Scara Robotun engelli ortamda çarpışmasız hareketinin yapay sinir ağları ve genetik algoritma kullanılarak gerçekleştirilmesi
| dc.contributor.author | Aksungur, Serhat | |
| dc.contributor.author | Kavlak, Koray | |
| dc.date.accessioned | 2018-05-23T11:10:16Z | |
| dc.date.available | 2018-05-23T11:10:16Z | |
| dc.date.issued | 2009 | |
| dc.description | URL: http://sutod.selcuk.edu.tr/sutod/article/view/99 | en_US |
| dc.description.abstract | Bu çalışmada, iki dönel ve bir lineer mafsala sahip üç serbestlik dereceli SCARA tipi bir robotun ters kinematik analizi yapılmıştır. Robotun çalışma alanına engel yerleştirilerek hareketi incelenmiş, çarpışma olup olmadığı gözlenmiş ve robot kolunun dönme yönü belirlenmiştir. Hedef ve engel koordinatları rastgele seçilen iki bin adet örnek oluşturularak bu işlem her örneğe uygulanmıştır. Sonuçta elde edilen hedef ve engel koordinat değerleri yapay sinir ağı (YSA) için giriş, hesaplanan mafsal açı değerleri de çıkış seti olarak belirlenmiştir. Eğitim için çok katmanlı geri yayılım ağı ve aktivasyon fonksiyonu olarak da sigmoid fonksiyonu kullanılmıştır. Geri yayılım ağı, Genetik Algoritma ile optimizasyon yöntemini kullanarak ağırlık ve momentum değerlerini güncellemiştir. Kabul edilebilir hata değerine ulaşılarak ağın eğitimi tamamlanmıştır. İstenilen ve YSA ile hesaplanan değerler için karşılaştırma grafiği çizilerek sonuçların uygun olduğu gözlenmiştir. | en_US |
| dc.description.abstract | In this study, the inverse kinematics for three degrees of freedom SCARA robot which has two revolute and one prismatic joint are carried out. The motion of the robot is analyzed after an obstacle placed in the robot’s workspace, condition of collision is observed and direction of rotation of robot arm is determined. Two thousand exemplars are constituted with randomly selected goal and obstacle coordinates and this procedure is applied to all of this exemplars. As a result of this procedure, obtained goal and obstacle coordinate values are given to artificial neural network (ANN) as input and calculated joint angle values are defined as output. For training, a multilayer back propagation network and sigmoid function as a transfer function are used. Back propagation network updates the weight and momentum values using genetic algorithm optimization method. Training was performed until an acceptable error value was attained. The comparison graphic was drawn for desired values and values calculated by ANN. The results presented here were observed to be valid. | en_US |
| dc.identifier.citation | Aksungur, S., Kavlak, K. (2009). Scara Robotun engelli ortamda çarpışmasız hareketinin yapay sinir ağları ve genetik algoritma kullanılarak gerçekleştirilmesi. Selçuk-Teknik Dergisi, 8, (2), 112-126. | en_US |
| dc.identifier.endpage | 126 | |
| dc.identifier.issn | 1302-6178 | en_US |
| dc.identifier.startpage | 112 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12395/10794 | |
| dc.identifier.volume | 8 | |
| dc.language.iso | tr | en_US |
| dc.publisher | Selçuk Üniversitesi Teknik Bilimler Meslek Yüksekokulu | en_US |
| dc.relation.ispartof | Selçuk-Teknik Dergisi | en_US |
| dc.relation.publicationcategory | Makale - Kategori Belirlenecek | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.selcuk | 20240510_oaig | en_US |
| dc.subject | SCARA robot | en_US |
| dc.subject | Yapay sinir ağları | en_US |
| dc.subject | Genetik algoritma | en_US |
| dc.subject | Ters kinematik analiz | en_US |
| dc.subject | Artificial neural networks | en_US |
| dc.subject | Genetic algorithm | en_US |
| dc.subject | Inverse kinematics | en_US |
| dc.title | Scara Robotun engelli ortamda çarpışmasız hareketinin yapay sinir ağları ve genetik algoritma kullanılarak gerçekleştirilmesi | en_US |
| dc.title.alternative | Realization of the collision-free motion of a Scara Robot in an environment with obstacles using artifical neural networks and genetic algorithm | en_US |
| dc.type | Article | en_US |
