Taşıtın Yanal Ve Doğrusal Kontrolü İçin Sürücünün Modellenmesi

dc.contributor.advisor Ertuğrul, Şeniz tr_TR
dc.contributor.author Delice, İ. İlker tr_TR
dc.contributor.department Sistem Dinamiği ve Kontrol tr_TR
dc.contributor.department System Dynamics and Control en_US
dc.date 2005 tr_TR
dc.date.accessioned 2015-06-09T12:12:39Z
dc.date.available 2015-06-09T12:12:39Z
dc.description Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2005 tr_TR
dc.description Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2005 en_US
dc.description.abstract Bu tez çalışmasının amacı, doğrusal ve yanal kontrolü bir arada gerçekleştiren bir sürücü modeli çıkarmaktır. Sürücünün taşıtla etkileşiminin karmaşıklığından, insan operatörlerin iç rasgeleliğinden ve yanlılığından ötürü modelleme zorlaşmakta ve bu durum, çalışmayı, verilerin içindeki bilginin kullanılmasına dayalı sistem tanılama yöntemlerine götürmektedir. Çalışmalara ilk olarak doğrusal parametrik model olan ARX (Auto Regressive with eXogenous input) ile başlanmış ve daha iyi performans vereceği düşünülerek doğrusal olmayan modeller (YSA Yapay Sinir Ağları) de denenmiştir. Uygun giriş-çıkış bileşenleri ve uygun ağ mimarisi seçilerek yapılan denemelerde YSA modelde gaz pedalı için %82.5, fren için %83.5, vites için %81.7 ve direksiyon açısı için %93.3 başarım elde edilmiştir. tr_TR
dc.description.abstract Main objective of this study is obtaining a human driver model containing both lateral and longitudinal control of a vehicle. Human driver-vehicle interactions, human operators’ randomness and bias make the modeling difficult and system identification approach seems to be the only choice for modeling. Firstly, human driver was modeled using a linear parametric model structure, namely ARX (Auto Regressive with eXogenous input), then nonlinear model structures based on Neural Networks are also applied. Neural Network model outputs match the real data much more satisfactorily. For the best results, fitting percentages for accelerator pedal, brake, gear, steering wheel angle are 82.5%, 83.5%, 81.7%, 93.3% respectively. en_US
dc.description.degree Yüksek Lisans en_US
dc.description.degree M.Sc. tr_TR
dc.identifier.uri http://hdl.handle.net/11527/4480
dc.publisher Fen Bilimleri Enstitüsü tr_TR
dc.publisher Institute of Science and Technology en_US
dc.rights İTÜ tezleri telif hakkı ile korunmaktadır. Bunlar, bu kaynak üzerinden herhangi bir amaçla görüntülenebilir, ancak yazılı izin alınmadan herhangi bir biçimde yeniden oluşturulması veya dağıtılması yasaklanmıştır. tr_TR
dc.rights İTÜ theses are protected by copyright. They may be viewed from this source for any purpose, but reproduction or distribution in any format is prohibited without written permission. en_US
dc.subject Taşıt Sürücüsünün Modellenmesi tr_TR
dc.subject Lineer Parametrik Modelleme tr_TR
dc.subject Yapay Sinir Ağları tr_TR
dc.subject Sistem Tanılama tr_TR
dc.subject Human Driver Modeling en_US
dc.subject Linear Parametric Modeling en_US
dc.subject Artificial Neural Networks en_US
dc.subject System Identification en_US
dc.title Taşıtın Yanal Ve Doğrusal Kontrolü İçin Sürücünün Modellenmesi tr_TR
dc.title.alternative Human Driver Modeling For Lateral And Longitudinal Control Of A Vehicle en_US
dc.type Thesis en_US
dc.type Tez tr_TR
Dosyalar
Orijinal seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
3276.pdf
Boyut:
922.53 KB
Format:
Adobe Portable Document Format
Açıklama
Lisanslı seri
Şimdi gösteriliyor 1 - 1 / 1
thumbnail.default.placeholder
Ad:
license.txt
Boyut:
3.16 KB
Format:
Plain Text
Açıklama