İnsan Operatörlerin Akıllı Sistemlerle Modellenmesi
İnsan Operatörlerin Akıllı Sistemlerle Modellenmesi
dc.contributor.advisor | Ertuğrul, Şeniz | tr_TR |
dc.contributor.author | Çelik, Özkan | tr_TR |
dc.contributor.department | Sistem Dinamiği ve Kontrol | tr_TR |
dc.contributor.department | System Dynamics and Control | en_US |
dc.date | 2006 | tr_TR |
dc.date.accessioned | 2015-06-09T12:12:30Z | |
dc.date.available | 2015-06-09T12:12:30Z | |
dc.description | Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2006 | tr_TR |
dc.description | Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2006 | en_US |
dc.description.abstract | Bu çalışmada insan operatörlerin modellenmesi amacıyla veri toplamak için bir deney düzeneği kurulmuştur. Düzenek kullanılarak iki farklı insan operatör modeli elde edilmiştir. Bu yöntemlerden birincisinde, farklı çalışma bölgeleri için toplanan verilerden sistem tanımada yaygın olarak kullanılan doğrusal ARX modeller oluşturulmuştur. Oluşturulan yerel doğrusal modellerin birleştirilmesi için bir bulanık mantık sisteminden faydalanılmıştır. Önerilen bu yeni modelleme yöntemi ile hem genelleme yeteneği hem de öngörü özellikleri açısından başarılı modeller elde edilmiştir. İkinci yöntemde ise uyarlamalı sinirsel bulanık çıkartım sistemi (adaptive neuro-fuzzy inference system - ANFIS) modelleme için kullanılmıştır. Elde edilen modeller deney düzeneğinde bir kontrolör olarak insan operatörün yerini alacak şekilde kullanılmıştır. Farklı modelleme yöntemleri ile elde edilen modeller, hem öngörü başarıları açısından hem de gerçek sistem üzerine yazılımla eklenen birer kontrolör olarak incelenmiş ve birbirleriyle karşılaştırılmışlardır. | tr_TR |
dc.description.abstract | In this study, an experimental setup has been established to collect data for the purpose of human operator modeling. By using the experimental setup, two different human operator models have been obtained. As the first method, linear ARX models that are widely used in system identification have been obtained using the data acquired for different operating regions. A fuzzy logic system has been utilized in order to form the general model composed of local linear models. By the use of this novel modeling approach, successful models in context of both generalizing capability and prediction characteristics have been achieved. As the second method, adaptive neuro-fuzzy inference systems (ANFIS) have been used for modeling. Models have been used to replace the human operator as controller in the experimental setup. Models belonging to different modeling approaches have been compared, by examining both their prediction capacity and as a controller implemented into the software of the setup. | en_US |
dc.description.degree | Yüksek Lisans | en_US |
dc.description.degree | M.Sc. | tr_TR |
dc.identifier.uri | http://hdl.handle.net/11527/4459 | |
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 | İnsan Operatör | tr_TR |
dc.subject | Öngörülü Modelleme | tr_TR |
dc.subject | Akıllı Sistemler | tr_TR |
dc.subject | Sistem Tanıma | tr_TR |
dc.subject | Human Operator | en_US |
dc.subject | Predictive Modeling | en_US |
dc.subject | Intelligent Systems | en_US |
dc.subject | System Identification | en_US |
dc.title | İnsan Operatörlerin Akıllı Sistemlerle Modellenmesi | tr_TR |
dc.title.alternative | Intelligent Modeling Of Human Operators | en_US |
dc.type | Master Thesis | en_US |