Yazar "Tütüncü, Kemal" seçeneğine göre listele
Listeleniyor 1 - 9 / 9
Sayfa Başına Sonuç
Sıralama seçenekleri
Öğe Comparision of numerical technique and artificiali intelligence techniques for performance modelling of a diesel engine(2010) Tütüncü, Kemal; Allahverdi, NovruzComparision of numerical tehnique and AI techniques for determination of performance and emission characteristics of a diesel engine has been done in this study . Three different techniques namely multiple regression analysis, adaptive neuro-fuzzy inference system (ANFIS) and artificial neural network (ANN) were used for modeling aims. Engine torque (Tq), power (P), specific fuel consumption (Sfc), emission values such as HC, CO2 and NOx have been investigated. R2 values of Tq, P, Sfc, HC, CO2 and NOx were obtained as 99.9, 99.45, 99.32, 99.84, 99.71 and 99.26 respectively when ANN was used. Main contribution of this study includes; 1) First study that makes comperision between a numerical technique and AI tehniques. 2) Dynamic load value was used as input parameter. So that both engine performance modeling and emission characteristic determination were done regarding to changing load. 3) Highest prediction for values of output parameters were reached. Copyright © 2010 ACM.Öğe Comparison of Plant Detection Performance of CNN-based Single-Stage and Two-Stage Models for Precision Agriculture(Selçuk Üniversitesi, 2022) Özcan, Recai; Tütüncü, Kemal; Karaca, MuratThe fact that arable land is not increasing in proportion to the ever-increasing population will increase the need for food in the coming years. For this reason, it is necessary to increase the yield of crops to make optimum use of arable land. One of the most important reasons for the decrease in yield and quality of crops is weeds. Herbicides are generally preferred for weed management. Due to deficiencies in herbicide application methods, only 0.015-6% of herbicides reach their target. The use of herbicides, which is an important part of the agricultural system, is an issue that needs to be emphasized, considering the risk of residue and environmental damage. In parallel with the rapid development of electronic and computer technologies, artificial intelligence applications have had the opportunity to develop. In this context, the use of artificial intelligence for plant detection in the subsystems of herbicide application machines will contribute to the development of precision agriculture techniques. In this study, the plant detection performances of single-stage and two-stage Convolutional Neural Network (CNN)-based deep learning (DL) models are evaluated. In this context, a dataset was created by taking images of Zea mays, Rhaponticum repens (L.) Hidalgo, and Chenopodium album L. plants in agricultural lands in Konya. With this dataset, the training of the models was carried out by the transfer learning method. The evaluation metrics of the trained models were calculated using the error matrix. In addition, training time and prediction time were used as quantitative metrics in the evaluation of the models. The plant detection performance, training time, and prediction time of the models were 85%, 8 h, 1.21 s for SSD MobileNet v2 and 99%, 22 h, 2.32 s for Faster R-CNN Inception v2, respectively. According to these results, Faster R-CNN Inception v2 is outperform in terms of accuracy. However, in cases where training time and prediction time are important, the SSD MobileNet v2 model can be trained with more data to increase its accuracy.Öğe Determination of the ADF and IVOMD Content of Sugarcane Using Near Infrared Spectroscopy Coupled with Chemometrics(Selçuk Üniversitesi, 2022) Çataltaş, Özcan; Tütüncü, KemalSugarcane is a plant whose quality parameters are required to be determined both for being one of the substances used in sugar production and for being used as animal feed. Near-infrared spectroscopy is a technique that has already been used for predicting the parameters of various plants and has gained popularity in recent years. This study proposes a near-infrared spectroscopy-based model for the rapid and effortless analysis of acid detergent fiber fraction and vitro organic matter digestibility parameters of the sugarcane plant. Partial least squares regression was combined with common preprocessing methods for modeling. This model yielded an R 2 CV value of 0.935 and 0.953 for the acid detergent fiber fraction and vitro organic matter digestibility parameters, respectively. Then, the spectra from three handheld spectrometers were combined using a proposed combination method to generate new spectra with higher spectral resolution. New models were built using these generated spectra and compared to the previous result. Obtained results showed that combining spectra from different spectrometers can improve model performance.Öğe Finansal alanda bir uzman sistem tasarımı(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2002-02-06) Tütüncü, Kemal; Allahverdi, NovruzÜlkemiz şartlarında yatırım konusunda profesyonel yardım almak oldukça pahalı bir durum arz etmektedir. Özellikle küçük ve orta ölçekli işletmeler (KOBÎ) ile küçük yatırımcılar bu maliyeti kaldıramamakta ve yatırım araçları ile para piyasası hakkında yeteri bilgiye sahip olmadıklarından birikimlerini yatırıma dönüştürmekte büyük sıkıntı çekmektedirler. Bu çalışmada, bu tür küçük yatırımcıların birikimlerini yatırıma dönüştürmesinde yardımcı olacak ve onlara en uygun yatırım aracını sunacak olan bir uzman sistemin GURU kabuğu kullanılarak tasarlanması amaçlanmaktadır. GURU kabuğu bir uzman sistem geliştirme programı olup kesinlik aktörü içeren kurallar kümesi ve değişkenler oluşturmaya imkan vermektedir. Bu çalışmada ki uzman sistemin gerçekleştirilmesinde kesinlik aktörü hem değişkenlerin değerlerinde hem de üretim kurallarının oluşturulmasında kullanılmıştır. Kesinlik aktörü 0 ile 1 de dahil olmak üzere bu aralıkta değer alan faktördür. Böylelikle az, orta veya çok gibi niteliksel ifadeler hem üretim kuralında hem de değişkenlerde kullanılarak uzmanların tecrübesi, sezgisi ve öngörüsü ile kesinlik arz etmeyen parametreler sisteme eklenmiştir. Ayrıca Türkiye'nin sahip olduğu ekonomik parametreler dikkate alınmış ve yatırım için gerekli olan teknik ve finansal analizler uzman sistemin geliştirilmesinde omurga olarak kullanılmıştır. Bu analizlerin yapılması esnasında uzman görüşüne başvurmanın yanı sıra çeşitli dergi, makale, tez ve yayınlardan yararlanılmıştır. Hazırlanan bu uzman sistemde borsadan vadeli mevduata, vadeli mevduattan hazine bonosuna kadar geniş bir ölçekte alternatif yatırım araçları bulunmaktadır. Kullanıcının istek ve ihtiyaçları doğrultusunda kullanıcıya en uygun olan yatırım aracı kendisine sunulmaktadır.Öğe Modeling the Performance and Emission Characteristics of Diesel Engine and Petrol-Driven Engine by ANN(2009) Tütüncü, Kemal; Allahverdi, NovruzIn this study, performance and emission characteristics of an internal combustion (IC) diesel engine and petrol-driven engine were modeled by Artificial Neural Network (ANN). Diesel engine input parameters are air flow rate (Aflr), boost pressure (Pb), fuel rate (Frt), cycle (Cy) and load (L) whereas input parameters of the petrol-driven engine are advance (A) and cycle (Cy). Engine torque (Tq), power (P), specific fuel consumption (Sfc), emission values such as HC, CO2 and NOx of diesel engine and engine torque (Tq), power (P), specific fuel consumption (Sfc) and HC of petrol-driven have been investigated. R square values of Tq, P, Sfc, HC, CO2 and NOx of diesel engine were %99.9, %99.45, %99.32, %99.84, %99.71 and %99.26 respectively when ANN was used for modeling. R square values of Tq, P, Sfc and Hc of petrol-driven engine %97.24, %99.56, %98.19 and %97.19 respectively. The back-propagation learning algorithm with Hyperbolic tangent activation functions (for hidden layer neurons and output neuron) and 5:12:1 combination have been used in the topology of the network of diesel engine. The back-propagation learning algorithm with Logistic-Hyperbolic tangent activation functions (hidden layer neurons and output neuron) and 2:6:1 combination have been used in the topology of the network of petrol-driven engine. After having statistical t-test for outputs of both ANN, it has been seen that the obtained results are approximately %99.5 and %98.5 consisted (matched) with experimental data of diesel and petrol-driven engine. Main contribution of this work includes; 1) Dynamic load value was used as input parameters for diesel engine and so engine performance modeling and emission characteristic determination were done by regarding changing load, 2) The highest prediction values of output parameters are reached for both engine type regarding to the previous studies and 3) None of the previous studies include modeling of diesel and petrol-driven engine.Öğe Parallel inference in dynamic decision support systems of a semiotic type(SPRINGER, 2004) Vagin, V. N.; Allahverdi, Novruz; Tütüncü, Kemal; Saraçoğlu, Rıdvan; Sulak, Süleyman AlpaslanThe organization of parallel inference in dynamic decision support systems (DDSS) of a semiotic type, oriented towards a solving of ill-formed problems in dynamic applied domains, is considered. As a knowledge representation model, there are used production rules reflecting expert knowledge about a problem domain, an environment and decision making processes. The main concepts and assertions defining possibility and impossibility of parallel executing the production rules are given. Several types of parallelism in an inference process are introduced. The corresponding algorithm of parallel inference is described. Thus, the purpose of this paper is to develop and to research parallel inference methods and procedures that provide efficient processing a large amount of production rules for DDSS of a semiotic type.Öğe Performance and emission optimization of diesel engine by single and multi-objective genetic algorithms(2010) Tütüncü, Kemal; Allahverdi, NovruzIn this study, single and also multi-objective (MO) genetic algorithms (GAs) were used for optimisation of performance and emissions of a diesel engine. Population space and initial population of both GAs were obtained by Artificial Neural Network (ANN). Specific fuel consumption (Sfc), NO x, power (P), torque (Tq) and air-flow rate (Afr) were reduced to %7.7, %8.51, %30, %4 and %7.4 respectively whereas HC increased at the rate of %10.5 by traditional single objective GA. HC, CO2, P and Sfc were reduced to %17.6, %30.05, %31.8 and %14.5 respectively whereas NOx increased at the rate of %13 by using multiobjective GA with Nondominated Sorting Genetic Algorithm II (NSGA II). %14.5 fuel reduction against %31 power reduction have never been obtained in the previous studies. This shows the effective usage of MOGA with NSGA II in optimisation of fuel diesel engine performance parameters. Copyright © 2010 ACM.Öğe Reverse modeling of a diesel engine performance by FCM and ANFIS(2007) Tütüncü, Kemal; Allahverdi, NovruzThe paper includes reverse modeling of a diesel engine performance and emission characteristics. Modeling is done by fuzzy clustering method (FCM) and Adaptive Neural Fuzzy Inference System (ANFIS). Firstly, outputs and inputs parameters of a diesel engine were replaced as part of system. Later, these parameters were grouped into optimal numbers independently by using FCM and K-means clustering algorithm. Later on, these optimal numbers of clustered parameters were used as inputs and outputs of ANFIS to model engine performance and emissions characteristic. Input of the systems were power, torque, specific fuel consumption (sfc), nox, co2 and hc whereas outputs were air flow ratio, fuel rate, pboost, load and cycle. It has been seen that the best results obtained from ANFIS system by using FCM. What the proposed system makes different from pioneers are to be first study of reverse modeling and finding results as intervals instead of points. One more thing is that the load factor has never been implemented in previous studies but included in this study. Last but not least, the proposed system finds outputs in correct optimal interval as 100% ratio by FCM clustering and ANFIS. © 2007 ACM.Öğe Yapay zeka teknikleri ile dizel motor performansının modellenmesi ve yakıt optimizasyonu(Selçuk Üniversitesi Fen Bilimleri Enstitüsü, 2009) Tütüncü, Kemal; Allahverdi, Novruzİçten yanmalı motorların performans ve emisyon karakteristiklerinin modellenmesi yanma işleminin herhangi bir matematiksel modelleme içermediğinden dolayı yorucu ve uzun zaman alan motor testlerinin yapılmasını gerektirmektedir. Bu deneyler sadece çevreye zarar vermekle, zaman alıcı olmakla ve yüksek maliyetli sensörlerden dolayı pahalı olmakla kalmayıp aynı zamanda insan sağlığı ve çevre için de tehdit oluşturmakta ve pahalı iş gücünü gerektirmektedir. Bunlara ek olarak hassas olmayan sensörlerin kullanılmasından dolayı sadece belirli sayıda noktalar için ölçüm yapılabilmekte ara değerler için her hangi bir ölçüm yapılamamaktadır. Tüm bu sebeplerden dolayı otomotiv imalatçıları daha hassas ve daha az zaman alan ölçüm tekniklerinin elde edilebilmesi için çalışmaktadırlar. Buda motorun yanma odasında ve ilgili diğer kısımlarında yeni ve yüksek maliyetli sensörlerin monte edilmesini gerektirmektedir. Montaj ise bazı parçaların değişikliğe uğraması ile sonuçlanmaktadır. Buda beraberinde yüksek maliyet getirmektedir. Montaj gerektiren sensörlerin yüksek maliyeti yalnızca alınan verimin çok yüksek düzeyde olması durumunda karşılanabilir. Verimin üst düzeyde olması ise daha hassas modelle, yakıt ve emisyon optimizasyonu anlamındadır. Dolayısıyla bu endüstri için var olan ekipmanları kullanıp motor yapısında her hangi bir değişikliğe gitmeden yapılacak ölçüm ve hesaplama teknikleri oldukça değer kazanmaktadır. Yapay Zeka (YZ) teknikleri daha hassas modelleme yapmak için ek sensörlere ihtiyaç doğurmayacağı için bu problemin çözümünde en iyi aday olarak görülmektedir. Var olan ölçüm değerleri YZ teknikleri tarafından kullanılarak daha hassas motor performans ve emisyon karakteri modellemesi gerçekleştirilebilmektedir. Bugüne kadar farklı YZ teknikleri kullanılarak hava-yakıt oranı, yanma zamanlaması, emisyon vb. içten yanmalı motor performans ve emisyon karakteristiğinin modellenmesi ve kontrolü geleneksel yöntemlere göre daha verimli bir şekilde yapılmıştır. Bu sistemler geleneksel modelleme ve kontrol sistemleri ile karşılaştırıldığında verimlilik, optimallık ve istikrar açısından daha iyi olduğu görülmektedir. Bu alanda YZ teknikleri kullanımı 1986 yılında başlamış ve günümüze kadar süre gelmiştir. Bilindiği üzere YZ teknikleri doğrusal olmayan ve matematiksel olarak modellenemeyen karmaşık problemlerin çözümünde kullanılan alternatif teknolojidir. Örneklerden öğrenebilir, gürültülü ve eksik veriler üzerinde doğru sonuçlar elde edilmesine imkan kılar. Bir kere eğitildiler mi yüksek hızda tahmin ve genelleme yapabilirler. Kontrol ve güç sistemleri, robot uygulamaları, desen tanıma, imalat, hava tahmini, tıp, sinyal işleme ve optimizasyon gibi bir çok alanda başarılı sonuçlar vermektedirler. YZ teknikleri uzman sistemler (US), bulanık mantık (BM), yapay sinir ağları (YSA), genetik algoritmalar (GA) ve birden fazla tekniğin birlikte kullanıldığı hibrid sistemleri içermektedir. Bu çalışmada iki ayrı motor veri kümesi üzerinde YZ teknikleri ile motor performans ve emisyon karakteristiğinin noktasal ve aralıksal modellemesi ile yakıt optimizasyonu gerçekleştirilmiştir. Dizel motor veri kümesi üzerinde Yapay Sinir Ağları (YSA) ile gerçekleştirilen noktasal modellemede elde edilen sonuçların deneysel sonuçlara % 99,58 yaklaşık sonuç verdiği tespit edilmiştir. YSA ile benzinli motor veri kümesinde yapılan noktasal modellemede ise elde edilen sonuçların deneysel sonuçlara % 98,5 yaklaşık sonuç verdiği tespit edilmiştir. Noktasal modellemede amaç motor deneylerinin yerini alabilecek ve motor performans ve emisyon karakteristiğini sadece deneylerde ölçülen noktalarda değil tüm noktalarda belirleyen bir model gerçekleştirmektir. Çalışmada ikinci olarak verilen performans ve emisyon değerlerine göre giriş parametreleri ya da giriş parametreleri verildiğinde performans ve emisyon değerleri hangi optimum aralıkta olmalıdır sorusuna cevap aranmıştır. Buda ileri ve geri yönlü optimum aralıksal modelleme anlamına gelmektedir. Bulanık c-ortalamalar ve ANFIS tekniği birlikte kullanılarak dizel motor üstünde giriş ve çıkış parametreleri optimum aralıklara bölünerek ileri ve geri yönlü optimum aralıksal modellemede %100'lük başarı sağlanmıştır. Buda verilen motor giriş parametrelerine (Afr, Pb, Fr, Cy ve L) göre tork, güç ve spesifik yakıt tüketimi ile emisyon değerlerinin (HC, CO2 ve NOx) hangi optimum aralıkta olması (ya da tersi) gerektiğinin %100 başarı ile bulunması anlamındadır. Benzinli motor veri kümesi üzerinde yapılan uygulama sonucunda ise yine ileri ve geri yönlü modellemede % 100 oranında doğru aralık kestirimi yapılmıştır. Çalışmanın son aşamasında ise optimal yakıt tüketiminin belirlenmesi amacıyla tek amaçlı ve çok amaçlı GA optimizasyon teknikleri dizel ve benzinli motor verileri üzerinde uygulanmıştır. Her iki teknik dizel motor verisi üzerinde iyi sonuç verirken benzinli motorun sadece 2 girişli veriye sahip olmasından dolayı iyi değer elde edilmemiştir. Yapay Sinir Ağı ve çok amaçlı GA tekniklerinden NSGA II ilk kez motor verileri üzerinde optimizasyon amaçlı olarak kullanılmış ve başarılı sonuç vermiştir.
