EMO BİLİMSEL DERGİ Aralık`12 December`12

Transkript

Aralık'12
EMO BİLİMSEL DERGİ
December'12
Elektrik, Elektronik, Bilgisayar, Biyomedikal
Mühendisliği Bilimsel Dergisi
Sayı/Number: 4 Cilt/Volume: 2
Yıl/Year: 2012
ISSN: 1309-5501
The Journal of Electrical, Electronics, Computer and
Biomedical Engineering
Yayın Sahibi
TMMOB Elektrik Mühendisleri
Odası adına
Cengiz GÖLTAŞ
Sorumlu Yazı İşleri Müdürü
Mehmet BOZKIRLIOĞLU
Yayın İdare Merkezi
Ihlamur Sokok No: 10 Kat: 4
Kızılay/Ankara
Tel: (0312) 425 32 72
Faks: (0312) 417 38 18
http://bilimseldergi.emo.org.tr
[email protected]
EMO üyelerine parasız dağıtılır
Teknik Editör
E. Orhan ÖRÜCÜ
Teknik Sekreterya
Emre METİN
Oylum YILDIR
Yayın Türü
Yerel süreli yayın
6 ayda bir yayınlanır
YAYIN KURULU
BAŞ EDİTÖR/EDITOR IN CHIEF
Prof. Dr. A. Hamit SERBEST
Çukurova Üniversitesi
EDİTÖRLER/EDITORIAL BOARD
Prof. Dr. Bahri ERCAN
Hacettepe Üniversitesi
Prof. Dr. Murat EYÜBOĞLU
Ortadoğu Teknik Üniversitesi
Prof. Dr. H. Altay GÜVENİR
Bilkent Üniversitesi
Prof. Dr. Hakan KUNTMAN
İstanbul Teknik Üniversitesi
Basım Adedi
5000
Basım Tarihi
Aralık 2012
Sayfa Düzeni
PLAR
Planlama Yayıncılık Reklamcılık
Turizm İnşaat Tic. Ltd. Şti.
Yüksel Cad. No: 35/12 Yenişehir-Ankara
Tel: (0.312) 432 01 83-93
Faks: (0.312) 432 54 22
e-posta: [email protected]
Baskı Yeri
Mattek Matbaacılık
Basım Yayın Tanıtım Tic. San. Ltd. Şti.
Adakale Sokak No: 32/27 Kızılay/Ankara
Tel: (0312) 433 23 10 • Faks: (0312) 434 03 56
1 9 5 4
TMMOB
Elektrik Mühendisleri Odası
UCTEA/Chamber of Electrical Engineers
EMO BİLİMSEL DERGİ
Elektrik, Elektronik, Bilgisayar, Biyomedikal
Mühendisliği Bilimsel Dergisi
The Journal of Electrical, Electronics, Computer
and Biomedical Engineering
YAYIN KURULU
BAŞ EDİTÖR/EDITOR IN CHIEF
Çukurova Üniversitesi
EDİTÖRLER/EDITORIAL BOARD
Prof. Dr. Bahri ERCAN
Hacettepe Üniversitesi
Prof. Dr. Murat EYÜBOĞLU
Ortadoğu Teknik Üniversitesi
Prof. Dr. H. Altay GÜVENİR
Bilkent Üniversitesi
Prof. Dr. Hakan KUNTMAN
İstanbul Teknik Üniversitesi
DANIŞMA KURULU
Prof.Dr. Metin AKAY Arizona State University
Prof.Dr. Oya KALIPSIZ Yıldız Teknik Üniversitesi
Prof.Dr. Mehmet AKŞİT Twente University
Prof.Dr. İrfan KARAGÖZ Gazi Üniversitesi
Netaş
Prof.Dr. Aydın KÖKSAL Bilişim AŞ
Prof.Dr. Ayhan ALTINTAŞ Bilkent Üniversitesi
Prof.Dr. Volkan ATALAY ODTÜ
Tepa AŞ
SIEMENS
Müjdat ALTAY Serdar BOZKURT Prof.Dr. Alinur BÜYÜKAKSOY GYTE
Prof.Dr. Işık ÇADIRCI Hacettepe Üniversitesi
Doç.Dr. Hakan ÇAĞLAR Anel
Dr.
Cybersoft
Semih ÇETİN Prof.Dr. İnci ÇİLESİZ İTÜ
Pelka
Bülent DAMAR Prof.Dr. Oğuz DİKENELLİ Ege Üniversitesi
Doç.Dr. Ali Hikmet DOĞRU ODTÜ
Dr.
IEEE
Hakan ERDOĞMUŞ Prof.Dr. Muammer ERMİŞ ODTÜ
Prof.Dr. Osman EROĞUL GATA
Prof.Dr. H. Bülent ERTAN ODTÜ
Doç.Dr. H. Özcan GÜLÇÜR Boğaziçi Üniversitesi
Prof.Dr. Yusuf Ziya İDER Bilkent Üniversitesi
Prof.Dr. Yorgo İSTEFANAPULOS Işık Üniversitesi
Fikret KÜÇÜKDEVECİ Prof.Dr. Duran LEBLEBİCİ
Prof.Dr. Kemal LEBLEBİCİOĞLU ODTÜ
Turgay MALERİ Gate ELektronik
Dr.
Ahmet MEREV Tübitak UME
Prof.Dr. Banu ONARAL Drexel Üniversitesi
Prof.Dr. Sermin ONAYGİL İTÜ
Prof.Dr. M. Bülent ÖRENCİK Tübitak MAM Bilişim Enstitüsü
Prof.Dr. Aydoğan ÖZDEMİR İTÜ
Prof.Dr. Erdal PANAYIRCI Kadir Has Üniversitesi
Prof.Dr. Bülent SANKUR Boğaziçi Üniversitesi
Tarkan TEKCAN Vestel
Dr.
Erkan TEKMAN Tübitak UEKAE
Prof.Dr. Belgin TÜRKAY İTÜ
Ahmet Tarık UZUNKAYA Entes AŞ
Prof.Dr. Yekta ÜLGEN Boğaziçi
Inform AŞ
Davut YURTTAŞ EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012
TMMOB Elektrik Mühendisleri Odası
İÇERİK/CONTENTS
Önsöz
Prof. Dr. A. Hamit Serbest
Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro
Ortamda Araştırılması............................................................................................................... 63
Investigation of Photothermal Effects of CQ NIR-IR Lasers on Liver Tissue in vitro
Fikret Yıldız, Ayşe Sena Sarp, Çağlar Gök, Murat Gülsoy, İnci Çilesiz
Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici Tip
Dönüştürücünün Performans Analizi....................................................................................... 69
Performance Analysis of Two Phase Interleaved Converter Controlled by Average Sliding
Mode Control
Fatih Karık
Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin
Analizi.......................................................................................................................................... 77
A Load Flow Analysis for Impacts of Renewable Distributed Generation Conditions on Power
Systems
Asım Kaygusuz, Ozan Gül, Barış Baykant Alagöz
Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için
Güç Faktörü Düzeltmeli Yükselcilerin Karşılaştırması.......................................................... 87
Comparison of Single Phase Power Factor Correction Boost Converters for Fast and
Efficient Charge of Li-ion Batteries Used in Electrical Cars
Burak Akın
Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans
Karşılaştırılması.......................................................................................................................... 95
A Comparison of Text Representation Methods for Turkish Text Classification
M. Fatih Amasyalı, Sümeyra Balcı, Esra Nur Varlı, Emrah Mete
Tek Robottan Çoklu Robotlara Ortam Haritalama.............................................................. 105
Map Building: From Single Robot to Multirobot Sytems
Hakan Karaoğuz, Özgür Erkent, Haluk Bayram, H. Işıl Bozma
EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012
ÖNSÖZ
Değerli Meslektaşlarım,
TMMOB Elektrik Mühendisleri Odası’nın yasal sahibi olduğu “EMO Bilimsel Dergi” ikinci yaşını tamamladı. Daha henüz çok genç bir dergi, iki yılın bilimsel bir dergi için çok kısa olduğunun farkındayız. Ancak,
derginin yayın süreçlerine sağlanan destek, yayınlara gösterilen ilgi ile geleceğe güvenle bakıyoruz.
Dergi veri tabanına 321 meslektaşımız hakem olarak kayıt olmuş durumda. Yayınlanmak üzere gönderilen 80
makalede 115 meslektaşımız ortak yazar olarak yer aldı. Makalelerin incelenmesinde 88 farklı hakem görev
yaptı ve bunlardan 29’u birden fazla kere hakemlik yaptı. Dolayısıyla, derginin bilimsel/teknolojik araştırma
yayın süreçlerine yaklaşık 500 meslektaşımız doğrudan destek sağlamıştır.
Bu dört sayıda yayınlanan 28 makalenin 25’i akademik ve/veya teknolojik bilimsel makale türünde olup 3’ütemalı derleme makaledir. Bunların disiplinlere göre dağılımı ise; %54 elektrik mühendisliği, %14 elektronik
mühendisliği, %7 biyomedikal mühendisliği ve %25 bilgisayar mühendisliği şeklinde gerçekleşmiştir. EMO
Bilimsel Dergi’ye başvurusu yapılmış, değerlendirme süreci devam eden makale sayısı ile 6’dır.
Derginin her sayısı 5.000 adet basılmış ve 2760’ı Türkiye’deki üniversitelerin ilgili fakülteleri, bölüm başkanlıkları, öğretim elemanları olmak üzere teknokent şirketlerine, Ar-Ge merkezlerine, Bakanlık ve TÜBİTAK
destekleri ile Ar-Ge yapan şirketlere gönderilmiştir. Bilindiği gibi, dergiye web üzerinden de erişim sağlanmaktadır. Ayrıca, dergi için yeni bir web sitesi tasarlanarak daha kullanışlı hale getirildi. Yeni sitenin, yayına
girdiği 3 Ocak 2013 tarihinden bugüne (6 Şubat 2013) kadar 1009 farklı IP adresinden ziyaret edildi.
ODTÜ Elektrik-Elektronik Mühendisliği Bölümü öğretim üyesi Sayın Prof. Dr. Kemal Leblebicioğlu “Savunma Teknolojileri” konusunda Konuk Editör olarak 2013 yılında yayımlanmak üzere bir özel sayı hazırlamaktadır. İTÜ Elektrik Mühendisliği Bölümü öğretim üyesi ve ELECO 2012 Düzenleme Kurulu Başkanı Sayın Prof.
Dr. Özcan Kalenderli de Konuk Editör olarak ELECO 2012 Özel Sayısı çalışmalarını yürütmektedir.
Meslektaşlarımızın güvenini sarsmadan ve desteklerini alarak derginin saygınlığını yükseltmek temel hedefimizdir. Öncelikli adım, yurt içinde üniversitelerimizin akademik atama ve yükseltme ölçütlerinde dikkate
alınan bir dergi olmak. Bir sonraki adım ise çok sayıda bilimsel atıf alan ve uluslararası endekslerce taranan
dergiler arasına girebilmek.
Dünya çapında etki değeri (impact factor) yüksek bilimsel dergileri kapsayan çok disiplinli atıf indekslerinden oluşan ISI kapsamında tüm bilim alanlarında Türkiye’den taranan dergi sayısı 2012 yılı itibariyle 74’tür.
Bunlar arasında tüm mühendislik disiplinlerindeki dergi sayısı dört, EMO Bilimsel Dergi’nin disiplinleri olan
elektrik, elektronik, bilgisayar ve biyomedikal alanlarında Thomson Reuters ISI kapsamında olan dergi sayısıysa sadece 1’dir. Bu yayın azlığı ve yayın dillerinin Türkçe olmaması sebebiyle özellikle sanayide yapılan
çalışmalar ile Türkçe yapılmış bilimsel çalışmalar hem ulusal hem de uluslararası akademik dünyaya etkin
bir biçimde aktarılamamaktadır. EMO Bilimsel Dergi’yi uluslararası bilimsel standartlara ve uluslararası veri
tabanlarına uygun olarak hazırlayarak bu etkinliği artırmak amaçlanmaktadır.
En az ulusal düzeyde bilimsel/teknolojik özgünlük içeren araştırmaları Türkçe yayımlayarak akademik çalışmaları sanayiye ve sanayide yapılan çalışmaları da akademik ortama taşıma hedefinden sapmadan EMO
Bilimsel Dergi sürdürülebilir kılınmalı. Bu amaçla katkı yapacak meslektaşlarımızın sayısının hızla artacağına
inanıyoruz.
Saygılarımızla,
Yayın Kurulu Adına
Yıldız F. Sarp A. S., Gök Ç., Gülsoy M., Çilesiz İ., Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin
in vitro Ortamda Araştırılması, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 63-67, Aralık 2012
Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin
Sürekli Dalga NIR-IR Dalgaboylarının
Karaciğerde
Oluşturduğu Isıl Etkilerin
in vitro Ortamda
Araştırılması
in vitro Ortamda
Araştırılması
Sürekli Dalga NIR-IR Dalgaboylarının
Karaciğerde
Oluşturduğu Isıl Etkilerin
in vitro Ortamda Araştırılması
Investigation of Photothermal Effects of CW NIR-IR Lasers on Liver Tissue in
Investigation of Photothermal Effectsvitro
of CW NIR-IR Lasers on Liver Tissue in
Investigation of Photothermal Effectsvitro
of CW NIR-IR Lasers on Liver Tissue in
vitro
Fikret YILDIZ1,2, Ayşe Sena SARP3,Çağlar GÖK3,Murat GÜLSOY3, İnci ÇİLESİZ1
Fikret YILDIZ1,2, Ayşe Sena SARP3,Çağlar GÖK3,Murat GÜLSOY3, İnci ÇİLESİZ1
1
3
Elektronik
Mühendisliği
Fikret YILDIZ1,2, Ayşe 1Sena
SARP3Haberleşme
,Çağlar GÖK
,Murat GÜLSOY3, İnci ÇİLESİZ1
Elektronik
Mühendisliği
İstanbulHaberleşme
Teknik Üniversitesi
1
[email protected],
[email protected]
İstanbulHaberleşme
Teknik Üniversitesi
Elektronik
Mühendisliği
[email protected], [email protected]
2
İstanbul Teknik
Üniversitesi
Biyomedikal
Mühendisliği
Bölümü
2
Biyomedikal
Mühendisliği
Hakkari ÜniversitesiBölümü
2
[email protected]
Hakkari
ÜniversitesiBölümü
Biyomedikal
Mühendisliği
[email protected]
3
Hakkari
Üniversitesi
Biyomedikal Mühendisliği
Enstitüsü,
Biyofotonik Laboratuvarı
[email protected]
3
Enstitüsü,
Boğaziçi Üniversitesi
3
[email protected],[email protected],[email protected].
Boğaziçi
Üniversitesi
Enstitüsü,
Boğaziçi Üniversitesi
performed using H&E staining. Measurements and histology
were
compared
contrasted.
observationsand
showed
that
performed
usingand
H&E
staining.Our
Measurements
histology
1940
nm interacts
liver tissue
due to
relatively
were compared
andwith
contrasted.
Our quickest
observations
showed
that
performed
using H&E
staining.
histology
higher
coefficient
atMeasurements
this
wavelength.
Largest
1940
nmabsorption
interacts
with
liver tissue
quickest
dueand
to relatively
were compared
and coefficient
contrasted.
observations
showed
that
tissue
damage
occurred
at 1940Our
Damage
volumes
were
higher
absorption
atnm.
this
wavelength.
Largest
mesafeden
oluşan karaciğer
ışılısıl zararın
(koagülasyon,
dalgaboylu uygulanarak,
üç farklı laser,
dokusuna
1 cm
1940
nm
interacts
with
liver
tissue
quickest
due
to
relatively
Bu
çalışmasında,
NIR-IR
(1070
nm,
980
nm
ve
1940
nm)
highest
at
980
nm
than
at
1070
nm.
tissue damage occurred at 1940 nm. Damage volumes were
ısıl
yanık veuygulanarak,
ablasyon) zamansal
ve boyutsal
(çap
ve derinlik)
mesafeden
oluşan ışılısıl
zararın
(koagülasyon,
higher at
absorption
coefficient
at this wavelength. Largest
dalgaboylu
üç farklı
laser,
karaciğer
dokusuna
1 cm
highest
980 nm than
at 1070 nm.
tespiti
yapılmıştır.
Ölçülen
değerler,
istatistiksel
fark
ısıl
yanık
ve ablasyon)
zamansal
ve boyutsal
(çap
ve (p<0,05)
derinlik)
tissue
damage
occurred
at
1940
nm. liver
Damage
volumes
mesafeden
uygulanarak,
oluşan
ışılısıl
zararın
(koagülasyon,
Keywords:1070
nm,
980nm,
1940
nm,
tissue,
(H&E) were
göz önüne
alınarakÖlçülen
karşılaştırmalı
değerlendirilmiştir.
tespiti
yapılmıştır.
değerler,olarak
istatistiksel
fark (p<0,05)
highest
at 980 nm
than
at 1070
nm.nm, liver tissue, (H&E)
ısıl
yanık
ve
ablasyon)
zamansal
ve
boyutsal
(çap
ve
derinlik)
staining
Keywords:1070
nm,
980nm,
1940
Dokuda
oluşan
koagülasyon
çap
ve
derinliği
önce
göz önüne alınarak karşılaştırmalı olarak değerlendirilmiştir.
tespiti
yapılmıştır.
Ölçülen
değerler,
istatistiksel
fark
(p<0,05)
staining
makroskopik
olarak
(kalipiyer
ile)çap
dahavesonra
da histolojik
Dokuda
oluşan
koagülasyon
derinliği
önce
Keywords:1070 nm, 980nm,
nm, liver tissue, (H&E)
göz
önüne
alınarak
olarak
1. 1940
Giriş
olarak
(H&E
boyaması
ile) ile)
ölçülerek
karşılaştırılmıştır.
makroskopik
olarak
(kalipiyer
daha değerlendirilmiştir.
sonra
da histolojik
staining
Dokuda
oluşan
koagülasyon
çap
ve
derinliği
önce
Ölçüm
sonuçlarına
göre,
1940
nm
dalgaboyu,
doku
1.
Giriş
olarak (H&E boyaması ile) ölçülerek karşılaştırılmıştır.
Laser kaynaklı
ışılısıl tedavi, lokal tümör tedavisinde
makroskopik
olarak (kalipiyer
ile)
daha
sonraiçin
da histolojik
tarafından
soğurulması
daha
fazlanm
olduğu
en doku
hızlı
Ölçüm
sonuçlarına
göre,
1940
dalgaboyu,
kullanılan
ve
araştırılmaya
devam
edilen
bir tedavisinde
yöntemdir.
Laser
kaynaklı
ışılısıl1. tedavi,
lokal
tümör
Giriş
olarak
(H&E
boyaması
ile)oluşturan
ölçülerek
etkileşime
girip
doku hasarı
dalgaboyu
tarafından
soğurulması
daha
fazla
olduğu
için olmuştur.
en hızlı
Araştırmaların
yoğunlaştığı devam
alanlardan
biri birde yöntemdir.
karaciğer
kullanılan
ve
araştırılmaya
edilen
Ölçüm
sonuçlarına
göre,
1940
nm
dalgaboyu,
doku
Birim zamanda
büyük
dokuoluşturan
hasarı yine
bu dalgaboyunda
etkileşime
girip en
doku
hasarı
dalgaboyu
olmuştur.
Laser
kaynaklı
ışılısıl
tedavi,
lokal tümör
tedavisinde
dokusudur.
Karaciğer,
batılı
ülkelerde
akciğer
ve
meme
Araştırmaların
yoğunlaştığı
alanlardan
biri
de
karaciğer
tarafından
soğurulması
daha
fazla
olduğu
için
en
hızlı
oluşmuştur.
980 en
nmbüyük
dalgaboyu
laser demet
ve uygulama
Birim
zamanda
doku hasarı
yine çapı
bu dalgaboyunda
kullanılan
veKaraciğer,
araştırılmaya
devam
edilen
birsebebi
yöntemdir.
olan
kanserinden
sonra
üçüncü
en
önemli
ölüm
dokusudur.
batılı
ülkelerde
akciğer
ve
meme
etkileşime
girip
doku
hasarı
dalgaboyu
olmuştur.
süresinin
daha
olması oluşturan
nedeniyle
hacimsel
bu
oluşmuştur.
980 büyük
nm
dalgaboyu
laser demet
çapı vehasar
uygulama
Araştırmaların
yoğunlaştığı
alanlardan
biri de
karaciğer
kolorektal
kanserlerin
toplandığı
önemli merkezlerdendir
[1].
olan
kanserinden
sonra
üçüncü
en
ölüm
sebebi
Birim
zamanda
en
büyük
doku
hasarı
yine
bu
dalgaboyunda
dalgaboyunda
yüksekolması
değerlerdedir.
süresinin dahaenbüyük
nedeniyle hacimsel hasar bu
dokusudur.kanserlerin
Karaciğer,
batılı ülkelerde
akciğer
veönceliği
meme
Karaciğer
tümör
tedavisinde
birinci
tedavi
kolorektal
toplandığı
önemli
merkezlerdendir
[1].
oluşmuştur. 980
dalgaboyu
laser demet çapı ve uygulama
dalgaboyunda
ennm
yüksek
değerlerdedir.
olan
kanserinden tümör
sonra üçüncü
en önemli
ölüm
sebebi
ameliyattır.
Ancak
hastaların
sadece
%10-20’si
cerrahi
Karaciğer
tedavisinde
birinci
tedavi
önceliği
süresinin
daha
büyük
olması
nedeniyle
hacimsel
hasar
bu
Anahtar kelimeler:1070 nm, 980 nm, 1940 nm, karaciğer
kolorektal
toplandığı
[1].
operasyonakanserlerin
uygundur.
Bu nedenleönemli
çeşitli merkezlerdendir
alternatif
ameliyattır.
Ancak hastaların
sadece
%10-20’siyöntemler
cerrahi
dalgaboyunda
en
yüksek değerlerdedir.
dokusu,
boyaması
Anahtar (H&E)
kelimeler:1070
nm, 980 nm, 1940 nm, karaciğer
Karaciğer
tümörBu tedavisinde
birinci
tedavi yöntemler
önceliği
araştırılmaktadır.
yöntemlerden
biri de
laserin
dokudaki
operasyona uygundur.
Bu nedenle çeşitli
alternatif
dokusu, (H&E) boyaması
ameliyattır.
hastaların
cerrahi
ısıl etkisindenAncak
yararlanmaktır
[2]. sadece
Bu yöntemlerden
biri de%10-20’si
laserin dokudaki
Anahtar kelimeler:1070 nm, 980 nm, 1940 nm, karaciğer
operasyona
uygundur.
Bu
nedenle
çeşitli
alternatif yöntemler
Laser-doku
etkileşimi
hem
doku
parametrelerine
(soğurma
ısıl
etkisinden
yararlanmaktır
[2].
dokusu, (H&E) boyaması
Bu
yöntemlerden
biri
de laserin
dokudaki
Abstract
katsayısı,
saçılma
katsayısı,
faktörü,
ısıl iletkenlik,
Laser-doku
etkileşimi
hemanizotropi
doku parametrelerine
(soğurma
ısıl
etkisinden
yararlanmaktır
[2].
ısıl
kapasite
ve
mekanik
dayanıklılık)
hem
de laser
Abstract
katsayısı, saçılma katsayısı, anizotropi faktörü, ısıl iletkenlik,
In this experimental study, three different laser sources in the
Laser-doku
etkileşimi
hem
doku parametrelerine
(soğurma
parametrelerine
(dalgaboyu,
uygulama
süresi, uygulama
ısıl
kapasite
ve
mekanik
dayanıklılık)
hem
de laser
NIR-IR
region, 980 nm,
1070
nm,different
and 1940
nmsources
were applied
In
this experimental
study,
three
laser
in the
Abstract
katsayısı,sürekli
saçılma
katsayısı,
faktörü,
ısıllaserin
iletkenlik,
enerjisi,
yada
darbe anizotropi
modunda
kullanımı,
enerji
parametrelerine
(dalgaboyu,
uygulama
süresi,
uygulama
from 1 region,
cm distance
on 1070
livernm,
tissue.
NIR-IR
980 nm,
and Photothermal
1940 nm were damage
applied
ısıl kapasite
ve darbe
mekanik
dayanıklılık)
hem
deenerji
laser
yoğunluğu,
güç
yoğunluğu)
bağlıdır
[3].
Dokuya
uygulanan
enerjisi,
sürekli
yada
modunda
kullanımı,
laserin
In
this1experimental
study,
three
different
laser
inasthe
(coagulation,
carbonization
andtissue.
ablation)
was sources
assessed
a
from
cm distance
on liver
Photothermal
damage
parametrelerine
(dalgaboyu,
uygulama
süresi,
uygulama
laser
enerjisinin
doku
tarafından
soğurulan
kısmı
ısıya
yoğunluğu, güç yoğunluğu) bağlıdır [3]. Dokuya
uygulanan
NIR-IR region,
980 nm,
1070
nm,
and 1940
nmassessed
were
applied
function
of exposure
time,
and
damage
dimensions
(diameter
(coagulation,
carbonization
and
ablation)
was
as a
enerjisi,
sürekli
darbe
modunda
kullanımı,
dönüştürülür
veyada
doku
hasarı
oluşur [4](Şekil
1.1).laserin
laser
enerjisinin
doku
tarafından
soğurulan
kısmı enerji
ısıya
from
1
cm
distance
on
liver
tissue.
Photothermal
damage
and
depth)
were
measured.
Results
were
statistically
function of exposure time, and damage dimensions (diameter
yoğunluğu, güç
yoğunluğu)
bağlıdır
[3]. Dokuya
uygulanan
dönüştürülür
ve
doku
hasarı
oluşur
[4](Şekil
1.1).
(coagulation,
carbonization
and
ablation)
was
assessed
as
a
(p<0.005)
and histological
were
and
depth) analyzed
were measured.
Results evaluations
were statistically
laser enerjisinin doku tarafından soğurulan kısmı ısıya
function
damage dimensions
(diameter
(p<0.005)of exposure
analyzed time,
andand
histological
evaluations
were
dönüştürülür ve doku hasarı oluşur [4](Şekil 1.1).
and depth) were measured. Results were statistically
(p<0.005) analyzed and histological evaluations were
Özet
Özet
Bu çalışmasında, NIR-IR (1070 nm, 980 nm ve 1940 nm)
dalgaboylu
üç
farklı
laser,
dokusuna
cm
Bu çalışmasında, NIR-IR (1070
nm, 980 nm
ve 19401 nm)
Özetkaraciğer
63
Şekil 1.1: Laser enerjisinin ısıya dönüşümü ve doku hasarı
oluşumu [4]
Uygulama süresine bağlı olarak dokuda sırasıyla hipertermi,
koagülasyon (ısıl haraplama), ablasyon (doku kaldırılması),
karbonizasyon (yanık) ve doku parçalanması oluşur.
Koagülasyon 55 ile 95 °C arasında doku proteinlerinin
geridönüşümü
olmayan
hasara
uğraması
olarak
tanımlanır. 100 ºC
civarında buharlaşma ve ablasyon
başlarken 150 ºC’den sonra karbonizasyon başlar. Laser
tedavisinde tedaviye bağlı olarak çeşitli dalgaboyunda laserler
koagülasyon, karbonizasyon ve ablasyon için kulllanılabilir.
Yakın kızılaltı (NIR) ve kızılaltı (IR) dalgaboylu laserlerle
doku kesimi ve ablasyonu için uygundur ve baskın olan doku
soğurganı su molekülüdür. Laserin doku tarafından soğurulma
derecesi dokuda oluşan hasarın derecesini belirler. Laserin
dokuda daha az soğurulması laser enerjisinin daha derinlere
inebileceği anlamına gelir. Dokunun yüksek soğurma katsayısı
da dokunun daha kolay ablasyona uğramasına sebep olur [58].
Literatürde, laser-doku etkileşim mekanizmaları sadece laser
parametreleri açısından incelendiğinde bu etkileşimler sonucu
oluşan mekanizmaların sınıflandırılması enerji yoğunluğu
(J/cm2), güç yoğunluğu (Watt/cm2) ve uygulama süresine (sani
ye) göre yapılmaktadır (Şekil 1.2).
Laserin dalgaboyu, dokuda oluşan saçılma ve soğurulmayı
belirler (Şekil 1.3). Enerji yoğunluğu da oluşan ısıl hasarın
boyutunu belirlemede önemli bir parametredir [10].
Laser dokuya düz (bare) ve saçıcı (diffusing) fiber optik
kullanılarak uygulanabilir ve istenilen uygulamaya göre bu iki
fiberden biri seçilebilir [11]. Çapı 200-600 µm arasında
değişen düz fiberin avantajı kolaylıkla dokuya uygulama
imkanı vermesi ve küçük çapta ısıl hasar için uygun olmasıdır
[12].
Laser-doku etkileşiminde temel amaç, tedaviye ek olarak
tedavi sırasında hedef bölgenin çevresindeki
sağlıklı
dokuların da korunmasıdır. Bunun için çeşitli dalgaboyları
araştırılmaktadır ve hücre ölümünün başladığı koagülasyon
için sıcaklık değerleri ve uygulama sürelerinin eşik değerleri
belirlenmesi önemlidir [5,13]. Bununla beraber karbonizasyon
ve ablasyon uygulamaları için de ablasyon ve karbonizasyon
başlama sürelerinin belirlenmesi de sağlıklı dokuların
minimum hasarı için önemlidir.
Şekil 1.3: Karaciğer dokusunun soğurma katsayısının üç farklı
dalgaboyuna göre değişimi [14]
Bu çalışmada, in vitro ortamda karaciğer dokusunda 1070 nm,
980nm ve 1940 nm dalgaboylarının koagülasyon, karbonizasyon başlama süreleri ölçülmüştür ve ablasyon etkinliği
gözlenmiştir. Bu uygulama sürelerinde oluşan ısıl hasarın
boyutu makroskopik ve histolojik olarak değerlendirilmiştir.
Ayrıca çevre dokuların uygulama süresi boyunca en az zarar
görmesi için önemli bir parametre olan güvenli zaman aralığı
(koagülasyon ile karbonizasyon arasındaki süre) tanımı
yapılmıştır.
2.Materyal/Yöntem
Şekil 1.2: Laser doku laser doku etkileşim mekanizmaları [9].
Etkileşim mekanizmalarının oluşması için gerekli enerji
yoğunluğu 1-1000 J/cm2 arasında değişirken güç yoğunluğu
10-3 -1015 W/cm2 arasında değişmektedir. Güç yoğunluğu ve
uygulama süresi arasındaki ilişkiden yararlanarak bütün
etkileşim mekanizmaları için gerekli enerji yoğunluğunun
neredeyse aynı aralıkta olduğu sonucu çıkarılabilir. Sonuç
olarak laser-doku etkileşim mekanizmalarının oluşması birinci
dereceden laser uygulama süresine bağlıdır.
64
Mahalle kasabından taze olarak alınan dana karaciğeri
standart olarak 4 mm ± 1 mm kalınlıkta ve 6 cm ± 0,5 cm
çapında kesilmiştir. 1070 ve 980 nm dalgaboyları 4-10W,
1940 nm dalgaboyu da 1-3 W güç aralığında karaciğer
dokusuna 1 cm mesafeden koagülasyon ve karbonizasyon
oluşana kadar 600 µm çaplı düz (bare) fiberle
uygulanmıştır. Laserin dokuda oluşturduğu hasar, laserin güç
yoğunluğuyla doğru orantılı olduğundan değerlendirmeler güç
yoğunluğuna göre yapılmıştır. Güç yoğunluğu (ϕ, Watt/mm2)
aşağıdaki formülle hesaplanmıştır. P doku üzerine uygulanan
güç değerini, A ise laser demet alanını göstermektedir.
(1)
1070 nm dalgaboylu laser kaynağı için laser demet çapı 1,2
mm, 980 nm diyot laser için 2,4 mm ve 1940 nm Tm – fiber
laser için 1,9 mm olarak ölçülmüştür. Doku üzerinde laser
demet çapları ölçüldüğü için, optik fiberin sayısal açıklık
değeri ayrıca ölçülmemiştir. Buna göre dokuya uygulama
1070 nm’de 3,5-8,8 W/mm2 , 980 nm’de 0,8-2,2 W/mm2 ve
1940 nm dalgaboyunda 0,35-1,05 W/mm2 güç yoğunluğu
aralığında yapılmıştır.
2.1 Histolojik ve makroskopik değerlendirme
Laser uygulanması kesildikten sonra doku örnekleri laserin
uygulama yönüne paralel olarak kesilerek eksenel ve radyal
doku hasarı belirlenmiştir. Bu çalışmada histolojik
değerlendirmeler için Hematoksilen-Eosin (H&E) boyaması
kullanılmıştır. Doku takibine başlamadan önce, karaciğer doku
örnekleri %10’luk nötral formalin çözeltisinde 48 saat süreyle
bekletilerek
dokunun
mevcut
durumunu
koruması
sağlanmıştır. Dokular formalin çözeltisinden çıkarıldıktan
sonra, kasetlere yerleştirilmiş ve dehidrasyon işlemine tabi
tutulmuştur. Dehidrasyon işlemi, 12 adımdan oluşmaktadır ve
Leica TP1020 Vakumlu Doku Takip Cihazı ile
gerçekleştirilmiştir. Doku takibi yapılan doku örneklerinin
daha sonraki safhada parafine gömülebilmesi için, doku
takibinden alınan kasetler gömme cihazının 60 °C sıcaklıkta
olan bölümlerinde bekletilmiştir. Kasetlerdeki dokuları metal
kaplara gömmek için ayrı ayrı çıkartılarak gömme işlemine
hazırlanmıştır. Parafine gömülmüş dokulardan kesit alma
işlemi, 5-10 µm kalınlığında kesit alabilen otomatik mikrotom
ile yapılmıştır (Leica RM2255, Germany) ve histolojik
görüntüler mikroskop altında incelenmiştir. Makroskopik
ölçümler de kalipiyer ile yapılmıştır.
Ölçümler arasındaki varyans değerlerini karşılaştırmak için
ANOVA (Analysis of variance) testi uygulanmıştır ve fark
seviyesi p<0,05 kabul edilmiştir. Farklı uygulama güçleri
arasında karşılaştırma yapmak için 980 nm ve 1070 nm için
fark seviyesi p < 0,007, 1940 nm için de fark seviyesi p<0,01
olarak kabul edilmiştir.Varyansları eşit olan gruplar için
Tukey testi, varyansları eşit olmayan gruplar için Tamhane’s
2 testi kullanılmıştır.
%37’ye düştüğü derinlik olarak tanımlanır ve aşağıdaki gibi
formülize edilir [15-17].
(2)
µt dokunun toplam zayıflatma katsayısını göstermektedir.
Optik girginlik 980 nm için 1,9 mm, 1070 nm için 4,7 mm ve
1940 nm için de 0,0625 mm olarak kabul edilmiştir [14,18].
980 nm laser dalgaboyunun soğurulması 1940 nm
dalgaboyuna göre daha düşük olduğundan ve dokudaki
saçılması büyük olduğundan oluşan normalize koagülasyon
çapı değerleri de daha büyüktür ve güç yoğunluğunun artışıyla
azalmaktadır (p<0,007). 1070
nm
dalgaboyunda
güç
yoğunluğunun artması koagülasyon çapını da arttırmaktadır
(Şekil 3.1).
1070 nm dalgaboyunda 3 ve 3,7 W/mm2 güç yoğunluklarının,
ayrıca yine aynı dalgaboyunda 4,5, 5,3, 6, 6,8 ve 7,5 W/mm2
güç yoğunluklarının oluşturduğu koagülasyon çaplarının kendi
aralarında anlamlı bir fark bulunmamıştır (p>0,007). 1940 nm
dalgaboyunda, üç farklı laser uygulama değerinin (0,3; 0,6 ve
0,9 W/mm2) oluşturduğu koagülasyon çapı, güç yoğunluğu
artışıyla doğrusal olarak değişmesine rağmen, bu değişim
istatistiksel olarak bir anlamlı değildir. 1940 nm için oluşan
koagülasyon çapı uygulanan güç değişkeninden bağımsızdır
(p>0,01). 980 nm dalgaboyunun koagülasyon çapı değeri, güç
yoğunluğu artışıyla beraber azalarak laser demet çapına
yaklaşırken 1070 nm dalgaboyun da güç yoğunluğundaki
artışla beraber koagülasyon çapı da artış eğilimi göstererek
laser demet çapına yaklaşmaktadır. Üç dalgaboyunun genel bir
güç yoğunluğu-ısıl hasar karakteristiği belirlemek için, ölçüm
aldığımız güç yoğunluğu aralığındaki değerleri kullanarak her
dalgaboyu için eğri uydurması (kestirimi) yapılmıştır. (Nokta
değerler ölçülen değerleri, kesik çizgiler de ölçüm
sonuçlarıyla en uygun eğrileri göstermektedir)
3. Sonuç
Ölçümlerde koagülasyona başlama süresi (t1 ,sn) ve bu sürede
dokuda oluşan koagülasyon çapı (ɸ, mm) ölçülmüştür.
Karbonizasyonu gözlemlemek için laser doku yüzeyine
karbonizasyon
oluşuncaya
kadar
uygulanmıştır. Bu
karbonizasyon süresi (t2, sn) kaydedilmiştir ve bu sürede
oluşan koagülasyon derinliği ölçülmüştür.
Laserin karaciğer dokusuna önce koagülasyon başlama
süresine kadar sonra da karbonizasyon başlayana kadar
uygulanmasıyla elde edilen ölçümleri kullanarak üç farklı
dalgaboyunun farklı uygulama güçleri için güvenli süre aralığı
belirlenmiştir. Histolojik
ölçümlerde
de
(t3 = t2-t1, sn)
koagülasyon ve karbonizasyon başlama süresinde dokuda
oluşan ısıl hasarlar gözlenmiştir. Ölçüm sonuçlarının
gösterildiği grafiklerde, koagülasyon çap değerleri, oluşan ısıl
hasarın (koagülasyon) laser demet çapından bağımsız
karşılaştırılmasını yapabilmek için laser demet çapına
normalize edilmiştir. Koagülasyon derinliği de laserin
dokudaki optik girginliğe normalize edilerek grafikler
çizilmiştir. Optik girginlik laserin başlangıç enerji değerinin
Şekil 3.1: Güç yoğunluğuna
(koagülasyon) çapı değişimi
göre
ısıl
haraplama
Üç farklı dalgaboyundaki laser kaynaklarının ısıl haraplama
başlama sürelerini karşılaştıracak olursak, güç yoğunluğu
artışı ile üç dalgaboyu için de ısıl haraplama başlama zamanı
azalmaktadır. Koagülasyona(ısıl haraplama) başlama süresi,
980 nm de 1,4 W/mm2’den sonra güç yoğunluğundan
bağımsızdır. 1070 nm için 4,5, 5,3 ve 6 W/mm2 güç
yoğunlukları ve 1940 nm’de 0,6 ve 0,9 W/mm2 güç
yoğunluklarının koagülasyona başlama süreleri arasında
istatistiksel olarak anlamlı bir fark yoktur. Çalışılan güç
yoğunluklarında 980 nm’nin ısıl haraplamaya (koagülasyon)
başlama süresi 1070 nm dalgaboyununundan daha büyüktür
(Şekil 3.2). Bunun sebebi, 980 nm dalgaboyunun güç
65
yoğunuğunun 1070 nm dalgaboyunun güç yoğunluğundan
daha düşük olması ve saçılmasının daha büyük olmasıdır. 980
nm dalgaboyu, koagülasyon eşik değerinin aşılması için daha
uzun süre dokuya uygulanmıştır.
Şekil 3.2: Güç yoğunluğuna göre ısıl haraplama başlama süresi
Üç dalgaboyu için de güç yoğunluğu artışıyla oluşan
normalize koagülasyon derinliği arasında yaklaşık doğrusal bir
değişim izlenmişse de bu değişimler istatistiksel olarak
anlamlı bulunmamıştır. Özelikle 1940 nm ışıma dalgaboyunda
sınırlı sayıda veri elde edilebildiği için önemli bir değişim
görülmemiştir. 980 nm ve 1070 nm dalgaboylarının uygulama
süresi ve güç yoğunlukları farklı olmasına rağmen oluşan
koagülasyon derinlikleri arasında anlamlı bir fark yoktur.
Laser uygulanması sırasında dokunun ölmeye başladığı sınır
değerlerinin belirlenmesi çevre dokuların daha az zarar
görmesi açısından önemlidir. Bu nedenle güvenli süre aralığı
olarak tanımladığımız sürede laser dokuya güvenli bir şekilde
uygulanabilir. 980 nm dalgaboyunda 1,4 W/mm2 ’den sonraki
güç yoğunlukları için güvenli süre aralığı arasında anlamlı bir
değişim yoktur. 980 nm’de güvenli süre aralığının zamanla
değişimi daha hızlıdır. 1070 nm dalgaboyunda da 4,5W/mm2
’den sonra güç yoğunluğu artsa da güvenli süre aralığı için
değişim istatistiksel olarak anlamsızdır. 1940 nm’de ise üç
farklı güç yoğunluklarında güvenli süre aralığı farklıdır ve
zamanla azalmaktadır (Şekil 3.5).
Karbonizasyona (yanık) başlama süresinde de üç dalgaboyu
için zamanla azalan bir değişim vardır. Dokuda koagülasyon
sonucu oluşan haraplama çapı arttığında iletkenlik azalır ve
doku soğurduğu ısıyı dağıtamaz ve yanık oluşur. 980 nm için
0,8-2 W/mm2, 1070 nm için 6, 6,8 ve 7,5 W/mm2 güç
yoğunluğu aralığı için karbonizasyona başlama süreleri
arasında anlamlı bir istatistiksel fark yoktur (p>0,007). 1070
nm dalgaboyunda güç artışıyla karbonizasyon başlatma süresi
arasındaki ilişkiyi gösteren eğri daha yavaş bir düşüş
gösterirken, 980 nm için bu düşüş daha keskindir. 1940 nm
dalgaboyunda 0,6- 0,9 W/mm2 için karbonizasyon oluşturma
süreleri arasındaki fark istatistiksel olarak anlamlı değildir
(Şekil 3.3). Bu sürede (t2, sn) oluşan normalize koagülasyon
derinliği değerleri Şekil 3.4’tedir.
Şekil 3.5: Güç yoğunluğu ile güvenli süre arasındaki ilişki
Şekil 3.3: Farklı güç yoğunluklarında üç farklı dalgaboyuna
sahip laserlerin dokuda yanık olayını başlatmaları için geçen
süre
Şekil 3.4: Optik girginliğe normalize koagülasyon değerleri
66
Düşük güç yoğunluğuna rağmen (0,3, 0,6, 0,9 W/mm2) 1940
nm dalgaboyu karbonizasyon için en tehlikeli dalgaboyudur.
Suyun soğurma katsayısı bu dalgaboyu civarında diğer iki
dalgaboyuna göre daha fazla olduğu için soğurulan laser
enerjisinin hızlı bir şekilde ısıya dönüştürülüp derinlere
ilerleyemeden hasar oluşturduğunu gözlemledik.
Laser dokuda eksenel olarak ilerlediğinden ve makroskopik
boyutta, oluşan eksenel hasarı direkt göremediğimiz için
histolojide en çok kullanılan H&E boyaması yapılmıştır.
Şekil 3.6’ da 1940 nm’ de 0,3 W/mm2 güç yoğunluğunda
dokuda oluşan ısıl hasar gösterilmiştir. Histolojik görüntülerde
koagülasyon, karbonizasyon ve ablasyon sınırlarının
belirlenmesi doku parçalanması ve renk yoğunluğu
kullanılmıştır. Koagülasyon bölgesi referans olarak aldığımız
karaciğer dokusuna göre biraz daha açık renklidir ve bu
bölgede doku gevşemeleri oluşmuştur. 1940 nm dalgaboyu
karaciğer dokusunda hem ablasyonu hem de karbonizasyonu
etkili bir şekilde oluşturduğu için en iyi sonuçları bu
dalgaboyunda gözlemledik.
[3]
Şekil 3.6 : 1.Bölge; Yanık bölgesini, 2.Bölge Isıl haraplanma
bölgesini , 3.Karaciğer dokusunu göstermektedir.
4. Tartışma
Karaciğer dokusunda, radyal doku hasarı oluşturmak için 980
nm’de 1 W/mm2 (sistemimizde 5 W), 1070 nm’de ise 4,5
W/mm2 güç yoğunluğu (sistemimizde 6 W) değerleri en
yüksek uygulama değerleri olarak kabul edilebilir. Bu güç
yoğunluklarından daha yüksek güç yoğunluğu dokuda anlamlı
bir koagülasyon çapı değişimi oluşturmaz ve sadece çevre
dokuların daha fazla haraplanmasına sebep olur. 1940 nm
dalgaboyunda da 0,3 W/mm2 (sistemimizde 1 W) koagülasyon
çapı için en uygun değeridir. 1070 nm dalgaboyu doku
tarafından daha az soğurulduğu için en güvenli dalgaboyudur.
1070 nm’de güç yoğunluğu artışıyla bu güvenli süre aralığı
plato oluşturma eğilimindedir. 980 nm dalgaboyunun laser
demet çapından dolayı dokunun birim alanındaki enerji
yoğunluğu daha azdır ve 1940 nm dalgaboyuna göre daha
güvenlidir. 980 ve 1940 nm dalgaboylarının güvenli süre
aralıkları güç yoğunluğuyla üstel bir değişim gösterir. 1940
nm dokuyla hızlı bir etkileşime girmesinden dolayı
uygulamalarda el ile kontrol yerine bilgisayar kontrollü
yapmak çevre dokuların korunması için uygun olabilir.
Ablasyon için en uygun dalgaboyu 1940 nm’dir ve üç farklı
güç yoğunluğunda da ablasyon oluşmuştur. 1940 nm’de
ablasyonla beraber hemen karbonizasyon oluştuğundan,
karbonizasyon derinliği ablasyon derinliği olarak kabul
edilebilir. 1070 nm dalgaboyunda 3-7,5 W/mm2 güç
yoğunluğu aralığında ablasyon oluşmazken 980 nm
dalgaboyunda ise sadece 1,6 W/mm2 güç yoğunluğunda
ablasyon oluşmuştur.
5.Teşekkürler
Bu çalışma İTÜ-BAP 3544 I-Tipi proje desteği ile
tamamlanmıştır.
Boğaziçi Üniversitesi Biyomedikal Enstitüsü ve Biyofotonik
Laboratuvarı’na 1070 nm ve 1940 nm laserlerini kullanma
fırsatı ve histolojik analize verdikleri katkıdan dolayı
teşekkürlerimizi sunarız.
6.Kaynaklar
[1] Vogly, J.T., Eichler, T., Straub, R., Engelmann K.,
Zangos, S., Woitaschek, D., Böttger, M. and Mack,
M.G. “Laser-induced thermotherapy of malignant liver
tumors: general principals, equipment(s), procedure(s) –
side effects, complications and results”. European
Journal of Ultrasound. 13 : 117–127,2001.
[2] Ortw, K., Russ, D., Duerr, J., Hıbst, R.,Mattfeldt, T.,
Steiner, R., Beger, H.G. ”Laser Coagulation Zones
Induced with the Nd-YAG Laser in the Liver” Lasers in
Medical Science , 12:137-143,1997.
Çilesiz, İ. “Laser–Tissue Interactions.” In Encyclopedia
of Optical Engineering. DOI: 10.1081/E-EOE
120009714,2004.
[4] Watanabe, S.. “Basics of laser application to
dermatology”. Archive of Dermatological Research,
volume
300,
Supplement
1,
21–30.
DOI
10.1007/s00403-007-0801-6,2008.
[5] Heisterkamp, J., van Hillegersberg, R., and IJzermans,
J.N.M. “Critical Temperature and Heating Time for
Coagulation Damage: Implications for Interstitial Laser
Coagulation (ILC) of Tumors” Lasers in Surgery and
Medicine 25:257–262,1999.
[6] Geldi C., Bozkulak Ö., Tabakoğlu Ö., İşçi Ş., Kurt A.,
and Gülsoy M. “Development of a Surgical Diode-Laser
System: Controlling the Mode of Operation”
Photomedicine and Laser Surgery, 24, 723-729,2006
[7] Javad, M.M., Abdul Qader, S.T., Zaidan, A.A., Naji,
A.A ve Abdul Qader, I.T.”An overwiew of laser
principle, Laser-Tissue Interaction Mechanisms and
Laser Safety Precaution for Medical Laser
Users”.International Journal of Pharmacology 7(2): 149160. ISSN 1811 7775/DOI:10.3923/ijp.2011.149.160
,2011.
[8] Raulin, C., and Karsai (eds.), S.” Laser and IPL
Technology in Dermatology and Aesthetic Medicine”
DOI: 10.1007/978-3-642-03438-1,2011.
[9] Peng, Q., Juzeniene, A. , Chen, J., O Svaasand,L.,
Warloe, T., Giercksky, K.R ve Moan, M. “Lasers in
medicine” Rep. Prog. Phys., volume 71, issue 5,
doi:10.1088/0034-4885/71/5/056701,2008
[10] Niemz M. H., “Laser-Tissue Interactions: Fundamentals
and Applications”Third Revised Edition, SpringerVerlag, Berlin, 2004.
[11] Heisterkamp, J., van Hillegersberg, R., Sinofsky, E., ve
IJzermans,J.N.M. “HeatResistant Cylindrical Diffuser
for Interstitial Laser Coagulation: Comparison With the
Bare Tip Fiber in a Porcine Liver Model” Lasers in
Surgery and Medicine 20:304–309 ,1997.
[12] Knappe,V., Roggan, A., Glotz, M., Müller, M., Rıtz, J.P.,
Germer, C.T., and Müller, G. “New Flexible Applicators
for Laser-Induced Thermotherapy”Med. Laser Appl. 16:
73–80,2001.
[13] Gülsoy, M., Çelikel, T., Kurt, A., Canbeyli, R., Cilesiz,
I.. “Er:YAG Laser Ablation of Cerebellar and Cerebral
Tissue”Lasers Med.Sci, 16:40–43© Springer-Verlag
London Limited,2001.
[14] Ritz,. J.P., Roggan,.A., Isbert,.I., Müller, G., Buhr, H.J.,
and Germer, C.T.“Optical Properties of Native and
Coagulated Porcine Liver Tissue Between 400 and 2400
nm”. Lasers in Surgery and Medicine 29:205-212 ,2001.
[15] Bachmann, L., and Zezell, D.M."Laser Physics and
Laser Tissue Interaction", Lasers in Dentistry, Practical
text book, pp. 1-14,2010.
[16] Cox, B.T.” Introduction to Laser-Tissue Interactions”,
PHAS 4886, Optics in Medicine, 1-62, March,2007.
[17] İkurova, L., Habodaszova, D., Gonda, M.,Waczulikova,
I.,and Vojtek, P.“Penetration of Laser Light through
Blood Derivatives” Laser Physics, vol. 13, No. 2, pp.
217–221,2003.
[18] Knappe., V., Frank., F., Mesecke-von Rheinbaben., I.,
Roggan., A., and Müller., G. “Investigations to Compare
Various Laser Wavelengths for Laser- Induced
Interstitial Thermotherapy (LITT)” Laser Physics,
volume. 13, No. 1, pp. 41–44,2003.
67
68
Karık F., Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici Tip Dönüştürücünün Performans Analizi,
EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 69-75, Aralık 2012
Ortalama
Kayan Kip
Metodu
ile Denetlenen
Iki
Sarmaşık
Yapılı
Yükseltici
Tip
İIki Fazlı
Ortalama
Metodu
Fazlı
Sarmaşık
Yapılı
Yükseltici
Tip
Ortalama Kayan
Kayan Kip
Kip Dönüştürücünün
Metodu ile
ile Denetlenen
Denetlenen
Iki
Fazlı
Sarmaşık
Yapılı
Yükseltici
Tip
Performans
Analizi
Dönüştürücünün
Performans
Analizi
Ortalama Kayan
Kip
Metodu
ile Denetlenen
IkiConverter
Fazlı
Sarmaşık
YapılıbyYükseltici
Tip
Performans
Analizi
Performance
Analysis
of
Two
Phase
Interleaved
Controlled
Average
Performance
Analysis
of
Two
Phase
Interleaved
Converter
Controlled
by
Average
Performans
AnaliziControlled by Average
Performance Analysis of
TwoSliding
Phase Mode
Interleaved
Converter
Control
Sliding
Mode
Control
Performance Analysis of Two
Phase
Interleaved
Sliding
Mode
ControlConverter Controlled by Average
1
Fatih
Sliding
Mode
FatihKarık
Karık11 Control
Fatih Karık
1
1
1T.C. Enerji ve Tabii Kaynaklar Bakanlığı,
Yenilenebilir
Fatih Karık
1T.C. Enerji ve Tabii Kaynaklar Bakanlığı,
YenilenebilirEnerji
EnerjiGen.
Gen.Müd.
Müd.
T.C. Enerji ve Tabii Kaynaklar
Bakanlığı, Yenilenebilir Enerji Gen. Müd.
[email protected]
[email protected]
1
[email protected]
T.C. Enerji ve Tabii Kaynaklar Bakanlığı, Yenilenebilir Enerji Gen. Müd.
[email protected]
Özet
Özet
Özet
Bu çalışmada, sürekli iletim modunda (SİM) çalışan iki fazlı
Bu çalışmada, sürekli iletim modunda (SİM) çalışan iki fazlı
Özet (SİM)kapsamlı
Bu çalışmada,
iletim modunda
çalışan iki
fazlı
sarmaşık
yapılısürekli
güç faktörü
düzelticinin
analizi
sarmaşık yapılı güç faktörü düzelticinin kapsamlı analizi
sarmaşık yapılı
kapsamlı
analizi
yapılmıştır.
Birim güç
güç faktörü
faktörü düzelticinin
(GF) ve daha
düşük toplam
yapılmıştır.
Birim sürekli
güç faktörü
ve daha
toplam
Bu çalışmada,
iletim (GF)
modunda
(SİM)düşük
çalışan
iki fazlı
yapılmıştır.bozulma
Birim güç
faktörü
(GF) veiçin
daha
düşük toplam
harmonik
(THB)
sağlamak
dönüştürücünün
harmonik
(THB)
sağlamak
için dönüştürücünün
sarmaşıkbozulma
yapılı güç
faktörü
düzelticinin
kapsamlı analizi
harmonik
bozulma
(THB) sağlamak
için vedönüştürücünün
gerilim
kontrolü
oransal-integral
kontrolörle
akım kontrolü
gerilim
kontrolüBirim
oransal-integral
ve akım
kontrolü
yapılmıştır.
güç faktörükontrolörle
(GF) ve daha
düşük
toplam
gerilim kontrolü
kontrolörle
kontrolü
ortalama
kayan oransal-integral
kip kontrolörle
(OKKK)ve akım
sağlanmıştır.
ortalama
kayan
kip (THB)
kontrolörle
(OKKK)
harmonik
bozulma
sağlamak
için sağlanmıştır.
dönüştürücünün
ortalama kayan analizi
kip kontrolörle
(OKKK)
sağlanmıştır.
1kW gücünde
ve 50kHz/hücre
1kW gücünde
ve ve
50kHz/hücre
gerilim kontrolüanalizi
oransal-integral
kontrolörle
akım kontrolü
Dönüştürücününyapılan
analizi
1kW
gücünde ve sunulmuştur.
50kHz/hücre
frekansında
benzetimlerle
frekansında
yapılan
benzetimlerle
ortalama kayan
kip kontrolörle
(OKKK)sunulmuştur.
sağlanmıştır.
frekansında
yapılan
benzetimlerle
sunulmuştur.
akım-gerilim
kontrol
metodunun
kontrol ve metodunun
Dönüştürücünün akım-gerilim
analizi
1kW gücünde
50kHz/hücre
akım-gerilim
metodunun
performansı,
giriş gerilimi
ve yük kontrol
değişimi gibi
farklı
performansı,
gerilimi ve benzetimlerle
yük değişimi gibi
farklı
frekansındagiriş yapılan
sunulmuştur.
performansı, çalıştırılmasıyla
giriş gerilimi veMatlab/Simulink
yük değişimi gibi
farklı
durumlarda
programı
durumlarda
çalıştırılmasıyla
Matlab/Simulink
akım-gerilim
kontrol programı
metodunun
durumlarda araştırılmıştır.
programı
yardımıyla
Ek Matlab/Simulink
olarak, bobin değerinin
yardımıyla
araştırılmıştır.
Ek ve
olarak,
bobin değerinin
performansı,
giriş gerilimi
yük değişimi
gibi farklı
yardımıyla araştırılmıştır.
olarak, bobinperformansı
değerinin
değişimine
göre
kontrol Ek yönteminin
değişimine
kontrol
yönteminin
performansı
durumlardagöre
Matlab/Simulink
programı
değişimine
göre
kontrol
yönteminin
performansı
gösterilmiştir.
gösterilmiştir.
yardımıyla araştırılmıştır. Ek olarak, bobin değerinin
gösterilmiştir.
Anahtar
kelimeler:Sarmaşık dönüştürücü, birim güç
Anahtar
kelimeler:Sarmaşık
güç
değişimine
göre
kontroldönüştürücü,
yönteminin birim
performansı
Anahtar kelimeler:Sarmaşık
dönüştürücü, birim güç
faktörü,ortalama
kayan kip kontrol.
faktörü,ortalama
gösterilmiştir. kayan kip kontrol.
faktörü,ortalama kayan kip kontrol.
Anahtar kelimeler:Sarmaşık dönüştürücü, birim güç
faktörü,ortalama kayan
kip kontrol.
Abstract
Abstract
Abstract
In this study, a comprehensive performance analysis of power
In this study, a comprehensive performance analysis of power
Abstract
In thiscorrection
study, a comprehensive
performance
analysis
of phase
power
factor
control method
is presented
for two
factor correction control method is presented for two phase
factor correction
control
method
is presented
forconduction
two phase
interleaved
converter
operating
under
continuous
interleaved
converter
operating under
continuous
conduction
In this study,
a comprehensive
performance
analysis
of power
interleaved
operating
continuous
conduction
mode
(CCM).converter
The control
of the under
converter
is achieved
using
mode
(CCM).
The control
the converter
is achieved
using
factor
correction
controlof method
is presented
for two
phase
mode (CCM). The control
of the
converter
is achieved
using
proportional-integral
controller
for voltage
control
and average
controller
for voltage
and average
interleaved converter
operating
under control
continuous
conduction
sliding
mode controllercontroller
(ASMC) for
for voltage
currentcontrol
controland
to average
obtain
sliding
controller
(ASMC)of for
control
to obtain
modemode
(CCM).
The control
thecurrent
converter
is achieved
using
sliding
modefactor
controller
for total
current
control distortion
to obtain
unity
power
(PF) (ASMC)
and lower
harmonic
unity
power
factor
(PF)
and
lower
total
harmonic
distortion
proportional-integral controller for voltage control and average
unity power
factor
(PF) and
totalofharmonic
distortion
(THD)
of input
current.
The lower
analysis
the converter
is
(THD)
of mode
input controller
current. The
analysis
of thecontrol
converter
is
sliding
(ASMC)
for current
to obtain
(THD) ofbyinput
current.carried
The analysis
converter
presented
simulations
out on 1ofkWthepower
and 50is
presented
by simulations
carried
out ontotal
1 kWharmonic
power and
50
unity power
factor (PF)
and lower
distortion
presentedfrequency.
by simulations
carried out on
power and 50
kHz/cell
The performance
of 1thekWcurrent-voltage
kHz/cell
performance
of theofcurrent-voltage
(THD)frequency.
of input The
current.
The analysis
the converter is
kHz/cell method
frequency.forThetheperformance
current-voltage
control
converter ofis theinvestigated
by
control
method
for the carried
converter
is 1investigated
by 50
presented
by simulations
out on
kW power and
control method program
for theforconverter
is investigated
by
Matlab/Simulink
different cases
of operation
Matlab/Simulink
program
different cases
operation
kHz/cell frequency.
The for
performance
of the ofcurrent-voltage
Matlab/Simulink
program
for different
such
as changing the
input voltage
and thecases
load. of
In operation
addition,
such
as changing
the for
inputthe
voltage
and the is
load.investigated
In addition, by
control
method
converter
such
as changing
inputmethod
voltageis and
the load.
In addition,
the
performance
of the
control
showed
according
to the
the Matlab/Simulink
performance of control
method
showed cases
according
to the
program
for isdifferent
of operation
the performance
of control
variation
of inductor
value. method is showed according to the
variation
of changing
inductor value.
such as
the input voltage and the load. In addition,
variation of inductor value.
Keywords:Interleaved
converter, unity power factor, average
unityispower
factor,
average
the performance of converter,
control method
showed
according
to the
sliding
mode control converter, unity power factor, average
sliding
modeofcontrol
variation
inductor value.
sliding mode control
Keywords:Interleaved converter, unity power factor, average
sliding mode control
1.1. Giriş
1. Giriş
Giriş
ÜNLÜK hayatta aa-da güç dönüşümü sağlamakta
Günlük hayatta
aa-dahayatta
güç dönüşümü
kullanılan
güç kaynakÜNLÜK
aa-da sağlamakta
güç dönüşümü
sağlamakta
1.
ÜNLÜK hayatta
aa-da Giriş
güç dönüşümü
sağlamakta
kullanılan
güç kaynaklarının
çoğu
şebekeden
G
GG
kullanılan
kaynaklarının
çoğu
şebekeden
larının çoğu
şebekedengüç
sinüzoidal
olmayan ve harmonik
içeren
akımlar
kullanılan olmayan
güç kaynaklarının
çoğu
sinüzoidal
ve harmonik
içerenşebekeden
akımlar
sinüzoidal
ve harmonik
içeren sağlamakta
akımlar
ÜNLÜK olmayan
hayatta aa-da
güç dönüşümü
sinüzoidal olmayan ve harmonik içeren akımlar
kullanılan güç kaynaklarının çoğu
şebekeden
sinüzoidal olmayan ve harmonik içeren akımlar
çekmektedir. Şebekeden çekilen bu şekildeki akımlar, düşük
çekmektedir. Şebekeden çekilen bu şekildeki akımlar, düşük
çekmektedir.
Şebekeden
çekilen
akımlar,
düşük
Güç
Faktörü (GF)
ve yüksek
etkinbuhatşekildeki
akımlarının
oluşmasına
Güç Faktörü (GF) ve yüksek etkin hat akımlarının oluşmasına
Güç Faktörü
(GF) ve yüksek
etkinakımın
hat akımlarının
sebep
olur. Şebekeden
çekilen
kalitesininoluşmasına
düşmesi;
sebep
olur. Şebekeden
çekilen
kalitesinin
düşmesi;
çekmektedir.
Şebekeden
çekilenakımın
bu şekildeki
akımlar,
düşük
sebep olur.geriliminde
Şebekedenbozulmalara,
çekilen akımın
kalitesininartmasına,
düşmesi;
şebeke
kayıpların
şebeke
geriliminde
bozulmalara,
kayıpların
artmasına,
Güç Faktörü
(GF) ve yüksek
etkin hat
akımlarının
oluşmasına
şebeke
geriliminde
bozulmalara,
kayıplarınveartmasına,
elektromanyetik
parazitlerin
ortaya çıkmasına
bütün
elektromanyetik
parazitlerin çekilen
ortaya akımın
çıkmasına
ve bütün
sebep olur. Şebekeden
kalitesinin
düşmesi;
elektromanyetik
parazitlerin
çıkmasına
bütün
bunların
sonucunda
şebekedenortaya
beslenen
diğer ve
cihazların
bunların
şebekeden
beslenen kayıpların
diğer cihazların
şebekesonucunda
geriliminde
bozulmalara,
artmasına,
bunların sonucunda
şebekeden
beslenen
diğer kullanımına
cihazların
bunlardan
etkilenmesine
sebep gücün
verimsiz
bunlardan
etkilenmesine
sebep gücün
kullanımına
elektromanyetik
parazitlerin
ortaya verimsiz
çıkmasına
ve bütün
bunlardan
etkilenmesine
sebep gücün
verimsiz
kullanımına
neden
olmaktadır.
EN-61000-3-2
ve IEEE
519-1992
gibi
neden
olmaktadır.
EN-61000-3-2
IEEE 519-1992
gibi
bunların
sonucunda
şebekeden ve
beslenen
diğer cihazların
neden olmaktadır.
EN-61000-3-2
IEEE 519-1992
gibi
uluslararası
kuruluşlar
tarafından vegetirilen
standardları
uluslararası
getirilen
standardları
bunlardan kuruluşlar
etkilenmesinetarafından
sebep gücün
verimsiz
kullanımına
uluslararası için
kuruluşlar
getirilen
standardları
karşılamak
bir çok tarafından
güç katsayısı
düzeltme
devresi
karşılamak
için bir çok
güç katsayısı
düzeltme
devresigibi
neden olmaktadır.
EN-61000-3-2
ve IEEE
519-1992
karşılamak için
bir çokolumsuz
güç katsayısı
düzeltmeamacıyla
devresi
tasarlanmıştır.
Sözkonusu
etkileri gidermek
tasarlanmıştır.
etkilerigetirilen
gidermek amacıyla
uluslararasıSözkonusu
kuruluşlarolumsuz
tarafından
standardları
tasarlanmıştır.
olumsuz
etkileri
gidermek
amacıyla
bu
standardlar Sözkonusu
temel alınarak,
pasif
devreler
kullanılarak
bu karşılamak
standardlar için
temelbiralınarak,
pasifkatsayısı
devrelerdüzeltme
kullanılarak
çok güç
devresi
bu standardlar
temel
alınarak,
kullanılarak
harmonik
bileşenleri
azaltma,
aktifpasif
güç devreler
katsayısı düzeltme
ve
harmonik
bileşenleri
azaltma, olumsuz
aktif güçetkileri
katsayısı
düzeltme
ve
tasarlanmıştır.
Sözkonusu
gidermek
amacıyla
harmonik
bileşenleri
aktif
güç katsayısı [1].
düzeltme ve
aktif
doğrultucular
gibiazaltma,
teknikler
kullanılmaktadır
aktif
kullanılmaktadır
budoğrultucular
standardlar gibi
temelteknikler
alınarak,
pasif devreler[1].kullanılarak
aktif doğrultucular gibi teknikler kullanılmaktadır [1].
harmonik bileşenleri azaltma, aktif güç katsayısı düzeltme ve
Klasik kontrolsüz köprü doğrultucular kullanılarak
Klasik
kontrolsüz gibi
köprü
doğrultucular
kullanılarak
aktif doğrultucular
teknikler
kullanılmaktadır
[1].
Klasik kontrolsüz
köprü doğrultucular
kullanılarak
gerçekleştirilen
aa-da dönüşümde
GF değeri yaklaşık
0.65
gerçekleştirilen aa-da dönüşümde GF değeri yaklaşık 0.65
gerçekleştirilen
aa-da[2].
dönüşümde
GF değeri alternatif
yaklaşıkakım
0.65
civarında
olmaktadır
Bu doğrultucuların
civarında
[2]. Bu
doğrultucuların
alternatif
akım
Klasik olmaktadır
kontrolsüz
köprü
doğrultucular
kullanılarak
civarında indüktans
olmaktadır veya
[2]. Bu
doğrultucuların alternatif
akım
tarafına
indüktans-kondansatör
yapılarını
tarafına
indüktansaa-da
veyadönüşümde
yapılarını0.65
gerçekleştirilen
GF değeri yaklaşık
tarafına pasif
indüktans
veya eklenerek
yapılarını
içeren
devreler
harmonik bileşenler
içeren
pasifolmaktadır
devreler [2].
eklenerek
harmonik alternatif
bileşenler
civarında
Bu doğrultucuların
akım
içeren pasif ve
devreler
eklenerek
harmonik
azaltılabilmekte
beraberinde
GF değeri
de önemlibileşenler
ölçüde
azaltılabilmekte
ve beraberinde
GF değeri de önemli ölçüde
tarafına indüktans
veya indüktans-kondansatör
yapılarını
azaltılabilmekte ve[3].
beraberinde GF değeri de önemli ölçüde
artırılabilmektedir
artırılabilmektedir
içeren pasif [3].
devreler eklenerek harmonik bileşenler
artırılabilmektedir [3].
azaltılabilmekte ve beraberinde GF değeri de önemli ölçüde
Son yıllarda, yarı iletken anahtarlama elemanlarının hız ve
Sonartırılabilmektedir
yıllarda, yarı iletken
[3]. anahtarlama elemanlarının hız ve
Son yıllarda, yarı
iletken
anahtarlama
elemanlarının
hız ve
kapasitelerinin
artışının
yanı
sıra denetleme
elemanı olarak
kapasitelerinin artışının yanı sıra denetleme elemanı olarak
kapasitelerinin
artışının yanı sıra
denetleme elemanı
kullanılan
mikrodenetleyici
teknolojisinde
de çok olarak
hızlı
kullanılan
mikrodenetleyici
teknolojisinde
de çok hızlı
Son yıllarda,
yarı iletken anahtarlama
elemanlarının
hız ve
kullanılan olmaktadır.
mikrodenetleyici
çok hızlı
gelişmeler
Özellikleteknolojisinde
Sayısal İşaret deİşlemcilerin
gelişmeler
olmaktadır.
Özellikle
Sayısal
İşaret elemanı
İşlemcilerin
kapasitelerinin
artışının
yanı sıra
denetleme
olarak
gelişmeler
Sayısal İşaret
İşlemcilerin
(Sİİ)
gerçekolmaktadır.
zamanlı Özellikle
kontrol tekniğinde
kullanılması
ve
(Sİİ)
gerçek mikrodenetleyici
zamanlı kontrol tekniğinde
kullanılması
kullanılan
teknolojisinde
de çok vehızlı
(Sİİ) gerçek
zamanlı
kontrol elemanlarının
tekniğinde kullanılması
ve
yüksek
frekanslı
anahtarlama
üretilmesi ile
yüksek
frekanslı
anahtarlama
elemanlarının
üretilmesi
ile
gelişmeler
olmaktadır.
Özellikle
Sayısal İşaret
İşlemcilerin
yüksekperformanslı
frekanslı anahtarlama
üretilmesiiçin
ile
yüksek
yükseltici tipelemanlarının
da-da dönüştürücüler
yüksek
yükseltici
tip da-da
dönüştürücüler
için ve
(Sİİ)performanslı
gerçek zamanlı
kontrol
tekniğinde
kullanılması
yüksek
performanslı
yükseltici
tip da-da dönüştürücüler
için
daha
verimli
algoritmalar
geliştirilebilmektedir
[4].
daha
verimli algoritmalar
[4]. üretilmesi ile
yüksek
frekanslı anahtarlama
elemanlarının
daha verimli algoritmalar geliştirilebilmektedir [4].
yüksek performanslı yükseltici tip da-da dönüştürücüler için
Bu çalışmada, faz farklı paralel yükselten tip dönüştürücünün
Bu daha
çalışmada,
farklı paralel
yükselten tip dönüştürücünün
verimlifaz
algoritmalar
[4].
Bu çalışmada,
farklı paralel
yükselten elde
tip dönüştürücünün
güç
anahtarı, faz
yüksek
GF değerleri
etmek için
güç anahtarı, yüksek GF değerleri elde etmek için
güç anahtarı, yüksek
GF regüleli
değerleri
elde gerilimi
etmek elde
için
denetlenmektedir.
Bu amaçla,
bir çıkış
denetlenmektedir.
Bu farklı
amaçla,
regüleli
bir çıkış
gerilimi elde
Bu çalışmada, faz
paralel
yükselten
tip dönüştürücünün
denetlenmektedir.
Bu denetleyici
amaçla, regüleli
bir GF
çıkışdeğeri
gerilimi
etmek
için bir gerilim
ve yüksek
içinelde
ise
etmek
bir gerilimyüksek
denetleyici
yüksek GFelde
değerietmek
için iseiçin
güçiçinanahtarı,
GF vedeğerleri
etmek
için bir denetleyici
gerilim denetleyici
ve yüksek GFYükteki
değeri için
ise
bir
akım
kullanılmaktadır.
olası
bir denetlenmektedir.
akım
denetleyici
kullanılmaktadır.
Yükteki
olasıelde
Bu amaçla,
regüleli bir çıkış
gerilimi
bir akım hat denetleyici
Yükteki çıkış
olası
değişimler,
gerilimindekikullanılmaktadır.
değişimler ve değişken
değişimler,
hatbirgerilimindeki
değişimler
ve değişken
etmek için
gerilim denetleyici
ve yüksek
GF değeriçıkış
için ise
değişimler,
gerilimindeki
değişimler
ve değişken
çıkış
gerilim
isteğihatdayanıklı
bir kontrol
yöntemini
zorunlu
gerilim
isteği dayanıklı
bir kullanılmaktadır.
kontrol yönteminiYükteki
zorunlu
bir akım
denetleyici
olası
gerilim isteği
bir kontrol
yöntemini
zorunlu
kılmaktadır.
Bu dayanıklı
amaçla gerilim
denetleyici
olarak oransalkılmaktadır.
gerilim değişimler
denetleyici ve
olarak
oransaldeğişimler,Buhatamaçla
gerilimindeki
değişken
çıkış
kılmaktadır.
amaçla gerilim
olarakincelenip
oransalintegral,
akımBu
denetleyici
olarak denetleyici
OKKK yöntemi
integral,
denetleyici
OKKK yöntemi
gerilimakım
isteği
dayanıklıolarak
bir kontrol
yönteminiincelenip
zorunlu
integral, dayanıklılığı
akım denetleyici
olarak OKKK yöntemi incelenip
devrenin
test edilmiştir.
devrenin
dayanıklılığı
test edilmiştir.
kılmaktadır.
Bu amaçla
gerilim denetleyici olarak oransaldevrenin dayanıklılığı test edilmiştir.
integral, akım denetleyici olarak OKKK yöntemi incelenip
devrenin dayanıklılığı test edilmiştir.
69
2. İki fazlı sarmaşık yapılı yükseltici tip
dönüştürücü
Burada gerilim hata yükselteci VEA'nın s alanında transfer
fonksiyonu aşağıdaki şekilde ifade edilebilir:
Bir çok uygulamada, düşük boyutlu Elektromanyetik Girişim
(EMG) süzgeç gereksinimi için, endüktör akımının dalga
şeklinin SİM olması ve bu akımın dalgacık oranının oldukça
düşük olması istenir. Bu nedenle, orta ve yüksek güç
uygulamalarında, dönüştürücü gücünü arttırmak ve giriş akım
dalgacık oranını düşürmek için sarmaşık (faz farklı paralel)
yükselten Güç Katsayısı Düzeltici (GKD) devreleri
önerilmektedir [6-8]. Faz farklı paralelleme tekniği, birden
çok güç katının faz farklı olarak anahtarlamasıdır. Bu
yöntemle giriş akım dalgacık oranı düştüğü gibi, çıkış
gerilim dalgacık oranı da düşmektedir. Şekil 1'de aktarılan
sarmaşık yükselten GKD devresinin uygulamadaki kullanım
alanının genişliği ve diğer GKD devrelerine göre sahip olduğu
avantajlardan dolayı bu çalışmanın konusu olmuştur.
Yükselten devrelerde faz farklı anahtarlama yönteminin
kullanılması hem giriş akım dalgacık miktarını hem de çıkış
gerilim dalgacık miktarını düşürmektedir. Bu yöntemle,
dönüştürücü güç seviyesi arttırıldığı gibi daha düşük boyutlu
EMG süzgece ihtiyaç duyulur [5].
(K p 
V
EA
Ki
)
s
(1)
Buradaki Kp ve Ki kontrolcü değerleri Ziegler–Nichols
metoduna göre ayarlanabilir [12].
3.2. Ortalama kayan kip kontrol metodu
Doğrusal olmayan, parametreleri zamanla değişen
ve
karmaşık dinamiklere sahip sistemlerin kontrolü
klasik
denetleyicilerle zor olmaktadır. Bu tür
sistemlerin
denetiminde OKKK etkili bir kontrol yöntemidir. OKKK
yönteminin
kapalı
çevrim
kontrol
sistemlerine
uygulanmasında amaç, hatayı kayma yüzeyi veya diğer adıyla
anahtarlama yüzeyine doğru itmek ve bu yüzeyde tutmaktır.
Kayma yüzeyi durum değişkenlerinin doğrusal kombinasyonu
olan bir fonksiyon olarak tanımlandığı için durum
değişkenleri bu yüzey üzerine doğrusal bağımlıdır. Bu
durumda, sistemin derecesi bağımsız giriş değişkeni kadar
indirgenmiş olur ve sistem indirgenmiş bir kontrol kuralı ile
denetlenir [9]. Bu yöntemin analizi [10-11] numaralı
kaynaklarda detaylı olarak ele alınmıştır.
Kayan kipli denetimin en büyük sorunlarından bir tanesi
anahtarlama frekansının değişken olmasıdır. Bu da frekansın
çok yüksek değerlere çıkmasına neden olmaktadır. Bu soruna
çatırdama problemi denmektedir. Anahtarlama frekansını
sabitlemek için OKKK yöntemi kullanılabilir[11]. Şekil 3
tanımlanan kayma yüzeyini göstermektedir.
Şekil 1: Sarmaşık yükselten aktif GKD devresi
3. Uygulanan kontrol teknikleri
3.1. Oransal-integral kontrol metodu
Bu dönüştürücülerde gerilim döngüsü kontrolörü genelde
oransal-integral kontrolördür ve bu kısmın tasarımı hepsinde
aynıdır. Akım döngüsü yüksek hızlı (50kHz için), gerilim
döngüsü ise yavaş (50Hz için) olduğundan tasarımları
birbirinden bağımsızdır. Dolayısıyla bu dönüştürücüler akım
döngüsünde kullanılan topolojilere göre isimler almaktadır.
Gerilim döngüsü çıkış gerilimini regüle etmeyi sağlarken,
akım döngüsü de giriş güç faktörü ve THB düzelmesini sağlar
[2]. Şekil 2 kontrolcünün yapısını göstermektedir.
Şekil 3: Kayma yüzeyi
Kayan kipli denetim
dayanmaktadır.

S. S  0
temel
kurala
Burada S ve S’in türevi Şekil 3’e göre Eş.3-4’teki gibi
tanımlanabilir.


(3)

S I in  I ref
70
verilen
(2)
S
 Iin  I ref
Şekil 2: Gerilim kontrolcünün yapısı
aşağıda
(4)
Düzlem üzerinde seçilen anahtarlama doğrusu Eş. 5'te
verilmiştir.

S  .S
(5)
Devrenin kontrolcü tasarımları bir fazlı yükseltici
dönüştürücüye göre tasarlanmıştır. Çünkü tek fazlı ve çok fazlı
sarmaşık yapılı topolojiler için temel kontrolcü tasarımı
birbirinden farklı değildir. Sarmaşık yükselten devre için
sadece d2 görev oranı süresi, 50kHz anahtarlama sinyali için
1800 faz farklı uygulanmıştır. Bir fazlı yükseltici
dönüştürücünün durum uzay ortalaması sonucu elde edilen
bobin akımı denklemi -bu değer aynı zamanda doğrultulmuş
giriş akımı- Eş.6’da verilmiştir. Eş. 7'deki bobin akımının

türevi yerine Eş.6'daki bobin akımı türevi konulup L. I ref  0
kabul edilerek d görev oranı yalnız bırakılırsa Eş.8’e ulaşılır.


I in (
d 1
1
)Vo  ( ). Vin
L
L
(6)


( I ref  Iin ) 
 ( I ref  I in )
d d
1
d2 
(7)
Vo  Vin   L( I ref  I in )
Şekil 4(b): Tüm sistemin gösterimi
Vo
Vo  Vin   L( I ref  I in )
Vo
(8)
o
.(180 faz farklı)
verilen eşitlik incelendiğinde görev oranı değerinin
oluşmasında Vin ve V0 gerilimi ileri besleme ile değişimini
sağlamaktadır. Hata değeri bu değeri etkiler ve uygun d değeri
üretilmesini sağlar. Aşağıdaki Şekil 4(a) görev oranı
şekillerini, Şekil 4(b) ise gerilim ve akım döngüsüyle beraber
tüm sistemi göstermektedir.
Şekil 4(a): Görev oranlarının zamana göre değişimi
4. Benzetim sonuçları
Aşağıdaki tabloda OKKK yöntemi anma yükü için kullanılan
devre parametreleri gösterilmektedir.
Tablo 1: Anma yükü benzetim parametreleri
Parametre
Örnekleme periyodu, TS
Anahtarlama frekansı, fS
Co
L1=L2
Yük, P0
Vin, fin
Vo
Kp
Ki
λ.L
Değer
20µs
50 kHz
500 µF
1.5 mH
1kW
220Vrms, 50Hz
400Vrms
0.1
1
0.0625
Şekil 5,6,7 benzetim devrelerini göstermektedir. Şekil 8 anma
yükünde hat akımı, giriş-çıkış gerilimi değişimini
göstermektedir. Şekil 9,10 sırasıyla yük ve giriş gerilimi
değişimine göre devrenin tepkisini göstermektedir. Tablo 2
detaylı benzetim sonuçlarını göstermektedir.
71
Şekil 5: Faz farklı paralel yükselten güç devresi modeli
Şekil 6: Gerilim kontrolcü benzetim modeli
Şekil 7: OKKK yöntemini akım kontrolcü benzetim modeli
72
Şekil 8: Anma yükünde giriş gerilimi, hat akımı ve çıkış gerilimi değişimi.
(a)
(b)
Şekil 9: Yük değişimine göre giriş, çıkış gerilimi ve hat akımı davranışı: (a)1 kW'tan 500W'a , (b)500W'tan 1 kW'a
73
Şekil 10: Giriş gerilimi 220V'tan 110V'a indiğinde çıkış gerilimi ve giriş akımının değişimi
Tablo 2: Detaylı benzetim sonuçları
Benzetim No
1
2
3
4
5
6
7
1
1.5
1
1.5
1
1.5
1
1
1
1.5
1
0.8
0.5
1.5
Co (µF)
0.5
0.5
0.5
0.5
0.5
0.5
0.5
Vin (Vrms)
250
300
220
220
110
220
220
GF
THB (%)
0.99
9.5
0.90
300
0.99
7.7
0.99
9.3
1
2.6
0.99
10
0.99
11
Parametre
Po (kW)
L1=L2 (mH)
5. Sonuçlar ve öneriler
Bu çalışmada, şebekeye bağlanan elektrikli sistemlerin giriş
enerjisi kalitelerini ifade eden güç katsayısı ve güç
katsayısının aktif yöntemle düzeltilmesi üzerinde durulmuş,
sarmaşık yapılı yükseltici tip bir aktif güç katsayısı düzeltme
sistemi incelenmiştir. OKKK yöntemi yükselten tip güç
katsayısı düzeltici devreye uygulanıp Matlab/Simulink
programında benzetimleri gerçekleştirilmiştir ve elde edilen
sonuçlar sunulmuş olup detaylı analizler yapılmıştır.
Kullanılan tüm kontrol tekniklerinde sabit anahtarlama
frekansı kullanılarak pratik çalışmalar için bir temel teşkil
edilmiştir.
Benzetimler bir parametre değiştirilerek diğer parametreler
aynı kalmak suretiyle gerçekleştirilmiştir. Değiştirilen temel
parametreler giriş gerilimi, bobin değeri, çıkış yüküdür.
Dönüştürücü 220Vrms/400Vrms, fs=50kHz, 1kW şartlarında
tasarlanıp performansı test edilmiştir. Dönüştürücünün bu
anma değerlerinde 0.99 yüksek GF, %7.7’lik düşük bir THB
ve sinüs şeklinde bir giriş hat akımı elde edilmiştir.
74
Tasarlanan 1kW' lık benzetim devresinde OKKK tekniğine
göre endüktör değeri yarıya düşürüldüğünde devrenin giriş
akımının şeklini ve THB değerini çok fazla bozmadığı
gözlemlenmiştir ve yine incelenen kontrol yönteminde yük ve
giriş gerilimi değişimlerinde giriş hat akımının sinüs şeklinden
uzaklaşmadığı görülmüştür. Bu sonuçlar devrenin güçlü bir
denetim yapısına sahip olduğunu göstermektedir.
Bundan sonra bu çalışmanın devamı olarak öngörülen kontrol
tekniği pratik çalışmalara uyarlanarak sonuçları analiz
edilebilir. Benzetimler sayısal olarak gerçekleştirildiğinden
dolayı gelişmiş mikroişlemci devreleriyle uygulamalar
gerçekleştirilebilir. Son yıllarda üretilen sayısal işaret
işlemciler bu işlemleri gerçekleştirmeye çok uygundur. Ayrıca
tasarlanan sabit anahtarlama frekansı blokları çatırdama
sorununu engelleyeceğinden uygulamada büyük bir kolaylık
sağlayacaktır.
Wiley&Sons, Inc. ,1995
[4] Tuncer, S. ve Tatar, Y., "Yükseltici Tip Bir Dönüştürücü
Devrede Güç Katsayısının Bulanık
Denetimle
Düzeltilmesi", TOK’2000 Otomatik Kontrol Ulusal
Karık F., Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı
Yükseltici
TipEylül
Toplantısı,
21–22
2000, 77-81. Performans Analizi,
EMO N.,
Bilimsel
Dergi,
CiltGüç
2, Sayı
4, Syf 69-75,
Aralık 2012
[5] Genç,
Yüksek
Giriş
Katsayılı
ve Sıfır-GerilimGeçişli Yeni Bir Paralel Yükselten AA/DA Devre
Tasarımı ve Uygulaması, Doktora Tezi,
Gazi
Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 2010.
[6] Elmore, M. S., "Input current ripple cancellation in
synchronized, parallel connected critically continuous
boost converters", IEEE APEC’96 Cnf., San Jose, CA,
6. Kaynaklar
1996, 152–158.
[7] Lee, P. W., Lee, Y. S., Cheng, D. K. W., ve Liu, X. C.,
[1] Chen, Z., Raymond, B.R. ve Fred, C.L., "Design
"Steady-state analysis of an interleaved boost converter
Analysis of a Hysteresis Boost Power Factor Correction
with coupled inductors", IEEE Trans. on Ind.
Circuit", Power Electronics Specialists Conference
Electronics, 47(4), 787–795,2000.
PESC '90 Record-21st Annual IEEE, 1990, 800-807.
[8] Braga, H. A. C. ve Barbi, I., "A 3-kW unity-power-factor
[2] Rossetto, L., Spiazzi, G. ve
Tenti, P., "Control
rectifier based on a two-cell boost converter using a new
Techniques For Power Factor Correction Converters",
parallel-connection technique", IEEE Trans. on Power
Proc. Int. Conf. Power Electronics and Motion Control,
Electronics, 14(1), 209–217,1999.
1995, 1310-1318.
[9] Kayışlı, K.., Tuncer, S. ve Poyraz, M., “Kayma Mod
[3] Mohan, N., Undeland, T.M. ve Robbins, W.P., Power
Denetleyici Kullanılarak Aktif Güç Faktörü Düzeltimi”,
Electronics: Converters, Applications and Design, John
Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi,
Wiley&Sons, Inc. ,1995
14(3), 253-260, 2008.
[4] Tuncer, S. ve Tatar, Y., "Yükseltici Tip Bir Dönüştürücü
[10] Mattavelli, P., Rossetto, L. ve Spiazzi, G.,"Small-Signal
Devrede Güç Katsayısının Bulanık
Denetimle
Analysis of DC-DC Converters with Sliding Mode
Düzeltilmesi", TOK’2000 Otomatik Kontrol Ulusal
Control", IEEE Trans. Power Electronics, 12 (1), 96Toplantısı, 21–22 Eylül 2000, 77-81.
102, 1997.
[5] Genç, N., Yüksek Giriş Güç Katsayılı ve Sıfır-Gerilim[11] Navarro-López, E.M., Cortés, D. ve Castro, C., "Design
Geçişli Yeni Bir Paralel Yükselten AA/DA Devre
of practical sliding-mode controllers with constant
Tasarımı ve Uygulaması, Doktora Tezi,
Gazi
switching frequency for power converters", Electric
Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 2010.
Power Systems Research, 79, 796–802, 2009.
[6] Elmore, M. S., "Input current ripple cancellation in
[12] Ziegler, J.G. ve Nichols, N.B., "Optimum settings for
synchronized, parallel connected critically continuous
automatic controllers", Transactions of the ASME, 64,
boost converters", IEEE APEC’96 Cnf., San Jose, CA,
759–768,1942.
1996, 152–158.
[7] Lee, P. W., Lee, Y. S., Cheng, D. K. W., ve Liu, X. C.,
"Steady-state analysis of an interleaved boost converter
with coupled inductors", IEEE Trans. on Ind.
Electronics, 47(4), 787–795,2000.
[8] Braga, H. A. C. ve Barbi, I., "A 3-kW unity-power-factor
rectifier based on a two-cell boost converter using a new
parallel-connection technique", IEEE Trans. on Power
Electronics, 14(1), 209–217,1999.
[9] Kayışlı, K.., Tuncer, S. ve Poyraz, M., “Kayma Mod
Denetleyici Kullanılarak Aktif Güç Faktörü Düzeltimi”,
Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi,
14(3), 253-260, 2008.
[10] Mattavelli, P., Rossetto, L. ve Spiazzi, G.,"Small-Signal
Analysis of DC-DC Converters with Sliding Mode
Control", IEEE Trans. Power Electronics, 12 (1), 96102, 1997.
[11] Navarro-López, E.M., Cortés, D. ve Castro, C., "Design
of practical sliding-mode controllers with constant
switching frequency for power converters", Electric
Power Systems Research, 79, 796–802, 2009.
[12] Ziegler, J.G. ve Nichols, N.B., "Optimum settings for
automatic controllers", Transactions of the ASME, 64,
759–768,1942.
75
76
Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi,
Cilt 2, Sayı 4, Syf 77-85, Aralık 2012
Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına
Etkilerinin Analizi
A Load Flow Analysis for Impacts of Renewable Distributed Generation
Conditions on Power Systems
Asım Kaygusuz1, Ozan Gül2, Barış Baykant Alagöz1
1
Elektrik-Elektronik Mühendisliği
İnönü Üniversitesi
2
Elektrik-Elektronik Mühendisliği
Bingöl Üniversitesi
[email protected]
Özet
Günümüz elektrik şebekelerinde, yenilenilebilir dağıtık enerji
kaynaklarının
güç
sistemine
entegrasyonu
giderek
yaygınlaşmaktadır. Bu nedenle, yenilenebilir dağıtık
kaynakların güç sistemlerinin yük akışına etkileri analiz
edilmesi önem arz etmektedir. Özellikle, yakın gelecekte akıllı
şebeke uygulamaları ile birlikte güneş ve rüzgar gibi enerji
üretim süreksizliğine sahip enerji kaynaklarının yoğun bir
şekilde güç sistemine dağıtık entegrasyonu söz konusu
olacaktır. Bu koşullarda, güç sisteminde yük akış
kararlılığının sürdürülebilmesi için, sistemde oluşabilecek
olumsuz durumlarının önceden görülmesi ve gerekli
tedbirlerin alınması, güç sisteminin doğru ve etkin yönetimi
için gerekli bir adımdır. Bu problemin çözümünde, süreksiz
kaynakların güç üretim değişkenliklerini göz önünde tutan yük
akış analizlerine ihtiyaç vardır. Bu tip analizler, süreksiz
dağıtık üretimimin yaygınlaştığı güç sistemlerinin yönetimi ve
planlamasında önemli bileşenler haline gelecektir. Bu
amaçla, bu makalede saat-bazlı günlük ortalama üretim
profilleri ile modellenebilen yenilenilir dağıtık kaynakların
sisteme katıldığı durumlar için yük akış analizi yapılmıştır. Bu
analizlerde, gün içi bara gerilim seviyesi ve güç faktör
değişimleri analiz edilerek değerlendirilmiştir. Dağıtık
yenilenebilir kaynakların, gerilim seviyesinde ciddi bir
değişime neden olmadığı, güç faktöründe ise artan üretim ile
birlikte dikkate değer düşüşlerin olabileceği görülmüştür.
Anahtar kelimeler: Günlük saat bazlı yük akış analizi, dağıtık
kaynaklar, yenilenebilir güç kaynak entegrasyonu
Abstract
In today’s electric distribution grids, integration of
distributed renewable energy sources to the grid is presenting
an increasing trend. Hence, investigation of impacts of
renewable distributed generation is a necessity. Particularly,
depending on smart grids technologies, dense integration of
intermittent energy sources based on solar and wind energy,
will be available in near future. In this case, detection of
adverse system conditions and planning for the necessary
protections are important for the management of resources
effectively and reliably. For the solution of this problem, there
is need for the load flow analyses that consider the variability
and fluctuations of discrete renewable sources. These
analyses will be useful for management and planning of the
power systems containing distributed renewable energy
generation. For this propose, authors conduct 24-hours load
flow analyses for power system containing intermittent
renewable sources. These sources are modeled by hourly
generation profiles. Bus voltage and power factor changes in
buses are evaluated for a day. It was observed that bus
voltages did not alter considerably; however, as increasing
volume of distributed renewable generation, power factors
can decrease.
Keywords: load flow analysis based on daily hours,
distributed sources, the integration of renewable power
sources
1. Giriş
Enerji üretiminde, yenilenebilir enerji kaynaklarının payı gün
geçtikçe artmaktadır. Rüzgar ve güneş gibi yenilenebilir enerji
kaynaklarına dayalı elektrik üretiminin, küresel iklim ve çevre
kirliliği üzerinde daha az olumsuz etkiye sahip olması, enerji
üretimi için yakıt gerektirmemesi gibi önemli avantajlara sahip
olmasından dolayı toplam enerji üretimindeki payı gün
geçtikçe artmaktadır [1]. Bu tür yenilenebilir kaynakların,
geleneksel güç sistemine entegre edilmesinin önündeki en
önemli güçlük, üretim süreksizliği ve belirsizlikleri olarak
gösterilmektedir. Üretim belirsizlikleri ve süreksizlikleri,
sistemin yük akışlarında anlık değişimlere neden
olabilmektedir. Bu değişimlerin sisteme negatif etkilerinin
önceden tespit edilmesi, önleyici tedbirlerin ve planlamaların
uygulanması, sağlıklı ve etkin güç dağıtımı için gereklidir.
Bundan dolayı, yenilebilir dağıtık enerji kaynaklarının
77
belirsizlik içeren karakterinin, sistemin yük akış kararlılığına
etkilerinin incelenmesi oldukça önem kazanmaktır.
sınırlar içinde çalışmasının sağlanması için analiz ve yönetim
metotlarının geliştirilmesi gerekmektedir.
Yük akış analizi için farklı matematiksel teknikler
kullanılmıştır. Bu teknikler Newton-Raphson [2], FastDecoupled [3,4], Gauss–Seidel [5] gibi matematiksel
algoritmalardır. Bu matematiksel algoritmaların yanı sıra
parçacık sürü optimizasyonu [6], bulanık mantık algoritması
[7], diferansiyel evrim algoritması [8], tabu araştırma
algoritması [9], bakteri kolonisi optimizasyonu [10] gibi
modern sezgisel metotlar da kullanılmıştır.
Özellikle 1960’lı yıllarda dijital bilgisayarın icadı ve
kullanımının yaygınlaşmasıyla yük akış problemleri için bir
çok yöntem geliştirilmiştir [2]. Özellikle nümerik yöntemler
üzerinde çalışılmış, fast-decoupled gibi Newton metodunun
farklı versiyonları da yaygın olarak kullanılmaya başlanılmıştır
[4]. Ray D. Zimmerman ve Hsiao-Dong Chiang da bu yöntemi
kullanarak dengesiz radyal dağıtım sistemleri üzerinde yük
akış çalışması yapmıştır [3]. Nümerik yöntemler özellikle
Newton-Raphson metodu analizi, çözüme yakınsama hızı ve
doğruluğu bakımından en yaygın kullanıma sahip temel bir
metot haline gelmiştir. Newton-Raphson yöntemi çok
değişkenli lineer olmayan denklemlerin çözümünde yaygın
olarak kullanılan bir analiz yöntemidir. Bu metoda göre
başlangıçta, değişkenlerin değerleri rastgele belirlenir. Bu
değerlerin kullanılması ile yeni değerler üretilir. En son
üretilen iki değer arasında kabul edilebilir küçük bir fark
sağlanana kadar iteratif olarak çalışma devam ettirilir.
Newton-Raphson yük akışının amacı, tüm yük baralarının
gerilim genlik değerleri ile salınım barası dışındaki tüm
baraların açı değerlerini belirlemektir. D. Shirmohammadi,
H.W. Hong, A. Semlyen ve G.X. Luo [11] tarafından 1988’de
yapılan çalışmada çok girişli kompanzasyon tekniği ve
Kirchoff yasasının temel formasyonu kullanılarak zayıf ağlı
dağıtım ve iletim şebekelerinin çözümü için bir yük akış
metodu tarif edilmiştir. Bahsedilen metod çok iyi bir
yakınsamaya sahip olup bu metodun uygulandığı bir bilgisayar
programı geliştirilmiş ve radyal zayıf ağlı birkaç dağıtım ve
iletim şebekesine başarıyla uygulanmıştır. Sözü edilen metod
tek fazlı (dengeli) şebekelerin yanı sıra üç fazlı (dengesiz)
şebekelerin çözümüne de uygulanabilmiştir. 1995 yılında
Carol S.Cheng ve D. Shirmohammadi’nin [12] birlikte
yaptıkları çalışmada ana dağıtım sistemlerinin gerçek zamanlı
analizi için üç fazlı durumda yük akış çözümü sunulmuştur.
Bu yöntem tek fazdan üç faza zayıf ağlı dağıtım sistemleri için
kompanzasyon tabanlı yük akış metodunun (önceki kısımda
açıklanan çalışma) doğrudan bir açılımı olup dengesiz ve
dağıtılmış yükler, gerilim regülatörleri ve otomatik kontrollü
paralel kapasitörler üzerine vurgu yapılmıştır. Kompanzasyon
fikri, üretim baralarında gerilim genlik uyumsuzluğunu
giderebilmek için başarılı bir şekilde ele alınmıştır. Bu metot
dağıtım otomasyon sistemlerinde gerçek zamanlı uygulama
için gereken yüksek çalışma hızını sağlamıştır.
Bu çalışmada, dağıtık yenilenebilir enerji kaynaklarının
güç sistemi yük akışına etkileri Newton-Raphson yük akış
analizleri yardımı ile incelenmiştir. Bu amaçla, güç üretim
belirsizliği ve süreksizliği sergileyen yenilenebilir kaynaklar,
24-saatlik ortalama üretim profilleri ile tanımlanmıştır. Bu
kaynaklar, IEEE 39 bara güç sistemine dağıtılarak, güç
sisteminin yük akış analizi saatlik bazda günlük olarak
incelenmiştir. Bu analizlerde, güç sistemin gün içinde maruz
kalabileceği değişken güç talep koşullarının analizlere
yansıtılması için baralara bağlı yükler 24 saatlik ortalama güç
talep profilleri yardımı ile dinamik olarak modellenmiştir. Bu
sistemde çeşitli senaryolar için saatlik periyotla örneklenmiş
yük akış analizleri, Newton-Raphson nümerik çözümleri
temelinde gerçekleştirilmiş ve böylece hızlı ve düşük
yakınsama hatalı, yük akış çözümlemeleri elde edilebilmiştir
[22]. Elde edilen çözümler üzerinde, istatistiki analizler
yapılarak, gün içi bara gerilim seviyesi değişimleri ve bara güç
faktörü değişimleri incelenmiş, değişkenlik faktörü (standart
sapma / ortalama (  /  ) ) analizleri yapılmıştır.
Yakın bir gelecekte, akıllı şebeke (Smart Grid)
uygulamaları ile yenilenebilir dağıtık kaynakların dağıtım
şebekesine
entegrasyonunun
gerçekleştirilmesi
hedeflenmektedir [1,13-21]. Bu noktada, enerji üretim
süreksizliği ve belirsizliği olan enerji kaynaklarının (güneş ve
rüzgar enerjisi gibi) güç dağıtım şebekesine etkilerinin analizi
önem kazanmaktadır. Bu sistemlerin neden olduğu üretim
dalgalanmaları durumunda şebeke koşullarının kabul edilebilir
78
2. Nümerik Analiz Metodu
Güç sistemlerinin analizinde karşılaşılan problemlerin
çözümünde lineer olmayan denklemlerle karşılaşılır. Bu
denklemleri çözmek için nümerik yöntemler kullanılır. Yük
akış analizinin temel amacı verilen bir güç sisteminde, üretim
ve tüketim değerleri için, baralar üzerindeki kompleks gerilim
ve hatlar üzerinde akan kompleks güç değerlerini bulmaktır.
Yük akış probleminin çözümü, her bir baradaki gerilimin
genliği, faz açısı ve her bir hatta akan aktif ve reaktif gücün
belirlenmesini sağlar. Bir yük akış problemi çözülürken
sistemin normal, dengeli şartlar altında çalıştığı ve tek hat
diyagramıyla temsil edildiği kabul edilir. Her bir barada ele
alınması gereken değişkenler, gerilim genliği (|V|), gerilim faz
açısı (), aktif güç (P) ve reaktif güçtür (Q). Bazı baralar
jeneratörlerle beslenir ve bu baralar üretim barası olarak
isimlendirilir. Bu baralarda gerilim genliğinin ve aktif gücün
bilindiği (sabit) kabul edilir. Jeneratöre bağlı olmayan diğer
baralar yük barası olarak adlandırılır. Tüm baralarda kompleks
yük gücünün bilindiği kabul edilir. Kısaca özetlemek gerekirse
bir güç sistemindeki baralar 3 gruba ayrılır:
i-Referans bara olarak da adlandırılan salınım barası, gerilimin
genliğinin (|V|) ve faz açısının () bilindiği aktif (P) ve reaktif
gücün (Q) bulunacağı baradır. Güç sistemindeki kayıpların
neden olduğu üretilen güç ile planlanan yük arasındaki fark bu
bara üzerinden değerlendirilir.
ii-P-Q barası olarak da adlandırılan yük baraları, aktif (P) ve
reaktif gücün (Q) bilinip bara geriliminin genliğinin (|V|) ve
faz açısının () arandığı baralardır. Yük baralarında güç
harcandığı için aktif ve reaktif güç değerleri negatif değerler
alır.
iii-P-V barası yada gerilim kontrollü bara adıyla da bilinen
üretim baraları, aktif güç (P) ve gerilim genliğinin (|V|)
bilindiği, gerilim faz açısının () ve reaktif gücün (Q)
belirleneceği baralardır.
2.1. Newton-Raphson Metodu
Newton metotları yük akışı denklemlerinin çözümü için
iteratif metotlara (Gauss, Gauss-Seidel …) göre kuadratik
yakınsama karakteristiğine sahiptir [23]. Özellikle büyük çaplı
güç sistemleri için Newton-Raphson metodu çok daha verimli
ve uygulanabilirdir. En belirgin üstünlüklerinden birisi de
çözüme ulaşmak için gereken adım sayısının sistemin
boyutundan bağımsız olmasıdır. Fakat bu sırada çözümü elde
ederken adım başına harcanan işlem yükü fazladır. Yük akış
analizinde gerilim kontrollü baralar için aktif güç ve gerilim
genliği bilindiğinden yük akış denklemleri kutupsal formda
ifade edilir. Newton-Raphson yük akış analiz metodunu
burada kısaca özetlemek gerekirse: [22].
Bir i barası ve bu baraya bağlı hatlar dikkate alınarak Kirchoff
Akım Yasası’ndan
n
n
j 1
j 1
I i   Yij V j   Yij V j ij   j
(1)
ifadesi kutupsal formda elde edilir. Bara i’deki kompleks güç,
Pi  jQi  A  Vi I i
(2)
olarak ifade edilir. Denklem (1) ve denklem (2) kullanılırsa
n
Pi  j Qi  ( Vi    i )  Yij V j ij   j
(3)
j 1
Yij
elde edilir. Burada,
i ve j baraları arasındaki admitans
değeridir. Baralar arasındaki admitans değerleri, Bara
admitans matrisinde ( YBARA ) tanımlanarak, güç sistemi, yük
akış analizi için tanımlanır. Denklem (3)’de görülen kompleks
güç ifadesi gerçek ve sanal kısımlarına ayrılarak aşağıdaki gibi
yazılabilir.
n
Pi   Yij Vi V j cos( ij   i   j )
(4)
j 1
n
Qi   Yij Vi V j sin(ij   i   j )
(5)
j 1
Elde edilen (4) ve (5) denklemleri, bağımsız değişkenler
(gerilim genliği ve gerilim faz açısı) içeren çözülecek olan
nonlineer denklem sistemini oluşturur. Her bir yük barası için
Pi ve Qi denklemleri, her bir jeneratör barası için Pi denklemi
kullanılır. Bu iki denklem yüksek dereceli terimler ihmal
edilerek başlangıç değeri civarında Taylor serisine açılmak
sureti ile denklem (6) ile temsil edilen lineer bir denklem
sistemine dönüştürülür.
 P2( k )

  2
 P2( k )   :

  (k )
 :   Pn
 Pn( k )    2
 (k )    (k )
Q2   Q2
 :    2
 (k )   :
Qn   ( k )
Q
 n
  2
...
P2( k )
 n
Pn( k )
 n
Q2( k )
...
 n
...
...
Qn( k )
 n
P2( k )
P ( k ) 
... 2 
 V2
 Vn 
(k )
   2 


:
Pn( k )
P ( k ) 
... n   ( k ) 
 V2
 Vn    n 


(k )
Q2
Q ( k )   | V ( k ) |
... 2   2 
 V2
 Vn   : 
  | V ( k ) |
n

(k )
(k )  
Qn
Q
... n 
 V2
 Vn 
(6)
Aşağıdaki denklemde J, Jacobian matrisi olarak adlandırılır.
Burada Jacobian matrisi gerilim faz açısı ve gerilim
genliğindeki değişim oranıyla aktif ve reaktif güçteki değişim
oranı arasındaki ilişkiyi belirler. Jacobian matrisi bir üstteki
aktif ve reaktif güç denklemlerinin açı ve genlik değişimlerine
göre kısmi türevlerinden oluşur.
J
J  1
J 3
 P
J 2   

J 4   Q
 
 P   J 1
Q    J
   3
P 
V 
Q 

V 
J 2    


J 4   V 
(7)
(8)
Denklem (8) ile ifade edilen lineer denklem sistemi, iteratif
olarak aşağıdaki çözüm adımları ile hesaplanır.
 m1   m  
m 1
m
V
 V  V
(9)
(10)
Hesaplamalar, bir m iterasyon adımında, gerilim ve faz
açısındaki değişim ( V ve  ) önceden belirlenmiş bir hata
eşiğinden küçük olunca kadar devam ettirilir.
2.2. Newton-Raphson Metodu Temelinde 24- Saatlik
Dinamik Yük Akış Analizi
24-saatlik dinamik yük akışı analizlerini gerçekleştirmek için
bir önceki bölümde kısaca özetlenen Newton-Raphson yük
akış analiz metodundan faydalanılmıştır. Bu amaçla, dağıtık
kaynaklar sürekli ve süreksiz kaynaklar olmak üzere iki farklı
tipte modellenmiştir. Sürekli kaynakların, aktif ve reaktif güç
değerlerinin 24 saat boyunca bir ortalama değer civarında
nerede ise sabit kalabildiği varsayılmıştır. Örneğin barajların,
termik santraller çıkış güçleri gibi. Süreksiz kaynaklar ise
kaynak tipine (Rüzgar, güneş..vs) göre 24 saatlik aktif ve
reaktif güç üretim profilleri 24 bileşenli G P ve GQ vektörleri
ile temsil edilmiştir. Bu kaynakların aktif ve reaktif güç
değerlerinin 24 saat boyunca değişkenlik gösterdiği
varsayılmıştır. Benzer yaklaşımla, bara yükleri az değişken ve
değişken güç talep profillerine uygun olarak iki farklı tipte
modellenmiştir. Az değişken yükler, sanayi bölgeleri gibi,
gece vardiyaları nedeni ile 24 saat boyunca yüksek salınım
göstermeyen yük modelleri için kullanılmıştır. Değişken güç
talebi profilleri ise hane tüketicileri gibi 24 saatlik zaman
dilimi içinde ciddi salınımlar gösteren yük modelleri için
kullanılmıştır. Değişken yükler 24 bileşenli PL ve QL
vektörleri ile tanımlanmıştır. Saatlik bazda günlük yük akış
analizleri, günün her saati için (1’den 24’e kadar) ilgili kaynak
ve yük değerleri önceden tanımlanmış G P , GQ , PL , Q L
vektörlerinden alınarak, Newton-Raphson metodu kullanılmak
sureti ile gerçekleştirilmiştir. 24-Saatlik yük akış analizi için
hesaplama adımları Şekil 1’de gösterilmiştir.
Bara gerilim ve güç faktörü değişimlerinin
değerlendirilmesi için dinamik yük akış analizleri sonucunda
79
her yük barasına ait gerilim değerleri ( Vd ) ve güç faktörü
( cos  d ) saatlik bazda elde edilmiştir. Yük baralarında, gün
içinde gerçekleşen gerilim ve güç faktörü değişimleri,
istatistiki değişkenlik katsayısı (Coefficient of Variation)
hesaplanmasında kullanılmıştır.
V   (Vd ) /  (Vd )
(11)
Burada  (.) bara geriliminin günlük standart sapması ve
 (.) ise bara geriliminin günlük ortalama değeridir.
V
değişkenlik
faktörü,
baralardaki
günlük
gerilim
değişimleri hakkında karşılaştırılabilir bir istatistiki veri
sunmuştur. Benzer bir yaklaşımla, baralardaki güç
faktöründeki değişkenlik,
cos    (cos  d ) /  (cos  d )
(12)
denklemi ile ifade edilmiştir. Burada cos  güç faktöründeki
değişkenliği temsil etmektedir.
Güç sistemi, yük ve
kaynak modelleri
tanımlanır. (Saat=0)
akış analizi testleri yapılmıştır. Bu test sistemine Şekil 2’de
görüldüğü gibi dinamik yükler ve yenilenebilir dağıtık
kaynaklar eklenerek farklı test senaryoları kurgulanmıştır. Bu
amaca dönük olarak, iki tip dinamik test yükü tanımlanmıştır.
Birincisi, sanayi bölgeleri gibi güç tüketim değişkenliği
nispeten düşük olan yük talep profili, PL1 , QL1 vektörleri ile
temsil edilmiş ve Şekil 3(a)’de gösterilmiştir. Diğer yük
modeli ise hane tüketici bölgeleri gibi güç sarfiyatı yüksek
değişkenlik gösteren yük talep profili, PL 2 , QL 2 ile vektörleri
ile temsil edilmiş ve Şekil 3(b)’de gösterilmiştir. Bu çalışmada
güç talep profilleri tüketici davranışlarına uygun olarak
varsayımsal olarak belirlenmiştir. Bu yük analizi testi
simulasyonunda güç sistemine enerji sağlayan üç tip kaynak
profili tanımlanmıştır. Sürekli enerji kaynakları (Hidro enerji,
termik
enerji, nükleer enerji ..vs) için üretim
profili G P1 , GQ1 vektörü ile tanımlanmıştır. Süreksiz ve yüksek
belirsizlik gösteren yenilenebilir kaynaklardan rüzgar enerji
üretim profili G P 2 , GQ 2 vektörü, güneş enerji üretim profili
ise G P 3 , GQ 3 vektörü ile tanımlanmıştır. Şekil 4’de üç tip
enerji üretim kaynağı için analizde kullanılan üretim profilleri
gösterilmiştir. Bu profiller, kaynakların saatlik davranışlarına
uygun ve varsayımsal olarak belirlenmiştir.
Newton-Rapson
yöntemi ile saatlik
yük akış analizi
yapılır.
Denklem 11 ve 12 ile
gerilim seviyesi ve güç
faktörü değişkenliği
hesaplanır
saat  25
Evet
saat  saat  1
Hayır
Son
Sanayi Yükü
Ev Tüketim Yükü
Güneş Enerji Üretim
Sürekli Enerji Üretim
Rüzgar Enerji Üretim
Şekil 2. Örnek uygulama için IEEE 39-bus test sistemi
Şekil 1. 24-Saatlik yük akış analizi için hesaplama adımları
akış diyagramı.
3. IEEE 39-Bus Test Güç Sistemi Üzerinde 24
saatlik Dinamik Yük Akış Analizleri
Örnek bir uygulama için enerji pazarı problemleri için sıkça
kullanılan IEEE 39-bus test sistemi üzerinde saatlik bazda yük
80
Yenilenebilir dağıtık kaynaklarının, bara gerilim ve güç
faktörü kararlılığına etkileri iki test senaryosu kullanılarak,
saatlik bazda incelenmiştir. Birince test senaryosu,
yenilenebilir dağıtık kaynakların bulunmadığı merkezi üretim
durumu için yapılmıştır. Bu test senaryosu mevcut durum
(MD) olarak adlandırılmıştır. İkinci test senaryosu,
yenilenebilir dağıtık kaynakların sisteme Şekil 2’de
gösterildiği gibi dağıtılması sonucu ortaya çıkan durumların
analizi için hazırlanmıştır. Bu test senaryosu dağıtık üretim
durumu (DU) olarak adlandırılmıştır.
kaynaklar ile dağıtık üretim, bara gerilim seviyelerinin günlük
değişkenliğini ( V ) dikkate değer ölçüde etkilememiştir. Güç
faktörlerinde ise bazı baralarda günlük ortalama değişkenlikte
( cos   ), %2-3 civarındaki artış dikkat çekmektedir. Bunun
7
(a)
6.5
nedenini daha detaylı görmek için, baraların 24-saatlik gerilim
seviyesi, güç faktörü, aktif ve reaktif güç profillerini daha
detaylı incelememiz gerekir. Bu amaçla, aşağıda Bara-15,
Bara-27 ve Bara-28’in gerilim seviyeleri, güç faktörleri, aktif
ve reaktif güç durumları hesaplanmış ve yenilenebilir
kaynakların üretimi ile dağıtık üretiminin etkileri tartışılmıştır.
PL1
QL1
6
5.5
5
40
4.5
(a)
GP1
4
3.5
30
0
5
10
15
20
Saat
20
8
(b)
PL2
10
QL2
6
GQ1
25
0
4
0
5
10
15
20
25
Saat
1
2
(b)
GP2
0.8
0
0
5
10
15
20
25
Saat
Şekil 3(a) Sanayi bölgelerinin güç tüketimini modelleyen az
değişimli yük talep profili ( PL1 , QL1 ). (b) Tüketici bölgeleri
güç sarfiyatını modelleyen, yüksek değişkenlikli yük talep
0.6
0.4
0.2
profili ( PL 2 , QL 2 ).
Şekil 5’de MD senaryosu için 24-saatlik yük akış analiz
sonuçları verilmiştir. Şekil 5(b)’de bara numarası 30 ve daha
yüksek baralar sadece üretim baraları olduğu için burada
gerilim değişkenliği sıfır düzeyinde kalmıştır. Daha küçük
bara numaralı baralarda ise yük baraları ile yük bağlı olmayan
geçiş baraları mevcuttur. Bu analizde, Bara-27 de, %0.05
düzeyinde en yüksek günlük gerilim değişkenliği görülmüştür.
Şekil 5(c)’de en fazla %4 düzeyinde güç faktörü değişkenliği
görülmektedir. Geçiş baralarında, yük veya kaynak bağlı
olmadığı için, güç faktörleri hesaplanmamıştır. Bu durum
Şekil
5(c)’deki karakteristikte güç faktör değeri
hesaplanmamış baralar görülmektedir.
Şekil 6(a) ve (b)’de mevcut durum (MD) ile dağıtık üretim
senaryo varyantlarının (DU, DUx5, DUx8) karşılaştırılması
yapılmıştır. Burada DUx5 ve DUx8 senaryoları, yenilenebilir
dağıtık kaynakların enerjisinin DU’daki seviyesinin 5 katına
ve 8 katına çıktığı test koşullarını temsil etmektedir. Buna
göre, DU düşük güçlü yenilenebilir enerji üretim koşullarını,
DUx5 orta düzey yenilenebilir enerji üretim koşullarını, DUx8
ise yaklaşık olarak bütün lokal tüketime cevap verebilecek
yüksek düzeyli yenilenebilir enerji üretim koşullarını temsil
etmektedir. Şekil 6(a)’de görüldüğü üzere, yenilenebilir
GQ2
0
0
5
10
15
20
25
Saat
1
(c)
GP3
0.8
GQ3
0.6
0.4
0.2
0
0
5
10
15
20
25
Saat
Şekil
4
(a)
( G P1 , GQ1 ).
Sürekli
enerji
kaynakları üretim profili
(b) Rüzgar enerji kaynakları üretim profili
( G P 2 , GQ 2 ). (c) Güneş enerji kaynakları üretim profili
( G P 3 , GQ 3 ).
81
(a) 24-Saatlik Bara Gerilim Seviyeleri Profilleri
[pu]
35
-4
1.15
20
1.05
15
4
V
Bara No
1.1
25
(a)
MD
DU
DUx5
DUx8
5
30
3
2
10
5
1
1
5
10
-4
6
x 10
6
x 10
Saat
15
0
20
0
(b)
10
20
Bara
30
(b)
5
MD
DU
DUx5
DUx8
0.4
cos 
V
4
3
2
1
0
0.3
0.2
0.1
0
0.05
cos 
40
10
20
Bara
30
40
(c)
0
10
20
Bara
30
40
0.04
Şekil 6(a) IEEE 39-bus güç sisteminin MD, DU ve DU çeşitli
0.03
analizinde elde edilen günlük gerilim değişkenlikleri (b) güç
enerji durum senaryoları için yapılan 24-saatlik yük akış
faktörü değişkenliklerinin karşılaştırması
0.02
0.01
0
Bara-27’de ise hem sanayi tüketim modeli ( PL1 , QL1 )
0
10
20
Bara
30
40
Şekil 5. IEEE-39 bus test sisteminin MD senaryosu analizinde
elde edilen (a) Bara gerilim sevilesi 24-saatlik profilleri. (b)
Baraların günlük gerilim değişkenlikleri (c) Baraların günlük
güç faktörü değişkenlikleri
Bara-15’e sadece hane tüketim modelini ( PL 2 , QL 2 )
temsil eden yük bağlıdır. Şekil 7’de görüldüğü gibi,
yenilenebilir dağıtık kaynak barındırmayan sadece dinamik
yük içeren Bara-15, diğer baralara bağlanan yenilenebilir
dağıtık kaynakların üretimlerinden pek etkilenmemiştir.
Baralarda aktif ve reaktif güç profilinin negatif değerli olması,
barada güç tüketimi olduğuna işaret eder.
82
hem de hane tüketim modelini ( PL 2 , QL 2 ) temsil eden iki
dinamik yük bağlıdır. Ayrıca bu barada rüzgar üretim
modeline ( G P 2 , GQ 2 ) sahip kaynak bağlanarak, yenilenebilir
enerjiden faydalanılmıştır. Şekil 8(c) görüldüğü üzere rüzgar
enerji üretiminin tepe değerlerine ulaştığı 4:00-7:00 saatleri
arasında, orta ve yüksek rüzgar gücü üretim koşullarında
(DUx5 ve DUx8) güç faktöründe sert düşüşler görülmüştür.
Ayrıca, bu zaman diliminde, DUx8 senaryosunda sağlanan
yüksek rüzgar enerji üretimi, bu baradaki lokal tüketimin
tamamını karşılayabilmiş, diğer bir ifade ile Bara-27’yi bu
saatler arasında kendi kendine yetebilir duruma (Islanded
Operation) gelmiştir. Bu saatler arasında DUx8 seneryosunda
görülen pozitif güç değerleri, üretim baralarından güç
çekmeye ihtiyaç duymadan lokal talebin karşılanabildiğini ve
hatta bu baranın üretici konuma gelebildiğini göstermiştir.
Ancak bu saatlerdeki güç faktöründe görülen sert değişimin
kompanze edilmesine dönük tedbirlerin önceden alınması,
Bara-27’de enerji dağıtımı ve tüketimini daha sağlıklı ve
güvenilir kılacaktır.
MD
DU
DUx5
DUx8
V (pu)
1.1385
1.138
1.1375
1.1535
(a)
MD
DU
DUx5
DUx8
1.153
V (pu)
(a)
1.1525
1.152
1.137
1.1515
5
10
15
5
20
10
Saat
MD
DU
DUx5
DUx8
cos 
0.9578
0.9578
0.8
0.6
0.9578
MD
DU
DUx5
DUx8
0.4
0.2
0.9578
5
10
15
5
20
10
(c)
-4
-5
-10
-6
-15
-8
5
10
15
5
20
10
0
-1
(d)
20
MD
DU
DUx5
DUx8
-3
Q (Mvar)
-0.5
-2
(d)
MD
DU
DUx5
DUx8
15
Saat
Saat
Q (Mvar)
20
MD
DU
DUx5
DUx8
0
P (MW)
P (MW)
(c)
MD
DU
DUx5
DUx8
-2
15
Saat
Saat
0
20
(b)
cos 
0.9578
(b)
15
Saat
-1.5
-4
-5
-6
-2
-7
5
10
15
20
saat
Şekil 7. Bara-15 için hesaplanan 24-saatlik gerilim seviyeleri
(a), güç faktörleri (b), aktif ve reaktif güç (c)-(d) profilleri
5
10
15
20
saat
83
1.146
(a)
V (pu)
Bara-28’de ise hem sanayi tüketim modeli ( PL1 , QL1 )
MD
DU
DUx5
DUx8
1.1455
hem de hane tüketim modelini ( PL 2 , QL 2 ) temsil eden yükler
bağlıdır. Ayrıca bu barada güneş üretim modeline
( G P 2 , GQ 2 ) sahip kaynak bağlanarak, yenilenebilir enerjiden
1.145
faydalanılmıştır. Yenilenebilir kaynaklar gerilim sevilerinde
dikkate değer değişime neden olmamalarına rağmen yüksek
üretim gücünde, artan reaktif güç üretimi sonucu güç
faktöründe düşüşlere neden olduğu analiz sonuçlarında
görülmüştür. Şekil 9(b) de saat 9:00-16:00 arasında güneş
enerjinden yüksek güç üretim koşullarında (DUx8), güç
faktöründe düşüş açıkça görülmektedir. Ancak, düşük üretim
koşullarında (DU) bu etkinin önemsenmeyecek derecede zayıf
kaldığı görülmektedir. Bu saatlerde bu baralarda güç-faktörü
kararlılığına dönük tekniklerin uygulanması, güç kalitesinin
korunması açısından faydalı olacaktır.
1.1445
1.144
5
10
15
20
Saat
0.95
(b)
0.9
cos 
0.85
0.8
0.75
4. Sonuçlar
MD
DU
DUx5
DUx8
0.7
0.65
5
10
15
Bu çalışmada, süreksiz dağıtık üretim ve değişken güç talep
durumları altında gün içi dinamik yük akış analizleri
gerçekleştirilmiş ve baraların elektriksel parametrelerinin
saatlik bazda değişimi hesaplanmıştır. Böylece, üretim
süreksizliği gösteren kaynaklardan teşkil edilen dağıtık
üretimin, gün içi değişen güç talepleri karşısında baraların
gerilim ve güç faktörleri kararlığına etkileri analiz
edilebilmiştir.
20
Saat
-4
(c)
P (MW)
-6
-8
-10
MD
DU
DUx5
DUx8
-12
-14
5
10
15
20
Saat
(d)
Q (Mvar)
-4
-5
-6
MD
DU
DUx5
DUx8
-7
5
10
15
20
saat
84
Bu analizlerde, yenilenebilir dağıtık kaynakların gerilim
seviyesi kararlığına ciddi bir olumsuz etkisinin olmadığı
görülmüştür. Bunun nedeni, bütün sistemde enerji dengesinin
(Energy Balance) sağlanmasıdır. Enerji dengesi, kayıplar dahil
olmak üzere sistemde tüketilen gücün, jeneratörlerden çekilen
güce eşit olması halidir. Baraya eklenen dağıtık yenilenebilir
kaynak, bu enerji dengesi nedeni ile sadece bu baraya diğer
kaynak baralarından akan gücü azaltmıştır. Böylece, bara
gerilimi seviyesinin korunabilmesi sağlanabilmiştir. Ancak,
lokal yenilenebilir kaynak, tüketimin önemli bir kısmını
karşıladığı durumda, kendi aktif ve reaktif güç karakteri
nedeni ile bağlı olduğu baranın toplam aktif ve reaktif bara
gücünü etkileyebilmekte ve bara güç faktöründe anlık
değişimlere neden olabilmektedir. Süreksiz lokal kaynakların
yüksek üretim sağladıkları zaman dilimlerinde güç faktör
değişimini kompanze edecek tedbirlerin alınmış olması, bara
güç faktörü kararlığının korunması için yeterli olacaktır. Bu
amaçla, yenilenebilir lokal kaynakların, yüksek üretim
koşullarında reaktif güç üretimleri sınırlanarak güç faktör
kararlığı korunabilir.
Bu tür analiz yöntemleri, süreksiz dağıtık kaynaklara
sahip güç sistemlerinin yönetimi sırasında çıkabilecek
problemlerinin çözümünde büyük öneme sahip olacaktır.
Ortalama üretim ve güç talep profilleri ile tanımlanan dinamik
güç sistemi modellerinde, saatlik veya daha düşük örnekleme
periyotlu yük akış analizleri ile yük akış dengesizliklerinin ve
güç dağıtımındaki kalite bozukluklarının önceden tahmin
edilmesi mümkün olabilecektir. Böylece önleyici tedbirleri
içeren 24-saatlik güç yönetim planlamaları daha güvenilir
olarak yapılabilecektir.
Optimization and Programming for Area Power System”,
International Conference on Power System Technology, vol.2,
21-24 Nov. 2004, pp.1447-1450.
[10] Wei, H., Cong, Z., Jingyan, Y., Jianhua, Z., Zifa,
Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim
Koşullarının
Yük Akışına
Etkilerinin
Analizi,
L.,Zhilian,
W.Güç
and Sistemlerinin
Dongli, P., “Using
Bacterial
Chemotaxis
2, Sayı 4, Syf 77-85,
Aralık 2012
Method for Reactive PowerCilt
Optimization”,
Transmission
and
Distribution Conference and Exposition, 21-24 April2008, pp.
1-7.
[11] Shirmohammadi D., Hong H.W., Semlyen A. ve Luo
G.X., “Compensation-Based Power Flow Method for Weakly
Meshed Distribution and Transmission Networks”,IEEE
Transactions
on Power
Systems,development
vol. 3, pp. of
753-762
, Feb.
[17] Bayod-Rujula
RA.,"Future
the electricity
5. Kaynaklar
1988.
systems with distributed generation.”, Energy, vol:34:3,
[12]
Cheng
Carol S. ve Shirmohammadi D., “Three-phase
[1] Pecas Lopes JA, Hatziargyriou N, Mutale J, Djapic P,
pp.77-83.
2009.
Power
Flow
for Realtime
Distribution
Jenkins N., "Integrating distributed generation into electric
[18] CosentinoMethod
V, Favuzza
S, Graditi
G, IppolitoSystem
MG,
Analysis”,
Transactions
PowerG.,Systems,
pp.
power systems: A review of drivers, challenges and
Massaro F,IEEE
Sanseverino
ER,onZizzo
"Smart vol.10,
renewable
671-679,
opportunities”, Electric Power Systems Research, vol:77,
generationFeb.
for1995.
an islanded system. Technical and economic
[13]
M, scenarios.”,
Vincent B, Maurice
GCB, Johann
LH, Gerard
pp.1189-1203, 2007.
issuesAlbert
of future
Energy, vol:39,
pp.196-204,
2012.
JMS.,"Domestic
energy AN,
management
methodology
for
[2] W. F. Tinney and C. E. Hart, "Power Flow Solution by
[19] Lund H, Andersen
Østergaard PA,
Mathiesen BV,
optimizing
in Smartsmart
Grids.”,
Bucharest
Newton's Method", IEEE Trans. Power App. Syst., vol.86,
Connolly D.efficiency
"From electricity
grids IEEE
to smart
energy
PowerTech,
2009. operation based approach and
pp.1449-1460, Nov. 1967.
systems - pp:1-7,
A market
[14]
Ayompe LM,
Duffy
A, McCormack
SJ, Conlon M,
[3] R. D. Zimmerman and H. D. Chiang, "Fast Decoupled
understanding.”,
Energy,
vol:42,
pp.96-102, 2012.
"Validated
energyA,models
for A.
small-scale
gridPower Flow for Unbalanced Radial Distribution Systems",
[20] Alagozreal-time
BB, Kaygusuz
Karabiber
“A User-Mode
connected
Energy,vol:35:40,pp.86-91.,
2010.
1995 IEEE PES Winter Meeting, New York, pp. 95, 1995.
DistributedPV-systems.”,
Energy Management
Architecture for Smart
Grid
[15]
Prasad AR,
Natarajan
E.,pp"Optimization
of integrated
[4] B. Stott and O. Alsaq, “Fast Decoupled Load Flow”,IEEE
Applications”,
Energy,
vol: 44,
167–177, 2012.
photovoltaic-wind
systems
with battery
Transactions on Power Apparatus and Systems, vol. 93, pp.
[21] Amjad AM, power
Alireza generation
S, Taher N,
Mohammad
RAP.,
storage”.,
Energy,operation
vol:31:19,management
pp.43-54, 2006.
859-869, June 1974.
“Multi-objective
of a renewable MG
[16]
Lund H. with
"Large-scale
of wind power
into
[5] Selva Moorthy,Majid Al-Dabbagh and Michael Vawser,
(micro-grid)
back-up integration
micro-turbine/fuel
cell/battery
different
energy
systems.”,
Energy,
vol:30:24,
pp.02-12,
2005.
“Improved Phase–Cordinate Gauss-Seidel Load Flow
hybrid power source”. Energy, vol;36:6, pp.490-507., 2011.
Algorithm”, Electric Power
System Research, vol. 34, pp. 91[17]
RA.,"Future
development
the electricity
[22] Bayod-Rujula
Saadat, H., Power
Systems
Analysis,ofMcGraw
Hill,
5. Kaynaklar
95, Aug. 1995.
systems
with distributed generation.”, Energy, vol:34:3,
Boston, 1999.
[1]
Pecas Lopes
Hatziargyriou
N, Mutale
J, Djapic P,
[6] Zhang,
W. andJA,Liu,
Y., “Reactive
Power Optimization
pp.77-83.
2009.
[23] Abacı
K. ,Yalçın M. A. , Uyarlıoğlu Y., “Güç
Jenkins
N., PSO
"Integrating
generation
into electric
Based on
in a distributed
Partical Power
System”,
Power
[18]
CosentinoFarklı
V, Favuzza
Graditi Seçiminin
G, IppolitoGerilim
MG,
Sistemlerinde
SalınımS, Barası
power
systems:
A General
reviewMeeting,
of drivers
challenges
Engineering
Society
2004, IEEE.,
vol. 1, and
pp.
Massaro
Sanseverino
ER, Zizzo Elektrik-Elektronik
G., "Smart renewable
KararlılığıF, Açısından
İncelenmesi”,
ve
opportunities”,
Electric
239-243, 6-10 June
2004. Power Systems Research, vol:77,
generation
an islandedSempozyumu,
system. Technical
and economic
Bilgisayar for
Mühendisliği
Bursa,8-12
Aralık
pp.1189-1203,
2007.J. G., “Fuzzy Logic Application in Load
[7] Vlachogiannis
issues
2004. of future scenarios.”, Energy, vol:39, pp.196-204, 2012.
[2]
F. TinneyIEE
and Proc.
C. E. Hart,
"Power Transmission
Flow Solutionand
by
FlowW.Studies”,
Generation,
[19] Lund H, Andersen AN, Østergaard PA, Mathiesen BV,
Newton's
Method",
Trans.2001.
Power App. Syst., vol.86,
Distribution,
vol.148,IEEE
pp. 34-40,
Connolly D. "From electricity smart grids to smart energy
pp.1449-1460,
Nov.
[8] R. Storn and
K.1967.
Price, “Differential Evolution-a Simple
systems - A market operation based approach and
[3]
D. Zimmerman
and for
H. D.
Chiang,
"Fast Decoupled
and R.Efficient
Heuristic
Global
Optimization
over
understanding.”, Energy, vol:42, pp.96-102, 2012.
Power
FlowSpaces”,
for Unbalanced
Systems",
Continuous
Journal ofRadial
GlobalDistribution
Optimization,
vol.11,
[20] Alagoz BB, Kaygusuz A, Karabiber A. “A User-Mode
1995
IEEE PES
Winter Meeting, New York, pp. 95, 1995.
pp. 341-359,
1997.
Distributed Energy Management Architecture for Smart Grid
[4]
“Fast
Load
Flow”,IEEE
[9] B.Li,Stott
Z., and
Shi, O.
J. Alsaq,
and Liu,
Y., Decoupled
“Distributed
Reactive
Power
Applications”, Energy, vol: 44, pp 167–177, 2012.
Transactions
Apparatus for
andArea
Systems,
vol.System”,
93, pp.
Optimization on
andPower
Programming
Power
[21] Amjad AM, Alireza S, Taher N, Mohammad RAP.,
859-869,
JuneConference
1974.
International
on Power System Technology, vol.2,
“Multi-objective operation management of a renewable MG
[5]
Selva
Al-Dabbagh and Michael Vawser,
21-24
Nov.Moorthy,Majid
2004, pp.1447-1450.
(micro-grid) with back-up micro-turbine/fuel cell/battery
“Improved
Phase–Cordinate
Gauss-Seidel
LoadZ., Flow
[10] Wei, H.,
Cong, Z., Jingyan,
Y., Jianhua,
Zifa,
hybrid power source”. Energy, vol;36:6, pp.490-507., 2011.
Algorithm”,
Electric
Power System
Research,
vol. Chemotaxis
34, pp. 91L.,Zhilian, W.
and Dongli,
P., “Using
Bacterial
[22] Saadat, H., Power Systems Analysis, McGraw Hill,
95,
Aug. for
1995.
Method
Reactive Power Optimization”, Transmission and
Boston, 1999.
[6]
Zhang, W.
and Liu,and
Y.,Exposition,
“Reactive 21-24
PowerApril2008,
Optimization
Distribution
Conference
pp.
[23] Abacı K. ,Yalçın M. A. , Uyarlıoğlu Y., “Güç
Based
on PSO in a Partical Power System”, Power
1-7.
Sistemlerinde Farklı Salınım Barası Seçiminin Gerilim
Engineering
Society General
Meeting,
2004
IEEE.,A.
vol.ve1,Luo
pp.
[11] Shirmohammadi
D., Hong
H.W.,
Semlyen
Kararlılığı Açısından İncelenmesi”, Elektrik-Elektronik ve
239-243,
6-10 June 2004.
G.X., “Compensation-Based
Power Flow Method for Weakly
Bilgisayar Mühendisliği Sempozyumu, Bursa,8-12 Aralık
[7]
Vlachogiannis
J. G.,and
“Fuzzy
Logic Application
in Load
Meshed
Distribution
Transmission
Networks”,IEEE
2004.
Flow
Studies”,
IEE Proc.
Generation,
Transmission
and
Transactions
on Power
Systems,
vol. 3, pp.
753-762 , Feb.
Distribution,
vol.148, pp. 34-40, 2001.
1988.
[8]
StornCarol
and K.S. Price,
“Differential Evolution-a
Simple
[12] R.
Cheng
ve Shirmohammadi
D., “Three-phase
and
HeuristicforforRealtime
Global Distribution
OptimizationSystem
over
PowerEfficient
Flow Method
Continuous
Spaces”,
Journal ofonGlobal
vol.11,
Analysis”, IEEE
Transactions
PowerOptimization,
Systems, vol.10,
pp.
pp.
341-359,
671-679,
Feb.1997.
1995.
[9]
Z., Shi,
J. and Liu,
Y., “Distributed
Reactive
Power
[13] Li,
Albert
M, Vincent
B, Maurice
GCB, Johann
LH, Gerard
Optimization
and energy
Programming
for Areamethodology
Power System”,
JMS.,"Domestic
management
for
International
Conferenceinon Smart
Power System
vol.2,
optimizing efficiency
Grids.”,Technology,
IEEE Bucharest
21-24
Nov. 2004,
pp.1447-1450.
PowerTech,
pp:1-7,
2009.
[10]
H., LM,
Cong,
Z., Jingyan,
Y., Jianhua,
Z., Zifa,
[14] Wei,
Ayompe
Duffy
A, McCormack
SJ, Conlon
M,
L.,Zhilian,
and Dongli,
“Using for
Bacterial
Chemotaxis
"Validated W.
real-time
energyP., models
small-scale
gridMethod
forPV-systems.”,
Reactive Power
Optimization”, Transmission
and
connected
Energy,vol:35:40,pp.86-91.,
2010.
Distribution
and Exposition,
21-24 April2008,
pp.
[15] Prasad Conference
AR, Natarajan
E., "Optimization
of integrated
1-7.
photovoltaic-wind power generation systems with battery
[11]
Shirmohammadi
D., Hong
H.W., 2006.
Semlyen A. ve Luo
storage”.,
Energy, vol:31:19,
pp.43-54,
G.X.,
“Compensation-Based
Flowof
Method
Weakly
[16] Lund
H. "Large-scale Power
integration
wind for
power
into
Meshed
Distribution
andEnergy,
Transmission
different energy
systems.”,
vol:30:24,Networks”,IEEE
pp.02-12, 2005.
Transactions on Power Systems, vol. 3, pp. 753-762 , Feb.
1988.
[12] Cheng Carol S. ve Shirmohammadi D., “Three-phase
Power Flow Method for Realtime Distribution System
85
Analysis”, IEEE Transactions on Power Systems, vol.10, pp.
671-679, Feb. 1995.
[13] Albert M, Vincent B, Maurice GCB, Johann LH, Gerard
JMS.,"Domestic energy management methodology for
86
Akın B., Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli
Yükselcilerin Karşılaştırması, Cilt 2, Sayı 4, Syf 87-93, Aralık 2012
Temalı Derleme Makale
Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve
Verimli
Şarjı
için Güç Faktörü
Düzeltmeli
Yükselticilerin
Karşılaştırması
Elektrikli
Arabalarda
Kullanılan
Li-ion Akülerin
Tek Fazdan
Hızlı ve
Comparison
of Single
Phase
PowerDüzeltmeli
Factor Correction
Boost Converters
for Fast
Verimli Şarjı
için Güç
Faktörü
Yükselticilerin
and Efficient
of Li-ion
Batteries
Used in
Electrical
Cars for Fast
Comparison
of Single Charge
Phase Power
Factor
Correction
Boost
Converters
and Efficient Charge of Li-ion
Batteries
Used in Electrical Cars
Burak
Akın
Burak Akın Bölümü
Elektrik Mühendisliği
Yıldız Teknik Üniversitesi
[email protected]
Mühendisliği Bölümü
[email protected]
Özet
Fosil yakıtların yakın bir gelecekte tükenecek olması ve
Özet yeni enerji kaynaklarının
atmosfere CO2 salması nedeniyle
arayışı
içerisine
girilmiştir.
Temiz bir tükenecek
enerji kaynağı
Fosil yakıtların yakın bir gelecekte
olmasıolan
ve
elektrik
enerjisinin
motorlu
taşıtlarda
kullanılması,
Li-ion
atmosfere CO2 salması nedeniyle yeni enerji kaynaklarının
aküler içerisine
ile mümkündür.
Li-ionbir enerji
akülerin
şarjında
arayışı
girilmiştir. Temiz
kaynağı
olan
kullanılabilecek
AC-DC
sıkça
yer
elektrik enerjisinin
motorlu
taşıtlarda literatürde
kullanılması,
Li-ion
almaktadırile[1-13].
Bunu gerçekleştirmek
için güç şarjında
faktörü
aküler
mümkündür.
Li-ion akülerin
düzeltmeli (PFC),AC-DC
geleneksel,
köprüsüz veliteratürde
dönüşümlüsıkça
gerilim
kullanılabilecek
yer
yükseltici devrelerinin
simülasyonları
yapılmıştır.
kHz
almaktadır
[1-13]. Bunu
gerçekleştirmek
için güç100
faktörü
anahtarlama
frekansında
ve 3 köprüsüz
kW çıkış gücünde
çalıştırılarak
düzeltmeli (PFC),
geleneksel,
ve dönüşümlü
gerilim
simülasyonları
yapılan simülasyonları
dönüştürücüler,yapılmıştır.
güç faktörü
yükseltici devrelerinin
100(PF),
kHz
toplam
akım frekansında
harmonik bozulma
ve verim
açısından
anahtarlama
ve 3 kW(THDi)
çıkış gücünde
çalıştırılarak
Simülasyon
sonuçlarına
geleneksel
simülasyonları yapılan
dönüştürücüler,
güçgöre
faktörü
(PF),
yükseltici
% 97.8
verim ve
% 4.88 (THDi)
THDi değerlerine,
köprüsüz
toplam
akım
harmonik
bozulma
ve verim açısından
yükseltici
% 98.2 Simülasyon
verim ve sonuçlarına
% 5.05 THDi
göredeğerlerine,
geleneksel
dönüşümlü% 97.8
yükseltici
ise%%
verim
ve %1.93
THDi
yükseltici
verim ve
4.8898THDi
değerlerine,
köprüsüz
değerlerine%sahiptir.
Tüm dönüştürücüler
0.99 güç
faktörü
yükseltici
98.2 verim
ve % 5.05 THDi
değerlerine,
değerini
da, ise
köprüsüz
dönüşümlüsağlasa
yükseltici
% 98 yükseltici
verim ve THDi
%1.93 değeri,
THDi
EN61000-3-2sahiptir.
standardı
olan,
% 0.99
5’in güçüzerinde
değerlerine
Tüm dönüştürücüler
faktörü
bulunduğundan,
akülerin yükseltici
şarjı için,THDi
dönüşümlü
değerini
sağlasa li-ion
da, köprüsüz
değeri,
yükseltici daha iyistandardı
performans göstermiştir.
EN61000-3-2
olan,
%
5’in
üzerinde
Anahtar
kelimeler: li-ion
Dönüşümlü
PFC, köprüsüz
PFC,dönüşümlü
Li-ion.
bulunduğundan,
akülerin
şarjı için,
yükseltici daha iyi performans
göstermiştir.
Abstract
Anahtar kelimeler: Dönüşümlü PFC, köprüsüz PFC, Li-ion.
New energy sources haveAbstract
been searched beacuse of depletion
of fossil fuels in near future and to reduce the CO2 emissions
to theenergy
atmosphere.
is possible
to use clean
energy
of
New
sourcesIt have
been searched
beacuse
of source
depletion
electricity
in electrical
vehicles
batteries.
are
emissions
of
fossil fuels
in near future
andbytoli-ion
reduce
the CO2 There
many
AC-DC converters
in thetolitterature
charge
Li-ion
to the atmosphere.
It is possible
use clean to
energy
source
of
batteries
[1-13].
Forvehicles
this by
reason,
conventional
PFC,
electricity in
electrical
li-ion batteries.
There
are
bridgeless
PFCconverters
and interleaved
PFC boostto converters
are
many
AC-DC
in the litterature
charge Li-ion
simulated.
Simulations
are
run
at
3
kW
output
power
with
100
batteries [1-13]. For this reason, conventional PFC,
kHz switching
and they PFC
are compared
with power
bridgeless
PFCfrequency
and interleaved
boost converters
are
factor
(PF),
total current
harmonic
(THDi)
simulated.
Simulations
are run
at 3 kWdistortion
output power
with and
100
efficieny.
According
to the
results conventional
kHz switching
frequency
and simulation
they are compared
with power
boost
hascurrent
97.8 % efficieny
4.88 % THDi
values,
factor converter
(PF), total
harmonicand
distortion
(THDi)
and
bridgeless
boost converter
98.2 % efficieny
and 5.05 %
efficieny. According
to thehas
simulation
results conventional
THDi
values, interleaved
converter
has%98
% efficieny
boost converter
has 97.8 %boost
efficieny
and 4.88
THDi
values,
and
1.93% boost
THDi converter
values. Although
all%converters
bridgeless
has 98.2
efficieny have
and greater
5.05 %
than 0.99
power
factor, boost
bridgeless
boosthasconverter
THDi
THDi
values,
interleaved
converter
98 % efficieny
and 1.93% THDi values. Although all converters have greater
than 0.99 power factor, bridgeless boost converter THDi
value is above the EN 61000-3-2 standards which is 5%, so
for li-ion battery charging, interleaved boost topology has
beter performance.
value
is above the EN 61000-3-2 standards which is 5%, so
for
li-ion battery
charging,
interleavedPFC,
boostLi-ion.
topology has
Keywords:
Interleaved
PFC, Bridgeless
beter performance.
1. Bridgeless
Giriş PFC, Li-ion.
Keywords: Interleaved PFC,
Günümüzde pahalı fosil kaynaklı yakıtları kullanan araçların
1. )Giriş
atmosfere karbondioksit (CO
2 salması ve yakın bir gelecekte
bu yakıtlarınpahalı
tükenecek
olması yakıtları
bilinen bir
gerçektir.
Bu
Günümüzde
fosil kaynaklı
kullanan
araçların
sebeple alternatif
enerji(CO
kaynaklarının
motorlu
araçlarda
atmosfere
karbondioksit
)
salması
ve
yakın
bir
gelecekte
2
kullanılması
bir fırsat
doğmuş
ve elektrikli
araçların
bu yakıtların için
tükenecek
olması
bilinen
bir gerçektir.
Bu
yeniden alternatif
üretilmesi enerji
planlanmıştır.
Elektrikli
araçların
seri
sebeple
kaynaklarının
motorlu
araçlarda
olarak
üretilmesine
başlanılmasına
karşın,
yakın
kullanılması
için birhenüz
fırsatyeni
doğmuş
ve elektrikli
araçların
bir
gelecekte
fosil
yakıtların
tükenecek
olması
ve
CO
salınım
2
yeniden üretilmesi planlanmıştır. Elektrikli araçların
seri
etkisiniüretilmesine
azaltmak henüz
içinyenioldukça
rağbetkarşın,
göreceği
olarak
başlanılmasına
yakın
düşünülmektedir.
bir
gelecekte fosil yakıtların tükenecek olması ve CO2 salınım
etkisini
azaltmak
için
oldukça
rağbet
göreceği
Şu anki teknoloji ile elektrikli araçların enerji kaynağı olan
lityum-iyon (li-ion) akülerle yapılacak mesafe 150 km
civarında
olsa da, şehir
içi kullanımı
için çok
ideal
olup şehir
Şu anki teknoloji
ile elektrikli
araçların
enerji
kaynağı
olan
merkezlerindeki
CO2 salınmasını
da ciddi mesafe
oranda azaltacağı
lityum-iyon
(li-ion)
akülerle yapılacak
150 km
Ayrıcaiçiuygulanacak
düşük
vergiolup
oranışehir
ile
civarında olsa da, şehir
kullanımı için
çok ideal
toplumun
bu yönde
edileceği
görüşü
yaygındır.
merkezlerindeki
COteşvik
salınmasını
da
ciddi
oranda
azaltacağı
2
düşünülmektedir. Ayrıca uygulanacak düşük vergi oranı ile
Li-ion
akülerin
şarjında
alternatif akımdan
toplumun
bu yönde
teşvik kullanılabilecek
edileceği görüşü yaygındır.
doğru akıma (AC-DC) dönüştürme yapan geleneksel
yükseltici
topolojisi,
Şekil
1’de gösterilmiştir.
Li-ion akülerin
şarjında
kullanılabilecek
alternatifGeleneksel
akımdan
yükselticilerin
verim,
güç
faktörü
ve
THDi değerlerini
doğru akıma (AC-DC) dönüştürme yapan
geleneksel
geliştirmek topolojisi,
üzere köprüsüz
dönüşümlü Geleneksel
yükseltici
yükseltici
Şekil 1’devegösterilmiştir.
topolojileri
Literatürde
yeni geliştirilmiş
yükselticileringeliştirilmiştir.
verim, güç faktörü
ve THDi
değerlerini
yükseltici
bulunmakla ve
birlikte
[13], bu makalede
3
geliştirmektopolojileri
üzere köprüsüz
dönüşümlü
yükseltici
temel PFC yükseltici
incelenmiş
ve performansları
analiz
topolojileri
geliştirilmiştir.
Literatürde
yeni geliştirilmiş
edilerek sonuçlar
ortaya
konulmuştur.
Diyot
köprüsü
arkasına3
yükseltici
topolojileri
bulunmakla
birlikte
[13],
bu makalede
yerleştirilen
gerilim
yükseltici
devre,
sabit
çıkış
gerilimini
temel PFC yükseltici incelenmiş ve performansları analiz
sağlarkensonuçlar
aynı zamanda
şebekeden de
sinüzoidal
akım
edilerek
ortaya konulmuştur.
Diyot
köprüsü bir
arkasına
çekmektedir.
Çıkış gerilimi,
girişdevre,
akımı sabit
ve giriş
geriliminden
yerleştirilen gerilim
yükseltici
çıkış
gerilimini
üretilen referans
akıma göre
darbe genişlik
modülasyonuna
sağlarken
aynı zamanda
şebekeden
de sinüzoidal
bir akım
(PWM)
göre kontrol
edilen devre
aşamalıdır.
çekmektedir.
Çıkış gerilimi,
giriş tek
akımı
ve giriş geriliminden
üretilen referans akıma göre darbe genişlik modülasyonuna
(PWM) göre kontrol edilen devre tek aşamalıdır.
87
D
D
D
D
L
D1
L
D1
Vg
Cç
R
Cç
R
+
Vç
+
Vç
-
Vg
-
D
D
D
D
S1
S1
Şekil 1: Geleneksel yükseltici.
Şekil 1: Geleneksel yükseltici.
Şekil 2’de gösterilen köprüsüz yükselticilerin girişinde köprü
Şekil 2’deolmadığından,
gösterilen köprüsüz
yükselticilerin
girişinde
köprü
diyotları
geleneksel
yükselticilere
göre verimi
diyotları
olmadığından,
yükselticilere
göre
verimi
daha
yüksektir
ve daha azgeleneksel
elamana ihtiyaç
duyarlar.
Ancak
bu
daha
yüksektir ve daha
az elamana
ihtiyaç duyarlar.
bu
dönüştürücülerin
toplam
akım harmonik
bozulmaAncak
(THDi)
toplam akım harmonik
bozulmaseviyeleri
(THDi)
değerleri ve elektromanyetik
girişim (EMI)
değerleri
elektromanyetik
girişim
(EMI)Literatürdeki
seviyeleri
geleneksel ve
yükselticilere
göre daha
yüksektir.
geleneksel
yükselticilere
göre
daha
yüksektir.
Literatürdeki
kaynakların neredeyse tamamı 1 kW’dan küçük deneysel
kaynakların
neredeyse
tamamı
kW’dan küçük deneysel
amaçlı
tasarlanmış
devrelerdir
[1, 110].
amaçlı tasarlanmış devrelerdir [1, 10].
Köprüsüz yükselticinin kontrolü, her sıfır geçişinde ilgili
Köprüsüz
kontrolü,
hergerilimine
sıfır geçişinde
ilgili
anahtar
girişyükselticinin
akım ve gerilimi
ile çıkış
bağlı olarak
anahtar
akım
ve gerilimi
ile çıkış
gerilimine
kontrol giriş
edilir.
Hem
birim PFC
değerine
hembağlı
de olarak
düşük
kontrol
Hem
PFC hızlı
değerine
hem bir
de şekilde
düşük
THDi’yeedilir.
ulaşmak
içinbirim
kontrolün
ve doğru
THDi’ye ulaşmak
için kontrolün
doğru bir
şekilde
yapılması
gerekmektedir.
Çıkış hızlı
gücü vearttıkça
geleneksel
yapılması
Çıkış gücü arttıkça geleneksel
yükselticiyegerekmektedir.
göre verimi de artmaktadır.
yükselticiye göre verimi de artmaktadır.
L1
D1
D2
D1
D2
L1
Vg
Vg
Cç
R
Cç
R
+
Vç
+
Vç
-
L2
L2
S1
S2
S1
S2
Şekil 2: Köprüsüz yükseltici.
Şekil 2: Köprüsüz yükseltici.
Şekil 3’de gösterilen dönüşümlü yükselticiler, yüksek güçte
Şekil 3’de yükselticilerin
gösterilen dönüşümlü
yükselticiler,
güçte
geleneksel
güç dağılımı
ve akımyüksek
dalgalılığını
geleneksel
yükselticilerin
güç dağılımı
ve akım
dalgalılığını
azaltmak için
geliştirilmiştir.
Girişinde
diyot
köprüsü
o
azaltmak
geliştirilmiştir.
Girişinde 180
diyot
köprüsü
bulunmaklaiçin
birlikte,
doğrultucu çıkışında
dönüşümlü
bulunmakla
birlikte,
doğrultucu
çıkışında
180o dönüşümlü
çalışan iki adet
yükseltici
devresi
bulunmaktadır.
Eleman
çalışan
adetveyükseltici
bulunmaktadır.
Eleman
sayısındaikiartış
karmaşık devresi
kontrolüne
rağmen, dönüşümlü
sayısında
artış
ve
karmaşık
kontrolüne
rağmen,
dönüşümlü
yükselticiler düşük EMI ve akım dalgalılık oranlarına sahiptir.
yükselticiler
düşük de
EMIgeleneksel
ve akım dalgalılık
oranlarına
sahiptir.
Verim
değerleri
yükselticilere
göre
daha
Verim
değerleri de geleneksel yükselticilere göre daha
yüksektir.
yüksektir.
L1
D1
D
D
L1
L2
D1
D2
D
D
L2
D2
Vg
Cç
R
Cç
R
Vg
-
D
D
D
D
S1
S2
S1
S2
Şekil 3: Dönüşümlü yükseltici.
Şekil 3: Dönüşümlü yükseltici.
88
+
Vç
+
Vç
-
Bu çalışmadaki amaç, geleneksel, köprüsüz ve dönüşümlü
Bu çalışmadaki
geleneksel, köprüsüz
ve dönüşümlü
PFC
yükselticiamaç,
devrelerinin
aynı
şartlar
altında
PFC
yükseltici
devrelerinin
aynı
şartlar
altında
performanslarının karşılaştırılmasıdır. Bu karşılaştırma
performanslarının
karşılaştırılmasıdır.
Bu karşılaştırma
yapılırken,
tek fazdan beslenmesi,
100 kHz
yapılırken,
tekçıkış
fazdan
beslenmesi,
kHz
anahtarlamadönüştürücülerin
frekansında 3 kW
gücünü
ve 400V100
regüleli
anahtarlama
frekansında
3
kW
çıkış
gücünü
ve
400V
regüleli
çıkış gerilimini sağlaması, % 5’in altında THDi değerlerine
çıkış gerilimini
sağlaması,
5’in altında
değerlerine
sahip
olması, verimin
% %
97’nin
üzerindeTHDi
olması
ve güç
sahip
olması,
verimin
% olması
97’ninşartları
üzerinde
olması ve güç
faktörünün
0.99’dan
büyük
aranmaktadır.
faktörünün 0.99’dan büyük olması şartları aranmaktadır.
Tüm dönüştürücülerin tek aşamada regüleli çıkış gerilimini ve
Tüm
teksağlaması
aşamada regüleli
çıkış gerilimini
ve
giriş dönüştürücülerin
sinüzoidal akımını
için, referans
akımın 100
giriş sinüzoidal
akımını sağlaması
için, referans
akımın 100
kHz
toplam anahtarlama
frekansında
PWM kontrolü
ile
kHz toplam
anahtarlama frekansında PWM kontrolü ile
çalışması
amaçlanmıştır.
çalışması amaçlanmıştır.
2. Temel Büyüklüklerin Hesaplanması
2. Temel Büyüklüklerin Hesaplanması
Yükseltici devrelerdeki en kritik büyüklük sürekli (CCM)
Yükseltici
devrelerdeki
en kritik(DCM)
büyüklük
sürekliyükseltici
(CCM)
veya
kesintili
akım modunda
çalışan
veya
kesintili
akım modunda
(DCM) için
çalışan
yükseltici
endüktansın
hesabıdır.
Elektrikli arabalar
üretilen
li-ion
endüktansın
Elektrikli
arabalar
için üretilen
li-ion
aküler
400V hesabıdır.
giriş gerilimli
ve yaklaşık
24 kWh
kapasitesinde
aküler 400V giriş
ve yaklaşık
24 kWh
olduğundan,
hızlıgerilimli
ve güvenilir
bir şarj
için kapasitesinde
yüksek güç
olduğundan,
ve makalede
güvenilir li-ion
bir şarjaküiçinşarjına
yüksekuygun
güç
gerekmektedir.hızlı Bu
gerekmektedir.
Bu
makalede
li-ion
akü
şarjına
uygun
dönüştürücüler 3 kW gücünde çalışacağından, sürekli akım
3 kW gücünde çalışacağından, sürekli akım
modu
tercih edilmiştir.
modu tercih edilmiştir.
Yükseltici endüktans ve çıkış kondansatör değerlerini
Yükseltici
endüktans
veformüllerden
çıkış kondansatör
hesaplamak için
aşağıdaki
yararlanılır.değerlerini
Sırasıyla
hesaplamak
için
aşağıdaki
formüllerden
Sırasıyla
Ig ve Vg şebeke giriş akım ve gerilimini, Pyararlanılır.
g ve Pç giriş ve çıkış
Igücünü,
giriş
akım
ve
gerilimini,
P
ve
P
giriş
g ve Vg şebeke
g
ç
ve çıkış
güç
min ve PF tahmin edilen minimum verim ve
PF tahmin
edilen
minimum
verim
güç
gücünü, min vebağıl
faktörünü,
iletimde
kalma
oranını,
ILveakım
akım
faktörünü,

bağıl
iletimde
kalma
oranını,
I
L
dalgalanma oranını fsw anahtarlama frekansını, L yükseltici
dalgalanma
yükseltici
endüktans oranını
değerini,fsw anahtarlama
Vç çıkış frekansını,
gerilimini, L t
çıkış
endüktans değerini,
çıkış süresini
gerilimini,ve t
kondansatörünün
yükü Vçbesleme
Cç çıkış
çıkış
kondansatörünün
besleme süresini ve Cç çıkış
kondansatör
değeriniyükü
ifade eder.
kondansatör değerini ifade eder.
Maksimum giriş gücü,
Maksimum giriş
P gücü,
k)
Pg(ma k )  Pc(ma
(1)
c(ma k )
Pg(ma k )  
(1)
min
min
Maksimum giriş akımı,
Maksimum giriş akımı,
Pc(ma k )
Ig(ma k ) 
(2)
Pc(ma k )
Ig(ma k )  min (Vg(eff
(2)
)(min) )PF
min (Vg(eff )(min) )PF
Giriş akımının maksimum tepe değeri,
Giriş akımının maksimum tepe değeri,
2.Pc(ma k)
(3)
Ig(tepe) max 
2.Pc(ma k)
(3)
Ig(tepe) max  min (Vg(eff )(min) )
min (Vg(eff )(min) )
Giriş akımının maksimum
ortalama değeri,
Giriş akımının 2.I
maksimum ortalama değeri,
ma k
(4)
Ig(ort) ma k  2.Ig(tepe)
 ma k
(4)
Ig(ort) ma k  g(tepe)

Giriş geriliminin minimum
tepe değeri,
Giriş geriliminin minimum tepe değeri,
Vg(tepe)min= 2 . Vg(eff)(min)
(5)
Vg(tepe)min
= 2 . Vg(eff)(min)
(5)
Bağıl
iletim süresi,
Bağıl iletim
Vc süresi,
Vg( tepe)(min )
  Vc  Vg( tepe)(min )
(6)
Vc

(6)
V
İzin verilen akımc dalgalanma miktarı %IL ise,
İzinΔI
verilen
akım dalgalanma miktarı %IL ise,
(7)
L=%IL. Ig(tepe)mak
ΔIL=%I
(7)
L. Ig(tepe)maktepe değeri,
Akımının
maksimum
Akımının maksimum tepeIdeğeri,
IL(tepe)mak= Ig(tepe)mak+ I LL
(8)
IL(tepe)mak= Ig(tepe)mak+ 2
(8)
2
Endüktans değeri,
Endüktans değeri,
V
) .
L  Vg(tepe)(min
g(tepe)(min ) .
f
.

I
L
sw
L
f sw .I L
Çıkış kondansatör
değeri,
Çıkış kondansatör değeri,


2.Pc .t
Cc  1.1 2 2.Pc .t

2 

Cc  1.1 Vc 2  Vg(tepe)(min) 2 
 Vc  Vg(tepe)(min) 

formüllerinden
yararlanılarak kolayca
formüllerinden
yararlanılarak
hesaplamalardan sonra
güç faktörükolayca
değeri,
hesaplamalardan sonra
güç faktörü değeri,
T
1T
1 vg (t ).ig (t ).dt
P T  v (t ).ig (t ).dt
PF P T 00 g
Vg ( eff ) .I g ( eff )
PF S
S
Vg ( eff ) .I g ( eff )
veya,
veya,
cos
(9)
(9)
(10)
(10)
bulunabilir.
bulunabilir.
PF  cos
PF  1  THDi 2
1  THDi 2
Bu
Bu
(11)
(11)
(12)
(12)
formüllerinden hesaplanarak bulunabilir. CCM çalışan
formüllerinden
hesaplanarak
bulunabilir.
geleneksel yükselticinin
endüktans
akımındakiCCM
değişimçalışan
Şekil
geleneksel
yükselticinin
endüktans
akımındaki
4’de bir anahtarlama periyodu için gösterilmiştir.değişim Şekil
4’de bir anahtarlama periyodu için gösterilmiştir.
Şekil 4: CCM çalışmada endüktans akımının değişimi.
Şekil 4: CCM çalışmada endüktans akımının değişimi.
Tablo 2: Yükselticilerin Genel Karşılaştırması
Tablo 2: Yükselticilerin
Yükseltici
Geleneksel Genel
Köprüsüz
Dönüşümlü
Yükseltici
Geleneksel
Köprüsüz
Dönüşümlü
Tipi
Yükseltici
Yükseltici
Yükseltici
Tipi
Yükseltici
Yükseltici
Yükseltici
Güç
< 1000 W
< 2000 W
<3000
<Normal
1000 W
< 2000
<3000
EMI Güç
/ Gürültü
Kötü W
İyi
EMI
Gürültü
Normal
Kötü
İyi
Çıkış/ Gerilim
Yüksek
Yüksek
Düşük
Çıkış
Gerilim
Dalgalanması
Yüksek
Yüksek
Düşük
Dalgalanması
Giriş Akım
Yüksek
Yüksek
Düşük
Giriş Akım
Dalgalanması
Yüksek
Yüksek
Düşük
Dalgalanması
Manyetik
Büyük
Orta
Küçük
Manyetik
Büyüklük
Büyük
Orta
Küçük
Büyüklük
Verim
Kötü
Normal
Normal
Verim
Kötü
Normal
Normal
Tablo 3’de yükselticilerin karşılaştırmalı analizi gösterilmiş
Tabloeleman
3’de yükselticilerin
analizi gösterilmiş
olup,
sayıları ve maliyet
açısından incelenmiştir.
olup, eleman sayıları ve maliyet açısından incelenmiştir.
Tablo 3: Yükselticilerin karşılaştırmalı analizi
Tablo 3: Yükselticilerin
Yükseltici
Geleneksel karşılaştırmalı
Köprüsüz analizi
Dönüşümlü
Yükseltici
Geleneksel
Köprüsüz
Dönüşümlü
Tipi
Yükseltici
Yükseltici
Yükseltici
Tipi
Yükseltici
Yükseltici
Yükseltici
Ana Anahtar
1
2
2
AnaSayısı
Anahtar
1
2
2
Sayısı
Hızlı Diyot
1
2
2
Hızlı
Diyot
Sayısı
1
2
2
Sayısı
Doğrultucu
4
0
4
Doğrultucu
Diyot
Sayısı
4
0
4
Diyot
Sayısı
Endüktans
1
2
2
Endüktans
Sayısı
1
2
2
Sayısı
Çıkış
1
1
1
Çıkış
Kondansatörü
1
1
1
Kondansatörü
Toplam
8
7
11
Toplam
Eleman
Sayısı
8
7
11
Eleman
Sayısı
Maliyet
Düşük
Orta
Yüksek
Maliyet
Düşük
Orta
Yüksek
4. Kontrol Yöntemi
4. Kontrol Yöntemi
3. Simülasyon Parametrelerinin Seçimi
3. Simülasyon Parametrelerinin Seçimi
Yükseltici devrelerin kontrol yöntemi olarak giriş akımının
Yükseltici
devrelerin kontrol
yöntemi
olarak giriş
akımının
kolay filtrelenebilmesi
ve düşük
harmonikli
düzgün
bir
kolay
filtrelenebilmesi
ve düşük
harmonikli
düzgünPWM
bir
sinüzoidal
akım çekebilmesi
için sabit
anahtarlamalı
sinüzoidal
akım
çekebilmesi
için
sabit
anahtarlamalı
PWM
tercih edilmiştir. 100 kHz anahtarlama frekansında çalıştırılan
tercih edilmiştir.
kHzkontrol
anahtarlama
frekansında
çalıştırılan
yükselticiler,
tek 100
aşamalı
ile şebekeden
sinüzoidal
bir
yükselticiler,
tekaynı
aşamalı
kontrol
ile şebekeden
akım çekerken,
zamanda
regüleli
DC çıkışsinüzoidal
gerilimini bir
de
akım
çekerken,
zamanda
regüleliiçin
DCçıkış
çıkışgerilimi,
geriliminigiriş
de
kontrol
eder. Buaynı
kontrolü
sağlamak
kontrol eder.
Bu kontrolü
sağlamak için çıkış gerilimi, giriş
gerilimi
ve akımından
faydalanılır.
gerilimi ve akımından faydalanılır.
Çıkış gücüne bağlı olarak şebekeden çekilecek sinüzoidal
Çıkış (1)-(12)
gücüne formülleri
bağlı olarak
sinüzoidal
akım
ile şebekeden
hesaplanır. çekilecek
Oluşturulan
kontrol
akım (1)-(12)
ile hesaplanır.
Oluşturulan
kontrol
sistemi
referansformülleri
akım üzerinde
anahtarlama
yaparak belli
bir
sistemi
referans
akım
üzerinde
anahtarlama
yaparak
belli
bir
bantta bu akım ortalamasını sağlar. Geleneksel yükseltici tek
bantta
bu akım
ortalamasını
bir
anahtar
ile tüm
güç akışısağlar.
kontrolGeleneksel
edilirken. yükseltici
Köprüsüz tek
ve
bir
anahtar yükselticilerde
ile tüm güç akışı
kontrol
Köprüsüz
dönüşümlü
2 anahtar
ileedilirken.
bu güç akışı
sağlanır.ve
dönüşümlü yükselticilerde 2 anahtar ile bu güç akışı sağlanır.
Köprüsüz yükselticide bulunan 1. anahtar pozitif yarım
Köprüsüz
bulunan
1. anahtar
dalgayı, 2.yükselticide
anahtar negatif
yarım
dalgayı pozitif
kontrol yarım
eder.
dalgayı, 2. yükseltici
anahtar de
negatif
dalgayı kontrol
Dönüşümlü
ise 1. yarım
ve 2. anahtarlar
180oo faz eder.
farkı
Dönüşümlü
yükseltici
ise kontrol
1. ve 2.ile
anahtarlar
faz farkı
ile sistemi kontrol
eder.de Bu
girişten 180
sinüzoidal
bir
ile
sistemi
kontrol
eder.
kontrol
ile girişten
bir
akım
çekilirken,
çıkış
güçBu
akışı
da kontrol
edilmişsinüzoidal
olur.
akım çekilirken, çıkış güç akışı da kontrol edilmiş olur.
Yükselticilerin genel karşılaştırması Tablo 2’de gösterilmiş
Yükselticilerin
genel
Tablo
gösterilmiş
olup, güç değeri,
EMIkarşılaştırması
gürültü seviyesi,
çıkış2’de
dalgalığı,
giriş
olup, güç manyetik
değeri, EMI
seviyesi,
çıkış
dalgalığı, [8].
giriş
dalgalığı,
boyutgürültü
ve verim
açısında
incelenmiştir
dalgalığı, manyetik boyut ve verim açısında incelenmiştir [8].
5. Geleneksel PFC’li Yükseltici Simülasyonu
5. Geleneksel PFC’li Yükseltici Simülasyonu
Anahtarlama
frekansı
(fsw)
yükselticilerin
çalışma
Anahtarlama (fç)frekansı
yükselticilerin
çalışma
sw)
frekansından
çok çok (f
büyük
olduğundan
(fsw>>f
ç) bir
frekansından
(fç) çok çok temel
büyükbüyüklüklerin
olduğundan (fdeğişmediği
sw>>fç) bir
anahtarlama periyodunda,
anahtarlama
periyodunda,
büyüklüklerin
değişmediği
kabul edilmiştir.
Buna göre temel
tüm devre
parametreleri
yukarıda
kabul edilmiştir.
göre tüm devre
verilen
(1)-(12)Buna
bağıntılarına
göre,parametreleri
100 kHz yukarıda
toplam
verilen
(1)-(12)
bağıntılarına
göre, 100
anahtarlama
frekansında,
3 kW’lık
çıkış kHz
gücütoplam
için
anahtarlama Tablo
frekansında,
3 kW’lıkDönüşümlü
çıkış gücü
için
hesaplanarak
1’de gösterilmiştir.
yükseltici
hesaplanarak anahtarların
Tablo 1’de gösterilmiştir.
yükseltici
devresinde
her biri 50Dönüşümlü
kHz anahtarlama
devresinde çalışmakla
anahtarlarınbirlikte
her devrenin
biri 50 toplam
kHz anahtarlama
anahtarlama
frekansında
frekansında
birlikte devrenin toplam anahtarlama
frekansı
yineçalışmakla
100 kHz olmaktadır.
frekansı yine 100 kHz olmaktadır.
Tablo 1: Simülasyon Parametreleri
1: Simülasyon
ParametreleriDönüşümlü
Yükseltici Tablo
Geleneksel
Köprüsüz
Yükseltici
Geleneksel
Köprüsüz
Dönüşümlü
Tipi
Yükseltici
Yükseltici
Yükseltici
Tipi
Yükseltici
Yükseltici
Yükseltici
220 ± %5
220 ± %5
220 ± %5
Vg
220
±
%5
220
±
%5
220
V
g
400 ± %5
400 ± %5
400 ±
± %5
%5
Vç
400
± %5
400
± %5
400
± %5
V
Pçç
3000
W
3000
W
3000
W
3000kHz
W
3000kHz
W
3000
W
fPswç
100
100
50 kHz
fCsw
100
kHz
100
kHz
50
kHz
3300 µF
3300 µF
3300 µF
ç
Cç
3300
µF
3300
µF
3300
µF
L (L1+L2)
270 µH
270 µH
270 µH
L (L1+L2)
270 µH
270 µH
270 µH
Geleneksel
Geleneksel
Şekil 5’de
Şekil 5’de
PFC’li yükselticinin kontrol ve ana akım devresi
PFC’li yükselticinin
kontrol
ve ana
akım devresi
gösterilmiştir.
Ana akım
devresi
girişinde
köprü
gösterilmiştir. Ana akım devresi girişinde köprü
89
doğrultucu bulunmaktadır ve kontrol, giriş akım ve gerilimi ile
çıkış geriliminin uygun bir algoritma ile kontrolü ile
sağlanmaktadır.
Ana anahtar olarak 3 kW çıkış gücüne uygun 100 kHz’de
çalışabilecek IXFT50N60P3 mosfeti seçilmiş olup simülasyon
sonuçlarının gerçeğe uygun olması için eşdeğer referans
gerilim ve direnç değerleri simülasyona eklenmiştir. Yine aynı
şekilde yükseltici hızlı diyotu da gerçeğe uygun olarak
C3D10060A hızlı silikon karpit (SİC) diyotu olarak
simülasyona eklenmiştir. SİC diyotları, ters toparlanma
süreleri ve akım değerleri ile sistemin toplam verim ve
performansını arttırdığından tercih edilmiştir. Endüktans ve
çıkış kondansatörü değerleri giriş geriliminin 220 V efektif
değeri için hesaplanmış ve CCM çalışmaya uygun olarak
Tablo 1’de gösterilen simülasyon parametrelerine göre
devreye eklenmiştir. Başlangıç koşullarından sadece Cç çıkış
kondansatörüne, ilk periyotta düzgün çıkış verebilmesi için,
400 V referans değer verilmiştir.
Şekil 6: Giriş ve çıkış akım-gerilim dalga şekilleri.
Şekil 7’de gösterilen giriş akım ve gerilimine bağlı güç faktörü
değeri incelenirse, güç faktörü değerinin PF=0,998 olduğu
görülür.
Şekil 7: Giriş akım ve gerilimine bağlı güç faktörü değeri.
Tek fazlı şebekeden çekilen akımın değişimi Şekil 8’de
gösterilmiştir. CCM modunda çalışan geleneksel yükselticinin
şebekeden çektiği akımın THDi değeri % 4,88 dir. EN610003-2 harmonik standartlarına göre % 5 olan sınır değerin
altında ve verimi % 97,8 ile arzulanan verim değerinin
üzerindedir. Güç faktörü değeri de birim güç faktörü değerini
sağlamaktadır.
Şekil 5: Geleneksel PFC’li yükseltici simülasyon devresi.
Giriş akım ve gerilimi ile çıkış akım ve gerilimi Şekil 6’da
gösterilmiş olup, akım örneklerinin daha düzgün
görülebilmesi için 10 kez büyük ölçekli gösterilmiştir. Giriş ve
çıkış değişkenlerinin efektif değerleri sağdaki küçük ekranda
belirtilmiştir. Buna göre yaklaşık, giriş gerilimi 220 V, çıkış
gerilimi 400 V, giriş akımı 14 A, çıkış akımı 7,5 A olarak
ölçülmüştür. Giriş ve çıkış güçlerinden verim ölçümü
yapılırsa, giriş gücü 3065 W ve çıkış gücü 2999 W
olduğundan verim % 97,8 olarak hesaplanmıştır.
Şekil 8: Giriş akımı THDi değeri.
90
6. Köprüsüz PFC’li Yükseltici Simülasyonu
Köprüsüz PFC’li yükselticinin kontrol ve ana akım devresi
Şekil 9’da gösterilmiştir. Ana akım devresi girişinde köprü
doğrultucu bulunmamaktadır ve kontrol, giriş akım ve gerilimi
ile çıkış geriliminin uygun bir algoritma ile kontrolü ile
sağlanmaktadır.
Şekil 11’de gösterilen giriş akım ve gerilimine bağlı güç
faktörü değeri incelenirse, güç faktörü değerinin PF=0,998
olduğu görülür.
Tek fazlı şebekeden çekilen akımın değişimi Şekil 12’de
gösterilmiştir. CCM modunda çalışan köprüsüz yükselticinin
şebekeden çektiği akımın THDi değeri % 5,05 dir. Köprüsüz
yükselticinin
verimi,
girişinde
diyot
köprüsü
bulunmadığından, % 98,2 ile arzulanan verim değerinin
üzerindedir. Güç faktörü değeri de birim güç faktörü değerini
sağlamaktadır.
Şekil 9: Köprüsüz PFC’li yükseltici ana akım ve kontrol
devresi.
Giriş akım ve gerilimi ile çıkış akım ve gerilimi Şekil 10’da
belirtilmiştir. Buna göre yaklaşık, giriş gerilimi 220 V, çıkış
gerilimi 400 V, giriş akımı 13,9 A, çıkış akımı 7,5 A olarak
olduğundan verim % 98,2 olarak hesaplanmıştır.
EN61000-3-2 harmonik standartlarına göre % 5 olan sınır
değerin üzerinde olan THDi değeri uygun filtrelemeler
yapılarak aşağı düşürülebilir. Literatürdeki diğer çalışmalarda
da sistemin yapısı gereği köprüsüz yükselticinin yüksek THDi
ve EMI değerine dikkat çekilmiştir.
Köprüsüz yükselticide L1ve L2 endüktanslarının toplamı 270
µH dir. Dolayısı ile simülasyonda her biri 135 µH olarak
ayarlanmıştır.
Şekil 12: Giriş akımının THDi değeri.
7. Dönüşümlü PFC’li Yükseltici Simülasyonu
Dönüşümlü PFC’li yükselticinin kontrol ve ana akım devresi
Şekil 13’de gösterilmiştir. Ana akım devresi girişinde köprü
doğrultucu bulunmaktadır ve kontrol, giriş akım ve gerilimi ile
çıkış geriliminin uygun bir algoritma ile kontrolü ile
sağlanmaktadır.
91
Şekil 15’de gösterilen giriş akım ve gerilimine bağlı güç
faktörü değeri incelenirse, güç faktörü değerinin PF=0,999
olduğu görülür.
Şekil 13: Dönüşümlü PFC’li yükseltici ana akım ve kontrol
devresi.
Giriş akım ve gerilimi ile çıkış akım ve gerilimi Şekil 14’de
belirtilmiştir. Buna göre giriş gerilimi 220 V, çıkış gerilimi
400 V, giriş akımı 13,9 A, çıkış akımı 7,5 A olarak
olduğundan verim % 98 olarak hesaplanmıştır.
Tek fazlı şebekeden çekilen akımın değişimi Şekil 16’da
gösterilmiştir. CCM modunda çalışan dönüşümlü yükselticinin
şebekeden çektiği akımın THDi değeri % 1.93 olup,
EN61000-3-2 harmonik standartlarına göre % 5 olan sınır
değerin oldukça altındadır. Dönüşümlü yükselticinin verimi,
girişinde diyot köprüsü bulunduğundan, % 98 ile arzulanan
verim değerinin üzerindedir. Güç faktörü değeri de birim güç
faktörü değerini sağlamaktadır.
Dönüşümlü yükselticide anahtarlama frekansı her bir mosfet
için 50 kHz, sistemin toplam anahtarlama frekansı ise 100 kHz
dir.
Şekil 16: Giriş akımının THDi değeri.
8. PFC’li Yükselticilerin Performansı
Geleneksel, köprüsüz ve dönüşümlü PFC’li yükselticiler, 100
kHz toplam anahtarlama frekansında, 3 kW çıkış gücünde
çalıştırılmış ve PF, THDi ve verim açısından
değerlendirilmiştir. Buna göre Tablo 4’de güç faktörü, THDi
ve verim açısından sonuçlar gösterilmiştir. Bu sonuçlara göre
en yüksek verim köprüsüz yükselticide, en düşük THDi
dönüşümlü yükselticide ölçülmüştür. Tüm yükselticiler güç
faktörü açısından birim güç faktörü değerine ulaşmıştır.
Tablo 4: Yükselticilerin performans karşılaştırması
Yükseltici
Geleneksel
Köprüsüz
Dönüşümlü
Tipi
Yükseltici
Yükseltici
Yükseltici
PF
0.998
0.998
0.999
THDi (%)
4.88
5.05
1.93
Verim (%)
97.8
98.2
98
92
Auxiliary Circuits” IEEE Transactions on Power
Electronics, vol. 21, pp. 370-379, March 2006.
[3] Muthuramalingam, A.; Madhivanan, R.; Kalpana, R.; ,
"Comparative study of high performance rectifiers,"
Akın B., Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Power
Fazdan Hızlı
ve Verimli Şarjı
için Güç
Faktörü
Düzeltmeli
Electronics,
2006.
IICPE
2006.
India
International Conference on , vol., no., pp.216-221, 19Temalı Derleme Makale
21 Dec. 2006
[4] Woo-Young Choi; Jung-Min Kwon; Eung-Ho Kim; JongJae Lee; Bong-Hwan Kwon; , "Bridgeless Boost Rectifier
With Low Conduction Losses and Reduced Diode
Reverse-Recovery Problems," Industrial Electronics,
Transactions
onL.;
, vol.54,
pp.769-780,
[8] IEEE
Beltrame,
F.; Roggia,
Schuch,no.2,
L.; Pinheiro,
J.R.;April
,“A
9. Sonuçlar
2007
comparison
of high power single-phase power factor
Bu makalede elektrikli arabalarda kullanılan Li-ion akülerin
[5] correction
Huber, L.;pre-regulators”
Yungtaek Jang;
M.M.; ,
2010 Jovanovic,
IEEE International
hızlı ve verimli şarjı için tercih edilebilecek temel yükseltici
"Performanceon Evaluation
of Bridgeless
PFCpp Boost
Conference
Industrial Technology
(ICIT),
625devrelerin simülasyonları yapılmış ve karşılaştırma sonuçları
Rectifiers,"
Power Electronics, IEEE Transactions on ,
629,
May 2010
gösterilmiştir.
vol.23, no.3, pp.1381-1390,
[9] Etezadi-Amoli,
M.; Choma,May
K.; 2008
Stefani, J.; , "Rapid[6] Woo-Young
Choi;
Jung-Min
Kwon;
Bong-Hwan
Kwon;
Charge Electric-Vehicle Stations," Power
Delivery,
IEEE,
Geleneksel, köprüsüz ve dönüşümlü yükseltici devreleri, 3 kW
"An improved
PFC
boost-doubler
Transactions
on ,bridgeless
vol.25, no.3,
pp.1883-1887,
Julyrectifier
2010
çıkış gücünde ve 100 kHz anahtarlama frekansında
high-efficiency,"
Power
Electronics
[10] with
Musavi,
F.; Eberle, W.;
Dunford,
W.G.; , Specialists
"A highçalıştırılmıştır. Simülasyon sonuçlarına göre, geleneksel
Conference, single-phase
2008. PESC
2008.power
IEEEfactor
, vol.,
no.,
performance
AC-DC
corrected
yükseltici % 97.8 verim ile en düşük verim değerine sahipken,
pp.1309-1313,
June
boost
converter15-19
for plug
in 2008
hybrid electric vehicle battery
% 4.88 THDi değeri ile iki dönüştürücünün arasında yer
[7] Tao
Qi; LeiEnergy
Xing; Jian
Sun; , "Dual-Boost
chargers,"
Conversion
Congress andSingle-Phase
Exposition
almaktadır. Köprüsüz yükseltici % 98.2 ile en verimli sistem
PFC Input
Current
on Output Current
(ECCE),
2010
IEEEControl
, vol., Based
no., pp.3588-3595,
12-16
olmasına karşın, THDi değeri olarak, EN61000-3-2 harmonik
Sensing,"
Sept.
2010 Power Electronics, IEEE Transactions on ,
standartlarına göre % 5 sınır olan, % 5.05 değerini almıştır.
pp.2523-2530,
Nov. 2009
[11] vol.24,
Musavi,no.11,
F.; Eberle,
W.; Dunford,
W.G.; , "Efficiency
Dönüşümlü yükseltici % 98 verim değeri ile arada yer
evaluation
of
single-phase
solutions
for AC-DC
[8] Beltrame, F.; Roggia, L.; Schuch, L.; Pinheiro,
J.R.;PFC
,“A
9.
Sonuçlar
almasına karşın, % 1.93 THDi değeri ile en az harmonikli
boost converters
plug-in-hybrid
electric
comparison
of highforpower
single-phase
powervehicle
factor
sistemdir.
Güçelektrikli
faktörüarabalarda
açısındankullanılan
değerlendirildiğinde
üç
Bu makalede
Li-ion akülerin
battery chargers,"
Vehicle 2010
PowerIEEE
and International
Propulsion
correction
pre-regulators”
yükseltici
de 0.99şarjı
değerine
ulaşmıştır.
hızlı ve verimli
için tercih
edilebilecek temel yükseltici
Conference on
(VPPC),
2010 Technology
IEEE , vol., (ICIT),
no., pp.1-6,
1-3
Conference
Industrial
pp 625devrelerin simülasyonları yapılmış ve karşılaştırma sonuçları
Sept.May
2010
629,
2010
Bu
yükseltici topolojileri arasında li-ion akü şarjına yönelik
gösterilmiştir.
[12]
Akın, B.; Bodur,
, "AK.;
New
Single-Phase
Soft[9] Etezadi-Amoli,
M.; H.;
Choma,
Stefani,
J.; , "Rapidhızlı ve verimli bir sistem olarak dönüşümlü yükseltici daha
Switching
Power FactorStations,"
Correction
Converter,"
Charge Electric-Vehicle
Power
Delivery,Power
IEEE
iyi
performans
sergilemiştir.
Geleneksel,
köprüsüz
ve dönüşümlü yükseltici devreleri, 3 kW
Electronics,
IEEE
Transactions
on , vol.26,
no.2,
Transactions on
, vol.25,
no.3, pp.1883-1887,
July 2010
çıkış gücünde ve 100 kHz anahtarlama frekansında
2011 W.; Dunford, W.G.; , "A high[10] pp.436-443,
Musavi, F.;Feb.
Eberle,
çalıştırılmıştır. Simülasyon sonuçlarına göre, geleneksel
[13] performance
Musavi, F.; single-phase
Eberle, W.;AC-DC
Dunford,
W.G.;
, "A
highpower
factor
corrected
yükseltici % 97.8 verim
ile en düşük verim değerine sahipken,
10. KAYNAKLAR
performance
single-phase
bridgeless
interleaved
PFC
boost converter
for plug in hybrid
electric
vehicle battery
% 4.88 THDi değeri ile iki dönüştürücünün arasında yer
converter
for plug
in hybrid
electric and
vehicle
battery
chargers," for
Energy
Conversion
Congress
Exposition
[1]
Chakraborty,
S.; Mohan,
N.;%, 98.2
"A Comparative
study
of
almaktadır.
Köprüsüz
yükseltici
ile en verimli
sistem
chargers,"
Industry
Application,
IEEE
Transactions12-16
on ,
(ECCE), 2010
IEEE
, vol., no.,
pp.3588-3595,
Various
Single
Stage
PFC
Converters
in implementing
olmasına
karşın,
THDi
değeri
olarak,
EN61000-3-2
harmonik
vol.47,
no.4, pp.1833-1843, Aug. 2011
Sept. 2010
Novel Converter
standartlarına
göre % 5Topology
sınır olan,for%Simultaneous
5.05 değerini charging
almıştır.
[11] Musavi, F.; Eberle, W.; Dunford, W.G.; , "Efficiency
and
Individual
Cell
Balancing
of Multiple
Li-ion
Dönüşümlü yükseltici % 98 verim değeri
ile arada
yer
evaluation of single-phase solutions for AC-DC PFC
Batteries,"
Telecommunications
Conference,
2005.
almasına karşın, % 1.93 THDi değeri ile en az harmonikli
boost converters for plug-in-hybrid electric vehicle
INTELEC
Twenty-Seventh
, vol., no.,
sistemdir.
Güç '05.
faktörü
açısından International
değerlendirildiğinde
üç
battery chargers," Vehicle Power and Propulsion
pp.251-256,
2005ulaşmıştır.
yükseltici
de 0.99Sept.
değerine
Conference (VPPC), 2010 IEEE , vol., no., pp.1-6, 1-3
[2] W. Huang, G. Moschopoulos, “A New Family of Zero
Sept. 2010
Voltage Transition
Converters
With
Dual yönelik
Active
Bu yükseltici
topolojileriPWM
arasında
li-ion akü
şarjına
[12] Akın, B.; Bodur, H.; , "A New Single-Phase SoftTransactions
on Power
hızlı Auxiliary
ve verimli Circuits”
bir sistem IEEE
olarak dönüşümlü
yükseltici
daha
Switching Power Factor Correction Converter," Power
Electronics,
vol. 21, pp. 370-379, March 2006.
iyi performans
sergilemiştir.
Electronics, IEEE Transactions on , vol.26, no.2,
[3] Muthuramalingam, A.; Madhivanan, R.; Kalpana, R.; ,
pp.436-443, Feb. 2011
"Comparative study of high performance rectifiers,"
[13] Musavi, F.; Eberle, W.; Dunford, W.G.; , "A highPower Electronics, 2006. IICPE 2006. India
10.
KAYNAKLAR
performance single-phase bridgeless interleaved PFC
International Conference on , vol., no., pp.216-221, 19converter for for plug in hybrid electric vehicle battery
21
Dec.
2006
[1] Chakraborty, S.; Mohan, N.; , "A Comparative study of
chargers," Industry Application, IEEE Transactions on ,
[4] Woo-Young
Choi;
Jung-Min
Kwon; Eung-Ho
Kim; JongVarious Single
Stage
PFC Converters
in implementing
vol.47, no.4, pp.1833-1843, Aug. 2011
Jae
Lee;Converter
Bong-Hwan
Kwon; , for
"Bridgeless
Boost Rectifier
Novel
Topology
Simultaneous
charging
With
Low Conduction
Losses and
Reduced Li-ion
Diode
and Individual
Cell Balancing
of Multiple
Reverse-Recovery
Problems," Industrial
Electronics,
Batteries," Telecommunications
Conference,
2005.
IEEE
Transactions
on , vol.54, International
no.2, pp.769-780,
INTELEC
'05. Twenty-Seventh
, vol.,April
no.,
2007
pp.251-256, Sept. 2005
[5]
Huber,
L.;G. Yungtaek
Jang;“AJovanovic,
[2] W.
Huang,
Moschopoulos,
New FamilyM.M.;
of Zero,
"Performance
Evaluation
of Bridgeless
Boost
Voltage Transition
PWM Converters
With PFC
Dual Active
Rectifiers,"
Power Electronics,
IEEE Transactions
on ,
Auxiliary Circuits”
IEEE Transactions
on Power
vol.23,
no.3, vol.
pp.1381-1390,
May 2008
Electronics,
21, pp. 370-379,
March 2006.
[6]
Choi; Jung-Min
Kwon; Bong-Hwan
Kwon;
[3] Woo-Young
Muthuramalingam,
A.; Madhivanan,
R.; Kalpana,
R.; ,
"An
improved study
bridgeless
PFC performance
boost-doublerrectifiers,"
rectifier
"Comparative
of high
with
Power Electronics
Specialists
Powerhigh-efficiency,"
Electronics, 2006.
IICPE 2006.
India
Conference,
PESCon 2008.
IEEE
, vol., no.,
International 2008.
Conference
, vol., no.,
pp.216-221,
19pp.1309-1313,
21 Dec. 2006 15-19 June 2008
[7]
Qi; Lei Xing;
Jian Sun; Kwon;
, "Dual-Boost
[4] Tao
Woo-Young
Choi; Jung-Min
Eung-HoSingle-Phase
Kim; JongPFC
Input
Current Control
on Output
Current
Jae Lee;
Bong-Hwan
Kwon; , Based
"Bridgeless
Boost Rectifier
Sensing,"
Electronics,
IEEE
on ,
With LowPower
Conduction
Losses
andTransactions
Reduced Diode
vol.24,
no.11, pp.2523-2530,
Nov.Industrial
2009
Reverse-Recovery
Problems,"
Electronics,
IEEE Transactions on , vol.54, no.2, pp.769-780, April
2007
[5] Huber, L.; Yungtaek Jang; Jovanovic, M.M.; ,
"Performance Evaluation of Bridgeless PFC Boost
93
Rectifiers," Power Electronics, IEEE Transactions on ,
vol.23, no.3, pp.1381-1390, May 2008
[6] Woo-Young Choi; Jung-Min Kwon; Bong-Hwan Kwon; ,
94
Amasyalı M. F., Balcı S., Varlı E. N., Mete E., Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin
Performans Karşılaştırılması, Cilt 2, Sayı 4, Syf 95-104, Aralık 2012
Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans
Karşılaştırılması
A Comparison of Text Representation Methods for Turkish Text
Classification
M.Fatih AMASYALI 1, Sümeyra BALCI1, Esra Nur VARLI1, Emrah METE1
1
Elektrik Elektronik Fakültesi, Bilgisayar Mühendisliği Bölümü
[email protected], [email protected], [email protected],
[email protected],
[email protected]
Özet
Bir metnin sınıfına metnin hangi özelliklerine bakılarak
karar verilebilir? Sınıflandırma probleminin türünün (metnin
yazarını, yazarın cinsiyetini, yazarın ruh halini, metnin
konusunu, metnin olumlu ya da olumsuz ifadeler içerdiğini
tanıma) bu soruya verilecek cevaba etkisi nedir? Bu sorulara
çeşitli cevaplar vererek, metin dosyalarının otomatik
sınıflandırılması için uzun zamandır çalışmalar sürmektedir.
Bu çalışmada çeşitli türdeki 6 adet Türkçe sınıflandırma veri
kümesi üzerinde 17 adet özellik grubunun etkisi
incelenmiştir. Çıkarılan özellik gruplarına örnek olarak;
cümle, kelime, ek sayıları, ngramlar, kelimeler, kelime
grupları ve saklı anlam indeksi verilebilir. Türkçe için
bugüne kadar yapılmış en kapsamlı karşılaştırma çalışması
sunulmuştur. Sonuçlarda n-gramların genel olarak diğer
temsil yöntemlerinden daha başarılı sonuçlar ürettiği
görülmüştür.
Anahtar kelimeler: Doğal Dil İşleme, Metin Sınıflandırma,
Metin Özellikleri, Metin Temsil Yöntemleri
Abstract
Which features are the most important for text classification
tasks? How does the type of text classification problem
(authorship attribution, gender identification, mood
identification, topic identification, sentiment analysis) affect
the answer of this question? By giving various answers to
these questions, the automatic text classification studies are
ongoing for a long time. In this study, 17 text representation
methods are compared over 6 different Turkish text
classification tasks. Frequencies of the words, stem words,
word phrases, n-grams, tokens, and word clusters, Latent
Semantic Indexing are examples of the extracted text
features. To the best of our knowledge, the most
comprehensive study for Turkish text classification is
presented. In general, n-grams were produced more
successful results than the other text representing methods.
Keywords:
Natural
Language
Processing,
Text
Classification, Text Categorization, Text Features, Text
Representation Methods
1. Giriş
Bir metnin yazarı, konusu, yazarının cinsiyeti, yazarının ruh
hali otomatik olarak tahmin edilebilir mi? Bu soruya cevap
arayan çalışmalar otomatik metin sınıflandırma adıyla
anılmaktadır. Bu çalışmalarda önceden sınıfı belli metinlerin
çeşitli özelliklerinin incelenmesiyle yeni gelen bir metnin
hangi sınıfa ait olduğu tahmin edilmektedir. Ancak bunun
yapılabilmesi
için
metinlerin
hangi
özelliklerinin
inceleneceğine diğer bir deyişle metinlerin nasıl temsil
edileceğine de karar vermek gerekir. Bununla birlikte,
sınıflandırma probleminin türünün (yazar, konu, cinsiyet vb.)
temsil yöntemine etkisinin olup olmadığı da ayrı bir
araştırma konusudur.
Literatürde çeşitli metin sınıflandırma problemleri için
birçok başarılı çalışma yapılmıştır. Bunlara örnek olarak
yazar tanıma [1, 2], metin konusunu belirleme [3, 4], e-posta
sınıflandırma [5], metnin yazarının cinsiyetini belirleme [1]
verilebilir. Bu çalışmalarda her problem türü için çeşitli
metin temsil yöntemleri önerilmiştir. En çok kullanılan
yöntemler; kelime / kelime grubu frekansları [3], ngram
frekansları [5, 6], kelime kümeleme [3], saklı anlam
indeksleme [7] ve fonksiyonel kelimelerdir [8].
Bununla birlikte literatürde farklı problem türleri için, metin
temsil
yöntemlerinin
detaylı
bir
karşılaştırılması
bulunmamaktadır. Bu çalışmada, bu boşluğu doldurmak
amacıyla literatürdeki birçok yöntem ve kendi önerdiğimiz
(çok boyutlu ölçekleme ile anlamsal uzay [9], sınıf bilgisine
dayalı kelime kümeleme) yöntemler, çeşitli veri kümeleri
üzerinde karşılaştırılmıştır.
Veri kümesi olarak yazıdan ruh hali tanıma, film
yorumlarında yönelim tespiti, köşe yazarlarını tanıma,
yazarın cinsiyetini tanıma, şiirin yazarını tanıma, haberin
türünü tanıma olmak üzere toplam 6 metin sınıflandırma
koleksiyonu üzerinde çalışılmıştır. 2. bölümde bu veri
koleksiyonları tanıtılmıştır. 3. bölümde karşılaştırılan metin
temsil yöntemleri detaylı olarak anlatılmıştır. 4. bölümde
deneysel sonuçlarda her bir veri koleksiyonu üzerinde hangi
95
metin temsil yönteminin (metin özellikleri) daha başarılı
olduğu, genelde en başarılı yöntemler tartışılmıştır. Son
bölümde ise sonuçlar tartışılmıştır.
Şiir: 7 şaire ait 20’şer şiirin toplanması ve şair adlarıyla
etiketlenmesiyle oluşturulmuştur. Sınıf etiketleri şairlerin
isimleridir.
2. Veri Kümeleri
3. Karşılaştırılan Metinlerin Temsil Yöntemleri
Bu bölümde farklı uygulama alanlarına ait çeşitli veri
kümeleri tanıtılacaktır. Tablo 1’de çalışmada kullanılan veri
kümeleri verilmiştir.
Bu bölümde literatürde sıklıkla kullanılan ve bizim
önerdiğimiz metin temsil yöntemleri anlatılmaktadır.
Tablo 1: Çalışmada kullanılan veri kümeleri
Bu bölümde anlatılacak olan Kelime Kökleri, Kelime
Türleri, Ngramlar, Fonksiyonel Kelimeler, Kelime Ekleri,
Kavram Genelleştirme özellik grupları için frekans
hesaplamasında kullanılmak üzere TF, TFIDF, binary, log,
normalize1 ve normalize2 olmak üzere 6 farklı metot
kullanılmıştır [10]. i indisli özelliğin j indisli metnindeki
TFIDF değeri Eşitlik 1’deki gibi hesaplanır.
Veri
kümesinin
ismi
Sınıf
say.
Top.
örn.
say.
Ruh hali
4
157
Film
yorumları
Köşe yazarı
Cinsiyet
3
105
18
2
630
105
Haberler
Şiir
5
7
1150
140
Her
bir
sınıf.
örn.
say.
3840
35
35
5055
230
20
Ort.
kelime
say.
Ort.
cümle
say.
Rast.
Başarı
%
247,1
28,1
25,48
49,3
4,8
28,57
398,5
377
45,3
54
5,56
52,38
204,8
79,5
17
7,4
20
14,29
Tablo 1’in son sütunundaki rastgele başarı yüzdesi verilerin
hepsinin en çok örneği olan sınıfa atandığında elde edilen
doğru sınıflandırma yüzdesidir. Kullanılan veri kümelerine
www.kemik.yildiz.edu.tr/?id=28
www.kemik.yildiz.edu.tr/?id=28 adresinden erişilebilir.
Veri kümelerinin her birinin nasıl oluşturulduğu ve sınıf
bilgilerinin içerikleri aşağıda anlatılmıştır.
Ruh hali: Çeşitli blog sitelerinden toplanan ve elle blog
yazarının ruh halinin etiketlenmesiyle oluşturulmuştur. 4
sınıf içermektedir. Sınıf etiketleri neşeli, hüzünlü, sinirli,
karışık şeklindedir.
Film Yorumları: Çeşitli sinema sitelerinden filmlere yapılmış
yorumların
toplanmasıyla
ve
beğeni
yönleriyle
etiketlenmesiyle oluşturulmuştur. 3 sınıf içermektedir. Sınıf
etiketleri pozitif, negatif, tarafsız şeklindedir.
Köşe Yazarları: Çeşitli gazetelerin web sayfalarından 18 adet
köşe yazarının 35’er köşe yazısının toplanmasıyla ve yazar
isimleriyle etiketlenmesiyle oluşturulmuştur. Sınıf etiketleri
yazarların isimleridir.
Cinsiyet: 5’er adet erkek ve kadın köşe yazarının 50-55’şer
köşe yazısının toplanmasıyla ve yazarlarının cinsiyetleriyle
etiketlenmesiyle oluşturulmuştur. Erkek ve kadın olmak
üzere 2 sınıf etiketi içermektedir.
Haberler:
Gazetelerin kategorilere
ayrılmış haber
sayfalarında 5 farklı konuda toplanmış 1150 haber içeren bir
veri kümesidir. Sınıf etiketleri Ekonomi, Magazin, Sağlık,
Siyasi, Spor şeklindedir.
96
3.1. Frekans Hesaplamalarında Kullanılan Metotlar
TFIDF (i, j )  TF (i, j )  log
TR
TR (i)
(1)
Eşitlik 1’de TF(i,j), i indisli özelliğin, j indisli metninde yer
alma sayısıdır. Toplam metin sayısı TR ile, içinde en az bir
kere i özelliği geçen metin sayısı TR(i) ile gösterilmiştir.
Örneğin i özelliği “gr” 2gramı ise, TF(i,j), “gr” ifadesinin j
metninde yer alma sayısı olacaktır. i özelliği “isim” kelime
türü ise TF(i,j); j metninde geçen isim türündeki kelime
sayısı olacaktır.
Binary(i,j): i indisli özellik j indisli metin yer alıyorsa değeri
1, yer almıyorsa 0’dır.
Log(i,j): Eşitlik 2 ile hesaplanır.
Log (i, j )  log10 (TF (i, j )  1)
(2)
Normalize1(i,j): TF(i,j)’leri, metindeki toplam kelime
sayısıyla normalize edilmesiyle Eşitlik 3’teki gibi hesaplanır.
N1(i, j ) 
TF ( i , j )





j
1/ 2

TF ( i , j ) 


(3)
2
Normalize2(i,j): TF(i,j)’leri, kelimenin toplam geçiş
sayısıyla normalize edilmesiyle Eşitlik 4’teki gibi hesaplanır.
TF ( i , j )
(4)
N 2 (i , j ) 
1/ 2





TF (i , j ) 2 
i

3.2. Sayılar Özellik Grubu
Metinleri içerdikleri noktalama işaretleri sayıları, kelime
sayıları, cümle sayıları, devrik cümle sayıları, harf sayıları,
ek sayıları, cümlelerdeki ortalama kelime ve harf sayıları,
kelimelerdeki ortalama harf ve ek sayılarıyla ifade eden 19
adet özellikten oluşan özellik grubudur.
3.3. Kelime Kökleri
Metinlerin içerdikleri kelimelerle ifade edildikleri,
literatürde en yaygın kullanılan özellik grubudur. Metinler
tüm metinlerde en az bir kere geçen farklı kelime sayısı
boyutlu bir uzayda ifade edilir. Türkçe gibi eklemeli
dillerde, kelimelerin kendilerini kullanmak farklı kelime
sayısını çok fazla arttırmaktadır. Örneğin insan, insanlık,
insanlığa, insanlığım kelimeleri farklı kelimeler olarak ele
alınırsa metinlerin ifade edildikleri uzayın boyutu çok büyük
olmaktadır.
Literatürde bu probleme çözüm olarak sadece kelime
köklerinin kullanılması önerilmektedir [11]. Bu sayede hem
aynı anlama işaret eden kelimelerin birleştirilmesi
(böylelikle metinler arası benzerliğin daha iyi ifade edilmesi
sağlanmakta), hem de özellik boyutunun azaltılmasıyla işlem
karmaşıklığının azaltılması sağlanmaktadır. Kelimelerin
köklerinin bulunması için Zemberek [12] kütüphanesi
kullanılmıştır.
3.4. Kelime Türleri
Metinleri içerdikleri kelimelerin türlerinin (isim, sıfat, zamir,
edat vb.) frekanslarıyla ifade eden özellik grubudur.
Kelimelerin
türlerinin
bulunmasında
Zemberek
kullanılmıştır. Toplam 15 tane kelime türü vardır. Buna göre
her metin içerdiği isim, sıfat, vb. türündeki kelime sayılarıyla
ifade edilmektedir.
3.5. Harf ve Kelime Ngramları
Metinlerin içerdikleri ngramlar ile ifade edildiği özellik
grubudur. Ngramlar N boyutlu karakter ya da kelime
çerçeveleridir. Örneğin “gitmek” metni için:
Harf 2 gramları: gi – it – tm – me – ek
Harf 3 gramları: git – itm – tme – mek şeklindedir.
Metinlere ait 2 ve 3 harf gramları, 2’li kelime ngramları
çıkarılmıştır. Çok seyrek frekans matrisleri üretiyor olmaları
sebebiyle, daha büyük pencere boyutuna sahip ngramlar
kullanılmamıştır.
3.6. Fonksiyonel Kelimeler
Fonksiyonel kelimeler esasen tek başlarına anlamları
olmayan, ancak yazarların üsluplarının belirlenmesinde
önemli oldukları düşünülen bağlaç ve edat türündeki
kelimelerdir [8] (ve, daha, gibi, de, için vb.). Metinler bu
özellik grubunda, önceden belirlenmiş 620 fonksiyonel
kelimeyle ifade edilmektedirler.
3.7. Kelime Ekleri
Metinlerin içerdikleri kelimelerin aldıkları eklerin türlerine
göre ifade edildikleri özellik grubudur. Türkçe eklemeli bir
dil olduğundan anlamın oluşmasında eklerin önemi büyüktür.
Kelimelerin
eklerinin
belirlenmesinde
Zemberek
kullanılmıştır. Zemberek toplam 126 farklı ek türü
çıkarmakta ve dolayısıyla metinler bu 126 ek türünü
içermelerine göre sayısallaştırılmaktadırlar.
3.8. Kelime Kümeleme
Bu özellik grubunda, metinlerde geçen yakın anlamlı
kelimeler birleştirilip tek bir küme, tek bir özellik haline
getirilmektedir [3]. Bu sayede hem boyut sayısı azaltılmakta
hem de benzer anlama sahip kelimeler tek bir kavram olarak
kullanıldığından metinler arası ilişkilerde artmaktadır.
Örneğin hayvan kavramına ait kelimeler (at, kedi, deve vb.)
aynı kümede yer alırlarsa, sadece “at” kavramını içeren ve
sadece “kedi” kavramını içeren iki metin aynı özelliğe
“hayvan” sahip olacaklardır. Bir kelime kümesinin bir
metindeki frekansı, küme içindeki kelimelerin o metindeki
geçiş sayılarının toplamıdır.
Kelime kümelerinin belirlenmesinde 4 kaynak kullanılmıştır:
TF matrisi, TFIDF matrisi, Cooccurance (birlikte geçme)
matrisi ve sınıf bilgisi. TF ve TFIDF matrisi 3.1. bölümde,
Cooccurance (birlikte geçme) matrisi 3.9. bölümde, sınıf
bilgisi 3.14. bölümde anlatılmıştır. Kelimelerin bu kaynaklar
kullanılarak kümelenmesi için 3 algoritma kullanılmıştır.
1. Hiyerarşik Kümeleme: Her bir adımda birbirine en çok
benzeyen iki kümenin birleştirildiği algoritmadır [13].
Başlangıçta her bir örnek ayrı bir kümeyi ifade eder.
Kümelerin birbirine benzerliklerinin ölçülmesinde 3 yol
izlenmektedir. A) En Yakın: Kümeler birbirine en yakın
elemanları kadar yakındır. B) Ortalama: İki kümenin her bir
elemanının diğer kümenin her bir elemanıyla arasındaki
mesafelerin ortalaması ile yakınlık ölçülür. C) En uzak:
Kümeler birbirine en uzak elemanları kadar yakındır.
2. K-means: Veri dağılımını en iyi temsil edebilecek küme
merkezlerini bulunmaya çalışır [14]. Başlangıçta küme
merkezleri rastgele atanır. Küme merkezlerinin kendi
kümelerindeki
elemanlara olan ortalama mesafesi
iterasyonlar ilerledikçe azalır.
3. SOM: Bu algoritmada veri dağılımını en iyi temsil
edebilecek küme merkezlerini bulunmaya çalışır. Küme
merkezleri başlangıçta yine rastgele atanır. Buna ek olarak
merkezler birbirlerine rastgele bağlanırlar. Her bir küme
merkezinin güncellenmesinde ona bağlı olan diğer küme
merkezleri de güncellenir. Bu sayede hem verileri ifade
edecek küme merkezleri hem de verinin topolojisi
bulunmaktadır [15].
3.9. Birlikte Geçme Matrisi
Birlikte geçme matrisi metinlerdeki farklı kelime sayısı
boyutlu simetrik bir matristir. Matrisin i,j hücresinin değeri,
i. kelime ile j. kelimenin eğitim metinlerinden kaçında
birlikte geçtiğini ifade etmektedir. Birlikte geçme matrisi
kelime kümelemede (Bölüm 3.8) ve anlamsal uzayda (Bölüm
3.12) kullanılmaktadır.
3.10.
Kelime Filtreleme
Her metinde geçen kelimelerin ayırt ediciliği azdır. Buna
karşın çok az metinde geçen kelimeler de gereksiz yere boyut
sayısını arttırabilirler. Bu nedenlerle metinlerin ifadesinde
kullanılan kelimeler, frekansa dayalı bir filtreden
geçirilmişlerdir. Kelimeler belirlenen minimum ve
maksimum geçiş sayılarına göre filtrelenmiştir.
3.11.
Saklı Anlam İndeksleme
Bu yöntem, sınıf bilgisini kullanmadan metin-kelime matrisi
(A) üzerinde Eşitlik 5’teki Tekil Değer Ayrıştırma (Singular
Value Decomposition) işlemini yaparak metinlerin boyut
sayısını azaltır [7].
97
Amn  U mk .S k k .VnTk
(5)
Bu işlem sonunda S matrisinde, özvektörlerin özdeğerleri
diagonalde büyükten küçüğe sıralanmış olur. Seçilen boyut
(k) adedi işleme alınarak, A matrisi m*n’lik bir matristen
(mmetin sayısı, n farklı kelime sayısı), m*k’lık (k
metinlerin yeni boyut sayısı) bir matrise dönüştürülür. Tekil
Değer Ayrıştırma için JAMA kütüphanesi [16]
kullanılmıştır.
3.12.
Anlamsal Uzay
Bu özellik grubunda, metinlerin anlamsal bir uzaydaki
koordinatları bulunmaktadır [17]. Bunun için önce metinleri
oluşturan kelimelerin anlamsal uzaydaki koordinatları
bulunup, daha sonra, metinlerin koordinatları; içerdikleri
kelimelerin
koordinatlarının
ortalaması
alınarak
hesaplanmaktadır. Kelimelerin sayısal koordinatları,
kelimelerin birbirlerine anlamsal yakınlıklarıyla uyumlu
olarak bulunmaktadır. Buna göre birbirine anlamsal olarak
yakın 2 kelimenin bulunan koordinatları arasındaki Öklid
mesafesi de küçük olmaktadır. 2 kelimenin birbirine
anlamsal yakınlığının ölçütü olarak Harris’in [18] yaklaşımı
kullanılmıştır. Buna göre 2 kelime ne kadar çok birlikte
kullanılıyorsa birbirlerine anlamsal olarak o kadar yakındır.
Kelimelerin bu yakınlıklarını ölçmek için birlikte geçtikleri
metin sayıları hesaplanmış ve Bölüm 3.9’da anlatılan
Birlikte Geçme Matrisi’ne yazılmıştır.
Literatürde aralarındaki 2’li uzaklıklar bilinen kavramların
bu uzaklıklarla uyumlu koordinatlarının bulunması için Çok
Boyutlu Ölçekleme (Multi Dimensional Scaling) [19]
yöntemi kullanılmaktadır. Bu yöntem uzaklıklar üzerinde
çalıştığından bir yakınlık ölçütü olan Birlikte Geçme Matrisi
Eşitlik 6’daki gibi tersine çevrilerek uzaklık ölçütüne
dönüştürülmüştür.
dis(i, j ) 
1
sim(i, j )
(6)
Eşitlik 6’da, dis(i,j); i. ve j. kelimeler arasındaki uzaklığı,
sim(i,j) ; i. ve j. kelimelerin birlikte geçtikleri metin sayısını
göstermektedir. Bu yeni matrise Çok Boyutlu Ölçekleme
uygulanarak kelimelerin koordinatları bulunmuştur. Çok
Boyutlu Ölçekleme için MDSJ Kütüphanesi [20]
kullanılmıştır. Metinlerin koordinatları ise daha önce de
belirtildiği gibi içinde geçen kelimelerin bu anlamsal
uzaydaki koordinatlarının ortalaması alınarak bulunmuştur.
3.13.
Kavram Genelleştirme
Kelimelerin anlamlarına göre hiyerarşik bir yapıda
düzenlendikleri Wordnet, Conceptnet gibi birçok çalışma
mevcuttur. Türkçe için ise benzer yapıda hazırlanmış Türkçe
Wordnet [21] bulunmaktadır. Bu özellik grubunda, bu hazır,
sabit, eğitim kümesinden bağımsız veri kaynakları, kelimeleri
bir üst kavramlarıyla ifade etmede kullanılmıştır. Bu sayede
kelime kümelemede olduğu gibi, hem metinlerin boyut sayısı
indirgenmiş, hem de metinlerin içerdikleri kavramlar daha
anlamsal bir şekilde ifade edilmiş olmaktadırlar.
Kelimeleri bir üst kavramlarıyla ifade etme (genelleştirme)
işlemi için 2 veri kümesi kullanılmıştır. İlki Türkçe
98
Wordnet’ten çıkarılmış 15018 adet kavram-üst kavram
ikilisidir. İkincisi ise Zemberek’in kütüphanesinden alınan
özel isimler listesidir. Eğer bir kelime kavram–üst kavram
ikilileri listesinde kavramlar içinde yer alıyorsa onun yerine
karşılık gelen üst kavram kullanılmıştır. Eğer bir kelime özel
isimler listesinde yer alıyorsa onun yerine “insan” kavramı
kullanılmıştır.
3.14.
Sınıf Bilgisiyle Kelime Kümeleme
Bizim önerdiğimiz bu yöntemde, öncelikle kelimelerin her
sınıftaki frekansları bulunarak kelimeler sınıf sayısı boyutlu
bir uzayda birer noktaya dönüştürülmektedir. Daha sonra
kelimeler, bu boyutları üzerinde 3.8. bölümde anlatılan
kümeleme metotlarıyla sınıf sayısı adet kümeye
ayrılmaktadır. Bu işlem sonunda her bir kelime sınıf sayısı
adet kümeden birine ait olmaktadır. Metinler ise, sınıf sayısı
adet kümenin frekanslarıyla ifade edilmektedirler. Bir
kümenin bir metindeki frekansı, o kümede bulunan tüm
kelimelerin o metindeki frekanslarının toplamıdır. Bu sayede
metinler kelime sayısı adet boyut yerine, sınıf sayısı adet
boyutla ifade edilmiş olmaktadır.
4. Deneysel Sonuçlar
Bölüm 2’de tanıtılmış olan 6 veri kümesi için, Bölüm 4’te
anlatılan özellik gruplarının çeşitli konfigürasyonlarıyla
arff’ler üretilmiştir. Özellik gruplarının her birinin çeşitli
konfigürasyonları bulunmaktadır. Tablo 2’de özellik
gruplarının (metin temsil yöntemlerinin) adları ve yazının
bundan sonraki kısmında kullanılan kısaltmaları verilmiştir.
Tablo 2: Özellik gruplarının isim ve kısaltmaları
Kısaltm
a
Say
2G
3G
K2G
KE
KT
FK
KGI
Açıklama
Sayılar Özellik Grubu (Bölüm 3.2)
Harf 2 gramları (Bölüm 3.5)
Harf 3 gramları (Bölüm 3.5)
Kelime 2 gramları (Bölüm 3.5)
Kelime ekleri (Bölüm 3.7)
Kelime Türleri (Bölüm 3.4)
Fonksiyonel kelimeler (Bölüm 3.6)
Kavram genelleştirme isim tabanlı (Bölüm 3.13)
Kavram genelleştirme özel isim tabanlı (Bölüm
KGO
4.13)
KK
Kelime kökleri
Hiyerarşik kelime kümeleme (küme benzerlikleri
KKHAL
ortalamaya göre) (Bölüm 3.8)
KKHCL
en uzak elemanlara göre) (Bölüm 3.8)
KKHSL
en yakın elemanlara göre) (Bölüm 3.8)
KKK
Kmeans ile kelime kümeleme (Bölüm 3.8)
KKS
SOM ile kelime kümeleme (Bölüm 3.8)
Birlikte geçme matrisi tabanlı anlamsal uzay
MDS
(Bölüm 3.12)
LSI
Saklı Anlam İndeksleme (Bölüm 3.11)
Tablo 3’te kelime Türleri, 2 gram, 3 gram, Fonksiyonel
kelimeler, kelime 2 gramları, kelime ekleri, kavram
genelleştirme isim, kavram genelleştirme özel isim, kelime
kökleri olmak üzere toplam 9 özellik gruplarının her biri için
kullanılan 6 frekans hesaplama yöntemi ve yazının bundan
sonraki bölümlerinde kullanılacak olan kısaltmaları
verilmiştir.
Tablo 3: Frekans hesaplama için kullanılan yöntemler
Yöntem
Binary
Log
N1
N2
TF
TFIDF
Açıklama
Bir kavram metinde geçiyorsa 1
geçmiyorsa 0 (Bölüm 3.1)
Eşitlik 2.
Eşitlik 3.
Eşitlik 4.
Bir kavramın bir metindeki geçiş
sayısı (Bölüm 3.1)
Eşitlik 1.
Tablo 4’te kelime kümelemede, KKHAL, KKHCL, KKHSL,
KKK, KKS olmak üzere toplam 5 metodun her biri için
kelimelerin kümelenmesinde kullanılan 4 matrisin isimleri ve
kısaltmaları verilmiştir.
Tablo 4: Kelime Kümeleme için kullanılan matrisler
Yöntem
Cooccurance
Snf
mTF
mTFIDF
Açıklama
Kelime kümele Birlikte geçme matrisine
göre (Bölüm 3.8 ve 3.9)
Kelime kümele sınıf bilgisine göre
(Bölüm 3.14)
Kelime kümele TF matrisine göre (Bölüm
3.8)
Kelime kümele TFIDF matrisine göre
(Bölüm 3.8)
Kelimelerin kümelenmesinde küme sayısı 50 olarak
belirlenmiştir. LSI ve MDS için metinlerin ifade edileceği
boyut sayısı 50 olarak belirlenmiştir. MDS’te ve birlikte
geçme matrisinin kullanıldığı her yöntemde yakınlıktan
uzaklığa geçiş için Eşitlik 6 kullanılmıştır. Say özellik grubu
için değişken bir parametre kullanılmamıştır.
Üretilen tüm metin temsil yöntemleri WEKA [22] ile birlikte
kullanılabilmeleri için arff formatında kaydedilmiştir. Sonuç
olarak 6 veri kümesi her biri için ( 9*6 ) + ( 5*4 ) + 3 (LSI,
MDS, Say) =77 arff, toplamda 77*6 = 462 arff üretilmiş ve
her arff üzerinde 5’li çapraz geçerlemeyle WEKA
kütüphanesinde yer alan 5 adet sınıflandırıcının (en yakın
komşu-1NN, karar ağacı-C4.5, destek vektör makineleriSVM, Naive Bayes-NB, Random Forest-RF) performansı
ölçülmüştür.
Özellik
gruplarının
sınıflandırma
performanslarını gösteren tablolardaki (Tablo 5-10) tüm
değerler 5’li çapraz geçerlemenin ortalama değerleridir.
Üretilen arff’lerin özellik sayısı (boyutu)
olanlarda zaman ve hafıza problemlerinden
önce InfoGain [23]’lerine göre sıralanmış
yüksek IG’e sahip 100 özellik seçilerek
5000’den fazla
ötürü özellikler
daha sonra en
arff bu haliyle
kaydedilmiştir. Sonuç tablolarında (Tablo 5-10), kullanılan 5
algoritmadan en yüksek performansa sahip olanının adı ve
başarı yüzdesi verilmiştir. Özellik sayısı 101 olan kayıtlarda
orijinal özellik sayısı 5000’i aştığından bilgi kazancına göre
özellik seçimi yapılmıştır. arff dosya formatında sınıf bir
özellik olarak yer almaktadır. Buna göre özellik sayısı d olan
bir veri kümesinde, d-1 adet özellikle sınıf etiketi tahmin
edilmektedir.
4.1. Şiir Veri Kümesi Denemeleri
Tablo 5’te bir şiirin yazarını tahmin etme problemi üzerinde
yaptığımız denemeler verilmiştir.
Tablo 5: Şiir veri kümesinde her bir özellik grubunun
en başarılı olduğu konfigürasyon ve başarı yüzdeleri,
rastgele başarı % 14,29
Özellik
Grubu
3G
KKHCL
2G
KKK
Say
KGI
KGO
KKS
LSI
KK
FK
KE
KT
KKHAL
KKHSL
MDS
K2G
Konfi
gürasyon
Binary
Snf
N1
Snf
Binary
Binary
Snf
Binary
N1
TF
Log
mTFIDF
Snf
TFIDF
Özellik
sayısı
101
8
1670
8
20
1829
1672
8
51
441
410
102
16
51
8
51
21
Başarı
yüzdesi
75,29
67,86
63,86
62,29
53,29
48
43,71
41,86
41,71
40,57
36,14
33,57
32,29
30,71
29,14
28,71
18,86
Sınıflandırıcı
NB
1NN
SVM
RF
RF
NB
NB
NB
RF
NB
RF
NB
SVM
RF
1NN
SVM
C45
Tablo 5 incelendiğinde bir şiirin yazarını tahmin etmede en
başarılı metin temsil yönteminin (özellik grubunun)
3gramlar’ı binary olarak kodlamak (3G-Binary) olduğu
görülmektedir. Veri kümesi için üretilen tekil 3gramların
sayısı 5 bin’i geçtiğinden özellik seçimi yapılmış ve bilgi
kazancına göre en iyi 100 adet 3gram metinlerin temsilinde
kullanılmıştır. 7 şaire ait 20’şer şiirle elde edilen sonuçlara
göre bir şiirin yazarı % 75,29’luk doğrulukla tahmin
edilebilmektedir. En başarılı 2 yöntem (3G-Binary, KKHCLSnf) arasında oldukça büyük bir fark bulunmaktadır.
4.2. Köşe Yazarı Veri Kümesi Denemeleri
Tablo 6’da bir köşe yazısının yazarını tahmin etme problemi
üzerinde yaptığımız denemeler verilmiştir.
Tablo 6: Köşe Yazarı veri kümesinde her bir özellik
grubunun en başarılı olduğu konfigürasyon ve başarı
yüzdeleri, rastgele başarı % 5,56
99
kınlıktan
ik grubu
birlikte
r. Sonuç
+ 3 (LSI,
ilmiş ve
WEKA
en yakın
kineleriformansı
andırma
10) tüm
ir.
en fazla
zellikler
onra en
haliyle
Tablo 5 incelendiğinde bir şiirin yazarını tahmin etmede en
3gramlar’ı binary olarak kodlamak (3G-Binary) olduğu
görülmektedir. Veri kümesi için üretilen tekil 3gramların
sayısı 5 bin’i geçtiğinden özellik seçimi yapılmış ve bilgi
kazancına göre en iyi 100 adet 3gram metinlerin temsilinde
kullanılmıştır. 7 şaire ait 20’şer şiirle elde edilen sonuçlara
göre bir şiirin yazarı % 75,29’luk doğrulukla tahmin
edilebilmektedir. En başarılı 2 yöntem (3G-Binary, KKHCLSnf) arasında oldukça büyük bir fark bulunmaktadır.
durumdur. Bu duruma 2 açıklama getirilebilir. İlki sınıflara
ait örnek sayılarıdır. Veri kümelerinde şairlere ait 20’şer şiir
varken, köşe yazarlarına ait 35’er örnek vardır ki bu köşe
yazarlarının daha başarılı tahmin edilebilmesine olanak
sağlamış olabilir. İkinci açıklama ise şiirlerde, köşe
TMMOB
Elektrik
Odası
yazılarından çok
daha fazla
sözMühendisleri
sanatına başvuruluyor
olmasıdır. Ve eğer bir şairin üslubu kullandığı söz sanatı
türlerine göre belirlenebiliyorsa ve çıkarılan özelliklerde bu
söz sanatları yer almadığından şiirlerin yazarlarını köşe
yazarları kadar iyi tahmin edemiyor olabilir.
4.2. Köşe Yazarı Veri Kümesi Denemeleri
4.3. Haberler Veri Kümesi Denemeleri
Tablo 6’da bir köşe yazısının yazarını tahmin etme problemi
üzerinde yaptığımız denemeler verilmiştir.
Tablo 7’de bir haber metninin konusunu tahmin etme
problemi üzerinde yaptığımız denemeler verilmiştir.
Tablo 6: Köşe Yazarı veri kümesinde her bir özellik
Tablo 7: Haberler veri kümesinde her bir özellik
yüzdeleri, rastgele başarı % 20
Özellik
Konfi
Özellik Başarı
Grubu
gürasyon sayısı
yüzdesi Sınıflandırıcı
2G
Log
3817
93,78
SVM
3G
Log
100
86,76
SVM
Özellik
Konfi
Özellik Başarı
Özellik Binary
Konfi
Özellik 85,68
Başarı SVM
KK
800
Grubu
gürasyon sayısı
Grubu
gürasyon 534
sayısı 81,49
yüzdesi SVM
Sınıflandırıcı
FK
Log
2G
Log
3817
93,78
SVM
2G
Log
3817
93,78
SVM
KGI
Log
470
79,78
SVM
3G
Log
100
86,76
SVM
3G
Log
100
86,76
SVM
KGO
Log
448
79,68
SVM
KK
Binary
800
85,68
SVM
KK
Binary
800
85,68
SVM
Say
20
73,4
RF
FK
Log
534
81,49
SVM
FK
Log
534
81,49
SVM
KKK
Snf
19
65,49
RF
KGI
Log
470
79,78
SVM
KGI
Log
470
79,78
SVM
LSI
51
63,59
RF
KGO
Log
448
79,68
SVM
KGO
Log
448
79,68
SVM
KKHCL
Snf
19
63,17
RF
Say
20
73,4
RF
Say
20
73,4
RF
KE
Log
114
61,05
SVM
KKK
Snf
19
65,49
RF
KKK
Snf
19
65,49
RF
MDS
51
56,41
NB
LSI
51
63,59
RF
LSI
51
63,59
RF
K2G
427
53,94
NB
KKHCL Binary
Snf
19
63,17
RF
KKHCL mTFIDF
Snf
19
63,17
RF
KKS
43
53,87
RF
KE
Log
114
61,05
SVM
KE
Log
114
61,05
SVM
KT
Log
16
50,51
NB
MDS
51
56,41
NB
MDS
51
56,41
NB
KKHAL
mTFIDF
51
47,17
SVM
K2G
Binary
427
53,94
NB
K2G
Binary
427
53,94
NB
KKHSL
Co
35,14
RF
KKS
mTFIDF 51
43
53,87
RF
KKS
mTFIDF 43
53,87
RF
KT
Log
16
50,51
NB
KT 6 incelendiğinde
Log
16
Tablo
bir köşe 50,51
yazısının NB
yazarını tahmin
KKHAL en mTFIDF
51
47,17 yönteminin
SVM
etmede
başarılı
metin
temsil
KKHAL mTFIDF 51
47,17
SVM (özellik
KKHSL 2gramlar’ı
Co
51olarak kodlamak
35,14
RF
grubunun)
Log
(2G-Log)
olduğu
KKHSL Co
51
35,14
RF
görülmektedir. 18 köşe yazarının 35’şer yazısıyla elde edilen
sonuçlara
göre bir köşe
yazarıyazarını
% 93,78’lik
Tablo 6 incelendiğinde
bir yazısının
köşe yazısının
tahmin
Tablo 6 incelendiğinde bir köşe yazısının yazarını tahmin
doğrulukla
edilebilmektedir.
başarılı 2 (özellik
yöntem
etmede en tahmin
başarılı
metin temsil Enyönteminin
etmede en başarılı metin temsil yönteminin (özellik
(2G-Log,
arasında
büyükkodlamak
bir fark bulunmaktadır.
grubunun)3G-Log)
2gramlar’ı
Log olarak
(2G-Log) olduğu
grubunun) 2gramlar’ı Log olarak kodlamak (2G-Log) olduğu
Şiirlerin
tahmin yüzdesi
iken,
sonuçlarayazarlarının
göre bir doğru
köşe yazısının
yazarı %%75,29
93,78’lik
sonuçlara göre bir köşe yazısının yazarı % 93,78’lik
köşe
yazılarının
yüzdesi En
% başarılı
93,78’dir.
Üstelik
doğrulukla
tahminyazarlarının
edilebilmektedir.
2 yöntem
doğrulukla tahmin edilebilmektedir. En başarılı 2 yöntem
köşe
yazarı
veri kümemizde
18 yazar(sınıf)
varken, şiir veri
(2G-Log,
3G-Log)
arasında büyük
bir fark bulunmaktadır.
(2G-Log, 3G-Log) arasında büyük bir fark bulunmaktadır.
kümemizde 7 şair (sınıf) vardır. Sınıf sayısının artmış
olmasına
başarının
artmış yüzdesi
olması beklenmedik
bir
Şiirlerin rağmen,
yazarlarının
doğrudatahmin
% 75,29 iken,
Şiirlerin yazarlarının doğru tahmin yüzdesi % 75,29 iken,
durumdur.
Bu duruma
2 açıklama
getirilebilir.
İlki sınıflara
köşe yazılarının
yazarlarının
yüzdesi
% 93,78’dir.
Üstelik
köşe yazılarının yazarlarının yüzdesi % 93,78’dir. Üstelik
ait
örnek
sayılarıdır.
Veri kümelerinde
şairlere
ait 20’şer
şiir
köşe
yazarı
veri kümemizde
18 yazar(sınıf)
varken,
şiir veri
köşe yazarı veri kümemizde 18 yazar(sınıf) varken, şiir veri
varken,
köşe 7yazarlarına
ait vardır.
35’er örnek
ki buartmış
köşe
kümemizde
şair (sınıf)
Sınıf vardır
sayısının
kümemizde 7 şair (sınıf) vardır. Sınıf sayısının artmış
yazarlarının
dahabaşarının
başarılı datahmin
edilebilmesine
olanak
olmasına rağmen,
artmış olması
beklenmedik
bir
olmasına rağmen, başarının da artmış olması beklenmedik bir
sağlamış
İkinci
açıklama
ise şiirlerde,
köşe
durumdur. olabilir.
Bu duruma
2 açıklama
getirilebilir.
İlki sınıflara
durumdur. Bu duruma 2 açıklama getirilebilir. İlki sınıflara
yazılarından
çok daha
söz sanatına
başvuruluyor
ait örnek sayılarıdır.
Veri fazla
kümelerinde
şairlere ait
20’şer şiir
ait örnek sayılarıdır. Veri kümelerinde şairlere ait 20’şer şiir
olmasıdır.
Ve yazarlarına
eğer bir şairin
üslubu
kullandığı
varken, köşe
ait 35’er
örnek
vardır kisözbusanatı
köşe
varken, köşe yazarlarına ait 35’er örnek vardır ki bu köşe
türlerine
göredaha
belirlenebiliyorsa
ve çıkarılan
özelliklerde
bu
yazarlarının
başarılı tahmin
edilebilmesine
olanak
yazarlarının daha başarılı tahmin edilebilmesine olanak
söz
sanatları
yer almadığından
şiirlerin
sağlamış
olabilir.
İkinci açıklama
ise yazarlarını
şiirlerde, köşe
sağlamış olabilir. İkinci açıklama ise şiirlerde, köşe
yazarları
kadarçok
iyi tahmin
yazılarından
daha edemiyor
fazla sözolabilir.
sanatına başvuruluyor
yazılarından çok daha fazla söz sanatına başvuruluyor
olmasıdır. Ve eğer bir şairin üslubu kullandığı söz sanatı
olmasıdır.
Ve Veri
eğer Kümesi
bir şairin
üslubu kullandığı söz sanatı
4.3.
Haberler
Denemeleri
türlerine
göre belirlenebiliyorsa
ve çıkarılan özelliklerde bu
türlerine göre belirlenebiliyorsa ve çıkarılan özelliklerde bu
söz
sanatları
yer
almadığından
yazarlarını
köşe
Tablo
7’de biryerhaber
metninin şiirlerin
konusunu
tahmin etme
söz sanatları
almadığından
şiirlerin
yazarlarını
köşe
yazarları
kadar
iyi
tahmin
edemiyor
olabilir.
problemi
denemeler
verilmiştir.
yazarları üzerinde
kadar iyi yaptığımız
tahmin edemiyor
olabilir.
Özellik
Konfi
Özellik Başarı
KGO
Log
719
91,13
RF
Grubu
gürasyon
sayısı
KGI
N1
724
90,85
RF
2G
N1
3698
94,54
SVM
3G
N1
101
90,47
RF
KK
N1
864
92,63
RF
MDS
51
89,84
RF
KGO
Log
719
91,13
RF
KGO
Log
719
91,13
RF
KKK
Snf
6724
87,51
RF
KGI
N1
90,85
RF
KGI
N1
724
90,85
RF
KKHCL
Snf
6101
87,25
RF
3G
N1
90,47
RF
3G
N1
101
90,47
RF
KKS
mTFIDF
47
81,63
RF
MDS
51
89,84
RF
MDS
51
89,84
RF
LSI
11
73,48
RF
KKK
Snf
6
87,51
RF
KKK
Snf
6
87,51
RF
KKHAL
51
73,44
RF
KKHCL mTFIDF
Snf
6
87,25
RF
KKHCL
Snf
6
87,25
RF
KE
Log
120
68,02
SVM
KKS
mTFIDF
47
81,63
RF
KKS
mTFIDF
47
81,63
RF
K2G
TFIDF
101
65,84
RF
LSI
11
73,48
RF
LSI
11
73,48
RF
FK
534
62,61
RF
KKHAL N1
mTFIDF
51
73,44
RF
KKHAL
mTFIDF
51
73,44
RF
Say
20
57,08
RF
KE
Log
120
68,02
SVM
KE
Log
120
68,02
SVM
KT
Log
16
56,21
SVM
K2G
TFIDF
101
65,84
RF
K2G
TFIDF
101
65,84
RF
KKHSL
Co
51
47,06
C45
FK
N1
534
62,61
RF
FK
N1
534
62,61
RF
Say
20
57,08
RF
Tablo
türünü tahmin
Say 7 incelendiğinde bir20haberin 57,08
RF etmede en
KT
Log temsil 16yönteminin
56,21(özellik
SVM grubunun)
başarılı
metin
KT
Log
16
56,21
SVM
KKHSL Eşitlik
Co 3’teki gibi
51 normalize
47,06edip C45
2gramlar’ı
kodlamak (2GKKHSL Co
51
47,06
C45
N1) olduğu görülmektedir. 5 haber türüne ait 230’ar haber
metniyle
elde edilen bir
sonuçlara
göre bir
haberin
Tablo 7 incelendiğinde
haberin türünü
tahmin
etmedetürü
en
Tablo 7 incelendiğinde bir haberin türünü tahmin etmede en
%94,54’lük
doğrulukla
edilebilmektedir.
başarılı
başarılı metin
temsiltahmin
yönteminin
(özellik En
grubunun)
22gramlar’ı
yöntem Eşitlik
(2G-N1,
arasında
bir (2Gfark
3’tekiKK-N1)
gibi normalize
edipküçük
kodlamak
2gramlar’ı Eşitlik 3’teki gibi normalize edip kodlamak (2Gbulunmaktadır.
metniyle elde edilen sonuçlara göre bir haberin türü
metniyle
elde
edilen
sonuçlara
göre bir haberin türü
4.4.
Cinsiyet
Veri
Kümesi
Denemeleri
%94,54’lük
doğrulukla
tahmin
edilebilmektedir. En başarılı
%94,54’lük doğrulukla tahmin edilebilmektedir. En başarılı
2 yöntem
(2G-N1,
KK-N1) yazarının
arasında küçük birtahmin
fark
Tablo
8’de bir
köşe yazısının
2 yöntem
(2G-N1,
KK-N1) arasında cinsiyetini
küçük bir fark
bulunmaktadır.
etme
bulunmaktadır.
4.3. Haberler Veri Kümesi Denemeleri
4.3. Haberler
Veri Kümesi
Denemeleriher bir özellik
Tablo 7: Haberler
veri kümesinde
Tablogrubunun
7’de bir
haber olduğu
metninin
konusunu ve
tahmin
en başarılı
konfigürasyon
başarıetme
Tablo 7’de bir haber metninin konusunu tahmin etme
problemi üzerinde
yaptığımız
denemeler
yüzdeleri,
rastgele
başarı verilmiştir.
% 20
100
Özellik
Özellik
Başarıher bir özellik
TabloKonfi
7: Haberler veri
kümesinde
Tablogürasyon
7: Haberler sayısı
veri kümesinde
özellik
Grubu
yüzdesiher bir
Sınıflandırıcı
grubunun
en başarılı olduğu konfigürasyon
ve başarı
4.4. Cinsiyet Veri Kümesi Denemeleri
4.4. Cinsiyet
Kümesi
Tablo 8:Veri
Cinsiyet
veri Denemeleri
kümesinde her bir özellik
Tablogrubunun
8’de birenköşe
yazısının
cinsiyetini
tahmin
başarılı
olduğu yazarının
konfigürasyon
ve başarı
Tablo 8’de bir köşe yazısının yazarının cinsiyetini tahmin
etme problemiyüzdeleri,
üzerinde yaptığımız
denemeler
verilmiştir.
rastgele başarı
% 52,38
etme problemi üzerinde yaptığımız denemeler verilmiştir.
Özellik
Özellik
Başarıher bir özellik
TabloKonfi
8: Cinsiyet veri
kümesinde
Tablogürasyon
8: Cinsiyet sayısı
veri kümesinde
her bir
özellik
Grubu
yüzdesi
Sınıflandırıcı
grubunun
en başarılı olduğu konfigürasyon
ve başarı
yüzdeleri, rastgele
% 52,38
2G
Binary
101 başarı
99,62
SVM
3G
Log
101
98,67
1NN
Özellik
Konfi
Özellik Başarı
Özellik
Konfi
Özellik 98,1
Başarı RF
LSI
51
Grubu
gürasyon
sayısı
Grubu
gürasyon 101
sayısı 95,81
yüzdesi SVM
Sınıflandırıcı
KK
Binary
2G
Binary
101
99,62
SVM
2G
Binary
101
99,62
SVM
KGI
Binary
95
95,81
SVM
3G
Log
101
98,67
1NN
3G
Log
101
98,67
1NN
KKK
Snf
351
95,62
1NN
LSI
98,1
RF
LSI
51
98,1
RF
KGO
TFIDF
93
95,43
SVM
KK
Binary
101
95,81
SVM
KK
Binary
101
95,81
SVM
KKHSL
Snf
395
95,24
C45
KGI
Binary
95,81
SVM
KGI
Binary
95
95,81
SVM
KKHCL
Snf
33
93,52
1NN
KKK
Snf
95,62
1NN
KKK
Snf
3
95,62
1NN
K2G
TFIDF
83
87,62
NB
KGO
TFIDF
93
95,43
SVM
KGO
TFIDF
93
95,43
SVM
FK
42
81,14
SVM
KKHSL Log
Snf
3
95,24
C45
KKHSL Snf
3
95,24
C45
Say
20
79,24
RF
KKHCL Snf
3
93,52
1NN
KKHCL
Snf
3
93,52
1NN
KE
Log
11
77,33
NB
K2G
TFIDF
83
87,62
NB
K2G
TFIDF
83
87,62
NB
KKS
mTF
49
76,57
SVM
FK
Log
42
81,14
SVM
FK
Log
42
81,14
SVM
KKHAL
Co
620
71,05
1NN
Say
79,24
RF
Say
20
79,24
RF
MDS
611
70,67
NB
KE
Log
77,33
NB
Özellik
Grubu
2G
3G
LSI
KK
KGI
KKK
KGO
KKHSL
KKHC
K2G
FK
Say
KE
KKS
KKHA
MDS
KT
n artmış
medik bir
sınıflara
0’şer şiir
bu köşe
olanak
e, köşe
uruluyor
öz sanatı
lerde bu
ını köşe
in etme
ik
şarı
ndırıcı
Özellik
Grubu
2G
3G
LSI
KK
KGI
KKK
KGO
KKHSL
KKHCL
K2G
FK
Say
KE
KKS
KKHAL
MDS
KT
KKHAL mTFIDF
6
52,57
C45
FK
Log
54
48,76
RF
Konfi
Özellik Başarı
gürasyon
sayısı
K2G
TFIDF
6
48,19
C45
Binary Amasyalı
101 M. F.,99,62
SVM
Balcı S., Varlı
E. N., Mete E., Türkçe
Metin
Yöntemlerinin
KEMetinlerin
N1Sınıflandırılmasında
10
46,86TemsilSVM
Performans
Cilt 2, Sayı46,29
4, Syf 95-104,
Log
101
98,67
1NN
MDS Karşılaştırılması, 51
NB Aralık 2012
51
98,1
RF
KKHSL Co
51
46,1
NB
Binary
101
95,81
SVM
KT
Binary
16
44,19
C45
Binary
95
95,81
SVM
Say
20
38,48
NB
Snf
3
95,62
1NN
Tablo 9 incelendiğinde bir filme yapılan yorumun negatif,
TFIDF
93
95,43
SVM
pozitif ya da nötr olduğunu tahmin etmede en başarılı metin
Snf
3
95,24
C45
temsil yönteminin (özellik grubunun) kelime köklerini
Snf
3
93,52
1NN
Kmeans ile Sınıf bilgisine göre kodlamak (KKK-Snf) olduğu
görülmektedir. 3 gruba ait 35’er yorumla elde edilen
TFIDF
83
87,62
NB
sonuçlara göre bir yorumun yönü %96,38’lik doğrulukla
Log
42
81,14
SVM
tahmin edilebilmektedir. En başarılı 2 yöntem (KKK-Snf,
20
79,24
RF
3G-Binary) arasında büyük bir fark bulunmaktadır.
Log
11
77,33
NB
4.6. Ruh Hali Veri Kümesi Denemeleri
mTF
49
76,57
SVM
Co
6
71,05
1NN
Tablo 10’da bir yazının yazıldığı anda yazarının içinde
6
70,67
NB
bulunduğu ruh halini tahmin etme problemi üzerinde
yaptığımız denemeler verilmiştir.
N1
3
64,19
NB
Tablo 8 incelendiğinde bir metnin yazarının cinsiyetini
tahmin
en başarılı bir
metin
temsilyazarının
yönteminin
(özellik
Tablo 8etmede
incelendiğinde
metnin
cinsiyetini
grubunun)
2gramlar’ı
binary
olarak
kodlamak
(2G-Binary)
tahmin etmede en başarılı metin temsil yönteminin (özellik
olduğu görülmektedir.
Veri olarak
kümesi
için üretilen
tekil
grubunun)
2gramlar’ı binary
kodlamak
(2G-Binary)
2gramların
sayısı 5 bin’i Veri
geçtiğinden
yapılmış
olduğu
görülmektedir.
kümesiözellik
için seçimi
üretilen
tekil
ve
bilgi kazancına
göre geçtiğinden
en iyi 100 özellik
adet 2gram
2gramların
sayısı 5 bin’i
seçimimetinlerin
yapılmış
temsilinde
kullanılmıştır.
ait
ve
bilgi kazancına
göre enHer
iyi bir
100cinsiyetteki
adet 2gramyazarlara
metinlerin
50-55’şer yazı
ile elde edilen
sonuçlara
göreyazarlara
bir metnin
temsilinde
kullanılmıştır.
Her bir
cinsiyetteki
ait
yazarının
99,62edilen
gibi yüksek
bir doğrulukla
tahmin
50-55’şer cinsiyeti
yazı ile%elde
sonuçlara
göre bir metnin
edilebilmektedir.
başarılı
2 yöntem
(2G-Binary,
yazarının cinsiyetiEn
% 99,62
gibi
yüksek bir
doğrulukla3G-Log)
tahmin
arasında küçük birEn
fark
bulunmaktadır.
edilebilmektedir.
başarılı
2 yöntem (2G-Binary, 3G-Log)
arasında küçük bir fark bulunmaktadır.
4.5. Film Yorumları Veri Kümesi Denemeleri
4.5.
Kümesi
Denemeleri
TabloFilm
9’daYorumları
bir filmeVeri
yapılmış
yorumun
duygusal yönünü
tahmin 9’da
etmebir problemi
üzerinde
yaptığımız
denemeler
Tablo
filme yapılmış
yorumun
duygusal
yönünü
verilmiştir.
tahmin etme problemi üzerinde yaptığımız denemeler
verilmiştir.
Tablo 9: Film Yorumları veri kümesinde her bir
özellik
en başarılıveri
olduğu
konfigürasyon
Tablogrubunun
9: Film Yorumları
kümesinde
her bir ve
yüzdeleri,
rastgele
başarı
% 28,57
özellikbaşarı
grubunun
en başarılı
olduğu
konfigürasyon
ve
başarı yüzdeleri, rastgele başarı % 28,57
Özellik
Konfi
Özellik Başarı
Grubu
gürasyon
sayısı
yüzdesi
Sınıflandırıcı
Özellik
Konfi
Özellik
Başarı
Grubu
gürasyon
sayısı
yüzdesi
Sınıflandırıcı
KKK
Snf
4
96,38
1NN
KKK
Snf
4
96,38
1NN
3G
Binary
101
88,76
NB
3G
Binary
88,76
NB
KKHCL
Snf
4101
75,81
SVM
KKHCL Snf
75,81
SVM
LSI
64
75,62
RF
LSI
75,62
RF
KKS
Snf
46
65,14
SVM
KKS
Snf
4
65,14
SVM
KGI
Binary
21
64,76
NB
KGI
21
64,76
2G
Binary
93
59,62
NB
2G
Binary
93
59,62
KGO
TF
21
54,86
NB
KGO
TF
21
54,86
NB
KK
Binary
23
54,29
SVM
KK
Binary
54,29
SVM
KKHAL
mTFIDF
623
52,57
C45
KKHAL Log
mTFIDF
6
52,57
C45
FK
54
48,76
RF
FK
Log
48,76
RF
K2G
TFIDF
654
48,19
C45
K2G
TFIDF
6
48,19
C45
KE
N1
10
46,86
SVM
KE
N1
10
46,86
SVM
MDS
51
46,29
NB
MDS
46,29
KKHSL
Co
51
46,1
NB
KKHSL Binary
Co
51
46,1
NB
KT
16
44,19
C45
KT
Binary
16
44,19
C45
Say
20
38,48
NB
Say
20
38,48
NB
Tablo 9 incelendiğinde bir filme yapılan yorumun negatif,
pozitif
da nötr olduğunu
etmede yorumun
en başarılınegatif,
metin
Tablo 9yaincelendiğinde
bir tahmin
filme yapılan
temsil
(özelliktahmin
grubunun)
köklerini
pozitif yayönteminin
da nötr olduğunu
etmede kelime
en başarılı
metin
Kmeans
ile Sınıf bilgisine
göre grubunun)
kodlamak (KKK-Snf)
olduğu
temsil yönteminin
(özellik
kelime köklerini
görülmektedir.
gruba göre
ait kodlamak
35’er yorumla
elde olduğu
edilen
Kmeans ile Sınıf3bilgisine
(KKK-Snf)
sonuçlara
göre 3bir gruba
yorumun
doğrulukla
görülmektedir.
ait yönü
35’er %96,38’lik
yorumla elde
edilen
tahmin
edilebilmektedir.
En başarılı
2 yöntem (KKK-Snf,
sonuçlara
göre bir yorumun
yönü %96,38’lik
doğrulukla
Tablo10: Ruh Hali veri kümesinde her bir özellik
grubunun
başarılı
olduğu
konfigürasyon
başarı
Tablo10:en
Ruh
Hali veri
kümesinde
her birve
özellik
% 25,48 ve başarı
grubununyüzdeleri,
en başarılırastgele
olduğubaşarı
konfigürasyon
Özellik
Konfi
Özellik Başarı
Grubu
gürasyon
sayısı
Özellik
Konfi
Özellik
Başarı
Grubu
gürasyon
sayısı
yüzdesi
Sınıflandırıcı
3G
Binary
101
85,23
NB
3G
Binary
101
85,23
NB
KKK
Snf
5
80,67
1NN
KKK
5
80,67
1NN
KKHCL Snf
78,73
KKHCL
Snf
5
78,73
1NN
KGI
TFIDF
100
67,29
RF
KGI
TFIDF
100
67,29
RF
LSI
6
66,21
LSI
6101
66,21
RF
KK
Binary
64,98
NB
KK
Binary
101
64,98
NB
KGO
64,19
KGO
Binary
101
64,19
NB
2G
N1
61,63
RF
2G
N1
101
61,63
RF
K2G
TFIDF
56,84
C45
K2G
101
56,84
C45
KKHAL TFIDF
mTF
51
54,94
RF
KKHAL
mTF
51
54,94
RF
KKS
Snf
5
49,73
KKS
Snf
5534
49,73
RF
FK
N1
48,49
FK
N1
534
48,49
RF
MDS
51
46,76
MDS
51
46,76
RF
KE
Log
118
45,83
KE
Log
118
45,83
RF
KT
16
41,12
KT
Log
41,12
KKHSL
Co
616
39,26
RF
KKHSL Co
6
39,26
Say
20
38,06
RF
Say
20
38,06
RF
Tablo 10 incelendiğinde bir blog yazarının blog yazıldığı
andaki
ruhincelendiğinde
halini tahmin bir
etmede
başarılı blog
metinyazıldığı
temsil
Tablo 10
blog en
yazarının
yönteminin
(özellik
grubunun)
3gramlar’ı
binary
olarak
andaki ruh halini tahmin etmede en başarılı metin temsil
kodlamak
Veri kümesi
yönteminin (3G-Binary)
(özellik grubunun)
3gramlar’ı binary
olarak
için
üretilen(3G-Binary)
tekil 3gramların
sayısı 5 bin’i Veri
geçtiğinden
kodlamak
kümesi
özellik
seçimi tekil
yapılmış
ve bilgi sayısı
kazancına
göre geçtiğinden
en iyi 100
için üretilen
3gramların
5 bin’i
adet
temsilinde
kullanılmıştır.
4 100
ruh
özellik3gram
seçimimetinlerin
yapılmış ve
bilgi kazancına
göre en iyi
halinin
her birine
ait 38-40’ar
bloglakullanılmıştır.
elde edilen sonuçlara
adet 3gram
metinlerin
temsilinde
4 ruh
yazarın
haliait 38-40’ar
% 85,23’lük
doğrulukla
tahmin
halinin herruhbirine
blogla elde
edilen sonuçlara
edilebilmektedir.
En başarılı
2 yöntemdoğrulukla
(3G-Binary, tahmin
KKKyazarın ruh hali
% 85,23’lük
Snf)
arasında büyük
fark bulunmaktadır.
edilebilmektedir.
Enbirbaşarılı
2 yöntem (3G-Binary, KKKSnf) arasında büyük bir fark bulunmaktadır.
4.7. Deneme Sonuçlarının Birlikte Değerlendirilmesi
4.7. Deneme
Sonuçlarının
Birliktesınıflandırıcılar
Değerlendirilmesi
Sonuç
tabloları
(5-10) en başarılı
yönünden
incelendiğinde
son sütunlarında
Sonuç tabloları(sınıflandırıcıların
(5-10) en başarılıtabloların
sınıflandırıcılar
yönünden
yer
alma sayıları)
Tablo 11’dekitabloların
sonuçlar son
eldesütunlarında
edilmiştir.
incelendiğinde
(sınıflandırıcıların
Tablo
11’deki
sayılar
sınıflandırıcının
102 (17
özellik
grubu
yer alma
sayıları)
Tablo
11’deki sonuçlar
elde
edilmiştir.
*Tablo
6 veri
kümesi)
arffsınıflandırıcının
dosyası üzerinde
en başarılı
11’deki
sayılar
102kaçında
(17 özellik
grubu
algoritma
olduğunuarff
göstermektedir.
* 6 veri kümesi)
dosyası üzerinde kaçında en başarılı
algoritma olduğunu göstermektedir.
Tablo 11: En Başarılı sınıflandırıcıların dağılımı 102
arff 11:
dosyası
içinde kaç
kere en başarılıdağılımı
oldukları102
Tablo
En Başarılı
sınıflandırıcıların
101
arff dosyası içinde kaç kere en başarılı oldukları
Sınıflandırıcı
Kaç kere
en
Sınıflandırıcı
Kaç başarılı
kere
yazarın
edilebilm
Snf) ara
4.7. Den
Sonuç t
incelend
yer alm
Tablo 11
* 6 ver
algoritm
Tab
a
Sonuç tabloları (5-10) en başarılı sınıflandırıcılar yönünden
EMO
Bilimsel(sınıflandırıcıların
Dergi, Cilt 2, Sayı
4, Aralık
2012
incelendiğinde
tabloların
son sütunlarında
yer alma sayıları) Tablo 11’deki sonuçlar elde edilmiştir.
Tablo 11’deki sayılar sınıflandırıcının 102 (17 özellik grubu
* 6 veri kümesi) arff dosyası üzerinde kaçında en başarılı
algoritma olduğunu göstermektedir.
Tablo 11: En Başarılı sınıflandırıcıların dağılımı 102
arff dosyası içinde kaç kere en başarılı oldukları
Tablo 13: Özellik gruplarının ortalama ve her veri
kümesindeki başarı sıralamaları (17 özellik grubu
arasında, 6 veri kümesinde ortalama kaçıncı
oldukları)
i
arı
t
Ruh hali
Film
yorumları
Cinsiyet
Ortalama
Başarı
Özellik Sıralamas
ı
Grubu
2G
3,5
3
1
1
1
7
8
3G
2,2
1
2
5
2
2
1
FK
10,5
11
4
14
11
11
12
K2G
12,3
17 13
13
10
12
9
K2G
12,3
17 11
13
13
10
12
9
KE
12,5
12
12
13
13
14
KE
12,5
12
11
12
13
13
KGI
5
6
5
4
5
6
414
KGI
5
6
5
4
5
6
KGO
6,3
7
6
3
7
8
74
KGO
6,3
7
6
3
7
8
KK
5,7
10 3
2
4
9
67
KK
5,7
10
211
415
910
610
KKHAL
12,7
14 316
KKHAL
12,7
14
16
11
15
10
10
KKHCL 5,8
2
10
8
9
3
3
KKHCL
5,8
2
10
8
9
3
3
KKHSL 14,7
15 17
17
8
15
16
KKHSL 4,7
14,7
KKK
415 817
717
68
115
216
KKK
4,7
4
8
7
6
1
2
KKS
10,2
8
14
9
14
5
11
KKS
10,2
8
14
9
14
5
11
KT
15,3
13 15
16
17
16
15
KT
15,3
16
LSI
6,7
913 915
10
317
416
515
LSI
6,7
9
9
10
3
4
5
MDS
12,8
16 12
6
16
14
13
MDS
12,8
16
12
6
16
14
13
Say
12,2
5
7
15
12
17
17
Say
12,2
5
7
15
12
17
17
Tablo 13 incelendiğinde kullanılan 6 veri kümesi için en
Tablo 13
incelendiğinde
6 veri
kümesi
en
başarılı
3 özellik
grubununkullanılan
sırasıyla 3G,
2G ve
KKK için
olduğu
başarılı 3 özellik grubunun sırasıyla 3G, 2G ve KKK olduğu
görülmektedir.
görülmektedir.
Harf 2gramları (2G) film yorumları ve ruh hali veri kümeleri
Harf 2gramları
(2G) film
yorumları
ruh haliHarf
veri3gramları
kümeleri
haricinde
çok başarılı
sonuçlar
eldeve
etmiştir.
haricinde
başarılıharicinde
sonuçlar elde
3gramları
(3G)
ise çok
haberler
çok etmiştir.
başarılı Harf
sonuçlar
elde
(3G) iseFonksiyonel
haberler haricinde
başarılıbaşarılarını
sonuçlar köşe
elde
etmiştir.
kelimeler çok
en yüksek
etmiştir. Fonksiyonel
en yüksekDüz
başarılarını
köşe
yazarlarını
tanımada kelimeler
göstermişlerdir.
metinlerdeki
yazarlarını
tanımada göstermişlerdir.
Düz metinlerdeki
üslubun
belirlenmesinde
fonksiyonel kelimelerin
etkin bir
üslubun kullanılabileceği
belirlenmesinde fonksiyonel
kelimelerin etkin
bir
şekilde
buradan görülmektedir.
Kelime
şekilde kullanılabileceği
buradan
Kelime
2gramları
(K2G), Kelime türleri
(KT)görülmektedir.
ve kelime ekleri
(KE)
2gramları
Kelimebaşarı
türlerigösterememişlerdir.
(KT) ve kelime ekleri
(KE)
hiçbir
veri(K2G),
kümesinde
Kavram
hiçbir veri kümesinde
başarısayılabilmesi
gösterememişlerdir.
genelleştirmenin
başarılı
için Kavram
kelime
genelleştirmenin
başarılı
içingereklidir.
kelime
köklerinden
(KK) daha
başarılısayılabilmesi
sonuçlar üretmesi
köklerinden
(KK) daha başarılı
sonuçlar üretmesi
Buna
göre kavramların
bir üst kavramlarıyla
ifadegereklidir.
edilmesi
Buna göre
bir üst
edilmesi
(KGI),
şiir,kavramların
film yorumları
ve kavramlarıyla
ruh hali veriifade
kümelerinde
(KGI), köklerinden
şiir, film yorumları
ve iyiyken,
ruh haliözel
veriisimlerin
kümelerinde
kelime
(KK) daha
insan
kelime köklerinden
(KK) (KGO)
daha iyiyken,
isimlerin
insan
kavramına
dönüştürülmesi
sadece özel
şiir veri
kümesinde
kavramına
dönüştürülmesi
(KGO)
sadece
şiir veri kümesinde
kelime
köklerinden
daha iyi
sonuçlar
üretebilmiştir.
Kelime
kelime köklerinden
dahayorumları
iyi sonuçlar
üretebilmiştir.
Kelime
kökleri
(KK) şiir ve film
haricinde
başarılıdır.
kökleri (KK) şiir ve film yorumları haricinde başarılıdır.
Kelime kümeleme metotları (KKHAL, KKHCL, KKHSL,
KelimeKKS)
kümeleme
metotları
(KKHAL,
KKHCL,
KKHSL,
KKK,
arasında
en başarılısı
kmeans
ile kümeleme
KKK, KKS)
arasında
en başarılısı
kmeans ilebakıldığında
kümeleme
(KKK)
olmuştur.
Tablo
12’deki değerlere
(KKK) olmuştur.
12’deki
bakıldığında
KKK’nın
en iyi Snf ileTablo
birlikte
çalıştığıdeğerlere
gözükmektedir.
KKK’nın en iyi Snf ile birlikte çalıştığı gözükmektedir.
Anlamsal uzaylarda LSI, MDS’e göre oldukça başarılı
Anlamsalüretmiştir.
uzaylarda 6 LSI,
MDS’e göre
oldukça
başarılı
sonuçlar
veri kümesinde,
MDS’in
LSI’dan
iyi
sonuçlarsadece
üretmiştir.
veri kümesinde,
LSI’dan Bu
iyi
olduğu
1 veri6 kümesi
(haberler)MDS’in
bulunmaktadır.
olduğu
sadece diğerlerinden
1 veri kümesi
(haberler)
veri
kümesini
ayıran
özelliğibulunmaktadır.
her bir sınıfa Bu
ait
veri sayıda
kümesini
diğerlerinden
özelliği
herilebir
ait
çok
örneğin
oluşudur. ayıran
Buna göre
MDS
iyisınıfa
sonuçlar
çok sayıda
göre MDS
iyi sonuçlar
almak
içinörneğin
örnek oluşudur.
sayısının Buna
çok olduğu
veriile kümelerinin
almak için
örnek sayısının
çok olduğu
veri kümelerinin
kullanımı
önerilebilir.
Sayılar (Say)
özellik grubu
şiir ve köşe
kullanımı
Sayılar (Say)
özellik
grubualmıştır.
şiir ve köşe
yazarı
veriönerilebilir.
kümeleri haricinde
çok kötü
sonuçlar
yazarı veri kümeleri haricinde çok kötü sonuçlar almıştır.
Haberler
Kaç kere
en başarılı
olduğu
39
24
23
9
7
Tablo 11 incelendiğinde en başarılı sınıflandırıcının Random
Tablo
incelendiğinde
en başarılı
sınıflandırıcının
Random
Forest 11
(RF)
olduğu, onu Destek
Vektör
Makineleri (SVM)
ve
Forest
onutakip
Destek
Vektör
Makineleri (SVM)
ve
Naive (RF)
Bayesolduğu,
(NB)’in
ettiği
görülmektedir.
En yakın
Naive
ettiği
görülmektedir.
En yakın
komşu Bayes
(1NN) (NB)’in
ve karar takip
ağaçları
(C4.5)
algoritmalarının
pek
komşu
ve karar
ağaçları (C4.5) algoritmalarının pek
başarılı (1NN)
olamadıkları
görülmektedir.
başarılı olamadıkları görülmektedir.
Tablolar (5-10) Özellik gruplarının en başarılı oldukları
Tablolar
(5-10) yönünden
Özellik gruplarının
en (ikilinin
başarılı tabloların
oldukları
konfigürasyonlar
incelenmesiyle
konfigürasyonlar
yönünden
incelenmesiyle
(ikilinin
tabloların
ilk 2 sütununda yer
alma sayıları)
ilgili sonuçlar
Tablo
12’de
ilk
2 sütununda
yer alma
sonuçlar
12’de
verilmiştir.
Örneğin
2G sayıları)
özellik ilgili
grubu,
6 veriTablo
kümesinin
verilmiştir.
2G Binary
özellik ile
grubu,
6 veri
kümesinin
üçünde N1 Örneğin
ile, ikisinde
birinde
ise Log
ile en
üçünde
N1 ile, ikisinde Binary ile birinde ise Log ile en
başarılı olmuştur.
başarılı olmuştur.
Tablo 12: Özellik gruplarının en iyi oldukları
Tablo 12: Özellik
gruplarının en iyi oldukları
konfigürasyonlar
konfigürasyonlar
Özellik
Özellik
Grubu
En iyi olduğu Konfigürasyon ve Sayıları
Grubu
iyi 2olduğu
Konfigürasyon
ve Sayıları
2G
3EnN1,
Binary,
1 Log
2G
3
N1,
2
Binary,
1
Log
3G
3 Binary, 2 Log, 1 N1
3G
33 Binary,
2 Log, 1 N1
FK
N1, 3 Log
FK
35 N1,
3 Log
K2G
TFIDF,
1 Binary
K2G
5
TFIDF,
1
KE
4 Log, 1 N1,Binary
1 TF
KE
4
1 N1,
1 TF1 N1, 1 TFIDF
KGI
3 Log,
Binary,
1 Log,
KGI
32 Binary,
TFIDF
KGO
Binary, 12 Log,
Log, 11 N1,
TF, 11 TFIDF
KGO
25 Binary,
KK
Binary, 21 Log,
N1 1 TF, 1 TFIDF
KK
5
Binary,
1
N1
KKHAL
4 mTFIDF, 1 mTF, 1 Cooccurance
KKHAL
46 mTFIDF,
1 mTF, 1 Cooccurance
KKHCL
Snf
KKHCL
64 Snf
KKHSL
Co, 2 Snf
KKHSL
46 Co,
KKK
Snf 2 Snf
KKK
6
Snf
KKS
3 Snf, 2 mTFIDF, 1 mTF
KKS
34 Snf,
mTF
KT
Log, 21 mTFIDF,
Norm1, 11Binary
KT
4 Log, 1 Norm1, 1 Binary
Tablo 12’ye göre K2G özellik grubunun TFIDF ile, KK
Tablo
göre K2G
grubunun TFIDF ile,
KK
özellik 12’ye
grubunun
Binaryözellik
ile ağırlıklandırılması,
kelime
özellik
grubunun
ile ağırlıklandırılması,
kelime
kümeleme
yaparkenBinary
ise KKHCL
ve KKK metotlarında
Snf
kümeleme
KKHCL
ve KKK metotlarında Snf
kullanılmasıyaparken
daha iyi ise
sonuçlar
üretmiştir.
kullanılması daha iyi sonuçlar üretmiştir.
Özellik gruplarının genel olarak ne kadar başarılı oldukları
Özellik
gruplarının
olaraközellik
ne kadar
başarılıheroldukları
incelemek
için Tablogenel
5-10’larda
grubunun
bir veri
incelemek
Tablo 5-10’larda
özellik grubunun
heryazılmış
bir veri
kümesindeiçin
en başarılı
kaçıncı oldukları
(1-17 arası)
kümesinde
en başarılı
kaçıncıalınmıştır.
oldukları Elde
(1-17edilen
arası) sonuçlar
yazılmış
ve bu sayıların
ortalamaları
ve
bu 13’te
sayıların
ortalamaları alınmıştır. Elde edilen sonuçlar
Tablo
verilmiştir.
Tablo 13’te verilmiştir.
Tablo 13: Özellik gruplarının ortalama ve her veri
Tablo
13: Özellik
ortalama
ve her
veri
kümesindeki
başarıgruplarının
sıralamaları
(17 özellik
grubu
kümesindeki
sıralamaları
(17 özellik
grubu
arasında, 6başarı
veri kümesinde
ortalama
kaçıncı
oldukları) ortalama kaçıncı
102 arasında, 6 veri kümesinde
oldukları)
Ortalama
Özellik gruplarının genel olarak ne kadar başarılı oldukları
incelemek için Tablo 5-10’larda özellik grubunun her bir veri
kümesinde en başarılı kaçıncı oldukları (1-17 arası) yazılmış
ve bu sayıların ortalamaları alınmıştır. Elde edilen sonuçlar
Tablo 13’te verilmiştir.
Köşe yazarı
RF
SVM
NB
1NN
C45
Tablo 12’ye göre K2G özellik grubunun TFIDF ile, KK
özellik grubunun Binary ile ağırlıklandırılması, kelime
kümeleme yaparken ise KKHCL ve KKK metotlarında Snf
kullanılması daha iyi sonuçlar üretmiştir.
Şiir
Sınıflandırıcı
r
n içinde
üzerinde
4.7. Deneme Sonuçlarının Birlikte Değerlendirilmesi
rızarı
negatif,
lı metin
köklerini
) olduğu
edilen
ğrulukla
KK-Snf,
Snf) arasında büyük bir fark bulunmaktadır.
kavramı
kelime
kökleri
Kelime
KKK, K
(KKK)
KKK’nı
Anlamsa
sonuçlar
olduğu
veri küm
çok sayı
almak
kullanım
yazarı v
Sonuçla
Tablo 14
Tab
ile, KK
kelime
nda Snf
ldukları
bir veri
yazılmış
sonuçlar
Anlamsal uzaylarda LSI, MDS’e göre oldukça başarılı
sonuçlar üretmiştir. 6 veri kümesinde, MDS’in LSI’dan iyi
olduğu sadece 1 veri kümesi (haberler) bulunmaktadır. Bu
veri kümesini diğerlerinden ayıran özelliği her bir sınıfa ait
çok sayıda örneğin oluşudur. Buna göre MDS ile iyi sonuçlar
almak için örnek sayısının çok olduğu veri kümelerinin
kullanımı önerilebilir. Sayılar (Say) özellik grubu şiir ve köşe
yazarı veri kümeleri haricinde çok kötü sonuçlar almıştır.
25,48
85,23
101
Özellik
Özellik
grubugrubu
ve ve
konfigürasyonu
konfigürasyonu
28,1
Özellik
Özellik
sayısısayısı
247,1
Elde Elde
edilen
edilen
en en
yüksek
yüksek
başarıbaşarı
Ruh hali
Rastgele
Rastgele
Başarı
Başarı
Tablo 14: Veri kümelerinde en başarılı sonuçlar alan
konfigürasyonlar
Ort. Cümle
Ort. Cümle
sayısısayısı
8
1
12
Ort. Kelime
Ort. Kelime
Sayısı
Sayısı
Sonuçlar veri kümelerinin türlerine göre incelenmesiyle
Tablo 14 elde edilmiştir.
Veri Veri
kümesi
kümesi
Ruh hali
yorumları
eri
bu
(KGI), şiir, film yorumları ve ruh hali veri kümelerinde
başarıların elde edilebildiği görülmüştür.
kelime köklerinden (KK) daha iyiyken, özel isimlerin insan
kavramına dönüştürülmesi (KGO) sadece şiir veri kümesinde
5. Sonuçlar ve Tartışma
kelime köklerinden daha iyi sonuçlar üretebilmiştir. Kelime
M. F.,haricinde
Balcı S., Varlı
E. N., Mete E., Türkçe
Metinlerin Sınıflandırılmasında
Temsil Yöntemlerinin
kökleri (KK) şiir ve Amasyalı
film yorumları
başarılıdır.
Sınıflandırma
uygulamalarında Metin
örneklerin
nasıl temsil
Performans
Sayıeden
4, Syf
95-104, AralıkBunun
2012
edileceği Karşılaştırılması,
performansa enCilt
çok2,etki
parametredir.
Kelime kümeleme metotları (KKHAL, KKHCL, KKHSL,
Temalı
Derleme
Makale
doğal sonucu olarak uygun özelliklerin
seçimi
sınıflandırma
KKK, KKS) arasında en başarılısı kmeans ile kümeleme
performansını arttırmaktadır. Bu çalışmada çeşitli türdeki
(KKK) olmuştur. Tablo 12’deki değerlere bakıldığında
metin sınıflandırma problemleri için özellik gruplarının
KKK’nın en iyi Snf ile birlikte çalıştığı gözükmektedir.
performansa etkileri araştırılmıştır.
3GBinary
247,1
28,1
25,48
85,23
101
Ruh hali
3G49,3
4,8
28,57
96,38
4
Film
KKKBinary
yorumları
Snf
49,3
4,8
28,57
96,38
4
Film
KKK398,5
45,3
4,76
93,78
3817
Köşe
2G-Log
yorumları
Snf
yazarı
398,5
45,3
4,76
93,78
3817
Köşe
2G-Log
377
54
52,38
99,62
101
Cinsiyet
2Gyazarı
Binary
377
54
52,38
99,62
101
Cinsiyet
2G204,8
17
20
94,54
3698
Haberler
2G-N1
Binary
79,5
7,4
14,29
75,29
101
3GŞiir
204,8
17
20
94,54
3698
Haberler
2G-N1
Binary
79,5
7,4
14,29
75,29
101
Şiir
3GBinary
Tablo 14 incelendiğinde, en yüksek başarı elde edilen veri
kümesi yazarın cinsiyetini belirlediğimiz veri kümesidir. En
Tablo
14 incelendiğinde,
en yüksek
başarı elde
edilen
veri
zor veri
kümesinin şiirlerin
yazarlarını
bulma
olduğu
kümesi
yazarın Bununla
cinsiyetini
belirlediğimiz
kümesidir.
görülmektedir.
beraber
tüm veri veri
kümelerinde
en En
az
zor
veri bir
kümesinin
şiirlerin
yazarlarını
bulma olduğu
% 75’lik
başarı elde
edilmiş
olması otomatik
metin
görülmektedir.
Bununla beraber
tüm veri
kümelerinde
en az
sınıflandırma konusunda
çok çeşitli
görevlerde
başarının
%
75’lik bir göstermektedir.
başarı elde edilmiş olması otomatik metin
yakalandığını
sınıflandırma konusunda çok çeşitli görevlerde başarının
yakalandığını
göstermektedir.
En başarılı metin
temsili yöntemlerine bakıldığında, harf
ngramlarının başarısı göze çarpmaktadır.
En başarılı metin temsili yöntemlerine bakıldığında, harf
ngramlarının
başarısı göze çarpmaktadır.
Ngramların ağırlıklandırılmasında
oldukça popüler olan TF
ve TFIDF yerine Binary, Log ve N1 ağırlıklandırma
Ngramların
ağırlıklandırılmasında
popüler olan TF
yöntemlerinin
daha başarılı olduklarıoldukça
görülmektedir.
yöntemlerinin
daha
başarılı oldukları
Metinlerin
boyutlarıyla
başarı görülmektedir.
oranları
birlikte
incelendiğinde, kısa metinlerde de uzun metinlerde de yüksek
Metinlerin
başarı
oranları
birlikte
başarıların eldeboyutlarıyla
edilebildiği görülmüştür.
incelendiğinde, kısa metinlerde de uzun metinlerde de yüksek
başarıların elde edilebildiği görülmüştür.
5. Sonuçlar ve Tartışma
Sınıflandırma 5.uygulamalarında
örneklerin nasıl temsil
Sonuçlar ve Tartışma
edileceği performansa en çok etki eden parametredir. Bunun
Sınıflandırma
uygulamalarında
örneklerin
temsil
doğal sonucu olarak
uygun özelliklerin
seçimi nasıl
sınıflandırma
edileceği
performansa
en
çok
etki
eden
parametredir.
Bunun
performansını arttırmaktadır. Bu çalışmada çeşitli türdeki
doğal
olarak uygun
özelliklerin
metin sonucu
sınıflandırma
problemleri
için seçimi
özelliksınıflandırma
gruplarının
performansını
arttırmaktadır.
Bu çalışmada çeşitli türdeki
performansa etkileri
araştırılmıştır.
metin sınıflandırma problemleri için özellik gruplarının
performansa
Kullanılan 6etkileri
farklı araştırılmıştır.
metin veri kümesinin her biri için 17
özellik grubunun çeşitli konfigürasyonlarından oluşan 77
Kullanılan
farklı metin
veri kümesinin
biri için
17
farklı temsil6 yöntemi
denenmiş
ve bu işlemhersonucu
oluşan
özellik
grubunun
çeşitli
konfigürasyonlarından
oluşan
77
462 (6*77) adet arff dosyası 5 adet sınıflandırma metoduyla
farklı
temsil
yöntemi
denenmiş
ve
bu
işlem
sonucu
oluşan
sınıflandırılmıştır. Sınıflandırma performansları 5’li çapraz
462
(6*77)ileadet
arff dosyası 5 adet sınıflandırma metoduyla
geçerleme
ölçülmüştür.
Kullanılan 6 farklı metin veri kümesinin her biri için 17
özellik grubunun çeşitli konfigürasyonlarından oluşan 77
farklı temsil yöntemi denenmiş ve bu işlem sonucu oluşan
462 (6*77) adet arff dosyası 5 adet sınıflandırma metoduyla
geçerleme ile ölçülmüştür.
Ayrıntıları 5.bölümde verilen sonuçlara göre genel olarak ngramların diğer metin temsil yöntemlerinden daha başarılı
olduğu görülmüştür. Ngramların her türlü dile uygulanabilir
olması, herhangi bir dile özel ön işlem gerektirmiyor olması
ngramların diğer olumlu yanları olarak sayılabilir.
Ngramların ağırlıklandırılmasında oldukça popüler olan TF
yöntemlerinin daha başarılı oldukları görülmüştür.
yöntemlerinin
daha başarılı olan
oldukları
Tarafımızdan geliştirilmiş
sınıf görülmüştür.
bilgisine dayalı kelime
kümeleme yöntemi, Film Yorumları veri kümesinde en
Tarafımızdan
sınıfyorumları
bilgisine dayalı
kelime
başarılı
temsilgeliştirilmiş
yöntemidir.olan
Film
veri kümesi,
kümeleme
yöntemi,
Film
Yorumları
veri
kümesinde
Internet üzerindeki kullanıcı yorumların olumlu ya en
da
başarılı temsil
yorumları
kümesi,
olumsuz
şekilde yöntemidir.
etiketlenmesiFilm
üzerine
bir veri veri
kümesidir
ki
Internet
üzerindeki ticari
kullanıcı
olumlu oldukça
ya da
bu
konu günümüzde
değeri yorumların
yüksek olduğundan
olumsuz
şekilde etiketlenmesi
üzerine bir veri kümesidir ki
sıcak
bir araştırma
alanıdır.
bu konu günümüzde ticari değeri yüksek olduğundan oldukça
sıcak bir araştırma
alanıdır.
Gelecek
çalışmalar
olarak anlamsal uzayda yakınlıktan
uzaklığa dönüşümde yeni yöntemlerin kullanılması ve
Gelecek çalışmalar
olarak
anlamsalüzerinde
uzayda yakınlıktan
yöntemlerin
İngilizce
metinler
denenmesi
uzaklığa dönüşümde yeni yöntemlerin kullanılması ve
yöntemlerin İngilizce metinler üzerinde denenmesi
6. Teşekkür
Özellik çıkarımına ve deneylerin
çalıştırılmasına büyük emek
6. Teşekkür
harcayan Feruz DAVLETOV, Arslan TORAYEW, Ümit
Özellik
ve deneylerin
çalıştırılmasına
büyük emek
ÇİFTÇİ,çıkarımına
Burhanettin
İRMİKÇİ’ye
ve değerli yorumlarıyla
harcayan
Feruz
DAVLETOV,
Arslan
TORAYEW,
Ümit
çalışmamıza
katkıda
bulunan Kemik
Doğal
Dil İşleme Grubu
ÇİFTÇİ,
Burhanettin
İRMİKÇİ’ye
ve
değerli
yorumlarıyla
(www.kemik.yildiz.edu.tr) üyelerine teşekkür ederiz. Bu
çalışmamıza
Doğal Dil3110278
İşleme Grubu
çalışma, bir katkıda
Ericcsonbulunan
şirketi Kemik
olan Bizitek’in
no’lu
(www.kemik.yildiz.edu.tr)
teşekkür
ederiz. Bu
TÜBİTAK-TEYDEB projesi üyelerine
kapsamında
desteklenmiştir.
çalışma,
bir Ericcson şirketi olan Bizitek’in 3110278 no’lu
.
TÜBİTAK-TEYDEB projesi kapsamında desteklenmiştir.
Kaynaklar
.
[1] Amasyalı, M. F., Kaynaklar
Diri, B., “Automatic Turkish Text
Categorization in Terms of Author, Genre and Gender”,
[1] 11th
Amasyalı,
M. F.,Conference
Diri, B., “Automatic
Turkish
Text
International
on Applications
of Natural
Categorization
in
Terms
of
Author,
Genre
and
Gender”,
Language to Information Systems-NLDB2006, LNCS
11th
International
Conference on Applications of Natural
Volume
3999, 2006.
Language
to
Information
Systems-NLDB2006,
LNCS
[2] Türkoğlu, F., Diri, B., Amasyalı,
M. F., “Author
Volume
3999,
2006.
Attribution of Turkish Texts by Feature Mining”, Third
[2] International
Türkoğlu, F.,Conference
Diri, B.,onAmasyalı,
F., “Author
Intelligent M.
Computing,
ICIC
Attribution
of
Turkish
Texts
by
Feature
Mining”,
2007, Qingdao, China, LNCS Volume 4681, 2007. Third
Conference
on Intelligent
[3] International
Bekkerman R.,
Ran El-Yaniv,
NaftaliComputing,
T., Yoad ICIC
W.,
2007,
Qingdao,
China,
LNCS
Volume
4681,
“Distributional Word Clusters vs. Words2007.
for Text
[3] Categorization”,
Bekkerman R., Journal
Ran El-Yaniv,
Naftali
T., Yoad
W.,
of Machine
Learning
Research,
“Distributional
Word
Clusters
vs.
Words
for
Text
1-48, 2002.
Journal
Machine
Learning Research,
[4] Categorization”,
Song, F., Liu, S.,
Yang,of J.,
“A comparative
study on
1-48, representation
2002.
text
schemes in text categorization”,
[4] Pattern
Song, F.,
Liu,
S., Yang,
J., “A 2005.
comparative study on
Anal
Applic
(8), 199–209,
text
representation
schemes
in
text categorization”,
[5] Çiltik, A. ve Güngör, T., “Time-Efficient
Spam E-mail
Pattern Anal
Applic
(8), 199–209,
Filtering
Using
N-gram
Models”,2005.
Pattern Recognition
[5] Letters
Çiltik, A.
ve Güngör,
T., “Time-Efficient Spam E-mail
29(1),
19-33, 2008.
Filtering
Using
N-gram
Models”,
PatternPreparation
Recognition
[6] Ciya L., Shamim A., Paul
D., “Feature
in
Letters
29(1),
19-33,
2008.
Text Categorization”, Oracle Text Selected Papers and
[6] Presentations,
Ciya L., Shamim
A., Paul D., “Feature Preparation in
2001.
Text
Categorization”,
Oracle Text
SelectedYöntemi
Papers and
[7] Özel, B., “Küresel k-Ortalamalı
Gruplama
ile
103
Presentations,
2001.
Metinlerin ve Terimlerin Saklı Anlam İndekslenmeleri”,
[7] ASYU,
Özel, B.,
“Küresel
k-Ortalamalı
Gruplama
Istanbul,
Turkey,
223-227,
2004. Yöntemi ile
Metinlerin
ve
Terimlerin
Saklı
Anlam
[8] Holmes, D. I., “The Evolution ofİndekslenmeleri”,
Stylometry in
ASYU, Istanbul, Turkey, 223-227, 2004.
[3] Be
“D
Cat
1-4
[4] Son
tex
Pat
[5] Çil
Fil
Let
[6] Ciy
Tex
Pre
[7] Öz
Me
AS
[8] Ho
Hu
Co
[9] Am
“te
Ya
[10] Be
Eng
e yüksek
temsil
. Bunun
andırma
türdeki
plarının
için 17
uşan 77
u oluşan
etoduyla
çapraz
larak nbaşarılı
anabilir
r olması
yılabilir.
olan TF
2007, Qingdao, China, LNCS Volume 4681, 2007.
[3] Bekkerman R., Ran El-Yaniv, Naftali T., Yoad W.,
“Distributional Word Clusters vs. Words for Text
Categorization”, Journal of Machine Learning Research,
1-48, 2002.
EMO
Bilimsel
Dergi,
Cilt 2,J.,Sayı
Aralık 2012
[4]
Song,
F., Liu,
S., Yang,
“A 4,
comparative
study on
text representation schemes in text categorization”,
Pattern Anal Applic (8), 199–209, 2005.
[5] Çiltik, A. ve Güngör, T., “Time-Efficient Spam E-mail
Filtering Using N-gram Models”, Pattern Recognition
Letters 29(1), 19-33, 2008.
[6] Ciya L., Shamim A., Paul D., “Feature Preparation in
Text Categorization”, Oracle Text Selected Papers and
Presentations, 2001.
[7] Özel, B., “Küresel k-Ortalamalı Gruplama Yöntemi ile
Metinlerin ve Terimlerin Saklı Anlam İndekslenmeleri”,
ASYU, Istanbul, Turkey, 223-227, 2004.
[8] Holmes, D. I., “The Evolution of Stylometry in
Humanities Scholarship”, Literary and Linguistic
Computing, 13 (3): 111-117, 1998.
[9] Amasyalı, M. F., Davletov, F., Torayew, A, Çiftçi, Ü,
“text2arff: Türkçe Metinler İçin Özellik Çıkarım
Yazılımı”, SİU, Diyarbakır, 2010.
[10] Berry, M. W., Browne, M., “Understanding Search
Engines: Mathematical Modeling and Text Retrieval”,
Society for Industrial and Applied Mathematics,
Philadelphia, 2005.
[11] Torunoglu, D., Cakirman, E., Ganiz, M.C., Akyokus, S.,
Gurbuz, M.Z., “Analysis of preprocessing methods on
classification of Turkish texts”, INISTA, Istanbul,
Turkey, 112 - 117, 2011.
[12] http://code.google.com/p/zemberek/
[13] Alpaydın, E., “Introduction to Machine Learning”, The
MIT Press, 146-148, 2004.
MIT Press, 135-139, 2004.
MIT Press, 282-283, 2004.
[16] JAMA:
A
Java
Matrix
Package,
http://math.nist.gov/javanumerics/jama
[17] Amasyalı, M. F., Beken, A., “Türkçe Kelimelerin
Anlamsal Benzerliklerinin Ölçülmesi ve Metin
Sınıflandırmada Kullanılması”, SİU, 2009.
[18] Haris Z. S., “Mathematical structures of language”,
Wiley, 12, 1968.
MIT Press, 121-124, 2004.
[20] Multidimensional Scaling for Java, University of
Konstanz, Department of Computer & Information
Science, Algorithmics Group,
http://www.inf.unikonstanz.de/algo/software/mdsj/
[21] Bilgin, O., Çetinoğlu, Ö., Oflazer, K., “Building a
wordnet for Turkish”, Romanian Journal of Information
Science and Technology, (7), 163-172, 2004.
[22] Witten, I. H., Frank, E., “Data Mining: Practical
machine learning tools and techniques”, 2nd Edition,
Morgan Kaufmann, San Francisco, 2005.
[23] Hall, M. A., “Correlation-based Feature Selection for
Machine Learning”, Doktora Tezi, Hamilton, NZ:
Waikato University, Department of Computer Science,
1998.
104
Society for Industrial and Applied Mathematics,
Philadelphia, 2005.
[11] Torunoglu, D., Cakirman, E., Ganiz, M.C., Akyokus, S.,
Gurbuz, M.Z., “Analysis of preprocessing methods on
classification of Turkish texts”, INISTA, Istanbul,
Elektrik Mühendisleri Odası
Turkey, 112TMMOB
- 117, 2011.
[12] http://code.google.com/p/zemberek/
MIT Press, 146-148, 2004.
MIT Press, 135-139, 2004.
MIT Press, 282-283, 2004.
[16] JAMA:
A
Java
Matrix
Package,
http://math.nist.gov/javanumerics/jama
[17] Amasyalı, M. F., Beken, A., “Türkçe Kelimelerin
Anlamsal Benzerliklerinin Ölçülmesi ve Metin
Sınıflandırmada Kullanılması”, SİU, 2009.
[18] Haris Z. S., “Mathematical structures of language”,
Wiley, 12, 1968.
MIT Press, 121-124, 2004.
[20] Multidimensional Scaling for Java, University of
Konstanz, Department of Computer & Information
Science, Algorithmics Group,
http://www.inf.unikonstanz.de/algo/software/mdsj/
[21] Bilgin, O., Çetinoğlu, Ö., Oflazer, K., “Building a
wordnet for Turkish”, Romanian Journal of Information
Science and Technology, (7), 163-172, 2004.
[22] Witten, I. H., Frank, E., “Data Mining: Practical
machine learning tools and techniques”, 2nd Edition,
Morgan Kaufmann, San Francisco, 2005.
[23] Hall, M. A., “Correlation-based Feature Selection for
Machine Learning”, Doktora Tezi, Hamilton, NZ:
Waikato University, Department of Computer Science,
1998.
Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama,
Tek
TekRobottan
RobottanÇoklu
ÇokluRobotlara
RobotlaraOrtam
OrtamHaritalama
Haritalama
Tek
Robottan
Çoklu
Robotlara
Ortam
Haritalama
Map Building:
From
Single
to Multirobot
Sytems
Hakan
Özgür
Erkent,
Haluk
ve
HakanKaraoğuz,
Karaoğuz,
Özgür
Erkent,Robot
HalukBayram
Bayram
veH.
H.Işıl
IşılBozma
Bozma
Hakan Karaoğuz, Özgür
Erkent, Haluk
Bayram ve H. Işıl Bozma
Akıllı
AkıllıSistemler
SistemlerLab.
Lab.
Elektrik
Mühendisliği
Elektrikve
veElektronik
Elektronik
Mühendisliği
Bölümü
Akıllı Sistemler
Lab. Bölümü
Boğaziçi
Üniversitesi,
Bebek,
Boğaziçi
Üniversitesi,
Bebek,İstanbul
İstanbul
Elektrik
ve Elektronik
Mühendisliği
Bölümü
Boğaziçi Üniversitesi, Bebek, İstanbul
Özetçe
Özetçe
Özetçe
Bu
Bu makalenin
makalenin amacı,
amacı, robotlar
robotlar için
için ortam
ortam haritalama
haritalama
konusunda
yapılmış
tek
başlayarak,
çoklu
konusunda
yapılmış çalışmaları,
çalışmaları,
tek robottan
robottan
başlayarak,
çoklu
Bu makalenin
amacı, robotlar
için ortam
haritalama
robotlara
tarayarak
kapsamlı
veverobottan
güncel
literatür
robotlarakadar
kadar
tarayarak
kapsamlı
güncelbir
bir
literatürdeğerdeğerkonusunda
yapılmış
çalışmaları,
tek
başlayarak,
çoklu
lendirmesi
sunmaktadır.
Yapılan
çalışmalar
incelendiğinde,
lendirmesikadar
sunmaktadır.
Yapılan
çalışmalar
incelendiğinde,
ortam
robotlara
tarayarak
kapsamlı
ve güncel
bir literatür ortam
değerharitalama
iki
kısmı
haritalamaproblemlerinin
problemlerinin
ikiönemli
önemli
kısmıbulunduğu
bulunduğugörülmekgörülmeklendirmesi
sunmaktadır.
Yapılan
çalışmalar
incelendiğinde,
ortam
tedir.
ortamda
algılanacağı
nasıl
tedir.İlk
İlkkısım,
kısım,
ortamdanelerin
nelerin
algılanacağı
veharitanın
haritanıngörülmeknasılbir
bir
haritalama
problemlerinin
iki önemli
kısmı ve
bulunduğu
tanımlama
ile
seçilen
model
tanımlama
ileoluşturulacağıdır.
oluşturulacağıdır.
İkincikısım
kısımise,
ise,haritanın
seçilenbu
bu
model
tedir.
İlk kısım,
ortamda nelerin İkinci
algılanacağı
ve
nasıl
bir
vetanımlama
gelen
bilgiler
haritanın
muhakeme
için
verobottan
robottanile
gelen
bilgilerçerçevesinde,
çerçevesinde,
haritanın
muhakeme
için
İkinci kısım
ise, seçilen
bu model
nasıl
kullanılacağına
vevegüncelleneceğine
dairdir.
nasıl
kullanılacağına
güncelleneceğine
dairdir.Çoklu
Çoklurobotlar
robotlar
ve robottan
gelen bilgiler
çerçevesinde, haritanın
muhakeme
için
ile
haritalama
tek
harita
ileortam
ortam
haritalamaçalışmaları,
çalışmaları,
tekrobot
robotiçin
içingeliştirilen
geliştirilen
harita
nasıl
kullanılacağına
ve güncelleneceğine
dairdir.
Çoklu robotlar
veile
yöntemlerinin
çoklu
vemuhakeme
muhakeme
yöntemlerinin
çoklurobotlar
robotlar
için
genelleştirilmesini
ortam haritalama
çalışmaları,
tek
robotiçin
içingenelleştirilmesini
geliştirilen harita
esas
aldığı
seçilen
makaleler
esas
aldığı görülmektedir.
görülmektedir.
Bu çerçevede,
çerçevede,
seçilen
makaleler 33
ve
muhakeme
yöntemlerininBu
çoklu
robotlar için
ana
başlık
altında
sırasıyla
incelenmekte
ve
yapılan
uygulamalar
ana
başlık
altında
sırasıyla
incelenmekte
ve
yapılan
uygulamalar3
esas aldığı görülmektedir. Bu çerçevede, seçilen makaleler
genel
olarak
sunulmaktadır.
değerlendirme
ile
genelbaşlık
olarak
sunulmaktadır.
Makale,genel
genel
bir
değerlendirme
ile
ana
altında
sırasıyla Makale,
incelenmekte
vebir
yapılan
uygulamalar
sonlanmaktadır.
sonlanmaktadır.
genel
olarak sunulmaktadır. Makale, genel bir değerlendirme ile
sonlanmaktadır.
Abstract
Abstract
Abstract
This
map
building
withwith
a single
Thispaper
paperpresents
presentsa asurvey
surveyof of
map
building
single
robot
totomultirobot
systems.
Map
two
robots
multirobot
systems.
Mapbuilding
building
isaddressed
addressed
two
This
paper
presents
a survey
of
map isbuilding
withinin
single
related
The
pertains
totothe
map
that
relatedtopics.
topics.
Thefirst
first
pertainsMap
the
mapmodels
models
thathave
haveinbeen
been
robots
to
multirobot
systems.
building
is addressed
two
developed
while
the
second
isisassociated
with
reasoning
methods
developed
while
thefirst
second
associated
with
reasoning
methods
related
topics.
The
pertains
to the map
models
that have
been
that
are
ininupdating
the
constructed
that
areused
used
updating
theis
constructed
maps
withthe
theincoming
incoming
developed
while
the second
associatedmaps
with with
reasoning
methods
sensory
initial
ininthis
has
sensory
data.
While
initialwork
work
thisarea
area
hasfocused
focused
onsingle
single
that
aredata.
usedWhile
in
updating
the
constructed
maps
with
theon
incoming
robots,
work
considering
multirobot
robots, recent
recent
work has
has started
started
considering
multirobot
systems.
sensory
data. While
initial
work in
this area has
focused systems.
on
single
Most
systems
extend
approaches
that
been
Most such
such
systems
basically
extend
approaches
that have
have
been
robots,
recent
workbasically
has started
considering
multirobot
systems.
originally
developed
for
single
robots
to
multirobot
scenarios.
InIn
originally
developed
for
single
robots
to
multirobot
scenarios.
Most such systems basically extend approaches that have been
this
we
with
maps
this paper,
paper,developed
we consider
consider
map models,
models,
reasoning
with
maps and
and
originally
for map
single
robots reasoning
to
multirobot
scenarios.
In
multirobot
one.
attempt
isistoto
provide
multirobot
map
buildingone
oneby
by
one.Our
Our
attemptwith
provide
this
paper,map
we building
consider
map
models,
reasoning
maps
and
amultirobot
coverage
ofofrelated
acomprehensive
comprehensive
coverageone
related
work.
Thepaper
paper
concludes
map building
by one.work.
Our The
attempt
is concludes
to
provide
with
a
discussion
of
related
applications
and
a
general
with
a
discussion
of
related
applications
and
a
general
evaluation.
a comprehensive coverage of related work. The paperevaluation.
concludes
with a discussion of related applications and a general evaluation.
I.
.I.
.Giriş
Giriş
I.
. Girişmümkün
Robotların,
Robotların, bulundukları
bulundukları ortamı
ortamı
mümkün olduğunca
olduğunca kapkapsamlı
algı
haritalar
oluşturarak
samlıolarak
olarakalgılamaları
algılamalarıve
ve
algıtemelli
temelli
haritalar
oluşturarak
Robotların,
bulundukları
ortamı
mümkün
olduğunca
kapuzamsal
muhakemede
kullanabilmeleri
bir
özelliktir.
uzamsal
muhakemede
kullanabilmeleri
önemli
biroluşturarak
özelliktir.
samlı
olarak
algılamaları
ve algı temelliönemli
haritalar
Çevre
ve
hareket,
gibi
görevÇevretarama
tarama
vearaştırma,
araştırma,
hareket,taşıma
taşıma
gibifarklı
farklı
görevuzamsal
muhakemede
kullanabilmeleri
önemli
bir
özelliktir.
leri
otonom
olarak
yapabilmeleri
önemli
ölçüde
bu
özelliğe
leri
otonom
olarak
yapabilmeleri
önemli
ölçüde
bu
özelliğe
Çevre tarama ve araştırma, hareket, taşıma gibi farklı görevbağlıdır.
Ortam
haritalama
çalışmaları,
ilk
robot
bağlıdır.
Ortam
haritalama
çalışmaları,
ilkolarak
olarak
tek
bir
robot
leri
otonom
olarak
yapabilmeleri
önemli
ölçüdetek
bubir
özelliğe
temel
Bu
temel alınarak
alınarak
başlamıştır.
Bu konudaki
konudaki
araştırma
ve
uygubağlıdır.
Ortambaşlamıştır.
haritalama çalışmaları,
ilkaraştırma
olarak tekve
biruygurobot
lamalar
belli
ilerleme
tek
robotun
göreceli
lamalaralınarak
belli bir
bir
ilerleme kaydedince,
kaydedince,
tek
robotunve
göreceli
temel
başlamıştır.
Bu konudaki
araştırma
uyguolarak
hareket
birden
olarak
kısıtlı
olan
hareket ve
ve algılama
algılama kabiliyetinin,
kabiliyetinin,
birden
lamalarkısıtlı
belli olan
bir ilerleme
kaydedince,
tek
robotun göreceli
fazla
fazla robotun
robotun
aynı anda
anda kullanılmasıyla
kullanılmasıyla
daha genişletilebilegenişletilebileolarak
kısıtlı aynı
olan
hareket
ve algılama daha
kabiliyetinin,
birden
ceği
Bu
robotlar
ile,
ceği öngörülmüştür.
öngörülmüştür.
Bu çerçevede,
çerçevede, çoklu
çoklu
robotlar
ile, her
her
fazla
robotun aynı anda
kullanılmasıyla
daha
genişletilebilerobotun
kendi
diğer
ile
robotun
kendi sınırlı
sınırlı algılarını,
algılarını,
diğer robotlar
robotlar
ile paylaşması
paylaşması
ceği
öngörülmüştür.
Bu
çerçevede,
çoklu
robotlar
ile, her
hedeflenmiştir.
olarak,
paylaşımı
ile
hedeflenmiştir.
Bunaek
ek
olarak,sınırlı
sınırlı
bilgilerinile
paylaşımı
ile
robotun kendi Buna
sınırlı
algılarını,
diğer bilgilerin
robotlar
paylaşması
hedeflenmiştir. Buna ek olarak, sınırlı bilgilerin paylaşımı ile
keşfedilen
keşfedilen ortamın
ortamın koordineli
koordineli ve
ve tümleşik
tümleşik olarak
olarak daha
daha kapkapsamlı
algılanmasının
mümkün
olabileceği
düşünülmüştür.
Bu
samlı
algılanmasının
mümkün
olabileceği
Bu
keşfedilen ortamın koordineli ve tümleşik olarak daha kapmakalede,
robotlar
ortam
yapılmış
makalede,
robotlariçin
için
ortamharitalama
haritalama
konusunda
yapılmış
samlı
algılanmasının
mümkün
olabileceğikonusunda
Bu
çalışma
başlayarak,
çoklu
robotçalışmave
vearaştırmaları,
araştırmaları,
tekrobottan
robottan
başlayarak,
çoklu
robotmakalede,
robotlar
için tek
ortam
haritalama
konusunda
yapılmış
lara
ve
bir
lara kadar
kadar
tarayan, kapsamlı
kapsamlı
ve güncel
güncel
bir literatür
literatür
değerçalışma
ve tarayan,
araştırmaları,
tek robottan
başlayarak,
çokludeğerrobotlendirmesi
sunulmaktadır.
Literatürde,
bu
konuda
son
lendirmesi
sunulmaktadır.
Literatürde,
bu
konuda
endeğerson
lara kadar tarayan, kapsamlı ve güncel bir literatüren
yayınlanan
makalesi
2002
yapılmış
yayınlanan tarama
tarama
makalesiLiteratürde,
2002 yılında
yılındabu
yapılmış
olduğunlendirmesi
sunulmaktadır.
konudaolduğunen son
dan
[160],
ağırlıklı
2000
yılından
sonra
dan
[160],çalışmamızda
çalışmamızda
ağırlıklı
olarak
2000
yılından
sonra
yayınlanan
tarama makalesi
2002olarak
yılında
yapılmış
olduğunyayınlanan
Bu
tarama
esnasında,
yayınlanan
makaleler bulunmaktadır.
bulunmaktadır.
Bu2000
tarama
esnasında,
dan
[160], makaleler
çalışmamızda
ağırlıklı olarak
yılından
sonra
incelenen
makalelerin
sunulan
alınan
atıflar
incelenen
makalelerin
seçimi,
sunulanyaklaşım,
yaklaşım,
alınan
atıflar
yayınlanan
makalelerseçimi,
bulunmaktadır.
Bu tarama
esnasında,
ve
temel
Benzer
ve güncellik
güncellik
temel alınarak
alınarak
yapılmıştır.
Benzer yaklaşımları
yaklaşımları
incelenen
makalelerin
seçimi,yapılmıştır.
sunulan yaklaşım,
alınan
atıflar
kullanan
makalelerden
bir
makale
liste
kullanan
makalelerden
bir örnek
örnek
makale seçilerek
seçilerek
liste yakyakve
güncellik
temel alınarak
yapılmıştır.
Benzer
yaklaşımları
laşık
laşık 75
75 makaleye
makaleye indirilmiştir.
indirilmiştir.
Çoklu robotlar
robotlar
konusunda
kullanan
makalelerden
bir örnek Çoklu
makale
seçilerekkonusunda
liste yakyapılan
çoğunun,
robot
tarafından
yapılan
yapılan
çalışmaların
çoğunun, tek
tekÇoklu
robotrobotlar
tarafından
yapılan
laşık 75çalışmaların
makaleye indirilmiştir.
konusunda
ortam
algılama
ve
konularındaki
çalışmaları
temel
ortam
algılama
veharitalama
haritalama
konularındaki
çalışmalarıyapılan
temel
yapılan
çalışmaların
çoğunun,
tek robot tarafından
aldığı
konudaki
makaleler
taranarak,
yine
aldığı görülerek,
görülerek,vebu
bu
konudakikonularındaki
makaleler de
deçalışmaları
taranarak,temel
yine
ortam
algılama
haritalama
benzer
60
seçilmiştir.
Ayrıca,
benzer şekilde
şekilde yaklaşık
yaklaşık
60 makale
makale
seçilmiştir.
Ayrıca, çoklu
çoklu
aldığı
görülerek,
bu konudaki
makaleler
de taranarak,
yine
robotlar
ile
çalışmaların
çoğunda,
hareket
ve
robotlar
ileyapılan
yapılan
çalışmaların
çoğunda,
hareket
veiletişim
iletişim
benzer şekilde
yaklaşık
60 makale
seçilmiştir.
Ayrıca,
çoklu
konularının
ele
belirlendiğinden,
keşif,
konularının
genel olarak
olarak
ele alındığı
alındığı
belirlendiğinden,
keşif,
robotlar
ile genel
yapılan
çalışmaların
çoğunda,
hareket ve iletişim
haritalama
iletişim
konularına
odaklanan
çalışmalar
haritalamave
vegenel
iletişim
konularına
odaklanan
çalışmalarayrıca
ayrıca
konularının
olarak
ele alındığı
belirlendiğinden,
keşif,
taranarak,
65
kapsamına
alıntaranarak,yaklaşık
yaklaşık
65makale
makaledeğerlendirme
değerlendirme
kapsamınaayrıca
alınharitalama
ve iletişim
konularına
odaklanan çalışmalar
mıştır.
Bu
örtüşmesi
ile
mıştır.
Bumakalelerin
makalelerin
bazılarının
örtüşmesinedeni
nedeni
ileçalışçalıştaranarak,
yaklaşık
65 bazılarının
makale
değerlendirme
kapsamına
alınmamızın
kapsamında
yaklaşık
180
mamızın
kapsamında
yaklaşık
180makale
makalebulunmaktadır.
bulunmaktadır.
mıştır.
Bu
makalelerin
bazılarının
örtüşmesi
nedeni ile çalışmamızın
kapsamında yaklaşık 180ortam
makale bulunmaktadır.
Seçilen
Seçilenmakaleler
makalelerincelendiğinde,
incelendiğinde, ortamharitalama
haritalamaproblemproblemlerinin
önemli
bulunduğu
görülmektedir.
kısım,
lerininiki
iki
önemlikısmı
kısmı
bulunduğuortam
görülmektedir.
İlk
kısım,
Seçilen
makaleler
incelendiğinde,
haritalamaİlk
problemnasıl
bir
Harita
modeli,
nasıl
bir
harita
Harita
modeli, ortamların
ortamların
lerinin
ikiharita
önemli
kısmı bulunduğu
görülmektedir.
İlk kısım,
nasıl
ile
hangi
algılama
tanımlanacağı
ileilintilidir.
ilintilidir.Bu
Buçerçevede,
çerçevede,
hangiortamların
algılama
nasıltanımlanacağı
bir harita oluşturulacağıdır.
Harita
modeli,
kiplerinin
kullanılacağı,
hangi
özniteliklerin
çıkartılacağı
ve
kiplerinin
kullanılacağı,
hangi
özniteliklerin
çıkartılacağı
ve
nasıl tanımlanacağı ile ilintilidir. Bu çerçevede, hangi algılama
bu
içermektedir.
buverinin
verininnasıl
nasılbir
birgösterime
gösterime
dönüştürüleceğini
içermektedir.
kiplerinin
kullanılacağı,
hangidönüştürüleceğini
özniteliklerin çıkartılacağı
ve
İkinci
kısım
ise,
harita
gelen
İkinci
kısımnasıl
ise,seçilen
seçilen
haritamodeli
modelive
veortamdan
ortamdan
gelenalgı
algı
bu
verinin
bir
gösterime
dönüştürüleceğini
içermektedir.
bilgileri
çerçevesinde,
haritanın
amaçlı
bilgilerikısım
çerçevesinde,
haritanın
muhakeme
amaçlıolarak
olarak
nasıl
İkinci
ise, seçilen
harita muhakeme
modeli
ve ortamdan
gelennasıl
algı
kullanılacağına
ve
nasıl
güncelleneceğine
dairdir.
Çoklu
robotkullanılacağına
ve
nasıl
güncelleneceğine
dairdir.
Çoklu
robotbilgileri çerçevesinde, haritanın muhakeme amaçlı olarak
nasıl
lar
yapılan
esas
lar ve
ve ortam
ortam haritalamada
haritalamada
yapılan çalışmaların,
çalışmaların,
esas olarak
olarak
kullanılacağına
ve nasıl güncelleneceğine
dairdir. Çoklu
robottek
için
ve
yöntemlerinin
tek robot
robot
için geliştirilen
geliştirilen harita
harita
ve muhakeme
muhakeme
yöntemlerinin
lar
ve
ortam
haritalamada
yapılan
çalışmaların,
esas olarak
esas
görülmektedir.
çerçevede,
esas aldığı
aldığı
görülmektedir.
Bu
çerçevede,
tek
robot için geliştirilen
harita
ve muhakemeBu
yöntemlerinin
seçilen
makaleler
3
ana
başlık
altında
incelenmektedir.
II.
seçilen
makaleler
3
ana
başlık
altında
incelenmektedir.
II.
genelleştirilmesini esas aldığı görülmektedir. Bu çerçevede,
bölümde,
harita
yönelik
çalışmalar
sunulmaktadır.
bölümde,makaleler
haritamodellerine
modellerine
yönelik
çalışmalar
sunulmaktadır.
seçilen
3 ana başlık
altında
incelenmektedir.
II.
III.
ise,
haritaların
çıkarımı
ve
III.bölümde
bölümde
ise,tek
tekrobot
robotile
ileyönelik
haritaların
çıkarımı
vekullanımı
kullanımı
bölümde,
harita
modellerine
çalışmalar
sunulmaktadır.
ile
çalışmalar
Çoklu
robotlar
ile ilgili
ilgili
çalışmalar
anlatılmaktadır.
Çoklu
robotlar
ile ortam
ortam
III.
bölümde
ise, tekanlatılmaktadır.
robot ile haritaların
çıkarımı
veile
kullanımı
haritalama
ile
ilgili
çalışmalar
ise
IV.
bölümde
açıklanmakharitalama
ile
ilgili
çalışmalar
ise
IV.
bölümde
açıklanmakile ilgili çalışmalar anlatılmaktadır. Çoklu robotlar ile ortam
tadır.
haritalama
uygulamalarından
bahsedilmiştir.
tadır.V.
V.bölümde,
bölümde,
haritalama
uygulamalarından
bahsedilmiştir.
haritalama
ile ilgili
çalışmalar
ise IV. bölümde
açıklanmakMakale,
ile
KulMakale,
özet bir
bir değerlendirme
değerlendirme
ile sona
sona ermektedir.
ermektedir.
Kultadır.
V. özet
bölümde,
haritalama
uygulamalarından
bahsedilmiştir.
lanımları
karşılıkları
Ek
lanımları
yeniolan
olan
terimlerin,İngilizce
İngilizce
karşılıkları
EkVI’da
VI’da
Makale, yeni
özet
bir terimlerin,
değerlendirme
ile sona
ermektedir.
Kulsunulmaktadır.
sunulmaktadır.
lanımları yeni olan terimlerin, İngilizce karşılıkları Ek VI’da
sunulmaktadır.
II.
. .Harita
II.
HaritaModelleri
Modelleri
II.
.
Harita
Modelleri
Harita
tanımlamayı
Haritamodelleri,
modelleri,robotun
robotunuzamsal
uzamsal
tanımlamayınasıl
nasılyapacağı
yapacağı
ile
Uzamsal
gösterim,
hem
robotun
konileilintilidir.
ilintilidir.
Uzamsal
gösterim,
hem
robotunbulunduğu
bulunduğu
konHarita
modelleri,
robotun
uzamsal
tanımlamayı
nasıl yapacağı
umdaki
ortamı,
hem
de
o
anki
algısal
alanının
dışında
olup,
umdaki
ortamı,
hem
de
o
anki
algısal
alanının
dışında
ile ilintilidir. Uzamsal gösterim, hem robotun bulunduğu olup,
konumdaki ortamı, hem de o anki algısal alanının dışında olup,
105
önceden ziyaret ettiği veya bir başka kaynaktan alınmış olan
farklı ortam bilgisini içerir [94]. Geliştirilen modeller, dünya
merkezli veya robot merkezli olabilmektedir [160]. Dünya
merkezli haritalar küresel koordinat sistemi içinde oluşturulmaktadır. Robot merkezli haritalar ise ölçüm uzayı içinde
tanımlanmaktadır. Geliştirilen modeller, Şekil 1’de gösterildiği
üzere üç grupta sınıflandırılabilir: i) Metrik modeller, ii)
Topolojik modeller ve iii) Karma modeller. Ancak, topolojik
modellerde çeşitli seviyelerde geometrik bilgi içerebildiğinden,
metrik modeller ile topolojik modeller arasındaki fark her
zaman tam olarak açık olmayabilir.
patikalarla bağlanan yerlerin derlemesi olan bir çizge olarak
tanımlanır. Bu çizgenin düğümleri farklı yerleri temsil ederken, kenarlar yerler arasındaki bağıl yönelimleri veya patika
uzunluğu gibi bitişiklik ilişkileri temsil ederler. Örnek olarak,
[36]’de düğümler haritadaki belli başlı özel noktaları (köşe,
kapı, koridor sonu v.s.) temsil ederken, kenarlar, bu düğümler
arasındaki geçişlere karşılık gelmektedirler. Burada en önemli
husus, yer tanımlarının nasıl yapılacağıdır [94]. Yer tanımları,
bağlamsal tabanlı ve görünüş tabanlı olarak iki ana kategoriye
ayrılmaktadır.
Bağlamsal tabanlı yaklaşımlar gelen görsel veriyi doğrudan
kodlayan yaklaşımlardır. Kullanılan yer tanımları içinde 9 ×
9, 15 × 15 piksel gibi bağıl büyük imge parçaları [35],
Ayrık Fourier Dönüşüm [127], özimgelere parçalama [80], ana
bileşenler analizi [93], dalgacık imge dönüşümü [163] gibi
değişen seviyelerde uzamsal entegrasyonlu filtre yanıtlarını
kullanılmaktadır. Örneğin, bir çalışmada harita farklı imge
kareleri arasında bağıl konum şebekesi olarak tanımlanır [167].
Farklı bir yaklaşımda ise, imge altimgelere bölündükten sonra
elde edilen yönlü tekdüze örüntülerin histogramları betimleyici
olarak kullanılmaktadır [49].
Harita Modelleri
Topolojik
Metrik
Karma
Şekil 1: Harita Modelleri
A.
Metrik Modeller
Metrik modellerde, Kartezyen koordinatlarında bir referans
yön sistemi temel alınır ve tüm bilgiler bu sistem içine
konumlandırılır. Bu yaklaşımlar, aynı zamanda allosentrik veya
dünya merkezli olarak da tanımlanırlar [87]. En çok kullanılan metrik harita, doluluk kafesleridir [46]. Burada, ortam
kafeslere bölünerek gösterilir [11], [160]. Kafes tabanlı haritalama yöntemleri, ortamın modellemesini sağlayarak değişik
algılayıcılardan gelen verilerin tümleştirilmesinde kolaylık
sağlayıp, yüksek çözünürlükle iyi bir sonuç vermektedirler.
Ancak, geniş ortamlarda, sabit kafes boyutu nedeniyle, çok
fazla sayıda kafes oluşabileceği için, bunların oluşturulması
ve planlamada kullanılması hesapsal açıdan oldukça maliyetli
olabilir [19], [103]. Dolayısı ile, büyük ölçekli haritalarda
döngüleri kapama, haritaları saklama, mevcut yeri önceki yerlerle karşılaştırma ve robotu ilk yeri hakkında bilgilendirmeden
genel konumlandırma konularında problemler yaşanmaktadır
[128]. Yüksek hesapsal yükü azaltmak için, alt harita tabanlı
modeller öne sürülmüştür. Alt haritalar, küçük yerel haritalardır
ve bir araya getirilerek büyük harita sistemleri oluşturabilmektedirler. Genellikle çevreyi eşit alt haritalara bölerek çevrenin
topolojisini göz ardı ederler [31], [82], [124].
Diğer yaklaşım olan görünüş tabanlı yaklaşımlarda ise, ilk
önce gelen görsel veriden bazı öznitelikler elde edilir ve bu
öznitelikler ortamın tanımlanmasında kullanılır [166]. Örneğin,
iç mekanların haritalanmasında, tipik olarak düğümler koridor
gibi birleşme yerlerini temsil ederken, kenarlar ise bir birleşmeden diğerine olan patikalardır [74]. Bu tip haritalama
yöntemlerinde kullanılan özniteliklerden bazıları, köşeler [67],
SIFT [147], SURF [14] ve çeşitli filtrelerdir [18]. Örneğin, yer
tanımları, [57]’de SIFT öznitelikleri, [119]’da SURF öznitelikleri kullanılarak oluşturulmaktadır. Bu tür öznitelikler, çok
kullanılmakla beraber her ortamda istenen başarımı gösterememektedir.
Bu soruna bir çözüm getirmek amacıyla, öznitelikleri farklı
dönüşümler ile birlikte kullanarak, daha dayanıklı ve tıkız
tanımlamaların elde edilmesi hedeflenmiştir. Örneğin, kelime
çantası yaklaşımında, bir imgedeki ilginç noktalar bulunarak
SIFT öznitelikleri ile yüksek boyutlu bir vektör uzayında
tanımlandıktan sonra, sayısal olarak nicelenerek bir görsel
kelime ile ifade edilir [154]. Bu niceleme sayesinde her bir
imge görsel kelimeler histogramı ile gösterilir ve imge eşleme
bu histogramlar temel alınarak yapılır [28]. Parmak izinde ise
her bir imgedeki ilginç noktalar çıkartılarak farklı bir harf ile
gösterilir ve imge bu harflerin dizisi olarak betimlenir [96]. İki
farklı imgenin benzerliği ise bu harf dizisinin karşılaştırılması
ile hesaplanır. Eğer ortamda küçük değişimler varsa, bundan
imgenin sadece bazı noktaları etkileneceğinden, tanımlamada
ufak değişimler olacaktır. Dolayısı ile, veritabanındaki arama
veya karşılaştırma çok daha dayanıklı olacaktır. Buna yönelik
geliştirilen sözlük ağacı, sözcükleri hiyerarşik olarak organize
eder [126]. Bir başka yaklaşımda ise, tüm öznitelikleri kullanmak yerine, çok daha küçük bir altkümenin kullanıldığı iskelet
modeli önerilmiştir [91], [92]. Ne var ki, görsel sözlüklerin
öğretilmesinde, özniteliklerin fazla sayıda olması veya bu sözlükleri oluştururken kullanılan yöntemin görsel bozulmalara
karşı dayanıklılığın sağlanması gibi belli zorluklar vardır [29].
Bu hususlara ek olarak, doluluk kafeslerinin yapısı, kameradan
alınan imgeler gibi zengin bilgilerin kaydedilmesine olanak
vermemektedir. Buna yönelik olarak, haritaların bilgi içerikleri,
çeşitli özniteliklerin yerleri bulunarak ve haritada gösterilerek
zenginleştirilmektedir [77], [147]. Burada önemli bir konu,
haritaya hangi nirengi noktalarının koyulacağının belirlenmesidir. Yapay işaretler doğal olanlara göre daha kararlıdır. Ancak, yapay işaretler için ortama müdahale gerekir, bu yüzden
de daha çok doğal işaretler tercih edilir. Doğal nirengi noktası
olarak köşeleri, kapıları ve farklı binaları içeren pek çok farklı
öznitelik kullanılmıştır. Ne var ki gerçek zamanlı kullanımda,
hangi özniteliklerin kullanılacağı konusundaki çalışmalar devam etmektedir.
B.
Topolojik Modeller
Metrik haritalara alternatif olarak topolojik haritalar önerilmiştir [136]. Topolojik haritalar, kaydedilen yerlerin allotetik
veya robot merkezli karakterizasyonlarıdır [51], [52]. Topolojik haritada uzamsal bilgi, bitişiklik diyagramları kullanan ve
106
Bunlara ek olarak, tüm bu yaklaşımlar, imgenin yapısal bilgisini kaybetme sorunuyla karşı karşıyadır [175]. Yer tanım2
larının uzamsal bilgi içermesi ile bilgi içeriklerinin zenginleşeceği kesin olduğundan, bunu dikkate alan çeşitli çalışmalar yapılmıştır. Bunlardan ilki, imgeleri bir küre üzerine
izdüşünümünün yapıldığı benmerkezci algılama kürelerdir [4].
Benzer şekilde, küreyi bir veritabanı yapısı olarak kullanarak
verileri saklayan yaklaşımlar önerilmiştir [110], [131]. Tanımlamalar, imgelere küresel bir izdüşüm uygulandıktan sonra,
küresel harmonik katsayıları ile yapılarak daha da tıkız hale
getirilmişlerdir [62], [105], [140]. Farklı bir yaklaşım olan
baloncuk hafıza modelinde ise, görsel öznitelikler ve aralarındaki uzamsal ilişkiler robot merkezli olarak birlikte kodlanmaktadırlar [155], [156]. Esasen topolojik temelli olmakla
beraber, öznitelikler arasındaki geometrik ilişkiler küresel uzayda kodlandığından, karma bir özelliğe de sahiptir. Baloncuk
uzayında ise, baloncuk hafıza modeli, farklı robot konumlarına
ve farklı öznitelikleri tanımlayacak şekilde genişletilmektedir
[47].
En basit yaklaşım ile, robotun odometri verisini kullanıp,
parekete hesabı yaparak teker devir sayısına göre koordinatlarını belirleyebilir. Teker kayması gibi pek çok sorundan
dolayı parekete hesabı kullanarak robot konumlanması düzgün
bir şekilde gerçekleştirilemez [26]. Küresel konumlandırma
sistemleri gibi mutlak konum sağlayan algılayıcılar ve ataletsel
sistemler her ne kadar pareketeye bir alternatif öneriyor olsalar
da, her zaman kullanılamayabilir [103]. Dolayısı ile, robotun kendi ortam bilgilerini çıkarabilmesi pek kolay değildir.
Diğer bir husus ise, robotun konum bilgisini kullanmadan
bu tümleştirmeyi yapması ve bulunduğu yeri anlamasıdır. Bu
yapılırken, önceden hiç bilinmeyen ortamların da anlaşılması
ve haritanın yeni bilgiler çerçevesinde güncellenmesi gerekmektedir.
Kullanılan algılayıcı türü ve harita modeline göre birbirinden farklı muhakeme yöntem mevcuttur. Algılayıcı bilgileri odometri, imgeler, uzaklık ölçümleri v.s. gibi verilerdir.
Odometri bilgileri, hareket temelli, görsel veya karma olarak
sağlanabilir. Yaklaşımlar, kullanılan harita modeline göre, geometrik, topolojik ve karma olarak gruplanabilirler [166]. Geometrik yaklaşımlarda, metrik haritalar ile muhakeme yapılır.
Tipik olarak harita gösterimi için iki boyutlu bir doluluk
kafesi ve robotun durum dinamiği kullanılır. Robotun konumu,
harita koordinatlarına göre kestirilmeye çalışılır. Topolojik
yaklaşımlarda ise bitişiklik diyagramı kullanılan yöntemlerden
biridir. Bu yöntemde, robotun konumuna tekabül eden diyagram çizgesinin belirlenmesi hedeflenir. Melez yöntemler hem
geometrik hem topolojik yöntemleri birleştirirler.
Sonuç olarak, ortak kullanımına karşı, topolojik haritaların
tanımına ve nasıl oluşturulduklarına dair bir görüş birliği
olmayıp, düğümler ile kenarların anlamları kullanılan öznitelikler veya uygulamaya göre değişebilmektedir [136].
C. Karma Modeller
Metrik ve topolojik gösterimlerin karakter olarak birbirinden
oldukça farklı olduğu göz önünde bulundurulmalıdır. Metrik
haritalar, algısal sınırlar içindeki yapıyı belirtik olarak
yakalarken, topolojik haritalar geniş alanın yapısını anlatır.
Genel olarak metrik harita, oluşturulduğu her bölgede geometrik olarak çok detaylıyken topolojik haritada çevrenin
detaylarının eksik olduğunu söyleyebiliriz [160]. Bu sorunları
çözmek için küçük ölçekte metrik gösterimin, büyük ölçekte
topolojik haritanın kullanıldığı bir melez harita önerilmiştir
[16], [94], [164]. Bu yaklaşımda, yerel metrik haritalar doluluk
kafesi tabanlıdır. Topolojik haritalar ise düğüm ve kenarlardan oluşan çizgelerdir [40]. Her bir düğüm robot tarafından
görülen bir yeri ifade eder ve içinde o bölgeye ait metrik bir
yerel harita barındırır. Bu yaklaşımdaki önemli bir sorun, bu
bölünmenin tam olarak nasıl yapılacağıdır. Bunun için farklı
yöntemler önerilmiştir. Bu yöntemler, esasen çizge temelli
yaklaşımlardır. Örneğin, alt seviyede bir metrik haritadan, izgel
topaklama kullanılarak [19] veya çizge bölütleme uygulanarak,
üst seviyede görsel tabanlı bir topolojik harita oluşturulmaktadır [182]. Ancak metrik haritalar büyüdükçe bu haritaların
oluşturulması gittikçe zorlaşmaktadır. Buna alternatif olarak,
ortamın metrik doluluk kafeslerini boş alanın ve ortamın
bağlantı yapısının daha tıkız bir gösterimini sağlayan Voronoi
diyagramları önerilmiştir [61]. Ancak pratik uygulamada, bu
diyagramların çıkarımları kolay değildir.
A.
Geometrik Haritalar ile Muhakeme
Geometrik yaklaşımlar, metrik haritalar oluşturmaya, kullanmaya veya güncellemeye yönelik yaklaşımlardır. Genel olarak
tüm geometrik yaklaşımlar, konumlandırma problemi ile birlikte ele alınır. Konumlandırma, robotun bulunduğu yerin tam
olarak belirlenmesi problemi olarak tanımlanır. İkisinin birleşimi eşzamanlı konumlandırma ve haritalandırma (SLAM)
sorunu olarak adlandırılır [43]. Gezgin robot konumlandırmasında, çoğu çalışma odometri girdisi kullanarak geometrik
konumlandırma yapmaya odaklanmıştır [6], [7]. Önerilen yaklaşımlar, bölgesel ve tümel olarak ikiye ayrılır [146]. Bölgesel
teknikler, robotun yön bulması sırasında oluşan odometrik
hataları gidermeyi amaçlar. Bu tekniklerin başarım koşullarından biri robotun ilk konumunun yaklaşık olarak bilinmesi
gerekliliğidir. İkinci bir husus ise, robotun konumu kaybedildiğinde tekrar bulunmasının garanti edilememesidir. Bölgesel tekniklere alternatif olarak geliştirilen tümel yöntemlerde
amaç, robotun ilk konumu hakkında kesin bir bilgiye sahip
olmadan konumunun belirlenmesidir [55]. Örneğin, robotun
kendisi tarafından bilinen konumundan alınıp hiç bilmediği,
tamamen farklı bir ortama konduğu kaçırılmış robot problemlerinde konumun tekrar bulunmasını mümkün kılar. Buna
koşut olarak, bir şekilde harita eşleme ya da nirengi noktası
belirlemesinin yapılması gerekmektedir [59].
III..Harita Oluşturma ve Kullanım
Kendi başına harita oluşturabilme, önceden oluşturulan bir
haritada yerini bulabilme veya yeni bir bölgeye girdiğini
anlayarak harita güncellemesi yapabilme, robotların otonomisi
için gerekli becerilerdendir. Bunun için, robotun sahip olduğu
harita modeline uygun muhakeme yapabilmesi gerekir [160].
Bu muhakemeyi, üzerinde bulunan algılayıcılardan gelen ortam verileri ile, harita modelini kullanarak yapabilir. Bu
konuda ilk problem, robotun kendi ortam veya konum bilgilerini, mevcut harita ile nasıl tümleştireceği ve bu tümleştirme çerçevesinde nerede olduğunu nasıl anlayacağıdır.
Muhakeme sürecinde kullanılan nirengi noktalarının, kamera ile elde edilen imgelerden çıkartılabileceği düşüncesi
ile, görsel bilgi tabanlı SLAM yaklaşımları önerilmiştir. Bu
yaklaşımları iki ana grupta toplamak mümkündür [104]: i)
Öznitelik tabanlı ve ii) Görünüm tabanlı. Öznitelik tabanlı
3
107
SLAM’de özniteliklerin yerleri kestirilir ve önceden oluşturulan bir öznitelik gözlemlenerek bir döngü kapama gerçekleştirilir [15]. Öznitelik tabanlı yaklaşımların, özniteliklerin
durumlarını kestirme gerekliliği ve hangilerinin seçileceğine
karar verilmesi gereksinimi bulunmaktadır. Görünüm tabanlı
SLAM’de ise, algılayıcı verisinin alındığı yerlerdeki robot
konumları kestirilir. Robotun bağıl konumunun kestirimi, farklı
iki zamanda alınan veri kümesi kullanılarak yapılır.
ilendirilmektedir [109].
Bu sorunlardan dolayı geometrik yaklaşımlarda başka
muhakeme yöntemleri kullanılmaktadır. Bunlardan biri beklenti enbüyütme yaklaşımıdır [37]. Bu yaklaşım, Kalman filtresinden farklı olarak, doğrudan veri ilişkilendirme üzerinde
odaklanır [38]. Beklenti enbüyütme temelli muhakeme ile,
veriler birbirine benzese bile, tutarlı haritalar oluşturulabilir.
Bu yaklaşımda, düzleme ve haritalama yaklaşımı, bilgi matrisi
temelli olup, döngülü en az kareler eniyilemesi yaparak en
optimal robot konum ve özniteliklerin durumlarının kestirimini yapmayı amaçlar [39]. Seyrek genişletilmiş bilgi filtreleri
kullanılarak, hesap yükü azaltılmaktadır [7]. Aslında, burada
hesaplanan bilgi matrisi, genişletilmiş Kalman filtrelerindeki
ortak değişinti matrisinin tersidir [59]. Bilgi matrisi temelli
SLAM’deki temel zorluk, tüm veriyi çok defa işleme gereksinimleri olduğundan, Kalman filtrelerinde olduğu gibi haritaları
artımlı bir şekilde oluşturamazlar [160]. iSAM filtresi yaklaşımı tüm sistem için bir bilgi filtresi kullanır ve etkili bir
çarpanlara ayırma metodu ile filtrenin hızlı artımlı güncellenmesini sağlar [81]. Bilgi matrisinin ayrışmasının güncellenmesinde, sürekli tekrarlanması gereken yüksek maliyetli
çarpanlara ayırma işlemi Cholesky çarpanlarına ayırma yöntemi kullanılarak basit hale getirilse de, işlem hala gerçek
zamanlı değildir [104].
Her iki yaklaşımda da, genel olarak konumu kestirmek için
olasılıksal çıkarım yasaları uygulanmaktadır [17]. Bu yasaların
uygulanabilmesi için, robot hareketi ve algılayıcı belirsizlikleri
modellenir. Ne var ki bu modellerin oluşturulması her zaman
mümkün olmayabilir.Buna ek olarak modeldeki gürültünün
karakteristiğini belirlemek için otomatik olmayan ölçümlerin
yapılması zaman alabilir [17].
Yaklaşımların çoğunda muhakeme yöntemi Bayes filtresi veya
türevleri(Kalman, genişletilmiş Kalman, Parçacık filtresi v.b.)
temellidir. İlk önerilen muhakeme yöntemlerinden biri, artımlı
en büyük olabilirlik temellidir [115], [178]. Bu yöntemde,
veri geldikçe, en yüksek olasılıklı robot konumu ve harita
Bayes marjinal olasılığının en büyük değeri bulunarak güncellenir. Hesapsal yükü azdır, ancak belirsizlik kavramına sahip
değildir. Haritalamada, robotun hareket modelini kullanarak,
doğal özniteliklerin seyrek kümesini ve bilgi rehberli aktif
ölçüm stratejisini temel alırlar. Ancak tüm bu çalışmalara
rağmen, Kalman filtresi ile ilgili aşağıda özetlendiği şekilde
bazı sorunlar bulunmaktadır:
B.
• Hesapsal yükün fazla olması nedeni ile gerçek zamanlı
uygulamalarda yavaş olabilmektedir. Robot hareket ederken
gerçek zamanda ancak sınırlı sayıda öznitelik ele alınabilir.
Öznitelik sayısı N olan bir haritada, her yinelemede N 2
parametre içeren matrislerin çarpma ve tersini alma gibi işlemlerin yapılması gerekmektedir [114].
Veri ilişkilendirmesi, Kalman Filtresinin konum kestirimleri için kritik öneme sahiptir. Robotun hareketi sırasında,
bir önceki konumda algılanan öznitelikler, yeni konumda algılanan özniteliklerle doğru bir şekilde ilişkilendirilemezse,
konum kestirimlerinin başarımı önemli ölçüde düşer. Veri
ilişkilendirmesi, ileride III-C nolu kısımda anlatıldığı üzere
kendi başına bir alt problemdir.
Görünüş tabanlı yaklaşımlarda ise, daha tıkız betimleyiciler
kullanıldığından, zamansal gereksinimler daha aza inebilmektedir. Önerilen yöntemler, kullanılan yer tanımlayıcısına göre
değişmektedir. Örneğin, ana bileşenler analizinin kullanıldığı
[93]’de, öznitelikler için robot konumuna bağlı olarak olasılıksal yoğunluk işlevi tanımlanarak, bulunulan yer, sonsal yoğunluk işlevinin en büyük olduğu konum olarak tanımlanmaktadır.
Kelime çantası kullanan yaklaşımlarda ise harita, görsel kelimelerin oluşumunun yüksek ilintiye sahip olacağı düşüncesi
ile, ağaç yapısına sahip bir Bayes ağının Chow Liu algoritması
kullanılarak öğrenilmesi ile oluşturulur [28]. Bu yapı, kelime
oluşumlarının ikili dağılım kestirimine ek olarak, çok geniş
kelime dağarcığına sahip durumlarda, verimli öğrenme ve
karar vermeyi sağlar. Bu çerçevede, topolojik SLAM problemi,
metrik SLAM problemlerine benzer şekilde, özyineli Bayes
kestirim problemi olarak tanımlanmaktadır [28], [29]. Bu
yaklaşımın hesapsal olarak çok yüklü olduğu düşüncesi ile,
Bayes hesabı yerine, iskelet gösterimi kullanılarak, döngü kapama için kullanılacak görüntü sayısının kısıtlanması sağlanır
[91], [92]. Sözlük ağacı, yeni eklenen görünümlerle birlikte
binlerce iskelet arasında mümkün olan eşleşmeler için etkili
bir filtre oluşturulmasına olanak sağlar [126]. Yer gösterim-
• Bir başka önemli zorluk ise aynı öznitelikleri farklı yerlerden gözlemlemekten kaynaklanan tutarsız doğrusallaştırmalardır [53]. Kalman filtresi, mevcut durumun gözlemi
hakkında doğrusallaştırma yapar. Durum evrildikçe, ölçümlerin
doğrusallaştırması farklı noktalarda olacaktır. Bu da yinelemenin sonucunda ortaya çıkan haritada tutarsızlıklara yol açar
[5].
• Kalman filtresi yaklaşımları gürültü eklenmiş özel durumlara dayanırlar, pratikte ise nadiren bu özel durumlar oluşur.
• Dinamik ortamlarda başarımları oldukça düşüktür [160].
Hesapsal yükün azaltılmasına yönelik olarak geliştirilen yaklaşımlar esasen, robot konum ve nirengi noktaları üzerinden
sonsal dağılımı, çarpanlarına ayırıp özyineli olarak hesaplayan
yöntemlerdir [114]. Daha yeni çalışmalarda, robotun yörüngesini gösteren bir parçacık kümesi kullanılmakta ve her
öznitelik bir küçük genişletilmiş Kalman filtresi ile ilişk-
108
Topolojik Haritalar - Yer Tanıma
Alternatif olarak topolojik haritalar ile muhakemede, anahtar
öğe yer tanıma modülüdür [166]. Önceden öğrenilen yer
tanımlamalarının yerleri temsil ettiğini varsayarak, yer tanıma
modülünün amacının mevcut algılama bilgisine en çok benzeyen, önceden öğrenilmiş yeri bulmak olduğunu söyleyebiliriz [165]. Robot her çevrimde, konumu daha önce kaydedilmiş
olan görüntü haritasını kullanır. Konumlama sorunundan farklı
olarak, tanıma daha önceki konumu hakkında her hangi bir
bilgi verilmeden yapılmaya çalışılır. Bunun için genel olarak
eniyileme yöntemleri veya destek vektör makineleri gibi standart bir örüntü tanıma yöntemleri kullanılır.
4
Çoklu Robotlar ile
Haritalama
lerinin parmak izi olarak tanımlandığı çalışmalarda ise, dizi
eşlemesi minimum enerji optimizasyonu yapılarak gerçekleştirilir [96]. Metrik doluluk kafesi, topolojik bir model
olan Voronoi diyagramına çevrildikten sonra, her noktayı,
koşullu rastsal bir alanın düğümü olarak tanımlamak sureti ile
oluşan Voronoi rastsal alanı, hem haritadan hem de Voronoi
topolojisinden gelen öznitelikleri birleştirerek her düğümün
hangi yeri tanımladığı kestirilir [61]. Alternatif bir yaklaşımda,
AdaBoost makine öğrenme algoritması kullanılarak yapılan
bir sınıflayıcı, lazer imzalarından alt harita diyagramlarını
çıkartarak yer tanıma için eğitilmiştir [19].
Bilgi Birleşimi
Robot Yöngüdümü
Şekil 2: Çoklu robotlar ile haritalama problemleri.
robotun farklı bir bölgede çalışması sağlanarak hızlı bir şekilde
gerçekleştirilebilir [54], [160]. Bu alandaki çalışmalar 90’lı
yıllardan beri devam etmektedir. Çoklu robotlarda, tek robot
ile haritalamadaki gösterim, algılayıcı verileri ve muhakeme
problemlerine ek olarak, yeni problemlerin çözülmesi gerekmektedir [85]. Bunlar, Şekil 2’da gösterildiği üzere, bilgi
birleşimi, robotlar arası ilişki ve robot yöngüdümüdür.
Görüldüğü üzere, topolojik haritalarda muhakemede en önemli
husus yer tanıma modülüdür. Sunulan deneysel sonuçlarda,
önerilen sistemlerin farklı ışıklandırma ve dinamik ortam durumlarındaki performansları sunulmakta ve başarımın farklı
derecelerde etkilendiği gözlenmektedir [165], [176], [170]. Yer
tanıma açısından, ölçeklenebilirlik, aydınlatma ve hareketli
nesneler gibi dinamik değişkenlere karşı dayanıklılık halen
zorlu sorunlar olmaya devam etmektedir.
C.
Robotlar Arası İlişki
A.
Bilgi Birleşimi
Bilgi birleşimi, birden çok robottan gelen verilerin birbiriyle
uyumlu ve verimli bir şekilde birleştirilip işlenmesidir. Yapılan
çalışmalarda genel olarak iki yaklaşım kullanılmıştır [11]:
Çoklu robotlarda eşzamanlı konumlama ve haritalama ve harita
birleştirme.
Veri İlişkilendirme
A.1 Çoklu Robotlarda Eşzamanlı Konumlama ve Haritalama
Bütün görünüm veya görünüş tabanlı yaklaşımlarda ortak
problem, veri ilişkilendirme sorunudur [158]. Veri ilişkilendirme, mevcut ortamdaki nirengi noktaların haritadaki
nirengi noktaları ile eşleştirilmeleridir. Bu şekilde yeni nirengilerin belirlenip haritaya eklenmesi sağlanırken aynı zamanda
varolan nirengilerin konumlarının daha iyi kestirilebilmesi de
mümkün olur. Veri ilişkilendirmesi için kullanılan ve detayları
aşağıda açıklanan üç temel yaklaşım vardır [172].
Tek robotlarda eşzamanlı konumlama ve haritalama konusundaki gelişmeler ve alınan başarılı sonuçlar, kullanılan yöntemlerin çoklu robotlara aktarılmasına imkan vermiştir [117].
Tekli robotlar için geliştirilen yaklaşımlar genel olarak metrik
haritalama ve yorumlama yöntemleri üzerine kuruludur [161].
Ancak, çoklu robotlara özgü, birden çok bilinmeyen robot konumu, harita birleştirme ve ölçeklenebilirlik gibi problemlerin
çözülmesi gerekmektedir [31].
• Haritadan haritaya olan yaklaşımlarda, iki alt haritanın
özniteliklerindeki benzeşme, hem görünümlerine hem de bağıl
konumlarına bakılarak bulunur. Buradaki problem, olası olmayan ortak özniteliklerin benzer olabilmesindedir. Küme
kuramsal [42], değişken ölçekli ve geometrik uyumlu dallan ve
sınırla algoritması [27] gibi farklı yaklaşımlar önerilmektedir.
Robotların birbirlerine göre olan konumlarının belirlenmesi
veya kestirilmesi için, bir robotun diğer bir robotun haritasındaki konumunu veya tümel haritadaki konumunu bulabilmesi gerekmektedir. Bir robotun diğer robota göre olan
konumu, açısal, uzaklık, yönelim veya bunların birleşimi
şeklinde ölçülebilir [107]. Bunun için, iki farklı yaklaşım
uygulanabilmektedir. İlki, her iki harita arasında bir koordinat
dönüşümü bulmaktır [135]. Gerekli olan bir diğer bilgi ise, iki
harita üzerinde aynı olan nirengi noktalarını belirlemektir.
• İmgeden imgeye yaklaşımlarda, kameradan alınan son imge
ile önceki görülen imgeler arasında bir benzeşme bulunur
[28]. Özniteliklerin ayırt edici olmalarına dikkat edilir. Bu
yaklaşımdaki sorunlardan en önemlisi, karşılaştırma için oluşturulan imge sözlüğünün önceden iyi bir şekilde öğrenilmesi
gerekliliğidir.
Çoklu robotlar için eşzamanlı konumlama ve haritalama
probleminde ise genel yaklaşım, Bayes filtresi, genişletilmiş
Kalman filtresi veya parçaçık filtresi gibi yaklaşımları kullanarak, geometrik yorumlama üzerine kuruludur. İlk çalışmalardan biri olan [63]’de, doluluk kafeslerinin bilgileri, gelen algı
bilgilerine dayalı olarak Bayes kuralı ile güncellenir. Yine,
[41]’de Kalman filtresi çoklu robot takibi için kullanılmaktadır. Bundan sonra bir dizi çalışmada, genişletilmiş Kalman
filtresi yaklaşımı, işbirlik [50], dağıtık karar verme [141],
dağıtık işbirlik [22], [103], dağıtık konumlama ve haritalama
[159] ve yol tanıma gibi özel durumlarda uygulama [151]
gibi farklı çalışmalarda temel alınmıştır. Ancak, çoklu robot
uygulamalarında, Kalman filtresi kullanımı ile ilgili önemli
sorunlar bulunmaktadır [11]:
• Son olarak, imgeden haritaya olan yaklaşımlarda, kameranın son karesi ile haritadaki öznitelikler arasında bir benzeşme
aranır [172]. Örneğin, mevcut imgede harita öznitelikleri ile
olası benzeşmeler bulunur ve Ransac tabanlı bir 3 nokta algoritması kullanılarak kameranın haritaya göre konumu belirlenir
[104]. Bu yaklaşım yoğun hafıza gerektirdiğinden, gerçek
zamanlı uygulamalarda uygulanması zordur.
Tüm bu çalışmalara rağmen, gerçek zamanlı kullanımda, veri
ilişkilendirilmesi hala sorunludur ve başarımının arttırılması ve
hızlandırmaya yönelik çalışmalar devam etmektedir.
IV..Çoklu Robotlar ile Haritalama
Çoklu robotlar ile harita çıkarımı ve kullanımı, birden fazla robotun seçilen model çerçevesinde, bulunulan ortamın
haritasını nasıl oluşturacakları, ilgili hareket ve iletişim yöntemleri ile ilintilidir [30], [173]. Bir yerin otonom olarak
haritalandırılması, çoklu robot sistemleri kullanılarak ve her bir
• Her bir ölçüm tüm Gaussian parametrelerini etkilediğinden, güncelleştirmeler uzun sürmektedir. Her bir güncelleme
adımında, bütün robotlar birbirleriyle iletişim halinde olup
kendi haritalarındaki konum güncelleştirmelerini diğerleriyle
5
109
paylaşırlar. Eğer robot sayısı N olarak tanımlanırsa, bu O(N 2 )
kadar ek hesaplama yükü getirmektedir. Robotlar arası konum
ölçümü sayısının N (N − 1) mertebesine kadar çıkabileceği düşünülürse, hesaplama yükü O(N 4 ) olmaktadır. Bu
hesaplamalar her bir robota eşit bir şekilde dağıtılsa bile,
hesaplama yükü O(N 3 ) olmaktadır. Bahsedilen hesaplama
yükleri, gerçek zamanlı uygulamalar için önemli bir engel
teşkil etmektedir [122].
için robotların ortak referans noktaları belirlemesi gerekir.
Bu noktalar insan eliyle verilmekte veya yerel imge tanımlayıcıları kullanarak belirlenmektedir. Eğer bu ortak referanslar
dikkate alınmaz ve robotlar haritalarının birbirinden bağımsız
olduğunu varsayarsa, haritaların üst üste binen yerlerinde kaymalar olmaktadır [74]. Oluşabilecek bu tutarsızlıkları önleyebilmek için, 2 boyutlu haritalar yerine manifold temelli harita
gösterimi önerilmiştir [72], ancak manifoldun gösteriminde
zorluklar bulunmaktadır.
• Çok büyük haritalarda, genişletilmiş Kalman filtresi tabanlı
yaklaşımlar için kestirim sapmaları artmaktadır. Doğrusal olmayan sistem ve algılama modellerinin doğrusallaştırılması, bu
sapmalara neden olabilmektedir [145].
Sınırlı iletişim durumunda iletişim ağının yönetilmesi ve grup
içinde yapılacak işlemlerin paylaştırılması da düşünülmesi
gereken diğer hususlardır. İletişim ve karşılıklı bilgi paylaşımı,
müşterek robot takımları için önemlidir. Ancak bu konuda
yapılan çalışmalar, özellikle de durum kestirimi konusunda,
son derece sınırlıdır [83].
• Çoklu robotlarda bu filtreleri dağıtık bir şekilde kullanmak
kolay değildir.
Çoklu robotlar için eşzamanlı konumlama ve haritalama için
ikinci bir yaklaşımda beklenti en büyütme tabanlı algoritmalardır [11], [70], [85]. Kalman filtresi metodlarından farklı
olarak, beklenti en büyütme tabanlı yöntemlerde en muhtemel
harita çıkarılmaktadır. Bu yaklaşım ile haritalamanın avantajlarından birisi, bilgi eşleştirme problemine karşı dirençli
olmasıdır. Bu sayede, büyük ölçekli haritalar başarıyla oluşturulabilmektedir. Bu yöntemin olumsuz yanlarından biri ise,
haritanın artımlı olarak çıkarılamamasıdır. Bu durum, beklenti
enbüyütme tabanlı yöntemlerin yapısından kaynaklanmaktadır.
Buna ek olarak, robotların başlangıç konumlarının birbirlerine göre yaklaşık olarak bilinmesi gerekmektedir. Beklenti
en büyütme algoritmasının dağıtık bir versiyonu [145]’ de
geliştirilmiştir. Bu yaklaşımda, doğrusal olmayan eniyileme
problemi, N tane robot sayısı kadar alt probleme bölünmüştür. Bütün robotlar, belli aralıklarla konum tahminlerini
diğer robotlarla paylaşırlar. Buna benzer bir diğer çalışmada,
robotların göreceli konum bilgilerini tümleştirmeye yönelik bir
ayrık algoritma önerilmiştir [88]. Bu yaklaşımların en önemli
eksiği, algoritmanın bir minimuma yakınsama garantisinin
olmamasıdır.
Mevcut yaklaşımların, varsayımlar çerçevesinde, başarılı
sonuçlarına rağmen, bazı durumlarda bu yaklaşımlar hızlı bir
şekilde sonuca ulaşamamaktadırlar [125]. Haritalanacak olan
alanın büyümesi veya algılamalardaki gürültü sonuç almayı
geciktirmekte ve bazen sonuç alınmasını engellemektedir.
A.2 Harita Birleştirme
Harita birleştirme problemi, akademik çalışmaların yoğunlaştığı bir diğer konudur. Bu problemde, eşzamanlı konumlama ve haritalama probleminden farklı olarak robotlar,
kendi başlarına ve diğer robotların konumu hakkında bilgi
sahibi olmadan yerel haritalarını oluşturmaktadırlar. Buradaki
amaç, robotların çalışma alanlarında oluşan bu haritalardaki
kesişen bölgeleri bulup haritaları birleştirmektir [90]. Bu
problem, kesişen birden çok imgenin düzenlenmesini içeren
imge dikişleme problemine benzemektedir. Bu konudaki sınırlı
sayıdaki çalışmaları, haritanın gösterim yöntemine göre iki
gruba ayırabiliriz. Birinci grup yaklaşımlar doluluk kafesi ile
haritalama veya öznitelik tabanlı haritalama gibi geometrik
tabanlı yöntemlerdir [113]. Doluluk kafesi haritalarında harita
birleştirme problemi, haritayı bir imge gibi diğer haritalar
üzerinde kaydırarak ortak noktaların tespit edilmesi şeklinde
tanımlanmaktadır [11]. Benzerlik ölçümü için, eşleştirilen
yerlerin Öklid uzaklığı ortalaması, Hausdorff uzaklığı veya
diğer başka metrikler kullanılabilir. Yaklaşımlardan bir kısmı
ise, imge tescilleme problemlerinde sıkça kullanılan dürümsel
enyakın nokta yaklaşımından esinlenerek geliştirilmişlerdir.
Dürümsel enyakın nokta yaklaşımında, verilen iki veri seti
arasındaki benzer noktaların arasındaki farkın karesini minimize eden dönüşüm parametreleri bulunur [10], [180]. Bulunan
parametreler kullanılarak tekrar birbiriyle aynı olan noktalar
kestirilir ve yeni bir parametre seti elde edilir. Algoritma,
parametrelerdeki değişim belli bir eşiğin altına düşene kadar
bu işlemi sürdürür. Öznitelik tabanlı haritalamalarda ise iki
haritadaki aynı özniteliklerin ve sabit işaretlerin bulunması
için, benzer yöntemler kullanılmaktadır [11].
Bu alandaki çalışmaların bir çoğu için geçerli olan bir diğer
husus, robotların birbirlerine göre konumlarının hesaplanmasında bazı varsayımların yapılmasıdır [89]. Bazı çalışmalar,
başlangıçta göreceli konumların verildiği varsayımını yapmaktadır [20], [50], [121], [153]. Diğer bir yaklaşımda ise,
robotların başlangıç konumlarının bilinmediği ancak herhangi
bir robotun kesinlikle başka bir robotun görüş alanında konumlandırıldığı varsayılmıştır [85]. Bu sayede, robotlar arası
ilk karşılaşmanın konum bulmaya yeterli olacağı ve bundan
sonraki karşılaşmaların önemli olmadığı belirtilmiştir [73].
Robotların tamamen bilinmeyen yerlerde başladıkları ve haritalarında hiç kesişen bölge olmayabileceği varsayıldığı, az sayıda
da olsa, çalışmalar bulunmaktadır. Bu tip bir başlangıç koşulunda, bir robotun kendi haritasında parçacık süzgeci filtresi ile
diğer robotların konumlarını bulması [89], Gaussian Markov
rastgele alan temelli seyrek genişletilmiş bilgi filtreleri [161]
ve karekök bilgi düzlemesi kullanılarak haritalar arasındaki
eşleştirmenin yapılması [5] gibi yaklaşımlar önerilmektedir.
Ancak, tümel haritalar eksikli olabileceğinden ve robotların
bireysel haritaların kesişmesi garanti edilmediğinden, mekanların bilinmeyen kısımları ön bilgilere dayalı olarak kestirilmesi durumu oluşmakta ve bu da sorun yaratabilmektedir.
Geometrik tabanlı yöntemlere alternatif olarak geliştirilen
topolojik yaklaşımlarda ise, harita birleştirme problemi, birden fazla çizgenin eşleştirilmesi problemine benzer [130].
Topolojik harita birleştirme yöntemleri, temel olarak, birbiri ile
eşleşmiş düğüm veya düğümleri kullanarak iki harita arasındaki dönüşümü hesaplar. Bunun için, hipotez reddi üzerine
kurulu [74] ve buluşsal [11], [36] gibi farklı yaklaşımlar
vardır. Ancak çoğu çalışmada, farklı iki haritanın büyük
İkinci bir problem, haritalar arasında veri eşleştirmedir. Bunun
110
6
oranda kesiştiği ve haritalarda fazla oranda belirsizlik olmadığı
varsayımları yapılmıştır. Bunlara ek olarak, yapısal öznitelikler
kullanılarak geliştirilen alt çizge eşleştirme yöntemleri de
mevcuttur [74]. Eğer bir robotun topolojik haritası, geometrik
ve görsel bilgiler içeriyorsa, bu bilgi, robotun kendi referans
koordinatlarına göre düğümlerin yerlerinin tahmin edilmesinde
kullanılabilir. Bu durum, harita birleştirme probleminin daha
önce belirtildiği gibi imge tescilleme yöntemleri kullanılarak
çözülebileceğini gösterir.
ise, robotların, hipotezlerin doğruluğunu sağlayamaması durumunda devamlı olarak yeni hipotezler üretip asıl görevden
sapma durumunun oluşmasıdır. Bir başka çalışmada, robotlar iki gruba ayrılıp birbirleri için taşınabilir nirengi işlevi
görmektedirler [95]. Bu işlevde, bir grup robot hareket ederken
diğer grup sabit durup nirengi olmaktadır. Bu işlem görev
tamamlanıncaya kadar sürdürülmektedir. Bu yöntemin avantajı, robotların başlangıç konumları ve haritalardaki kesişen
bölgelerinin olmaması gibi varsayımlara gerek duymamasıdır.
Ancak, robotların nirengi görevi görmesi onların hareketlerini
kısıtlamaktadır.
Bu konuda üçüncü bir yaklaşım da, karma haritalar kullanılarak bilginin birleştirilmesidir. Robotların, metrik harita
kapsamlarının örtüşmediği varsayılarak, her robotun yerel haritası bir çizge düğümü olarak düşünülmekte ve bunlar arasındaki kenar etiketleri ile olan dönüşümler ve ilintili belirsizlikler, bir eniyileme problemi olarak çözülmektedir [31].
B.
Robotların elde ettikleri bilgileri paylaşabilmeleri için birbirileriyle iletişimde olmaları gerektiğinden, robotlar arası iletişim
de bir diğer önemli husustur [56]. İletişim yapısı, merkezi,
dağıtık veya karma olabilir [100]. Merkezi yaklaşımlarda,
robotlar bilgilerini bir bilgi birleştirme merkezine iletirler. Bu
merkezde, gelen bütün bilgiler işlenerek, ortak yapı oluşturulur. Dağıtık yöntemlerde ise merkezi birleştirme birimi
olmaksızın tüm robotlar bilgi üzerindeki işlemleri kendileri
yaparlar [41], [50], [111], [122]. İletişimde bir diğer önemli
husus, robotlar arasındaki iletişim stratejisi ve buna dayalı
olarak oluşan iletişim ağıdır. Yapılan çalışmaların çoğunda,
iletişimin bir şekilde sağlandığı varsayılmıştır. Fakat, genel
olarak varsayılan, herkes ile sürekli iletişimde olma yaklaşımı,
çok fazla kanal kapasitesi gerektirmesi nedeniyle veya başka
bir takım sınırlamalardan dolayı her zaman mümkün olamayacağından, gerçekçi bir varsayım değildir [98]. Bu çerçevede,
robotların kimler ile nasıl ve ne zaman iletişime gireceği
ve hangi bilgileri paylaşacağı, üzerinde çalışılması gereken
önemli bir konudur [168]. İletişim ağlarındaki son gelişmeler,
birbirlerine uzak mesafelerde bulunan dinamik sistemlerin
veya robotların oluşturduğu ağ üzerinden koordineli olarak
dinamik görevleri yerine getirmeye olanak vermektedir [24].
Bu perspektifte, çoklu robot sistemleri karma yapıya sahiptirler. Bu karma yapının sürekli kısmı robotların durumları ile
ilgilidir. Ayrık kısım ise robotların birbirleriyle olan etkileşimleriyle tanımlanmaktadır [23], [101], [102]. Karma sistemler
için önerilen bu modeller önemli ölçüde sistem gereksinmelerinin tipine bağlıdır [132], [174]. Sürekli durumlar ile
ayrık etkileşimler arasındaki ilişki çizge ağlara dayandırılmaktadır [112], [118], [144]. Robotların durumlarının ve ilgili
ağın ayrı fakat bağlı olarak geliştiğinde, ağ gelişimiyle ilgili
stratejiler dikkate alınmaktadır [169]. Eşzamanlı kontrol ve
iletişim yapan robotlar için zaman ve iletişim karmaşıklığı
tanımları geliştirilmiştir [108].
Robotlar Arası İlişki
Çok robotlu sistemler için önemli diğer bir husus, robotlar
arasındaki ilişkidir. Örneğin, birden çok robottan sağlanan
haritaların birleştirilmesi, robotlar arası ilişkiler vasıtasıyla
yapılabilir. Bu husus, hangi bilgilerin nasıl paylaşılacağı
konusunuda içermektedir. Robotların birbirleriyle olan ilişkileri, olası karşılaşmalarda birbirlerini algılamalarına [54],
iletişim kullanarak haberleşmelerine veya hem algılama hem
de iletişim kullanmalarına [145] bağlı olarak farklılaşmaktadır.
Robotların birbirleri ile karşılaşması, doğrudan veya dolaylı
bir şekilde olabilir. Bir robotun, diğer bir robotu algılayıcıları
vasıtasıyla görmesi ve tanıması, doğrudan karşılaşma olarak
tanımlanmaktadır [85]. Bu durumda, karşılaşan robotlar birbirlerini kendi haritalarında konumlamaya çalışırlar. Bunun
gerçekleşebilmesi için robot üzerinde metrik konum ölçebilen
algılayıcılar (lazer, sonar, v.s.) bulunmalıdır. Dolaylı karşılaşmalar ise, robotların birbirlerini görmeden ortamdaki ortak bir
noktayı gözlemlemesi durumunda olur. Bu gözlemler farklı zamanlarda gerçekleşmiş olabilir. Bu durumda, konum kestirimi
için bazı metrik koşullar oluşmuş olur ve bu sayede robotlar
birbirlerinin konumunu göreceli olarak kestirebilirler.
Aslen birçok çalışmada, robotlar arasındaki karşılaşmalar için
özel bir strateji belirlenmeyip, bilgi paylaşımı, robotların rastlantısal karşılaşmalarında yapılmaktadır. Örneğin bazı yaklaşımlarda, bir robot, diğer bir robotun konumunu kamera ve
lazer algılayıcısı ile belirledikten sonra iletişim kurulmakta ve
bilgi paylaşımı yapmaktadır [54], [75]. Bir başka çalışmada
ise, robotlar birbirinin görüş sahası içine girdiklerinde uzaklık
ölçümü yaparak, bu bilgiyi diğer tüm robotlara yayımlarlar
[71]. Bazı çalışmalarda ise, robotlar bir randevu stratejisi ile
kendileri için ortak olduğunu düşündükleri noktalarda karşılaşmayı amaçlarlar [45], [138]. Bu yaklaşımlarda, robotlar diğer
robotların kendi haritalarındaki konumları hakkında hipotezler
üretirler. Bu hipotezlerin doğruluğunu kanıtlamak için robotlar
arasında randevu noktaları seçilir. Eğer bu randevu noktalarında başarılı bir şekilde buluşurlarsa, haritalarını birleştirip
ortam keşfini birlikte sürdürmeye devam ederler. Bu yaklaşımlardaki kısıtlayıcı unsurlardan biri, robotların birbirleriyle
konum hipotezlerini paylaşmak için sürekli iletişimde olma
zorunluluğudur. Bu durum, yüksek bant genişliği gereksinimi
ortaya çıkarmaktadır. Dolayısı ile daha çok kısa menzilli
iletişimin olduğu durumlar için uygundur. Bir diğer unsur
Alandaki çalışmaların birçoğu, daha önce bahsedildiği üzere,
robotlar arasında tam bağlı bir ağ olduğunu ve robotların
birbirleriyle karşılaştıklarında, dolaylı veya doğrudan, aralarındaki iletişimin yüksek bant genişlikli ve iki yönlü olduğunu
varsayar [148]. Bu durum iletişimin kısıtlı olduğu durumların
göz ardı edilmesine neden olmaktadır [85], [152]. Halbuki,
sınırlı iletişime sahip robot sistemleri daha gerçekçidir [60],
[116], [149]. Buna yönelik olarak, iletişimde uzaklık tabanlı
modülasyon önerilerek, robot çiftleri aralarındaki uzaklıkla
doğru orantılı olan bir frekansta iletişim kurmaktadır [86].
Uzaklık bilgilerinin bilinemediği durumlarda, farklı bir yaklaşım uygulanarak az sayıdaki robotlara hareket ve iletişim
yapmalarına izin verilirken, diğer robotlar hareketsiz durmaktadır. Bir başka yaklaşım ise, oyun kuramsal yaklaşımdır [76],
7
111
[171]. Çoklu üstlenici ağlarda, her bir üstlenicinin kazanç
ve maliyet arasındaki çatışma doğal olarak oyun kuramsal formülasyona götürmektedir [79]. Mevcut araştırmalardaki temel yaklaşım, oyuncuların kendi stratejilerini diğer
oyunculardan bağımsız olarak ele aldıkları, işbirlikçi olmayan
oyunlardır [142]. Alternatif olarak, işbirlikçi oyun kuramı
da oyuncuların bağlantı kurma ve koparma kararının ortak
verildiği ağ formasyonları için kullanılmaktadır [66], [142].
Birçok koalisyon oyununda, oyuncular birbirlerine bağlı ve bir
çizgedeki ikili bağlantılar üzerinden iletişim yaptıklarından,
bağlı çizgelerde her bir koalisyonun değeri çizge yapısına
bağlı olmak üzere koalisyonlar üzerine haritalanmaktadır [76],
[120]. Koalisyon oyunlarının ortamsal değişmelere maruz
kalabildikleri bilinmesine rağmen [142], muhtemelen model
ve objektiflere bağlı olmasından dolayı dinamik koalisyonlar
daha az çalışılmıştır. Ancak, ağ oyunlarının çoğu oyuncuların
dinamik yapısını dikkate almamaktadır. Oyuncuların görev
dinamiği ile ağ dinamiği arasındaki ilişkiler hala az çalışılmış
bir konudur. Grubumuzun bu konudaki çalışmaları öncü olup,
robotların kendi işlerini yaparken, aynı zamanda diğer robotlar
ile iletişimlerini tanımlanan son kazanç açısından optimize
edebilmek için oyun kuramsal bazlı yaklaşımlar geliştirilmiştir
[8], [9]. Ancak, ortamın keşfi ve haritaların paylaşımı daha
farklı stratejiler gerektirecektir. Zira robotlar hareket ederken,
iletişim kararları, alınan bilginin en fazla olması, hareket
kurgusuna uygunluk ve robotlar arasındaki girişimin en aza
indirgenmesi gibi farklı kriteler içerecektir.
C.
[177].
Her robotun kendisine atanan alanı kapsayabilmek için kullandığı yaklaşımlar, tek robotlu yaklaşımlara benzer bir şekilde, buluşsal ve rastlantısal tabanlı [115], tam hücresel
ayrışım tabanlı [1], [2] ve yaklaşık hücresel ayrışım tabanlı olarak sınıflandırılabilir. Yapılan çalışmaların neredeyse
tamamı, yöngüdüm problemini, hedef kararlaştırma probleminden ayrı olarak ele almaktadır. Dikkate değer istisnalar
[139], [143]’dür. İlk çalışmada, takipçi robotların gizilgüç alan
formülasyonuna göre hareket ettikleri lider takip metoduna
dayanan bir yaklaşım önerilmiştir. Buna paralel olarak, hareket
ve keşif konusunun yine genel olarak metrik harita bazlı
yaklaşımlar çerçevesinde yapıldığı görülmektedir [44]. Yine,
dinamik alanların takibi konusunda yapılan bir çalışma ile,
farklı alan tarama şekilleri mümkün olmaktadır [69]. Çoklu
robotlar ile ortam keşfinde önemli ilerlemeler sağlanırken, daha
öncede bahsedildiği üzere robotlar arası iletişim konusuna daha
az ilgi gösterilmiştir [129]. Bu alandaki çalışmaların çoğu
tam ve sınırsız iletişimi varsaymışlardır. Ancak, pratikte robotlar sınırlı iletişimin üstesinden gelmek zorundadırlar. Sınırlı
iletişim, robotların iletişim yeteneğini azalttığından problemi
daha da zorlaştırmaktadır [21], [129]. Örneğin, robotlar arası
uzaklık iletişim kurulamayacak kadar uzak ise veya bir ağ
hatası oluşmuş ise, robotlar diğer bir robotun daha önceden
keşfetmiş olduğu alanı tekrar keşfedebilir. Bu durum, verimliliğin düşmesine sebep olmaktadır.
V. Haritalama Uygulamaları
Robot Yöngüdümü
Haritalama üzerine yapılan çalışmalar, farklı birçok ortamda
uygulanmıştır [15], [34], [25]. Uygulamalar, 2B ofis, laboratuvar gibi basit iç mekan senaryolarından, dış mekanlara ve hatta
sualtı ortamlarına doğru ilerlemiştir [33]. Bu uygulamalarda
genel olarak kamera, 2B/3B lazer tarayıcı gibi algılayıcılardan
gelen ortam bilgileri kullanılmaktadır [141]. Bazı çalışmalarda
ise, bu algılayıcılara ek olarak, kodlayıcı, pusula, ataletsel
ölçüm ünitesi gibi robotun hareketine dair bilgiler sağlayan
algılayıcılar da kullanılmıştır.
Ortam algılama ve haritalama üzerine yapılan çalışmalarda
odaklanılan diğer bir husus, robotun nasıl hareket edeceğidir.
Robot yöngüdümü, robotların haritalama görevini verimli bir
şekilde tamamlamaları için ne şekilde hareket edeceklerine
odaklanmaktadır. Tek veya çok robotlu sistemlerde harita ile
ilgili yapılan birçok çalışmada, hareket, önceden belirlenen
patikalar doğrultusunda veya sistem dinamiğine göre yapılmaktadır. Halbuki, harita uygulamalarında çözülmesi gereken
önemli bir problem, robotların bulundukları ortamda etkin
bir şekilde hareket etmeleri ve etrafı keşfedebilmeleridir.
Bu çerçevede, iki alt problem robotların nereye ve nasıl
gidecekleridir. Yaklaşımlar, eşgüdümsüz ve eşgüdümlü olarak
sınıflandırılabilir. Eşgüdümsüz yaklaşımlarda, her robot kendi
başına, örneğin en yakın mesafe gibi kriterlere göre hedefini
tespit eder. Eşgüdümlü yaklaşımlarda ise, merkezi bir eşgüdüm
veya iletişim ile, her bir robota atanacak keşif bölgeleri belirlenerek, robotların eşzamanlı olarak farklı bölgeleri taramaları sağlanmaktadır [21]. Hedeflerin robotlara dikkatlice
atanması önemlidir, zira hem gereksiz iş yükü azaltılır hem
de robotlar arasındaki çakışma en aza indirgenebilir [157].
Sıkça kullanılan yaklaşımlardan birinde, robotlara keşfedilmiş
ve keşfedilmemiş bölgeler arasındaki sınırlar bildirilmektedir
[179]. Robotlara atanacak potansiyel hedef noktalar dizisini
seçmek amacıyla açık arttırma tabanlı yaklaşımlar da önerilmiştir [150], [183]. Bir başka yaklaşımda hedefler, diğer
robotlar tarafından görülebilirliğine dayanan yararlılığı ile bu
hedefe varabilmek için gidilmesi gereken mesafeye dayalı
maliyet arasındaki ödünleşimi, eniyileştirmeye dayalı olarak
belirlenmektedir [21]. Ortamın yapısının bilindiği durumlarda,
robotlara hudut hedefleri yerine alan bölütleri atanmaktadır
112
Bu alandaki ilk çalışmalarda, lazerden gelen 2B uzaklık bilgilerinin kullanıldığı görülmektedir [65]. Örneğin, lazer tabanlı
eş zamanlı konumlama ve haritalama, dış ortamlarda [64],
[123], sualtında [123] ve havada [84], [158] uygulanmıştır.
Yine dış ortamda, lazer tarayıcıdan gelen geometrik bilgiler
ile, hem özniteliklerin yerel duruşlarının betimlendiği, hem de
öznitelikler arasındaki tümel bağlantıların tanımlandığı melez
bir harita yapısı oluşturulmuştur [53].
Bazı çalışmalarda ise sadece kameralardan gelen görsel veri
kullanılarak, harita oluşturmaya odaklanılmıştır [78], [99],
[106]. Örneğin, çift stereo kameralardan gelen öznitelikler,
Ransac algoritmasıyla geometrik olarak eşleştirilerek, yine dış
ortamlarda harita oluşturmada kullanılmıştır [91], [109], [145],
[147], [175]. Hatta bu çalışmalar, sualtında da uygulanmıştır
[104]. Kamera bazlı eş zamanlı konumlama ve haritalandırma
temelli başka araştırmalarda ise, görsel bigiler kullanılarak, dış
ortamlarda kaçırılan robot ve önceden hiç gidilmemiş yerler
gibi durumlarda ne yapabileceğini bilen robotlar geliştirilmektedir [28], [29], [162]. Bu tip durumlarda, öznitelik haritaları
büyürken, gerçek zamanlı bir uygulamayı gerçekleştirebilmek
önemli bir husustur. Birçok araştırma, bahsedilen bu sorunları
da ele almaya başlamış ve bunları gidermek üzere yaklaşım8
lar önerilmiştir. Buna örnek olarak, günümüz yöntemlerinin
kentsel bir dış ortamda, kendini tekrarlayan ve hareketli nesneler gibi zorlayıcı durumlardaki başarımını değerlendiren bir
çalışma yapılmıştır [3]. Bu çalışmalarda hedeflenen nokta,
zamansal açıdan sabit gereksinimleri olan bir yaklaşım ile
gezgin robotun ortamı sonlu zaman içinde haritalayabilmesini
sağlamaktır. Günümüzde, özellikle 3B lazerlerin geliştirilmesi
ile birlikte, kamera ve 3B lazerler birlikte kullanılarak metrik
eş zamanlı konumlama ve haritalama [133] ve topolojik [96]
temelli haritalama uygulamaları yapılmıştır. Bu konudaki çalışmalar devam etmekte olup, farklı algılama şekillerinin de
denendiğini gözlemlenmektedir. Örneğin, iki standart kamera
ve bir atalet ölçü ünitesi kullanılarak, uçabilen bir robot ile dış
ortamların harita çıkarımı uygulaması sunulmaktadır [158].
önemli katkılar sağlamıştır. Ancak, bu ümit verici gelişmelere
rağmen, mevcut ticari ve askeri robotların çok nadiren tamamen özerk bir görev ve hareket planlama yeteneklerine sahip
oldukları görülmektedir. Buna sebep olarak, robotların bulundukları ortamı algılayarak, ortam haritası oluşturmalarındaki yetersizlikler ve bu haritaların görev planlarına tümleştirilmeleri konusundaki eksikleri sayabiliriz. Daha detaylı olarak
açıklamak gerekirse:
• Gerçek dünya uygulamaları, dinamik ortamlar, gerçek
zamanlılık ve sürekli operasyon gibi son derece karmaşık
gereksinimlere sahiptirler.
• Algılama, harita oluşturma ve kullanma, kontrol gibi son
derece farklı yöntemleri içeren alanların birleştirilmesinde
tam olarak çözülememiş sorunlar vardır.
Tüm bu zorluklara rağmen, yine de otonom gezgin robotların, farklı iç ve dış ortamlarda, gittikçe artan bir eğilim
ile kullanıldıklarını gözlemlemekteyiz. Mevcut durum itibari
ile, endüstri veya askeri amaçlı kullanılan robotların genel
olarak önceden hesaplanmış hareketlere ve statik, önceden
oluşturulmuş planları temel aldığını biliyoruz. Bu çerçevede,
ilgili ticari ve askeri şirketler, hem robotik görevlerde, hem de
hareket planlamada henüz çok az seviyede olan otonominin
arttırılmasına son derece önem vermektedirler. Bu bağlamda
önemli bir nokta, robotların bulundukları ortamı mümkün
olduğunca kapsamlı olarak algılamaları ve hafızalarında bu
algılar temelli haritalar oluşturabilmeleridir. Bu haritalar kullanılarak, uzamsal muhakeme yapabilmeleri ve otonom olabilmeleri; dolayısıyla çevre tarama, keşif, hareket, taşıma
gibi farklı işleri kendi başlarına güvenilir bir şekilde yapabilmeleridir.
(a)
Harita modelleri ve kullanım yöntemleri açısından, yapılan
çalışmaların ağırlıklı olarak metrik haritalar ve geometrik
bazlı kullanım yöntemleri çerçevesinde olduğu görülmektedir.
Metrik haritalar ile muhakeme genel olarak, Bayes tabanlı
filtreler veya beklenti en büyütme gibi klasik kestirim ve
istatistik kuramı temelli yaklaşımlar ile sağlanmaktadır. Her ne
kadar geometrik kafes tabanlı haritalama, ortamın detaylı bir
şekilde haritalandırılmasını ve değişik algılayıcılardan gelen
verilerin tümleştirilmesini sağlar. Ancak, sabit kafes boyutu
nedeniyle, geniş ortamlarda çok sayıda kafes oluşturulması
gerekmektedir. Buna bağlı olarak yüksek hesaplama yükü,
yüksek hafıza gereksinimi gibi kısıtlayıcı durumlar ortaya
çıkar. Bu yaklaşıma alternatif olarak geliştirilen topolojik yaklaşımlar, esasen çizge bazlı yaklaşımlar olup, düğümlerin ve
kenarların ne anlama geldiği uygulamaya göre değişebilmektedir. En güncel çalışmalarda, imgelerden oluşturulan görsel
sözcükler düğümleri oluşturmakta ve imgeler arası ilişkilere
dayalı olarak, düğümler arasındaki kenarlar oluşturulmaktadır.
Ancak bu çalışmalara rağmen, topolojik haritaların tam olarak
ne olduğu ve nasıl oluşturulduklarına dair bir görüş birliği
yoktur.
(b)
Şekil 3: Haritalama senaryo örnekleri. Üst: İç ortamda
alanların tanımlanması [134]. Alt: Bir dış ortamda alanların
tanımlanması [58].
Haritalama uygulamaları için geliştirilen yöntemlerin sınanabilmesi için birçok veritabanı mevcuttur [134][137]. Bunların bazıları iç ortamda, bazıları da dış ortamda alınmış
verilerdir. Her veritabanı, iç, dış veya karma bir ortamda
alınan odometri, görsel, uzaklık gibi farklı bilgileri içermektedirler. Şekil 3’de, birer iç ve dış ortam kapsamı örnek olarak
sunulmaktadır. Zaman içinde, geliştirilen yaklaşımlar bu veriler üzerinde uygulandığından, başarım açısından karşılaştırma
yapmak mümkündür.
VI.
. Sonuç
Çoklu robotlar ile harita çıkarımı ve kullanımı konusu ise,
birden fazla robotun seçilen harita modeli çerçevesinde, bulunulan ortamın haritasını nasıl oluşturacakları, ilgili hareket ve
iletişim yöntemleri ile ilintilidir. Bu çerçevede, çoklu robotlar
ile yapılan çalışmaların genelde metrik harita temelli geometrik
yaklaşımlar olduğu görülmektedir. Az sayıdaki topolojik harita
temelli, çoklu robot haritalama çalışmalarında, düğümler yerel
yapıyı tam olarak yansıtamamakta veya dikdörtgensel harita-
Robotik ve yapay zeka alanlarının hedeflerinden biri, gezgin
robotların iş yapma becerilerini arttırmaktır. Geliştirilen ilk
gezgin robotlardan biri olan Shakey’den itibaren, bir robotun
harekete başlamadan önce veya hareket halinde iken, kendi
eylemleri hakkında muhakeme yapmasını sağlayacak algoritmalar üzerinde çalışılmaktadır. Robotik ve yapay zeka alanında
yapılan araştırma ve geliştirmeler, bu vizyona yönelik çok
9
113
Doluluk kafesi ↔ Occupancy grid
Destek vektör makineleri ↔ Support vector machines
Doğrudan karşılaşma ↔ Direct encounter
Düğümler ↔ Nodes, vertices
Dünya merkezli ↔ World-centric
Dürümsel enyakın nokta ↔ Iterative Closest Point
Düzleme ↔ Smoothing
En muhtemel harita ↔ Most Likely Map
Eşzamanlı konumlandırma ve haritalandırma ↔
Simultaneous Localization and Mapping (SLAM)
İçsel ↔ Proprioseptive
İkili oyunlarda ↔ Pairwise games
İmge dikişleme ↔ Image stitching
İmge tescilleme ↔ Image registration
İskelet ↔ Skeleton
İşbirlikçi ↔ Cooperative
İzgel topaklama ↔ Spectral clustering
Kare Kök Bilgi Yumuşatması ↔
Square Root Information Smoothing
Karma ↔ Hybrid
Kazanç ↔ Payoff
Kelime çantası ↔ Bag of words
Kenarlar ↔ Edges
Küme kuramsal ↔ Set-theoretic
Nirengi ↔ Landmark
Optimal altı ↔ Suboptimal
Özimgelere parçalama ↔ Decomposition into eigenimages
Özyineli ↔ Recursive
Parekete hesabı ↔ Dead reckoning
Parmak izi ↔ Fingerprint
Robot merkezli ↔ Robot-centric
Seyrek genişletilmiş bilgi süzgeçleri ↔
Sparse extended information filters
Sözlük ağacı ↔ Vocabulary tree
Taşınabilir işaretler ↔ Portable beacons
Tümyönlü ↔ Omnidirectional
Veri ilişkilendirme ↔ Data association
Yaklaşık hücresel ayrışım tabanlı ↔
Approximate cellular decomposition based
lar gibi varsayımlar yapılmaktadır. Yine çok az sayıda olan
karma harita temelli çalışmalarda düğümler, metrik haritalardan oluştuğundan, bu tür haritalar ile ilişkilendirilen sorunlara
sahiptirler. Hareket ve keşif konusunda ise, yine metrik harita
bazlı yaklaşımların çoğunlukta olduğu görülmektedir. Topolojik veya karma haritalar ile keşif konusunu ele alan çalışmalar
çok daha az sayıdadır.
Çoklu robotlarda önemli ikinci bir husus ise robotlar arasındaki iletişim stratejisi ve buna dayalı olarak oluşan iletişim
ağıdır. Yapılan çalışmaların çoğunda, iletişimin bir şekilde
sağlanıldığı varsayılmıştır. Halbuki robotların, kimler ile nasıl
ve ne zaman iletişime gireceği ve hangi bilgileri paylaşacağı, üzerinde çalışılması gereken ayrı bir konudur ve bu
konuda yapılan yayınların göreceli olarak yeni tarihli olduğu
görülmektedir. Herkes ile sürekli iletişime girmek ve sahip
olunan tüm bilgileri paylaşmak, çok fazla iletişim kanalı kapasitesi gerektireceğinden veya sınırlı güç, uzaklık gibi fiziksel
nedenlerden dolayı mümkün olmayabilir. Robotlar hareket
ederken, iletişim kararları, alınan bilginin en fazla olması,
hareket kurgusuna uygunluk ve robotlar arasındaki etkileşimin
en aza indirgenmesi gibi farklı kriterler içerecektir. Dolayısıyla
bağlantılar bu kriterlere göre belirlenir.
Sonuç olarak, yukarıda anlatılan hedefler ile bilimsel ve
teknolojik olarak gerçekleştirilen ilerlemeler çerçevesinde, ortam haritalama, yapılmış olan tüm çalışmalara rağmen, hala
önemli bir konu olmaya devam etmektedir. Makalede anlatıldığı üzere, alanda büyük ilerlemeler kaydedilmiş olmasına
rağmen, tüm sorunların çözüldüğünü söylemek mümkün
değildir. Nitekim, robotik alanının en önemli konferanslarından
biri olan "IEEE International Conference on Robotics and Automation" konferansının son yıllarda yapılan etkinliklerinde,
günlük sunuşlar dilimini oluşturan oturumlardan en az bir
veya ikisinin, bu konularda yapılması, konunun güncelliğinin
devam ettiğinin önemli bir göstergesidir. Bu çalışmamız, robot
camiasında bu alana ilgi duyanlar için bir başlangıç kaynağı
olması amacı ile sunulmuştur.
Kaynakça
[1] Acar, E.U. ve H. Choset, Sensor-based Coverage of Unknown
Environments. Int. J. of Rob. Research, Cilt 21(4), ss. 345-366,
2002
[2] Acar E.U., H. Choset, Y. Zhang, M.J. Schervish: Path Planning
for Robotic Demining: Robust Sensor-based Coverage of Unstructured Environments and Probabilistic Methods. Int. J. of
Rob. Research, Cilt 22(7-8), ss. 441-466, 2003
[3] Achar S., C.V. Jawahar ve K.M. Krishna, Large Scale Visual
Localization in Urban Environments. IEEE Int. Conf. on Rob.
and Aut., ss. 5642-5648, 2011
[4] Albus J.S. , Outline for a Theory of Intelligence. IEEE Trans.
on Sys., Man, and Cybern., Cilt 21(3), ss. 473-509, 1991
[5] Andersson L. ve J. Nygards, C-sam: Multi-robot slam using
square root information smoothing, IEEE Int. Conf. on Rob. and
Aut.,, ss. 2798-2805, 2008
[6] Bailey T. ve H. Durrant-Whyte, Simultaneous localization and
mapping (SLAM): Part I. IEEE Rob. & Aut. Magazine, ss. 99107, 2006
[7] Bailey T. ve H. Durrant-Whyte, Simultaneous localization and
mapping (SLAM): Part II. IEEE Rob. & Aut. Magazine, ss.
108-117, 2006
[8] Bayram H. ve H.I.Bozma, Multi-robot Navigation with Limited
Communication-Deterministic vs Game-Theoretic Networks,
Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 18251830, 2010
[9] Bayram H. ve H.I.Bozma, Pairwise vs Coalition Game Networks for Multi-Robot Systems, Proc. of IFAC 18th World
Congress, ss. 13750-13575, 2011
Teşekkür
Bu çalışma kısmi olarak Boğaziçi Üniversitesi BAP Projesi
2010-5720, kısmi olarak ta Tübitak EEEAG 111285 kodlu
proje tarafından desteklenmiştir.
Ek: Karşılıklı Türkçe & İngilizce Terimler
Bu kısımda, makalede kullanılan çeşitli terimlerin İngilizce
karşılıkları alfabetik olarak sunulmaktadır.
Alt çizge ↔ Sub-graph
Ana bileşenler analizi ↔ Principal component analysis
Artımlı en büyük olabilirlik ↔
Incremental maximum likelihood
Bağlamsal tabanlı ↔ Context-based
Beklenti en büyütme ↔ Expectation maximization
Bilgi birleşimi ↔ Data fusion
Buluşsal ↔ Heuristic
Çizge bölütleme ↔ Graph partitioning
Çoklu üstlenici ↔ Multi-agent
Değişinti ↔ Covariance
Dışsal ↔ Extroseptive
114
10
[10] Besl P. ve H. McKay, A method for fegistration of 3-d shapes,
IEEE Trans. on Pattern Analysis and Machine Intelligence, Cilt
14(2), ss. 239-256, 1992
[11] Birk A. ve S. Carpin, Merging occupancy grid maps from
multiple robots, Proc. of the IEEE, Cilt 94(7), ss. 1384-1397,
2006
[12] Biswas R., B. Limketkai, S. Sanner ve S.Thrun, Towards object
mapping in dynamic environment with mobile robots, Proc. of
IEEE/RSJ Int. Conf. on Robots and Systems, ss. 2002.
[13] Blaer P. ve P. Allen. Topological mobile robot localization using
fast vision techniques, IEEE Int. Conf. on Rob. and Aut., ss.
1031-1036, 2002.
[14] Bay H., Herbert, T. Tuytelaars ve L. Van Gool, Speeded-up
robust features (SURF). Computer Vision and Image Understanding, Cilt 110, ss. 346-359, 2008
[15] Bosse M., P. Newman, J. Leonard ve S. Teller, Simultaneous
localization and map building in large-scale cyclic environments
using the atlas framework Int. J. of Rob. Research, Cilt 23(12),
ss. 1113-1139, 2004
[16] Bosse M. ve J. Roberts, Histogram matching and global initialization for laser-only slam in largeunstructured environments,
IEEE Int. Conf. on Rob. and Aut., ss. 4820-4826, 2007
[17] Bowling M., D. Wilkinson, A. Ghodsi ve A. Milstein, Subjective localization with action respecting embedding, Rob.
Research, Springer, Cilt 28, ss. 190-202, 2007
[18] Bozma H.I. , G. Çakiroglu ve Ç. Soyer, Biologically inspired
Cartesian and non-Cartesian filters for attentional sequences.
Pat. Rec. Letters, Cilt 24(9-10), ss. 1261-1274, 2003
[19] Brunskill E., T. Kollar ve N. Roy, Topological mapping using
spectral clustering and classification, Proc. of IEEE/RSJ Int.
Conf. on Robots and Systems, ss. 3491-3496, 2007
[20] Burgard W., M. Moors, D. Fox, R. Simmons ve S. Thrun,
Collaborative multi-robot exploration, IEEE Int. Conf. on Rob.
and Aut., Cilt 1, ss. 476-481, 2000
[21] Burgard W., M. Moors, C. Stachniss ve F. Schneider, Coordinated multi-robot exploration, IEEE Trans. on Rob., Cilt 21(3),
ss. 376-378, 2005
[22] Caglioti V., A. Citterio ve A. Fossati, Cooperative, distributed
localization in multi-robot systems: a minimum-entropy approach, IEEE Workshop on Distributed Intelligent Systems:
Collective Intelligence and Its Applications, ss. 25-30, 2006
[23] Cao Y.U, A.S. Fukunaga ve A. Kahng, Cooperative mobile
robotics: antecedents and directions, Auton. Rob., Cilt 4(1), ss.
7-27, 1997
[24] Casavola A., M. Papini, ve G.Franze, Supervision of networked
dynamical systems under coordination constraints, IEEE Trans.
on Aut. Contr., 51 (3), ss. 421-437, 2006
[25] Chong K.S. ve L. Kleeman, Feature-based mapping in real,
large scale environments using an ultrasonic array, Int. J. Rob.
Res., Cilt 18(1), ss. 3-19, 1999
[26] Choset H. ve K. Nagatani, Topological simultaneous localization and mapping (slam): Toward exact localization without
explicit localization, IEEE Trans. on Rob. and Aut., Cilt 17,
ss. 125-137, 2001
[27] Clemente L., A. Davison, I. Reid, J. Neira, ve J.D. Tardos. Mapping large loops with a single hand-held camera. In Robotics
Science and Systems, 2007
[28] Cummins M. ve P. Newman, Fab-map: Probabilistic localization
and mapping in the space of appearance, Int. J. Rob. Res.,
Cilt 27, ss. 647-665, 2008
[29] Cummins M. ve P. Newman, Appearance-only SLAM at large
scale with fab-map 2.0, Int. J. Rob. Res., Cilt 30(9), 2010
[30] Cohen W. W., Adaptive mapping and navigation by teams of
simple robots, Rob. and Autonomous Systems, Cilt 8(4), ss. 411434, 1996
[31] Chang H., C. Lee, Y. Hu ve Y.-H. Lu, Multi-robot slam
with topological/metric maps, Proc. of IEEE/RSJ Int. Conf. on
Robots and Systems, ss. 1467-1472, 2007
[32] Davison A., Real-time simultaneous localisation and mapping
with a single camera, Int. Conf. on Computer Vision,, ss. 14031410, 2003
[33] Davison A., Modelling the World in Real Time: How Robots
Engineer Information Phil. Trans. R. Soc., Cilt 361(1813), ss.
2875-2890, 2003
[34] Davison A., Y.G. Cid ve N. Kita, Real-time 3D SLAM with
wide-angle vision, Proc. IFAC/EURON Symp. Intelligent Auton.
Vehicles, 2004
[35] Davison A., I. Reid, N. Molton ve O. Stasse, Monoslam: Realtime single camera slam, IEEE Trans. on Pattern Analysis and
Machine Intelligence, Cilt 29(6), ss. 1052-1067, 2007
[36] Dedeoglu G. ve G. S. Sukhatme, Landmark based matching
algorithm for cooperative mapping by autonomous robots, Distributed Autonomous Robotic Systems, Cilt 4, ss. 251-60, 2000
[37] Dempster A.P., A.N. Laird ve D.B. Rubin. Maximum likelihood
from incomplete data via the EM algorithm. Journal of the
Royal Statistical Society, Series B, Cilt 39(1), ss. 1-38, 1977
[38] Dellaert F., S.M. Seitz, C. Thorpe ve S. Thrun, EM, MCMC,
and Chain flipping for structure from motion with unknown
correspondence, Machine Learning, Cilt 50(1-2), ss. 45-71,
2003
[39] Dellaert F. ve M. Kaess, "Square root SAM: Simultaneous localization and mapping via square root information smoothing,"
Int. J. Robot. Res., Cilt 25(12), ss. 1181-1203, 2006
[40] Desai J. P., A graph theoretic approach for modeling mobile
robot team formations, J. Robot. Syst., 19(11), ss. 511-555,
2002.
[41] Dietl M., J.S. Gutmann ve B. Nebel, Cooperative sensing in
dynamic environments, Proc. of IEEE/RSJ Int. Conf. on Robots
and Systems, Cilt 3, ss. 1706-1713, 2001
[42] Di Marco M., A. Garulli, A. Giannitrapani ve A. Vicino,
Simultaneous localization and map building for a team of
cooperating robots: a set membership approach, IEEE Trans.
on Rob. and Aut., Cilt 19(2), ss. 238-249, 2003
[43] Dissanayake G., P. Newman, S. Clark, H.F. Durrant-Whyte ve
M. Csorba. An experimental and theoretical investigation into
simultaneous localisation and map building (SLAM). Editörler:
P. Corke and J. Trevelyan, Lecture Notes in Control and
Information Sciences: Experimental Robotics VI, ss. 265-274,
Springer Verlag, 2000
[44] Dong W. ve J.A. Farrell, Cooperative Control of Multiple
Nonholonomic Mobile Agents, IEEE Trans. on Aut. Contr., Cilt
53(6), ss. 1434-1448, 2008
[45] Dudek G., M. Jenkin, D. Milos ve E. Wilkes, Topological exploration with multiple robots, Proc. of the 7th Int. Symposium
on Rob. with Applications, 1998
[46] Elfes A. Sonar-based real-world mapping and navigation. IEEE
Trans. on Rob. and Aut., Cilt 3(3) ss. 249-265, 1987
[47] Erkent Ö. ve H.I. Bozma, Place Representation in Topological
Maps Based on Bubble Space, IEEE Int. Conf. on Rob. and
Aut., ss. 3497-3502, 2012.
[48] Franz M. O., B. Scholkopf, H. A.Mallot ve H. H. Bulthoff,
Where did I take that snapshot? Scene-based homing by image
matching, Biological Cybernetics, Cilt 79, ss. 191-202, 1998
[49] Fazl-Ersi E. ve J.K. Tsotsos, Histogram of Oriented Uniform
Patterns for robust place recognition and categorization, Int. J.
Rob. Res., Cilt 31(4), ss. 468-483, 2012.
[50] Fenwick J., P. Newman ve J. Leonard, Cooperative concurrent
mapping and localization, IEEE Int. Conf. on Rob. and Aut.,
Cilt 2, ss. 1810-1817, 2002.
[51] Filliat D. ve J. Meyer, Map-based navigation in mobile robot: I.
a review of localization strategies, Cognitive Systems Research,
Cilt 4, ss. 243-282, 2003
[52] Filliat D. ve J. Meyer, Map-based navigation in mobile robot: Ii.
a review of map-learning and path-planningstrategies, Cognitive
Systems Research, Cilt 4, ss. 283-317, 2003
[53] Folkesson J. ve H. Christensen, Graphical slam-a self-correcting
map, IEEE Int. Conf. on Rob. and Aut., Cilt 1, ss. 383-390, 2004
[54] Fox D., W. Burgard, H. Kruss. a ve S. Thrun, A probabilistic
approach to collaborative multi-robot localization, Auton. Rob.,
Cilt 8, ss. 325-344, 2000
[55] Fox D., J. Ko, K. Konolige ve B. Stewart, A hierarchical
bayesian approach to the revisiting problem in mobile robot
map building, Int. J. Rob. Res., Cilt 15, ss. 60-69, 2005
[56] Franchi, A., L. Freda, G. Oriolo ve M.Vendittelli, The sensorbased random graph method for cooperative robot exploration,
IEEE/ASME Trans. on Mechatronics, Cilt 14(2), 163-75, 2009
11
115
[57] Fraundorfer F., C. Engels ve D. Nister, Topological mapping,
localization and navigation using image collections, Proc. of
IEEE/RSJ Int. Conf. on Robots and Systems, ss. 3872-3387,
2007
[58] Freiburg Campus 360 degree 3D scans,
http://ais.informatik.uni-freiburg.de/projects/datasets/fr360/
[59] Frese U.,A Discussion of Simultaneous Localization and mapping, Auton. Rob., Cilt 20, ss. 25-42, 2006
[60] Fredslund J. ve M.J. Mataric, A general algorithm for robot
formations using local sensing and minimal communication,
IEEE Trans. on Rob. and Aut., 18(5), ss. 837-846, 2002.
[61] Friedman S., H. Pasula ve D. Fox, Voronoi random fields: Extracting topological structure of indoor environments via place
labeling, Proc. of the Int. Joint Conf. on Artificial Intelligence
ss. 2109-2114, 2007
[62] Friedrich H., D. Dederscheck, K. Krajsek ve R. Mester, Viewbased robot localization using illumination-invariant spherical
harmonics descriptors, Proc. of Int. Joint Conf. on Computer
Vision and Computer Graphics Theory and Applications, Cilt
2, ss. 543-550, 2008
[63] Grabowski R., L. E. Navarro-Serment, C. J. Paredis ve P. K.
Khosla, Heterogeneous teams of modular robots for mapping
and exploration, Auton. Rob., Cilt 8, ss. 293-308, 2000
[64] Guivant J.E. ve E.M. Nebot, Optimization of the simultaneous
localization and map-building algorithm for real-time implementation, IEEE Trans. on Rob. and Aut., Cilt 17(3), ss. 242257, 2001
[65] Gutmann J.-S. ve K. Konolige, Incremental mapping of large
cyclic environments, Proc. of Int. Symp. on Comp. Intelligence
in Rob. and Aut., ss. 318-325, 1999
[66] Hajdukova, J., Coalition formation games: A survey, Int. Game
Theory Review, Cilt 8(4), ss. 613-641, 2006
[67] , Harris C. ve M. Stephens,A combined corner and edge
detector, AVS88, ss. 147-151, 1988
[68] Hartley R. ve A. Zisserman, Multiple view geometry in computer vision,Cambridge University Press, 2000
[69] Hou S. P., C.C. Cheah ve J.J.E. Slotine, Dynamic region
following formation control for a swarm of robots,IEEE Int.
Conf. on Rob. and Aut., ss. 1929-1934, 2009
[70] Howard A., M. Matark ve G. Sukhatme, Localization for mobile
robot teams using maximum likelihood estimation, Proc. of
IEEE/RSJ Int. Conf. on Robots and Systems, Cilt 1, ss. 434439, 2002.
[71] Howard A., M. Mataric ve G. Sukhatme, Putting the ’i’ in
’team’: an ego-centric approach to cooperative localization,
IEEE Int. Conf. on Rob. and Aut., Cilt 1, ss. 868-874, 2003
[72] Howard A., Multi-robot mapping using manifold representations, IEEE Int. Conf. on Rob. and Aut., Cilt 4, ss. 4198-4203,
2004
[73] Howard A., Multi-robot simultaneous localization and mapping
using particle filters, Int. J. Rob. Res., Cilt 25(12), ss. 12431256, 2006
[74] Huang W. H. ve K. R. Beevers, Topological map merging, Int.
J. Rob. Res., Cilt 24(8), ss. 601-613, 2005
[75] Indelman V., P. Gurfil, E. Rivlin ve H. Rotstein, Distributed
vision-aided cooperative localization and navigation based on
three-view geometry, IEEE Aerospace Conf., ss. 1-20, 2011
[76] Jackson M.O. ve A. Wolinsky, A strategic model of social and
economic networks, J. Economic Theory, Cilt 77, ss. 44-74,
1996
[77] Jaulin L., Range-only slam with occupancy maps: A setmembership approach, IEEE Trans. on Rob., Cilt 27(5), ss.
1004-1010, 2011
[78] Jensfelt P., D. Kragic, J. Folkesson ve M. Björkman. A framework for vision based bearing only 3D SLAM. IEEE Int. Conf.
on Rob. and Aut., ss. 1944 -1950, 2006
[79] Jiang T. ve J.S. Baras, Fundamental tradeoffs and constrained
coalitional games in automatic wireless networks, Proc. of 5th
Int. Symp. on Modeling and Opt. in Mobile, Ad Hoc & Wireless
Networks, 2007
[80] Jogan M. ve A. Leonardis, Robust localization using panoramic
view-based recognition, Int. Conf. on Pattern Recognition, Cilt
4, ss. 136-139, 2000
116
[81] Kaess M., A. Ranganathan ve F. Dellaert, isam: Incremental
smoothing and mapping, IEEE Trans. on Rob., Cilt 24(6), ss.
1365-1378, 2008
[82] Ni K. ve F. Dellaert, Multi-level submap based slam using
nested dissection, Proc. of IEEE/RSJ Int. Conf. on Robots and
Systems, ss. 2558-2565, 2010
[83] Keith Y. K. Leung, Timothy D. Barfoot, H. Hugh ve T. Liu.
Distributed and Decentralized Cooperative Simultaneous Localization and mapping for Dynamic and Sparse Robot Networks,
[84] Kim J. ve S. Sukkarieh, Airborne simultaneous localization and
map building, IEEE Int. Conf. on Rob. and Aut., ss. 406-411,
2003
[85] Kim B., M. Kaess, L. Fletcher, J. Leonard, A. Bachrach, N. Roy,
ve S. Teller, Multiple relative pose graphs for robust cooperative
mapping, IEEE Int. Conf. on Rob. and Aut., ss. 3185-3192, 2010
[86] Klavins E., Communication complexity of multirobot systems,
in Algorithmic Foundations of Robotics V., Springer-Verlag,
Cilt 7, ss. 275-292, 2003
[87] Klatzky R.L., Allocentric and egocentric spatial representations:
Definitions, distinctions,and interconnections, Spatial cognitionAn interdisciplinary approach to representation and processing
of spatial knowledge (Lecture Notes in Artificial Intelligence
1404), ss. 1-17, Springer-Verlag, 1998
[88] Knuth J. ve P. Barooah, Distributed collaborative localization of
multiple vehicles from relative pose measurements, 47th Annual
Allerton Conf. on Communication, Control, and Computing, ss.
314-321, 2009
[89] Ko J., B. Stewart, D. Fox, K. Konolige ve B. Limketkai, A
practical, decision-theoretic approach to multi-robot mapping
and exploration, Proc. of IEEE/RSJ Int. Conf. on Robots and
Systems, ss. 3232-3238, 2003
[90] Konolige K., D. Fox, B. Limketkai, J. Ko ve B. Stewart, Map
merging for distributed robot navigation, Proc. of IEEE/RSJ Int.
Conf. on Robots and Systems, Cilt 1, ss. 212-217, 2003
[91] Konolige K., M. Agrawal, R. Bolles, M. Cowan, Creggand Fischler ve B. Gerkey, Outdoor mapping and navigation using
stereo vision, Experimental Rob., Cilt 39, ss. 179-190, 2008
[92] Konolige K., J. Bowman, J. Chen, M. Mihelich, Patrick andCalonder, V. Lepetit, ve P. Fua, View-based maps, Int. J. Rob.
Res., Cilt 29(8), ss. 941-957, 2010
[93] Krose B., N. Vlassis, R. Bunschoten ve Y. Motomura, A
probabilistic model for appareance-based robot localization,
Image and Vision Computing, Cilt 19, no. 6, ss. 381-391, 2001
[94] Kuipers B. , JJ. Modayil, P. Beeson, M. MacMahon ve F.
Savelli, Local Metrical and Global Topological Maps in the
Hybrid Spatial Semantic Hierarchy, in IEEE Int. Conf. on Rob.
and Aut., ss. 4851-4845, 2004
[95] Kurazume R., S. Nagata ve S. Hirose, Cooperative positioning
with multiple robots, IEEE Int. Conf. on Rob. and Aut., Cilt 2,
ss. 1250-1257, 1994
[96] Lamon R., I. Nourbakhsh, B. Jensenl ve R. Siegwart, Deriving
and matching image fingerprint sequences for mobile robot
localization, Proc. of IEEE/RSJ Int. Conf. on Robots and
Systems, ss. 1609-1610, 2001
[97] Leung K., T. Barfoot ve H. Liu, Decentralized cooperative
simultaneous localization and mapping for dynamic and sparse
robot networks, Proc. of IEEE/RSJ Int. Conf. on Robots and
Systems, ss. 3554-3561, 2010
[98] Leung K., T. Barfoot ve H. Liu, Distributed and decentralized
cooperative simultaneous localization and mapping for dynamic
and sparse robot networks, IEEE Int. Conf. on Rob. and Aut.,
ss. 3841-3847, 2011
[99] Levin A. ve R. Szeliski, Visual odometry and map correlation,
Proc. of the 2004 IEEE Int. Conf. on Comp. Vision and Patt.
Recog., Cilt 1, ss. 611-618, 2004
[100] Li X. ve Y. Xi, Distributed Formation Algorithm for Multiagent Systems with a Relaxed Connectivity Condition, Proc.
17th IFAC World Congress, ss. 5137-5142, 2008
[101] Lygeros, J., K. H. Johansson, S.N. Simic, J. Zhang ve S.S.
Sastry, Dynamical properties of hybrid automata, IEEE Trans.
on Aut. Contr., Cilt 48(1), ss. 2-17, 2003
[102] Lynch N. A., R. Segala ve F. Vaandrager, Hybrid I/O automata,
Inform. Comput., Cilt 185(1), ss. 105-157, 2003
12
[103] Madhavan R., K. Fregene ve L. E. Parker, Distributed cooperative outdoor multirobot localization and mapping, Auton. Rob.,
Cilt 17, ss. 23-39, 2004
[104] Mahon I., S. Williams, O. Pizarro ve M. Johnson-Roberson,
Efficient view-based slam using visual loop closures, IEEE
Trans. on Rob., Cilt 24(5), ss. 1002-1014, 2008
[105] Makadia A. ve K. Daniilidis, Rotation recovery from spherical
images without correspondences. IEEE Trans. on Patt. Anal.
and Machine Int., Cilt 28(7), ss. 1170-1175, 2006
[106] Mariottini G.L., F. Morbidi, D. Prattichizzo, N. Vander Valk, N.
Michael, G. Pappas ve K. Daniilidis, Vision-Based Localization
for Leader Follower Formation Control, IEEE Trans. on Rob.,
25(6), ss. 1431-1438, 2009
[107] Martinelli A., F. Pont ve R. Siegwart, Multi-robot localization
using relative observations, IEEE Int. Conf. on Rob. and Aut.,
ss. 2797-2802, 2005
[108] Martinez S., F. Bullo, J. Cortes ve E. Frazzoli, On synchronous
robotic networks Part I: Models, tasks, and complexity, IEEE
Trans. on Aut. Contr., 52(12), ss. 2199-2213, 2007
[109] Marks T., A. Howard, M. Bajracharya, G. Cottrell ve
L. Matthies, Gamma-slam: Using stereo vision and variance
grid maps for slam in unstructured environments, IEEE Int.
Conf. on Rob. and Aut., ss. 3717-3724, 2008
[110] Meilland M., A.I. Comport ve P. Rives, A spherical robotcentered representation for urban navigation, Proc. of IEEE/RSJ
Int. Conf. on Robots and Systems, ss. 5196-5201, 2010
[111] Merino L., J. Wiklund, F. Caballero, A. Moe, J. Ramiro, E.
Forssen, K. Nordberg ve A. Ollero, Vision-Based Multi-UAV
Position Estimation, IEEE Rob. and Aut. Magazine, ss. 53-62,
2006
[112] Mesbahi M., On State-dependent dynamic graphs and their
controllability properties, IEEE Trans. on Aut. Contr., Cilt 50(3),
ss. 387-392, 2005
[113] Miklic D., S. Bogdan ve R. Fierro, Decentralized grid-based
algorithms for formation reconfiguration and synchronization,
[114] Montemerlo M., S. Thrun, D. Koller ve B. Wegbreit. FastSLAM: A Factored Solution to the Simultaneous Localization
and Mapping Problem Proc. of the AAAI Nat. Conf. on Artif.
Intelligence, ss. 593-598, 2002
[115] Moravec, H. ve A. Elfes, High resolution maps for wide angles
sonar, Proc. IEEE Int. Conf. on Rob. and Aut., Cilt 2, ss. 116121, 1985
[116] Mostofi Y., Communication-aware motion planning in fading
environments, Proc. IEEE Int. Conf. on Rob. and Aut., ss. 31703174, 2008
[117] Mourikis A. I. ve S. I. Roumeliotis, Predicting the performance
of cooperative simultaneous localization and mapping (c-slam),
Int. J. Rob. Res., Cilt 25, ss. 1273-1286, 2006
[118] Muhammad A. ve M. Egerstedt, Connectivity graphs as models
of local interactions, Appl. Math. Comput., Cilt 168(1), ss. 243269, 2005
[119] Murillo A., J. Guerrero ve C. Sagues, Surf features for efficient
robot localization with omnidirectional images, IEEE Int. Conf.
on Rob. and Aut., ss. 3901-3907, 2007
[120] Myerson R., Graphs and cooperation in games, Math. Oper.
Res., Cilt 2(3), ss. 225-229, 1977
[121] E. W. Nettleton, H. F. Durrant-Whyte ve A. H. Goktogan,
Multiple-platform localization and map building, Proc. SPIE
Cilt 4196, ss. 337-347, 2000
[122] Nerurkar E. D., S. I. Roumeliotis ve A. Martinelli, Distributed
maximum a posteriori estimation for multi-robot cooperative
localization, IEEE Int. Conf. on Rob. and Aut., ss. 1375-1382,
2009
[123] Newman P.M. ve J.J. Leonard, Pure range-only subsea SLAM,
[124] Ni K., D. Steedly ve F. Dellaert, Tectonic sam: exact, out-ofcore, submap-based slam, IEEE Int. Conf. on Rob. and Aut., ss.
1678-1685, 2007
[125] Ni K. ve F. Dellaert, Multi-level submap based slam using
nested dissection, Proc. of IEEE/RSJ Int. Conf. on Robots and
Systems, ss. 2558-2565, 2010
[126] Nistér, D. ve H. Stewénius.. Scalable recognition with a vocabulary tree. Proc. of the 2004 IEEE Int. Conf. on Comp. Vision
and Patt. Recog., Cilt 2, ss. 2161-2168, 2006
[127] Oliva A. ve A. Torralba, Modeling the Shape of the Scene:
A Holistic Representation of the Spatial Envelope.Int. J. of
Computer Vision, Cilt 42(3), ss. 145-175, 2001
[128] Paskin M. A., Thin junction tree filters for simultaneous localization and mapping, Proc. of Int. Joint Conf. on Artificial
Intelligence, ss. 1157-1164, 2003
[129] Pei Y., M. W. Mutka ve N. Xi, Coordinated Multi-Robot RealTime Exploration With Connectivity and Bandwidth Awareness,
[130] Pereira G. A. S., V. Kumar ve M. F. M. Campos, Closed
loop motion planning of cooperating mobile robots using graph
connectivity, Robot. Auton. Syst., Cilt 56, ss. 373-384, 2008
[131] Peters R.A., E.K. Hambuchen, K. Kawamura ve D.M. Wilkes,
The Sensory Ego-Sphere as a Short-Term Memory for Humanoids. Proc. of the IEEE-RAS Int. Conf. on Humanoid
Robots, 2001
[132] Piovesan J.L., C.T. Abdallah ve H.G. Tanner, Modeling Multiagent Systems with Hybrid Interacting Dynamics, Proc. American Control Conf., ss. 3644-3649, 2009
[133] Posner I., M. Cummins ve P. Newman, A generative framework
for fast urban labeling using spatial and temporal context,
Auton. Rob., Cilt 26, ss. 153-170, 2009
[134] Radish: The Robotics Data Set Repository,
http://radish.sourceforge.net/
[135] Rekleitis I. M., G. Dudek ve E. E. Milios, Multi-robot cooperative localization: A study of trade-offs between efficiency and
accuracy, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems,
ss. 2690-2695, 2002.
[136] Remolina E. ve B. Kuipers, Towards a general theory of
topological maps, Artificial Intelligence, Cilt 152(1), ss. 47-104,
2004
[137] Robotic 3D Scan Repository,
http://kos.informatik.uni-osnabrueck.de/3Dscans/
[138] Roy N. ve G. Dudek, Collaborative robot exploration and
rendezvous: Algorithms, performance bounds and observations,
Auton. Rob., Cilt 11, ss. 117-136, 2001
[139] Renzaglia A. ve A. Martinelli, Potential Field based Approach
for Coordinate Exploration with a Multi-Robot Team, IEEE Int.
Workshop on Safety, Security and Rescue Rob., ss. 1-6, 2010
[140] Rossi F., A. Ranganathan, F. Dellaert ve E. Menegatti, Toward
Topological Localization with Spherical Fourier Transform and
Uncalibrated Camera. Omnidirectional Robot Vision Workshop,
Int. Conf. Simulation, Modeling, and Programming for Autonomous Robots, ss. 319-330, 2008
[141] Roumeliotis S. ve G. Bekey, Distributed multirobot localization,
IEEE Trans. on Rob. and Aut., Cilt 18(5), ss. 781-795, 2002.
[142] Saad, W., Z. Han, M. Debbah, A. Hjorungnes ve T. Basar,
Coalitional Game Theory for Communication Networks, IEEE
Signal Process. Mag., ss. 77-97, 2009
[143] Sabattini L., C. Secchi ve C. Fantuzzi, Arbitrarily shaped formations of mobile robots: artificial potential fields and coordinate
transformation, Auton. Rob., Cilt 30(4), ss. 385-397, 2011
[144] Saber R. ve R. Murray, Agreement problems in networks with
directed graphs and switching topology, Proc. IEEE Conf.
Decision & Control, Cilt 4, ss. 4126-4132, 2003
[145] Schmitt T., R. Hanek, M. Beetz, S. Buck ve B. Radig, Cooperative probabilistic state estimation for vision-based autonomous
mobile robots, IEEE Trans. on Rob. and Aut., Cilt 18(5), ss.
670-684, 2002.
[146] Se S., D. Lowe, ve J. Little, Local and Global Localization for
Mobile Robots using Visual Landmarks. Proc. of IEEE/RSJ Int.
Conf. on Robots and Systems, ss. 414-420, 2001
[147] Se S. , D. Lowe ve J. Little, Vision-based global localization
and mapping for mobile robots, IEEE Trans. on Rob., Cilt 21(3),
ss. 364-375, 2005
[148] Sepulchre R., D.A. Paley ve N.E. Leonard, Stabilization of
Planar Collective Motion: All-to-All Communication, IEEE
Trans. on Aut. Contr., 52(5), ss. 811-824, 2007
[149] Sepulchre R., D.A. Paley ve N.E. Leonard, Stabilization of
Planar Collective Motion with Limited Communication, IEEE
Trans. on Aut. Contr., Cilt 53(3), ss. 706-719, 2008
13
117
[164]
[165]
[166]
[150] Sheng W., Q. Yang, J. Tan ve N. Xi, Distributed multi-robot
coordination in area exploration, Rob. and Autonomous Systems,
Cilt 54(12), ss. 945-955, 2006
[151] Smaili C., M. El Najjar ve Francois, Multi-sensor fusion method
using bayesian network for precise multi-vehicle localization,
IEEE Conf. on Intelligent Transportation Systems, ss. 906-911,
2008
[152] Sharma R. ve C. Taylor, Cooperative navigation of maps in
gps denied areas, IEEE Int. Conf. on Multisensor Fusion and
Integration for Intelligent Systems, ss. 481-486, 2008
[153] Simmons R. G., D. Apfelbaum, W. Burgard, D. Fox, M. Moors,
S. Thrun ve H. L. S. Younes, Coordination for multi-robot
exploration and mapping, Proc. of the AAAI Nat. Conf. on Artif.
Intelligence and Twelfth Conf. on Innovative Applications of
Artificial Intelligence, ss. 852-858, 2000
[154] Sivic J. ve A. Zisserman, Video Google: A text retrieval
approach to object matching in videos. Int. Conf. on Computer
Vision,, Cilt 2, ss. 1470-1477, 2003
[155] Soyer C., H. I. Bozma ve Y. Istefanopulos, A new memory
model for selective perception systems, Proc. of IEEE/RSJ Int.
[150] Sheng
W.,Robots
Q. Yang,
Tan vess.
N.2304-2309,
Xi, Distributed
Conf. on
and J.
Systems,
2000 multi-robot
exploration,
Rob. and Autonomous
Systems,
[156] coordination
Soyer C., H.inI.area
Bozma
ve Y. Istefanopulos,
Apes-biologically
Cilt
54(12),attentive
ss. 945-955,
motivated
robot,2006
Auton. Rob., Cilt 20, ss. 61-80, 2006
[151]
C., C.,
M. El
ve Francois,
method
[157] Smaili
Stachniss
O. Najjar
Martinez
Mozos veMulti-sensor
W. Burgard,fusion
Speeding
up
using
bayesian
networkby
forconsidering
precise multi-vehicle
localization,
multi-robot
exploration
semantic place
informaIEEE
Conf. Int.
on Intelligent
Transportation
Systems,
ss. 906-911,
tion, IEEE
Conf. on Rob.
and Aut., ss.
1692-1697,
2006
[158] 2008
Steder B., G. Grisetti, C. Stachniss ve W. Burgard, Visual slam
[152] Sharma
ve C. Taylor,
Cooperative
navigation
of ss.
maps
in
for flyingR.vehicles,
IEEE Trans.
on Rob.,
Cilt 24(5),
1088gps
denied
1093,
2008 areas, IEEE Int. Conf. on Multisensor Fusion and
IntelligentD.Systems,
2008
[159] Integration
Stipes J., R.for
Hawthorne,
Scheidt ss.
ve 481-486,
D. Pacifico,
Cooperative
[153] Simmons
R. G.,
Apfelbaum,
W. Burgard,
D. on
Fox,Networking,
M. Moors,
localization
andD.mapping,
IEEE
Int. Conf.
S.
Thrunand
ve Control,
H. L. S.ss.Younes,
for multi-robot
Sensing
596-601,Coordination
2006
and mapping,
Proc. A
of the
AAAIExploring
Nat. Conf. Artificial
on Artif.
[160] exploration
Thrun S., Robotic
mapping:
survey,
Intelligence in
andtheTwelfth
Conf. on Innovative
Applications of
New Millennium,
2002.
852-858, slam
2000 with sparse extended
[161] Artificial
Thrun S. Intelligence,
ve Y. Liu, ss.
Multi-robot
[154] Sivic
J. ve filters,
A. Zisserman,
Google:
A text
retrieval
information
Robotics Video
Research,
Cilt 15,
ss. 254-265,
approach
to object matching in videos. Int. Conf. on Computer
2005
1470-1477, 2003
[162] Vision,,
Thrun S.Cilt
ve 2,M.ss.Montemerlo,
The graph slam algorithm with
[155] Soyer
C., H.toI.large-scale
Bozma vemapping
Y. Istefanopulos,
A new memory
applications
of urban structures,
Int. J.
model
for selective
perception
systems,2006
Proc. of IEEE/RSJ Int.
Rob. Res.,
Cilt 25(5-6),
ss. 403-429,
on Robots
Systems,W.
ss. T.
2304-2309,
[163] Conf.
Torralba
A., K. and
P. Murphy,
Freeman 2000
ve M. A.Rubin,
[156] Soyer
C., H. I.vision
Bozmasystem
ve Y. for
Istefanopulos,
Apes-biologically
Context-based
place and object
recognition,
motivated
Auton.
Rob.,Cilt
Cilt1,20,
61-80,
IEEE Int. attentive
Conf. on robot,
Computer
Vision,
ss.ss.
273,
20032006
[157]
C.,I.O.
Martinez Mozos
ve W.
Burgard,
Speeding
up
[164] Stachniss
Tomatis N.,
Nourbakhsh,
K. Arras
ve R.
Siegwart,
A hybrid
multi-robot
considering
semantic
place informaapproach forexploration
robust andbyprecise
mobile
robot navigation
with
tion,
IEEEenvironment
Int. Conf. on
Rob. andIEEE
Aut., Int.
ss. 1692-1697,
2006
compact
modeling,
Conf. on Rob.
and
[158] Steder
B., 2,
G.ss.
Grisetti,
C. Stachniss
Aut., Cilt
1111-1116,
2001 ve W. Burgard, Visual slam
flying
IEEE Trans.
on Rob.,
Cilt 24(5),
ss. 1088[165] for
Ullah
M.,vehicles,
A. Pronobis,
B. Caputo,
J. Luo,
H. Jensfelt
ve
1093,
2008
R. Christensen,
Towards robust place recognition for robot
[159] Stipes
J., R. Hawthorne,
D. Scheidt
ve D.and
Pacifico,
Cooperative
localization,
IEEE Int. Conf.
on Rob.
Aut., ss.
530-537,
localization
and mapping, IEEE Int. Conf. on Networking,
2008
ss. 596-601,
2006
[166] Sensing
Ulrich I.and
ve I.Control,
Nourbakhsh,
Appearance-based
place recognition
[160] Thrun
S., Robotic
mapping:
A survey,
Exploring
Artificial
for topological
localization,
IEEE
Int. Conf.
on Rob. and
Aut.,
Intelligence
in the New2000
Millennium, 2002.
Cilt 2, ss. 1023-1029,
[161]
S. ve Y.
slam with optimization
sparse extended
[167] Thrun
Unnikrishnan
R. Liu,
ve A.Multi-robot
Kelly, A constrained
apinformation
filters, consistent
Robotics mapping,
Research, Proc.
Cilt 15,
ss. 254-265,
proach to globally
of IEEE/RSJ
Int.
2005
Conf. on Robots and Systems, Cilt 1, ss. 564-569, 2002.
[162]
S. ve M.J.H.,
Montemerlo,
graph slam
algorithm
with
[168] Thrun
van Schuppen
Control ofThe
distributed
stochastic
systemsapplications
large-scaleand
mapping
of urban
structures,
J.
Introduction,toproblems,
approaches,
Proc.
of IFACInt.
18th
Rob.
Cilt 25(5-6),
ss. 403-429,
2006
WorldRes.,
Congress,
ss. 4446-4452,
Milan,
Italy, Aug 2011
[163]
K.Adams,
P. Murphy,
W. T. Freeman
M. A.Rubin,
[169] Torralba
Vig L. veA.,
J.A.
Multi-robot
coalition ve
formation,
IEEE
Context-based
for place
and object recognition,
Trans. on Rob.,vision
22(4),system
ss. 637-649,
2006
Computer
Vision, Cilt semantic
1, ss. 273,description
2003
[170] IEEE
Wang Int.
M. Conf.
ve H. on
Lin.,
An extended-HCT
[164] Tomatis
I. Nourbakhsh,
ve Res.,
R. Siegwart,
for visualN.,
place
recognition, K.
Int.Arras
J. Rob.
Cilt 30, A
ss.hybrid
1403approach
for robust and precise mobile robot navigation with
1420, 2011
Int. Conf.
on Rob.
and
[171] compact
Watts A.,environment
A Dynamicmodeling,
Model ofIEEE
Network
Formation,
Games
Aut.,
Cilt 2, ss. 1111-1116,
2001 2001
and Econ.Behav.,
34, ss. 331-341,
[165]
M.,B.,A.M.Pronobis,
Caputo,
Luo,
H. Jensfelt
ve
[172] Ullah
Williams
Cummins,B.José
Neira, J.Paul
Newman,
Ian Reid
R.
Christensen,
robustofplace
for robot
ve Juan
Tardós, Towards
A comparison
loop recognition
closing techniques
in
localization,
IEEE Int.
on Rob.
and2009
Aut., ss. 530-537,
monocular SLAM,
Rob.Conf.
and Aut.
Systems,
[173] 2008
Williams S., G. Dissanayake ve H. Durrant-Whyte, Towards
[166] Ulrich
I. ve I. simultaneous
Nourbakhsh, Appearance-based
place recognition
multi-vehicle
localisation and mapping,
IEEE Int.
for
topological
localization,
Conf. on 2002.
Rob. and Aut.,
Conf.
on Rob. and
Aut., CiltIEEE
3, ss.Int.
2743-2748,
Cilt 2, ss. 1023-1029, 2000
[167] Unnikrishnan R. ve A. Kelly, A constrained optimization approach to globally consistent mapping, Proc. of IEEE/RSJ Int.
Conf. on Robots and Systems, Cilt 1, ss. 564-569, 2002.
[168] van Schuppen J.H., Control of distributed stochastic systemsIntroduction, problems, and approaches, Proc. of IFAC 18th
World Congress, ss. 4446-4452, Milan, Italy, Aug 2011
118
[174]
[167]
[175]
[168]
[176]
[169]
[170]
[177]
[171]
[178]
[172]
[173]
[179]
[180]
[174]
[181]
[175]
[182]
[176]
[183]
[177]
[178]
[179]
[180]
[181]
[182]
[183]
14
Context-based vision system for place and object recognition,
IEEE Int. Conf. on Computer Vision, Cilt 1, ss. 273, 2003
Tomatis N., I. Nourbakhsh, K. Arras ve R. Siegwart, A hybrid
approach for robust and precise mobile robot navigation with
compact environment modeling, IEEE Int. Conf. on Rob. and
Aut., Cilt 2, ss. 1111-1116, 2001
Ullah M., A. Pronobis, B. Caputo, J. Luo, H. Jensfelt ve
R. Christensen, Towards robust place recognition for robot
localization, IEEE Int. Conf. on Rob. and Aut., ss. 530-537,
2008
Ulrich I. ve I. Nourbakhsh, Appearance-based place recognition
for topological localization, IEEE Int. Conf. on Rob. and Aut.,
Cilt 2, ss. 1023-1029, 2000
Wisniewski R.,R.Towards
Modelling
of Hybridoptimization
Systems, Proc.
Unnikrishnan
ve A. Kelly,
A constrained
apof the 45th
IEEE Conf.
Decision
& Control,
proach
to globally
consistent
mapping,
Proc.ss.
of 911-916,
IEEE/RSJ2006
Int.
Wolf
W. Burgard,
ve H. Burkhardt,
Robust vision-based
Conf. J.,
on Robots
and Systems,
Cilt 1, ss. 564-569,
2002.
localization
by J.H.,
combining
an of
image-retrieval
systemwith
monte
van
Schuppen
Control
distributed stochastic
systemscarlo localization,
IEEE Trans.
on Rob., CiltProc.
21(2),ofss.
208-216,
Introduction,
problems,
and approaches,
IFAC
18th
2005 Congress, ss. 4446-4452, Milan, Italy, Aug 2011
World
Wu J.
Rehg,
Where
am I: Place
instance
and category
Vig
L. ve
ve J.J.A.
Adams,
Multi-robot
coalition
formation,
IEEE
recognition
using
spatial
Proc.
Trans.
on Rob.,
22(4),
ss. PACT,
637-649,
2006of the 2004 IEEE Int.
Conf. on
andextended-HCT
Patt. Recog., ss.
1-8, 2008
Wang
M.Comp.
ve H. Vision
Lin., An
semantic
description
Wurm
K.M.,
C.recognition,
Stachniss veInt.
W.J.Burgard,
for visual
place
Rob. Res.,Coordinated
Cilt 30, ss. multi1403robot
exploration using a segmentation of the environment,
1420, 2011
Proc. of
Int. Conf.
and Formation,
Systems, ss.Games
1160Watts
A.,IEEE/RSJ
A Dynamic
ModelonofRobots
Network
1165,
2008
and Econ.Behav.,
34, ss. 331-341, 2001
Yamauchi
B.M.
veCummins,
R. Beer, José
Spatial
learning
for navigation
in
Williams B.,
Neira,
Paul Newman,
Ian Reid
dynamic
environments,
IEEE Transactions
on Systems,
Man,
ve Juan Tardós,
A comparison
of loop closing
techniques
in
and
Cybernetics-Part
B: Cybernetics,
Special2009
Issue on Learning
monocular
SLAM, Rob.
and Aut. Systems,
Autonomous
Cilt 26(3),vess.H.496-505,
1996
Williams
S., Robots,
G. Dissanayake
Durrant-Whyte,
Towards
Yamauchi
B., simultaneous
Frontier-basedlocalisation
explorationand
using
multiple
robots,
multi-vehicle
mapping,
IEEE
Int.
Int.
Conf.
on
Autonomous
Agents,
ss.
47-53,
1998
Conf. on Rob. and Aut., Cilt 3, ss. 2743-2748, 2002.
Zhang Z., Iterative point matching for registration of free-form
curves, Int. Journal
of Computer
Vision,
Cilt 13(2),
ss. 119-152,
Wisniewski
R., Towards
Modelling
of Hybrid
Systems,
Proc.
1992
of
the 45th IEEE Conf. Decision & Control, ss. 911-916, 2006
Zhou J.,
X. W.
ve S.
Roumeliotis,
slam with
unknown
Wolf
Burgard,
ve H. Multi-robot
Burkhardt, Robust
vision-based
initial correspondence:
robot rendezvous
case, Proc.
of
localization
by combiningThe
an image-retrieval
systemwith
monte
IEEE/RSJ
Int. Conf.
onTrans.
Robots
ss. ss.
1785-1792,
carlo
localization,
IEEE
on and
Rob.,Systems,
Cilt 21(2),
208-216,
2006
2005
Zivkovic
Bakker
ve B.
Hierarchical
map category
building
Wu
J. ve Z.,
J. B.
Rehg,
Where
amKrose,
I: Place
instance and
and planningusing
basedspatial
on graph
partitioning,
IEEE
Int.IEEE
Conf.Int.
on
recognition
PACT,
Proc. of the
2004
Rob. and
Aut., ss.Vision
803-809,
2006 Recog., ss. 1-8, 2008
Conf.
on Comp.
and Patt.
Zlot R.K.M.,
, A. Stentz,
M. Dias
Thayer, Coordinated
Multi-robot exploWurm
C. Stachniss
ve ve
W.S.Burgard,
multiration exploration
controlled byusing
a market
economy, IEEE
on Rob.
robot
a segmentation
of Int.
the Conf.
environment,
and Aut.,
Cilt 3, ss.
2002 and Systems, ss. 1160Proc.
of IEEE/RSJ
Int.3016-3023,
Conf. on Robots
1165, 2008
Yamauchi B. ve R. Beer, Spatial learning for navigation in
dynamic environments, IEEE Transactions on Systems, Man,
and Cybernetics-Part B: Cybernetics, Special Issue on Learning
Autonomous Robots, Cilt 26(3), ss. 496-505, 1996
Yamauchi B., Frontier-based exploration using multiple robots,
Int. Conf. on Autonomous Agents, ss. 47-53, 1998
Zhang Z., Iterative point matching for registration of free-form
curves, Int. Journal of Computer Vision, Cilt 13(2), ss. 119-152,
1992
Zhou X. ve S. Roumeliotis, Multi-robot slam with unknown
initial correspondence: The robot rendezvous case, Proc. of
IEEE/RSJ Int. Conf. on Robots and Systems, ss. 1785-1792,
2006
Zivkovic Z., B. Bakker ve B. Krose, Hierarchical map building
and planning based on graph partitioning, IEEE Int. Conf. on
Rob. and Aut., ss. 803-809, 2006
Zlot R. , A. Stentz, M. Dias ve S. Thayer, Multi-robot exploration controlled by a market economy, IEEE Int. Conf. on Rob.
and Aut., Cilt 3, ss. 3016-3023, 2002
14
EMO BİLİMSEL HAKEMLİ DERGİ YAZIM KURALLARI YÖNERGESİ
“EMO Bilimsel Hakemli Dergi”, özgün bilimsel araştırmalar ile ilginç uygulama çalışmalarına yer veren ve bu niteliği ile
hem araştırmacılara hem de uygulamadaki mühendislere seslenmeyi amaçlayan hakemli bir dergidir. İlgi alanı Elektrik
Mühendisleri Odasına kayıtlı tüm mühendislik disiplinleridir. Yayın dili Türkçe olup, dergide yayınlanacak makaleler ve
kısa bildiriler ile ilgili yazım kuralları aşağıda verilmektedir.
Makalelerin basıma hazır tam metni, pdf dosyası olarak http://edergiportal.emomerkez.net/sayilar adresindeki derginin Makale Yönetim Sistemi üzerinden iletilmelidir. Makale dosyaları, ilk yazarın soyadına göre adlandırılmalı, aynı
yazara ilişkin birden fazla bildiri iletilmesi durumunda verilen ada ek olarak numaralandırma da yapılmalıdır.
Bilgisayar ortamında iletilmeyen makalelerin hakemlere gönderilmesi ve değerlendirilmesi olanağı bulunmamaktadır.
Makale yazım kuralları:
• Makale sayfaları, A4 (210 mm x 297 mm) kağıt boyutunda hazırlanmalıdır.
• Sayfa kenar boşlukları:
İlk sayfa için
üst = 3 cm, alt = 3,7 cm, sol = 2 cm, sağ = 2 cm
diğer sayfalar için
üst = 2,5 cm, alt = 3,7 cm, sol = 2 cm, sağ = 2 cm.
• Makale herbiri 80 mm genişliğinde iki sütun halinde yazılmalıdır. Sütunlar arasında 10 mm aralık bırakılmalıdır.
• Makale, Times New Roman yazı tipi ile tek satır aralıklı, iki yana dayalı hizalı olarak yazılmalıdır.
• Makale başlığında, bildiri adı, yazar adları, yazarların çalıştıkları kurumların adları ve e-posta adresleri yer almalıdır.
• Başlıktan sonra dört satır boşluk bırakılarak yazılacak Türkçe özet ve İngilizce özet (abstract) kısımları en az 100, en
çok 150 kelimeden oluşmalıdır.
• Bölüm başlıkları, numaralandırılmalı, yalnızca baş harfleri büyük harflerle yazılmalı ve sütuna ortalanmalıdır.
• Makalede kullanılacak yazı tipi boyut ve biçimleri:
Başlık
14 Kalın Yalnızca baş harfleri büyük
Yazar adları
12 İtalik
Kurum adları
12
Özetler
9 İtalik
Alt ve üst simgeler
7
Başlıklar
11 Kalın
Metin
9
• Makale değerlendirme sonuçları, sisteme yüklendikten en geç 2 ay sonra e-posta ile yazarlara bildirilecektir. Aksi belirtilmedikçe yazışmalarda birinci yazarın adresi kullanılacaktır.
Tüm yazışmalar ve ilişkiler http://bilimseldergi.emo.org.tr web sayfasında açılacak olan alanda elektronik
ortamda yapılacaktır.
Bu yazım kuralları, TMMOB Elektrik Mühendisleri Odası Yönetim Kurulu ile EMO Bilimsel Hakemli Derginin yayın kurulunca yürütülür.

EMO BİLİMSEL DERGİ Aralık`12 December`12

Transkript

Benzer belgeler

RonaCare® Ectoin: Cildinizi koruyan, devrimsel cilt bakım bileşeni

ünlü röportaj

Hz. Peygamber (saa) bir halife tayın etti mi? - Al

ÖZET ABSTRACT

e-katalog

Revitacare Broşürü

Kozmetik Ham Maddeleri ve Zirai İlaç Emülgatörleri SERABİYOLOJİ

Botoks Uygulamaları

EMEK ÖYKÜLERİ (4 CİLT)

Pardus ve NfSen ile Yönlendirici Netflow Kayıtlarının - Ulak