 3D oyun motorunda kullanılan araç kutularının özellikleri ve oyun objeleri ile kaçma-kovalama oyun tasarımı yapıldı. Öncelikle oyun alanı için zemin, duvar ve engeller tasarlandı. Oyunun amacı doğrultusunda kaçan ajan tarafından toplanması gereken kâğıtlar oyun alanına eklendi. Daha sonrasında oyuna bir adet kaçan ajan ve dört adet kovalayan ajan yerleştirildi. Kırmızı, mavi, turuncu ve pembe ajanlar kovalayan ajanlar, sarı ajan ise kaçan ajandır. Kaçan ajan insan kullanıcı tarafından kontrol edilirken, kovalayan ajanlar geliştirilen stratejiye göre kaçan ajanı yakalamaya çalışır. Kovalayan ajanların oyunda devriye hareketi için dinamik yol nokta yapısı oluşturuldu. Dinamik yol nokta yapısı ile kovalayan ajanlar oyun alanın tüm bölgelerine gitme olasılığı kazanmıştır. Ayrıca kovalayan ajanlara oyun içerisinde görüş menzili oluşturmak için görüş hattı yapısı eklendi. Bu sayede kovalayan ajanların görüş hattı içerisinde kaçan ajan bulunduğunda yakalamaya çalışır. Kaçan ajan görüş hattında olmadığı durumda kovalayan ajanlar oyun içerisinde devriye olarak hareket edecektir. Tasarlanan dinamik yol nokta yapısı ve görüş hattı yapısı tüm kovalayan ajanlarda bulunmaktadır. Kaçma-kovalama oyun modelinde kovalayan ajanların çizgisel hızı kaçan ajandan büyük ve kovalayan ajanların yön açısı kaçan ajanın yön açısından küçük olacak şekilde oluşturuldu. Ayrıca tasarlanan modelde yakalanma tanımı kaçan ajan ile kovalayan ajanların yüzey teması olarak belirlendi. Bu modelde kaçan ajan ile kovalayan ajan arasındaki Öklid mesafesini hata sinyali olarak düşünülebilir. Bu hata sinyalini minimize etmek ve kaçan ajanı yakalamak için kovalayan ajanlara çeşitli kontrolör tasarımı yapıldı. Bu kontrolörler ile kovalayan ajanların çizgisel hızları kontrol edildi. Kovalama sırasında kovalayan ajanlara yön açıları ise oyun motorunda gerekli hesaplama yapılarak sağlandı. Kırmızı ajanda Öklid mesafesini azaltması için PD kontrolör tasarımı yapıldı. Böylece kaçan ajan kırmızı ajanın görüş hattına girdiğinde, kırmızı ajan kaçan ajanı aralarındaki mesafe değişimine göre çizgisel hızını kontrol edecektir. Ayrıca oyunda kâğıt sayısı azaldıkça kırmızı ajanın çizgisel hızı artmaktadır. Kırmızı ajan görüş hattında kaçan ajan olmadığında oyun alanında devriye olarak gezinmektedir. Mavi ve turuncu ajan Öklid mesafesini azaltmak için P kontrolör tasarımı yapıldı. Böylece kaçan ajanı mavi ve turuncu ajan sabit hızla kovalamaya çalışacaktır. Ayrıca bu iki ajana, kırmızı ajan ile haberleşme özelliği sağlanmıştır. Bu sayede mavi ve turuncu ajan oyun içerisinde kırmızı ajanın konumu hakkında bilgi sahibi olmaktadır. Kaçan ajan ile kırmızı ajan arasındaki Öklid mesafesi azaldığında mavi ajan sol taraftan, turuncu sağ taraftan yakalamaya çalışacaktır. Oyunda kâğıt sayısı azaldıkça mavi ajanın açısal hızı ve turuncu ajanın görüş hattı açısında artış meydana gelmektedir. Mavi ve turuncu ajan da görüş hattında kaçan ajan olmadığı durumlarda oyun alanında devreyi gezmektedir. Pembe ajana strateji geliştirmek için bulanık mantık kullanılmıştır. Bulanık mantık tercih edilme sebebi bulanık mantık tabanlı sistemlerin doğrusal olmayan etkenler ve bilinmeyen sistem dinamikleri karışışında başarılı bir şekilde cevap vermesidir. Bu bağlamda, pembe ajana yakalama stratejileri tanımlamak için "Takagi-Sugeno-Kang" tipi iki adet bulanık sistem tasarlanmıştır. Bu sistemler pembe ajanın görüş hattında kullanılmıştır. Bulanık sistemler iki giriş, bir çıkışa sahiptir. Sistemin girişleri ise kaçan ajan ile pembe ajan arasındaki mesafe ve bu mesafenin birim zamandaki değişimidir. Birinci bulanık sistem fizik motorunun pembe ajana uygulaması gereken kuvvet değerini hesaplamaktadır. Bu kuvvet ile pembe ajanın kaçan ajanı yakalaması gereken çizgisel hız oluşur. Böylelikle pembe ajan, kaçan ajanla arasındaki değişim gösteren mesafeye göre çizgisel hızını ayarlamaktadır. Tasarlanan ikinci bulanık sistem ise pembe ajanın kaçan ajanı yakalaması için gitmesi gereken konumu hesaplamaktadır. Böylece iki adet bulanık sistem ile akıllı bir kovalama stratejisi geliştirildi. Kovalayan ajanlar için tasarlanan kontrolör yapılarını karşılaştırmak için Unity 3D oyun ortamında çalışmalar yapılmıştır. Tüm kovalayan ajanlar oyun alanında devriye gezerken sabit hızlarla hareket etmektedir. Kovalayan ajanların görüş hattına kaçan ajan girdiğinde ise yakalamak için yapılarında bulunan kontrolör devreye girecektir. Kırmızı ajan yapısında bulundurduğu PD kontrolör ile kaçan ajanı görüş hattı içerisinde yakalamaya çalışacaktır. Değişim gösteren mesafeye göre kırmızı ajan çizgisel hızını ayarlamaktadır. Ancak kırmızı ajan kaçan ajanla yüzey teması sağlayamadığı için kaçan ajanı yakalayamamıştır. Mavi ve turuncu ajan ise P kontrolör ile kaçan ajanı değişim gösteren mesafede sabit hızla kovalamıştır. Bu iki ajanda kırmızı ajan gibi kaçan ajanla yüzey teması sağlayamadığı için kaçan ajanı yakalayamamıştır. Pembe ajan için tasarladığımız bulanık sistemler ile kaçan ajanı yakalaması için gerekli olan çizgisel hız ve gitmesi gereken konum bilgisi hesaplanmıştır. Pembe ajan tasarladığımız iki adet bulanık sistem sayesinde kaçan ajan ile yüzey teması sağlayıp yakalamış oldu. Böylece tasarladığımız bulanık sistemler ile tatmin edici kovalama performansı sağlanmış ve akıllı kovalama stratejisinin diğerlerine göre üstün olduğu görülmüştür. Ayrıca kaçan ajan tarafından toplanan kâğıtların kırmızı ajanın çizgisel hızına, mavi ajanın açısal hızına ve turuncu ajanın görüş hattı açısına olan etkisi gösterilmiştir.
-
ÖgeDesign and implementation of origami inspired miniature parallel mechanisms(Institute of Science and Technology, 2020)Nowadays, robotic systems are not only used for heavy industries, but also they are used for medicine, agriculture, service sectors or such places that can interact with daily life of people. As it can be expected, each sector has its own unique and different requirements. These differences can be mechanical properties such as scale, material, weight, or it can be new working conditions, workspaces and even physical appearance. However, these new demands cannot be met with the existing traditional methods. Particularly, the design and fabrication of small-scale robotic systems is very difficult. The reasons for this can be said that reduced strength due to the small size of the dimensions, the need for very small fasteners and the difficulty in the assembly of their small structures, which results in time consuming operations and high cost. In this study, parallel mechanisms with embedded sensor are designed by making use of origami-inspired design methods and 2D monolithic layered production techniques, which is commonly used for small-scale robotic systems. In addition, it is aimed that there are no intermediate steps such as folding and bonding outside of basic steps of the chosen methods that disrupts the planar structure during assembly. The assembly process of the mechanisms to be produced consists only of the cut – bond – repeat cycle that comes from the 2D fabrication methods. The sensor to be embedded in the mechanisms must also be suitable for the manufacturing technique. The fabrication method used in the project has been selected as "Smart Composite Microstructures" (SCM). This fabrication method can basically be described as cutting and joining sheet materials of different properties with certain patterns on top of each other. As a result, a simple five-layered structure emerges. These layers are rigid – adhesive – flexible – adhesive – rigid layers, respectively. The used materials are American Bristol paper with 400 grams for rigid layer, while plastic sheets are called PET for flexible layer and single and two layered 3D printed TPU material. Origami-inspired design methods were used for the patterns to be created (more specifically the joints) for the mechanisms. There are different types of joints present in the designs, which are one, two and three degrees of freedom joints. The reason for choosing parallel mechanisms is that they are scalable in terms of their structures, that is, they do not lose their properties as their dimension decreases. Even in some cases, the performance increases even if the structure gets smaller. Another reason is the compatibility of parallel mechanisms with closed loop kinematic chains to 2D production techniques. The reason for this is that all the arms are interconnected, have no open ends, and therefore the layers can be designed completely integrated. There are three different parallel mechanisms to be designed in this project. These are called the Pantograph, Delta and Stewart mechanism. The design process started with the Pantograph mechanism with 2 degrees of freedom and continued with the three degrees of freedom Delta mechanism, and finally ended with the six degree of freedom Stewart mechanism. As it can be seen, the aim is to design mechanisms that have different degrees of freedom; from simple to complex. For all three mechanisms, initially the traditional counterparts are examined. The structure of the mechanisms and the joints types that are going to be used are determined. Then according to those analyses, the kinematic models are obtained. Using these information, 2D pattern designs for the fabrication are created. After that, 3D models of the mechanisms are drawn in order to compare with the kinematic models to see if the behavior of the designed joints are matching with mathematical models. Finally, after validating the mechanisms, the fabrications are realized using the 2D production technique "SCM". A sensor must be designed to measure the required angles when calculating the position of the end point of the mechanisms. With the help of this sensor, control of motors and the end effectors can be made using the right dynamic models in the future projects. The sensor designed in this project was made to measure the angle between two rigid arms. A strain gauge is designed for the flexible layer between the rigids to take advantage of the stresses and elongations happening on the surface of the flexible layer due to the rotations between the links. Silver nano-particle ink and inkjet printers have been used since the strain gauges currently on the market are not suitable for integration in between layers. When the printed PET sheet is placed in the joints in the rigid sheets, a connection is formed with the angle between the two rigid sheets and the elongation in the flexible sheet. Detailed studies have been made not only on the design part of the sensor, but also on its location, layouts, cuts and cable connections. Later, sensors were designed and integrated into the production method into the required parts of each mechanism. Test platforms were designed specifically for each of the mechanisms. These test platforms are produced with 3D printers and contains mechanism's connection location, motor locations, motor-leg connection equipment and the reference apparatus of the position sensor, which tracks the translational and rotational motions of the end effectors. Robot servo motors are used for the experiments. Carried out experiments can be listed as point tests, continuous motion tests with the circle profile, and rotational motion tests only for the Stewart mechanism. In addition, in order to see the effect of different flexible materials, the same experiments were repeated using the Delta mechanism with different flexible layers. The sensor data is collected using a voltage divider circuit and a DAQ signal processing card.
-
ÖgeGömülü sistemlerde sesli komut tanıma(Fen Bilimleri Enstitüsü, 2020-06-22)Kişilerarası iletişim en yaygın olarak konuşma ile sağlanır. Ses, konuşmanın temel ve çok önemli bileşenidir. Akciğerlerden gelen havayı ses organlarıyla şekillendirerek kulak veya hassas aletler tarafından algılanabilen titreşimler dönüştürülmesi sesin en basit tanımı olarak nitelendirilebilir. Konuşma, boğaz ve ağızdaki bu titreşimlerin ve insan zihni tarafından belirli bir gramer altyapısında algılanabilecek karmaşık bir yapıdaki bir dönüşümdür. Yukarıdaki bilgiler ışığında, tezin amacı, insanların belirli komutları karakterize etmek için oluşturdukları ses verilerini analiz etmektir; bu analize uygun çıkacak özelliklere sahip gömülü işlemci mimarisini içeren bir sistem yetiştirmektir. Ses ve konuşma tanıma, günümüz dünyasında çok popüler hale gelen bir teknoloji olma yolunda ilerlemektedir. Özellikle mahkeme ve savcılık büroları gibi konuşmaların çok hızlı yazılması gereken platformlar veya kolay işlemlerin hızlı bir şekilde gerçekleştirilmesi gereken banka müşteri hizmetleri için telefon uygulamaları bu özelliğin en büyük müşterileridir. Tüm bunlara ek olarak, ses işleme teknolojisi hızla gömülü mimarilere de girmektedir. Örneğin; Televizyonun önünde otururken, uzaktan kumandayla bir program aramak yerine, aradığınız programı söyleyerek programı daha hızlı filtreleyebilir ve isteğinize çok hızlı bir şekilde ulaşabilirsiniz. Aynı şekilde, otomobil teknolojilerinde yüksek hızlarda sürerken, radyoyu sesinizle kontrol etmek güvenlik ve konfor açısından büyük bir gelişmedir. Tez kapsamında yapılan çalışmada, ses işleme teknolojisinin getirdiği bu konfor ve rahatlığı destekleyecek literatüre yeni çalışmaların eklenmesi hedeflenmektedir. Amacımız eğitilmiş sistem üzerinden ilgili komutları tespit etmek ve komuta karşılık gelen eylemi gerçekleştirmektir. Tezin en büyük başarısı, ses analizi ve bu analiz sonucunda oluşturulan veri seti ile ilgili komut kelimesinin ait olduğu dil ailesine bakılmaksızın istenen dilde komutların kullanılmasını sağlamasıdır. Bu çalışmanın en başarılı sonucunu vermek için ses analizi işlemleri; örneğin, sesin filtre seçimi, pencereleme fonksiyonları, özellik çıkarma fonksiyonları karşılaştırmalı olarak denenmiş ve tezde kullanılacak yönteme karar verilmiştir. Derin öğrenme, insan beyninin çalışmasını taklit eden yapay bir zeka işlevidir. Veri işleme ve karar verme için kullanılabilecek modeller oluşturmak üzere tasarlanmıştır. Çok büyük bir sinir ağı ve büyük miktarda erişilebilir veri gerektirir. Makine öğrenimi daha basit kavramlar kullanırken derin öğrenme, insanların nasıl düşündüklerini ve öğrendiklerini taklit etmek için tasarlanmış yapay sinir ağlarıyla çalışır. Sinir ağları, tıpkı insan beyninin nöronlardan oluştuğu gibi katmanlardan oluşur. Ayrı katmanlardaki düğümler bitişik katmanlara bağlanır. Ağın sahip olduğu katman sayısından daha derin olduğu söylenir. İnsan beynindeki tek bir nöron, diğer nöronlardan binlerce sinyal alır. Yapay bir sinir ağında, sinyaller düğümler arasında seyahat eder ve ilgili ağırlıkları atar. Daha ağır bir düğümün bir sonraki düğüm katmanı üzerinde daha fazla etkisi olacaktır. Son katman, bir çıktı üretmek için ağırlıklı girdileri derler. Derin öğrenme sistemleri, büyük miktarda veri işlendiğinden ve birkaç karmaşık matematiksel hesaplama içerdiğinden güçlü donanım gerektirir. Bununla birlikte, bu tür gelişmiş ekipmanlarla bile, derin öğrenme eğitimi hesaplamaları haftalar sürebilir. Derin öğrenme sistemleri, doğru sonuçlar elde etmek için büyük miktarda veri gerektirir; Buna göre, bilgi büyük veri setleri olarak beslenir. Verileri işlerken, yapay sinir ağları, verileri oldukça karmaşık matematiksel hesaplamaları içeren bir dizi ikili doğru veya yanlış sorudan cevaplarla sınıflandırabilir. Örneğin, bir yüz tanıma programı yüzlerin kenarlarını ve çizgilerini, daha sonra yüzlerin daha önemli kısımlarını ve son olarak yüzlerin genel temsillerini tanımayı ve tanımayı öğrenerek çalışır. Zamanla, program kendini eğitir ve doğru cevap olasılığı artar. Bu durumda, yüz tanıma programı yüzleri zaman içinde doğru bir şekilde tanımlayacaktır. Tezin gömülü mimari yönünden bu yana, bir mikrodenetleyici ve 32-bit 600 Mhz saat frekansına sahip çevresel elemanlar kullanılmaktadır. Google AI Lab tarafından sağlanan, masa ve mikrofona yakın veri kümesini gürültüsüz bir ortamda kullanarak; Komut olarak 5 İngilizce kelime seçildi ve MFCC (Mel Frequency Cepstral Coefficients) ve LSTM (Uzun süreli bellek ağları) olan model TensorFlow ve Keras kütüphaneleri kullanılarak eğitildi. Cortex mimarisi elde edildiğinde, Cortex M serisi ailesine ait M7 işlemci, düşük kesme gecikmesi, düşük maliyetli hata ayıklama özellikleri ve geriye dönük uyumluluk ile yüksek verimli, yüksek performanslı, gömülü bir işlemcidir. Colab ağındaki eğitimin sonunda başarı oranı "%95.07" idi. Benzer şekilde MFCC (Mel Frequency Cepstral Coefficients) ve CNN (Evrişimli Sinir Ağları) kullanılarak başarı oranı '%88.03' olarak elde edildi. Bu modeller, TFLite özelliğini destekleyen eIQ platformuna sahip i.MX RT 1060 gömülü işlemci mimarisinde kayan nokta kuralları dikkate alınarak C / C ++ dilleri ile yazılıma dönüştürülmüştür. Sonuç Ram. Flash optimizasyonu, Model uygulanabilirliği ve uyumluluğu dikkate alınarak yapılan karşılaştırmanın bir sonucu olarak, her iki yöntemin de "MFCC ve CNN" yönteminin kullanıldığı sistemlerde ses tanıma projelerinde daha yararlı olduğu düşünülmüştür. Gömülü sistemler ve PC çalışmaları karşılaştırıldığında, performans kayıpları meydana geldi. Nedenleri üç ana kategoriye ayrılabilir: ses yalıtım sorunları, kullanıcı hataları ve çevresel etkiler. Tanıma ortamındaki gürültü, hem konuşmanın spektral özelliklerini deforme ederek hem de uç noktaların yanlış algılanmasına neden olarak tanıma performansını azaltır. Tanınan odanın akustik özellikleri konuşmanın spektral özelliklerini de etkiler. Bu problemlerin ışığında, gelecekteki çalışmalar daha geniş bir veri kümesi, konuşma yönü algılama, aktif gürültü filtreleme, ses çocuk kilidi, cihazın bulunduğu ortamın akustik özelliklerini öğrenme, konuşma komutlarını bluetooth mesh ağlarına bağlı cihazlar üzerinden aktarmaya odaklanacaktır.