Otonom Taşıyıcı Araçlardaki Hataların Teşhisi için Evrişimli Sinir Ağları Tabanlı Çoklu Heterojen Sensörlerin Füzyon Yöntemi

Authors : Sergen AŞIK, Emine DENİZ, Eyüp ÇİNAR

Pages : 203-213

Doi:10.35234/fumbd.1003341

View : 33 | Download : 17

Publication Date : 2022-03-20

Article Type : Research Paper

Abstract :Bu çalışma, çok sensörlü veri füzyonu ve darboğaz katmanı ile optimize edilmiş evrişimli sinir ağı tabanlı otonom taşıyıcı araçlar için yeni bir hata tespit yöntemi sunmaktadır. Daha zengin öznitelikler elde etmek için tek sensörden gelen sinyal verileri yerine çoklu heterojen sensörlerden gelen sinyal verilerini resimlere dönüştüren bir dönüştürme yönteminden yararlanılmıştır. Çoklu heterojen sensör verilerinin dönüşümü ile elde edilen resimler kullanılarak yeni bir evrişimli sinir ağı oluşturulmuştur. Önerilen yaklaşımın etkinliğini doğrulamak için otonom taşıyıcı araç kullanılarak sensörlerden veriler toplanmış ve gerçek bir fiziksel ortamda çeşitli hata senaryoları oluşturulmuştur. Tek sensör kullanarak ortalama %85 ve çoklu heterojen sensör kullanılarak ortalama %93 hata tahmin doğruluğu elde edilmiştir. Sonuçlarda gösterildiği gibi önerilen evrişimli sinir ağı, daha yüksek tanıma doğruluğu elde etmektedir.
Keywords : Fault diagnosis, Convolutional neural networks, Multi sensor data fusion, Autonomous transport vehicle

ORIGINAL ARTICLE URL