Kuvvete duyarlı direnç sensörünün yapay sinir ağları ve adaptif sinirsel - bulanık mantık çıkarım sistemi (ANFIS) kullanarak ağırlık yük hücresine modellenmesi ve bulanık mantık denetleyici ile kumaş üzerindeki kuvvet - basınç kontrolü
Küçük Resim Yok
Tarih
2025
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İnönü Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Gergi sensör içeren ağırlık yük hücreleri ağırlık ölçümü yapabilen modüllerdir. Ancak ağırlık yük hücreleri normal ağırlık ölçümlerine elverişli olmasına karşın, hacimsel açıdan yeterince küçük olmadığından ağırlık ölçümü gerektiren bir makinenin otomasyon işleminde yeterince kullanışlı olmamaktadır. Fakat kuvvete duyarlı direnç sensörlerinin düzlemsel ve ince olmaları nedeniyle ağırlık yük hücrelerine göre daha kullanışlı olduğu görülmektedir. Bu çalışmada yapay sinir ağları ve adaptif sinirsel-bulanık mantık çıkarım sistemi (ANFIS) kullanılarak farklı karakteristiğe sahip kuvvete duyarlı direnç sensöründen alınan veriler ağırlık yük hücresine göre uyarlanmış ve model oluşturulmuştur. Modelin eğitimi sırasında, aynı ağırlıkta sensörden alınan veriler giriş değişkeni ve ağırlık yük hücresinden alınan veriler ise çıkış değişkeni olarak kullanılmıştır. ANFIS ile oluşturulan modelin yapay sinir ağları ile alınan modelden daha az hata içerdiği dolayısıyla daha iyi model oluşturduğu sonuç grafiklerinden tespit edilmiştir. ANFIS ile hazırlanan model bulanık mantık kontrol sisteminde kullanılmıştır. Bulanık mantık kontrol sisteminde gram değerinde referans giriş uygulanmış ve çıkışın girişte uygulanan referans değeri takip etmesi sağlanmıştır. Daha sonra kuvvete duyarlı sensör kullanılan bir kumaş makinesi üzerine baskı yapılmış ve adım motor sürücünün istenilen ağırlıklarda kontrol sağladığı görülmüştür.
Weight load cells containing tension sensors are modules capable of measuring weight. However, although weight load cells are suitable for normal weight measurements, they are not sufficiently small in terms of volume and are therefore not sufficiently useful in the automation process of a machine that requires weight measurement. However, force-sensitive resistive sensors are more useful than load cells due to their flat and thin structure. In this study, data obtained from force-sensitive resistive sensors with different characteristics were adapted to load cells using artificial neural networks and an adaptive neural-fuzzy inference system (ANFIS), and a model was created. During the training of the model, the data obtained from the sensor with the same weight was used as the input variable, and the data obtained from the load cell was used as the output variable. It was determined from the results graphs that the model created with ANFIS contained fewer errors than the model obtained with artificial neural networks and therefore created a better model. The model prepared with ANFIS was used in a fuzzy logic control system. In the fuzzy logic control system, a reference input was applied in grams, and the output was made to follow the reference value applied at the input. Subsequently, a fabric machine using a force-sensitive sensor was tested, and it was observed that the stepper motor driver provided control at the desired weights.
Weight load cells containing tension sensors are modules capable of measuring weight. However, although weight load cells are suitable for normal weight measurements, they are not sufficiently small in terms of volume and are therefore not sufficiently useful in the automation process of a machine that requires weight measurement. However, force-sensitive resistive sensors are more useful than load cells due to their flat and thin structure. In this study, data obtained from force-sensitive resistive sensors with different characteristics were adapted to load cells using artificial neural networks and an adaptive neural-fuzzy inference system (ANFIS), and a model was created. During the training of the model, the data obtained from the sensor with the same weight was used as the input variable, and the data obtained from the load cell was used as the output variable. It was determined from the results graphs that the model created with ANFIS contained fewer errors than the model obtained with artificial neural networks and therefore created a better model. The model prepared with ANFIS was used in a fuzzy logic control system. In the fuzzy logic control system, a reference input was applied in grams, and the output was made to follow the reference value applied at the input. Subsequently, a fabric machine using a force-sensitive sensor was tested, and it was observed that the stepper motor driver provided control at the desired weights.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
