Elektronik tartım sistemlerinde çevresel ve mekanik hata etkilerinin minimize edilmesi için yapay sinir ağlarına dayalı yeni bir indikatör tasarımı

Bu çalışmada endüstriyel ölçüm sistemi olan kantarlar ele alınmış, çalışma mantıkları ve sistem bileşenleri incelenmiştir. Sistem yapı elemanlarının performans üzerindeki etkileri göz önünde bulundurularak yapay sinir ağlarına dayalı yeni bir tasarım yapılmıştır. Teorik olarak her parametresi hesaplanarak tasarlanmış sistemler proje açısından kusursuz sayılsada, uygulama safhasında, üretim, kurulum, malzeme tedariği vb. gibi etkenler yüzünden sorunlarla karşılaşılaşılmaktadır. Bu sorunlardan bazıları, üretimin tekrarlanmasını gerektirebilir. Kantarlar için, özellikle mekanik sistemden kaynaklı hatalar göz önünde bulundurularak tasarlanan yeni sistemde, bu hataların etkileri minimize edilmeye çalışılmıştır. Sistemin temel bileşeni yük hücrelerinin, standart uygulamalarda birbirlerine bağımlı çalıştıkları bilinmektedir. Uygulamada, yük hücreleri bağımsız ölçülerek, ölçüm sonuçları ile bir yapay sinir ağı modeli oluşturulmuş, tartım sonucu, oluşturulan modelden elde edilmeye çalışılmıştır. Elde edilen sonuçlar performans kriterleri açısından değerlendirilerek, tasarlanan sistemin standart uygalama ile karşılaştırması yapılmıştır.

In this study, industrial weighing systems, scales are handled, and their working reasonings and system components are investigated. Taking into account system elements affects on performance, a new design is made based on artifical neural networks. Theoreticallay, for all the faultless designs made by considering all the parameters, in application, there occures problems due to manufacturing, establisment, component procuring and so forth factors. Some of these problems may cause the system to be manufactured again. In new design, these problems studied to make minimal, esipecially problems that occur from the mechanical system. It is known that, in standart applications, load cells, the systems base components, are working related to each other. In this application, load cells are measured seperately, a neural network is established with the conversion results and weigh result is tried to be obtained from the network. Lastly, the network?s results are considerd according to performance criterias, and the new desing is compared to standart applications.