EMO BİLİMSEL DERGİ Aralık`12 December`12
Transkript
EMO BİLİMSEL DERGİ Aralık`12 December`12
Aralık'12 EMO BİLİMSEL DERGİ December'12 Elektrik, Elektronik, Bilgisayar, Biyomedikal Mühendisliği Bilimsel Dergisi Sayı/Number: 4 Cilt/Volume: 2 Yıl/Year: 2012 ISSN: 1309-5501 The Journal of Electrical, Electronics, Computer and Biomedical Engineering Yayın Sahibi TMMOB Elektrik Mühendisleri Odası adına Cengiz GÖLTAŞ Sorumlu Yazı İşleri Müdürü Mehmet BOZKIRLIOĞLU Yayın İdare Merkezi Ihlamur Sokok No: 10 Kat: 4 Kızılay/Ankara Tel: (0312) 425 32 72 Faks: (0312) 417 38 18 http://bilimseldergi.emo.org.tr bilimseldergi@emo.org.tr EMO üyelerine parasız dağıtılır Teknik Editör E. Orhan ÖRÜCÜ Teknik Sekreterya Emre METİN Oylum YILDIR Yayın Türü Yerel süreli yayın 6 ayda bir yayınlanır YAYIN KURULU BAŞ EDİTÖR/EDITOR IN CHIEF Prof. Dr. A. Hamit SERBEST Çukurova Üniversitesi EDİTÖRLER/EDITORIAL BOARD Prof. Dr. Bahri ERCAN Hacettepe Üniversitesi Prof. Dr. Murat EYÜBOĞLU Ortadoğu Teknik Üniversitesi Prof. Dr. H. Altay GÜVENİR Bilkent Üniversitesi Prof. Dr. Hakan KUNTMAN İstanbul Teknik Üniversitesi Basım Adedi 5000 Basım Tarihi Aralık 2012 Sayfa Düzeni PLAR Planlama Yayıncılık Reklamcılık Turizm İnşaat Tic. Ltd. Şti. Yüksel Cad. No: 35/12 Yenişehir-Ankara Tel: (0.312) 432 01 83-93 Faks: (0.312) 432 54 22 e-posta: plarltd@gmail.com Baskı Yeri Mattek Matbaacılık Basım Yayın Tanıtım Tic. San. Ltd. Şti. Adakale Sokak No: 32/27 Kızılay/Ankara Tel: (0312) 433 23 10 • Faks: (0312) 434 03 56 1 9 5 4 TMMOB Elektrik Mühendisleri Odası UCTEA/Chamber of Electrical Engineers EMO BİLİMSEL DERGİ Elektrik, Elektronik, Bilgisayar, Biyomedikal Mühendisliği Bilimsel Dergisi The Journal of Electrical, Electronics, Computer and Biomedical Engineering YAYIN KURULU BAŞ EDİTÖR/EDITOR IN CHIEF Prof. Dr. A. Hamit SERBEST Çukurova Üniversitesi EDİTÖRLER/EDITORIAL BOARD Prof. Dr. Bahri ERCAN Hacettepe Üniversitesi Prof. Dr. Murat EYÜBOĞLU Ortadoğu Teknik Üniversitesi Prof. Dr. H. Altay GÜVENİR Bilkent Üniversitesi Prof. Dr. Hakan KUNTMAN İstanbul Teknik Üniversitesi DANIŞMA KURULU Prof.Dr. Metin AKAY Arizona State University Prof.Dr. Oya KALIPSIZ Yıldız Teknik Üniversitesi Prof.Dr. Mehmet AKŞİT Twente University Prof.Dr. İrfan KARAGÖZ Gazi Üniversitesi Netaş Prof.Dr. Aydın KÖKSAL Bilişim AŞ Prof.Dr. Ayhan ALTINTAŞ Bilkent Üniversitesi Prof.Dr. Volkan ATALAY ODTÜ Tepa AŞ SIEMENS Müjdat ALTAY Serdar BOZKURT Prof.Dr. Alinur BÜYÜKAKSOY GYTE Prof.Dr. Işık ÇADIRCI Hacettepe Üniversitesi Doç.Dr. Hakan ÇAĞLAR Anel Dr. Cybersoft Semih ÇETİN Prof.Dr. İnci ÇİLESİZ İTÜ Pelka Bülent DAMAR Prof.Dr. Oğuz DİKENELLİ Ege Üniversitesi Doç.Dr. Ali Hikmet DOĞRU ODTÜ Dr. IEEE Hakan ERDOĞMUŞ Prof.Dr. Muammer ERMİŞ ODTÜ Prof.Dr. Osman EROĞUL GATA Prof.Dr. H. Bülent ERTAN ODTÜ Doç.Dr. H. Özcan GÜLÇÜR Boğaziçi Üniversitesi Prof.Dr. Yusuf Ziya İDER Bilkent Üniversitesi Prof.Dr. Yorgo İSTEFANAPULOS Işık Üniversitesi Fikret KÜÇÜKDEVECİ Prof.Dr. Duran LEBLEBİCİ Prof.Dr. Kemal LEBLEBİCİOĞLU ODTÜ Turgay MALERİ Gate ELektronik Dr. Ahmet MEREV Tübitak UME Prof.Dr. Banu ONARAL Drexel Üniversitesi Prof.Dr. Sermin ONAYGİL İTÜ Prof.Dr. M. Bülent ÖRENCİK Tübitak MAM Bilişim Enstitüsü Prof.Dr. Aydoğan ÖZDEMİR İTÜ Prof.Dr. Erdal PANAYIRCI Kadir Has Üniversitesi Prof.Dr. Bülent SANKUR Boğaziçi Üniversitesi Tarkan TEKCAN Vestel Dr. Erkan TEKMAN Tübitak UEKAE Prof.Dr. Belgin TÜRKAY İTÜ Ahmet Tarık UZUNKAYA Entes AŞ Prof.Dr. Yekta ÜLGEN Boğaziçi Inform AŞ Davut YURTTAŞ EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası İÇERİK/CONTENTS Önsöz Prof. Dr. A. Hamit Serbest Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro Ortamda Araştırılması............................................................................................................... 63 Investigation of Photothermal Effects of CQ NIR-IR Lasers on Liver Tissue in vitro Fikret Yıldız, Ayşe Sena Sarp, Çağlar Gök, Murat Gülsoy, İnci Çilesiz Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici Tip Dönüştürücünün Performans Analizi....................................................................................... 69 Performance Analysis of Two Phase Interleaved Converter Controlled by Average Sliding Mode Control Fatih Karık Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi.......................................................................................................................................... 77 A Load Flow Analysis for Impacts of Renewable Distributed Generation Conditions on Power Systems Asım Kaygusuz, Ozan Gül, Barış Baykant Alagöz Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli Yükselcilerin Karşılaştırması.......................................................... 87 Comparison of Single Phase Power Factor Correction Boost Converters for Fast and Efficient Charge of Li-ion Batteries Used in Electrical Cars Burak Akın Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans Karşılaştırılması.......................................................................................................................... 95 A Comparison of Text Representation Methods for Turkish Text Classification M. Fatih Amasyalı, Sümeyra Balcı, Esra Nur Varlı, Emrah Mete Tek Robottan Çoklu Robotlara Ortam Haritalama.............................................................. 105 Map Building: From Single Robot to Multirobot Sytems Hakan Karaoğuz, Özgür Erkent, Haluk Bayram, H. Işıl Bozma EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası ÖNSÖZ Değerli Meslektaşlarım, TMMOB Elektrik Mühendisleri Odası’nın yasal sahibi olduğu “EMO Bilimsel Dergi” ikinci yaşını tamamladı. Daha henüz çok genç bir dergi, iki yılın bilimsel bir dergi için çok kısa olduğunun farkındayız. Ancak, derginin yayın süreçlerine sağlanan destek, yayınlara gösterilen ilgi ile geleceğe güvenle bakıyoruz. Dergi veri tabanına 321 meslektaşımız hakem olarak kayıt olmuş durumda. Yayınlanmak üzere gönderilen 80 makalede 115 meslektaşımız ortak yazar olarak yer aldı. Makalelerin incelenmesinde 88 farklı hakem görev yaptı ve bunlardan 29’u birden fazla kere hakemlik yaptı. Dolayısıyla, derginin bilimsel/teknolojik araştırma yayın süreçlerine yaklaşık 500 meslektaşımız doğrudan destek sağlamıştır. Bu dört sayıda yayınlanan 28 makalenin 25’i akademik ve/veya teknolojik bilimsel makale türünde olup 3’ütemalı derleme makaledir. Bunların disiplinlere göre dağılımı ise; %54 elektrik mühendisliği, %14 elektronik mühendisliği, %7 biyomedikal mühendisliği ve %25 bilgisayar mühendisliği şeklinde gerçekleşmiştir. EMO Bilimsel Dergi’ye başvurusu yapılmış, değerlendirme süreci devam eden makale sayısı ile 6’dır. Derginin her sayısı 5.000 adet basılmış ve 2760’ı Türkiye’deki üniversitelerin ilgili fakülteleri, bölüm başkanlıkları, öğretim elemanları olmak üzere teknokent şirketlerine, Ar-Ge merkezlerine, Bakanlık ve TÜBİTAK destekleri ile Ar-Ge yapan şirketlere gönderilmiştir. Bilindiği gibi, dergiye web üzerinden de erişim sağlanmaktadır. Ayrıca, dergi için yeni bir web sitesi tasarlanarak daha kullanışlı hale getirildi. Yeni sitenin, yayına girdiği 3 Ocak 2013 tarihinden bugüne (6 Şubat 2013) kadar 1009 farklı IP adresinden ziyaret edildi. ODTÜ Elektrik-Elektronik Mühendisliği Bölümü öğretim üyesi Sayın Prof. Dr. Kemal Leblebicioğlu “Savunma Teknolojileri” konusunda Konuk Editör olarak 2013 yılında yayımlanmak üzere bir özel sayı hazırlamaktadır. İTÜ Elektrik Mühendisliği Bölümü öğretim üyesi ve ELECO 2012 Düzenleme Kurulu Başkanı Sayın Prof. Dr. Özcan Kalenderli de Konuk Editör olarak ELECO 2012 Özel Sayısı çalışmalarını yürütmektedir. Meslektaşlarımızın güvenini sarsmadan ve desteklerini alarak derginin saygınlığını yükseltmek temel hedefimizdir. Öncelikli adım, yurt içinde üniversitelerimizin akademik atama ve yükseltme ölçütlerinde dikkate alınan bir dergi olmak. Bir sonraki adım ise çok sayıda bilimsel atıf alan ve uluslararası endekslerce taranan dergiler arasına girebilmek. Dünya çapında etki değeri (impact factor) yüksek bilimsel dergileri kapsayan çok disiplinli atıf indekslerinden oluşan ISI kapsamında tüm bilim alanlarında Türkiye’den taranan dergi sayısı 2012 yılı itibariyle 74’tür. Bunlar arasında tüm mühendislik disiplinlerindeki dergi sayısı dört, EMO Bilimsel Dergi’nin disiplinleri olan elektrik, elektronik, bilgisayar ve biyomedikal alanlarında Thomson Reuters ISI kapsamında olan dergi sayısıysa sadece 1’dir. Bu yayın azlığı ve yayın dillerinin Türkçe olmaması sebebiyle özellikle sanayide yapılan çalışmalar ile Türkçe yapılmış bilimsel çalışmalar hem ulusal hem de uluslararası akademik dünyaya etkin bir biçimde aktarılamamaktadır. EMO Bilimsel Dergi’yi uluslararası bilimsel standartlara ve uluslararası veri tabanlarına uygun olarak hazırlayarak bu etkinliği artırmak amaçlanmaktadır. En az ulusal düzeyde bilimsel/teknolojik özgünlük içeren araştırmaları Türkçe yayımlayarak akademik çalışmaları sanayiye ve sanayide yapılan çalışmaları da akademik ortama taşıma hedefinden sapmadan EMO Bilimsel Dergi sürdürülebilir kılınmalı. Bu amaçla katkı yapacak meslektaşlarımızın sayısının hızla artacağına inanıyoruz. Saygılarımızla, Prof. Dr. A. Hamit SERBEST Yayın Kurulu Adına EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası Yıldız F. Sarp A. S., Gök Ç., Gülsoy M., Çilesiz İ., Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro Ortamda Araştırılması, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 63-67, Aralık 2012 Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro Ortamda Araştırılması in vitro Ortamda Araştırılması Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro Ortamda Araştırılması Investigation of Photothermal Effects of CW NIR-IR Lasers on Liver Tissue in Investigation of Photothermal Effectsvitro of CW NIR-IR Lasers on Liver Tissue in Investigation of Photothermal Effectsvitro of CW NIR-IR Lasers on Liver Tissue in vitro Fikret YILDIZ1,2, Ayşe Sena SARP3,Çağlar GÖK3,Murat GÜLSOY3, İnci ÇİLESİZ1 Fikret YILDIZ1,2, Ayşe Sena SARP3,Çağlar GÖK3,Murat GÜLSOY3, İnci ÇİLESİZ1 1 3 Elektronik Mühendisliği Fikret YILDIZ1,2, Ayşe 1Sena SARP3Haberleşme ,Çağlar GÖK ,Murat GÜLSOY3, İnci ÇİLESİZ1 Elektronik Mühendisliği İstanbulHaberleşme Teknik Üniversitesi 1 yildizfi@itu.edu.tr, cilesiz@itu.edu.tr İstanbulHaberleşme Teknik Üniversitesi Elektronik Mühendisliği yildizfi@itu.edu.tr, cilesiz@itu.edu.tr 2 İstanbul Teknik Üniversitesi Biyomedikal Mühendisliği Bölümü yildizfi@itu.edu.tr, cilesiz@itu.edu.tr 2 Biyomedikal Mühendisliği Hakkari ÜniversitesiBölümü 2 fikretyildiz@hakkari.edu.tr Hakkari ÜniversitesiBölümü Biyomedikal Mühendisliği fikretyildiz@hakkari.edu.tr 3 Hakkari Üniversitesi Biyomedikal Mühendisliği Enstitüsü, Biyofotonik Laboratuvarı fikretyildiz@hakkari.edu.tr 3 Biyomedikal Mühendisliği Enstitüsü, Biyofotonik Laboratuvarı Boğaziçi Üniversitesi 3 aysesena.sarp@gmail.com,mcagok@gmail.com,murat.gulsoy@gmail.com. Boğaziçi Üniversitesi Biyomedikal Mühendisliği Enstitüsü, Biyofotonik Laboratuvarı aysesena.sarp@gmail.com,mcagok@gmail.com,murat.gulsoy@gmail.com. Boğaziçi Üniversitesi aysesena.sarp@gmail.com,mcagok@gmail.com,murat.gulsoy@gmail.com. performed using H&E staining. Measurements and histology were compared contrasted. observationsand showed that performed usingand H&E staining.Our Measurements histology 1940 nm interacts liver tissue due to relatively were compared andwith contrasted. Our quickest observations showed that performed using H&E staining. histology higher coefficient atMeasurements this wavelength. Largest 1940 nmabsorption interacts with liver tissue quickest dueand to relatively were compared and coefficient contrasted. observations showed that tissue damage occurred at 1940Our Damage volumes were higher absorption atnm. this wavelength. Largest mesafeden oluşan karaciğer ışılısıl zararın (koagülasyon, dalgaboylu uygulanarak, üç farklı laser, dokusuna 1 cm 1940 nm interacts with liver tissue quickest due to relatively Bu çalışmasında, NIR-IR (1070 nm, 980 nm ve 1940 nm) highest at 980 nm than at 1070 nm. tissue damage occurred at 1940 nm. Damage volumes were ısıl yanık veuygulanarak, ablasyon) zamansal ve boyutsal (çap ve derinlik) mesafeden oluşan ışılısıl zararın (koagülasyon, higher at absorption coefficient at this wavelength. Largest dalgaboylu üç farklı laser, karaciğer dokusuna 1 cm highest 980 nm than at 1070 nm. tespiti yapılmıştır. Ölçülen değerler, istatistiksel fark ısıl yanık ve ablasyon) zamansal ve boyutsal (çap ve (p<0,05) derinlik) tissue damage occurred at 1940 nm. liver Damage volumes mesafeden uygulanarak, oluşan ışılısıl zararın (koagülasyon, Keywords:1070 nm, 980nm, 1940 nm, tissue, (H&E) were göz önüne alınarakÖlçülen karşılaştırmalı değerlendirilmiştir. tespiti yapılmıştır. değerler,olarak istatistiksel fark (p<0,05) highest at 980 nm than at 1070 nm.nm, liver tissue, (H&E) ısıl yanık ve ablasyon) zamansal ve boyutsal (çap ve derinlik) staining Keywords:1070 nm, 980nm, 1940 Dokuda oluşan koagülasyon çap ve derinliği önce göz önüne alınarak karşılaştırmalı olarak değerlendirilmiştir. tespiti yapılmıştır. Ölçülen değerler, istatistiksel fark (p<0,05) staining makroskopik olarak (kalipiyer ile)çap dahavesonra da histolojik Dokuda oluşan koagülasyon derinliği önce Keywords:1070 nm, 980nm, nm, liver tissue, (H&E) göz önüne alınarak karşılaştırmalı olarak 1. 1940 Giriş olarak (H&E boyaması ile) ile) ölçülerek karşılaştırılmıştır. makroskopik olarak (kalipiyer daha değerlendirilmiştir. sonra da histolojik staining Dokuda oluşan koagülasyon çap ve derinliği önce Ölçüm sonuçlarına göre, 1940 nm dalgaboyu, doku 1. Giriş olarak (H&E boyaması ile) ölçülerek karşılaştırılmıştır. Laser kaynaklı ışılısıl tedavi, lokal tümör tedavisinde makroskopik olarak (kalipiyer ile) daha sonraiçin da histolojik tarafından soğurulması daha fazlanm olduğu en doku hızlı Ölçüm sonuçlarına göre, 1940 dalgaboyu, kullanılan ve araştırılmaya devam edilen bir tedavisinde yöntemdir. Laser kaynaklı ışılısıl1. tedavi, lokal tümör Giriş olarak (H&E boyaması ile)oluşturan ölçülerek karşılaştırılmıştır. etkileşime girip doku hasarı dalgaboyu tarafından soğurulması daha fazla olduğu için olmuştur. en hızlı Araştırmaların yoğunlaştığı devam alanlardan biri birde yöntemdir. karaciğer kullanılan ve araştırılmaya edilen Ölçüm sonuçlarına göre, 1940 nm dalgaboyu, doku Birim zamanda büyük dokuoluşturan hasarı yine bu dalgaboyunda etkileşime girip en doku hasarı dalgaboyu olmuştur. Laser kaynaklı ışılısıl tedavi, lokal tümör tedavisinde dokusudur. Karaciğer, batılı ülkelerde akciğer ve meme Araştırmaların yoğunlaştığı alanlardan biri de karaciğer tarafından soğurulması daha fazla olduğu için en hızlı oluşmuştur. 980 en nmbüyük dalgaboyu laser demet ve uygulama Birim zamanda doku hasarı yine çapı bu dalgaboyunda kullanılan veKaraciğer, araştırılmaya devam edilen birsebebi yöntemdir. olan kanserinden sonra üçüncü en önemli ölüm dokusudur. batılı ülkelerde akciğer ve meme etkileşime girip doku hasarı dalgaboyu olmuştur. süresinin daha olması oluşturan nedeniyle hacimsel bu oluşmuştur. 980 büyük nm dalgaboyu laser demet çapı vehasar uygulama Araştırmaların yoğunlaştığı alanlardan biri de karaciğer kolorektal kanserlerin toplandığı önemli merkezlerdendir [1]. olan kanserinden sonra üçüncü en ölüm sebebi Birim zamanda en büyük doku hasarı yine bu dalgaboyunda dalgaboyunda yüksekolması değerlerdedir. süresinin dahaenbüyük nedeniyle hacimsel hasar bu dokusudur.kanserlerin Karaciğer, batılı ülkelerde akciğer veönceliği meme Karaciğer tümör tedavisinde birinci tedavi kolorektal toplandığı önemli merkezlerdendir [1]. oluşmuştur. 980 dalgaboyu laser demet çapı ve uygulama dalgaboyunda ennm yüksek değerlerdedir. olan kanserinden tümör sonra üçüncü en önemli ölüm sebebi ameliyattır. Ancak hastaların sadece %10-20’si cerrahi Karaciğer tedavisinde birinci tedavi önceliği süresinin daha büyük olması nedeniyle hacimsel hasar bu Anahtar kelimeler:1070 nm, 980 nm, 1940 nm, karaciğer kolorektal toplandığı [1]. operasyonakanserlerin uygundur. Bu nedenleönemli çeşitli merkezlerdendir alternatif ameliyattır. Ancak hastaların sadece %10-20’siyöntemler cerrahi dalgaboyunda en yüksek değerlerdedir. dokusu, boyaması Anahtar (H&E) kelimeler:1070 nm, 980 nm, 1940 nm, karaciğer Karaciğer tümörBu tedavisinde birinci tedavi yöntemler önceliği araştırılmaktadır. yöntemlerden biri de laserin dokudaki operasyona uygundur. Bu nedenle çeşitli alternatif dokusu, (H&E) boyaması ameliyattır. hastaların cerrahi ısıl etkisindenAncak yararlanmaktır [2]. sadece araştırılmaktadır. Bu yöntemlerden biri de%10-20’si laserin dokudaki Anahtar kelimeler:1070 nm, 980 nm, 1940 nm, karaciğer operasyona uygundur. Bu nedenle çeşitli alternatif yöntemler Laser-doku etkileşimi hem doku parametrelerine (soğurma ısıl etkisinden yararlanmaktır [2]. dokusu, (H&E) boyaması araştırılmaktadır. Bu yöntemlerden biri de laserin dokudaki Abstract katsayısı, saçılma katsayısı, faktörü, ısıl iletkenlik, Laser-doku etkileşimi hemanizotropi doku parametrelerine (soğurma ısıl etkisinden yararlanmaktır [2]. ısıl kapasite ve mekanik dayanıklılık) hem de laser Abstract katsayısı, saçılma katsayısı, anizotropi faktörü, ısıl iletkenlik, In this experimental study, three different laser sources in the Laser-doku etkileşimi hem doku parametrelerine (soğurma parametrelerine (dalgaboyu, uygulama süresi, uygulama ısıl kapasite ve mekanik dayanıklılık) hem de laser NIR-IR region, 980 nm, 1070 nm,different and 1940 nmsources were applied In this experimental study, three laser in the Abstract katsayısı,sürekli saçılma katsayısı, faktörü, ısıllaserin iletkenlik, enerjisi, yada darbe anizotropi modunda kullanımı, enerji parametrelerine (dalgaboyu, uygulama süresi, uygulama from 1 region, cm distance on 1070 livernm, tissue. NIR-IR 980 nm, and Photothermal 1940 nm were damage applied ısıl kapasite ve darbe mekanik dayanıklılık) hem deenerji laser yoğunluğu, güç yoğunluğu) bağlıdır [3]. Dokuya uygulanan enerjisi, sürekli yada modunda kullanımı, laserin In this1experimental study, three different laser inasthe (coagulation, carbonization andtissue. ablation) was sources assessed a from cm distance on liver Photothermal damage parametrelerine (dalgaboyu, uygulama süresi, uygulama laser enerjisinin doku tarafından soğurulan kısmı ısıya yoğunluğu, güç yoğunluğu) bağlıdır [3]. Dokuya uygulanan NIR-IR region, 980 nm, 1070 nm, and 1940 nmassessed were applied function of exposure time, and damage dimensions (diameter (coagulation, carbonization and ablation) was as a enerjisi, sürekli darbe modunda kullanımı, dönüştürülür veyada doku hasarı oluşur [4](Şekil 1.1).laserin laser enerjisinin doku tarafından soğurulan kısmı enerji ısıya from 1 cm distance on liver tissue. Photothermal damage and depth) were measured. Results were statistically function of exposure time, and damage dimensions (diameter yoğunluğu, güç yoğunluğu) bağlıdır [3]. Dokuya uygulanan dönüştürülür ve doku hasarı oluşur [4](Şekil 1.1). (coagulation, carbonization and ablation) was assessed as a (p<0.005) and histological were and depth) analyzed were measured. Results evaluations were statistically laser enerjisinin doku tarafından soğurulan kısmı ısıya function damage dimensions (diameter (p<0.005)of exposure analyzed time, andand histological evaluations were dönüştürülür ve doku hasarı oluşur [4](Şekil 1.1). and depth) were measured. Results were statistically (p<0.005) analyzed and histological evaluations were Özet Özet Bu çalışmasında, NIR-IR (1070 nm, 980 nm ve 1940 nm) dalgaboylu üç farklı laser, dokusuna cm Bu çalışmasında, NIR-IR (1070 nm, 980 nm ve 19401 nm) Özetkaraciğer 63 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 Şekil 1.1: Laser enerjisinin ısıya dönüşümü ve doku hasarı oluşumu [4] Uygulama süresine bağlı olarak dokuda sırasıyla hipertermi, koagülasyon (ısıl haraplama), ablasyon (doku kaldırılması), karbonizasyon (yanık) ve doku parçalanması oluşur. Koagülasyon 55 ile 95 °C arasında doku proteinlerinin geridönüşümü olmayan hasara uğraması olarak tanımlanır. 100 ºC civarında buharlaşma ve ablasyon başlarken 150 ºC’den sonra karbonizasyon başlar. Laser tedavisinde tedaviye bağlı olarak çeşitli dalgaboyunda laserler koagülasyon, karbonizasyon ve ablasyon için kulllanılabilir. Yakın kızılaltı (NIR) ve kızılaltı (IR) dalgaboylu laserlerle doku kesimi ve ablasyonu için uygundur ve baskın olan doku soğurganı su molekülüdür. Laserin doku tarafından soğurulma derecesi dokuda oluşan hasarın derecesini belirler. Laserin dokuda daha az soğurulması laser enerjisinin daha derinlere inebileceği anlamına gelir. Dokunun yüksek soğurma katsayısı da dokunun daha kolay ablasyona uğramasına sebep olur [58]. Literatürde, laser-doku etkileşim mekanizmaları sadece laser parametreleri açısından incelendiğinde bu etkileşimler sonucu oluşan mekanizmaların sınıflandırılması enerji yoğunluğu (J/cm2), güç yoğunluğu (Watt/cm2) ve uygulama süresine (sani ye) göre yapılmaktadır (Şekil 1.2). TMMOB Elektrik Mühendisleri Odası Laserin dalgaboyu, dokuda oluşan saçılma ve soğurulmayı belirler (Şekil 1.3). Enerji yoğunluğu da oluşan ısıl hasarın boyutunu belirlemede önemli bir parametredir [10]. Laser dokuya düz (bare) ve saçıcı (diffusing) fiber optik kullanılarak uygulanabilir ve istenilen uygulamaya göre bu iki fiberden biri seçilebilir [11]. Çapı 200-600 µm arasında değişen düz fiberin avantajı kolaylıkla dokuya uygulama imkanı vermesi ve küçük çapta ısıl hasar için uygun olmasıdır [12]. Laser-doku etkileşiminde temel amaç, tedaviye ek olarak tedavi sırasında hedef bölgenin çevresindeki sağlıklı dokuların da korunmasıdır. Bunun için çeşitli dalgaboyları araştırılmaktadır ve hücre ölümünün başladığı koagülasyon için sıcaklık değerleri ve uygulama sürelerinin eşik değerleri belirlenmesi önemlidir [5,13]. Bununla beraber karbonizasyon ve ablasyon uygulamaları için de ablasyon ve karbonizasyon başlama sürelerinin belirlenmesi de sağlıklı dokuların minimum hasarı için önemlidir. Şekil 1.3: Karaciğer dokusunun soğurma katsayısının üç farklı dalgaboyuna göre değişimi [14] Bu çalışmada, in vitro ortamda karaciğer dokusunda 1070 nm, 980nm ve 1940 nm dalgaboylarının koagülasyon, karbonizasyon başlama süreleri ölçülmüştür ve ablasyon etkinliği gözlenmiştir. Bu uygulama sürelerinde oluşan ısıl hasarın boyutu makroskopik ve histolojik olarak değerlendirilmiştir. Ayrıca çevre dokuların uygulama süresi boyunca en az zarar görmesi için önemli bir parametre olan güvenli zaman aralığı (koagülasyon ile karbonizasyon arasındaki süre) tanımı yapılmıştır. 2.Materyal/Yöntem Şekil 1.2: Laser doku laser doku etkileşim mekanizmaları [9]. Etkileşim mekanizmalarının oluşması için gerekli enerji yoğunluğu 1-1000 J/cm2 arasında değişirken güç yoğunluğu 10-3 -1015 W/cm2 arasında değişmektedir. Güç yoğunluğu ve uygulama süresi arasındaki ilişkiden yararlanarak bütün etkileşim mekanizmaları için gerekli enerji yoğunluğunun neredeyse aynı aralıkta olduğu sonucu çıkarılabilir. Sonuç olarak laser-doku etkileşim mekanizmalarının oluşması birinci dereceden laser uygulama süresine bağlıdır. 64 Mahalle kasabından taze olarak alınan dana karaciğeri standart olarak 4 mm ± 1 mm kalınlıkta ve 6 cm ± 0,5 cm çapında kesilmiştir. 1070 ve 980 nm dalgaboyları 4-10W, 1940 nm dalgaboyu da 1-3 W güç aralığında karaciğer dokusuna 1 cm mesafeden koagülasyon ve karbonizasyon oluşana kadar 600 µm çaplı düz (bare) fiberle uygulanmıştır. Laserin dokuda oluşturduğu hasar, laserin güç yoğunluğuyla doğru orantılı olduğundan değerlendirmeler güç yoğunluğuna göre yapılmıştır. Güç yoğunluğu (ϕ, Watt/mm2) aşağıdaki formülle hesaplanmıştır. P doku üzerine uygulanan güç değerini, A ise laser demet alanını göstermektedir. (1) Yıldız F. Sarp A. S., Gök Ç., Gülsoy M., Çilesiz İ., Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro Ortamda Araştırılması, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 63-67, Aralık 2012 1070 nm dalgaboylu laser kaynağı için laser demet çapı 1,2 mm, 980 nm diyot laser için 2,4 mm ve 1940 nm Tm – fiber laser için 1,9 mm olarak ölçülmüştür. Doku üzerinde laser demet çapları ölçüldüğü için, optik fiberin sayısal açıklık değeri ayrıca ölçülmemiştir. Buna göre dokuya uygulama 1070 nm’de 3,5-8,8 W/mm2 , 980 nm’de 0,8-2,2 W/mm2 ve 1940 nm dalgaboyunda 0,35-1,05 W/mm2 güç yoğunluğu aralığında yapılmıştır. 2.1 Histolojik ve makroskopik değerlendirme Laser uygulanması kesildikten sonra doku örnekleri laserin uygulama yönüne paralel olarak kesilerek eksenel ve radyal doku hasarı belirlenmiştir. Bu çalışmada histolojik değerlendirmeler için Hematoksilen-Eosin (H&E) boyaması kullanılmıştır. Doku takibine başlamadan önce, karaciğer doku örnekleri %10’luk nötral formalin çözeltisinde 48 saat süreyle bekletilerek dokunun mevcut durumunu koruması sağlanmıştır. Dokular formalin çözeltisinden çıkarıldıktan sonra, kasetlere yerleştirilmiş ve dehidrasyon işlemine tabi tutulmuştur. Dehidrasyon işlemi, 12 adımdan oluşmaktadır ve Leica TP1020 Vakumlu Doku Takip Cihazı ile gerçekleştirilmiştir. Doku takibi yapılan doku örneklerinin daha sonraki safhada parafine gömülebilmesi için, doku takibinden alınan kasetler gömme cihazının 60 °C sıcaklıkta olan bölümlerinde bekletilmiştir. Kasetlerdeki dokuları metal kaplara gömmek için ayrı ayrı çıkartılarak gömme işlemine hazırlanmıştır. Parafine gömülmüş dokulardan kesit alma işlemi, 5-10 µm kalınlığında kesit alabilen otomatik mikrotom ile yapılmıştır (Leica RM2255, Germany) ve histolojik görüntüler mikroskop altında incelenmiştir. Makroskopik ölçümler de kalipiyer ile yapılmıştır. Ölçümler arasındaki varyans değerlerini karşılaştırmak için ANOVA (Analysis of variance) testi uygulanmıştır ve fark seviyesi p<0,05 kabul edilmiştir. Farklı uygulama güçleri arasında karşılaştırma yapmak için 980 nm ve 1070 nm için fark seviyesi p < 0,007, 1940 nm için de fark seviyesi p<0,01 olarak kabul edilmiştir.Varyansları eşit olan gruplar için Tukey testi, varyansları eşit olmayan gruplar için Tamhane’s 2 testi kullanılmıştır. %37’ye düştüğü derinlik olarak tanımlanır ve aşağıdaki gibi formülize edilir [15-17]. (2) µt dokunun toplam zayıflatma katsayısını göstermektedir. Optik girginlik 980 nm için 1,9 mm, 1070 nm için 4,7 mm ve 1940 nm için de 0,0625 mm olarak kabul edilmiştir [14,18]. 980 nm laser dalgaboyunun soğurulması 1940 nm dalgaboyuna göre daha düşük olduğundan ve dokudaki saçılması büyük olduğundan oluşan normalize koagülasyon çapı değerleri de daha büyüktür ve güç yoğunluğunun artışıyla azalmaktadır (p<0,007). 1070 nm dalgaboyunda güç yoğunluğunun artması koagülasyon çapını da arttırmaktadır (Şekil 3.1). 1070 nm dalgaboyunda 3 ve 3,7 W/mm2 güç yoğunluklarının, ayrıca yine aynı dalgaboyunda 4,5, 5,3, 6, 6,8 ve 7,5 W/mm2 güç yoğunluklarının oluşturduğu koagülasyon çaplarının kendi aralarında anlamlı bir fark bulunmamıştır (p>0,007). 1940 nm dalgaboyunda, üç farklı laser uygulama değerinin (0,3; 0,6 ve 0,9 W/mm2) oluşturduğu koagülasyon çapı, güç yoğunluğu artışıyla doğrusal olarak değişmesine rağmen, bu değişim istatistiksel olarak bir anlamlı değildir. 1940 nm için oluşan koagülasyon çapı uygulanan güç değişkeninden bağımsızdır (p>0,01). 980 nm dalgaboyunun koagülasyon çapı değeri, güç yoğunluğu artışıyla beraber azalarak laser demet çapına yaklaşırken 1070 nm dalgaboyun da güç yoğunluğundaki artışla beraber koagülasyon çapı da artış eğilimi göstererek laser demet çapına yaklaşmaktadır. Üç dalgaboyunun genel bir güç yoğunluğu-ısıl hasar karakteristiği belirlemek için, ölçüm aldığımız güç yoğunluğu aralığındaki değerleri kullanarak her dalgaboyu için eğri uydurması (kestirimi) yapılmıştır. (Nokta değerler ölçülen değerleri, kesik çizgiler de ölçüm sonuçlarıyla en uygun eğrileri göstermektedir) 3. Sonuç Ölçümlerde koagülasyona başlama süresi (t1 ,sn) ve bu sürede dokuda oluşan koagülasyon çapı (ɸ, mm) ölçülmüştür. Karbonizasyonu gözlemlemek için laser doku yüzeyine karbonizasyon oluşuncaya kadar uygulanmıştır. Bu karbonizasyon süresi (t2, sn) kaydedilmiştir ve bu sürede oluşan koagülasyon derinliği ölçülmüştür. Laserin karaciğer dokusuna önce koagülasyon başlama süresine kadar sonra da karbonizasyon başlayana kadar uygulanmasıyla elde edilen ölçümleri kullanarak üç farklı dalgaboyunun farklı uygulama güçleri için güvenli süre aralığı belirlenmiştir. Histolojik ölçümlerde de (t3 = t2-t1, sn) koagülasyon ve karbonizasyon başlama süresinde dokuda oluşan ısıl hasarlar gözlenmiştir. Ölçüm sonuçlarının gösterildiği grafiklerde, koagülasyon çap değerleri, oluşan ısıl hasarın (koagülasyon) laser demet çapından bağımsız karşılaştırılmasını yapabilmek için laser demet çapına normalize edilmiştir. Koagülasyon derinliği de laserin dokudaki optik girginliğe normalize edilerek grafikler çizilmiştir. Optik girginlik laserin başlangıç enerji değerinin Şekil 3.1: Güç yoğunluğuna (koagülasyon) çapı değişimi göre ısıl haraplama Üç farklı dalgaboyundaki laser kaynaklarının ısıl haraplama başlama sürelerini karşılaştıracak olursak, güç yoğunluğu artışı ile üç dalgaboyu için de ısıl haraplama başlama zamanı azalmaktadır. Koagülasyona(ısıl haraplama) başlama süresi, 980 nm de 1,4 W/mm2’den sonra güç yoğunluğundan bağımsızdır. 1070 nm için 4,5, 5,3 ve 6 W/mm2 güç yoğunlukları ve 1940 nm’de 0,6 ve 0,9 W/mm2 güç yoğunluklarının koagülasyona başlama süreleri arasında istatistiksel olarak anlamlı bir fark yoktur. Çalışılan güç yoğunluklarında 980 nm’nin ısıl haraplamaya (koagülasyon) başlama süresi 1070 nm dalgaboyununundan daha büyüktür (Şekil 3.2). Bunun sebebi, 980 nm dalgaboyunun güç 65 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 yoğunuğunun 1070 nm dalgaboyunun güç yoğunluğundan daha düşük olması ve saçılmasının daha büyük olmasıdır. 980 nm dalgaboyu, koagülasyon eşik değerinin aşılması için daha uzun süre dokuya uygulanmıştır. Şekil 3.2: Güç yoğunluğuna göre ısıl haraplama başlama süresi TMMOB Elektrik Mühendisleri Odası Üç dalgaboyu için de güç yoğunluğu artışıyla oluşan normalize koagülasyon derinliği arasında yaklaşık doğrusal bir değişim izlenmişse de bu değişimler istatistiksel olarak anlamlı bulunmamıştır. Özelikle 1940 nm ışıma dalgaboyunda sınırlı sayıda veri elde edilebildiği için önemli bir değişim görülmemiştir. 980 nm ve 1070 nm dalgaboylarının uygulama süresi ve güç yoğunlukları farklı olmasına rağmen oluşan koagülasyon derinlikleri arasında anlamlı bir fark yoktur. Laser uygulanması sırasında dokunun ölmeye başladığı sınır değerlerinin belirlenmesi çevre dokuların daha az zarar görmesi açısından önemlidir. Bu nedenle güvenli süre aralığı olarak tanımladığımız sürede laser dokuya güvenli bir şekilde uygulanabilir. 980 nm dalgaboyunda 1,4 W/mm2 ’den sonraki güç yoğunlukları için güvenli süre aralığı arasında anlamlı bir değişim yoktur. 980 nm’de güvenli süre aralığının zamanla değişimi daha hızlıdır. 1070 nm dalgaboyunda da 4,5W/mm2 ’den sonra güç yoğunluğu artsa da güvenli süre aralığı için değişim istatistiksel olarak anlamsızdır. 1940 nm’de ise üç farklı güç yoğunluklarında güvenli süre aralığı farklıdır ve zamanla azalmaktadır (Şekil 3.5). Karbonizasyona (yanık) başlama süresinde de üç dalgaboyu için zamanla azalan bir değişim vardır. Dokuda koagülasyon sonucu oluşan haraplama çapı arttığında iletkenlik azalır ve doku soğurduğu ısıyı dağıtamaz ve yanık oluşur. 980 nm için 0,8-2 W/mm2, 1070 nm için 6, 6,8 ve 7,5 W/mm2 güç yoğunluğu aralığı için karbonizasyona başlama süreleri arasında anlamlı bir istatistiksel fark yoktur (p>0,007). 1070 nm dalgaboyunda güç artışıyla karbonizasyon başlatma süresi arasındaki ilişkiyi gösteren eğri daha yavaş bir düşüş gösterirken, 980 nm için bu düşüş daha keskindir. 1940 nm dalgaboyunda 0,6- 0,9 W/mm2 için karbonizasyon oluşturma süreleri arasındaki fark istatistiksel olarak anlamlı değildir (Şekil 3.3). Bu sürede (t2, sn) oluşan normalize koagülasyon derinliği değerleri Şekil 3.4’tedir. Şekil 3.5: Güç yoğunluğu ile güvenli süre arasındaki ilişki Şekil 3.3: Farklı güç yoğunluklarında üç farklı dalgaboyuna sahip laserlerin dokuda yanık olayını başlatmaları için geçen süre Şekil 3.4: Optik girginliğe normalize koagülasyon değerleri 66 Düşük güç yoğunluğuna rağmen (0,3, 0,6, 0,9 W/mm2) 1940 nm dalgaboyu karbonizasyon için en tehlikeli dalgaboyudur. Suyun soğurma katsayısı bu dalgaboyu civarında diğer iki dalgaboyuna göre daha fazla olduğu için soğurulan laser enerjisinin hızlı bir şekilde ısıya dönüştürülüp derinlere ilerleyemeden hasar oluşturduğunu gözlemledik. Laser dokuda eksenel olarak ilerlediğinden ve makroskopik boyutta, oluşan eksenel hasarı direkt göremediğimiz için histolojide en çok kullanılan H&E boyaması yapılmıştır. Şekil 3.6’ da 1940 nm’ de 0,3 W/mm2 güç yoğunluğunda dokuda oluşan ısıl hasar gösterilmiştir. Histolojik görüntülerde koagülasyon, karbonizasyon ve ablasyon sınırlarının belirlenmesi doku parçalanması ve renk yoğunluğu kullanılmıştır. Koagülasyon bölgesi referans olarak aldığımız karaciğer dokusuna göre biraz daha açık renklidir ve bu bölgede doku gevşemeleri oluşmuştur. 1940 nm dalgaboyu karaciğer dokusunda hem ablasyonu hem de karbonizasyonu etkili bir şekilde oluşturduğu için en iyi sonuçları bu dalgaboyunda gözlemledik. Yıldız F. Sarp A. S., Gök Ç., Gülsoy M., Çilesiz İ., Sürekli Dalga NIR-IR Dalgaboylarının Karaciğerde Oluşturduğu Isıl Etkilerin in vitro Ortamda Araştırılması, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 63-67, Aralık 2012 [3] Şekil 3.6 : 1.Bölge; Yanık bölgesini, 2.Bölge Isıl haraplanma bölgesini , 3.Karaciğer dokusunu göstermektedir. 4. Tartışma Karaciğer dokusunda, radyal doku hasarı oluşturmak için 980 nm’de 1 W/mm2 (sistemimizde 5 W), 1070 nm’de ise 4,5 W/mm2 güç yoğunluğu (sistemimizde 6 W) değerleri en yüksek uygulama değerleri olarak kabul edilebilir. Bu güç yoğunluklarından daha yüksek güç yoğunluğu dokuda anlamlı bir koagülasyon çapı değişimi oluşturmaz ve sadece çevre dokuların daha fazla haraplanmasına sebep olur. 1940 nm dalgaboyunda da 0,3 W/mm2 (sistemimizde 1 W) koagülasyon çapı için en uygun değeridir. 1070 nm dalgaboyu doku tarafından daha az soğurulduğu için en güvenli dalgaboyudur. 1070 nm’de güç yoğunluğu artışıyla bu güvenli süre aralığı plato oluşturma eğilimindedir. 980 nm dalgaboyunun laser demet çapından dolayı dokunun birim alanındaki enerji yoğunluğu daha azdır ve 1940 nm dalgaboyuna göre daha güvenlidir. 980 ve 1940 nm dalgaboylarının güvenli süre aralıkları güç yoğunluğuyla üstel bir değişim gösterir. 1940 nm dokuyla hızlı bir etkileşime girmesinden dolayı uygulamalarda el ile kontrol yerine bilgisayar kontrollü yapmak çevre dokuların korunması için uygun olabilir. Ablasyon için en uygun dalgaboyu 1940 nm’dir ve üç farklı güç yoğunluğunda da ablasyon oluşmuştur. 1940 nm’de ablasyonla beraber hemen karbonizasyon oluştuğundan, karbonizasyon derinliği ablasyon derinliği olarak kabul edilebilir. 1070 nm dalgaboyunda 3-7,5 W/mm2 güç yoğunluğu aralığında ablasyon oluşmazken 980 nm dalgaboyunda ise sadece 1,6 W/mm2 güç yoğunluğunda ablasyon oluşmuştur. 5.Teşekkürler Bu çalışma İTÜ-BAP 3544 I-Tipi proje desteği ile tamamlanmıştır. Boğaziçi Üniversitesi Biyomedikal Enstitüsü ve Biyofotonik Laboratuvarı’na 1070 nm ve 1940 nm laserlerini kullanma fırsatı ve histolojik analize verdikleri katkıdan dolayı teşekkürlerimizi sunarız. 6.Kaynaklar [1] Vogly, J.T., Eichler, T., Straub, R., Engelmann K., Zangos, S., Woitaschek, D., Böttger, M. and Mack, M.G. “Laser-induced thermotherapy of malignant liver tumors: general principals, equipment(s), procedure(s) – side effects, complications and results”. European Journal of Ultrasound. 13 : 117–127,2001. [2] Ortw, K., Russ, D., Duerr, J., Hıbst, R.,Mattfeldt, T., Steiner, R., Beger, H.G. ”Laser Coagulation Zones Induced with the Nd-YAG Laser in the Liver” Lasers in Medical Science , 12:137-143,1997. Çilesiz, İ. “Laser–Tissue Interactions.” In Encyclopedia of Optical Engineering. DOI: 10.1081/E-EOE 120009714,2004. [4] Watanabe, S.. “Basics of laser application to dermatology”. Archive of Dermatological Research, volume 300, Supplement 1, 21–30. DOI 10.1007/s00403-007-0801-6,2008. [5] Heisterkamp, J., van Hillegersberg, R., and IJzermans, J.N.M. “Critical Temperature and Heating Time for Coagulation Damage: Implications for Interstitial Laser Coagulation (ILC) of Tumors” Lasers in Surgery and Medicine 25:257–262,1999. [6] Geldi C., Bozkulak Ö., Tabakoğlu Ö., İşçi Ş., Kurt A., and Gülsoy M. “Development of a Surgical Diode-Laser System: Controlling the Mode of Operation” Photomedicine and Laser Surgery, 24, 723-729,2006 [7] Javad, M.M., Abdul Qader, S.T., Zaidan, A.A., Naji, A.A ve Abdul Qader, I.T.”An overwiew of laser principle, Laser-Tissue Interaction Mechanisms and Laser Safety Precaution for Medical Laser Users”.International Journal of Pharmacology 7(2): 149160. ISSN 1811 7775/DOI:10.3923/ijp.2011.149.160 ,2011. [8] Raulin, C., and Karsai (eds.), S.” Laser and IPL Technology in Dermatology and Aesthetic Medicine” DOI: 10.1007/978-3-642-03438-1,2011. [9] Peng, Q., Juzeniene, A. , Chen, J., O Svaasand,L., Warloe, T., Giercksky, K.R ve Moan, M. “Lasers in medicine” Rep. Prog. Phys., volume 71, issue 5, doi:10.1088/0034-4885/71/5/056701,2008 [10] Niemz M. H., “Laser-Tissue Interactions: Fundamentals and Applications”Third Revised Edition, SpringerVerlag, Berlin, 2004. [11] Heisterkamp, J., van Hillegersberg, R., Sinofsky, E., ve IJzermans,J.N.M. “HeatResistant Cylindrical Diffuser for Interstitial Laser Coagulation: Comparison With the Bare Tip Fiber in a Porcine Liver Model” Lasers in Surgery and Medicine 20:304–309 ,1997. [12] Knappe,V., Roggan, A., Glotz, M., Müller, M., Rıtz, J.P., Germer, C.T., and Müller, G. “New Flexible Applicators for Laser-Induced Thermotherapy”Med. Laser Appl. 16: 73–80,2001. [13] Gülsoy, M., Çelikel, T., Kurt, A., Canbeyli, R., Cilesiz, I.. “Er:YAG Laser Ablation of Cerebellar and Cerebral Tissue”Lasers Med.Sci, 16:40–43© Springer-Verlag London Limited,2001. [14] Ritz,. J.P., Roggan,.A., Isbert,.I., Müller, G., Buhr, H.J., and Germer, C.T.“Optical Properties of Native and Coagulated Porcine Liver Tissue Between 400 and 2400 nm”. Lasers in Surgery and Medicine 29:205-212 ,2001. [15] Bachmann, L., and Zezell, D.M."Laser Physics and Laser Tissue Interaction", Lasers in Dentistry, Practical text book, pp. 1-14,2010. [16] Cox, B.T.” Introduction to Laser-Tissue Interactions”, PHAS 4886, Optics in Medicine, 1-62, March,2007. [17] İkurova, L., Habodaszova, D., Gonda, M.,Waczulikova, I.,and Vojtek, P.“Penetration of Laser Light through Blood Derivatives” Laser Physics, vol. 13, No. 2, pp. 217–221,2003. [18] Knappe., V., Frank., F., Mesecke-von Rheinbaben., I., Roggan., A., and Müller., G. “Investigations to Compare Various Laser Wavelengths for Laser- Induced Interstitial Thermotherapy (LITT)” Laser Physics, volume. 13, No. 1, pp. 41–44,2003. 67 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 68 TMMOB Elektrik Mühendisleri Odası Karık F., Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici Tip Dönüştürücünün Performans Analizi, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 69-75, Aralık 2012 Ortalama Kayan Kip Metodu ile Denetlenen Iki Sarmaşık Yapılı Yükseltici Tip İIki Fazlı Ortalama Metodu Fazlı Sarmaşık Yapılı Yükseltici Tip Ortalama Kayan Kayan Kip Kip Dönüştürücünün Metodu ile ile Denetlenen Denetlenen Iki Fazlı Sarmaşık Yapılı Yükseltici Tip Performans Analizi Dönüştürücünün Performans Analizi Ortalama Kayan Kip Metodu ile Denetlenen IkiConverter Fazlı Sarmaşık YapılıbyYükseltici Tip Dönüştürücünün Performans Analizi Performance Analysis of Two Phase Interleaved Controlled Average Performance Analysis of Two Phase Interleaved Converter Controlled by Average Dönüştürücünün Performans AnaliziControlled by Average Performance Analysis of TwoSliding Phase Mode Interleaved Converter Control Sliding Mode Control Performance Analysis of Two Phase Interleaved Sliding Mode ControlConverter Controlled by Average 1 Fatih Sliding Mode FatihKarık Karık11 Control Fatih Karık 1 1 1T.C. Enerji ve Tabii Kaynaklar Bakanlığı, Yenilenebilir Fatih Karık 1T.C. Enerji ve Tabii Kaynaklar Bakanlığı, YenilenebilirEnerji EnerjiGen. Gen.Müd. Müd. T.C. Enerji ve Tabii Kaynaklar Bakanlığı, Yenilenebilir Enerji Gen. Müd. fatihkarik@gmail.com fatihkarik@gmail.com 1 fatihkarik@gmail.com T.C. Enerji ve Tabii Kaynaklar Bakanlığı, Yenilenebilir Enerji Gen. Müd. fatihkarik@gmail.com Özet Özet Özet Bu çalışmada, sürekli iletim modunda (SİM) çalışan iki fazlı Bu çalışmada, sürekli iletim modunda (SİM) çalışan iki fazlı Özet (SİM)kapsamlı Bu çalışmada, iletim modunda çalışan iki fazlı sarmaşık yapılısürekli güç faktörü düzelticinin analizi sarmaşık yapılı güç faktörü düzelticinin kapsamlı analizi sarmaşık yapılı kapsamlı analizi yapılmıştır. Birim güç güç faktörü faktörü düzelticinin (GF) ve daha düşük toplam yapılmıştır. Birim sürekli güç faktörü ve daha toplam Bu çalışmada, iletim (GF) modunda (SİM)düşük çalışan iki fazlı yapılmıştır.bozulma Birim güç faktörü (GF) veiçin daha düşük toplam harmonik (THB) sağlamak dönüştürücünün harmonik (THB) sağlamak için dönüştürücünün sarmaşıkbozulma yapılı güç faktörü düzelticinin kapsamlı analizi harmonik bozulma (THB) sağlamak için vedönüştürücünün gerilim kontrolü oransal-integral kontrolörle akım kontrolü gerilim kontrolüBirim oransal-integral ve akım kontrolü yapılmıştır. güç faktörükontrolörle (GF) ve daha düşük toplam gerilim kontrolü kontrolörle kontrolü ortalama kayan oransal-integral kip kontrolörle (OKKK)ve akım sağlanmıştır. ortalama kayan kip (THB) kontrolörle (OKKK) harmonik bozulma sağlamak için sağlanmıştır. dönüştürücünün ortalama kayan analizi kip kontrolörle (OKKK) sağlanmıştır. Dönüştürücünün 1kW gücünde ve 50kHz/hücre Dönüştürücünün 1kW gücünde ve ve 50kHz/hücre gerilim kontrolüanalizi oransal-integral kontrolörle akım kontrolü Dönüştürücününyapılan analizi 1kW gücünde ve sunulmuştur. 50kHz/hücre frekansında benzetimlerle frekansında yapılan benzetimlerle ortalama kayan kip kontrolörle (OKKK)sunulmuştur. sağlanmıştır. frekansında yapılan benzetimlerle sunulmuştur. Dönüştürücünün akım-gerilim kontrol metodunun Dönüştürücünün kontrol ve metodunun Dönüştürücünün akım-gerilim analizi 1kW gücünde 50kHz/hücre Dönüştürücünün akım-gerilim metodunun performansı, giriş gerilimi ve yük kontrol değişimi gibi farklı performansı, gerilimi ve benzetimlerle yük değişimi gibi farklı frekansındagiriş yapılan sunulmuştur. performansı, çalıştırılmasıyla giriş gerilimi veMatlab/Simulink yük değişimi gibi farklı durumlarda programı durumlarda çalıştırılmasıyla Matlab/Simulink Dönüştürücünün akım-gerilim kontrol programı metodunun durumlarda araştırılmıştır. çalıştırılmasıyla programı yardımıyla Ek Matlab/Simulink olarak, bobin değerinin yardımıyla araştırılmıştır. Ek ve olarak, bobin değerinin performansı, giriş gerilimi yük değişimi gibi farklı yardımıyla araştırılmıştır. olarak, bobinperformansı değerinin değişimine göre kontrol Ek yönteminin değişimine kontrol yönteminin performansı durumlardagöre çalıştırılmasıyla Matlab/Simulink programı değişimine göre kontrol yönteminin performansı gösterilmiştir. gösterilmiştir. yardımıyla araştırılmıştır. Ek olarak, bobin değerinin gösterilmiştir. Anahtar kelimeler:Sarmaşık dönüştürücü, birim güç Anahtar kelimeler:Sarmaşık güç değişimine göre kontroldönüştürücü, yönteminin birim performansı Anahtar kelimeler:Sarmaşık dönüştürücü, birim güç faktörü,ortalama kayan kip kontrol. faktörü,ortalama gösterilmiştir. kayan kip kontrol. faktörü,ortalama kayan kip kontrol. Anahtar kelimeler:Sarmaşık dönüştürücü, birim güç faktörü,ortalama kayan kip kontrol. Abstract Abstract Abstract In this study, a comprehensive performance analysis of power In this study, a comprehensive performance analysis of power Abstract In thiscorrection study, a comprehensive performance analysis of phase power factor control method is presented for two factor correction control method is presented for two phase factor correction control method is presented forconduction two phase interleaved converter operating under continuous interleaved converter operating under continuous conduction In this study, a comprehensive performance analysis of power interleaved operating continuous conduction mode (CCM).converter The control of the under converter is achieved using mode (CCM). The control the converter is achieved using factor correction controlof method is presented for two phase mode (CCM). The control of the converter is achieved using proportional-integral controller for voltage control and average proportional-integral controller for voltage and average interleaved converter operating under control continuous conduction proportional-integral sliding mode controllercontroller (ASMC) for for voltage currentcontrol controland to average obtain sliding controller (ASMC)of for control to obtain modemode (CCM). The control thecurrent converter is achieved using sliding modefactor controller for total current control distortion to obtain unity power (PF) (ASMC) and lower harmonic unity power factor (PF) and lower total harmonic distortion proportional-integral controller for voltage control and average unity power factor (PF) and totalofharmonic distortion (THD) of input current. The lower analysis the converter is (THD) of mode input controller current. The analysis of thecontrol converter is sliding (ASMC) for current to obtain (THD) ofbyinput current.carried The analysis converter presented simulations out on 1ofkWthepower and 50is presented by simulations carried out ontotal 1 kWharmonic power and 50 unity power factor (PF) and lower distortion presentedfrequency. by simulations carried out on power and 50 kHz/cell The performance of 1thekWcurrent-voltage kHz/cell performance of theofcurrent-voltage (THD)frequency. of input The current. The analysis the converter is kHz/cell method frequency.forThetheperformance current-voltage control converter ofis theinvestigated by control method for the carried converter is 1investigated by 50 presented by simulations out on kW power and control method program for theforconverter is investigated by Matlab/Simulink different cases of operation Matlab/Simulink program different cases operation kHz/cell frequency. The for performance of the ofcurrent-voltage Matlab/Simulink program for different such as changing the input voltage and thecases load. of In operation addition, such as changing the for inputthe voltage and the is load.investigated In addition, by control method converter such as changing inputmethod voltageis and the load. In addition, the performance of the control showed according to the the Matlab/Simulink performance of control method showed cases according to the program for isdifferent of operation the performance of control variation of inductor value. method is showed according to the variation of changing inductor value. such as the input voltage and the load. In addition, variation of inductor value. Keywords:Interleaved converter, unity power factor, average Keywords:Interleaved unityispower factor, average the performance of converter, control method showed according to the Keywords:Interleaved sliding mode control converter, unity power factor, average sliding modeofcontrol variation inductor value. sliding mode control Keywords:Interleaved converter, unity power factor, average sliding mode control 1.1. Giriş 1. Giriş Giriş ÜNLÜK hayatta aa-da güç dönüşümü sağlamakta Günlük hayatta aa-dahayatta güç dönüşümü kullanılan güç kaynakÜNLÜK aa-da sağlamakta güç dönüşümü sağlamakta 1. ÜNLÜK hayatta aa-da Giriş güç dönüşümü sağlamakta kullanılan güç kaynaklarının çoğu şebekeden G GG kullanılan kaynaklarının çoğu şebekeden larının çoğu şebekedengüç sinüzoidal olmayan ve harmonik içeren akımlar kullanılan olmayan güç kaynaklarının çoğu sinüzoidal ve harmonik içerenşebekeden akımlar sinüzoidal ve harmonik içeren sağlamakta akımlar ÜNLÜK olmayan hayatta aa-da güç dönüşümü sinüzoidal olmayan ve harmonik içeren akımlar kullanılan güç kaynaklarının çoğu şebekeden sinüzoidal olmayan ve harmonik içeren akımlar çekmektedir. Şebekeden çekilen bu şekildeki akımlar, düşük çekmektedir. Şebekeden çekilen bu şekildeki akımlar, düşük çekmektedir. Şebekeden çekilen akımlar, düşük Güç Faktörü (GF) ve yüksek etkinbuhatşekildeki akımlarının oluşmasına Güç Faktörü (GF) ve yüksek etkin hat akımlarının oluşmasına Güç Faktörü (GF) ve yüksek etkinakımın hat akımlarının sebep olur. Şebekeden çekilen kalitesininoluşmasına düşmesi; sebep olur. Şebekeden çekilen kalitesinin düşmesi; çekmektedir. Şebekeden çekilenakımın bu şekildeki akımlar, düşük sebep olur.geriliminde Şebekedenbozulmalara, çekilen akımın kalitesininartmasına, düşmesi; şebeke kayıpların şebeke geriliminde bozulmalara, kayıpların artmasına, Güç Faktörü (GF) ve yüksek etkin hat akımlarının oluşmasına şebeke geriliminde bozulmalara, kayıplarınveartmasına, elektromanyetik parazitlerin ortaya çıkmasına bütün elektromanyetik parazitlerin çekilen ortaya akımın çıkmasına ve bütün sebep olur. Şebekeden kalitesinin düşmesi; elektromanyetik parazitlerin çıkmasına bütün bunların sonucunda şebekedenortaya beslenen diğer ve cihazların bunların şebekeden beslenen kayıpların diğer cihazların şebekesonucunda geriliminde bozulmalara, artmasına, bunların sonucunda şebekeden beslenen diğer kullanımına cihazların bunlardan etkilenmesine sebep gücün verimsiz bunlardan etkilenmesine sebep gücün kullanımına elektromanyetik parazitlerin ortaya verimsiz çıkmasına ve bütün bunlardan etkilenmesine sebep gücün verimsiz kullanımına neden olmaktadır. EN-61000-3-2 ve IEEE 519-1992 gibi neden olmaktadır. EN-61000-3-2 IEEE 519-1992 gibi bunların sonucunda şebekeden ve beslenen diğer cihazların neden olmaktadır. EN-61000-3-2 IEEE 519-1992 gibi uluslararası kuruluşlar tarafından vegetirilen standardları uluslararası getirilen standardları bunlardan kuruluşlar etkilenmesinetarafından sebep gücün verimsiz kullanımına uluslararası için kuruluşlar getirilen standardları karşılamak bir çok tarafından güç katsayısı düzeltme devresi karşılamak için bir çok güç katsayısı düzeltme devresigibi neden olmaktadır. EN-61000-3-2 ve IEEE 519-1992 karşılamak için bir çokolumsuz güç katsayısı düzeltmeamacıyla devresi tasarlanmıştır. Sözkonusu etkileri gidermek tasarlanmıştır. etkilerigetirilen gidermek amacıyla uluslararasıSözkonusu kuruluşlarolumsuz tarafından standardları tasarlanmıştır. olumsuz etkileri gidermek amacıyla bu standardlar Sözkonusu temel alınarak, pasif devreler kullanılarak bu karşılamak standardlar için temelbiralınarak, pasifkatsayısı devrelerdüzeltme kullanılarak çok güç devresi bu standardlar temel alınarak, kullanılarak harmonik bileşenleri azaltma, aktifpasif güç devreler katsayısı düzeltme ve harmonik bileşenleri azaltma, olumsuz aktif güçetkileri katsayısı düzeltme ve tasarlanmıştır. Sözkonusu gidermek amacıyla harmonik bileşenleri aktif güç katsayısı [1]. düzeltme ve aktif doğrultucular gibiazaltma, teknikler kullanılmaktadır aktif kullanılmaktadır budoğrultucular standardlar gibi temelteknikler alınarak, pasif devreler[1].kullanılarak aktif doğrultucular gibi teknikler kullanılmaktadır [1]. harmonik bileşenleri azaltma, aktif güç katsayısı düzeltme ve Klasik kontrolsüz köprü doğrultucular kullanılarak Klasik kontrolsüz gibi köprü doğrultucular kullanılarak aktif doğrultucular teknikler kullanılmaktadır [1]. Klasik kontrolsüz köprü doğrultucular kullanılarak gerçekleştirilen aa-da dönüşümde GF değeri yaklaşık 0.65 gerçekleştirilen aa-da dönüşümde GF değeri yaklaşık 0.65 gerçekleştirilen aa-da[2]. dönüşümde GF değeri alternatif yaklaşıkakım 0.65 civarında olmaktadır Bu doğrultucuların civarında [2]. Bu doğrultucuların alternatif akım Klasik olmaktadır kontrolsüz köprü doğrultucular kullanılarak civarında indüktans olmaktadır veya [2]. Bu doğrultucuların alternatif akım tarafına indüktans-kondansatör yapılarını tarafına indüktansaa-da veyadönüşümde indüktans-kondansatör yapılarını0.65 gerçekleştirilen GF değeri yaklaşık tarafına pasif indüktans veya eklenerek indüktans-kondansatör yapılarını içeren devreler harmonik bileşenler içeren pasifolmaktadır devreler [2]. eklenerek harmonik alternatif bileşenler civarında Bu doğrultucuların akım içeren pasif ve devreler eklenerek harmonik azaltılabilmekte beraberinde GF değeri de önemlibileşenler ölçüde azaltılabilmekte ve beraberinde GF değeri de önemli ölçüde tarafına indüktans veya indüktans-kondansatör yapılarını azaltılabilmekte ve[3]. beraberinde GF değeri de önemli ölçüde artırılabilmektedir artırılabilmektedir içeren pasif [3]. devreler eklenerek harmonik bileşenler artırılabilmektedir [3]. azaltılabilmekte ve beraberinde GF değeri de önemli ölçüde Son yıllarda, yarı iletken anahtarlama elemanlarının hız ve Sonartırılabilmektedir yıllarda, yarı iletken [3]. anahtarlama elemanlarının hız ve Son yıllarda, yarı iletken anahtarlama elemanlarının hız ve kapasitelerinin artışının yanı sıra denetleme elemanı olarak kapasitelerinin artışının yanı sıra denetleme elemanı olarak kapasitelerinin artışının yanı sıra denetleme elemanı kullanılan mikrodenetleyici teknolojisinde de çok olarak hızlı kullanılan mikrodenetleyici teknolojisinde de çok hızlı Son yıllarda, yarı iletken anahtarlama elemanlarının hız ve kullanılan olmaktadır. mikrodenetleyici çok hızlı gelişmeler Özellikleteknolojisinde Sayısal İşaret deİşlemcilerin gelişmeler olmaktadır. Özellikle Sayısal İşaret elemanı İşlemcilerin kapasitelerinin artışının yanı sıra denetleme olarak gelişmeler Sayısal İşaret İşlemcilerin (Sİİ) gerçekolmaktadır. zamanlı Özellikle kontrol tekniğinde kullanılması ve (Sİİ) gerçek mikrodenetleyici zamanlı kontrol tekniğinde kullanılması kullanılan teknolojisinde de çok vehızlı (Sİİ) gerçek zamanlı kontrol elemanlarının tekniğinde kullanılması ve yüksek frekanslı anahtarlama üretilmesi ile yüksek frekanslı anahtarlama elemanlarının üretilmesi ile gelişmeler olmaktadır. Özellikle Sayısal İşaret İşlemcilerin yüksekperformanslı frekanslı anahtarlama üretilmesiiçin ile yüksek yükseltici tipelemanlarının da-da dönüştürücüler yüksek yükseltici tip da-da dönüştürücüler için ve (Sİİ)performanslı gerçek zamanlı kontrol tekniğinde kullanılması yüksek performanslı yükseltici tip da-da dönüştürücüler için daha verimli algoritmalar geliştirilebilmektedir [4]. daha verimli algoritmalar geliştirilebilmektedir [4]. üretilmesi ile yüksek frekanslı anahtarlama elemanlarının daha verimli algoritmalar geliştirilebilmektedir [4]. yüksek performanslı yükseltici tip da-da dönüştürücüler için Bu çalışmada, faz farklı paralel yükselten tip dönüştürücünün Bu daha çalışmada, farklı paralel yükselten tip dönüştürücünün verimlifaz algoritmalar geliştirilebilmektedir [4]. Bu çalışmada, farklı paralel yükselten elde tip dönüştürücünün güç anahtarı, faz yüksek GF değerleri etmek için güç anahtarı, yüksek GF değerleri elde etmek için güç anahtarı, yüksek GF regüleli değerleri elde gerilimi etmek elde için denetlenmektedir. Bu amaçla, bir çıkış denetlenmektedir. Bu farklı amaçla, regüleli bir çıkış gerilimi elde Bu çalışmada, faz paralel yükselten tip dönüştürücünün denetlenmektedir. Bu denetleyici amaçla, regüleli bir GF çıkışdeğeri gerilimi etmek için bir gerilim ve yüksek içinelde ise etmek bir gerilimyüksek denetleyici yüksek GFelde değerietmek için iseiçin güçiçinanahtarı, GF vedeğerleri etmek için bir denetleyici gerilim denetleyici ve yüksek GFYükteki değeri için ise bir akım kullanılmaktadır. olası bir denetlenmektedir. akım denetleyici kullanılmaktadır. Yükteki olasıelde Bu amaçla, regüleli bir çıkış gerilimi bir akım hat denetleyici Yükteki çıkış olası değişimler, gerilimindekikullanılmaktadır. değişimler ve değişken değişimler, hatbirgerilimindeki değişimler ve değişken etmek için gerilim denetleyici ve yüksek GF değeriçıkış için ise değişimler, gerilimindeki değişimler ve değişken çıkış gerilim isteğihatdayanıklı bir kontrol yöntemini zorunlu gerilim isteği dayanıklı bir kullanılmaktadır. kontrol yönteminiYükteki zorunlu bir akım denetleyici olası gerilim isteği bir kontrol yöntemini zorunlu kılmaktadır. Bu dayanıklı amaçla gerilim denetleyici olarak oransalkılmaktadır. gerilim değişimler denetleyici ve olarak oransaldeğişimler,Buhatamaçla gerilimindeki değişken çıkış kılmaktadır. amaçla gerilim olarakincelenip oransalintegral, akımBu denetleyici olarak denetleyici OKKK yöntemi integral, denetleyici OKKK yöntemi gerilimakım isteği dayanıklıolarak bir kontrol yönteminiincelenip zorunlu integral, dayanıklılığı akım denetleyici olarak OKKK yöntemi incelenip devrenin test edilmiştir. devrenin dayanıklılığı test edilmiştir. kılmaktadır. Bu amaçla gerilim denetleyici olarak oransaldevrenin dayanıklılığı test edilmiştir. integral, akım denetleyici olarak OKKK yöntemi incelenip devrenin dayanıklılığı test edilmiştir. 69 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası 2. İki fazlı sarmaşık yapılı yükseltici tip dönüştürücü Burada gerilim hata yükselteci VEA'nın s alanında transfer fonksiyonu aşağıdaki şekilde ifade edilebilir: Bir çok uygulamada, düşük boyutlu Elektromanyetik Girişim (EMG) süzgeç gereksinimi için, endüktör akımının dalga şeklinin SİM olması ve bu akımın dalgacık oranının oldukça düşük olması istenir. Bu nedenle, orta ve yüksek güç uygulamalarında, dönüştürücü gücünü arttırmak ve giriş akım dalgacık oranını düşürmek için sarmaşık (faz farklı paralel) yükselten Güç Katsayısı Düzeltici (GKD) devreleri önerilmektedir [6-8]. Faz farklı paralelleme tekniği, birden çok güç katının faz farklı olarak anahtarlamasıdır. Bu yöntemle giriş akım dalgacık oranı düştüğü gibi, çıkış gerilim dalgacık oranı da düşmektedir. Şekil 1'de aktarılan sarmaşık yükselten GKD devresinin uygulamadaki kullanım alanının genişliği ve diğer GKD devrelerine göre sahip olduğu avantajlardan dolayı bu çalışmanın konusu olmuştur. Yükselten devrelerde faz farklı anahtarlama yönteminin kullanılması hem giriş akım dalgacık miktarını hem de çıkış gerilim dalgacık miktarını düşürmektedir. Bu yöntemle, dönüştürücü güç seviyesi arttırıldığı gibi daha düşük boyutlu EMG süzgece ihtiyaç duyulur [5]. (K p V EA Ki ) s (1) Buradaki Kp ve Ki kontrolcü değerleri Ziegler–Nichols metoduna göre ayarlanabilir [12]. 3.2. Ortalama kayan kip kontrol metodu Doğrusal olmayan, parametreleri zamanla değişen ve karmaşık dinamiklere sahip sistemlerin kontrolü klasik denetleyicilerle zor olmaktadır. Bu tür sistemlerin denetiminde OKKK etkili bir kontrol yöntemidir. OKKK yönteminin kapalı çevrim kontrol sistemlerine uygulanmasında amaç, hatayı kayma yüzeyi veya diğer adıyla anahtarlama yüzeyine doğru itmek ve bu yüzeyde tutmaktır. Kayma yüzeyi durum değişkenlerinin doğrusal kombinasyonu olan bir fonksiyon olarak tanımlandığı için durum değişkenleri bu yüzey üzerine doğrusal bağımlıdır. Bu durumda, sistemin derecesi bağımsız giriş değişkeni kadar indirgenmiş olur ve sistem indirgenmiş bir kontrol kuralı ile denetlenir [9]. Bu yöntemin analizi [10-11] numaralı kaynaklarda detaylı olarak ele alınmıştır. Kayan kipli denetimin en büyük sorunlarından bir tanesi anahtarlama frekansının değişken olmasıdır. Bu da frekansın çok yüksek değerlere çıkmasına neden olmaktadır. Bu soruna çatırdama problemi denmektedir. Anahtarlama frekansını sabitlemek için OKKK yöntemi kullanılabilir[11]. Şekil 3 tanımlanan kayma yüzeyini göstermektedir. Şekil 1: Sarmaşık yükselten aktif GKD devresi 3. Uygulanan kontrol teknikleri 3.1. Oransal-integral kontrol metodu Bu dönüştürücülerde gerilim döngüsü kontrolörü genelde oransal-integral kontrolördür ve bu kısmın tasarımı hepsinde aynıdır. Akım döngüsü yüksek hızlı (50kHz için), gerilim döngüsü ise yavaş (50Hz için) olduğundan tasarımları birbirinden bağımsızdır. Dolayısıyla bu dönüştürücüler akım döngüsünde kullanılan topolojilere göre isimler almaktadır. Gerilim döngüsü çıkış gerilimini regüle etmeyi sağlarken, akım döngüsü de giriş güç faktörü ve THB düzelmesini sağlar [2]. Şekil 2 kontrolcünün yapısını göstermektedir. Şekil 3: Kayma yüzeyi Kayan kipli denetim dayanmaktadır. S. S 0 temel kurala Burada S ve S’in türevi Şekil 3’e göre Eş.3-4’teki gibi tanımlanabilir. (3) S I in I ref 70 verilen (2) S Iin I ref Şekil 2: Gerilim kontrolcünün yapısı aşağıda (4) Karık F., Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici Tip Dönüştürücünün Performans Analizi, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 69-75, Aralık 2012 Düzlem üzerinde seçilen anahtarlama doğrusu Eş. 5'te verilmiştir. S .S (5) Devrenin kontrolcü tasarımları bir fazlı yükseltici dönüştürücüye göre tasarlanmıştır. Çünkü tek fazlı ve çok fazlı sarmaşık yapılı topolojiler için temel kontrolcü tasarımı birbirinden farklı değildir. Sarmaşık yükselten devre için sadece d2 görev oranı süresi, 50kHz anahtarlama sinyali için 1800 faz farklı uygulanmıştır. Bir fazlı yükseltici dönüştürücünün durum uzay ortalaması sonucu elde edilen bobin akımı denklemi -bu değer aynı zamanda doğrultulmuş giriş akımı- Eş.6’da verilmiştir. Eş. 7'deki bobin akımının türevi yerine Eş.6'daki bobin akımı türevi konulup L. I ref 0 kabul edilerek d görev oranı yalnız bırakılırsa Eş.8’e ulaşılır. I in ( d 1 1 )Vo ( ). Vin L L (6) ( I ref Iin ) ( I ref I in ) d d 1 d2 (7) Vo Vin L( I ref I in ) Şekil 4(b): Tüm sistemin gösterimi Vo Vo Vin L( I ref I in ) Vo (8) o .(180 faz farklı) verilen eşitlik incelendiğinde görev oranı değerinin oluşmasında Vin ve V0 gerilimi ileri besleme ile değişimini sağlamaktadır. Hata değeri bu değeri etkiler ve uygun d değeri üretilmesini sağlar. Aşağıdaki Şekil 4(a) görev oranı şekillerini, Şekil 4(b) ise gerilim ve akım döngüsüyle beraber tüm sistemi göstermektedir. Şekil 4(a): Görev oranlarının zamana göre değişimi 4. Benzetim sonuçları Aşağıdaki tabloda OKKK yöntemi anma yükü için kullanılan devre parametreleri gösterilmektedir. Tablo 1: Anma yükü benzetim parametreleri Parametre Örnekleme periyodu, TS Anahtarlama frekansı, fS Co L1=L2 Yük, P0 Vin, fin Vo Kp Ki λ.L Değer 20µs 50 kHz 500 µF 1.5 mH 1kW 220Vrms, 50Hz 400Vrms 0.1 1 0.0625 Şekil 5,6,7 benzetim devrelerini göstermektedir. Şekil 8 anma yükünde hat akımı, giriş-çıkış gerilimi değişimini göstermektedir. Şekil 9,10 sırasıyla yük ve giriş gerilimi değişimine göre devrenin tepkisini göstermektedir. Tablo 2 detaylı benzetim sonuçlarını göstermektedir. 71 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası Şekil 5: Faz farklı paralel yükselten güç devresi modeli Şekil 6: Gerilim kontrolcü benzetim modeli Şekil 7: OKKK yöntemini akım kontrolcü benzetim modeli 72 Karık F., Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici Tip Dönüştürücünün Performans Analizi, EMO Bilimsel Dergi, Cilt 2, Sayı 4, Syf 69-75, Aralık 2012 Şekil 8: Anma yükünde giriş gerilimi, hat akımı ve çıkış gerilimi değişimi. (a) (b) Şekil 9: Yük değişimine göre giriş, çıkış gerilimi ve hat akımı davranışı: (a)1 kW'tan 500W'a , (b)500W'tan 1 kW'a 73 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası Şekil 10: Giriş gerilimi 220V'tan 110V'a indiğinde çıkış gerilimi ve giriş akımının değişimi Tablo 2: Detaylı benzetim sonuçları Benzetim No 1 2 3 4 5 6 7 1 1.5 1 1.5 1 1.5 1 1 1 1.5 1 0.8 0.5 1.5 Co (µF) 0.5 0.5 0.5 0.5 0.5 0.5 0.5 Vin (Vrms) 250 300 220 220 110 220 220 GF THB (%) 0.99 9.5 0.90 300 0.99 7.7 0.99 9.3 1 2.6 0.99 10 0.99 11 Parametre Po (kW) L1=L2 (mH) 5. Sonuçlar ve öneriler Bu çalışmada, şebekeye bağlanan elektrikli sistemlerin giriş enerjisi kalitelerini ifade eden güç katsayısı ve güç katsayısının aktif yöntemle düzeltilmesi üzerinde durulmuş, sarmaşık yapılı yükseltici tip bir aktif güç katsayısı düzeltme sistemi incelenmiştir. OKKK yöntemi yükselten tip güç katsayısı düzeltici devreye uygulanıp Matlab/Simulink programında benzetimleri gerçekleştirilmiştir ve elde edilen sonuçlar sunulmuş olup detaylı analizler yapılmıştır. Kullanılan tüm kontrol tekniklerinde sabit anahtarlama frekansı kullanılarak pratik çalışmalar için bir temel teşkil edilmiştir. Benzetimler bir parametre değiştirilerek diğer parametreler aynı kalmak suretiyle gerçekleştirilmiştir. Değiştirilen temel parametreler giriş gerilimi, bobin değeri, çıkış yüküdür. Dönüştürücü 220Vrms/400Vrms, fs=50kHz, 1kW şartlarında tasarlanıp performansı test edilmiştir. Dönüştürücünün bu anma değerlerinde 0.99 yüksek GF, %7.7’lik düşük bir THB ve sinüs şeklinde bir giriş hat akımı elde edilmiştir. 74 Tasarlanan 1kW' lık benzetim devresinde OKKK tekniğine göre endüktör değeri yarıya düşürüldüğünde devrenin giriş akımının şeklini ve THB değerini çok fazla bozmadığı gözlemlenmiştir ve yine incelenen kontrol yönteminde yük ve giriş gerilimi değişimlerinde giriş hat akımının sinüs şeklinden uzaklaşmadığı görülmüştür. Bu sonuçlar devrenin güçlü bir denetim yapısına sahip olduğunu göstermektedir. Bundan sonra bu çalışmanın devamı olarak öngörülen kontrol tekniği pratik çalışmalara uyarlanarak sonuçları analiz edilebilir. Benzetimler sayısal olarak gerçekleştirildiğinden dolayı gelişmiş mikroişlemci devreleriyle uygulamalar gerçekleştirilebilir. Son yıllarda üretilen sayısal işaret işlemciler bu işlemleri gerçekleştirmeye çok uygundur. Ayrıca tasarlanan sabit anahtarlama frekansı blokları çatırdama sorununu engelleyeceğinden uygulamada büyük bir kolaylık sağlayacaktır. Wiley&Sons, Inc. ,1995 [4] Tuncer, S. ve Tatar, Y., "Yükseltici Tip Bir Dönüştürücü Devrede Güç Katsayısının Bulanık Denetimle Düzeltilmesi", TOK’2000 Otomatik Kontrol Ulusal Karık F., Ortalama Kayan Kip Metodu ile Denetlenen İki Fazlı Sarmaşık Yapılı Yükseltici TipEylül Dönüştürücünün Toplantısı, 21–22 2000, 77-81. Performans Analizi, EMO N., Bilimsel Dergi, CiltGüç 2, Sayı 4, Syf 69-75, Aralık 2012 [5] Genç, Yüksek Giriş Katsayılı ve Sıfır-GerilimGeçişli Yeni Bir Paralel Yükselten AA/DA Devre Tasarımı ve Uygulaması, Doktora Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 2010. [6] Elmore, M. S., "Input current ripple cancellation in synchronized, parallel connected critically continuous boost converters", IEEE APEC’96 Cnf., San Jose, CA, 6. Kaynaklar 1996, 152–158. [7] Lee, P. W., Lee, Y. S., Cheng, D. K. W., ve Liu, X. C., [1] Chen, Z., Raymond, B.R. ve Fred, C.L., "Design "Steady-state analysis of an interleaved boost converter Analysis of a Hysteresis Boost Power Factor Correction with coupled inductors", IEEE Trans. on Ind. Circuit", Power Electronics Specialists Conference Electronics, 47(4), 787–795,2000. PESC '90 Record-21st Annual IEEE, 1990, 800-807. [8] Braga, H. A. C. ve Barbi, I., "A 3-kW unity-power-factor [2] Rossetto, L., Spiazzi, G. ve Tenti, P., "Control rectifier based on a two-cell boost converter using a new Techniques For Power Factor Correction Converters", parallel-connection technique", IEEE Trans. on Power Proc. Int. Conf. Power Electronics and Motion Control, Electronics, 14(1), 209–217,1999. 1995, 1310-1318. [9] Kayışlı, K.., Tuncer, S. ve Poyraz, M., “Kayma Mod [3] Mohan, N., Undeland, T.M. ve Robbins, W.P., Power Denetleyici Kullanılarak Aktif Güç Faktörü Düzeltimi”, Electronics: Converters, Applications and Design, John Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Wiley&Sons, Inc. ,1995 14(3), 253-260, 2008. [4] Tuncer, S. ve Tatar, Y., "Yükseltici Tip Bir Dönüştürücü [10] Mattavelli, P., Rossetto, L. ve Spiazzi, G.,"Small-Signal Devrede Güç Katsayısının Bulanık Denetimle Analysis of DC-DC Converters with Sliding Mode Düzeltilmesi", TOK’2000 Otomatik Kontrol Ulusal Control", IEEE Trans. Power Electronics, 12 (1), 96Toplantısı, 21–22 Eylül 2000, 77-81. 102, 1997. [5] Genç, N., Yüksek Giriş Güç Katsayılı ve Sıfır-Gerilim[11] Navarro-López, E.M., Cortés, D. ve Castro, C., "Design Geçişli Yeni Bir Paralel Yükselten AA/DA Devre of practical sliding-mode controllers with constant Tasarımı ve Uygulaması, Doktora Tezi, Gazi switching frequency for power converters", Electric Üniversitesi Fen Bilimleri Enstitüsü, Ankara, 2010. Power Systems Research, 79, 796–802, 2009. [6] Elmore, M. S., "Input current ripple cancellation in [12] Ziegler, J.G. ve Nichols, N.B., "Optimum settings for synchronized, parallel connected critically continuous automatic controllers", Transactions of the ASME, 64, boost converters", IEEE APEC’96 Cnf., San Jose, CA, 759–768,1942. 1996, 152–158. [7] Lee, P. W., Lee, Y. S., Cheng, D. K. W., ve Liu, X. C., "Steady-state analysis of an interleaved boost converter with coupled inductors", IEEE Trans. on Ind. Electronics, 47(4), 787–795,2000. [8] Braga, H. A. C. ve Barbi, I., "A 3-kW unity-power-factor rectifier based on a two-cell boost converter using a new parallel-connection technique", IEEE Trans. on Power Electronics, 14(1), 209–217,1999. [9] Kayışlı, K.., Tuncer, S. ve Poyraz, M., “Kayma Mod Denetleyici Kullanılarak Aktif Güç Faktörü Düzeltimi”, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 14(3), 253-260, 2008. [10] Mattavelli, P., Rossetto, L. ve Spiazzi, G.,"Small-Signal Analysis of DC-DC Converters with Sliding Mode Control", IEEE Trans. Power Electronics, 12 (1), 96102, 1997. [11] Navarro-López, E.M., Cortés, D. ve Castro, C., "Design of practical sliding-mode controllers with constant switching frequency for power converters", Electric Power Systems Research, 79, 796–802, 2009. [12] Ziegler, J.G. ve Nichols, N.B., "Optimum settings for automatic controllers", Transactions of the ASME, 64, 759–768,1942. 75 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 76 TMMOB Elektrik Mühendisleri Odası Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi, Cilt 2, Sayı 4, Syf 77-85, Aralık 2012 Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi A Load Flow Analysis for Impacts of Renewable Distributed Generation Conditions on Power Systems Asım Kaygusuz1, Ozan Gül2, Barış Baykant Alagöz1 1 Elektrik-Elektronik Mühendisliği İnönü Üniversitesi asim.kaygusuz@inonu.edu.tr, baykant.alagoz@inonu.edu.tr 2 Elektrik-Elektronik Mühendisliği Bingöl Üniversitesi ozan.m.r.gul@hotmail.com Özet Günümüz elektrik şebekelerinde, yenilenilebilir dağıtık enerji kaynaklarının güç sistemine entegrasyonu giderek yaygınlaşmaktadır. Bu nedenle, yenilenebilir dağıtık kaynakların güç sistemlerinin yük akışına etkileri analiz edilmesi önem arz etmektedir. Özellikle, yakın gelecekte akıllı şebeke uygulamaları ile birlikte güneş ve rüzgar gibi enerji üretim süreksizliğine sahip enerji kaynaklarının yoğun bir şekilde güç sistemine dağıtık entegrasyonu söz konusu olacaktır. Bu koşullarda, güç sisteminde yük akış kararlılığının sürdürülebilmesi için, sistemde oluşabilecek olumsuz durumlarının önceden görülmesi ve gerekli tedbirlerin alınması, güç sisteminin doğru ve etkin yönetimi için gerekli bir adımdır. Bu problemin çözümünde, süreksiz kaynakların güç üretim değişkenliklerini göz önünde tutan yük akış analizlerine ihtiyaç vardır. Bu tip analizler, süreksiz dağıtık üretimimin yaygınlaştığı güç sistemlerinin yönetimi ve planlamasında önemli bileşenler haline gelecektir. Bu amaçla, bu makalede saat-bazlı günlük ortalama üretim profilleri ile modellenebilen yenilenilir dağıtık kaynakların sisteme katıldığı durumlar için yük akış analizi yapılmıştır. Bu analizlerde, gün içi bara gerilim seviyesi ve güç faktör değişimleri analiz edilerek değerlendirilmiştir. Dağıtık yenilenebilir kaynakların, gerilim seviyesinde ciddi bir değişime neden olmadığı, güç faktöründe ise artan üretim ile birlikte dikkate değer düşüşlerin olabileceği görülmüştür. Anahtar kelimeler: Günlük saat bazlı yük akış analizi, dağıtık kaynaklar, yenilenebilir güç kaynak entegrasyonu Abstract In today’s electric distribution grids, integration of distributed renewable energy sources to the grid is presenting an increasing trend. Hence, investigation of impacts of renewable distributed generation is a necessity. Particularly, depending on smart grids technologies, dense integration of intermittent energy sources based on solar and wind energy, will be available in near future. In this case, detection of adverse system conditions and planning for the necessary protections are important for the management of resources effectively and reliably. For the solution of this problem, there is need for the load flow analyses that consider the variability and fluctuations of discrete renewable sources. These analyses will be useful for management and planning of the power systems containing distributed renewable energy generation. For this propose, authors conduct 24-hours load flow analyses for power system containing intermittent renewable sources. These sources are modeled by hourly generation profiles. Bus voltage and power factor changes in buses are evaluated for a day. It was observed that bus voltages did not alter considerably; however, as increasing volume of distributed renewable generation, power factors can decrease. Keywords: load flow analysis based on daily hours, distributed sources, the integration of renewable power sources 1. Giriş Enerji üretiminde, yenilenebilir enerji kaynaklarının payı gün geçtikçe artmaktadır. Rüzgar ve güneş gibi yenilenebilir enerji kaynaklarına dayalı elektrik üretiminin, küresel iklim ve çevre kirliliği üzerinde daha az olumsuz etkiye sahip olması, enerji üretimi için yakıt gerektirmemesi gibi önemli avantajlara sahip olmasından dolayı toplam enerji üretimindeki payı gün geçtikçe artmaktadır [1]. Bu tür yenilenebilir kaynakların, geleneksel güç sistemine entegre edilmesinin önündeki en önemli güçlük, üretim süreksizliği ve belirsizlikleri olarak gösterilmektedir. Üretim belirsizlikleri ve süreksizlikleri, sistemin yük akışlarında anlık değişimlere neden olabilmektedir. Bu değişimlerin sisteme negatif etkilerinin önceden tespit edilmesi, önleyici tedbirlerin ve planlamaların uygulanması, sağlıklı ve etkin güç dağıtımı için gereklidir. Bundan dolayı, yenilebilir dağıtık enerji kaynaklarının 77 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası belirsizlik içeren karakterinin, sistemin yük akış kararlılığına etkilerinin incelenmesi oldukça önem kazanmaktır. sınırlar içinde çalışmasının sağlanması için analiz ve yönetim metotlarının geliştirilmesi gerekmektedir. Yük akış analizi için farklı matematiksel teknikler kullanılmıştır. Bu teknikler Newton-Raphson [2], FastDecoupled [3,4], Gauss–Seidel [5] gibi matematiksel algoritmalardır. Bu matematiksel algoritmaların yanı sıra parçacık sürü optimizasyonu [6], bulanık mantık algoritması [7], diferansiyel evrim algoritması [8], tabu araştırma algoritması [9], bakteri kolonisi optimizasyonu [10] gibi modern sezgisel metotlar da kullanılmıştır. Özellikle 1960’lı yıllarda dijital bilgisayarın icadı ve kullanımının yaygınlaşmasıyla yük akış problemleri için bir çok yöntem geliştirilmiştir [2]. Özellikle nümerik yöntemler üzerinde çalışılmış, fast-decoupled gibi Newton metodunun farklı versiyonları da yaygın olarak kullanılmaya başlanılmıştır [4]. Ray D. Zimmerman ve Hsiao-Dong Chiang da bu yöntemi kullanarak dengesiz radyal dağıtım sistemleri üzerinde yük akış çalışması yapmıştır [3]. Nümerik yöntemler özellikle Newton-Raphson metodu analizi, çözüme yakınsama hızı ve doğruluğu bakımından en yaygın kullanıma sahip temel bir metot haline gelmiştir. Newton-Raphson yöntemi çok değişkenli lineer olmayan denklemlerin çözümünde yaygın olarak kullanılan bir analiz yöntemidir. Bu metoda göre başlangıçta, değişkenlerin değerleri rastgele belirlenir. Bu değerlerin kullanılması ile yeni değerler üretilir. En son üretilen iki değer arasında kabul edilebilir küçük bir fark sağlanana kadar iteratif olarak çalışma devam ettirilir. Newton-Raphson yük akışının amacı, tüm yük baralarının gerilim genlik değerleri ile salınım barası dışındaki tüm baraların açı değerlerini belirlemektir. D. Shirmohammadi, H.W. Hong, A. Semlyen ve G.X. Luo [11] tarafından 1988’de yapılan çalışmada çok girişli kompanzasyon tekniği ve Kirchoff yasasının temel formasyonu kullanılarak zayıf ağlı dağıtım ve iletim şebekelerinin çözümü için bir yük akış metodu tarif edilmiştir. Bahsedilen metod çok iyi bir yakınsamaya sahip olup bu metodun uygulandığı bir bilgisayar programı geliştirilmiş ve radyal zayıf ağlı birkaç dağıtım ve iletim şebekesine başarıyla uygulanmıştır. Sözü edilen metod tek fazlı (dengeli) şebekelerin yanı sıra üç fazlı (dengesiz) şebekelerin çözümüne de uygulanabilmiştir. 1995 yılında Carol S.Cheng ve D. Shirmohammadi’nin [12] birlikte yaptıkları çalışmada ana dağıtım sistemlerinin gerçek zamanlı analizi için üç fazlı durumda yük akış çözümü sunulmuştur. Bu yöntem tek fazdan üç faza zayıf ağlı dağıtım sistemleri için kompanzasyon tabanlı yük akış metodunun (önceki kısımda açıklanan çalışma) doğrudan bir açılımı olup dengesiz ve dağıtılmış yükler, gerilim regülatörleri ve otomatik kontrollü paralel kapasitörler üzerine vurgu yapılmıştır. Kompanzasyon fikri, üretim baralarında gerilim genlik uyumsuzluğunu giderebilmek için başarılı bir şekilde ele alınmıştır. Bu metot dağıtım otomasyon sistemlerinde gerçek zamanlı uygulama için gereken yüksek çalışma hızını sağlamıştır. Bu çalışmada, dağıtık yenilenebilir enerji kaynaklarının güç sistemi yük akışına etkileri Newton-Raphson yük akış analizleri yardımı ile incelenmiştir. Bu amaçla, güç üretim belirsizliği ve süreksizliği sergileyen yenilenebilir kaynaklar, 24-saatlik ortalama üretim profilleri ile tanımlanmıştır. Bu kaynaklar, IEEE 39 bara güç sistemine dağıtılarak, güç sisteminin yük akış analizi saatlik bazda günlük olarak incelenmiştir. Bu analizlerde, güç sistemin gün içinde maruz kalabileceği değişken güç talep koşullarının analizlere yansıtılması için baralara bağlı yükler 24 saatlik ortalama güç talep profilleri yardımı ile dinamik olarak modellenmiştir. Bu sistemde çeşitli senaryolar için saatlik periyotla örneklenmiş yük akış analizleri, Newton-Raphson nümerik çözümleri temelinde gerçekleştirilmiş ve böylece hızlı ve düşük yakınsama hatalı, yük akış çözümlemeleri elde edilebilmiştir [22]. Elde edilen çözümler üzerinde, istatistiki analizler yapılarak, gün içi bara gerilim seviyesi değişimleri ve bara güç faktörü değişimleri incelenmiş, değişkenlik faktörü (standart sapma / ortalama ( / ) ) analizleri yapılmıştır. Yakın bir gelecekte, akıllı şebeke (Smart Grid) uygulamaları ile yenilenebilir dağıtık kaynakların dağıtım şebekesine entegrasyonunun gerçekleştirilmesi hedeflenmektedir [1,13-21]. Bu noktada, enerji üretim süreksizliği ve belirsizliği olan enerji kaynaklarının (güneş ve rüzgar enerjisi gibi) güç dağıtım şebekesine etkilerinin analizi önem kazanmaktadır. Bu sistemlerin neden olduğu üretim dalgalanmaları durumunda şebeke koşullarının kabul edilebilir 78 2. Nümerik Analiz Metodu Güç sistemlerinin analizinde karşılaşılan problemlerin çözümünde lineer olmayan denklemlerle karşılaşılır. Bu denklemleri çözmek için nümerik yöntemler kullanılır. Yük akış analizinin temel amacı verilen bir güç sisteminde, üretim ve tüketim değerleri için, baralar üzerindeki kompleks gerilim ve hatlar üzerinde akan kompleks güç değerlerini bulmaktır. Yük akış probleminin çözümü, her bir baradaki gerilimin genliği, faz açısı ve her bir hatta akan aktif ve reaktif gücün belirlenmesini sağlar. Bir yük akış problemi çözülürken sistemin normal, dengeli şartlar altında çalıştığı ve tek hat diyagramıyla temsil edildiği kabul edilir. Her bir barada ele alınması gereken değişkenler, gerilim genliği (|V|), gerilim faz açısı (), aktif güç (P) ve reaktif güçtür (Q). Bazı baralar jeneratörlerle beslenir ve bu baralar üretim barası olarak isimlendirilir. Bu baralarda gerilim genliğinin ve aktif gücün bilindiği (sabit) kabul edilir. Jeneratöre bağlı olmayan diğer baralar yük barası olarak adlandırılır. Tüm baralarda kompleks yük gücünün bilindiği kabul edilir. Kısaca özetlemek gerekirse bir güç sistemindeki baralar 3 gruba ayrılır: i-Referans bara olarak da adlandırılan salınım barası, gerilimin genliğinin (|V|) ve faz açısının () bilindiği aktif (P) ve reaktif gücün (Q) bulunacağı baradır. Güç sistemindeki kayıpların neden olduğu üretilen güç ile planlanan yük arasındaki fark bu bara üzerinden değerlendirilir. ii-P-Q barası olarak da adlandırılan yük baraları, aktif (P) ve reaktif gücün (Q) bilinip bara geriliminin genliğinin (|V|) ve faz açısının () arandığı baralardır. Yük baralarında güç harcandığı için aktif ve reaktif güç değerleri negatif değerler alır. iii-P-V barası yada gerilim kontrollü bara adıyla da bilinen üretim baraları, aktif güç (P) ve gerilim genliğinin (|V|) bilindiği, gerilim faz açısının () ve reaktif gücün (Q) belirleneceği baralardır. Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi, Cilt 2, Sayı 4, Syf 77-85, Aralık 2012 2.1. Newton-Raphson Metodu Newton metotları yük akışı denklemlerinin çözümü için iteratif metotlara (Gauss, Gauss-Seidel …) göre kuadratik yakınsama karakteristiğine sahiptir [23]. Özellikle büyük çaplı güç sistemleri için Newton-Raphson metodu çok daha verimli ve uygulanabilirdir. En belirgin üstünlüklerinden birisi de çözüme ulaşmak için gereken adım sayısının sistemin boyutundan bağımsız olmasıdır. Fakat bu sırada çözümü elde ederken adım başına harcanan işlem yükü fazladır. Yük akış analizinde gerilim kontrollü baralar için aktif güç ve gerilim genliği bilindiğinden yük akış denklemleri kutupsal formda ifade edilir. Newton-Raphson yük akış analiz metodunu burada kısaca özetlemek gerekirse: [22]. Bir i barası ve bu baraya bağlı hatlar dikkate alınarak Kirchoff Akım Yasası’ndan n n j 1 j 1 I i Yij V j Yij V j ij j (1) ifadesi kutupsal formda elde edilir. Bara i’deki kompleks güç, Pi jQi A Vi I i (2) olarak ifade edilir. Denklem (1) ve denklem (2) kullanılırsa n Pi j Qi ( Vi i ) Yij V j ij j (3) j 1 Yij elde edilir. Burada, i ve j baraları arasındaki admitans değeridir. Baralar arasındaki admitans değerleri, Bara admitans matrisinde ( YBARA ) tanımlanarak, güç sistemi, yük akış analizi için tanımlanır. Denklem (3)’de görülen kompleks güç ifadesi gerçek ve sanal kısımlarına ayrılarak aşağıdaki gibi yazılabilir. n Pi Yij Vi V j cos( ij i j ) (4) j 1 n Qi Yij Vi V j sin(ij i j ) (5) j 1 Elde edilen (4) ve (5) denklemleri, bağımsız değişkenler (gerilim genliği ve gerilim faz açısı) içeren çözülecek olan nonlineer denklem sistemini oluşturur. Her bir yük barası için Pi ve Qi denklemleri, her bir jeneratör barası için Pi denklemi kullanılır. Bu iki denklem yüksek dereceli terimler ihmal edilerek başlangıç değeri civarında Taylor serisine açılmak sureti ile denklem (6) ile temsil edilen lineer bir denklem sistemine dönüştürülür. P2( k ) 2 P2( k ) : (k ) : Pn Pn( k ) 2 (k ) (k ) Q2 Q2 : 2 (k ) : Qn ( k ) Q n 2 ... P2( k ) n Pn( k ) n Q2( k ) ... n ... ... Qn( k ) n P2( k ) P ( k ) ... 2 V2 Vn (k ) 2 : Pn( k ) P ( k ) ... n ( k ) V2 Vn n (k ) Q2 Q ( k ) | V ( k ) | ... 2 2 V2 Vn : | V ( k ) | n (k ) (k ) Qn Q ... n V2 Vn (6) Aşağıdaki denklemde J, Jacobian matrisi olarak adlandırılır. Burada Jacobian matrisi gerilim faz açısı ve gerilim genliğindeki değişim oranıyla aktif ve reaktif güçteki değişim oranı arasındaki ilişkiyi belirler. Jacobian matrisi bir üstteki aktif ve reaktif güç denklemlerinin açı ve genlik değişimlerine göre kısmi türevlerinden oluşur. J J 1 J 3 P J 2 J 4 Q P J 1 Q J 3 P V Q V J 2 J 4 V (7) (8) Denklem (8) ile ifade edilen lineer denklem sistemi, iteratif olarak aşağıdaki çözüm adımları ile hesaplanır. m1 m m 1 m V V V (9) (10) Hesaplamalar, bir m iterasyon adımında, gerilim ve faz açısındaki değişim ( V ve ) önceden belirlenmiş bir hata eşiğinden küçük olunca kadar devam ettirilir. 2.2. Newton-Raphson Metodu Temelinde 24- Saatlik Dinamik Yük Akış Analizi 24-saatlik dinamik yük akışı analizlerini gerçekleştirmek için bir önceki bölümde kısaca özetlenen Newton-Raphson yük akış analiz metodundan faydalanılmıştır. Bu amaçla, dağıtık kaynaklar sürekli ve süreksiz kaynaklar olmak üzere iki farklı tipte modellenmiştir. Sürekli kaynakların, aktif ve reaktif güç değerlerinin 24 saat boyunca bir ortalama değer civarında nerede ise sabit kalabildiği varsayılmıştır. Örneğin barajların, termik santraller çıkış güçleri gibi. Süreksiz kaynaklar ise kaynak tipine (Rüzgar, güneş..vs) göre 24 saatlik aktif ve reaktif güç üretim profilleri 24 bileşenli G P ve GQ vektörleri ile temsil edilmiştir. Bu kaynakların aktif ve reaktif güç değerlerinin 24 saat boyunca değişkenlik gösterdiği varsayılmıştır. Benzer yaklaşımla, bara yükleri az değişken ve değişken güç talep profillerine uygun olarak iki farklı tipte modellenmiştir. Az değişken yükler, sanayi bölgeleri gibi, gece vardiyaları nedeni ile 24 saat boyunca yüksek salınım göstermeyen yük modelleri için kullanılmıştır. Değişken güç talebi profilleri ise hane tüketicileri gibi 24 saatlik zaman dilimi içinde ciddi salınımlar gösteren yük modelleri için kullanılmıştır. Değişken yükler 24 bileşenli PL ve QL vektörleri ile tanımlanmıştır. Saatlik bazda günlük yük akış analizleri, günün her saati için (1’den 24’e kadar) ilgili kaynak ve yük değerleri önceden tanımlanmış G P , GQ , PL , Q L vektörlerinden alınarak, Newton-Raphson metodu kullanılmak sureti ile gerçekleştirilmiştir. 24-Saatlik yük akış analizi için hesaplama adımları Şekil 1’de gösterilmiştir. Bara gerilim ve güç faktörü değişimlerinin değerlendirilmesi için dinamik yük akış analizleri sonucunda 79 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 her yük barasına ait gerilim değerleri ( Vd ) ve güç faktörü ( cos d ) saatlik bazda elde edilmiştir. Yük baralarında, gün içinde gerçekleşen gerilim ve güç faktörü değişimleri, istatistiki değişkenlik katsayısı (Coefficient of Variation) hesaplanmasında kullanılmıştır. V (Vd ) / (Vd ) (11) Burada (.) bara geriliminin günlük standart sapması ve (.) ise bara geriliminin günlük ortalama değeridir. V değişkenlik faktörü, baralardaki günlük gerilim değişimleri hakkında karşılaştırılabilir bir istatistiki veri sunmuştur. Benzer bir yaklaşımla, baralardaki güç faktöründeki değişkenlik, cos (cos d ) / (cos d ) (12) denklemi ile ifade edilmiştir. Burada cos güç faktöründeki değişkenliği temsil etmektedir. Güç sistemi, yük ve kaynak modelleri tanımlanır. (Saat=0) TMMOB Elektrik Mühendisleri Odası akış analizi testleri yapılmıştır. Bu test sistemine Şekil 2’de görüldüğü gibi dinamik yükler ve yenilenebilir dağıtık kaynaklar eklenerek farklı test senaryoları kurgulanmıştır. Bu amaca dönük olarak, iki tip dinamik test yükü tanımlanmıştır. Birincisi, sanayi bölgeleri gibi güç tüketim değişkenliği nispeten düşük olan yük talep profili, PL1 , QL1 vektörleri ile temsil edilmiş ve Şekil 3(a)’de gösterilmiştir. Diğer yük modeli ise hane tüketici bölgeleri gibi güç sarfiyatı yüksek değişkenlik gösteren yük talep profili, PL 2 , QL 2 ile vektörleri ile temsil edilmiş ve Şekil 3(b)’de gösterilmiştir. Bu çalışmada güç talep profilleri tüketici davranışlarına uygun olarak varsayımsal olarak belirlenmiştir. Bu yük analizi testi simulasyonunda güç sistemine enerji sağlayan üç tip kaynak profili tanımlanmıştır. Sürekli enerji kaynakları (Hidro enerji, termik enerji, nükleer enerji ..vs) için üretim profili G P1 , GQ1 vektörü ile tanımlanmıştır. Süreksiz ve yüksek belirsizlik gösteren yenilenebilir kaynaklardan rüzgar enerji üretim profili G P 2 , GQ 2 vektörü, güneş enerji üretim profili ise G P 3 , GQ 3 vektörü ile tanımlanmıştır. Şekil 4’de üç tip enerji üretim kaynağı için analizde kullanılan üretim profilleri gösterilmiştir. Bu profiller, kaynakların saatlik davranışlarına uygun ve varsayımsal olarak belirlenmiştir. Newton-Rapson yöntemi ile saatlik yük akış analizi yapılır. Denklem 11 ve 12 ile gerilim seviyesi ve güç faktörü değişkenliği hesaplanır saat 25 Evet saat saat 1 Hayır Son Sanayi Yükü Ev Tüketim Yükü Güneş Enerji Üretim Sürekli Enerji Üretim Rüzgar Enerji Üretim Şekil 2. Örnek uygulama için IEEE 39-bus test sistemi Şekil 1. 24-Saatlik yük akış analizi için hesaplama adımları akış diyagramı. 3. IEEE 39-Bus Test Güç Sistemi Üzerinde 24 saatlik Dinamik Yük Akış Analizleri Örnek bir uygulama için enerji pazarı problemleri için sıkça kullanılan IEEE 39-bus test sistemi üzerinde saatlik bazda yük 80 Yenilenebilir dağıtık kaynaklarının, bara gerilim ve güç faktörü kararlılığına etkileri iki test senaryosu kullanılarak, saatlik bazda incelenmiştir. Birince test senaryosu, yenilenebilir dağıtık kaynakların bulunmadığı merkezi üretim durumu için yapılmıştır. Bu test senaryosu mevcut durum (MD) olarak adlandırılmıştır. İkinci test senaryosu, yenilenebilir dağıtık kaynakların sisteme Şekil 2’de gösterildiği gibi dağıtılması sonucu ortaya çıkan durumların Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi, Cilt 2, Sayı 4, Syf 77-85, Aralık 2012 analizi için hazırlanmıştır. Bu test senaryosu dağıtık üretim durumu (DU) olarak adlandırılmıştır. kaynaklar ile dağıtık üretim, bara gerilim seviyelerinin günlük değişkenliğini ( V ) dikkate değer ölçüde etkilememiştir. Güç faktörlerinde ise bazı baralarda günlük ortalama değişkenlikte ( cos ), %2-3 civarındaki artış dikkat çekmektedir. Bunun 7 (a) 6.5 nedenini daha detaylı görmek için, baraların 24-saatlik gerilim seviyesi, güç faktörü, aktif ve reaktif güç profillerini daha detaylı incelememiz gerekir. Bu amaçla, aşağıda Bara-15, Bara-27 ve Bara-28’in gerilim seviyeleri, güç faktörleri, aktif ve reaktif güç durumları hesaplanmış ve yenilenebilir kaynakların üretimi ile dağıtık üretiminin etkileri tartışılmıştır. PL1 QL1 6 5.5 5 40 4.5 (a) GP1 4 3.5 30 0 5 10 15 20 Saat 20 8 (b) PL2 10 QL2 6 GQ1 25 0 4 0 5 10 15 20 25 Saat 1 2 (b) GP2 0.8 0 0 5 10 15 20 25 Saat Şekil 3(a) Sanayi bölgelerinin güç tüketimini modelleyen az değişimli yük talep profili ( PL1 , QL1 ). (b) Tüketici bölgeleri güç sarfiyatını modelleyen, yüksek değişkenlikli yük talep 0.6 0.4 0.2 profili ( PL 2 , QL 2 ). Şekil 5’de MD senaryosu için 24-saatlik yük akış analiz sonuçları verilmiştir. Şekil 5(b)’de bara numarası 30 ve daha yüksek baralar sadece üretim baraları olduğu için burada gerilim değişkenliği sıfır düzeyinde kalmıştır. Daha küçük bara numaralı baralarda ise yük baraları ile yük bağlı olmayan geçiş baraları mevcuttur. Bu analizde, Bara-27 de, %0.05 düzeyinde en yüksek günlük gerilim değişkenliği görülmüştür. Şekil 5(c)’de en fazla %4 düzeyinde güç faktörü değişkenliği görülmektedir. Geçiş baralarında, yük veya kaynak bağlı olmadığı için, güç faktörleri hesaplanmamıştır. Bu durum Şekil 5(c)’deki karakteristikte güç faktör değeri hesaplanmamış baralar görülmektedir. Şekil 6(a) ve (b)’de mevcut durum (MD) ile dağıtık üretim senaryo varyantlarının (DU, DUx5, DUx8) karşılaştırılması yapılmıştır. Burada DUx5 ve DUx8 senaryoları, yenilenebilir dağıtık kaynakların enerjisinin DU’daki seviyesinin 5 katına ve 8 katına çıktığı test koşullarını temsil etmektedir. Buna göre, DU düşük güçlü yenilenebilir enerji üretim koşullarını, DUx5 orta düzey yenilenebilir enerji üretim koşullarını, DUx8 ise yaklaşık olarak bütün lokal tüketime cevap verebilecek yüksek düzeyli yenilenebilir enerji üretim koşullarını temsil etmektedir. Şekil 6(a)’de görüldüğü üzere, yenilenebilir GQ2 0 0 5 10 15 20 25 Saat 1 (c) GP3 0.8 GQ3 0.6 0.4 0.2 0 0 5 10 15 20 25 Saat Şekil 4 (a) ( G P1 , GQ1 ). Sürekli enerji kaynakları üretim profili (b) Rüzgar enerji kaynakları üretim profili ( G P 2 , GQ 2 ). (c) Güneş enerji kaynakları üretim profili ( G P 3 , GQ 3 ). 81 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası (a) 24-Saatlik Bara Gerilim Seviyeleri Profilleri [pu] 35 -4 1.15 20 1.05 15 4 V Bara No 1.1 25 (a) MD DU DUx5 DUx8 5 30 3 2 10 5 1 1 5 10 -4 6 x 10 6 x 10 Saat 15 0 20 0 (b) 10 20 Bara 30 (b) 5 MD DU DUx5 DUx8 0.4 cos V 4 3 2 1 0 0.3 0.2 0.1 0 0.05 cos 40 10 20 Bara 30 40 (c) 0 10 20 Bara 30 40 0.04 Şekil 6(a) IEEE 39-bus güç sisteminin MD, DU ve DU çeşitli 0.03 analizinde elde edilen günlük gerilim değişkenlikleri (b) güç enerji durum senaryoları için yapılan 24-saatlik yük akış faktörü değişkenliklerinin karşılaştırması 0.02 0.01 0 Bara-27’de ise hem sanayi tüketim modeli ( PL1 , QL1 ) 0 10 20 Bara 30 40 Şekil 5. IEEE-39 bus test sisteminin MD senaryosu analizinde elde edilen (a) Bara gerilim sevilesi 24-saatlik profilleri. (b) Baraların günlük gerilim değişkenlikleri (c) Baraların günlük güç faktörü değişkenlikleri Bara-15’e sadece hane tüketim modelini ( PL 2 , QL 2 ) temsil eden yük bağlıdır. Şekil 7’de görüldüğü gibi, yenilenebilir dağıtık kaynak barındırmayan sadece dinamik yük içeren Bara-15, diğer baralara bağlanan yenilenebilir dağıtık kaynakların üretimlerinden pek etkilenmemiştir. Baralarda aktif ve reaktif güç profilinin negatif değerli olması, barada güç tüketimi olduğuna işaret eder. 82 hem de hane tüketim modelini ( PL 2 , QL 2 ) temsil eden iki dinamik yük bağlıdır. Ayrıca bu barada rüzgar üretim modeline ( G P 2 , GQ 2 ) sahip kaynak bağlanarak, yenilenebilir enerjiden faydalanılmıştır. Şekil 8(c) görüldüğü üzere rüzgar enerji üretiminin tepe değerlerine ulaştığı 4:00-7:00 saatleri arasında, orta ve yüksek rüzgar gücü üretim koşullarında (DUx5 ve DUx8) güç faktöründe sert düşüşler görülmüştür. Ayrıca, bu zaman diliminde, DUx8 senaryosunda sağlanan yüksek rüzgar enerji üretimi, bu baradaki lokal tüketimin tamamını karşılayabilmiş, diğer bir ifade ile Bara-27’yi bu saatler arasında kendi kendine yetebilir duruma (Islanded Operation) gelmiştir. Bu saatler arasında DUx8 seneryosunda görülen pozitif güç değerleri, üretim baralarından güç çekmeye ihtiyaç duymadan lokal talebin karşılanabildiğini ve hatta bu baranın üretici konuma gelebildiğini göstermiştir. Ancak bu saatlerdeki güç faktöründe görülen sert değişimin kompanze edilmesine dönük tedbirlerin önceden alınması, Bara-27’de enerji dağıtımı ve tüketimini daha sağlıklı ve güvenilir kılacaktır. Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim Koşullarının Güç Sistemlerinin Yük Akışına Etkilerinin Analizi, Cilt 2, Sayı 4, Syf 77-85, Aralık 2012 MD DU DUx5 DUx8 V (pu) 1.1385 1.138 1.1375 1.1535 (a) MD DU DUx5 DUx8 1.153 V (pu) (a) 1.1525 1.152 1.137 1.1515 5 10 15 5 20 10 Saat MD DU DUx5 DUx8 cos 0.9578 0.9578 0.8 0.6 0.9578 MD DU DUx5 DUx8 0.4 0.2 0.9578 5 10 15 5 20 10 (c) -4 -5 -10 -6 -15 -8 5 10 15 5 20 10 0 -1 (d) 20 MD DU DUx5 DUx8 -3 Q (Mvar) -0.5 -2 (d) MD DU DUx5 DUx8 15 Saat Saat Q (Mvar) 20 MD DU DUx5 DUx8 0 P (MW) P (MW) (c) MD DU DUx5 DUx8 -2 15 Saat Saat 0 20 (b) cos 0.9578 (b) 15 Saat -1.5 -4 -5 -6 -2 -7 5 10 15 20 saat Şekil 7. Bara-15 için hesaplanan 24-saatlik gerilim seviyeleri (a), güç faktörleri (b), aktif ve reaktif güç (c)-(d) profilleri 5 10 15 20 saat Şekil 8. Bara-27 için hesaplanan 24-saatlik gerilim seviyeleri (a), güç faktörleri (b), aktif ve reaktif güç (c)-(d) profilleri 83 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 1.146 (a) V (pu) Bara-28’de ise hem sanayi tüketim modeli ( PL1 , QL1 ) MD DU DUx5 DUx8 1.1455 hem de hane tüketim modelini ( PL 2 , QL 2 ) temsil eden yükler bağlıdır. Ayrıca bu barada güneş üretim modeline ( G P 2 , GQ 2 ) sahip kaynak bağlanarak, yenilenebilir enerjiden 1.145 faydalanılmıştır. Yenilenebilir kaynaklar gerilim sevilerinde dikkate değer değişime neden olmamalarına rağmen yüksek üretim gücünde, artan reaktif güç üretimi sonucu güç faktöründe düşüşlere neden olduğu analiz sonuçlarında görülmüştür. Şekil 9(b) de saat 9:00-16:00 arasında güneş enerjinden yüksek güç üretim koşullarında (DUx8), güç faktöründe düşüş açıkça görülmektedir. Ancak, düşük üretim koşullarında (DU) bu etkinin önemsenmeyecek derecede zayıf kaldığı görülmektedir. Bu saatlerde bu baralarda güç-faktörü kararlılığına dönük tekniklerin uygulanması, güç kalitesinin korunması açısından faydalı olacaktır. 1.1445 1.144 5 10 15 20 Saat 0.95 (b) 0.9 cos 0.85 0.8 0.75 4. Sonuçlar MD DU DUx5 DUx8 0.7 0.65 5 10 15 Bu çalışmada, süreksiz dağıtık üretim ve değişken güç talep durumları altında gün içi dinamik yük akış analizleri gerçekleştirilmiş ve baraların elektriksel parametrelerinin saatlik bazda değişimi hesaplanmıştır. Böylece, üretim süreksizliği gösteren kaynaklardan teşkil edilen dağıtık üretimin, gün içi değişen güç talepleri karşısında baraların gerilim ve güç faktörleri kararlığına etkileri analiz edilebilmiştir. 20 Saat -4 (c) P (MW) -6 -8 -10 MD DU DUx5 DUx8 -12 -14 5 10 15 20 Saat (d) Q (Mvar) -4 -5 -6 MD DU DUx5 DUx8 -7 5 10 15 20 saat Şekil 9. Bara-28 için hesaplanan 24-saatlik gerilim seviyeleri (a), güç faktörleri (b), aktif ve reaktif güç (c)-(d) profilleri 84 TMMOB Elektrik Mühendisleri Odası Bu analizlerde, yenilenebilir dağıtık kaynakların gerilim seviyesi kararlığına ciddi bir olumsuz etkisinin olmadığı görülmüştür. Bunun nedeni, bütün sistemde enerji dengesinin (Energy Balance) sağlanmasıdır. Enerji dengesi, kayıplar dahil olmak üzere sistemde tüketilen gücün, jeneratörlerden çekilen güce eşit olması halidir. Baraya eklenen dağıtık yenilenebilir kaynak, bu enerji dengesi nedeni ile sadece bu baraya diğer kaynak baralarından akan gücü azaltmıştır. Böylece, bara gerilimi seviyesinin korunabilmesi sağlanabilmiştir. Ancak, lokal yenilenebilir kaynak, tüketimin önemli bir kısmını karşıladığı durumda, kendi aktif ve reaktif güç karakteri nedeni ile bağlı olduğu baranın toplam aktif ve reaktif bara gücünü etkileyebilmekte ve bara güç faktöründe anlık değişimlere neden olabilmektedir. Süreksiz lokal kaynakların yüksek üretim sağladıkları zaman dilimlerinde güç faktör değişimini kompanze edecek tedbirlerin alınmış olması, bara güç faktörü kararlığının korunması için yeterli olacaktır. Bu amaçla, yenilenebilir lokal kaynakların, yüksek üretim koşullarında reaktif güç üretimleri sınırlanarak güç faktör kararlığı korunabilir. Bu tür analiz yöntemleri, süreksiz dağıtık kaynaklara sahip güç sistemlerinin yönetimi sırasında çıkabilecek problemlerinin çözümünde büyük öneme sahip olacaktır. Ortalama üretim ve güç talep profilleri ile tanımlanan dinamik güç sistemi modellerinde, saatlik veya daha düşük örnekleme periyotlu yük akış analizleri ile yük akış dengesizliklerinin ve güç dağıtımındaki kalite bozukluklarının önceden tahmin edilmesi mümkün olabilecektir. Böylece önleyici tedbirleri içeren 24-saatlik güç yönetim planlamaları daha güvenilir olarak yapılabilecektir. Optimization and Programming for Area Power System”, International Conference on Power System Technology, vol.2, 21-24 Nov. 2004, pp.1447-1450. [10] Wei, H., Cong, Z., Jingyan, Y., Jianhua, Z., Zifa, Kaygusuz A., Gül O., Alagöz B. B, Yenilenebilir Dağıtık Üretim Koşullarının Yük Akışına Etkilerinin Analizi, L.,Zhilian, W.Güç and Sistemlerinin Dongli, P., “Using Bacterial Chemotaxis 2, Sayı 4, Syf 77-85, Aralık 2012 Method for Reactive PowerCilt Optimization”, Transmission and Distribution Conference and Exposition, 21-24 April2008, pp. 1-7. [11] Shirmohammadi D., Hong H.W., Semlyen A. ve Luo G.X., “Compensation-Based Power Flow Method for Weakly Meshed Distribution and Transmission Networks”,IEEE Transactions on Power Systems,development vol. 3, pp. of 753-762 , Feb. [17] Bayod-Rujula RA.,"Future the electricity 5. Kaynaklar 1988. systems with distributed generation.”, Energy, vol:34:3, [12] Cheng Carol S. ve Shirmohammadi D., “Three-phase [1] Pecas Lopes JA, Hatziargyriou N, Mutale J, Djapic P, pp.77-83. 2009. Power Flow for Realtime Distribution Jenkins N., "Integrating distributed generation into electric [18] CosentinoMethod V, Favuzza S, Graditi G, IppolitoSystem MG, Analysis”, Transactions PowerG.,Systems, pp. power systems: A review of drivers, challenges and Massaro F,IEEE Sanseverino ER,onZizzo "Smart vol.10, renewable 671-679, opportunities”, Electric Power Systems Research, vol:77, generationFeb. for1995. an islanded system. Technical and economic [13] M, scenarios.”, Vincent B, Maurice GCB, Johann LH, Gerard pp.1189-1203, 2007. issuesAlbert of future Energy, vol:39, pp.196-204, 2012. JMS.,"Domestic energy AN, management methodology for [2] W. F. Tinney and C. E. Hart, "Power Flow Solution by [19] Lund H, Andersen Østergaard PA, Mathiesen BV, optimizing in Smartsmart Grids.”, Bucharest Newton's Method", IEEE Trans. Power App. Syst., vol.86, Connolly D.efficiency "From electricity grids IEEE to smart energy PowerTech, 2009. operation based approach and pp.1449-1460, Nov. 1967. systems - pp:1-7, A market [14] Ayompe LM, Duffy A, McCormack SJ, Conlon M, [3] R. D. Zimmerman and H. D. Chiang, "Fast Decoupled understanding.”, Energy, vol:42, pp.96-102, 2012. "Validated energyA,models for A. small-scale gridPower Flow for Unbalanced Radial Distribution Systems", [20] Alagozreal-time BB, Kaygusuz Karabiber “A User-Mode connected Energy,vol:35:40,pp.86-91., 2010. 1995 IEEE PES Winter Meeting, New York, pp. 95, 1995. DistributedPV-systems.”, Energy Management Architecture for Smart Grid [15] Prasad AR, Natarajan E.,pp"Optimization of integrated [4] B. Stott and O. Alsaq, “Fast Decoupled Load Flow”,IEEE Applications”, Energy, vol: 44, 167–177, 2012. photovoltaic-wind systems with battery Transactions on Power Apparatus and Systems, vol. 93, pp. [21] Amjad AM, power Alireza generation S, Taher N, Mohammad RAP., storage”., Energy,operation vol:31:19,management pp.43-54, 2006. 859-869, June 1974. “Multi-objective of a renewable MG [16] Lund H. with "Large-scale of wind power into [5] Selva Moorthy,Majid Al-Dabbagh and Michael Vawser, (micro-grid) back-up integration micro-turbine/fuel cell/battery different energy systems.”, Energy, vol:30:24, pp.02-12, 2005. “Improved Phase–Cordinate Gauss-Seidel Load Flow hybrid power source”. Energy, vol;36:6, pp.490-507., 2011. Algorithm”, Electric Power System Research, vol. 34, pp. 91[17] RA.,"Future development the electricity [22] Bayod-Rujula Saadat, H., Power Systems Analysis,ofMcGraw Hill, 5. Kaynaklar 95, Aug. 1995. systems with distributed generation.”, Energy, vol:34:3, Boston, 1999. [1] Pecas Lopes Hatziargyriou N, Mutale J, Djapic P, [6] Zhang, W. andJA,Liu, Y., “Reactive Power Optimization pp.77-83. 2009. [23] Abacı K. ,Yalçın M. A. , Uyarlıoğlu Y., “Güç Jenkins N., PSO "Integrating generation into electric Based on in a distributed Partical Power System”, Power [18] CosentinoFarklı V, Favuzza Graditi Seçiminin G, IppolitoGerilim MG, Sistemlerinde SalınımS, Barası power systems: A General reviewMeeting, of drivers challenges Engineering Society 2004, IEEE., vol. 1, and pp. Massaro Sanseverino ER, Zizzo Elektrik-Elektronik G., "Smart renewable KararlılığıF, Açısından İncelenmesi”, ve opportunities”, Electric 239-243, 6-10 June 2004. Power Systems Research, vol:77, generation an islandedSempozyumu, system. Technical and economic Bilgisayar for Mühendisliği Bursa,8-12 Aralık pp.1189-1203, 2007.J. G., “Fuzzy Logic Application in Load [7] Vlachogiannis issues 2004. of future scenarios.”, Energy, vol:39, pp.196-204, 2012. [2] F. TinneyIEE and Proc. C. E. Hart, "Power Transmission Flow Solutionand by FlowW.Studies”, Generation, [19] Lund H, Andersen AN, Østergaard PA, Mathiesen BV, Newton's Method", Trans.2001. Power App. Syst., vol.86, Distribution, vol.148,IEEE pp. 34-40, Connolly D. "From electricity smart grids to smart energy pp.1449-1460, Nov. [8] R. Storn and K.1967. Price, “Differential Evolution-a Simple systems - A market operation based approach and [3] D. Zimmerman and for H. D. Chiang, "Fast Decoupled and R.Efficient Heuristic Global Optimization over understanding.”, Energy, vol:42, pp.96-102, 2012. Power FlowSpaces”, for Unbalanced Systems", Continuous Journal ofRadial GlobalDistribution Optimization, vol.11, [20] Alagoz BB, Kaygusuz A, Karabiber A. “A User-Mode 1995 IEEE PES Winter Meeting, New York, pp. 95, 1995. pp. 341-359, 1997. Distributed Energy Management Architecture for Smart Grid [4] “Fast Load Flow”,IEEE [9] B.Li,Stott Z., and Shi, O. J. Alsaq, and Liu, Y., Decoupled “Distributed Reactive Power Applications”, Energy, vol: 44, pp 167–177, 2012. Transactions Apparatus for andArea Systems, vol.System”, 93, pp. Optimization on andPower Programming Power [21] Amjad AM, Alireza S, Taher N, Mohammad RAP., 859-869, JuneConference 1974. International on Power System Technology, vol.2, “Multi-objective operation management of a renewable MG [5] Selva Al-Dabbagh and Michael Vawser, 21-24 Nov.Moorthy,Majid 2004, pp.1447-1450. (micro-grid) with back-up micro-turbine/fuel cell/battery “Improved Phase–Cordinate Gauss-Seidel LoadZ., Flow [10] Wei, H., Cong, Z., Jingyan, Y., Jianhua, Zifa, hybrid power source”. Energy, vol;36:6, pp.490-507., 2011. Algorithm”, Electric Power System Research, vol. Chemotaxis 34, pp. 91L.,Zhilian, W. and Dongli, P., “Using Bacterial [22] Saadat, H., Power Systems Analysis, McGraw Hill, 95, Aug. for 1995. Method Reactive Power Optimization”, Transmission and Boston, 1999. [6] Zhang, W. and Liu,and Y.,Exposition, “Reactive 21-24 PowerApril2008, Optimization Distribution Conference pp. [23] Abacı K. ,Yalçın M. A. , Uyarlıoğlu Y., “Güç Based on PSO in a Partical Power System”, Power 1-7. Sistemlerinde Farklı Salınım Barası Seçiminin Gerilim Engineering Society General Meeting, 2004 IEEE.,A. vol.ve1,Luo pp. [11] Shirmohammadi D., Hong H.W., Semlyen Kararlılığı Açısından İncelenmesi”, Elektrik-Elektronik ve 239-243, 6-10 June 2004. G.X., “Compensation-Based Power Flow Method for Weakly Bilgisayar Mühendisliği Sempozyumu, Bursa,8-12 Aralık [7] Vlachogiannis J. G.,and “Fuzzy Logic Application in Load Meshed Distribution Transmission Networks”,IEEE 2004. Flow Studies”, IEE Proc. Generation, Transmission and Transactions on Power Systems, vol. 3, pp. 753-762 , Feb. Distribution, vol.148, pp. 34-40, 2001. 1988. [8] StornCarol and K.S. Price, “Differential Evolution-a Simple [12] R. Cheng ve Shirmohammadi D., “Three-phase and HeuristicforforRealtime Global Distribution OptimizationSystem over PowerEfficient Flow Method Continuous Spaces”, Journal ofonGlobal vol.11, Analysis”, IEEE Transactions PowerOptimization, Systems, vol.10, pp. pp. 341-359, 671-679, Feb.1997. 1995. [9] Z., Shi, J. and Liu, Y., “Distributed Reactive Power [13] Li, Albert M, Vincent B, Maurice GCB, Johann LH, Gerard Optimization and energy Programming for Areamethodology Power System”, JMS.,"Domestic management for International Conferenceinon Smart Power System vol.2, optimizing efficiency Grids.”,Technology, IEEE Bucharest 21-24 Nov. 2004, pp.1447-1450. PowerTech, pp:1-7, 2009. [10] H., LM, Cong, Z., Jingyan, Y., Jianhua, Z., Zifa, [14] Wei, Ayompe Duffy A, McCormack SJ, Conlon M, L.,Zhilian, and Dongli, “Using for Bacterial Chemotaxis "Validated W. real-time energyP., models small-scale gridMethod forPV-systems.”, Reactive Power Optimization”, Transmission and connected Energy,vol:35:40,pp.86-91., 2010. Distribution and Exposition, 21-24 April2008, pp. [15] Prasad Conference AR, Natarajan E., "Optimization of integrated 1-7. photovoltaic-wind power generation systems with battery [11] Shirmohammadi D., Hong H.W., 2006. Semlyen A. ve Luo storage”., Energy, vol:31:19, pp.43-54, G.X., “Compensation-Based Flowof Method Weakly [16] Lund H. "Large-scale Power integration wind for power into Meshed Distribution andEnergy, Transmission different energy systems.”, vol:30:24,Networks”,IEEE pp.02-12, 2005. Transactions on Power Systems, vol. 3, pp. 753-762 , Feb. 1988. [12] Cheng Carol S. ve Shirmohammadi D., “Three-phase Power Flow Method for Realtime Distribution System 85 Analysis”, IEEE Transactions on Power Systems, vol.10, pp. 671-679, Feb. 1995. [13] Albert M, Vincent B, Maurice GCB, Johann LH, Gerard JMS.,"Domestic energy management methodology for EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 86 TMMOB Elektrik Mühendisleri Odası Akın B., Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli Yükselcilerin Karşılaştırması, Cilt 2, Sayı 4, Syf 87-93, Aralık 2012 Temalı Derleme Makale Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli Yükselticilerin Karşılaştırması Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Comparison of Single Phase PowerDüzeltmeli Factor Correction Boost Converters for Fast Verimli Şarjı için Güç Faktörü Yükselticilerin Karşılaştırması and Efficient of Li-ion Batteries Used in Electrical Cars for Fast Comparison of Single Charge Phase Power Factor Correction Boost Converters and Efficient Charge of Li-ion Batteries Used in Electrical Cars Burak Akın Burak Akın Bölümü Elektrik Mühendisliği Yıldız Teknik Üniversitesi Elektrikbakin@yildiz.edu.tr Mühendisliği Bölümü Yıldız Teknik Üniversitesi bakin@yildiz.edu.tr Özet Fosil yakıtların yakın bir gelecekte tükenecek olması ve Özet yeni enerji kaynaklarının atmosfere CO2 salması nedeniyle arayışı içerisine girilmiştir. Temiz bir tükenecek enerji kaynağı Fosil yakıtların yakın bir gelecekte olmasıolan ve elektrik enerjisinin motorlu taşıtlarda kullanılması, Li-ion atmosfere CO2 salması nedeniyle yeni enerji kaynaklarının aküler içerisine ile mümkündür. Li-ionbir enerji akülerin şarjında arayışı girilmiştir. Temiz kaynağı olan kullanılabilecek AC-DC dönüştürücüler sıkça yer elektrik enerjisinin motorlu taşıtlarda literatürde kullanılması, Li-ion almaktadırile[1-13]. Bunu gerçekleştirmek için güç şarjında faktörü aküler mümkündür. Li-ion akülerin düzeltmeli (PFC),AC-DC geleneksel, köprüsüz veliteratürde dönüşümlüsıkça gerilim kullanılabilecek dönüştürücüler yer yükseltici devrelerinin simülasyonları yapılmıştır. kHz almaktadır [1-13]. Bunu gerçekleştirmek için güç100 faktörü anahtarlama frekansında ve 3 köprüsüz kW çıkış gücünde çalıştırılarak düzeltmeli (PFC), geleneksel, ve dönüşümlü gerilim simülasyonları yapılan simülasyonları dönüştürücüler,yapılmıştır. güç faktörü yükseltici devrelerinin 100(PF), kHz toplam akım frekansında harmonik bozulma ve verim açısından anahtarlama ve 3 kW(THDi) çıkış gücünde çalıştırılarak karşılaştırılmıştır. Simülasyon sonuçlarına geleneksel simülasyonları yapılan dönüştürücüler, güçgöre faktörü (PF), yükseltici % 97.8 verim ve % 4.88 (THDi) THDi değerlerine, köprüsüz toplam akım harmonik bozulma ve verim açısından yükseltici % 98.2 Simülasyon verim ve sonuçlarına % 5.05 THDi karşılaştırılmıştır. göredeğerlerine, geleneksel dönüşümlü% 97.8 yükseltici ise%% verim ve %1.93 THDi yükseltici verim ve 4.8898THDi değerlerine, köprüsüz değerlerine%sahiptir. Tüm dönüştürücüler 0.99 güç faktörü yükseltici 98.2 verim ve % 5.05 THDi değerlerine, değerini da, ise köprüsüz dönüşümlüsağlasa yükseltici % 98 yükseltici verim ve THDi %1.93 değeri, THDi EN61000-3-2sahiptir. standardı olan, % 0.99 5’in güçüzerinde değerlerine Tüm dönüştürücüler faktörü bulunduğundan, akülerin yükseltici şarjı için,THDi dönüşümlü değerini sağlasa li-ion da, köprüsüz değeri, yükseltici daha iyistandardı performans göstermiştir. EN61000-3-2 olan, % 5’in üzerinde Anahtar kelimeler: li-ion Dönüşümlü PFC, köprüsüz PFC,dönüşümlü Li-ion. bulunduğundan, akülerin şarjı için, yükseltici daha iyi performans göstermiştir. Abstract Anahtar kelimeler: Dönüşümlü PFC, köprüsüz PFC, Li-ion. New energy sources haveAbstract been searched beacuse of depletion of fossil fuels in near future and to reduce the CO2 emissions to theenergy atmosphere. is possible to use clean energy of New sourcesIt have been searched beacuse of source depletion electricity in electrical vehicles batteries. are emissions of fossil fuels in near future andbytoli-ion reduce the CO2 There many AC-DC converters in thetolitterature charge Li-ion to the atmosphere. It is possible use clean to energy source of batteries [1-13]. Forvehicles this by reason, conventional PFC, electricity in electrical li-ion batteries. There are bridgeless PFCconverters and interleaved PFC boostto converters are many AC-DC in the litterature charge Li-ion simulated. Simulations are run at 3 kW output power with 100 batteries [1-13]. For this reason, conventional PFC, kHz switching and they PFC are compared with power bridgeless PFCfrequency and interleaved boost converters are factor (PF), total current harmonic (THDi) simulated. Simulations are run at 3 kWdistortion output power with and 100 efficieny. According to the results conventional kHz switching frequency and simulation they are compared with power boost hascurrent 97.8 % efficieny 4.88 % THDi values, factor converter (PF), total harmonicand distortion (THDi) and bridgeless boost converter 98.2 % efficieny and 5.05 % efficieny. According to thehas simulation results conventional THDi values, interleaved converter has%98 % efficieny boost converter has 97.8 %boost efficieny and 4.88 THDi values, and 1.93% boost THDi converter values. Although all%converters bridgeless has 98.2 efficieny have and greater 5.05 % than 0.99 power factor, boost bridgeless boosthasconverter THDi THDi values, interleaved converter 98 % efficieny and 1.93% THDi values. Although all converters have greater than 0.99 power factor, bridgeless boost converter THDi value is above the EN 61000-3-2 standards which is 5%, so for li-ion battery charging, interleaved boost topology has beter performance. value is above the EN 61000-3-2 standards which is 5%, so for li-ion battery charging, interleavedPFC, boostLi-ion. topology has Keywords: Interleaved PFC, Bridgeless beter performance. 1. Bridgeless Giriş PFC, Li-ion. Keywords: Interleaved PFC, Günümüzde pahalı fosil kaynaklı yakıtları kullanan araçların 1. )Giriş atmosfere karbondioksit (CO 2 salması ve yakın bir gelecekte bu yakıtlarınpahalı tükenecek olması yakıtları bilinen bir gerçektir. Bu Günümüzde fosil kaynaklı kullanan araçların sebeple alternatif enerji(CO kaynaklarının motorlu araçlarda atmosfere karbondioksit ) salması ve yakın bir gelecekte 2 kullanılması bir fırsat doğmuş ve elektrikli araçların bu yakıtların için tükenecek olması bilinen bir gerçektir. Bu yeniden alternatif üretilmesi enerji planlanmıştır. Elektrikli araçların seri sebeple kaynaklarının motorlu araçlarda olarak üretilmesine başlanılmasına karşın, yakın kullanılması için birhenüz fırsatyeni doğmuş ve elektrikli araçların bir gelecekte fosil yakıtların tükenecek olması ve CO salınım 2 yeniden üretilmesi planlanmıştır. Elektrikli araçların seri etkisiniüretilmesine azaltmak henüz içinyenioldukça rağbetkarşın, göreceği olarak başlanılmasına yakın düşünülmektedir. bir gelecekte fosil yakıtların tükenecek olması ve CO2 salınım etkisini azaltmak için oldukça rağbet göreceği Şu anki teknoloji ile elektrikli araçların enerji kaynağı olan düşünülmektedir. lityum-iyon (li-ion) akülerle yapılacak mesafe 150 km civarında olsa da, şehir içi kullanımı için çok ideal olup şehir Şu anki teknoloji ile elektrikli araçların enerji kaynağı olan merkezlerindeki CO2 salınmasını da ciddi mesafe oranda azaltacağı lityum-iyon (li-ion) akülerle yapılacak 150 km düşünülmektedir. Ayrıcaiçiuygulanacak düşük vergiolup oranışehir ile civarında olsa da, şehir kullanımı için çok ideal toplumun bu yönde edileceği görüşü yaygındır. merkezlerindeki COteşvik salınmasını da ciddi oranda azaltacağı 2 düşünülmektedir. Ayrıca uygulanacak düşük vergi oranı ile Li-ion akülerin şarjında alternatif akımdan toplumun bu yönde teşvik kullanılabilecek edileceği görüşü yaygındır. doğru akıma (AC-DC) dönüştürme yapan geleneksel yükseltici topolojisi, Şekil 1’de gösterilmiştir. Li-ion akülerin şarjında kullanılabilecek alternatifGeleneksel akımdan yükselticilerin verim, güç faktörü ve THDi değerlerini doğru akıma (AC-DC) dönüştürme yapan geleneksel geliştirmek topolojisi, üzere köprüsüz dönüşümlü Geleneksel yükseltici yükseltici Şekil 1’devegösterilmiştir. topolojileri Literatürde yeni geliştirilmiş yükselticileringeliştirilmiştir. verim, güç faktörü ve THDi değerlerini yükseltici bulunmakla ve birlikte [13], bu makalede 3 geliştirmektopolojileri üzere köprüsüz dönüşümlü yükseltici temel PFC yükseltici incelenmiş ve performansları analiz topolojileri geliştirilmiştir. Literatürde yeni geliştirilmiş edilerek sonuçlar ortaya konulmuştur. Diyot köprüsü arkasına3 yükseltici topolojileri bulunmakla birlikte [13], bu makalede yerleştirilen gerilim yükseltici devre, sabit çıkış gerilimini temel PFC yükseltici incelenmiş ve performansları analiz sağlarkensonuçlar aynı zamanda şebekeden de sinüzoidal akım edilerek ortaya konulmuştur. Diyot köprüsü bir arkasına çekmektedir. Çıkış gerilimi, girişdevre, akımı sabit ve giriş geriliminden yerleştirilen gerilim yükseltici çıkış gerilimini üretilen referans akıma göre darbe genişlik modülasyonuna sağlarken aynı zamanda şebekeden de sinüzoidal bir akım (PWM) göre kontrol edilen devre aşamalıdır. çekmektedir. Çıkış gerilimi, giriş tek akımı ve giriş geriliminden üretilen referans akıma göre darbe genişlik modülasyonuna (PWM) göre kontrol edilen devre tek aşamalıdır. 87 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 D D D D L D1 L D1 Vg Cç R Cç R TMMOB Elektrik Mühendisleri Odası + Vç + Vç - Vg - D D D D S1 S1 Şekil 1: Geleneksel yükseltici. Şekil 1: Geleneksel yükseltici. Şekil 2’de gösterilen köprüsüz yükselticilerin girişinde köprü Şekil 2’deolmadığından, gösterilen köprüsüz yükselticilerin girişinde köprü diyotları geleneksel yükselticilere göre verimi diyotları olmadığından, yükselticilere göre verimi daha yüksektir ve daha azgeleneksel elamana ihtiyaç duyarlar. Ancak bu daha yüksektir ve daha az elamana ihtiyaç duyarlar. bu dönüştürücülerin toplam akım harmonik bozulmaAncak (THDi) dönüştürücülerin toplam akım harmonik bozulmaseviyeleri (THDi) değerleri ve elektromanyetik girişim (EMI) değerleri elektromanyetik girişim (EMI)Literatürdeki seviyeleri geleneksel ve yükselticilere göre daha yüksektir. geleneksel yükselticilere göre daha yüksektir. Literatürdeki kaynakların neredeyse tamamı 1 kW’dan küçük deneysel kaynakların neredeyse tamamı kW’dan küçük deneysel amaçlı tasarlanmış devrelerdir [1, 110]. amaçlı tasarlanmış devrelerdir [1, 10]. Köprüsüz yükselticinin kontrolü, her sıfır geçişinde ilgili Köprüsüz kontrolü, hergerilimine sıfır geçişinde ilgili anahtar girişyükselticinin akım ve gerilimi ile çıkış bağlı olarak anahtar akım ve gerilimi ile çıkış gerilimine kontrol giriş edilir. Hem birim PFC değerine hembağlı de olarak düşük kontrol Hem PFC hızlı değerine hem bir de şekilde düşük THDi’yeedilir. ulaşmak içinbirim kontrolün ve doğru THDi’ye ulaşmak için kontrolün doğru bir şekilde yapılması gerekmektedir. Çıkış hızlı gücü vearttıkça geleneksel yapılması Çıkış gücü arttıkça geleneksel yükselticiyegerekmektedir. göre verimi de artmaktadır. yükselticiye göre verimi de artmaktadır. L1 D1 D2 D1 D2 L1 Vg Vg Cç R Cç R + Vç + Vç - L2 L2 S1 S2 S1 S2 Şekil 2: Köprüsüz yükseltici. Şekil 2: Köprüsüz yükseltici. Şekil 3’de gösterilen dönüşümlü yükselticiler, yüksek güçte Şekil 3’de yükselticilerin gösterilen dönüşümlü yükselticiler, güçte geleneksel güç dağılımı ve akımyüksek dalgalılığını geleneksel yükselticilerin güç dağılımı ve akım dalgalılığını azaltmak için geliştirilmiştir. Girişinde diyot köprüsü o azaltmak geliştirilmiştir. Girişinde 180 diyot köprüsü bulunmaklaiçin birlikte, doğrultucu çıkışında dönüşümlü bulunmakla birlikte, doğrultucu çıkışında 180o dönüşümlü çalışan iki adet yükseltici devresi bulunmaktadır. Eleman çalışan adetveyükseltici bulunmaktadır. Eleman sayısındaikiartış karmaşık devresi kontrolüne rağmen, dönüşümlü sayısında artış ve karmaşık kontrolüne rağmen, dönüşümlü yükselticiler düşük EMI ve akım dalgalılık oranlarına sahiptir. yükselticiler düşük de EMIgeleneksel ve akım dalgalılık oranlarına sahiptir. Verim değerleri yükselticilere göre daha Verim değerleri de geleneksel yükselticilere göre daha yüksektir. yüksektir. L1 D1 D D L1 L2 D1 D2 D D L2 D2 Vg Cç R Cç R Vg - D D D D S1 S2 S1 S2 Şekil 3: Dönüşümlü yükseltici. Şekil 3: Dönüşümlü yükseltici. 88 + Vç + Vç - Bu çalışmadaki amaç, geleneksel, köprüsüz ve dönüşümlü Bu çalışmadaki geleneksel, köprüsüz ve dönüşümlü PFC yükselticiamaç, devrelerinin aynı şartlar altında PFC yükseltici devrelerinin aynı şartlar altında performanslarının karşılaştırılmasıdır. Bu karşılaştırma performanslarının karşılaştırılmasıdır. Bu karşılaştırma yapılırken, dönüştürücülerin tek fazdan beslenmesi, 100 kHz yapılırken, tekçıkış fazdan beslenmesi, kHz anahtarlamadönüştürücülerin frekansında 3 kW gücünü ve 400V100 regüleli anahtarlama frekansında 3 kW çıkış gücünü ve 400V regüleli çıkış gerilimini sağlaması, % 5’in altında THDi değerlerine çıkış gerilimini sağlaması, 5’in altında değerlerine sahip olması, verimin % % 97’nin üzerindeTHDi olması ve güç sahip olması, verimin % olması 97’ninşartları üzerinde olması ve güç faktörünün 0.99’dan büyük aranmaktadır. faktörünün 0.99’dan büyük olması şartları aranmaktadır. Tüm dönüştürücülerin tek aşamada regüleli çıkış gerilimini ve Tüm teksağlaması aşamada regüleli çıkış gerilimini ve giriş dönüştürücülerin sinüzoidal akımını için, referans akımın 100 giriş sinüzoidal akımını sağlaması için, referans akımın 100 kHz toplam anahtarlama frekansında PWM kontrolü ile kHz toplam anahtarlama frekansında PWM kontrolü ile çalışması amaçlanmıştır. çalışması amaçlanmıştır. 2. Temel Büyüklüklerin Hesaplanması 2. Temel Büyüklüklerin Hesaplanması Yükseltici devrelerdeki en kritik büyüklük sürekli (CCM) Yükseltici devrelerdeki en kritik(DCM) büyüklük sürekliyükseltici (CCM) veya kesintili akım modunda çalışan veya kesintili akım modunda (DCM) için çalışan yükseltici endüktansın hesabıdır. Elektrikli arabalar üretilen li-ion endüktansın Elektrikli arabalar için üretilen li-ion aküler 400V hesabıdır. giriş gerilimli ve yaklaşık 24 kWh kapasitesinde aküler 400V giriş ve yaklaşık 24 kWh olduğundan, hızlıgerilimli ve güvenilir bir şarj için kapasitesinde yüksek güç olduğundan, ve makalede güvenilir li-ion bir şarjaküiçinşarjına yüksekuygun güç gerekmektedir.hızlı Bu gerekmektedir. Bu makalede li-ion akü şarjına uygun dönüştürücüler 3 kW gücünde çalışacağından, sürekli akım dönüştürücüler 3 kW gücünde çalışacağından, sürekli akım modu tercih edilmiştir. modu tercih edilmiştir. Yükseltici endüktans ve çıkış kondansatör değerlerini Yükseltici endüktans veformüllerden çıkış kondansatör hesaplamak için aşağıdaki yararlanılır.değerlerini Sırasıyla hesaplamak için aşağıdaki formüllerden Sırasıyla Ig ve Vg şebeke giriş akım ve gerilimini, Pyararlanılır. g ve Pç giriş ve çıkış Igücünü, giriş akım ve gerilimini, P ve P giriş g ve Vg şebeke g ç ve çıkış güç min ve PF tahmin edilen minimum verim ve PF tahmin edilen minimum verim güç gücünü, min vebağıl faktörünü, iletimde kalma oranını, ILveakım akım faktörünü, bağıl iletimde kalma oranını, I L dalgalanma oranını fsw anahtarlama frekansını, L yükseltici dalgalanma yükseltici endüktans oranını değerini,fsw anahtarlama Vç çıkış frekansını, gerilimini, L t çıkış endüktans değerini, çıkış süresini gerilimini,ve t kondansatörünün yükü Vçbesleme Cç çıkış çıkış kondansatörünün besleme süresini ve Cç çıkış kondansatör değeriniyükü ifade eder. kondansatör değerini ifade eder. Maksimum giriş gücü, Maksimum giriş P gücü, k) Pg(ma k ) Pc(ma (1) c(ma k ) Pg(ma k ) (1) min min Maksimum giriş akımı, Maksimum giriş akımı, Pc(ma k ) Ig(ma k ) (2) Pc(ma k ) Ig(ma k ) min (Vg(eff (2) )(min) )PF min (Vg(eff )(min) )PF Giriş akımının maksimum tepe değeri, Giriş akımının maksimum tepe değeri, 2.Pc(ma k) (3) Ig(tepe) max 2.Pc(ma k) (3) Ig(tepe) max min (Vg(eff )(min) ) min (Vg(eff )(min) ) Giriş akımının maksimum ortalama değeri, Giriş akımının 2.I maksimum ortalama değeri, ma k (4) Ig(ort) ma k 2.Ig(tepe) ma k (4) Ig(ort) ma k g(tepe) Giriş geriliminin minimum tepe değeri, Giriş geriliminin minimum tepe değeri, Vg(tepe)min= 2 . Vg(eff)(min) (5) Vg(tepe)min = 2 . Vg(eff)(min) (5) Bağıl iletim süresi, Bağıl iletim Vc süresi, Vg( tepe)(min ) Vc Vg( tepe)(min ) (6) Vc (6) V İzin verilen akımc dalgalanma miktarı %IL ise, İzinΔI verilen akım dalgalanma miktarı %IL ise, (7) L=%IL. Ig(tepe)mak ΔIL=%I (7) L. Ig(tepe)maktepe değeri, Akımının maksimum Akımının maksimum tepeIdeğeri, IL(tepe)mak= Ig(tepe)mak+ I LL (8) IL(tepe)mak= Ig(tepe)mak+ 2 (8) 2 Endüktans değeri, Endüktans değeri, Akın B., Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli Yükselcilerin Karşılaştırması, Cilt 2, Sayı 4, Syf 87-93, Aralık 2012 Temalı Derleme Makale V ) . L Vg(tepe)(min g(tepe)(min ) . f . I L sw L f sw .I L Çıkış kondansatör değeri, Çıkış kondansatör değeri, 2.Pc .t Cc 1.1 2 2.Pc .t 2 Cc 1.1 Vc 2 Vg(tepe)(min) 2 Vc Vg(tepe)(min) formüllerinden yararlanılarak kolayca formüllerinden yararlanılarak hesaplamalardan sonra güç faktörükolayca değeri, hesaplamalardan sonra güç faktörü değeri, T 1T 1 vg (t ).ig (t ).dt P T v (t ).ig (t ).dt PF P T 00 g Vg ( eff ) .I g ( eff ) PF S S Vg ( eff ) .I g ( eff ) veya, veya, cos (9) (9) (10) (10) bulunabilir. bulunabilir. PF cos PF 1 THDi 2 1 THDi 2 Bu Bu (11) (11) (12) (12) formüllerinden hesaplanarak bulunabilir. CCM çalışan formüllerinden hesaplanarak bulunabilir. geleneksel yükselticinin endüktans akımındakiCCM değişimçalışan Şekil geleneksel yükselticinin endüktans akımındaki 4’de bir anahtarlama periyodu için gösterilmiştir.değişim Şekil 4’de bir anahtarlama periyodu için gösterilmiştir. Şekil 4: CCM çalışmada endüktans akımının değişimi. Şekil 4: CCM çalışmada endüktans akımının değişimi. Tablo 2: Yükselticilerin Genel Karşılaştırması Tablo 2: Yükselticilerin Karşılaştırması Yükseltici Geleneksel Genel Köprüsüz Dönüşümlü Yükseltici Geleneksel Köprüsüz Dönüşümlü Tipi Yükseltici Yükseltici Yükseltici Tipi Yükseltici Yükseltici Yükseltici Güç < 1000 W < 2000 W <3000 <Normal 1000 W < 2000 <3000 EMI Güç / Gürültü Kötü W İyi EMI Gürültü Normal Kötü İyi Çıkış/ Gerilim Yüksek Yüksek Düşük Çıkış Gerilim Dalgalanması Yüksek Yüksek Düşük Dalgalanması Giriş Akım Yüksek Yüksek Düşük Giriş Akım Dalgalanması Yüksek Yüksek Düşük Dalgalanması Manyetik Büyük Orta Küçük Manyetik Büyüklük Büyük Orta Küçük Büyüklük Verim Kötü Normal Normal Verim Kötü Normal Normal Tablo 3’de yükselticilerin karşılaştırmalı analizi gösterilmiş Tabloeleman 3’de yükselticilerin karşılaştırmalı analizi gösterilmiş olup, sayıları ve maliyet açısından incelenmiştir. olup, eleman sayıları ve maliyet açısından incelenmiştir. Tablo 3: Yükselticilerin karşılaştırmalı analizi Tablo 3: Yükselticilerin Yükseltici Geleneksel karşılaştırmalı Köprüsüz analizi Dönüşümlü Yükseltici Geleneksel Köprüsüz Dönüşümlü Tipi Yükseltici Yükseltici Yükseltici Tipi Yükseltici Yükseltici Yükseltici Ana Anahtar 1 2 2 AnaSayısı Anahtar 1 2 2 Sayısı Hızlı Diyot 1 2 2 Hızlı Diyot Sayısı 1 2 2 Sayısı Doğrultucu 4 0 4 Doğrultucu Diyot Sayısı 4 0 4 Diyot Sayısı Endüktans 1 2 2 Endüktans Sayısı 1 2 2 Sayısı Çıkış 1 1 1 Çıkış Kondansatörü 1 1 1 Kondansatörü Toplam 8 7 11 Toplam Eleman Sayısı 8 7 11 Eleman Sayısı Maliyet Düşük Orta Yüksek Maliyet Düşük Orta Yüksek 4. Kontrol Yöntemi 4. Kontrol Yöntemi 3. Simülasyon Parametrelerinin Seçimi 3. Simülasyon Parametrelerinin Seçimi Yükseltici devrelerin kontrol yöntemi olarak giriş akımının Yükseltici devrelerin kontrol yöntemi olarak giriş akımının kolay filtrelenebilmesi ve düşük harmonikli düzgün bir kolay filtrelenebilmesi ve düşük harmonikli düzgünPWM bir sinüzoidal akım çekebilmesi için sabit anahtarlamalı sinüzoidal akım çekebilmesi için sabit anahtarlamalı PWM tercih edilmiştir. 100 kHz anahtarlama frekansında çalıştırılan tercih edilmiştir. kHzkontrol anahtarlama frekansında çalıştırılan yükselticiler, tek 100 aşamalı ile şebekeden sinüzoidal bir yükselticiler, tekaynı aşamalı kontrol ile şebekeden akım çekerken, zamanda regüleli DC çıkışsinüzoidal gerilimini bir de akım çekerken, zamanda regüleliiçin DCçıkış çıkışgerilimi, geriliminigiriş de kontrol eder. Buaynı kontrolü sağlamak kontrol eder. Bu kontrolü sağlamak için çıkış gerilimi, giriş gerilimi ve akımından faydalanılır. gerilimi ve akımından faydalanılır. Çıkış gücüne bağlı olarak şebekeden çekilecek sinüzoidal Çıkış (1)-(12) gücüne formülleri bağlı olarak sinüzoidal akım ile şebekeden hesaplanır. çekilecek Oluşturulan kontrol akım (1)-(12) ile hesaplanır. Oluşturulan kontrol sistemi referansformülleri akım üzerinde anahtarlama yaparak belli bir sistemi referans akım üzerinde anahtarlama yaparak belli bir bantta bu akım ortalamasını sağlar. Geleneksel yükseltici tek bantta bu akım ortalamasını bir anahtar ile tüm güç akışısağlar. kontrolGeleneksel edilirken. yükseltici Köprüsüz tek ve bir anahtar yükselticilerde ile tüm güç akışı kontrol Köprüsüz dönüşümlü 2 anahtar ileedilirken. bu güç akışı sağlanır.ve dönüşümlü yükselticilerde 2 anahtar ile bu güç akışı sağlanır. Köprüsüz yükselticide bulunan 1. anahtar pozitif yarım Köprüsüz bulunan 1. anahtar dalgayı, 2.yükselticide anahtar negatif yarım dalgayı pozitif kontrol yarım eder. dalgayı, 2. yükseltici anahtar de negatif dalgayı kontrol Dönüşümlü ise 1. yarım ve 2. anahtarlar 180oo faz eder. farkı Dönüşümlü yükseltici ise kontrol 1. ve 2.ile anahtarlar faz farkı ile sistemi kontrol eder.de Bu girişten 180 sinüzoidal bir ile sistemi kontrol eder. kontrol ile girişten bir akım çekilirken, çıkış güçBu akışı da kontrol edilmişsinüzoidal olur. akım çekilirken, çıkış güç akışı da kontrol edilmiş olur. Yükselticilerin genel karşılaştırması Tablo 2’de gösterilmiş Yükselticilerin genel Tablo gösterilmiş olup, güç değeri, EMIkarşılaştırması gürültü seviyesi, çıkış2’de dalgalığı, giriş olup, güç manyetik değeri, EMI seviyesi, çıkış dalgalığı, [8]. giriş dalgalığı, boyutgürültü ve verim açısında incelenmiştir dalgalığı, manyetik boyut ve verim açısında incelenmiştir [8]. 5. Geleneksel PFC’li Yükseltici Simülasyonu 5. Geleneksel PFC’li Yükseltici Simülasyonu Anahtarlama frekansı (fsw) yükselticilerin çalışma Anahtarlama (fç)frekansı yükselticilerin çalışma sw) frekansından çok çok (f büyük olduğundan (fsw>>f ç) bir frekansından (fç) çok çok temel büyükbüyüklüklerin olduğundan (fdeğişmediği sw>>fç) bir anahtarlama periyodunda, anahtarlama periyodunda, büyüklüklerin değişmediği kabul edilmiştir. Buna göre temel tüm devre parametreleri yukarıda kabul edilmiştir. göre tüm devre verilen (1)-(12)Buna bağıntılarına göre,parametreleri 100 kHz yukarıda toplam verilen (1)-(12) bağıntılarına göre, 100 anahtarlama frekansında, 3 kW’lık çıkış kHz gücütoplam için anahtarlama Tablo frekansında, 3 kW’lıkDönüşümlü çıkış gücü için hesaplanarak 1’de gösterilmiştir. yükseltici hesaplanarak anahtarların Tablo 1’de gösterilmiştir. yükseltici devresinde her biri 50Dönüşümlü kHz anahtarlama devresinde çalışmakla anahtarlarınbirlikte her devrenin biri 50 toplam kHz anahtarlama anahtarlama frekansında frekansında birlikte devrenin toplam anahtarlama frekansı yineçalışmakla 100 kHz olmaktadır. frekansı yine 100 kHz olmaktadır. Tablo 1: Simülasyon Parametreleri 1: Simülasyon ParametreleriDönüşümlü Yükseltici Tablo Geleneksel Köprüsüz Yükseltici Geleneksel Köprüsüz Dönüşümlü Tipi Yükseltici Yükseltici Yükseltici Tipi Yükseltici Yükseltici Yükseltici 220 ± %5 220 ± %5 220 ± %5 Vg 220 ± %5 220 ± %5 220 V g 400 ± %5 400 ± %5 400 ± ± %5 %5 Vç 400 ± %5 400 ± %5 400 ± %5 V Pçç 3000 W 3000 W 3000 W 3000kHz W 3000kHz W 3000 W fPswç 100 100 50 kHz fCsw 100 kHz 100 kHz 50 kHz 3300 µF 3300 µF 3300 µF ç Cç 3300 µF 3300 µF 3300 µF L (L1+L2) 270 µH 270 µH 270 µH L (L1+L2) 270 µH 270 µH 270 µH Geleneksel Geleneksel Şekil 5’de Şekil 5’de PFC’li yükselticinin kontrol ve ana akım devresi PFC’li yükselticinin kontrol ve ana akım devresi gösterilmiştir. Ana akım devresi girişinde köprü gösterilmiştir. Ana akım devresi girişinde köprü 89 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası doğrultucu bulunmaktadır ve kontrol, giriş akım ve gerilimi ile çıkış geriliminin uygun bir algoritma ile kontrolü ile sağlanmaktadır. Ana anahtar olarak 3 kW çıkış gücüne uygun 100 kHz’de çalışabilecek IXFT50N60P3 mosfeti seçilmiş olup simülasyon sonuçlarının gerçeğe uygun olması için eşdeğer referans gerilim ve direnç değerleri simülasyona eklenmiştir. Yine aynı şekilde yükseltici hızlı diyotu da gerçeğe uygun olarak C3D10060A hızlı silikon karpit (SİC) diyotu olarak simülasyona eklenmiştir. SİC diyotları, ters toparlanma süreleri ve akım değerleri ile sistemin toplam verim ve performansını arttırdığından tercih edilmiştir. Endüktans ve çıkış kondansatörü değerleri giriş geriliminin 220 V efektif değeri için hesaplanmış ve CCM çalışmaya uygun olarak Tablo 1’de gösterilen simülasyon parametrelerine göre devreye eklenmiştir. Başlangıç koşullarından sadece Cç çıkış kondansatörüne, ilk periyotta düzgün çıkış verebilmesi için, 400 V referans değer verilmiştir. Şekil 6: Giriş ve çıkış akım-gerilim dalga şekilleri. Şekil 7’de gösterilen giriş akım ve gerilimine bağlı güç faktörü değeri incelenirse, güç faktörü değerinin PF=0,998 olduğu görülür. Şekil 7: Giriş akım ve gerilimine bağlı güç faktörü değeri. Tek fazlı şebekeden çekilen akımın değişimi Şekil 8’de gösterilmiştir. CCM modunda çalışan geleneksel yükselticinin şebekeden çektiği akımın THDi değeri % 4,88 dir. EN610003-2 harmonik standartlarına göre % 5 olan sınır değerin altında ve verimi % 97,8 ile arzulanan verim değerinin üzerindedir. Güç faktörü değeri de birim güç faktörü değerini sağlamaktadır. Şekil 5: Geleneksel PFC’li yükseltici simülasyon devresi. Giriş akım ve gerilimi ile çıkış akım ve gerilimi Şekil 6’da gösterilmiş olup, akım örneklerinin daha düzgün görülebilmesi için 10 kez büyük ölçekli gösterilmiştir. Giriş ve çıkış değişkenlerinin efektif değerleri sağdaki küçük ekranda belirtilmiştir. Buna göre yaklaşık, giriş gerilimi 220 V, çıkış gerilimi 400 V, giriş akımı 14 A, çıkış akımı 7,5 A olarak ölçülmüştür. Giriş ve çıkış güçlerinden verim ölçümü yapılırsa, giriş gücü 3065 W ve çıkış gücü 2999 W olduğundan verim % 97,8 olarak hesaplanmıştır. Şekil 8: Giriş akımı THDi değeri. 90 Akın B., Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli Yükselcilerin Karşılaştırması, Cilt 2, Sayı 4, Syf 87-93, Aralık 2012 Temalı Derleme Makale 6. Köprüsüz PFC’li Yükseltici Simülasyonu Köprüsüz PFC’li yükselticinin kontrol ve ana akım devresi Şekil 9’da gösterilmiştir. Ana akım devresi girişinde köprü doğrultucu bulunmamaktadır ve kontrol, giriş akım ve gerilimi ile çıkış geriliminin uygun bir algoritma ile kontrolü ile sağlanmaktadır. Şekil 11’de gösterilen giriş akım ve gerilimine bağlı güç faktörü değeri incelenirse, güç faktörü değerinin PF=0,998 olduğu görülür. Şekil 11: Giriş akım ve gerilimine bağlı güç faktörü değeri. Tek fazlı şebekeden çekilen akımın değişimi Şekil 12’de gösterilmiştir. CCM modunda çalışan köprüsüz yükselticinin şebekeden çektiği akımın THDi değeri % 5,05 dir. Köprüsüz yükselticinin verimi, girişinde diyot köprüsü bulunmadığından, % 98,2 ile arzulanan verim değerinin üzerindedir. Güç faktörü değeri de birim güç faktörü değerini sağlamaktadır. Şekil 9: Köprüsüz PFC’li yükseltici ana akım ve kontrol devresi. Giriş akım ve gerilimi ile çıkış akım ve gerilimi Şekil 10’da gösterilmiş olup, akım örneklerinin daha düzgün görülebilmesi için 10 kez büyük ölçekli gösterilmiştir. Giriş ve çıkış değişkenlerinin efektif değerleri sağdaki küçük ekranda belirtilmiştir. Buna göre yaklaşık, giriş gerilimi 220 V, çıkış gerilimi 400 V, giriş akımı 13,9 A, çıkış akımı 7,5 A olarak ölçülmüştür. Giriş ve çıkış güçlerinden verim ölçümü yapılırsa, giriş gücü 3055 W ve çıkış gücü 2999 W olduğundan verim % 98,2 olarak hesaplanmıştır. EN61000-3-2 harmonik standartlarına göre % 5 olan sınır değerin üzerinde olan THDi değeri uygun filtrelemeler yapılarak aşağı düşürülebilir. Literatürdeki diğer çalışmalarda da sistemin yapısı gereği köprüsüz yükselticinin yüksek THDi ve EMI değerine dikkat çekilmiştir. Köprüsüz yükselticide L1ve L2 endüktanslarının toplamı 270 µH dir. Dolayısı ile simülasyonda her biri 135 µH olarak ayarlanmıştır. Şekil 12: Giriş akımının THDi değeri. 7. Dönüşümlü PFC’li Yükseltici Simülasyonu Dönüşümlü PFC’li yükselticinin kontrol ve ana akım devresi Şekil 13’de gösterilmiştir. Ana akım devresi girişinde köprü doğrultucu bulunmaktadır ve kontrol, giriş akım ve gerilimi ile çıkış geriliminin uygun bir algoritma ile kontrolü ile sağlanmaktadır. Şekil 10: Giriş ve çıkış akım-gerilim dalga şekilleri. 91 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası Şekil 15’de gösterilen giriş akım ve gerilimine bağlı güç faktörü değeri incelenirse, güç faktörü değerinin PF=0,999 olduğu görülür. Şekil 15: Giriş akım ve gerilimine bağlı güç faktörü değeri. Şekil 13: Dönüşümlü PFC’li yükseltici ana akım ve kontrol devresi. Giriş akım ve gerilimi ile çıkış akım ve gerilimi Şekil 14’de gösterilmiş olup, akım örneklerinin daha düzgün görülebilmesi için 10 kez büyük ölçekli gösterilmiştir. Giriş ve çıkış değişkenlerinin efektif değerleri sağdaki küçük ekranda belirtilmiştir. Buna göre giriş gerilimi 220 V, çıkış gerilimi 400 V, giriş akımı 13,9 A, çıkış akımı 7,5 A olarak ölçülmüştür. Giriş ve çıkış güçlerinden verim ölçümü yapılırsa, giriş gücü 3060 W ve çıkış gücü 2999 W olduğundan verim % 98 olarak hesaplanmıştır. Tek fazlı şebekeden çekilen akımın değişimi Şekil 16’da gösterilmiştir. CCM modunda çalışan dönüşümlü yükselticinin şebekeden çektiği akımın THDi değeri % 1.93 olup, EN61000-3-2 harmonik standartlarına göre % 5 olan sınır değerin oldukça altındadır. Dönüşümlü yükselticinin verimi, girişinde diyot köprüsü bulunduğundan, % 98 ile arzulanan verim değerinin üzerindedir. Güç faktörü değeri de birim güç faktörü değerini sağlamaktadır. Dönüşümlü yükselticide anahtarlama frekansı her bir mosfet için 50 kHz, sistemin toplam anahtarlama frekansı ise 100 kHz dir. Şekil 16: Giriş akımının THDi değeri. 8. PFC’li Yükselticilerin Performansı Şekil 14: Giriş ve çıkış akım-gerilim dalga şekilleri. Geleneksel, köprüsüz ve dönüşümlü PFC’li yükselticiler, 100 kHz toplam anahtarlama frekansında, 3 kW çıkış gücünde çalıştırılmış ve PF, THDi ve verim açısından değerlendirilmiştir. Buna göre Tablo 4’de güç faktörü, THDi ve verim açısından sonuçlar gösterilmiştir. Bu sonuçlara göre en yüksek verim köprüsüz yükselticide, en düşük THDi dönüşümlü yükselticide ölçülmüştür. Tüm yükselticiler güç faktörü açısından birim güç faktörü değerine ulaşmıştır. Tablo 4: Yükselticilerin performans karşılaştırması Yükseltici Geleneksel Köprüsüz Dönüşümlü Tipi Yükseltici Yükseltici Yükseltici PF 0.998 0.998 0.999 THDi (%) 4.88 5.05 1.93 Verim (%) 97.8 98.2 98 92 Auxiliary Circuits” IEEE Transactions on Power Electronics, vol. 21, pp. 370-379, March 2006. [3] Muthuramalingam, A.; Madhivanan, R.; Kalpana, R.; , "Comparative study of high performance rectifiers," Akın B., Elektrikli Arabalarda Kullanılan Li-ion Akülerin Tek Power Fazdan Hızlı ve Verimli Şarjı için Güç Faktörü Düzeltmeli Electronics, 2006. IICPE 2006. India Yükselcilerin Karşılaştırması, Cilt 2, Sayı 4, Syf 87-93, Aralık 2012 International Conference on , vol., no., pp.216-221, 19Temalı Derleme Makale 21 Dec. 2006 [4] Woo-Young Choi; Jung-Min Kwon; Eung-Ho Kim; JongJae Lee; Bong-Hwan Kwon; , "Bridgeless Boost Rectifier With Low Conduction Losses and Reduced Diode Reverse-Recovery Problems," Industrial Electronics, Transactions onL.; , vol.54, pp.769-780, [8] IEEE Beltrame, F.; Roggia, Schuch,no.2, L.; Pinheiro, J.R.;April ,“A 9. Sonuçlar 2007 comparison of high power single-phase power factor Bu makalede elektrikli arabalarda kullanılan Li-ion akülerin [5] correction Huber, L.;pre-regulators” Yungtaek Jang; M.M.; , 2010 Jovanovic, IEEE International hızlı ve verimli şarjı için tercih edilebilecek temel yükseltici "Performanceon Evaluation of Bridgeless PFCpp Boost Conference Industrial Technology (ICIT), 625devrelerin simülasyonları yapılmış ve karşılaştırma sonuçları Rectifiers," Power Electronics, IEEE Transactions on , 629, May 2010 gösterilmiştir. vol.23, no.3, pp.1381-1390, [9] Etezadi-Amoli, M.; Choma,May K.; 2008 Stefani, J.; , "Rapid[6] Woo-Young Choi; Jung-Min Kwon; Bong-Hwan Kwon; Charge Electric-Vehicle Stations," Power Delivery, IEEE, Geleneksel, köprüsüz ve dönüşümlü yükseltici devreleri, 3 kW "An improved PFC boost-doubler Transactions on ,bridgeless vol.25, no.3, pp.1883-1887, Julyrectifier 2010 çıkış gücünde ve 100 kHz anahtarlama frekansında high-efficiency," Power Electronics [10] with Musavi, F.; Eberle, W.; Dunford, W.G.; , Specialists "A highçalıştırılmıştır. Simülasyon sonuçlarına göre, geleneksel Conference, single-phase 2008. PESC 2008.power IEEEfactor , vol., no., performance AC-DC corrected yükseltici % 97.8 verim ile en düşük verim değerine sahipken, pp.1309-1313, June boost converter15-19 for plug in 2008 hybrid electric vehicle battery % 4.88 THDi değeri ile iki dönüştürücünün arasında yer [7] Tao Qi; LeiEnergy Xing; Jian Sun; , "Dual-Boost chargers," Conversion Congress andSingle-Phase Exposition almaktadır. Köprüsüz yükseltici % 98.2 ile en verimli sistem PFC Input Current on Output Current (ECCE), 2010 IEEEControl , vol., Based no., pp.3588-3595, 12-16 olmasına karşın, THDi değeri olarak, EN61000-3-2 harmonik Sensing," Sept. 2010 Power Electronics, IEEE Transactions on , standartlarına göre % 5 sınır olan, % 5.05 değerini almıştır. pp.2523-2530, Nov. 2009 [11] vol.24, Musavi,no.11, F.; Eberle, W.; Dunford, W.G.; , "Efficiency Dönüşümlü yükseltici % 98 verim değeri ile arada yer evaluation of single-phase solutions for AC-DC [8] Beltrame, F.; Roggia, L.; Schuch, L.; Pinheiro, J.R.;PFC ,“A 9. Sonuçlar almasına karşın, % 1.93 THDi değeri ile en az harmonikli boost converters plug-in-hybrid electric comparison of highforpower single-phase powervehicle factor sistemdir. Güçelektrikli faktörüarabalarda açısındankullanılan değerlendirildiğinde üç Bu makalede Li-ion akülerin battery chargers," Vehicle 2010 PowerIEEE and International Propulsion correction pre-regulators” yükseltici de 0.99şarjı değerine ulaşmıştır. hızlı ve verimli için tercih edilebilecek temel yükseltici Conference on (VPPC), 2010 Technology IEEE , vol., (ICIT), no., pp.1-6, 1-3 Conference Industrial pp 625devrelerin simülasyonları yapılmış ve karşılaştırma sonuçları Sept.May 2010 629, 2010 Bu yükseltici topolojileri arasında li-ion akü şarjına yönelik gösterilmiştir. [12] Akın, B.; Bodur, , "AK.; New Single-Phase Soft[9] Etezadi-Amoli, M.; H.; Choma, Stefani, J.; , "Rapidhızlı ve verimli bir sistem olarak dönüşümlü yükseltici daha Switching Power FactorStations," Correction Converter," Charge Electric-Vehicle Power Delivery,Power IEEE iyi performans sergilemiştir. Geleneksel, köprüsüz ve dönüşümlü yükseltici devreleri, 3 kW Electronics, IEEE Transactions on , vol.26, no.2, Transactions on , vol.25, no.3, pp.1883-1887, July 2010 çıkış gücünde ve 100 kHz anahtarlama frekansında 2011 W.; Dunford, W.G.; , "A high[10] pp.436-443, Musavi, F.;Feb. Eberle, çalıştırılmıştır. Simülasyon sonuçlarına göre, geleneksel [13] performance Musavi, F.; single-phase Eberle, W.;AC-DC Dunford, W.G.; , "A highpower factor corrected yükseltici % 97.8 verim ile en düşük verim değerine sahipken, 10. KAYNAKLAR performance single-phase bridgeless interleaved PFC boost converter for plug in hybrid electric vehicle battery % 4.88 THDi değeri ile iki dönüştürücünün arasında yer converter for plug in hybrid electric and vehicle battery chargers," for Energy Conversion Congress Exposition [1] Chakraborty, S.; Mohan, N.;%, 98.2 "A Comparative study of almaktadır. Köprüsüz yükseltici ile en verimli sistem chargers," Industry Application, IEEE Transactions12-16 on , (ECCE), 2010 IEEE , vol., no., pp.3588-3595, Various Single Stage PFC Converters in implementing olmasına karşın, THDi değeri olarak, EN61000-3-2 harmonik vol.47, no.4, pp.1833-1843, Aug. 2011 Sept. 2010 Novel Converter standartlarına göre % 5Topology sınır olan,for%Simultaneous 5.05 değerini charging almıştır. [11] Musavi, F.; Eberle, W.; Dunford, W.G.; , "Efficiency and Individual Cell Balancing of Multiple Li-ion Dönüşümlü yükseltici % 98 verim değeri ile arada yer evaluation of single-phase solutions for AC-DC PFC Batteries," Telecommunications Conference, 2005. almasına karşın, % 1.93 THDi değeri ile en az harmonikli boost converters for plug-in-hybrid electric vehicle INTELEC Twenty-Seventh , vol., no., sistemdir. Güç '05. faktörü açısından International değerlendirildiğinde üç battery chargers," Vehicle Power and Propulsion pp.251-256, 2005ulaşmıştır. yükseltici de 0.99Sept. değerine Conference (VPPC), 2010 IEEE , vol., no., pp.1-6, 1-3 [2] W. Huang, G. Moschopoulos, “A New Family of Zero Sept. 2010 Voltage Transition Converters With Dual yönelik Active Bu yükseltici topolojileriPWM arasında li-ion akü şarjına [12] Akın, B.; Bodur, H.; , "A New Single-Phase SoftTransactions on Power hızlı Auxiliary ve verimli Circuits” bir sistem IEEE olarak dönüşümlü yükseltici daha Switching Power Factor Correction Converter," Power Electronics, vol. 21, pp. 370-379, March 2006. iyi performans sergilemiştir. Electronics, IEEE Transactions on , vol.26, no.2, [3] Muthuramalingam, A.; Madhivanan, R.; Kalpana, R.; , pp.436-443, Feb. 2011 "Comparative study of high performance rectifiers," [13] Musavi, F.; Eberle, W.; Dunford, W.G.; , "A highPower Electronics, 2006. IICPE 2006. India 10. KAYNAKLAR performance single-phase bridgeless interleaved PFC International Conference on , vol., no., pp.216-221, 19converter for for plug in hybrid electric vehicle battery 21 Dec. 2006 [1] Chakraborty, S.; Mohan, N.; , "A Comparative study of chargers," Industry Application, IEEE Transactions on , [4] Woo-Young Choi; Jung-Min Kwon; Eung-Ho Kim; JongVarious Single Stage PFC Converters in implementing vol.47, no.4, pp.1833-1843, Aug. 2011 Jae Lee;Converter Bong-Hwan Kwon; , for "Bridgeless Boost Rectifier Novel Topology Simultaneous charging With Low Conduction Losses and Reduced Li-ion Diode and Individual Cell Balancing of Multiple Reverse-Recovery Problems," Industrial Electronics, Batteries," Telecommunications Conference, 2005. IEEE Transactions on , vol.54, International no.2, pp.769-780, INTELEC '05. Twenty-Seventh , vol.,April no., 2007 pp.251-256, Sept. 2005 [5] Huber, L.;G. Yungtaek Jang;“AJovanovic, [2] W. Huang, Moschopoulos, New FamilyM.M.; of Zero, "Performance Evaluation of Bridgeless Boost Voltage Transition PWM Converters With PFC Dual Active Rectifiers," Power Electronics, IEEE Transactions on , Auxiliary Circuits” IEEE Transactions on Power vol.23, no.3, vol. pp.1381-1390, May 2008 Electronics, 21, pp. 370-379, March 2006. [6] Choi; Jung-Min Kwon; Bong-Hwan Kwon; [3] Woo-Young Muthuramalingam, A.; Madhivanan, R.; Kalpana, R.; , "An improved study bridgeless PFC performance boost-doublerrectifiers," rectifier "Comparative of high with Power Electronics Specialists Powerhigh-efficiency," Electronics, 2006. IICPE 2006. India Conference, PESCon 2008. IEEE , vol., no., International 2008. Conference , vol., no., pp.216-221, 19pp.1309-1313, 21 Dec. 2006 15-19 June 2008 [7] Qi; Lei Xing; Jian Sun; Kwon; , "Dual-Boost [4] Tao Woo-Young Choi; Jung-Min Eung-HoSingle-Phase Kim; JongPFC Input Current Control on Output Current Jae Lee; Bong-Hwan Kwon; , Based "Bridgeless Boost Rectifier Sensing," Electronics, IEEE on , With LowPower Conduction Losses andTransactions Reduced Diode vol.24, no.11, pp.2523-2530, Nov.Industrial 2009 Reverse-Recovery Problems," Electronics, IEEE Transactions on , vol.54, no.2, pp.769-780, April 2007 [5] Huber, L.; Yungtaek Jang; Jovanovic, M.M.; , "Performance Evaluation of Bridgeless PFC Boost 93 Rectifiers," Power Electronics, IEEE Transactions on , vol.23, no.3, pp.1381-1390, May 2008 [6] Woo-Young Choi; Jung-Min Kwon; Bong-Hwan Kwon; , EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 94 TMMOB Elektrik Mühendisleri Odası Amasyalı M. F., Balcı S., Varlı E. N., Mete E., Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans Karşılaştırılması, Cilt 2, Sayı 4, Syf 95-104, Aralık 2012 Temalı Derleme Makale Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans Karşılaştırılması A Comparison of Text Representation Methods for Turkish Text Classification M.Fatih AMASYALI 1, Sümeyra BALCI1, Esra Nur VARLI1, Emrah METE1 1 Elektrik Elektronik Fakültesi, Bilgisayar Mühendisliği Bölümü Yıldız Teknik Üniversitesi mfatih@ce.yildiz.edu.tr, sumeyrabalci@gmail.com, esranurvarli@gmail.com, mfatih@ce.yildiz.edu.tr, esranurvarli@gmail.com, emrahmete@gmail.com emrahmete@gmail.com Özet Bir metnin sınıfına metnin hangi özelliklerine bakılarak karar verilebilir? Sınıflandırma probleminin türünün (metnin yazarını, yazarın cinsiyetini, yazarın ruh halini, metnin konusunu, metnin olumlu ya da olumsuz ifadeler içerdiğini tanıma) bu soruya verilecek cevaba etkisi nedir? Bu sorulara çeşitli cevaplar vererek, metin dosyalarının otomatik sınıflandırılması için uzun zamandır çalışmalar sürmektedir. Bu çalışmada çeşitli türdeki 6 adet Türkçe sınıflandırma veri kümesi üzerinde 17 adet özellik grubunun etkisi incelenmiştir. Çıkarılan özellik gruplarına örnek olarak; cümle, kelime, ek sayıları, ngramlar, kelimeler, kelime grupları ve saklı anlam indeksi verilebilir. Türkçe için bugüne kadar yapılmış en kapsamlı karşılaştırma çalışması sunulmuştur. Sonuçlarda n-gramların genel olarak diğer temsil yöntemlerinden daha başarılı sonuçlar ürettiği görülmüştür. Anahtar kelimeler: Doğal Dil İşleme, Metin Sınıflandırma, Metin Özellikleri, Metin Temsil Yöntemleri Abstract Which features are the most important for text classification tasks? How does the type of text classification problem (authorship attribution, gender identification, mood identification, topic identification, sentiment analysis) affect the answer of this question? By giving various answers to these questions, the automatic text classification studies are ongoing for a long time. In this study, 17 text representation methods are compared over 6 different Turkish text classification tasks. Frequencies of the words, stem words, word phrases, n-grams, tokens, and word clusters, Latent Semantic Indexing are examples of the extracted text features. To the best of our knowledge, the most comprehensive study for Turkish text classification is presented. In general, n-grams were produced more successful results than the other text representing methods. Keywords: Natural Language Processing, Text Classification, Text Categorization, Text Features, Text Representation Methods 1. Giriş Bir metnin yazarı, konusu, yazarının cinsiyeti, yazarının ruh hali otomatik olarak tahmin edilebilir mi? Bu soruya cevap arayan çalışmalar otomatik metin sınıflandırma adıyla anılmaktadır. Bu çalışmalarda önceden sınıfı belli metinlerin çeşitli özelliklerinin incelenmesiyle yeni gelen bir metnin hangi sınıfa ait olduğu tahmin edilmektedir. Ancak bunun yapılabilmesi için metinlerin hangi özelliklerinin inceleneceğine diğer bir deyişle metinlerin nasıl temsil edileceğine de karar vermek gerekir. Bununla birlikte, sınıflandırma probleminin türünün (yazar, konu, cinsiyet vb.) temsil yöntemine etkisinin olup olmadığı da ayrı bir araştırma konusudur. Literatürde çeşitli metin sınıflandırma problemleri için birçok başarılı çalışma yapılmıştır. Bunlara örnek olarak yazar tanıma [1, 2], metin konusunu belirleme [3, 4], e-posta sınıflandırma [5], metnin yazarının cinsiyetini belirleme [1] verilebilir. Bu çalışmalarda her problem türü için çeşitli metin temsil yöntemleri önerilmiştir. En çok kullanılan yöntemler; kelime / kelime grubu frekansları [3], ngram frekansları [5, 6], kelime kümeleme [3], saklı anlam indeksleme [7] ve fonksiyonel kelimelerdir [8]. Bununla birlikte literatürde farklı problem türleri için, metin temsil yöntemlerinin detaylı bir karşılaştırılması bulunmamaktadır. Bu çalışmada, bu boşluğu doldurmak amacıyla literatürdeki birçok yöntem ve kendi önerdiğimiz (çok boyutlu ölçekleme ile anlamsal uzay [9], sınıf bilgisine dayalı kelime kümeleme) yöntemler, çeşitli veri kümeleri üzerinde karşılaştırılmıştır. Veri kümesi olarak yazıdan ruh hali tanıma, film yorumlarında yönelim tespiti, köşe yazarlarını tanıma, yazarın cinsiyetini tanıma, şiirin yazarını tanıma, haberin türünü tanıma olmak üzere toplam 6 metin sınıflandırma koleksiyonu üzerinde çalışılmıştır. 2. bölümde bu veri koleksiyonları tanıtılmıştır. 3. bölümde karşılaştırılan metin temsil yöntemleri detaylı olarak anlatılmıştır. 4. bölümde deneysel sonuçlarda her bir veri koleksiyonu üzerinde hangi 95 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası metin temsil yönteminin (metin özellikleri) daha başarılı olduğu, genelde en başarılı yöntemler tartışılmıştır. Son bölümde ise sonuçlar tartışılmıştır. Şiir: 7 şaire ait 20’şer şiirin toplanması ve şair adlarıyla etiketlenmesiyle oluşturulmuştur. Sınıf etiketleri şairlerin isimleridir. 2. Veri Kümeleri 3. Karşılaştırılan Metinlerin Temsil Yöntemleri Bu bölümde farklı uygulama alanlarına ait çeşitli veri kümeleri tanıtılacaktır. Tablo 1’de çalışmada kullanılan veri kümeleri verilmiştir. Bu bölümde literatürde sıklıkla kullanılan ve bizim önerdiğimiz metin temsil yöntemleri anlatılmaktadır. Tablo 1: Çalışmada kullanılan veri kümeleri Bu bölümde anlatılacak olan Kelime Kökleri, Kelime Türleri, Ngramlar, Fonksiyonel Kelimeler, Kelime Ekleri, Kavram Genelleştirme özellik grupları için frekans hesaplamasında kullanılmak üzere TF, TFIDF, binary, log, normalize1 ve normalize2 olmak üzere 6 farklı metot kullanılmıştır [10]. i indisli özelliğin j indisli metnindeki TFIDF değeri Eşitlik 1’deki gibi hesaplanır. Veri kümesinin ismi Sınıf say. Top. örn. say. Ruh hali 4 157 Film yorumları Köşe yazarı Cinsiyet 3 105 18 2 630 105 Haberler Şiir 5 7 1150 140 Her bir sınıf. örn. say. 3840 35 35 5055 230 20 Ort. kelime say. Ort. cümle say. Rast. Başarı % 247,1 28,1 25,48 49,3 4,8 28,57 398,5 377 45,3 54 5,56 52,38 204,8 79,5 17 7,4 20 14,29 Tablo 1’in son sütunundaki rastgele başarı yüzdesi verilerin hepsinin en çok örneği olan sınıfa atandığında elde edilen doğru sınıflandırma yüzdesidir. Kullanılan veri kümelerine www.kemik.yildiz.edu.tr/?id=28 www.kemik.yildiz.edu.tr/?id=28 adresinden erişilebilir. Veri kümelerinin her birinin nasıl oluşturulduğu ve sınıf bilgilerinin içerikleri aşağıda anlatılmıştır. Ruh hali: Çeşitli blog sitelerinden toplanan ve elle blog yazarının ruh halinin etiketlenmesiyle oluşturulmuştur. 4 sınıf içermektedir. Sınıf etiketleri neşeli, hüzünlü, sinirli, karışık şeklindedir. Film Yorumları: Çeşitli sinema sitelerinden filmlere yapılmış yorumların toplanmasıyla ve beğeni yönleriyle etiketlenmesiyle oluşturulmuştur. 3 sınıf içermektedir. Sınıf etiketleri pozitif, negatif, tarafsız şeklindedir. Köşe Yazarları: Çeşitli gazetelerin web sayfalarından 18 adet köşe yazarının 35’er köşe yazısının toplanmasıyla ve yazar isimleriyle etiketlenmesiyle oluşturulmuştur. Sınıf etiketleri yazarların isimleridir. Cinsiyet: 5’er adet erkek ve kadın köşe yazarının 50-55’şer köşe yazısının toplanmasıyla ve yazarlarının cinsiyetleriyle etiketlenmesiyle oluşturulmuştur. Erkek ve kadın olmak üzere 2 sınıf etiketi içermektedir. Haberler: Gazetelerin kategorilere ayrılmış haber sayfalarında 5 farklı konuda toplanmış 1150 haber içeren bir veri kümesidir. Sınıf etiketleri Ekonomi, Magazin, Sağlık, Siyasi, Spor şeklindedir. 96 3.1. Frekans Hesaplamalarında Kullanılan Metotlar TFIDF (i, j ) TF (i, j ) log TR TR (i) (1) Eşitlik 1’de TF(i,j), i indisli özelliğin, j indisli metninde yer alma sayısıdır. Toplam metin sayısı TR ile, içinde en az bir kere i özelliği geçen metin sayısı TR(i) ile gösterilmiştir. Örneğin i özelliği “gr” 2gramı ise, TF(i,j), “gr” ifadesinin j metninde yer alma sayısı olacaktır. i özelliği “isim” kelime türü ise TF(i,j); j metninde geçen isim türündeki kelime sayısı olacaktır. Binary(i,j): i indisli özellik j indisli metin yer alıyorsa değeri 1, yer almıyorsa 0’dır. Log(i,j): Eşitlik 2 ile hesaplanır. Log (i, j ) log10 (TF (i, j ) 1) (2) Normalize1(i,j): TF(i,j)’leri, metindeki toplam kelime sayısıyla normalize edilmesiyle Eşitlik 3’teki gibi hesaplanır. N1(i, j ) TF ( i , j ) j 1/ 2 TF ( i , j ) (3) 2 Normalize2(i,j): TF(i,j)’leri, kelimenin toplam geçiş sayısıyla normalize edilmesiyle Eşitlik 4’teki gibi hesaplanır. TF ( i , j ) (4) N 2 (i , j ) 1/ 2 TF (i , j ) 2 i 3.2. Sayılar Özellik Grubu Metinleri içerdikleri noktalama işaretleri sayıları, kelime sayıları, cümle sayıları, devrik cümle sayıları, harf sayıları, ek sayıları, cümlelerdeki ortalama kelime ve harf sayıları, kelimelerdeki ortalama harf ve ek sayılarıyla ifade eden 19 adet özellikten oluşan özellik grubudur. 3.3. Kelime Kökleri Metinlerin içerdikleri kelimelerle ifade edildikleri, literatürde en yaygın kullanılan özellik grubudur. Metinler tüm metinlerde en az bir kere geçen farklı kelime sayısı boyutlu bir uzayda ifade edilir. Türkçe gibi eklemeli Amasyalı M. F., Balcı S., Varlı E. N., Mete E., Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans Karşılaştırılması, Cilt 2, Sayı 4, Syf 95-104, Aralık 2012 Temalı Derleme Makale dillerde, kelimelerin kendilerini kullanmak farklı kelime sayısını çok fazla arttırmaktadır. Örneğin insan, insanlık, insanlığa, insanlığım kelimeleri farklı kelimeler olarak ele alınırsa metinlerin ifade edildikleri uzayın boyutu çok büyük olmaktadır. Literatürde bu probleme çözüm olarak sadece kelime köklerinin kullanılması önerilmektedir [11]. Bu sayede hem aynı anlama işaret eden kelimelerin birleştirilmesi (böylelikle metinler arası benzerliğin daha iyi ifade edilmesi sağlanmakta), hem de özellik boyutunun azaltılmasıyla işlem karmaşıklığının azaltılması sağlanmaktadır. Kelimelerin köklerinin bulunması için Zemberek [12] kütüphanesi kullanılmıştır. 3.4. Kelime Türleri Metinleri içerdikleri kelimelerin türlerinin (isim, sıfat, zamir, edat vb.) frekanslarıyla ifade eden özellik grubudur. Kelimelerin türlerinin bulunmasında Zemberek kullanılmıştır. Toplam 15 tane kelime türü vardır. Buna göre her metin içerdiği isim, sıfat, vb. türündeki kelime sayılarıyla ifade edilmektedir. 3.5. Harf ve Kelime Ngramları Metinlerin içerdikleri ngramlar ile ifade edildiği özellik grubudur. Ngramlar N boyutlu karakter ya da kelime çerçeveleridir. Örneğin “gitmek” metni için: Harf 2 gramları: gi – it – tm – me – ek Harf 3 gramları: git – itm – tme – mek şeklindedir. Metinlere ait 2 ve 3 harf gramları, 2’li kelime ngramları çıkarılmıştır. Çok seyrek frekans matrisleri üretiyor olmaları sebebiyle, daha büyük pencere boyutuna sahip ngramlar kullanılmamıştır. 3.6. Fonksiyonel Kelimeler Fonksiyonel kelimeler esasen tek başlarına anlamları olmayan, ancak yazarların üsluplarının belirlenmesinde önemli oldukları düşünülen bağlaç ve edat türündeki kelimelerdir [8] (ve, daha, gibi, de, için vb.). Metinler bu özellik grubunda, önceden belirlenmiş 620 fonksiyonel kelimeyle ifade edilmektedirler. 3.7. Kelime Ekleri Metinlerin içerdikleri kelimelerin aldıkları eklerin türlerine göre ifade edildikleri özellik grubudur. Türkçe eklemeli bir dil olduğundan anlamın oluşmasında eklerin önemi büyüktür. Kelimelerin eklerinin belirlenmesinde Zemberek kullanılmıştır. Zemberek toplam 126 farklı ek türü çıkarmakta ve dolayısıyla metinler bu 126 ek türünü içermelerine göre sayısallaştırılmaktadırlar. 3.8. Kelime Kümeleme Bu özellik grubunda, metinlerde geçen yakın anlamlı kelimeler birleştirilip tek bir küme, tek bir özellik haline getirilmektedir [3]. Bu sayede hem boyut sayısı azaltılmakta hem de benzer anlama sahip kelimeler tek bir kavram olarak kullanıldığından metinler arası ilişkilerde artmaktadır. Örneğin hayvan kavramına ait kelimeler (at, kedi, deve vb.) aynı kümede yer alırlarsa, sadece “at” kavramını içeren ve sadece “kedi” kavramını içeren iki metin aynı özelliğe “hayvan” sahip olacaklardır. Bir kelime kümesinin bir metindeki frekansı, küme içindeki kelimelerin o metindeki geçiş sayılarının toplamıdır. Kelime kümelerinin belirlenmesinde 4 kaynak kullanılmıştır: TF matrisi, TFIDF matrisi, Cooccurance (birlikte geçme) matrisi ve sınıf bilgisi. TF ve TFIDF matrisi 3.1. bölümde, Cooccurance (birlikte geçme) matrisi 3.9. bölümde, sınıf bilgisi 3.14. bölümde anlatılmıştır. Kelimelerin bu kaynaklar kullanılarak kümelenmesi için 3 algoritma kullanılmıştır. 1. Hiyerarşik Kümeleme: Her bir adımda birbirine en çok benzeyen iki kümenin birleştirildiği algoritmadır [13]. Başlangıçta her bir örnek ayrı bir kümeyi ifade eder. Kümelerin birbirine benzerliklerinin ölçülmesinde 3 yol izlenmektedir. A) En Yakın: Kümeler birbirine en yakın elemanları kadar yakındır. B) Ortalama: İki kümenin her bir elemanının diğer kümenin her bir elemanıyla arasındaki mesafelerin ortalaması ile yakınlık ölçülür. C) En uzak: Kümeler birbirine en uzak elemanları kadar yakındır. 2. K-means: Veri dağılımını en iyi temsil edebilecek küme merkezlerini bulunmaya çalışır [14]. Başlangıçta küme merkezleri rastgele atanır. Küme merkezlerinin kendi kümelerindeki elemanlara olan ortalama mesafesi iterasyonlar ilerledikçe azalır. 3. SOM: Bu algoritmada veri dağılımını en iyi temsil edebilecek küme merkezlerini bulunmaya çalışır. Küme merkezleri başlangıçta yine rastgele atanır. Buna ek olarak merkezler birbirlerine rastgele bağlanırlar. Her bir küme merkezinin güncellenmesinde ona bağlı olan diğer küme merkezleri de güncellenir. Bu sayede hem verileri ifade edecek küme merkezleri hem de verinin topolojisi bulunmaktadır [15]. 3.9. Birlikte Geçme Matrisi Birlikte geçme matrisi metinlerdeki farklı kelime sayısı boyutlu simetrik bir matristir. Matrisin i,j hücresinin değeri, i. kelime ile j. kelimenin eğitim metinlerinden kaçında birlikte geçtiğini ifade etmektedir. Birlikte geçme matrisi kelime kümelemede (Bölüm 3.8) ve anlamsal uzayda (Bölüm 3.12) kullanılmaktadır. 3.10. Kelime Filtreleme Her metinde geçen kelimelerin ayırt ediciliği azdır. Buna karşın çok az metinde geçen kelimeler de gereksiz yere boyut sayısını arttırabilirler. Bu nedenlerle metinlerin ifadesinde kullanılan kelimeler, frekansa dayalı bir filtreden geçirilmişlerdir. Kelimeler belirlenen minimum ve maksimum geçiş sayılarına göre filtrelenmiştir. 3.11. Saklı Anlam İndeksleme Bu yöntem, sınıf bilgisini kullanmadan metin-kelime matrisi (A) üzerinde Eşitlik 5’teki Tekil Değer Ayrıştırma (Singular Value Decomposition) işlemini yaparak metinlerin boyut sayısını azaltır [7]. 97 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 Amn U mk .S k k .VnTk TMMOB Elektrik Mühendisleri Odası (5) Bu işlem sonunda S matrisinde, özvektörlerin özdeğerleri diagonalde büyükten küçüğe sıralanmış olur. Seçilen boyut (k) adedi işleme alınarak, A matrisi m*n’lik bir matristen (mmetin sayısı, n farklı kelime sayısı), m*k’lık (k metinlerin yeni boyut sayısı) bir matrise dönüştürülür. Tekil Değer Ayrıştırma için JAMA kütüphanesi [16] kullanılmıştır. 3.12. Anlamsal Uzay Bu özellik grubunda, metinlerin anlamsal bir uzaydaki koordinatları bulunmaktadır [17]. Bunun için önce metinleri oluşturan kelimelerin anlamsal uzaydaki koordinatları bulunup, daha sonra, metinlerin koordinatları; içerdikleri kelimelerin koordinatlarının ortalaması alınarak hesaplanmaktadır. Kelimelerin sayısal koordinatları, kelimelerin birbirlerine anlamsal yakınlıklarıyla uyumlu olarak bulunmaktadır. Buna göre birbirine anlamsal olarak yakın 2 kelimenin bulunan koordinatları arasındaki Öklid mesafesi de küçük olmaktadır. 2 kelimenin birbirine anlamsal yakınlığının ölçütü olarak Harris’in [18] yaklaşımı kullanılmıştır. Buna göre 2 kelime ne kadar çok birlikte kullanılıyorsa birbirlerine anlamsal olarak o kadar yakındır. Kelimelerin bu yakınlıklarını ölçmek için birlikte geçtikleri metin sayıları hesaplanmış ve Bölüm 3.9’da anlatılan Birlikte Geçme Matrisi’ne yazılmıştır. Literatürde aralarındaki 2’li uzaklıklar bilinen kavramların bu uzaklıklarla uyumlu koordinatlarının bulunması için Çok Boyutlu Ölçekleme (Multi Dimensional Scaling) [19] yöntemi kullanılmaktadır. Bu yöntem uzaklıklar üzerinde çalıştığından bir yakınlık ölçütü olan Birlikte Geçme Matrisi Eşitlik 6’daki gibi tersine çevrilerek uzaklık ölçütüne dönüştürülmüştür. dis(i, j ) 1 sim(i, j ) (6) Eşitlik 6’da, dis(i,j); i. ve j. kelimeler arasındaki uzaklığı, sim(i,j) ; i. ve j. kelimelerin birlikte geçtikleri metin sayısını göstermektedir. Bu yeni matrise Çok Boyutlu Ölçekleme uygulanarak kelimelerin koordinatları bulunmuştur. Çok Boyutlu Ölçekleme için MDSJ Kütüphanesi [20] kullanılmıştır. Metinlerin koordinatları ise daha önce de belirtildiği gibi içinde geçen kelimelerin bu anlamsal uzaydaki koordinatlarının ortalaması alınarak bulunmuştur. 3.13. Kavram Genelleştirme Kelimelerin anlamlarına göre hiyerarşik bir yapıda düzenlendikleri Wordnet, Conceptnet gibi birçok çalışma mevcuttur. Türkçe için ise benzer yapıda hazırlanmış Türkçe Wordnet [21] bulunmaktadır. Bu özellik grubunda, bu hazır, sabit, eğitim kümesinden bağımsız veri kaynakları, kelimeleri bir üst kavramlarıyla ifade etmede kullanılmıştır. Bu sayede kelime kümelemede olduğu gibi, hem metinlerin boyut sayısı indirgenmiş, hem de metinlerin içerdikleri kavramlar daha anlamsal bir şekilde ifade edilmiş olmaktadırlar. Kelimeleri bir üst kavramlarıyla ifade etme (genelleştirme) işlemi için 2 veri kümesi kullanılmıştır. İlki Türkçe 98 Wordnet’ten çıkarılmış 15018 adet kavram-üst kavram ikilisidir. İkincisi ise Zemberek’in kütüphanesinden alınan özel isimler listesidir. Eğer bir kelime kavram–üst kavram ikilileri listesinde kavramlar içinde yer alıyorsa onun yerine karşılık gelen üst kavram kullanılmıştır. Eğer bir kelime özel isimler listesinde yer alıyorsa onun yerine “insan” kavramı kullanılmıştır. 3.14. Sınıf Bilgisiyle Kelime Kümeleme Bizim önerdiğimiz bu yöntemde, öncelikle kelimelerin her sınıftaki frekansları bulunarak kelimeler sınıf sayısı boyutlu bir uzayda birer noktaya dönüştürülmektedir. Daha sonra kelimeler, bu boyutları üzerinde 3.8. bölümde anlatılan kümeleme metotlarıyla sınıf sayısı adet kümeye ayrılmaktadır. Bu işlem sonunda her bir kelime sınıf sayısı adet kümeden birine ait olmaktadır. Metinler ise, sınıf sayısı adet kümenin frekanslarıyla ifade edilmektedirler. Bir kümenin bir metindeki frekansı, o kümede bulunan tüm kelimelerin o metindeki frekanslarının toplamıdır. Bu sayede metinler kelime sayısı adet boyut yerine, sınıf sayısı adet boyutla ifade edilmiş olmaktadır. 4. Deneysel Sonuçlar Bölüm 2’de tanıtılmış olan 6 veri kümesi için, Bölüm 4’te anlatılan özellik gruplarının çeşitli konfigürasyonlarıyla arff’ler üretilmiştir. Özellik gruplarının her birinin çeşitli konfigürasyonları bulunmaktadır. Tablo 2’de özellik gruplarının (metin temsil yöntemlerinin) adları ve yazının bundan sonraki kısmında kullanılan kısaltmaları verilmiştir. Tablo 2: Özellik gruplarının isim ve kısaltmaları Kısaltm a Say 2G 3G K2G KE KT FK KGI Açıklama Sayılar Özellik Grubu (Bölüm 3.2) Harf 2 gramları (Bölüm 3.5) Harf 3 gramları (Bölüm 3.5) Kelime 2 gramları (Bölüm 3.5) Kelime ekleri (Bölüm 3.7) Kelime Türleri (Bölüm 3.4) Fonksiyonel kelimeler (Bölüm 3.6) Kavram genelleştirme isim tabanlı (Bölüm 3.13) Kavram genelleştirme özel isim tabanlı (Bölüm KGO 4.13) KK Kelime kökleri Hiyerarşik kelime kümeleme (küme benzerlikleri KKHAL ortalamaya göre) (Bölüm 3.8) Hiyerarşik kelime kümeleme (küme benzerlikleri KKHCL en uzak elemanlara göre) (Bölüm 3.8) Hiyerarşik kelime kümeleme (küme benzerlikleri KKHSL en yakın elemanlara göre) (Bölüm 3.8) KKK Kmeans ile kelime kümeleme (Bölüm 3.8) KKS SOM ile kelime kümeleme (Bölüm 3.8) Birlikte geçme matrisi tabanlı anlamsal uzay MDS (Bölüm 3.12) LSI Saklı Anlam İndeksleme (Bölüm 3.11) Amasyalı M. F., Balcı S., Varlı E. N., Mete E., Türkçe Metinlerin Sınıflandırılmasında Metin Temsil Yöntemlerinin Performans Karşılaştırılması, Cilt 2, Sayı 4, Syf 95-104, Aralık 2012 Temalı Derleme Makale Tablo 3’te kelime Türleri, 2 gram, 3 gram, Fonksiyonel kelimeler, kelime 2 gramları, kelime ekleri, kavram genelleştirme isim, kavram genelleştirme özel isim, kelime kökleri olmak üzere toplam 9 özellik gruplarının her biri için kullanılan 6 frekans hesaplama yöntemi ve yazının bundan sonraki bölümlerinde kullanılacak olan kısaltmaları verilmiştir. Tablo 3: Frekans hesaplama için kullanılan yöntemler Yöntem Binary Log N1 N2 TF TFIDF Açıklama Bir kavram metinde geçiyorsa 1 geçmiyorsa 0 (Bölüm 3.1) Eşitlik 2. Eşitlik 3. Eşitlik 4. Bir kavramın bir metindeki geçiş sayısı (Bölüm 3.1) Eşitlik 1. Tablo 4’te kelime kümelemede, KKHAL, KKHCL, KKHSL, KKK, KKS olmak üzere toplam 5 metodun her biri için kelimelerin kümelenmesinde kullanılan 4 matrisin isimleri ve kısaltmaları verilmiştir. Tablo 4: Kelime Kümeleme için kullanılan matrisler Yöntem Cooccurance Snf mTF mTFIDF Açıklama Kelime kümele Birlikte geçme matrisine göre (Bölüm 3.8 ve 3.9) Kelime kümele sınıf bilgisine göre (Bölüm 3.14) Kelime kümele TF matrisine göre (Bölüm 3.8) Kelime kümele TFIDF matrisine göre (Bölüm 3.8) Kelimelerin kümelenmesinde küme sayısı 50 olarak belirlenmiştir. LSI ve MDS için metinlerin ifade edileceği boyut sayısı 50 olarak belirlenmiştir. MDS’te ve birlikte geçme matrisinin kullanıldığı her yöntemde yakınlıktan uzaklığa geçiş için Eşitlik 6 kullanılmıştır. Say özellik grubu için değişken bir parametre kullanılmamıştır. Üretilen tüm metin temsil yöntemleri WEKA [22] ile birlikte kullanılabilmeleri için arff formatında kaydedilmiştir. Sonuç olarak 6 veri kümesi her biri için ( 9*6 ) + ( 5*4 ) + 3 (LSI, MDS, Say) =77 arff, toplamda 77*6 = 462 arff üretilmiş ve her arff üzerinde 5’li çapraz geçerlemeyle WEKA kütüphanesinde yer alan 5 adet sınıflandırıcının (en yakın komşu-1NN, karar ağacı-C4.5, destek vektör makineleriSVM, Naive Bayes-NB, Random Forest-RF) performansı ölçülmüştür. Özellik gruplarının sınıflandırma performanslarını gösteren tablolardaki (Tablo 5-10) tüm değerler 5’li çapraz geçerlemenin ortalama değerleridir. Üretilen arff’lerin özellik sayısı (boyutu) olanlarda zaman ve hafıza problemlerinden önce InfoGain [23]’lerine göre sıralanmış yüksek IG’e sahip 100 özellik seçilerek 5000’den fazla ötürü özellikler daha sonra en arff bu haliyle kaydedilmiştir. Sonuç tablolarında (Tablo 5-10), kullanılan 5 algoritmadan en yüksek performansa sahip olanının adı ve başarı yüzdesi verilmiştir. Özellik sayısı 101 olan kayıtlarda orijinal özellik sayısı 5000’i aştığından bilgi kazancına göre özellik seçimi yapılmıştır. arff dosya formatında sınıf bir özellik olarak yer almaktadır. Buna göre özellik sayısı d olan bir veri kümesinde, d-1 adet özellikle sınıf etiketi tahmin edilmektedir. 4.1. Şiir Veri Kümesi Denemeleri Tablo 5’te bir şiirin yazarını tahmin etme problemi üzerinde yaptığımız denemeler verilmiştir. Tablo 5: Şiir veri kümesinde her bir özellik grubunun en başarılı olduğu konfigürasyon ve başarı yüzdeleri, rastgele başarı % 14,29 Özellik Grubu 3G KKHCL 2G KKK Say KGI KGO KKS LSI KK FK KE KT KKHAL KKHSL MDS K2G Konfi gürasyon Binary Snf N1 Snf Binary Binary Snf Binary N1 TF Log mTFIDF Snf TFIDF Özellik sayısı 101 8 1670 8 20 1829 1672 8 51 441 410 102 16 51 8 51 21 Başarı yüzdesi 75,29 67,86 63,86 62,29 53,29 48 43,71 41,86 41,71 40,57 36,14 33,57 32,29 30,71 29,14 28,71 18,86 Sınıflandırıcı NB 1NN SVM RF RF NB NB NB RF NB RF NB SVM RF 1NN SVM C45 Tablo 5 incelendiğinde bir şiirin yazarını tahmin etmede en başarılı metin temsil yönteminin (özellik grubunun) 3gramlar’ı binary olarak kodlamak (3G-Binary) olduğu görülmektedir. Veri kümesi için üretilen tekil 3gramların sayısı 5 bin’i geçtiğinden özellik seçimi yapılmış ve bilgi kazancına göre en iyi 100 adet 3gram metinlerin temsilinde kullanılmıştır. 7 şaire ait 20’şer şiirle elde edilen sonuçlara göre bir şiirin yazarı % 75,29’luk doğrulukla tahmin edilebilmektedir. En başarılı 2 yöntem (3G-Binary, KKHCLSnf) arasında oldukça büyük bir fark bulunmaktadır. 4.2. Köşe Yazarı Veri Kümesi Denemeleri Tablo 6’da bir köşe yazısının yazarını tahmin etme problemi üzerinde yaptığımız denemeler verilmiştir. Tablo 6: Köşe Yazarı veri kümesinde her bir özellik grubunun en başarılı olduğu konfigürasyon ve başarı yüzdeleri, rastgele başarı % 5,56 99 kınlıktan ik grubu birlikte r. Sonuç + 3 (LSI, ilmiş ve WEKA en yakın kineleriformansı andırma 10) tüm ir. en fazla zellikler onra en haliyle Tablo 5 incelendiğinde bir şiirin yazarını tahmin etmede en başarılı metin temsil yönteminin (özellik grubunun) 3gramlar’ı binary olarak kodlamak (3G-Binary) olduğu görülmektedir. Veri kümesi için üretilen tekil 3gramların sayısı 5 bin’i geçtiğinden özellik seçimi yapılmış ve bilgi EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 kazancına göre en iyi 100 adet 3gram metinlerin temsilinde kullanılmıştır. 7 şaire ait 20’şer şiirle elde edilen sonuçlara göre bir şiirin yazarı % 75,29’luk doğrulukla tahmin edilebilmektedir. En başarılı 2 yöntem (3G-Binary, KKHCLSnf) arasında oldukça büyük bir fark bulunmaktadır. durumdur. Bu duruma 2 açıklama getirilebilir. İlki sınıflara ait örnek sayılarıdır. Veri kümelerinde şairlere ait 20’şer şiir varken, köşe yazarlarına ait 35’er örnek vardır ki bu köşe yazarlarının daha başarılı tahmin edilebilmesine olanak sağlamış olabilir. İkinci açıklama ise şiirlerde, köşe TMMOB Elektrik Odası yazılarından çok daha fazla sözMühendisleri sanatına başvuruluyor olmasıdır. Ve eğer bir şairin üslubu kullandığı söz sanatı türlerine göre belirlenebiliyorsa ve çıkarılan özelliklerde bu söz sanatları yer almadığından şiirlerin yazarlarını köşe yazarları kadar iyi tahmin edemiyor olabilir. 4.2. Köşe Yazarı Veri Kümesi Denemeleri 4.3. Haberler Veri Kümesi Denemeleri Tablo 6’da bir köşe yazısının yazarını tahmin etme problemi üzerinde yaptığımız denemeler verilmiştir. Tablo 7’de bir haber metninin konusunu tahmin etme problemi üzerinde yaptığımız denemeler verilmiştir. Tablo 6: Köşe Yazarı veri kümesinde her bir özellik grubunun en başarılı olduğu konfigürasyon ve başarı yüzdeleri, rastgele başarı % 5,56 Tablo 7: Haberler veri kümesinde her bir özellik grubunun en başarılı olduğu konfigürasyon ve başarı yüzdeleri, rastgele başarı % 20 Özellik Konfi Özellik Başarı Grubu gürasyon sayısı yüzdesi Sınıflandırıcı 2G Log 3817 93,78 SVM 3G Log 100 86,76 SVM Özellik Konfi Özellik Başarı Özellik Binary Konfi Özellik 85,68 Başarı SVM KK 800 Grubu gürasyon sayısı yüzdesi Sınıflandırıcı Grubu gürasyon 534 sayısı 81,49 yüzdesi SVM Sınıflandırıcı FK Log 2G Log 3817 93,78 SVM 2G Log 3817 93,78 SVM KGI Log 470 79,78 SVM 3G Log 100 86,76 SVM 3G Log 100 86,76 SVM KGO Log 448 79,68 SVM KK Binary 800 85,68 SVM KK Binary 800 85,68 SVM Say 20 73,4 RF FK Log 534 81,49 SVM FK Log 534 81,49 SVM KKK Snf 19 65,49 RF KGI Log 470 79,78 SVM KGI Log 470 79,78 SVM LSI 51 63,59 RF KGO Log 448 79,68 SVM KGO Log 448 79,68 SVM KKHCL Snf 19 63,17 RF Say 20 73,4 RF Say 20 73,4 RF KE Log 114 61,05 SVM KKK Snf 19 65,49 RF KKK Snf 19 65,49 RF MDS 51 56,41 NB LSI 51 63,59 RF LSI 51 63,59 RF K2G 427 53,94 NB KKHCL Binary Snf 19 63,17 RF KKHCL mTFIDF Snf 19 63,17 RF KKS 43 53,87 RF KE Log 114 61,05 SVM KE Log 114 61,05 SVM KT Log 16 50,51 NB MDS 51 56,41 NB MDS 51 56,41 NB KKHAL mTFIDF 51 47,17 SVM K2G Binary 427 53,94 NB K2G Binary 427 53,94 NB KKHSL Co 35,14 RF KKS mTFIDF 51 43 53,87 RF KKS mTFIDF 43 53,87 RF KT Log 16 50,51 NB KT 6 incelendiğinde Log 16 Tablo bir köşe 50,51 yazısının NB yazarını tahmin KKHAL en mTFIDF 51 47,17 yönteminin SVM etmede başarılı metin temsil KKHAL mTFIDF 51 47,17 SVM (özellik KKHSL 2gramlar’ı Co 51olarak kodlamak 35,14 RF grubunun) Log (2G-Log) olduğu KKHSL Co 51 35,14 RF görülmektedir. 18 köşe yazarının 35’şer yazısıyla elde edilen sonuçlara göre bir köşe yazarıyazarını % 93,78’lik Tablo 6 incelendiğinde bir yazısının köşe yazısının tahmin Tablo 6 incelendiğinde bir köşe yazısının yazarını tahmin doğrulukla edilebilmektedir. başarılı 2 (özellik yöntem etmede en tahmin başarılı metin temsil Enyönteminin etmede en başarılı metin temsil yönteminin (özellik (2G-Log, arasında büyükkodlamak bir fark bulunmaktadır. grubunun)3G-Log) 2gramlar’ı Log olarak (2G-Log) olduğu grubunun) 2gramlar’ı Log olarak kodlamak (2G-Log) olduğu görülmektedir. 18 köşe yazarının 35’şer yazısıyla elde edilen görülmektedir. 18 köşe yazarının 35’şer yazısıyla elde edilen Şiirlerin tahmin yüzdesi iken, sonuçlarayazarlarının göre bir doğru köşe yazısının yazarı %%75,29 93,78’lik sonuçlara göre bir köşe yazısının yazarı % 93,78’lik köşe yazılarının yüzdesi En % başarılı 93,78’dir. Üstelik doğrulukla tahminyazarlarının edilebilmektedir. 2 yöntem doğrulukla tahmin edilebilmektedir. En başarılı 2 yöntem köşe yazarı veri kümemizde 18 yazar(sınıf) varken, şiir veri (2G-Log, 3G-Log) arasında büyük bir fark bulunmaktadır. (2G-Log, 3G-Log) arasında büyük bir fark bulunmaktadır. kümemizde 7 şair (sınıf) vardır. Sınıf sayısının artmış olmasına başarının artmış yüzdesi olması beklenmedik bir Şiirlerin rağmen, yazarlarının doğrudatahmin % 75,29 iken, Şiirlerin yazarlarının doğru tahmin yüzdesi % 75,29 iken, durumdur. Bu duruma 2 açıklama getirilebilir. İlki sınıflara köşe yazılarının yazarlarının yüzdesi % 93,78’dir. Üstelik köşe yazılarının yazarlarının yüzdesi % 93,78’dir. Üstelik ait örnek sayılarıdır. Veri kümelerinde şairlere ait 20’şer şiir köşe yazarı veri kümemizde 18 yazar(sınıf) varken, şiir veri köşe yazarı veri kümemizde 18 yazar(sınıf) varken, şiir veri varken, köşe 7yazarlarına ait vardır. 35’er örnek ki buartmış köşe kümemizde şair (sınıf) Sınıf vardır sayısının kümemizde 7 şair (sınıf) vardır. Sınıf sayısının artmış yazarlarının dahabaşarının başarılı datahmin edilebilmesine olanak olmasına rağmen, artmış olması beklenmedik bir olmasına rağmen, başarının da artmış olması beklenmedik bir sağlamış İkinci açıklama ise şiirlerde, köşe durumdur. olabilir. Bu duruma 2 açıklama getirilebilir. İlki sınıflara durumdur. Bu duruma 2 açıklama getirilebilir. İlki sınıflara yazılarından çok daha söz sanatına başvuruluyor ait örnek sayılarıdır. Veri fazla kümelerinde şairlere ait 20’şer şiir ait örnek sayılarıdır. Veri kümelerinde şairlere ait 20’şer şiir olmasıdır. Ve yazarlarına eğer bir şairin üslubu kullandığı varken, köşe ait 35’er örnek vardır kisözbusanatı köşe varken, köşe yazarlarına ait 35’er örnek vardır ki bu köşe türlerine göredaha belirlenebiliyorsa ve çıkarılan özelliklerde bu yazarlarının başarılı tahmin edilebilmesine olanak yazarlarının daha başarılı tahmin edilebilmesine olanak söz sanatları yer almadığından şiirlerin sağlamış olabilir. İkinci açıklama ise yazarlarını şiirlerde, köşe sağlamış olabilir. İkinci açıklama ise şiirlerde, köşe yazarları kadarçok iyi tahmin yazılarından daha edemiyor fazla sözolabilir. sanatına başvuruluyor yazılarından çok daha fazla söz sanatına başvuruluyor olmasıdır. Ve eğer bir şairin üslubu kullandığı söz sanatı olmasıdır. Ve Veri eğer Kümesi bir şairin üslubu kullandığı söz sanatı 4.3. Haberler Denemeleri türlerine göre belirlenebiliyorsa ve çıkarılan özelliklerde bu türlerine göre belirlenebiliyorsa ve çıkarılan özelliklerde bu söz sanatları yer almadığından yazarlarını köşe Tablo 7’de biryerhaber metninin şiirlerin konusunu tahmin etme söz sanatları almadığından şiirlerin yazarlarını köşe yazarları kadar iyi tahmin edemiyor olabilir. problemi denemeler verilmiştir. yazarları üzerinde kadar iyi yaptığımız tahmin edemiyor olabilir. Özellik Konfi Özellik Başarı KGO Log 719 91,13 RF Grubu gürasyon sayısı yüzdesi Sınıflandırıcı KGI N1 724 90,85 RF 2G N1 3698 94,54 SVM 3G N1 101 90,47 RF KK N1 864 92,63 RF MDS 51 89,84 RF KGO Log 719 91,13 RF KGO Log 719 91,13 RF KKK Snf 6724 87,51 RF KGI N1 90,85 RF KGI N1 724 90,85 RF KKHCL Snf 6101 87,25 RF 3G N1 90,47 RF 3G N1 101 90,47 RF KKS mTFIDF 47 81,63 RF MDS 51 89,84 RF MDS 51 89,84 RF LSI 11 73,48 RF KKK Snf 6 87,51 RF KKK Snf 6 87,51 RF KKHAL 51 73,44 RF KKHCL mTFIDF Snf 6 87,25 RF KKHCL Snf 6 87,25 RF KE Log 120 68,02 SVM KKS mTFIDF 47 81,63 RF KKS mTFIDF 47 81,63 RF K2G TFIDF 101 65,84 RF LSI 11 73,48 RF LSI 11 73,48 RF FK 534 62,61 RF KKHAL N1 mTFIDF 51 73,44 RF KKHAL mTFIDF 51 73,44 RF Say 20 57,08 RF KE Log 120 68,02 SVM KE Log 120 68,02 SVM KT Log 16 56,21 SVM K2G TFIDF 101 65,84 RF K2G TFIDF 101 65,84 RF KKHSL Co 51 47,06 C45 FK N1 534 62,61 RF FK N1 534 62,61 RF Say 20 57,08 RF Tablo türünü tahmin Say 7 incelendiğinde bir20haberin 57,08 RF etmede en KT Log temsil 16yönteminin 56,21(özellik SVM grubunun) başarılı metin KT Log 16 56,21 SVM KKHSL Eşitlik Co 3’teki gibi 51 normalize 47,06edip C45 2gramlar’ı kodlamak (2GKKHSL Co 51 47,06 C45 N1) olduğu görülmektedir. 5 haber türüne ait 230’ar haber metniyle elde edilen bir sonuçlara göre bir haberin Tablo 7 incelendiğinde haberin türünü tahmin etmedetürü en Tablo 7 incelendiğinde bir haberin türünü tahmin etmede en %94,54’lük doğrulukla edilebilmektedir. başarılı başarılı metin temsiltahmin yönteminin (özellik En grubunun) başarılı metin temsil yönteminin (özellik grubunun) 22gramlar’ı yöntem Eşitlik (2G-N1, arasında bir (2Gfark 3’tekiKK-N1) gibi normalize edipküçük kodlamak 2gramlar’ı Eşitlik 3’teki gibi normalize edip kodlamak (2Gbulunmaktadır. N1) olduğu görülmektedir. 5 haber türüne ait 230’ar haber N1) olduğu görülmektedir. 5 haber türüne ait 230’ar haber metniyle elde edilen sonuçlara göre bir haberin türü metniyle elde edilen sonuçlara göre bir haberin türü 4.4. Cinsiyet Veri Kümesi Denemeleri %94,54’lük doğrulukla tahmin edilebilmektedir. En başarılı %94,54’lük doğrulukla tahmin edilebilmektedir. En başarılı 2 yöntem (2G-N1, KK-N1) yazarının arasında küçük birtahmin fark Tablo 8’de bir köşe yazısının 2 yöntem (2G-N1, KK-N1) arasında cinsiyetini küçük bir fark bulunmaktadır. etme problemi üzerinde yaptığımız denemeler verilmiştir. bulunmaktadır. 4.3. Haberler Veri Kümesi Denemeleri 4.3. Haberler Veri Kümesi Denemeleriher bir özellik Tablo 7: Haberler veri kümesinde Tablogrubunun 7’de bir haber olduğu metninin konusunu ve tahmin en başarılı konfigürasyon başarıetme Tablo 7’de bir haber metninin konusunu tahmin etme problemi üzerinde yaptığımız denemeler yüzdeleri, rastgele başarı verilmiştir. % 20 100 problemi üzerinde yaptığımız denemeler verilmiştir. Özellik Özellik Başarıher bir özellik TabloKonfi 7: Haberler veri kümesinde Tablogürasyon 7: Haberler sayısı veri kümesinde özellik Grubu yüzdesiher bir Sınıflandırıcı grubunun en başarılı olduğu konfigürasyon ve başarı 4.4. Cinsiyet Veri Kümesi Denemeleri 4.4. Cinsiyet Kümesi Tablo 8:Veri Cinsiyet veri Denemeleri kümesinde her bir özellik Tablogrubunun 8’de birenköşe yazısının cinsiyetini tahmin başarılı olduğu yazarının konfigürasyon ve başarı Tablo 8’de bir köşe yazısının yazarının cinsiyetini tahmin etme problemiyüzdeleri, üzerinde yaptığımız denemeler verilmiştir. rastgele başarı % 52,38 etme problemi üzerinde yaptığımız denemeler verilmiştir. Özellik Özellik Başarıher bir özellik TabloKonfi 8: Cinsiyet veri kümesinde Tablogürasyon 8: Cinsiyet sayısı veri kümesinde her bir özellik Grubu yüzdesi Sınıflandırıcı grubunun en başarılı olduğu konfigürasyon ve başarı grubunun en başarılı olduğu konfigürasyon ve başarı yüzdeleri, rastgele % 52,38 2G Binary 101 başarı 99,62 SVM yüzdeleri, rastgele başarı % 52,38 3G Log 101 98,67 1NN Özellik Konfi Özellik Başarı Özellik Konfi Özellik 98,1 Başarı RF LSI 51 Grubu gürasyon sayısı yüzdesi Sınıflandırıcı Grubu gürasyon 101 sayısı 95,81 yüzdesi SVM Sınıflandırıcı KK Binary 2G Binary 101 99,62 SVM 2G Binary 101 99,62 SVM KGI Binary 95 95,81 SVM 3G Log 101 98,67 1NN 3G Log 101 98,67 1NN KKK Snf 351 95,62 1NN LSI 98,1 RF LSI 51 98,1 RF KGO TFIDF 93 95,43 SVM KK Binary 101 95,81 SVM KK Binary 101 95,81 SVM KKHSL Snf 395 95,24 C45 KGI Binary 95,81 SVM KGI Binary 95 95,81 SVM KKHCL Snf 33 93,52 1NN KKK Snf 95,62 1NN KKK Snf 3 95,62 1NN K2G TFIDF 83 87,62 NB KGO TFIDF 93 95,43 SVM KGO TFIDF 93 95,43 SVM FK 42 81,14 SVM KKHSL Log Snf 3 95,24 C45 KKHSL Snf 3 95,24 C45 Say 20 79,24 RF KKHCL Snf 3 93,52 1NN KKHCL Snf 3 93,52 1NN KE Log 11 77,33 NB K2G TFIDF 83 87,62 NB K2G TFIDF 83 87,62 NB KKS mTF 49 76,57 SVM FK Log 42 81,14 SVM FK Log 42 81,14 SVM KKHAL Co 620 71,05 1NN Say 79,24 RF Say 20 79,24 RF MDS 611 70,67 NB KE Log 77,33 NB Özellik Grubu 2G 3G LSI KK KGI KKK KGO KKHSL KKHC K2G FK Say KE KKS KKHA MDS KT n artmış medik bir sınıflara 0’şer şiir bu köşe olanak e, köşe uruluyor öz sanatı lerde bu ını köşe in etme ik şarı ndırıcı yüzdeleri, rastgele başarı % 52,38 Özellik Grubu 2G 3G LSI KK KGI KKK KGO KKHSL KKHCL K2G FK Say KE KKS KKHAL MDS KT KKHAL mTFIDF 6 52,57 C45 FK Log 54 48,76 RF Konfi Özellik Başarı gürasyon sayısı yüzdesi Sınıflandırıcı K2G TFIDF 6 48,19 C45 Binary Amasyalı 101 M. F.,99,62 SVM Balcı S., Varlı E. N., Mete E., Türkçe Metin Yöntemlerinin KEMetinlerin N1Sınıflandırılmasında 10 46,86TemsilSVM Performans Cilt 2, Sayı46,29 4, Syf 95-104, Log 101 98,67 1NN MDS Karşılaştırılması, 51 NB Aralık 2012 Temalı Derleme Makale 51 98,1 RF KKHSL Co 51 46,1 NB Binary 101 95,81 SVM KT Binary 16 44,19 C45 Binary 95 95,81 SVM Say 20 38,48 NB Snf 3 95,62 1NN Tablo 9 incelendiğinde bir filme yapılan yorumun negatif, TFIDF 93 95,43 SVM pozitif ya da nötr olduğunu tahmin etmede en başarılı metin Snf 3 95,24 C45 temsil yönteminin (özellik grubunun) kelime köklerini Snf 3 93,52 1NN Kmeans ile Sınıf bilgisine göre kodlamak (KKK-Snf) olduğu görülmektedir. 3 gruba ait 35’er yorumla elde edilen TFIDF 83 87,62 NB sonuçlara göre bir yorumun yönü %96,38’lik doğrulukla Log 42 81,14 SVM tahmin edilebilmektedir. En başarılı 2 yöntem (KKK-Snf, 20 79,24 RF 3G-Binary) arasında büyük bir fark bulunmaktadır. Log 11 77,33 NB 4.6. Ruh Hali Veri Kümesi Denemeleri mTF 49 76,57 SVM Co 6 71,05 1NN Tablo 10’da bir yazının yazıldığı anda yazarının içinde 6 70,67 NB bulunduğu ruh halini tahmin etme problemi üzerinde yaptığımız denemeler verilmiştir. N1 3 64,19 NB Tablo 8 incelendiğinde bir metnin yazarının cinsiyetini tahmin en başarılı bir metin temsilyazarının yönteminin (özellik Tablo 8etmede incelendiğinde metnin cinsiyetini grubunun) 2gramlar’ı binary olarak kodlamak (2G-Binary) tahmin etmede en başarılı metin temsil yönteminin (özellik olduğu görülmektedir. Veri olarak kümesi için üretilen tekil grubunun) 2gramlar’ı binary kodlamak (2G-Binary) 2gramların sayısı 5 bin’i Veri geçtiğinden yapılmış olduğu görülmektedir. kümesiözellik için seçimi üretilen tekil ve bilgi kazancına göre geçtiğinden en iyi 100 özellik adet 2gram 2gramların sayısı 5 bin’i seçimimetinlerin yapılmış temsilinde kullanılmıştır. ait ve bilgi kazancına göre enHer iyi bir 100cinsiyetteki adet 2gramyazarlara metinlerin 50-55’şer yazı ile elde edilen sonuçlara göreyazarlara bir metnin temsilinde kullanılmıştır. Her bir cinsiyetteki ait yazarının 99,62edilen gibi yüksek bir doğrulukla tahmin 50-55’şer cinsiyeti yazı ile%elde sonuçlara göre bir metnin edilebilmektedir. başarılı 2 yöntem (2G-Binary, yazarının cinsiyetiEn % 99,62 gibi yüksek bir doğrulukla3G-Log) tahmin arasında küçük birEn fark bulunmaktadır. edilebilmektedir. başarılı 2 yöntem (2G-Binary, 3G-Log) arasında küçük bir fark bulunmaktadır. 4.5. Film Yorumları Veri Kümesi Denemeleri 4.5. Kümesi Denemeleri TabloFilm 9’daYorumları bir filmeVeri yapılmış yorumun duygusal yönünü tahmin 9’da etmebir problemi üzerinde yaptığımız denemeler Tablo filme yapılmış yorumun duygusal yönünü verilmiştir. tahmin etme problemi üzerinde yaptığımız denemeler verilmiştir. Tablo 9: Film Yorumları veri kümesinde her bir özellik en başarılıveri olduğu konfigürasyon Tablogrubunun 9: Film Yorumları kümesinde her bir ve yüzdeleri, rastgele başarı % 28,57 özellikbaşarı grubunun en başarılı olduğu konfigürasyon ve başarı yüzdeleri, rastgele başarı % 28,57 Özellik Konfi Özellik Başarı Grubu gürasyon sayısı yüzdesi Sınıflandırıcı Özellik Konfi Özellik Başarı Grubu gürasyon sayısı yüzdesi Sınıflandırıcı KKK Snf 4 96,38 1NN KKK Snf 4 96,38 1NN 3G Binary 101 88,76 NB 3G Binary 88,76 NB KKHCL Snf 4101 75,81 SVM KKHCL Snf 75,81 SVM LSI 64 75,62 RF LSI 75,62 RF KKS Snf 46 65,14 SVM KKS Snf 4 65,14 SVM KGI Binary 21 64,76 NB KGI 21 64,76 2G Binary 93 59,62 NB 2G Binary 93 59,62 KGO TF 21 54,86 NB KGO TF 21 54,86 NB KK Binary 23 54,29 SVM KK Binary 54,29 SVM KKHAL mTFIDF 623 52,57 C45 KKHAL Log mTFIDF 6 52,57 C45 FK 54 48,76 RF FK Log 48,76 RF K2G TFIDF 654 48,19 C45 K2G TFIDF 6 48,19 C45 KE N1 10 46,86 SVM KE N1 10 46,86 SVM MDS 51 46,29 NB MDS 46,29 KKHSL Co 51 46,1 NB KKHSL Binary Co 51 46,1 NB KT 16 44,19 C45 KT Binary 16 44,19 C45 Say 20 38,48 NB Say 20 38,48 NB Tablo 9 incelendiğinde bir filme yapılan yorumun negatif, pozitif da nötr olduğunu etmede yorumun en başarılınegatif, metin Tablo 9yaincelendiğinde bir tahmin filme yapılan temsil (özelliktahmin grubunun) köklerini pozitif yayönteminin da nötr olduğunu etmede kelime en başarılı metin Kmeans ile Sınıf bilgisine göre grubunun) kodlamak (KKK-Snf) olduğu temsil yönteminin (özellik kelime köklerini görülmektedir. gruba göre ait kodlamak 35’er yorumla elde olduğu edilen Kmeans ile Sınıf3bilgisine (KKK-Snf) sonuçlara göre 3bir gruba yorumun doğrulukla görülmektedir. ait yönü 35’er %96,38’lik yorumla elde edilen tahmin edilebilmektedir. En başarılı 2 yöntem (KKK-Snf, sonuçlara göre bir yorumun yönü %96,38’lik doğrulukla Tablo10: Ruh Hali veri kümesinde her bir özellik grubunun başarılı olduğu konfigürasyon başarı Tablo10:en Ruh Hali veri kümesinde her birve özellik % 25,48 ve başarı grubununyüzdeleri, en başarılırastgele olduğubaşarı konfigürasyon yüzdeleri, rastgele başarı % 25,48 Özellik Konfi Özellik Başarı Grubu gürasyon sayısı yüzdesi Sınıflandırıcı Özellik Konfi Özellik Başarı Grubu gürasyon sayısı yüzdesi Sınıflandırıcı 3G Binary 101 85,23 NB 3G Binary 101 85,23 NB KKK Snf 5 80,67 1NN KKK 5 80,67 1NN KKHCL Snf 78,73 KKHCL Snf 5 78,73 1NN KGI TFIDF 100 67,29 RF KGI TFIDF 100 67,29 RF LSI 6 66,21 LSI 6101 66,21 RF KK Binary 64,98 NB KK Binary 101 64,98 NB KGO 64,19 KGO Binary 101 64,19 NB 2G N1 61,63 RF 2G N1 101 61,63 RF K2G TFIDF 56,84 C45 K2G 101 56,84 C45 KKHAL TFIDF mTF 51 54,94 RF KKHAL mTF 51 54,94 RF KKS Snf 5 49,73 KKS Snf 5534 49,73 RF FK N1 48,49 FK N1 534 48,49 RF MDS 51 46,76 MDS 51 46,76 RF KE Log 118 45,83 KE Log 118 45,83 RF KT 16 41,12 KT Log 41,12 KKHSL Co 616 39,26 RF KKHSL Co 6 39,26 Say 20 38,06 RF Say 20 38,06 RF Tablo 10 incelendiğinde bir blog yazarının blog yazıldığı andaki ruhincelendiğinde halini tahmin bir etmede başarılı blog metinyazıldığı temsil Tablo 10 blog en yazarının yönteminin (özellik grubunun) 3gramlar’ı binary olarak andaki ruh halini tahmin etmede en başarılı metin temsil kodlamak olduğu görülmektedir. Veri kümesi yönteminin (3G-Binary) (özellik grubunun) 3gramlar’ı binary olarak için üretilen(3G-Binary) tekil 3gramların sayısı 5 bin’i Veri geçtiğinden kodlamak olduğu görülmektedir. kümesi özellik seçimi tekil yapılmış ve bilgi sayısı kazancına göre geçtiğinden en iyi 100 için üretilen 3gramların 5 bin’i adet temsilinde kullanılmıştır. 4 100 ruh özellik3gram seçimimetinlerin yapılmış ve bilgi kazancına göre en iyi halinin her birine ait 38-40’ar bloglakullanılmıştır. elde edilen sonuçlara adet 3gram metinlerin temsilinde 4 ruh yazarın haliait 38-40’ar % 85,23’lük doğrulukla tahmin halinin herruhbirine blogla elde edilen sonuçlara edilebilmektedir. En başarılı 2 yöntemdoğrulukla (3G-Binary, tahmin KKKyazarın ruh hali % 85,23’lük Snf) arasında büyük fark bulunmaktadır. edilebilmektedir. Enbirbaşarılı 2 yöntem (3G-Binary, KKKSnf) arasında büyük bir fark bulunmaktadır. 4.7. Deneme Sonuçlarının Birlikte Değerlendirilmesi 4.7. Deneme Sonuçlarının Birliktesınıflandırıcılar Değerlendirilmesi Sonuç tabloları (5-10) en başarılı yönünden incelendiğinde son sütunlarında Sonuç tabloları(sınıflandırıcıların (5-10) en başarılıtabloların sınıflandırıcılar yönünden yer alma sayıları) Tablo 11’dekitabloların sonuçlar son eldesütunlarında edilmiştir. incelendiğinde (sınıflandırıcıların Tablo 11’deki sayılar sınıflandırıcının 102 (17 özellik grubu yer alma sayıları) Tablo 11’deki sonuçlar elde edilmiştir. *Tablo 6 veri kümesi) arffsınıflandırıcının dosyası üzerinde en başarılı 11’deki sayılar 102kaçında (17 özellik grubu algoritma olduğunuarff göstermektedir. * 6 veri kümesi) dosyası üzerinde kaçında en başarılı algoritma olduğunu göstermektedir. Tablo 11: En Başarılı sınıflandırıcıların dağılımı 102 arff 11: dosyası içinde kaç kere en başarılıdağılımı oldukları102 Tablo En Başarılı sınıflandırıcıların 101 arff dosyası içinde kaç kere en başarılı oldukları Sınıflandırıcı Kaç kere en Sınıflandırıcı Kaç başarılı kere yazarın edilebilm Snf) ara 4.7. Den Sonuç t incelend yer alm Tablo 11 * 6 ver algoritm Tab a Sonuç tabloları (5-10) en başarılı sınıflandırıcılar yönünden EMO Bilimsel(sınıflandırıcıların Dergi, Cilt 2, Sayı 4, Aralık 2012 incelendiğinde tabloların son sütunlarında yer alma sayıları) Tablo 11’deki sonuçlar elde edilmiştir. Tablo 11’deki sayılar sınıflandırıcının 102 (17 özellik grubu * 6 veri kümesi) arff dosyası üzerinde kaçında en başarılı algoritma olduğunu göstermektedir. Tablo 11: En Başarılı sınıflandırıcıların dağılımı 102 arff dosyası içinde kaç kere en başarılı oldukları Tablo 13: Özellik gruplarının ortalama ve her veri kümesindeki başarı sıralamaları (17 özellik grubu arasında, 6 veri kümesinde ortalama kaçıncı oldukları) i arı t Ruh hali Film yorumları Cinsiyet Ortalama Başarı Özellik Sıralamas ı Grubu 2G 3,5 3 1 1 1 7 8 3G 2,2 1 2 5 2 2 1 FK 10,5 11 4 14 11 11 12 K2G 12,3 17 13 13 10 12 9 K2G 12,3 17 11 13 13 10 12 9 KE 12,5 12 12 13 13 14 KE 12,5 12 11 12 13 13 KGI 5 6 5 4 5 6 414 KGI 5 6 5 4 5 6 KGO 6,3 7 6 3 7 8 74 KGO 6,3 7 6 3 7 8 KK 5,7 10 3 2 4 9 67 KK 5,7 10 211 415 910 610 KKHAL 12,7 14 316 KKHAL 12,7 14 16 11 15 10 10 KKHCL 5,8 2 10 8 9 3 3 KKHCL 5,8 2 10 8 9 3 3 KKHSL 14,7 15 17 17 8 15 16 KKHSL 4,7 14,7 KKK 415 817 717 68 115 216 KKK 4,7 4 8 7 6 1 2 KKS 10,2 8 14 9 14 5 11 KKS 10,2 8 14 9 14 5 11 KT 15,3 13 15 16 17 16 15 KT 15,3 16 LSI 6,7 913 915 10 317 416 515 LSI 6,7 9 9 10 3 4 5 MDS 12,8 16 12 6 16 14 13 MDS 12,8 16 12 6 16 14 13 Say 12,2 5 7 15 12 17 17 Say 12,2 5 7 15 12 17 17 Tablo 13 incelendiğinde kullanılan 6 veri kümesi için en Tablo 13 incelendiğinde 6 veri kümesi en başarılı 3 özellik grubununkullanılan sırasıyla 3G, 2G ve KKK için olduğu başarılı 3 özellik grubunun sırasıyla 3G, 2G ve KKK olduğu görülmektedir. görülmektedir. Harf 2gramları (2G) film yorumları ve ruh hali veri kümeleri Harf 2gramları (2G) film yorumları ruh haliHarf veri3gramları kümeleri haricinde çok başarılı sonuçlar eldeve etmiştir. haricinde başarılıharicinde sonuçlar elde 3gramları (3G) ise çok haberler çok etmiştir. başarılı Harf sonuçlar elde (3G) iseFonksiyonel haberler haricinde başarılıbaşarılarını sonuçlar köşe elde etmiştir. kelimeler çok en yüksek etmiştir. Fonksiyonel en yüksekDüz başarılarını köşe yazarlarını tanımada kelimeler göstermişlerdir. metinlerdeki yazarlarını tanımada göstermişlerdir. Düz metinlerdeki üslubun belirlenmesinde fonksiyonel kelimelerin etkin bir üslubun kullanılabileceği belirlenmesinde fonksiyonel kelimelerin etkin bir şekilde buradan görülmektedir. Kelime şekilde kullanılabileceği buradan Kelime 2gramları (K2G), Kelime türleri (KT)görülmektedir. ve kelime ekleri (KE) 2gramları Kelimebaşarı türlerigösterememişlerdir. (KT) ve kelime ekleri (KE) hiçbir veri(K2G), kümesinde Kavram hiçbir veri kümesinde başarısayılabilmesi gösterememişlerdir. genelleştirmenin başarılı için Kavram kelime genelleştirmenin başarılı içingereklidir. kelime köklerinden (KK) daha başarılısayılabilmesi sonuçlar üretmesi köklerinden (KK) daha başarılı sonuçlar üretmesi Buna göre kavramların bir üst kavramlarıyla ifadegereklidir. edilmesi Buna göre bir üst edilmesi (KGI), şiir,kavramların film yorumları ve kavramlarıyla ruh hali veriifade kümelerinde (KGI), köklerinden şiir, film yorumları ve iyiyken, ruh haliözel veriisimlerin kümelerinde kelime (KK) daha insan kelime köklerinden (KK) (KGO) daha iyiyken, isimlerin insan kavramına dönüştürülmesi sadece özel şiir veri kümesinde kavramına dönüştürülmesi (KGO) sadece şiir veri kümesinde kelime köklerinden daha iyi sonuçlar üretebilmiştir. Kelime kelime köklerinden dahayorumları iyi sonuçlar üretebilmiştir. Kelime kökleri (KK) şiir ve film haricinde başarılıdır. kökleri (KK) şiir ve film yorumları haricinde başarılıdır. Kelime kümeleme metotları (KKHAL, KKHCL, KKHSL, KelimeKKS) kümeleme metotları (KKHAL, KKHCL, KKHSL, KKK, arasında en başarılısı kmeans ile kümeleme KKK, KKS) arasında en başarılısı kmeans ilebakıldığında kümeleme (KKK) olmuştur. Tablo 12’deki değerlere (KKK) olmuştur. 12’deki bakıldığında KKK’nın en iyi Snf ileTablo birlikte çalıştığıdeğerlere gözükmektedir. KKK’nın en iyi Snf ile birlikte çalıştığı gözükmektedir. Anlamsal uzaylarda LSI, MDS’e göre oldukça başarılı Anlamsalüretmiştir. uzaylarda 6 LSI, MDS’e göre oldukça başarılı sonuçlar veri kümesinde, MDS’in LSI’dan iyi sonuçlarsadece üretmiştir. veri kümesinde, LSI’dan Bu iyi olduğu 1 veri6 kümesi (haberler)MDS’in bulunmaktadır. olduğu sadece diğerlerinden 1 veri kümesi (haberler) veri kümesini ayıran özelliğibulunmaktadır. her bir sınıfa Bu ait veri sayıda kümesini diğerlerinden özelliği herilebir ait çok örneğin oluşudur. ayıran Buna göre MDS iyisınıfa sonuçlar çok sayıda göre MDS iyi sonuçlar almak içinörneğin örnek oluşudur. sayısının Buna çok olduğu veriile kümelerinin almak için örnek sayısının çok olduğu veri kümelerinin kullanımı önerilebilir. Sayılar (Say) özellik grubu şiir ve köşe kullanımı Sayılar (Say) özellik grubualmıştır. şiir ve köşe yazarı veriönerilebilir. kümeleri haricinde çok kötü sonuçlar yazarı veri kümeleri haricinde çok kötü sonuçlar almıştır. Haberler Kaç kere en başarılı olduğu 39 24 23 9 7 Tablo 11 incelendiğinde en başarılı sınıflandırıcının Random Tablo incelendiğinde en başarılı sınıflandırıcının Random Forest 11 (RF) olduğu, onu Destek Vektör Makineleri (SVM) ve Forest onutakip Destek Vektör Makineleri (SVM) ve Naive (RF) Bayesolduğu, (NB)’in ettiği görülmektedir. En yakın Naive ettiği görülmektedir. En yakın komşu Bayes (1NN) (NB)’in ve karar takip ağaçları (C4.5) algoritmalarının pek komşu ve karar ağaçları (C4.5) algoritmalarının pek başarılı (1NN) olamadıkları görülmektedir. başarılı olamadıkları görülmektedir. Tablolar (5-10) Özellik gruplarının en başarılı oldukları Tablolar (5-10) yönünden Özellik gruplarının en (ikilinin başarılı tabloların oldukları konfigürasyonlar incelenmesiyle konfigürasyonlar yönünden incelenmesiyle (ikilinin tabloların ilk 2 sütununda yer alma sayıları) ilgili sonuçlar Tablo 12’de ilk 2 sütununda yer alma sonuçlar 12’de verilmiştir. Örneğin 2G sayıları) özellik ilgili grubu, 6 veriTablo kümesinin verilmiştir. 2G Binary özellik ile grubu, 6 veri kümesinin üçünde N1 Örneğin ile, ikisinde birinde ise Log ile en üçünde N1 ile, ikisinde Binary ile birinde ise Log ile en başarılı olmuştur. başarılı olmuştur. Tablo 12: Özellik gruplarının en iyi oldukları Tablo 12: Özellik gruplarının en iyi oldukları konfigürasyonlar konfigürasyonlar Özellik Özellik Grubu En iyi olduğu Konfigürasyon ve Sayıları Grubu iyi 2olduğu Konfigürasyon ve Sayıları 2G 3EnN1, Binary, 1 Log 2G 3 N1, 2 Binary, 1 Log 3G 3 Binary, 2 Log, 1 N1 3G 33 Binary, 2 Log, 1 N1 FK N1, 3 Log FK 35 N1, 3 Log K2G TFIDF, 1 Binary K2G 5 TFIDF, 1 KE 4 Log, 1 N1,Binary 1 TF KE 4 1 N1, 1 TF1 N1, 1 TFIDF KGI 3 Log, Binary, 1 Log, KGI 32 Binary, TFIDF KGO Binary, 12 Log, Log, 11 N1, TF, 11 TFIDF KGO 25 Binary, KK Binary, 21 Log, N1 1 TF, 1 TFIDF KK 5 Binary, 1 N1 KKHAL 4 mTFIDF, 1 mTF, 1 Cooccurance KKHAL 46 mTFIDF, 1 mTF, 1 Cooccurance KKHCL Snf KKHCL 64 Snf KKHSL Co, 2 Snf KKHSL 46 Co, KKK Snf 2 Snf KKK 6 Snf KKS 3 Snf, 2 mTFIDF, 1 mTF KKS 34 Snf, mTF KT Log, 21 mTFIDF, Norm1, 11Binary KT 4 Log, 1 Norm1, 1 Binary Tablo 12’ye göre K2G özellik grubunun TFIDF ile, KK Tablo göre K2G grubunun TFIDF ile, KK özellik 12’ye grubunun Binaryözellik ile ağırlıklandırılması, kelime özellik grubunun ile ağırlıklandırılması, kelime kümeleme yaparkenBinary ise KKHCL ve KKK metotlarında Snf kümeleme KKHCL ve KKK metotlarında Snf kullanılmasıyaparken daha iyi ise sonuçlar üretmiştir. kullanılması daha iyi sonuçlar üretmiştir. Özellik gruplarının genel olarak ne kadar başarılı oldukları Özellik gruplarının olaraközellik ne kadar başarılıheroldukları incelemek için Tablogenel 5-10’larda grubunun bir veri incelemek Tablo 5-10’larda özellik grubunun heryazılmış bir veri kümesindeiçin en başarılı kaçıncı oldukları (1-17 arası) kümesinde en başarılı kaçıncıalınmıştır. oldukları Elde (1-17edilen arası) sonuçlar yazılmış ve bu sayıların ortalamaları ve bu 13’te sayıların ortalamaları alınmıştır. Elde edilen sonuçlar Tablo verilmiştir. Tablo 13’te verilmiştir. Tablo 13: Özellik gruplarının ortalama ve her veri Tablo 13: Özellik ortalama ve her veri kümesindeki başarıgruplarının sıralamaları (17 özellik grubu kümesindeki sıralamaları (17 özellik grubu arasında, 6başarı veri kümesinde ortalama kaçıncı oldukları) ortalama kaçıncı 102 arasında, 6 veri kümesinde oldukları) Ortalama TMMOB Elektrik Mühendisleri Odası Özellik gruplarının genel olarak ne kadar başarılı oldukları incelemek için Tablo 5-10’larda özellik grubunun her bir veri kümesinde en başarılı kaçıncı oldukları (1-17 arası) yazılmış ve bu sayıların ortalamaları alınmıştır. Elde edilen sonuçlar Tablo 13’te verilmiştir. Köşe yazarı RF SVM NB 1NN C45 Tablo 12’ye göre K2G özellik grubunun TFIDF ile, KK özellik grubunun Binary ile ağırlıklandırılması, kelime kümeleme yaparken ise KKHCL ve KKK metotlarında Snf kullanılması daha iyi sonuçlar üretmiştir. Şiir Sınıflandırıcı r n içinde üzerinde 4.7. Deneme Sonuçlarının Birlikte Değerlendirilmesi rızarı negatif, lı metin köklerini ) olduğu edilen ğrulukla KK-Snf, Snf) arasında büyük bir fark bulunmaktadır. kavramı kelime kökleri Kelime KKK, K (KKK) KKK’nı Anlamsa sonuçlar olduğu veri küm çok sayı almak kullanım yazarı v Sonuçla Tablo 14 Tab ile, KK kelime nda Snf ldukları bir veri yazılmış sonuçlar Anlamsal uzaylarda LSI, MDS’e göre oldukça başarılı sonuçlar üretmiştir. 6 veri kümesinde, MDS’in LSI’dan iyi olduğu sadece 1 veri kümesi (haberler) bulunmaktadır. Bu veri kümesini diğerlerinden ayıran özelliği her bir sınıfa ait çok sayıda örneğin oluşudur. Buna göre MDS ile iyi sonuçlar almak için örnek sayısının çok olduğu veri kümelerinin kullanımı önerilebilir. Sayılar (Say) özellik grubu şiir ve köşe yazarı veri kümeleri haricinde çok kötü sonuçlar almıştır. 25,48 85,23 101 Özellik Özellik grubugrubu ve ve konfigürasyonu konfigürasyonu 28,1 Özellik Özellik sayısısayısı 247,1 Elde Elde edilen edilen en en yüksek yüksek başarıbaşarı Ruh hali Rastgele Rastgele Başarı Başarı Tablo 14: Veri kümelerinde en başarılı sonuçlar alan konfigürasyonlar Ort. Cümle Ort. Cümle sayısısayısı 8 1 12 Ort. Kelime Ort. Kelime Sayısı Sayısı Sonuçlar veri kümelerinin türlerine göre incelenmesiyle Tablo 14 elde edilmiştir. Veri Veri kümesi kümesi Ruh hali yorumları eri bu (KGI), şiir, film yorumları ve ruh hali veri kümelerinde başarıların elde edilebildiği görülmüştür. kelime köklerinden (KK) daha iyiyken, özel isimlerin insan kavramına dönüştürülmesi (KGO) sadece şiir veri kümesinde 5. Sonuçlar ve Tartışma kelime köklerinden daha iyi sonuçlar üretebilmiştir. Kelime M. F.,haricinde Balcı S., Varlı E. N., Mete E., Türkçe Metinlerin Sınıflandırılmasında Temsil Yöntemlerinin kökleri (KK) şiir ve Amasyalı film yorumları başarılıdır. Sınıflandırma uygulamalarında Metin örneklerin nasıl temsil Performans Sayıeden 4, Syf 95-104, AralıkBunun 2012 edileceği Karşılaştırılması, performansa enCilt çok2,etki parametredir. Kelime kümeleme metotları (KKHAL, KKHCL, KKHSL, Temalı Derleme Makale doğal sonucu olarak uygun özelliklerin seçimi sınıflandırma KKK, KKS) arasında en başarılısı kmeans ile kümeleme performansını arttırmaktadır. Bu çalışmada çeşitli türdeki (KKK) olmuştur. Tablo 12’deki değerlere bakıldığında metin sınıflandırma problemleri için özellik gruplarının KKK’nın en iyi Snf ile birlikte çalıştığı gözükmektedir. performansa etkileri araştırılmıştır. 3GBinary 247,1 28,1 25,48 85,23 101 Ruh hali 3G49,3 4,8 28,57 96,38 4 Film KKKBinary yorumları Snf 49,3 4,8 28,57 96,38 4 Film KKK398,5 45,3 4,76 93,78 3817 Köşe 2G-Log yorumları Snf yazarı 398,5 45,3 4,76 93,78 3817 Köşe 2G-Log 377 54 52,38 99,62 101 Cinsiyet 2Gyazarı Binary 377 54 52,38 99,62 101 Cinsiyet 2G204,8 17 20 94,54 3698 Haberler 2G-N1 Binary 79,5 7,4 14,29 75,29 101 3GŞiir 204,8 17 20 94,54 3698 Haberler 2G-N1 Binary 79,5 7,4 14,29 75,29 101 Şiir 3GBinary Tablo 14 incelendiğinde, en yüksek başarı elde edilen veri kümesi yazarın cinsiyetini belirlediğimiz veri kümesidir. En Tablo 14 incelendiğinde, en yüksek başarı elde edilen veri zor veri kümesinin şiirlerin yazarlarını bulma olduğu kümesi yazarın Bununla cinsiyetini belirlediğimiz kümesidir. görülmektedir. beraber tüm veri veri kümelerinde en En az zor veri bir kümesinin şiirlerin yazarlarını bulma olduğu % 75’lik başarı elde edilmiş olması otomatik metin görülmektedir. Bununla beraber tüm veri kümelerinde en az sınıflandırma konusunda çok çeşitli görevlerde başarının % 75’lik bir göstermektedir. başarı elde edilmiş olması otomatik metin yakalandığını sınıflandırma konusunda çok çeşitli görevlerde başarının yakalandığını göstermektedir. En başarılı metin temsili yöntemlerine bakıldığında, harf ngramlarının başarısı göze çarpmaktadır. En başarılı metin temsili yöntemlerine bakıldığında, harf ngramlarının başarısı göze çarpmaktadır. Ngramların ağırlıklandırılmasında oldukça popüler olan TF ve TFIDF yerine Binary, Log ve N1 ağırlıklandırma Ngramların ağırlıklandırılmasında popüler olan TF yöntemlerinin daha başarılı olduklarıoldukça görülmektedir. ve TFIDF yerine Binary, Log ve N1 ağırlıklandırma yöntemlerinin daha başarılı oldukları Metinlerin boyutlarıyla başarı görülmektedir. oranları birlikte incelendiğinde, kısa metinlerde de uzun metinlerde de yüksek Metinlerin başarı oranları birlikte başarıların eldeboyutlarıyla edilebildiği görülmüştür. incelendiğinde, kısa metinlerde de uzun metinlerde de yüksek başarıların elde edilebildiği görülmüştür. 5. Sonuçlar ve Tartışma Sınıflandırma 5.uygulamalarında örneklerin nasıl temsil Sonuçlar ve Tartışma edileceği performansa en çok etki eden parametredir. Bunun Sınıflandırma uygulamalarında örneklerin temsil doğal sonucu olarak uygun özelliklerin seçimi nasıl sınıflandırma edileceği performansa en çok etki eden parametredir. Bunun performansını arttırmaktadır. Bu çalışmada çeşitli türdeki doğal olarak uygun özelliklerin metin sonucu sınıflandırma problemleri için seçimi özelliksınıflandırma gruplarının performansını arttırmaktadır. Bu çalışmada çeşitli türdeki performansa etkileri araştırılmıştır. metin sınıflandırma problemleri için özellik gruplarının performansa Kullanılan 6etkileri farklı araştırılmıştır. metin veri kümesinin her biri için 17 özellik grubunun çeşitli konfigürasyonlarından oluşan 77 Kullanılan farklı metin veri kümesinin biri için 17 farklı temsil6 yöntemi denenmiş ve bu işlemhersonucu oluşan özellik grubunun çeşitli konfigürasyonlarından oluşan 77 462 (6*77) adet arff dosyası 5 adet sınıflandırma metoduyla farklı temsil yöntemi denenmiş ve bu işlem sonucu oluşan sınıflandırılmıştır. Sınıflandırma performansları 5’li çapraz 462 (6*77)ileadet arff dosyası 5 adet sınıflandırma metoduyla geçerleme ölçülmüştür. sınıflandırılmıştır. Sınıflandırma performansları 5’li çapraz Kullanılan 6 farklı metin veri kümesinin her biri için 17 özellik grubunun çeşitli konfigürasyonlarından oluşan 77 farklı temsil yöntemi denenmiş ve bu işlem sonucu oluşan 462 (6*77) adet arff dosyası 5 adet sınıflandırma metoduyla sınıflandırılmıştır. Sınıflandırma performansları 5’li çapraz geçerleme ile ölçülmüştür. Ayrıntıları 5.bölümde verilen sonuçlara göre genel olarak ngramların diğer metin temsil yöntemlerinden daha başarılı olduğu görülmüştür. Ngramların her türlü dile uygulanabilir olması, herhangi bir dile özel ön işlem gerektirmiyor olması ngramların diğer olumlu yanları olarak sayılabilir. Ngramların ağırlıklandırılmasında oldukça popüler olan TF ve TFIDF yerine Binary, Log ve N1 ağırlıklandırma yöntemlerinin daha başarılı oldukları görülmüştür. ve TFIDF yerine Binary, Log ve N1 ağırlıklandırma yöntemlerinin daha başarılı olan oldukları Tarafımızdan geliştirilmiş sınıf görülmüştür. bilgisine dayalı kelime kümeleme yöntemi, Film Yorumları veri kümesinde en Tarafımızdan sınıfyorumları bilgisine dayalı kelime başarılı temsilgeliştirilmiş yöntemidir.olan Film veri kümesi, kümeleme yöntemi, Film Yorumları veri kümesinde Internet üzerindeki kullanıcı yorumların olumlu ya en da başarılı temsil yorumları kümesi, olumsuz şekilde yöntemidir. etiketlenmesiFilm üzerine bir veri veri kümesidir ki Internet üzerindeki ticari kullanıcı olumlu oldukça ya da bu konu günümüzde değeri yorumların yüksek olduğundan olumsuz şekilde etiketlenmesi üzerine bir veri kümesidir ki sıcak bir araştırma alanıdır. bu konu günümüzde ticari değeri yüksek olduğundan oldukça sıcak bir araştırma alanıdır. Gelecek çalışmalar olarak anlamsal uzayda yakınlıktan uzaklığa dönüşümde yeni yöntemlerin kullanılması ve Gelecek çalışmalar olarak anlamsalüzerinde uzayda yakınlıktan yöntemlerin İngilizce metinler denenmesi uzaklığa dönüşümde yeni yöntemlerin kullanılması ve düşünülmektedir. yöntemlerin İngilizce metinler üzerinde denenmesi düşünülmektedir. 6. Teşekkür Özellik çıkarımına ve deneylerin çalıştırılmasına büyük emek 6. Teşekkür harcayan Feruz DAVLETOV, Arslan TORAYEW, Ümit Özellik ve deneylerin çalıştırılmasına büyük emek ÇİFTÇİ,çıkarımına Burhanettin İRMİKÇİ’ye ve değerli yorumlarıyla harcayan Feruz DAVLETOV, Arslan TORAYEW, Ümit çalışmamıza katkıda bulunan Kemik Doğal Dil İşleme Grubu ÇİFTÇİ, Burhanettin İRMİKÇİ’ye ve değerli yorumlarıyla (www.kemik.yildiz.edu.tr) üyelerine teşekkür ederiz. Bu çalışmamıza Doğal Dil3110278 İşleme Grubu çalışma, bir katkıda Ericcsonbulunan şirketi Kemik olan Bizitek’in no’lu (www.kemik.yildiz.edu.tr) teşekkür ederiz. Bu TÜBİTAK-TEYDEB projesi üyelerine kapsamında desteklenmiştir. çalışma, bir Ericcson şirketi olan Bizitek’in 3110278 no’lu . TÜBİTAK-TEYDEB projesi kapsamında desteklenmiştir. Kaynaklar . [1] Amasyalı, M. F., Kaynaklar Diri, B., “Automatic Turkish Text Categorization in Terms of Author, Genre and Gender”, [1] 11th Amasyalı, M. F.,Conference Diri, B., “Automatic Turkish Text International on Applications of Natural Categorization in Terms of Author, Genre and Gender”, Language to Information Systems-NLDB2006, LNCS 11th International Conference on Applications of Natural Volume 3999, 2006. Language to Information Systems-NLDB2006, LNCS [2] Türkoğlu, F., Diri, B., Amasyalı, M. F., “Author Volume 3999, 2006. Attribution of Turkish Texts by Feature Mining”, Third [2] International Türkoğlu, F.,Conference Diri, B.,onAmasyalı, F., “Author Intelligent M. Computing, ICIC Attribution of Turkish Texts by Feature Mining”, 2007, Qingdao, China, LNCS Volume 4681, 2007. Third Conference on Intelligent [3] International Bekkerman R., Ran El-Yaniv, NaftaliComputing, T., Yoad ICIC W., 2007, Qingdao, China, LNCS Volume 4681, “Distributional Word Clusters vs. Words2007. for Text [3] Categorization”, Bekkerman R., Journal Ran El-Yaniv, Naftali T., Yoad W., of Machine Learning Research, “Distributional Word Clusters vs. Words for Text 1-48, 2002. Journal Machine Learning Research, [4] Categorization”, Song, F., Liu, S., Yang,of J., “A comparative study on 1-48, representation 2002. text schemes in text categorization”, [4] Pattern Song, F., Liu, S., Yang, J., “A 2005. comparative study on Anal Applic (8), 199–209, text representation schemes in text categorization”, [5] Çiltik, A. ve Güngör, T., “Time-Efficient Spam E-mail Pattern Anal Applic (8), 199–209, Filtering Using N-gram Models”,2005. Pattern Recognition [5] Letters Çiltik, A. ve Güngör, T., “Time-Efficient Spam E-mail 29(1), 19-33, 2008. Filtering Using N-gram Models”, PatternPreparation Recognition [6] Ciya L., Shamim A., Paul D., “Feature in Letters 29(1), 19-33, 2008. Text Categorization”, Oracle Text Selected Papers and [6] Presentations, Ciya L., Shamim A., Paul D., “Feature Preparation in 2001. Text Categorization”, Oracle Text SelectedYöntemi Papers and [7] Özel, B., “Küresel k-Ortalamalı Gruplama ile 103 Presentations, 2001. Metinlerin ve Terimlerin Saklı Anlam İndekslenmeleri”, [7] ASYU, Özel, B., “Küresel k-Ortalamalı Gruplama Istanbul, Turkey, 223-227, 2004. Yöntemi ile Metinlerin ve Terimlerin Saklı Anlam [8] Holmes, D. I., “The Evolution ofİndekslenmeleri”, Stylometry in ASYU, Istanbul, Turkey, 223-227, 2004. [3] Be “D Cat 1-4 [4] Son tex Pat [5] Çil Fil Let [6] Ciy Tex Pre [7] Öz Me AS [8] Ho Hu Co [9] Am “te Ya [10] Be Eng e yüksek temsil . Bunun andırma türdeki plarının için 17 uşan 77 u oluşan etoduyla çapraz larak nbaşarılı anabilir r olması yılabilir. olan TF 2007, Qingdao, China, LNCS Volume 4681, 2007. [3] Bekkerman R., Ran El-Yaniv, Naftali T., Yoad W., “Distributional Word Clusters vs. Words for Text Categorization”, Journal of Machine Learning Research, 1-48, 2002. EMO Bilimsel Dergi, Cilt 2,J.,Sayı Aralık 2012 [4] Song, F., Liu, S., Yang, “A 4, comparative study on text representation schemes in text categorization”, Pattern Anal Applic (8), 199–209, 2005. [5] Çiltik, A. ve Güngör, T., “Time-Efficient Spam E-mail Filtering Using N-gram Models”, Pattern Recognition Letters 29(1), 19-33, 2008. [6] Ciya L., Shamim A., Paul D., “Feature Preparation in Text Categorization”, Oracle Text Selected Papers and Presentations, 2001. [7] Özel, B., “Küresel k-Ortalamalı Gruplama Yöntemi ile Metinlerin ve Terimlerin Saklı Anlam İndekslenmeleri”, ASYU, Istanbul, Turkey, 223-227, 2004. [8] Holmes, D. I., “The Evolution of Stylometry in Humanities Scholarship”, Literary and Linguistic Computing, 13 (3): 111-117, 1998. [9] Amasyalı, M. F., Davletov, F., Torayew, A, Çiftçi, Ü, “text2arff: Türkçe Metinler İçin Özellik Çıkarım Yazılımı”, SİU, Diyarbakır, 2010. [10] Berry, M. W., Browne, M., “Understanding Search Engines: Mathematical Modeling and Text Retrieval”, Society for Industrial and Applied Mathematics, Philadelphia, 2005. [11] Torunoglu, D., Cakirman, E., Ganiz, M.C., Akyokus, S., Gurbuz, M.Z., “Analysis of preprocessing methods on classification of Turkish texts”, INISTA, Istanbul, Turkey, 112 - 117, 2011. [12] http://code.google.com/p/zemberek/ [13] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 146-148, 2004. [14] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 135-139, 2004. [15] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 282-283, 2004. [16] JAMA: A Java Matrix Package, http://math.nist.gov/javanumerics/jama [17] Amasyalı, M. F., Beken, A., “Türkçe Kelimelerin Anlamsal Benzerliklerinin Ölçülmesi ve Metin Sınıflandırmada Kullanılması”, SİU, 2009. [18] Haris Z. S., “Mathematical structures of language”, Wiley, 12, 1968. [19] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 121-124, 2004. [20] Multidimensional Scaling for Java, University of Konstanz, Department of Computer & Information Science, Algorithmics Group, http://www.inf.unikonstanz.de/algo/software/mdsj/ [21] Bilgin, O., Çetinoğlu, Ö., Oflazer, K., “Building a wordnet for Turkish”, Romanian Journal of Information Science and Technology, (7), 163-172, 2004. [22] Witten, I. H., Frank, E., “Data Mining: Practical machine learning tools and techniques”, 2nd Edition, Morgan Kaufmann, San Francisco, 2005. [23] Hall, M. A., “Correlation-based Feature Selection for Machine Learning”, Doktora Tezi, Hamilton, NZ: Waikato University, Department of Computer Science, 1998. 104 Society for Industrial and Applied Mathematics, Philadelphia, 2005. [11] Torunoglu, D., Cakirman, E., Ganiz, M.C., Akyokus, S., Gurbuz, M.Z., “Analysis of preprocessing methods on classification of Turkish texts”, INISTA, Istanbul, Elektrik Mühendisleri Odası Turkey, 112TMMOB - 117, 2011. [12] http://code.google.com/p/zemberek/ [13] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 146-148, 2004. [14] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 135-139, 2004. [15] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 282-283, 2004. [16] JAMA: A Java Matrix Package, http://math.nist.gov/javanumerics/jama [17] Amasyalı, M. F., Beken, A., “Türkçe Kelimelerin Anlamsal Benzerliklerinin Ölçülmesi ve Metin Sınıflandırmada Kullanılması”, SİU, 2009. [18] Haris Z. S., “Mathematical structures of language”, Wiley, 12, 1968. [19] Alpaydın, E., “Introduction to Machine Learning”, The MIT Press, 121-124, 2004. [20] Multidimensional Scaling for Java, University of Konstanz, Department of Computer & Information Science, Algorithmics Group, http://www.inf.unikonstanz.de/algo/software/mdsj/ [21] Bilgin, O., Çetinoğlu, Ö., Oflazer, K., “Building a wordnet for Turkish”, Romanian Journal of Information Science and Technology, (7), 163-172, 2004. [22] Witten, I. H., Frank, E., “Data Mining: Practical machine learning tools and techniques”, 2nd Edition, Morgan Kaufmann, San Francisco, 2005. [23] Hall, M. A., “Correlation-based Feature Selection for Machine Learning”, Doktora Tezi, Hamilton, NZ: Waikato University, Department of Computer Science, 1998. Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale Tek TekRobottan RobottanÇoklu ÇokluRobotlara RobotlaraOrtam OrtamHaritalama Haritalama Tek Robottan Çoklu Robotlara Ortam Haritalama Map Building: From Single to Multirobot Sytems Hakan Özgür Erkent, Haluk ve HakanKaraoğuz, Karaoğuz, Özgür Erkent,Robot HalukBayram Bayram veH. H.Işıl IşılBozma Bozma Hakan Karaoğuz, Özgür Erkent, Haluk Bayram ve H. Işıl Bozma Akıllı AkıllıSistemler SistemlerLab. Lab. Elektrik Mühendisliği Elektrikve veElektronik Elektronik Mühendisliği Bölümü Akıllı Sistemler Lab. Bölümü Boğaziçi Üniversitesi, Bebek, Boğaziçi Üniversitesi, Bebek,İstanbul İstanbul Elektrik ve Elektronik Mühendisliği Bölümü Boğaziçi Üniversitesi, Bebek, İstanbul Özetçe Özetçe Özetçe Bu Bu makalenin makalenin amacı, amacı, robotlar robotlar için için ortam ortam haritalama haritalama konusunda yapılmış tek başlayarak, çoklu konusunda yapılmış çalışmaları, çalışmaları, tek robottan robottan başlayarak, çoklu Bu makalenin amacı, robotlar için ortam haritalama robotlara tarayarak kapsamlı veverobottan güncel literatür robotlarakadar kadar tarayarak kapsamlı güncelbir bir literatürdeğerdeğerkonusunda yapılmış çalışmaları, tek başlayarak, çoklu lendirmesi sunmaktadır. Yapılan çalışmalar incelendiğinde, lendirmesikadar sunmaktadır. Yapılan çalışmalar incelendiğinde, ortam robotlara tarayarak kapsamlı ve güncel bir literatür ortam değerharitalama iki kısmı haritalamaproblemlerinin problemlerinin ikiönemli önemli kısmıbulunduğu bulunduğugörülmekgörülmeklendirmesi sunmaktadır. Yapılan çalışmalar incelendiğinde, ortam tedir. ortamda algılanacağı nasıl tedir.İlk İlkkısım, kısım, ortamdanelerin nelerin algılanacağı veharitanın haritanıngörülmeknasılbir bir haritalama problemlerinin iki önemli kısmı ve bulunduğu tanımlama ile seçilen model tanımlama ileoluşturulacağıdır. oluşturulacağıdır. İkincikısım kısımise, ise,haritanın seçilenbu bu model tedir. İlk kısım, ortamda nelerin İkinci algılanacağı ve nasıl bir vetanımlama gelen bilgiler haritanın muhakeme için verobottan robottanile gelen bilgilerçerçevesinde, çerçevesinde, haritanın muhakeme için oluşturulacağıdır. İkinci kısım ise, seçilen bu model nasıl kullanılacağına vevegüncelleneceğine dairdir. nasıl kullanılacağına güncelleneceğine dairdir.Çoklu Çoklurobotlar robotlar ve robottan gelen bilgiler çerçevesinde, haritanın muhakeme için ile haritalama tek harita ileortam ortam haritalamaçalışmaları, çalışmaları, tekrobot robotiçin içingeliştirilen geliştirilen harita nasıl kullanılacağına ve güncelleneceğine dairdir. Çoklu robotlar veile yöntemlerinin çoklu vemuhakeme muhakeme yöntemlerinin çoklurobotlar robotlar için genelleştirilmesini ortam haritalama çalışmaları, tek robotiçin içingenelleştirilmesini geliştirilen harita esas aldığı seçilen makaleler esas aldığı görülmektedir. görülmektedir. Bu çerçevede, çerçevede, seçilen makaleler 33 ve muhakeme yöntemlerininBu çoklu robotlar için genelleştirilmesini ana başlık altında sırasıyla incelenmekte ve yapılan uygulamalar ana başlık altında sırasıyla incelenmekte ve yapılan uygulamalar3 esas aldığı görülmektedir. Bu çerçevede, seçilen makaleler genel olarak sunulmaktadır. değerlendirme ile genelbaşlık olarak sunulmaktadır. Makale,genel genel bir değerlendirme ile ana altında sırasıyla Makale, incelenmekte vebir yapılan uygulamalar sonlanmaktadır. sonlanmaktadır. genel olarak sunulmaktadır. Makale, genel bir değerlendirme ile sonlanmaktadır. Abstract Abstract Abstract This map building withwith a single Thispaper paperpresents presentsa asurvey surveyof of map building single robot totomultirobot systems. Map two robots multirobot systems. Mapbuilding building isaddressed addressed two This paper presents a survey of map isbuilding withinin single related The pertains totothe map that relatedtopics. topics. Thefirst first pertainsMap the mapmodels models thathave haveinbeen been robots to multirobot systems. building is addressed two developed while the second isisassociated with reasoning methods developed while thefirst second associated with reasoning methods related topics. The pertains to the map models that have been that are ininupdating the constructed that areused used updating theis constructed maps withthe theincoming incoming developed while the second associatedmaps with with reasoning methods sensory initial ininthis has sensory data. While initialwork work thisarea area hasfocused focused onsingle single that aredata. usedWhile in updating the constructed maps with theon incoming robots, work considering multirobot robots, recent recent work has has started started considering multirobot systems. sensory data. While initial work in this area has focused systems. on single Most systems extend approaches that been Most such such systems basically extend approaches that have have been robots, recent workbasically has started considering multirobot systems. originally developed for single robots to multirobot scenarios. InIn originally developed for single robots to multirobot scenarios. Most such systems basically extend approaches that have been this we with maps this paper, paper,developed we consider consider map models, models, reasoning with maps and and originally for map single robots reasoning to multirobot scenarios. In multirobot one. attempt isistoto provide multirobot map buildingone oneby by one.Our Our attemptwith provide this paper,map we building consider map models, reasoning maps and amultirobot coverage ofofrelated acomprehensive comprehensive coverageone related work. Thepaper paper concludes map building by one.work. Our The attempt is concludes to provide with a discussion of related applications and a general with a discussion of related applications and a general evaluation. a comprehensive coverage of related work. The paperevaluation. concludes with a discussion of related applications and a general evaluation. I. .I. .Giriş Giriş I. . Girişmümkün Robotların, Robotların, bulundukları bulundukları ortamı ortamı mümkün olduğunca olduğunca kapkapsamlı algı haritalar oluşturarak samlıolarak olarakalgılamaları algılamalarıve ve algıtemelli temelli haritalar oluşturarak Robotların, bulundukları ortamı mümkün olduğunca kapuzamsal muhakemede kullanabilmeleri bir özelliktir. uzamsal muhakemede kullanabilmeleri önemli biroluşturarak özelliktir. samlı olarak algılamaları ve algı temelliönemli haritalar Çevre ve hareket, gibi görevÇevretarama tarama vearaştırma, araştırma, hareket,taşıma taşıma gibifarklı farklı görevuzamsal muhakemede kullanabilmeleri önemli bir özelliktir. leri otonom olarak yapabilmeleri önemli ölçüde bu özelliğe leri otonom olarak yapabilmeleri önemli ölçüde bu özelliğe Çevre tarama ve araştırma, hareket, taşıma gibi farklı görevbağlıdır. Ortam haritalama çalışmaları, ilk robot bağlıdır. Ortam haritalama çalışmaları, ilkolarak olarak tek bir robot leri otonom olarak yapabilmeleri önemli ölçüdetek bubir özelliğe temel Bu temel alınarak alınarak başlamıştır. Bu konudaki konudaki araştırma ve uygubağlıdır. Ortambaşlamıştır. haritalama çalışmaları, ilkaraştırma olarak tekve biruygurobot lamalar belli ilerleme tek robotun göreceli lamalaralınarak belli bir bir ilerleme kaydedince, kaydedince, tek robotunve göreceli temel başlamıştır. Bu konudaki araştırma uyguolarak hareket birden olarak kısıtlı olan hareket ve ve algılama algılama kabiliyetinin, kabiliyetinin, birden lamalarkısıtlı belli olan bir ilerleme kaydedince, tek robotun göreceli fazla fazla robotun robotun aynı anda anda kullanılmasıyla kullanılmasıyla daha genişletilebilegenişletilebileolarak kısıtlı aynı olan hareket ve algılama daha kabiliyetinin, birden ceği Bu robotlar ile, ceği öngörülmüştür. öngörülmüştür. Bu çerçevede, çerçevede, çoklu çoklu robotlar ile, her her fazla robotun aynı anda kullanılmasıyla daha genişletilebilerobotun kendi diğer ile robotun kendi sınırlı sınırlı algılarını, algılarını, diğer robotlar robotlar ile paylaşması paylaşması ceği öngörülmüştür. Bu çerçevede, çoklu robotlar ile, her hedeflenmiştir. olarak, paylaşımı ile hedeflenmiştir. Bunaek ek olarak,sınırlı sınırlı bilgilerinile paylaşımı ile robotun kendi Buna sınırlı algılarını, diğer bilgilerin robotlar paylaşması hedeflenmiştir. Buna ek olarak, sınırlı bilgilerin paylaşımı ile keşfedilen keşfedilen ortamın ortamın koordineli koordineli ve ve tümleşik tümleşik olarak olarak daha daha kapkapsamlı algılanmasının mümkün olabileceği düşünülmüştür. Bu samlı algılanmasının mümkün olabileceği düşünülmüştür. Bu keşfedilen ortamın koordineli ve tümleşik olarak daha kapmakalede, robotlar ortam yapılmış makalede, robotlariçin için ortamharitalama haritalama konusunda yapılmış samlı algılanmasının mümkün olabileceğikonusunda düşünülmüştür. Bu çalışma başlayarak, çoklu robotçalışmave vearaştırmaları, araştırmaları, tekrobottan robottan başlayarak, çoklu robotmakalede, robotlar için tek ortam haritalama konusunda yapılmış lara ve bir lara kadar kadar tarayan, kapsamlı kapsamlı ve güncel güncel bir literatür literatür değerçalışma ve tarayan, araştırmaları, tek robottan başlayarak, çokludeğerrobotlendirmesi sunulmaktadır. Literatürde, bu konuda son lendirmesi sunulmaktadır. Literatürde, bu konuda endeğerson lara kadar tarayan, kapsamlı ve güncel bir literatüren yayınlanan makalesi 2002 yapılmış yayınlanan tarama tarama makalesiLiteratürde, 2002 yılında yılındabu yapılmış olduğunlendirmesi sunulmaktadır. konudaolduğunen son dan [160], ağırlıklı 2000 yılından sonra dan [160],çalışmamızda çalışmamızda ağırlıklı olarak 2000 yılından sonra yayınlanan tarama makalesi 2002olarak yılında yapılmış olduğunyayınlanan Bu tarama esnasında, yayınlanan makaleler bulunmaktadır. bulunmaktadır. Bu2000 tarama esnasında, dan [160], makaleler çalışmamızda ağırlıklı olarak yılından sonra incelenen makalelerin sunulan alınan atıflar incelenen makalelerin seçimi, sunulanyaklaşım, yaklaşım, alınan atıflar yayınlanan makalelerseçimi, bulunmaktadır. Bu tarama esnasında, ve temel Benzer ve güncellik güncellik temel alınarak alınarak yapılmıştır. Benzer yaklaşımları yaklaşımları incelenen makalelerin seçimi,yapılmıştır. sunulan yaklaşım, alınan atıflar kullanan makalelerden bir makale liste kullanan makalelerden bir örnek örnek makale seçilerek seçilerek liste yakyakve güncellik temel alınarak yapılmıştır. Benzer yaklaşımları laşık laşık 75 75 makaleye makaleye indirilmiştir. indirilmiştir. Çoklu robotlar robotlar konusunda kullanan makalelerden bir örnek Çoklu makale seçilerekkonusunda liste yakyapılan çoğunun, robot tarafından yapılan yapılan çalışmaların çoğunun, tek tekÇoklu robotrobotlar tarafından yapılan laşık 75çalışmaların makaleye indirilmiştir. konusunda ortam algılama ve konularındaki çalışmaları temel ortam algılama veharitalama haritalama konularındaki çalışmalarıyapılan temel yapılan çalışmaların çoğunun, tek robot tarafından aldığı konudaki makaleler taranarak, yine aldığı görülerek, görülerek,vebu bu konudakikonularındaki makaleler de deçalışmaları taranarak,temel yine ortam algılama haritalama benzer 60 seçilmiştir. Ayrıca, benzer şekilde şekilde yaklaşık yaklaşık 60 makale makale seçilmiştir. Ayrıca, çoklu çoklu aldığı görülerek, bu konudaki makaleler de taranarak, yine robotlar ile çalışmaların çoğunda, hareket ve robotlar ileyapılan yapılan çalışmaların çoğunda, hareket veiletişim iletişim benzer şekilde yaklaşık 60 makale seçilmiştir. Ayrıca, çoklu konularının ele belirlendiğinden, keşif, konularının genel olarak olarak ele alındığı alındığı belirlendiğinden, keşif, robotlar ile genel yapılan çalışmaların çoğunda, hareket ve iletişim haritalama iletişim konularına odaklanan çalışmalar haritalamave vegenel iletişim konularına odaklanan çalışmalarayrıca ayrıca konularının olarak ele alındığı belirlendiğinden, keşif, taranarak, 65 kapsamına alıntaranarak,yaklaşık yaklaşık 65makale makaledeğerlendirme değerlendirme kapsamınaayrıca alınharitalama ve iletişim konularına odaklanan çalışmalar mıştır. Bu örtüşmesi ile mıştır. Bumakalelerin makalelerin bazılarının örtüşmesinedeni nedeni ileçalışçalıştaranarak, yaklaşık 65 bazılarının makale değerlendirme kapsamına alınmamızın kapsamında yaklaşık 180 mamızın kapsamında yaklaşık 180makale makalebulunmaktadır. bulunmaktadır. mıştır. Bu makalelerin bazılarının örtüşmesi nedeni ile çalışmamızın kapsamında yaklaşık 180ortam makale bulunmaktadır. Seçilen Seçilenmakaleler makalelerincelendiğinde, incelendiğinde, ortamharitalama haritalamaproblemproblemlerinin önemli bulunduğu görülmektedir. kısım, lerininiki iki önemlikısmı kısmı bulunduğuortam görülmektedir. İlk kısım, Seçilen makaleler incelendiğinde, haritalamaİlk problemnasıl bir oluşturulacağıdır. Harita modeli, nasıl bir harita oluşturulacağıdır. Harita modeli, ortamların ortamların lerinin ikiharita önemli kısmı bulunduğu görülmektedir. İlk kısım, nasıl ile hangi algılama tanımlanacağı ileilintilidir. ilintilidir.Bu Buçerçevede, çerçevede, hangiortamların algılama nasıltanımlanacağı bir harita oluşturulacağıdır. Harita modeli, kiplerinin kullanılacağı, hangi özniteliklerin çıkartılacağı ve kiplerinin kullanılacağı, hangi özniteliklerin çıkartılacağı ve nasıl tanımlanacağı ile ilintilidir. Bu çerçevede, hangi algılama bu içermektedir. buverinin verininnasıl nasılbir birgösterime gösterime dönüştürüleceğini içermektedir. kiplerinin kullanılacağı, hangidönüştürüleceğini özniteliklerin çıkartılacağı ve İkinci kısım ise, harita gelen İkinci kısımnasıl ise,seçilen seçilen haritamodeli modelive veortamdan ortamdan gelenalgı algı bu verinin bir gösterime dönüştürüleceğini içermektedir. bilgileri çerçevesinde, haritanın amaçlı bilgilerikısım çerçevesinde, haritanın muhakeme amaçlıolarak olarak nasıl İkinci ise, seçilen harita muhakeme modeli ve ortamdan gelennasıl algı kullanılacağına ve nasıl güncelleneceğine dairdir. Çoklu robotkullanılacağına ve nasıl güncelleneceğine dairdir. Çoklu robotbilgileri çerçevesinde, haritanın muhakeme amaçlı olarak nasıl lar yapılan esas lar ve ve ortam ortam haritalamada haritalamada yapılan çalışmaların, çalışmaların, esas olarak olarak kullanılacağına ve nasıl güncelleneceğine dairdir. Çoklu robottek için ve yöntemlerinin tek robot robot için geliştirilen geliştirilen harita harita ve muhakeme muhakeme yöntemlerinin lar ve ortam haritalamada yapılan çalışmaların, esas olarak genelleştirilmesini esas görülmektedir. çerçevede, genelleştirilmesini esas aldığı aldığı görülmektedir. Bu çerçevede, tek robot için geliştirilen harita ve muhakemeBu yöntemlerinin seçilen makaleler 3 ana başlık altında incelenmektedir. II. seçilen makaleler 3 ana başlık altında incelenmektedir. II. genelleştirilmesini esas aldığı görülmektedir. Bu çerçevede, bölümde, harita yönelik çalışmalar sunulmaktadır. bölümde,makaleler haritamodellerine modellerine yönelik çalışmalar sunulmaktadır. seçilen 3 ana başlık altında incelenmektedir. II. III. ise, haritaların çıkarımı ve III.bölümde bölümde ise,tek tekrobot robotile ileyönelik haritaların çıkarımı vekullanımı kullanımı bölümde, harita modellerine çalışmalar sunulmaktadır. ile çalışmalar Çoklu robotlar ile ilgili ilgili çalışmalar anlatılmaktadır. Çoklu robotlar ile ortam ortam III. bölümde ise, tekanlatılmaktadır. robot ile haritaların çıkarımı veile kullanımı haritalama ile ilgili çalışmalar ise IV. bölümde açıklanmakharitalama ile ilgili çalışmalar ise IV. bölümde açıklanmakile ilgili çalışmalar anlatılmaktadır. Çoklu robotlar ile ortam tadır. haritalama uygulamalarından bahsedilmiştir. tadır.V. V.bölümde, bölümde, haritalama uygulamalarından bahsedilmiştir. haritalama ile ilgili çalışmalar ise IV. bölümde açıklanmakMakale, ile KulMakale, özet bir bir değerlendirme değerlendirme ile sona sona ermektedir. ermektedir. Kultadır. V. özet bölümde, haritalama uygulamalarından bahsedilmiştir. lanımları karşılıkları Ek lanımları yeniolan olan terimlerin,İngilizce İngilizce karşılıkları EkVI’da VI’da Makale, yeni özet bir terimlerin, değerlendirme ile sona ermektedir. Kulsunulmaktadır. sunulmaktadır. lanımları yeni olan terimlerin, İngilizce karşılıkları Ek VI’da sunulmaktadır. II. . .Harita II. HaritaModelleri Modelleri II. . Harita Modelleri Harita tanımlamayı Haritamodelleri, modelleri,robotun robotunuzamsal uzamsal tanımlamayınasıl nasılyapacağı yapacağı ile Uzamsal gösterim, hem robotun konileilintilidir. ilintilidir. Uzamsal gösterim, hem robotunbulunduğu bulunduğu konHarita modelleri, robotun uzamsal tanımlamayı nasıl yapacağı umdaki ortamı, hem de o anki algısal alanının dışında olup, umdaki ortamı, hem de o anki algısal alanının dışında ile ilintilidir. Uzamsal gösterim, hem robotun bulunduğu olup, konumdaki ortamı, hem de o anki algısal alanının dışında olup, 105 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası önceden ziyaret ettiği veya bir başka kaynaktan alınmış olan farklı ortam bilgisini içerir [94]. Geliştirilen modeller, dünya merkezli veya robot merkezli olabilmektedir [160]. Dünya merkezli haritalar küresel koordinat sistemi içinde oluşturulmaktadır. Robot merkezli haritalar ise ölçüm uzayı içinde tanımlanmaktadır. Geliştirilen modeller, Şekil 1’de gösterildiği üzere üç grupta sınıflandırılabilir: i) Metrik modeller, ii) Topolojik modeller ve iii) Karma modeller. Ancak, topolojik modellerde çeşitli seviyelerde geometrik bilgi içerebildiğinden, metrik modeller ile topolojik modeller arasındaki fark her zaman tam olarak açık olmayabilir. patikalarla bağlanan yerlerin derlemesi olan bir çizge olarak tanımlanır. Bu çizgenin düğümleri farklı yerleri temsil ederken, kenarlar yerler arasındaki bağıl yönelimleri veya patika uzunluğu gibi bitişiklik ilişkileri temsil ederler. Örnek olarak, [36]’de düğümler haritadaki belli başlı özel noktaları (köşe, kapı, koridor sonu v.s.) temsil ederken, kenarlar, bu düğümler arasındaki geçişlere karşılık gelmektedirler. Burada en önemli husus, yer tanımlarının nasıl yapılacağıdır [94]. Yer tanımları, bağlamsal tabanlı ve görünüş tabanlı olarak iki ana kategoriye ayrılmaktadır. Bağlamsal tabanlı yaklaşımlar gelen görsel veriyi doğrudan kodlayan yaklaşımlardır. Kullanılan yer tanımları içinde 9 × 9, 15 × 15 piksel gibi bağıl büyük imge parçaları [35], Ayrık Fourier Dönüşüm [127], özimgelere parçalama [80], ana bileşenler analizi [93], dalgacık imge dönüşümü [163] gibi değişen seviyelerde uzamsal entegrasyonlu filtre yanıtlarını kullanılmaktadır. Örneğin, bir çalışmada harita farklı imge kareleri arasında bağıl konum şebekesi olarak tanımlanır [167]. Farklı bir yaklaşımda ise, imge altimgelere bölündükten sonra elde edilen yönlü tekdüze örüntülerin histogramları betimleyici olarak kullanılmaktadır [49]. Harita Modelleri Topolojik Metrik Karma Şekil 1: Harita Modelleri A. Metrik Modeller Metrik modellerde, Kartezyen koordinatlarında bir referans yön sistemi temel alınır ve tüm bilgiler bu sistem içine konumlandırılır. Bu yaklaşımlar, aynı zamanda allosentrik veya dünya merkezli olarak da tanımlanırlar [87]. En çok kullanılan metrik harita, doluluk kafesleridir [46]. Burada, ortam kafeslere bölünerek gösterilir [11], [160]. Kafes tabanlı haritalama yöntemleri, ortamın modellemesini sağlayarak değişik algılayıcılardan gelen verilerin tümleştirilmesinde kolaylık sağlayıp, yüksek çözünürlükle iyi bir sonuç vermektedirler. Ancak, geniş ortamlarda, sabit kafes boyutu nedeniyle, çok fazla sayıda kafes oluşabileceği için, bunların oluşturulması ve planlamada kullanılması hesapsal açıdan oldukça maliyetli olabilir [19], [103]. Dolayısı ile, büyük ölçekli haritalarda döngüleri kapama, haritaları saklama, mevcut yeri önceki yerlerle karşılaştırma ve robotu ilk yeri hakkında bilgilendirmeden genel konumlandırma konularında problemler yaşanmaktadır [128]. Yüksek hesapsal yükü azaltmak için, alt harita tabanlı modeller öne sürülmüştür. Alt haritalar, küçük yerel haritalardır ve bir araya getirilerek büyük harita sistemleri oluşturabilmektedirler. Genellikle çevreyi eşit alt haritalara bölerek çevrenin topolojisini göz ardı ederler [31], [82], [124]. Diğer yaklaşım olan görünüş tabanlı yaklaşımlarda ise, ilk önce gelen görsel veriden bazı öznitelikler elde edilir ve bu öznitelikler ortamın tanımlanmasında kullanılır [166]. Örneğin, iç mekanların haritalanmasında, tipik olarak düğümler koridor gibi birleşme yerlerini temsil ederken, kenarlar ise bir birleşmeden diğerine olan patikalardır [74]. Bu tip haritalama yöntemlerinde kullanılan özniteliklerden bazıları, köşeler [67], SIFT [147], SURF [14] ve çeşitli filtrelerdir [18]. Örneğin, yer tanımları, [57]’de SIFT öznitelikleri, [119]’da SURF öznitelikleri kullanılarak oluşturulmaktadır. Bu tür öznitelikler, çok kullanılmakla beraber her ortamda istenen başarımı gösterememektedir. Bu soruna bir çözüm getirmek amacıyla, öznitelikleri farklı dönüşümler ile birlikte kullanarak, daha dayanıklı ve tıkız tanımlamaların elde edilmesi hedeflenmiştir. Örneğin, kelime çantası yaklaşımında, bir imgedeki ilginç noktalar bulunarak SIFT öznitelikleri ile yüksek boyutlu bir vektör uzayında tanımlandıktan sonra, sayısal olarak nicelenerek bir görsel kelime ile ifade edilir [154]. Bu niceleme sayesinde her bir imge görsel kelimeler histogramı ile gösterilir ve imge eşleme bu histogramlar temel alınarak yapılır [28]. Parmak izinde ise her bir imgedeki ilginç noktalar çıkartılarak farklı bir harf ile gösterilir ve imge bu harflerin dizisi olarak betimlenir [96]. İki farklı imgenin benzerliği ise bu harf dizisinin karşılaştırılması ile hesaplanır. Eğer ortamda küçük değişimler varsa, bundan imgenin sadece bazı noktaları etkileneceğinden, tanımlamada ufak değişimler olacaktır. Dolayısı ile, veritabanındaki arama veya karşılaştırma çok daha dayanıklı olacaktır. Buna yönelik geliştirilen sözlük ağacı, sözcükleri hiyerarşik olarak organize eder [126]. Bir başka yaklaşımda ise, tüm öznitelikleri kullanmak yerine, çok daha küçük bir altkümenin kullanıldığı iskelet modeli önerilmiştir [91], [92]. Ne var ki, görsel sözlüklerin öğretilmesinde, özniteliklerin fazla sayıda olması veya bu sözlükleri oluştururken kullanılan yöntemin görsel bozulmalara karşı dayanıklılığın sağlanması gibi belli zorluklar vardır [29]. Bu hususlara ek olarak, doluluk kafeslerinin yapısı, kameradan alınan imgeler gibi zengin bilgilerin kaydedilmesine olanak vermemektedir. Buna yönelik olarak, haritaların bilgi içerikleri, çeşitli özniteliklerin yerleri bulunarak ve haritada gösterilerek zenginleştirilmektedir [77], [147]. Burada önemli bir konu, haritaya hangi nirengi noktalarının koyulacağının belirlenmesidir. Yapay işaretler doğal olanlara göre daha kararlıdır. Ancak, yapay işaretler için ortama müdahale gerekir, bu yüzden de daha çok doğal işaretler tercih edilir. Doğal nirengi noktası olarak köşeleri, kapıları ve farklı binaları içeren pek çok farklı öznitelik kullanılmıştır. Ne var ki gerçek zamanlı kullanımda, hangi özniteliklerin kullanılacağı konusundaki çalışmalar devam etmektedir. B. Topolojik Modeller Metrik haritalara alternatif olarak topolojik haritalar önerilmiştir [136]. Topolojik haritalar, kaydedilen yerlerin allotetik veya robot merkezli karakterizasyonlarıdır [51], [52]. Topolojik haritada uzamsal bilgi, bitişiklik diyagramları kullanan ve 106 Bunlara ek olarak, tüm bu yaklaşımlar, imgenin yapısal bilgisini kaybetme sorunuyla karşı karşıyadır [175]. Yer tanım2 Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale larının uzamsal bilgi içermesi ile bilgi içeriklerinin zenginleşeceği kesin olduğundan, bunu dikkate alan çeşitli çalışmalar yapılmıştır. Bunlardan ilki, imgeleri bir küre üzerine izdüşünümünün yapıldığı benmerkezci algılama kürelerdir [4]. Benzer şekilde, küreyi bir veritabanı yapısı olarak kullanarak verileri saklayan yaklaşımlar önerilmiştir [110], [131]. Tanımlamalar, imgelere küresel bir izdüşüm uygulandıktan sonra, küresel harmonik katsayıları ile yapılarak daha da tıkız hale getirilmişlerdir [62], [105], [140]. Farklı bir yaklaşım olan baloncuk hafıza modelinde ise, görsel öznitelikler ve aralarındaki uzamsal ilişkiler robot merkezli olarak birlikte kodlanmaktadırlar [155], [156]. Esasen topolojik temelli olmakla beraber, öznitelikler arasındaki geometrik ilişkiler küresel uzayda kodlandığından, karma bir özelliğe de sahiptir. Baloncuk uzayında ise, baloncuk hafıza modeli, farklı robot konumlarına ve farklı öznitelikleri tanımlayacak şekilde genişletilmektedir [47]. En basit yaklaşım ile, robotun odometri verisini kullanıp, parekete hesabı yaparak teker devir sayısına göre koordinatlarını belirleyebilir. Teker kayması gibi pek çok sorundan dolayı parekete hesabı kullanarak robot konumlanması düzgün bir şekilde gerçekleştirilemez [26]. Küresel konumlandırma sistemleri gibi mutlak konum sağlayan algılayıcılar ve ataletsel sistemler her ne kadar pareketeye bir alternatif öneriyor olsalar da, her zaman kullanılamayabilir [103]. Dolayısı ile, robotun kendi ortam bilgilerini çıkarabilmesi pek kolay değildir. Diğer bir husus ise, robotun konum bilgisini kullanmadan bu tümleştirmeyi yapması ve bulunduğu yeri anlamasıdır. Bu yapılırken, önceden hiç bilinmeyen ortamların da anlaşılması ve haritanın yeni bilgiler çerçevesinde güncellenmesi gerekmektedir. Kullanılan algılayıcı türü ve harita modeline göre birbirinden farklı muhakeme yöntem mevcuttur. Algılayıcı bilgileri odometri, imgeler, uzaklık ölçümleri v.s. gibi verilerdir. Odometri bilgileri, hareket temelli, görsel veya karma olarak sağlanabilir. Yaklaşımlar, kullanılan harita modeline göre, geometrik, topolojik ve karma olarak gruplanabilirler [166]. Geometrik yaklaşımlarda, metrik haritalar ile muhakeme yapılır. Tipik olarak harita gösterimi için iki boyutlu bir doluluk kafesi ve robotun durum dinamiği kullanılır. Robotun konumu, harita koordinatlarına göre kestirilmeye çalışılır. Topolojik yaklaşımlarda ise bitişiklik diyagramı kullanılan yöntemlerden biridir. Bu yöntemde, robotun konumuna tekabül eden diyagram çizgesinin belirlenmesi hedeflenir. Melez yöntemler hem geometrik hem topolojik yöntemleri birleştirirler. Sonuç olarak, ortak kullanımına karşı, topolojik haritaların tanımına ve nasıl oluşturulduklarına dair bir görüş birliği olmayıp, düğümler ile kenarların anlamları kullanılan öznitelikler veya uygulamaya göre değişebilmektedir [136]. C. Karma Modeller Metrik ve topolojik gösterimlerin karakter olarak birbirinden oldukça farklı olduğu göz önünde bulundurulmalıdır. Metrik haritalar, algısal sınırlar içindeki yapıyı belirtik olarak yakalarken, topolojik haritalar geniş alanın yapısını anlatır. Genel olarak metrik harita, oluşturulduğu her bölgede geometrik olarak çok detaylıyken topolojik haritada çevrenin detaylarının eksik olduğunu söyleyebiliriz [160]. Bu sorunları çözmek için küçük ölçekte metrik gösterimin, büyük ölçekte topolojik haritanın kullanıldığı bir melez harita önerilmiştir [16], [94], [164]. Bu yaklaşımda, yerel metrik haritalar doluluk kafesi tabanlıdır. Topolojik haritalar ise düğüm ve kenarlardan oluşan çizgelerdir [40]. Her bir düğüm robot tarafından görülen bir yeri ifade eder ve içinde o bölgeye ait metrik bir yerel harita barındırır. Bu yaklaşımdaki önemli bir sorun, bu bölünmenin tam olarak nasıl yapılacağıdır. Bunun için farklı yöntemler önerilmiştir. Bu yöntemler, esasen çizge temelli yaklaşımlardır. Örneğin, alt seviyede bir metrik haritadan, izgel topaklama kullanılarak [19] veya çizge bölütleme uygulanarak, üst seviyede görsel tabanlı bir topolojik harita oluşturulmaktadır [182]. Ancak metrik haritalar büyüdükçe bu haritaların oluşturulması gittikçe zorlaşmaktadır. Buna alternatif olarak, ortamın metrik doluluk kafeslerini boş alanın ve ortamın bağlantı yapısının daha tıkız bir gösterimini sağlayan Voronoi diyagramları önerilmiştir [61]. Ancak pratik uygulamada, bu diyagramların çıkarımları kolay değildir. A. Geometrik Haritalar ile Muhakeme Geometrik yaklaşımlar, metrik haritalar oluşturmaya, kullanmaya veya güncellemeye yönelik yaklaşımlardır. Genel olarak tüm geometrik yaklaşımlar, konumlandırma problemi ile birlikte ele alınır. Konumlandırma, robotun bulunduğu yerin tam olarak belirlenmesi problemi olarak tanımlanır. İkisinin birleşimi eşzamanlı konumlandırma ve haritalandırma (SLAM) sorunu olarak adlandırılır [43]. Gezgin robot konumlandırmasında, çoğu çalışma odometri girdisi kullanarak geometrik konumlandırma yapmaya odaklanmıştır [6], [7]. Önerilen yaklaşımlar, bölgesel ve tümel olarak ikiye ayrılır [146]. Bölgesel teknikler, robotun yön bulması sırasında oluşan odometrik hataları gidermeyi amaçlar. Bu tekniklerin başarım koşullarından biri robotun ilk konumunun yaklaşık olarak bilinmesi gerekliliğidir. İkinci bir husus ise, robotun konumu kaybedildiğinde tekrar bulunmasının garanti edilememesidir. Bölgesel tekniklere alternatif olarak geliştirilen tümel yöntemlerde amaç, robotun ilk konumu hakkında kesin bir bilgiye sahip olmadan konumunun belirlenmesidir [55]. Örneğin, robotun kendisi tarafından bilinen konumundan alınıp hiç bilmediği, tamamen farklı bir ortama konduğu kaçırılmış robot problemlerinde konumun tekrar bulunmasını mümkün kılar. Buna koşut olarak, bir şekilde harita eşleme ya da nirengi noktası belirlemesinin yapılması gerekmektedir [59]. III..Harita Oluşturma ve Kullanım Kendi başına harita oluşturabilme, önceden oluşturulan bir haritada yerini bulabilme veya yeni bir bölgeye girdiğini anlayarak harita güncellemesi yapabilme, robotların otonomisi için gerekli becerilerdendir. Bunun için, robotun sahip olduğu harita modeline uygun muhakeme yapabilmesi gerekir [160]. Bu muhakemeyi, üzerinde bulunan algılayıcılardan gelen ortam verileri ile, harita modelini kullanarak yapabilir. Bu konuda ilk problem, robotun kendi ortam veya konum bilgilerini, mevcut harita ile nasıl tümleştireceği ve bu tümleştirme çerçevesinde nerede olduğunu nasıl anlayacağıdır. Muhakeme sürecinde kullanılan nirengi noktalarının, kamera ile elde edilen imgelerden çıkartılabileceği düşüncesi ile, görsel bilgi tabanlı SLAM yaklaşımları önerilmiştir. Bu yaklaşımları iki ana grupta toplamak mümkündür [104]: i) Öznitelik tabanlı ve ii) Görünüm tabanlı. Öznitelik tabanlı 3 107 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası SLAM’de özniteliklerin yerleri kestirilir ve önceden oluşturulan bir öznitelik gözlemlenerek bir döngü kapama gerçekleştirilir [15]. Öznitelik tabanlı yaklaşımların, özniteliklerin durumlarını kestirme gerekliliği ve hangilerinin seçileceğine karar verilmesi gereksinimi bulunmaktadır. Görünüm tabanlı SLAM’de ise, algılayıcı verisinin alındığı yerlerdeki robot konumları kestirilir. Robotun bağıl konumunun kestirimi, farklı iki zamanda alınan veri kümesi kullanılarak yapılır. ilendirilmektedir [109]. Bu sorunlardan dolayı geometrik yaklaşımlarda başka muhakeme yöntemleri kullanılmaktadır. Bunlardan biri beklenti enbüyütme yaklaşımıdır [37]. Bu yaklaşım, Kalman filtresinden farklı olarak, doğrudan veri ilişkilendirme üzerinde odaklanır [38]. Beklenti enbüyütme temelli muhakeme ile, veriler birbirine benzese bile, tutarlı haritalar oluşturulabilir. Bu yaklaşımda, düzleme ve haritalama yaklaşımı, bilgi matrisi temelli olup, döngülü en az kareler eniyilemesi yaparak en optimal robot konum ve özniteliklerin durumlarının kestirimini yapmayı amaçlar [39]. Seyrek genişletilmiş bilgi filtreleri kullanılarak, hesap yükü azaltılmaktadır [7]. Aslında, burada hesaplanan bilgi matrisi, genişletilmiş Kalman filtrelerindeki ortak değişinti matrisinin tersidir [59]. Bilgi matrisi temelli SLAM’deki temel zorluk, tüm veriyi çok defa işleme gereksinimleri olduğundan, Kalman filtrelerinde olduğu gibi haritaları artımlı bir şekilde oluşturamazlar [160]. iSAM filtresi yaklaşımı tüm sistem için bir bilgi filtresi kullanır ve etkili bir çarpanlara ayırma metodu ile filtrenin hızlı artımlı güncellenmesini sağlar [81]. Bilgi matrisinin ayrışmasının güncellenmesinde, sürekli tekrarlanması gereken yüksek maliyetli çarpanlara ayırma işlemi Cholesky çarpanlarına ayırma yöntemi kullanılarak basit hale getirilse de, işlem hala gerçek zamanlı değildir [104]. Her iki yaklaşımda da, genel olarak konumu kestirmek için olasılıksal çıkarım yasaları uygulanmaktadır [17]. Bu yasaların uygulanabilmesi için, robot hareketi ve algılayıcı belirsizlikleri modellenir. Ne var ki bu modellerin oluşturulması her zaman mümkün olmayabilir.Buna ek olarak modeldeki gürültünün karakteristiğini belirlemek için otomatik olmayan ölçümlerin yapılması zaman alabilir [17]. Yaklaşımların çoğunda muhakeme yöntemi Bayes filtresi veya türevleri(Kalman, genişletilmiş Kalman, Parçacık filtresi v.b.) temellidir. İlk önerilen muhakeme yöntemlerinden biri, artımlı en büyük olabilirlik temellidir [115], [178]. Bu yöntemde, veri geldikçe, en yüksek olasılıklı robot konumu ve harita Bayes marjinal olasılığının en büyük değeri bulunarak güncellenir. Hesapsal yükü azdır, ancak belirsizlik kavramına sahip değildir. Haritalamada, robotun hareket modelini kullanarak, doğal özniteliklerin seyrek kümesini ve bilgi rehberli aktif ölçüm stratejisini temel alırlar. Ancak tüm bu çalışmalara rağmen, Kalman filtresi ile ilgili aşağıda özetlendiği şekilde bazı sorunlar bulunmaktadır: B. • Hesapsal yükün fazla olması nedeni ile gerçek zamanlı uygulamalarda yavaş olabilmektedir. Robot hareket ederken gerçek zamanda ancak sınırlı sayıda öznitelik ele alınabilir. Öznitelik sayısı N olan bir haritada, her yinelemede N 2 parametre içeren matrislerin çarpma ve tersini alma gibi işlemlerin yapılması gerekmektedir [114]. Veri ilişkilendirmesi, Kalman Filtresinin konum kestirimleri için kritik öneme sahiptir. Robotun hareketi sırasında, bir önceki konumda algılanan öznitelikler, yeni konumda algılanan özniteliklerle doğru bir şekilde ilişkilendirilemezse, konum kestirimlerinin başarımı önemli ölçüde düşer. Veri ilişkilendirmesi, ileride III-C nolu kısımda anlatıldığı üzere kendi başına bir alt problemdir. Görünüş tabanlı yaklaşımlarda ise, daha tıkız betimleyiciler kullanıldığından, zamansal gereksinimler daha aza inebilmektedir. Önerilen yöntemler, kullanılan yer tanımlayıcısına göre değişmektedir. Örneğin, ana bileşenler analizinin kullanıldığı [93]’de, öznitelikler için robot konumuna bağlı olarak olasılıksal yoğunluk işlevi tanımlanarak, bulunulan yer, sonsal yoğunluk işlevinin en büyük olduğu konum olarak tanımlanmaktadır. Kelime çantası kullanan yaklaşımlarda ise harita, görsel kelimelerin oluşumunun yüksek ilintiye sahip olacağı düşüncesi ile, ağaç yapısına sahip bir Bayes ağının Chow Liu algoritması kullanılarak öğrenilmesi ile oluşturulur [28]. Bu yapı, kelime oluşumlarının ikili dağılım kestirimine ek olarak, çok geniş kelime dağarcığına sahip durumlarda, verimli öğrenme ve karar vermeyi sağlar. Bu çerçevede, topolojik SLAM problemi, metrik SLAM problemlerine benzer şekilde, özyineli Bayes kestirim problemi olarak tanımlanmaktadır [28], [29]. Bu yaklaşımın hesapsal olarak çok yüklü olduğu düşüncesi ile, Bayes hesabı yerine, iskelet gösterimi kullanılarak, döngü kapama için kullanılacak görüntü sayısının kısıtlanması sağlanır [91], [92]. Sözlük ağacı, yeni eklenen görünümlerle birlikte binlerce iskelet arasında mümkün olan eşleşmeler için etkili bir filtre oluşturulmasına olanak sağlar [126]. Yer gösterim- • Bir başka önemli zorluk ise aynı öznitelikleri farklı yerlerden gözlemlemekten kaynaklanan tutarsız doğrusallaştırmalardır [53]. Kalman filtresi, mevcut durumun gözlemi hakkında doğrusallaştırma yapar. Durum evrildikçe, ölçümlerin doğrusallaştırması farklı noktalarda olacaktır. Bu da yinelemenin sonucunda ortaya çıkan haritada tutarsızlıklara yol açar [5]. • Kalman filtresi yaklaşımları gürültü eklenmiş özel durumlara dayanırlar, pratikte ise nadiren bu özel durumlar oluşur. • Dinamik ortamlarda başarımları oldukça düşüktür [160]. Hesapsal yükün azaltılmasına yönelik olarak geliştirilen yaklaşımlar esasen, robot konum ve nirengi noktaları üzerinden sonsal dağılımı, çarpanlarına ayırıp özyineli olarak hesaplayan yöntemlerdir [114]. Daha yeni çalışmalarda, robotun yörüngesini gösteren bir parçacık kümesi kullanılmakta ve her öznitelik bir küçük genişletilmiş Kalman filtresi ile ilişk- 108 Topolojik Haritalar - Yer Tanıma Alternatif olarak topolojik haritalar ile muhakemede, anahtar öğe yer tanıma modülüdür [166]. Önceden öğrenilen yer tanımlamalarının yerleri temsil ettiğini varsayarak, yer tanıma modülünün amacının mevcut algılama bilgisine en çok benzeyen, önceden öğrenilmiş yeri bulmak olduğunu söyleyebiliriz [165]. Robot her çevrimde, konumu daha önce kaydedilmiş olan görüntü haritasını kullanır. Konumlama sorunundan farklı olarak, tanıma daha önceki konumu hakkında her hangi bir bilgi verilmeden yapılmaya çalışılır. Bunun için genel olarak eniyileme yöntemleri veya destek vektör makineleri gibi standart bir örüntü tanıma yöntemleri kullanılır. 4 Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale Çoklu Robotlar ile Haritalama lerinin parmak izi olarak tanımlandığı çalışmalarda ise, dizi eşlemesi minimum enerji optimizasyonu yapılarak gerçekleştirilir [96]. Metrik doluluk kafesi, topolojik bir model olan Voronoi diyagramına çevrildikten sonra, her noktayı, koşullu rastsal bir alanın düğümü olarak tanımlamak sureti ile oluşan Voronoi rastsal alanı, hem haritadan hem de Voronoi topolojisinden gelen öznitelikleri birleştirerek her düğümün hangi yeri tanımladığı kestirilir [61]. Alternatif bir yaklaşımda, AdaBoost makine öğrenme algoritması kullanılarak yapılan bir sınıflayıcı, lazer imzalarından alt harita diyagramlarını çıkartarak yer tanıma için eğitilmiştir [19]. Bilgi Birleşimi Robot Yöngüdümü Şekil 2: Çoklu robotlar ile haritalama problemleri. robotun farklı bir bölgede çalışması sağlanarak hızlı bir şekilde gerçekleştirilebilir [54], [160]. Bu alandaki çalışmalar 90’lı yıllardan beri devam etmektedir. Çoklu robotlarda, tek robot ile haritalamadaki gösterim, algılayıcı verileri ve muhakeme problemlerine ek olarak, yeni problemlerin çözülmesi gerekmektedir [85]. Bunlar, Şekil 2’da gösterildiği üzere, bilgi birleşimi, robotlar arası ilişki ve robot yöngüdümüdür. Görüldüğü üzere, topolojik haritalarda muhakemede en önemli husus yer tanıma modülüdür. Sunulan deneysel sonuçlarda, önerilen sistemlerin farklı ışıklandırma ve dinamik ortam durumlarındaki performansları sunulmakta ve başarımın farklı derecelerde etkilendiği gözlenmektedir [165], [176], [170]. Yer tanıma açısından, ölçeklenebilirlik, aydınlatma ve hareketli nesneler gibi dinamik değişkenlere karşı dayanıklılık halen zorlu sorunlar olmaya devam etmektedir. C. Robotlar Arası İlişki A. Bilgi Birleşimi Bilgi birleşimi, birden çok robottan gelen verilerin birbiriyle uyumlu ve verimli bir şekilde birleştirilip işlenmesidir. Yapılan çalışmalarda genel olarak iki yaklaşım kullanılmıştır [11]: Çoklu robotlarda eşzamanlı konumlama ve haritalama ve harita birleştirme. Veri İlişkilendirme A.1 Çoklu Robotlarda Eşzamanlı Konumlama ve Haritalama Bütün görünüm veya görünüş tabanlı yaklaşımlarda ortak problem, veri ilişkilendirme sorunudur [158]. Veri ilişkilendirme, mevcut ortamdaki nirengi noktaların haritadaki nirengi noktaları ile eşleştirilmeleridir. Bu şekilde yeni nirengilerin belirlenip haritaya eklenmesi sağlanırken aynı zamanda varolan nirengilerin konumlarının daha iyi kestirilebilmesi de mümkün olur. Veri ilişkilendirmesi için kullanılan ve detayları aşağıda açıklanan üç temel yaklaşım vardır [172]. Tek robotlarda eşzamanlı konumlama ve haritalama konusundaki gelişmeler ve alınan başarılı sonuçlar, kullanılan yöntemlerin çoklu robotlara aktarılmasına imkan vermiştir [117]. Tekli robotlar için geliştirilen yaklaşımlar genel olarak metrik haritalama ve yorumlama yöntemleri üzerine kuruludur [161]. Ancak, çoklu robotlara özgü, birden çok bilinmeyen robot konumu, harita birleştirme ve ölçeklenebilirlik gibi problemlerin çözülmesi gerekmektedir [31]. • Haritadan haritaya olan yaklaşımlarda, iki alt haritanın özniteliklerindeki benzeşme, hem görünümlerine hem de bağıl konumlarına bakılarak bulunur. Buradaki problem, olası olmayan ortak özniteliklerin benzer olabilmesindedir. Küme kuramsal [42], değişken ölçekli ve geometrik uyumlu dallan ve sınırla algoritması [27] gibi farklı yaklaşımlar önerilmektedir. Robotların birbirlerine göre olan konumlarının belirlenmesi veya kestirilmesi için, bir robotun diğer bir robotun haritasındaki konumunu veya tümel haritadaki konumunu bulabilmesi gerekmektedir. Bir robotun diğer robota göre olan konumu, açısal, uzaklık, yönelim veya bunların birleşimi şeklinde ölçülebilir [107]. Bunun için, iki farklı yaklaşım uygulanabilmektedir. İlki, her iki harita arasında bir koordinat dönüşümü bulmaktır [135]. Gerekli olan bir diğer bilgi ise, iki harita üzerinde aynı olan nirengi noktalarını belirlemektir. • İmgeden imgeye yaklaşımlarda, kameradan alınan son imge ile önceki görülen imgeler arasında bir benzeşme bulunur [28]. Özniteliklerin ayırt edici olmalarına dikkat edilir. Bu yaklaşımdaki sorunlardan en önemlisi, karşılaştırma için oluşturulan imge sözlüğünün önceden iyi bir şekilde öğrenilmesi gerekliliğidir. Çoklu robotlar için eşzamanlı konumlama ve haritalama probleminde ise genel yaklaşım, Bayes filtresi, genişletilmiş Kalman filtresi veya parçaçık filtresi gibi yaklaşımları kullanarak, geometrik yorumlama üzerine kuruludur. İlk çalışmalardan biri olan [63]’de, doluluk kafeslerinin bilgileri, gelen algı bilgilerine dayalı olarak Bayes kuralı ile güncellenir. Yine, [41]’de Kalman filtresi çoklu robot takibi için kullanılmaktadır. Bundan sonra bir dizi çalışmada, genişletilmiş Kalman filtresi yaklaşımı, işbirlik [50], dağıtık karar verme [141], dağıtık işbirlik [22], [103], dağıtık konumlama ve haritalama [159] ve yol tanıma gibi özel durumlarda uygulama [151] gibi farklı çalışmalarda temel alınmıştır. Ancak, çoklu robot uygulamalarında, Kalman filtresi kullanımı ile ilgili önemli sorunlar bulunmaktadır [11]: • Son olarak, imgeden haritaya olan yaklaşımlarda, kameranın son karesi ile haritadaki öznitelikler arasında bir benzeşme aranır [172]. Örneğin, mevcut imgede harita öznitelikleri ile olası benzeşmeler bulunur ve Ransac tabanlı bir 3 nokta algoritması kullanılarak kameranın haritaya göre konumu belirlenir [104]. Bu yaklaşım yoğun hafıza gerektirdiğinden, gerçek zamanlı uygulamalarda uygulanması zordur. Tüm bu çalışmalara rağmen, gerçek zamanlı kullanımda, veri ilişkilendirilmesi hala sorunludur ve başarımının arttırılması ve hızlandırmaya yönelik çalışmalar devam etmektedir. IV..Çoklu Robotlar ile Haritalama Çoklu robotlar ile harita çıkarımı ve kullanımı, birden fazla robotun seçilen model çerçevesinde, bulunulan ortamın haritasını nasıl oluşturacakları, ilgili hareket ve iletişim yöntemleri ile ilintilidir [30], [173]. Bir yerin otonom olarak haritalandırılması, çoklu robot sistemleri kullanılarak ve her bir • Her bir ölçüm tüm Gaussian parametrelerini etkilediğinden, güncelleştirmeler uzun sürmektedir. Her bir güncelleme adımında, bütün robotlar birbirleriyle iletişim halinde olup kendi haritalarındaki konum güncelleştirmelerini diğerleriyle 5 109 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası paylaşırlar. Eğer robot sayısı N olarak tanımlanırsa, bu O(N 2 ) kadar ek hesaplama yükü getirmektedir. Robotlar arası konum ölçümü sayısının N (N − 1) mertebesine kadar çıkabileceği düşünülürse, hesaplama yükü O(N 4 ) olmaktadır. Bu hesaplamalar her bir robota eşit bir şekilde dağıtılsa bile, hesaplama yükü O(N 3 ) olmaktadır. Bahsedilen hesaplama yükleri, gerçek zamanlı uygulamalar için önemli bir engel teşkil etmektedir [122]. için robotların ortak referans noktaları belirlemesi gerekir. Bu noktalar insan eliyle verilmekte veya yerel imge tanımlayıcıları kullanarak belirlenmektedir. Eğer bu ortak referanslar dikkate alınmaz ve robotlar haritalarının birbirinden bağımsız olduğunu varsayarsa, haritaların üst üste binen yerlerinde kaymalar olmaktadır [74]. Oluşabilecek bu tutarsızlıkları önleyebilmek için, 2 boyutlu haritalar yerine manifold temelli harita gösterimi önerilmiştir [72], ancak manifoldun gösteriminde zorluklar bulunmaktadır. • Çok büyük haritalarda, genişletilmiş Kalman filtresi tabanlı yaklaşımlar için kestirim sapmaları artmaktadır. Doğrusal olmayan sistem ve algılama modellerinin doğrusallaştırılması, bu sapmalara neden olabilmektedir [145]. Sınırlı iletişim durumunda iletişim ağının yönetilmesi ve grup içinde yapılacak işlemlerin paylaştırılması da düşünülmesi gereken diğer hususlardır. İletişim ve karşılıklı bilgi paylaşımı, müşterek robot takımları için önemlidir. Ancak bu konuda yapılan çalışmalar, özellikle de durum kestirimi konusunda, son derece sınırlıdır [83]. • Çoklu robotlarda bu filtreleri dağıtık bir şekilde kullanmak kolay değildir. Çoklu robotlar için eşzamanlı konumlama ve haritalama için ikinci bir yaklaşımda beklenti en büyütme tabanlı algoritmalardır [11], [70], [85]. Kalman filtresi metodlarından farklı olarak, beklenti en büyütme tabanlı yöntemlerde en muhtemel harita çıkarılmaktadır. Bu yaklaşım ile haritalamanın avantajlarından birisi, bilgi eşleştirme problemine karşı dirençli olmasıdır. Bu sayede, büyük ölçekli haritalar başarıyla oluşturulabilmektedir. Bu yöntemin olumsuz yanlarından biri ise, haritanın artımlı olarak çıkarılamamasıdır. Bu durum, beklenti enbüyütme tabanlı yöntemlerin yapısından kaynaklanmaktadır. Buna ek olarak, robotların başlangıç konumlarının birbirlerine göre yaklaşık olarak bilinmesi gerekmektedir. Beklenti en büyütme algoritmasının dağıtık bir versiyonu [145]’ de geliştirilmiştir. Bu yaklaşımda, doğrusal olmayan eniyileme problemi, N tane robot sayısı kadar alt probleme bölünmüştür. Bütün robotlar, belli aralıklarla konum tahminlerini diğer robotlarla paylaşırlar. Buna benzer bir diğer çalışmada, robotların göreceli konum bilgilerini tümleştirmeye yönelik bir ayrık algoritma önerilmiştir [88]. Bu yaklaşımların en önemli eksiği, algoritmanın bir minimuma yakınsama garantisinin olmamasıdır. Mevcut yaklaşımların, varsayımlar çerçevesinde, başarılı sonuçlarına rağmen, bazı durumlarda bu yaklaşımlar hızlı bir şekilde sonuca ulaşamamaktadırlar [125]. Haritalanacak olan alanın büyümesi veya algılamalardaki gürültü sonuç almayı geciktirmekte ve bazen sonuç alınmasını engellemektedir. A.2 Harita Birleştirme Harita birleştirme problemi, akademik çalışmaların yoğunlaştığı bir diğer konudur. Bu problemde, eşzamanlı konumlama ve haritalama probleminden farklı olarak robotlar, kendi başlarına ve diğer robotların konumu hakkında bilgi sahibi olmadan yerel haritalarını oluşturmaktadırlar. Buradaki amaç, robotların çalışma alanlarında oluşan bu haritalardaki kesişen bölgeleri bulup haritaları birleştirmektir [90]. Bu problem, kesişen birden çok imgenin düzenlenmesini içeren imge dikişleme problemine benzemektedir. Bu konudaki sınırlı sayıdaki çalışmaları, haritanın gösterim yöntemine göre iki gruba ayırabiliriz. Birinci grup yaklaşımlar doluluk kafesi ile haritalama veya öznitelik tabanlı haritalama gibi geometrik tabanlı yöntemlerdir [113]. Doluluk kafesi haritalarında harita birleştirme problemi, haritayı bir imge gibi diğer haritalar üzerinde kaydırarak ortak noktaların tespit edilmesi şeklinde tanımlanmaktadır [11]. Benzerlik ölçümü için, eşleştirilen yerlerin Öklid uzaklığı ortalaması, Hausdorff uzaklığı veya diğer başka metrikler kullanılabilir. Yaklaşımlardan bir kısmı ise, imge tescilleme problemlerinde sıkça kullanılan dürümsel enyakın nokta yaklaşımından esinlenerek geliştirilmişlerdir. Dürümsel enyakın nokta yaklaşımında, verilen iki veri seti arasındaki benzer noktaların arasındaki farkın karesini minimize eden dönüşüm parametreleri bulunur [10], [180]. Bulunan parametreler kullanılarak tekrar birbiriyle aynı olan noktalar kestirilir ve yeni bir parametre seti elde edilir. Algoritma, parametrelerdeki değişim belli bir eşiğin altına düşene kadar bu işlemi sürdürür. Öznitelik tabanlı haritalamalarda ise iki haritadaki aynı özniteliklerin ve sabit işaretlerin bulunması için, benzer yöntemler kullanılmaktadır [11]. Bu alandaki çalışmaların bir çoğu için geçerli olan bir diğer husus, robotların birbirlerine göre konumlarının hesaplanmasında bazı varsayımların yapılmasıdır [89]. Bazı çalışmalar, başlangıçta göreceli konumların verildiği varsayımını yapmaktadır [20], [50], [121], [153]. Diğer bir yaklaşımda ise, robotların başlangıç konumlarının bilinmediği ancak herhangi bir robotun kesinlikle başka bir robotun görüş alanında konumlandırıldığı varsayılmıştır [85]. Bu sayede, robotlar arası ilk karşılaşmanın konum bulmaya yeterli olacağı ve bundan sonraki karşılaşmaların önemli olmadığı belirtilmiştir [73]. Robotların tamamen bilinmeyen yerlerde başladıkları ve haritalarında hiç kesişen bölge olmayabileceği varsayıldığı, az sayıda da olsa, çalışmalar bulunmaktadır. Bu tip bir başlangıç koşulunda, bir robotun kendi haritasında parçacık süzgeci filtresi ile diğer robotların konumlarını bulması [89], Gaussian Markov rastgele alan temelli seyrek genişletilmiş bilgi filtreleri [161] ve karekök bilgi düzlemesi kullanılarak haritalar arasındaki eşleştirmenin yapılması [5] gibi yaklaşımlar önerilmektedir. Ancak, tümel haritalar eksikli olabileceğinden ve robotların bireysel haritaların kesişmesi garanti edilmediğinden, mekanların bilinmeyen kısımları ön bilgilere dayalı olarak kestirilmesi durumu oluşmakta ve bu da sorun yaratabilmektedir. Geometrik tabanlı yöntemlere alternatif olarak geliştirilen topolojik yaklaşımlarda ise, harita birleştirme problemi, birden fazla çizgenin eşleştirilmesi problemine benzer [130]. Topolojik harita birleştirme yöntemleri, temel olarak, birbiri ile eşleşmiş düğüm veya düğümleri kullanarak iki harita arasındaki dönüşümü hesaplar. Bunun için, hipotez reddi üzerine kurulu [74] ve buluşsal [11], [36] gibi farklı yaklaşımlar vardır. Ancak çoğu çalışmada, farklı iki haritanın büyük İkinci bir problem, haritalar arasında veri eşleştirmedir. Bunun 110 6 Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale oranda kesiştiği ve haritalarda fazla oranda belirsizlik olmadığı varsayımları yapılmıştır. Bunlara ek olarak, yapısal öznitelikler kullanılarak geliştirilen alt çizge eşleştirme yöntemleri de mevcuttur [74]. Eğer bir robotun topolojik haritası, geometrik ve görsel bilgiler içeriyorsa, bu bilgi, robotun kendi referans koordinatlarına göre düğümlerin yerlerinin tahmin edilmesinde kullanılabilir. Bu durum, harita birleştirme probleminin daha önce belirtildiği gibi imge tescilleme yöntemleri kullanılarak çözülebileceğini gösterir. ise, robotların, hipotezlerin doğruluğunu sağlayamaması durumunda devamlı olarak yeni hipotezler üretip asıl görevden sapma durumunun oluşmasıdır. Bir başka çalışmada, robotlar iki gruba ayrılıp birbirleri için taşınabilir nirengi işlevi görmektedirler [95]. Bu işlevde, bir grup robot hareket ederken diğer grup sabit durup nirengi olmaktadır. Bu işlem görev tamamlanıncaya kadar sürdürülmektedir. Bu yöntemin avantajı, robotların başlangıç konumları ve haritalardaki kesişen bölgelerinin olmaması gibi varsayımlara gerek duymamasıdır. Ancak, robotların nirengi görevi görmesi onların hareketlerini kısıtlamaktadır. Bu konuda üçüncü bir yaklaşım da, karma haritalar kullanılarak bilginin birleştirilmesidir. Robotların, metrik harita kapsamlarının örtüşmediği varsayılarak, her robotun yerel haritası bir çizge düğümü olarak düşünülmekte ve bunlar arasındaki kenar etiketleri ile olan dönüşümler ve ilintili belirsizlikler, bir eniyileme problemi olarak çözülmektedir [31]. B. Robotların elde ettikleri bilgileri paylaşabilmeleri için birbirileriyle iletişimde olmaları gerektiğinden, robotlar arası iletişim de bir diğer önemli husustur [56]. İletişim yapısı, merkezi, dağıtık veya karma olabilir [100]. Merkezi yaklaşımlarda, robotlar bilgilerini bir bilgi birleştirme merkezine iletirler. Bu merkezde, gelen bütün bilgiler işlenerek, ortak yapı oluşturulur. Dağıtık yöntemlerde ise merkezi birleştirme birimi olmaksızın tüm robotlar bilgi üzerindeki işlemleri kendileri yaparlar [41], [50], [111], [122]. İletişimde bir diğer önemli husus, robotlar arasındaki iletişim stratejisi ve buna dayalı olarak oluşan iletişim ağıdır. Yapılan çalışmaların çoğunda, iletişimin bir şekilde sağlandığı varsayılmıştır. Fakat, genel olarak varsayılan, herkes ile sürekli iletişimde olma yaklaşımı, çok fazla kanal kapasitesi gerektirmesi nedeniyle veya başka bir takım sınırlamalardan dolayı her zaman mümkün olamayacağından, gerçekçi bir varsayım değildir [98]. Bu çerçevede, robotların kimler ile nasıl ve ne zaman iletişime gireceği ve hangi bilgileri paylaşacağı, üzerinde çalışılması gereken önemli bir konudur [168]. İletişim ağlarındaki son gelişmeler, birbirlerine uzak mesafelerde bulunan dinamik sistemlerin veya robotların oluşturduğu ağ üzerinden koordineli olarak dinamik görevleri yerine getirmeye olanak vermektedir [24]. Bu perspektifte, çoklu robot sistemleri karma yapıya sahiptirler. Bu karma yapının sürekli kısmı robotların durumları ile ilgilidir. Ayrık kısım ise robotların birbirleriyle olan etkileşimleriyle tanımlanmaktadır [23], [101], [102]. Karma sistemler için önerilen bu modeller önemli ölçüde sistem gereksinmelerinin tipine bağlıdır [132], [174]. Sürekli durumlar ile ayrık etkileşimler arasındaki ilişki çizge ağlara dayandırılmaktadır [112], [118], [144]. Robotların durumlarının ve ilgili ağın ayrı fakat bağlı olarak geliştiğinde, ağ gelişimiyle ilgili stratejiler dikkate alınmaktadır [169]. Eşzamanlı kontrol ve iletişim yapan robotlar için zaman ve iletişim karmaşıklığı tanımları geliştirilmiştir [108]. Robotlar Arası İlişki Çok robotlu sistemler için önemli diğer bir husus, robotlar arasındaki ilişkidir. Örneğin, birden çok robottan sağlanan haritaların birleştirilmesi, robotlar arası ilişkiler vasıtasıyla yapılabilir. Bu husus, hangi bilgilerin nasıl paylaşılacağı konusunuda içermektedir. Robotların birbirleriyle olan ilişkileri, olası karşılaşmalarda birbirlerini algılamalarına [54], iletişim kullanarak haberleşmelerine veya hem algılama hem de iletişim kullanmalarına [145] bağlı olarak farklılaşmaktadır. Robotların birbirleri ile karşılaşması, doğrudan veya dolaylı bir şekilde olabilir. Bir robotun, diğer bir robotu algılayıcıları vasıtasıyla görmesi ve tanıması, doğrudan karşılaşma olarak tanımlanmaktadır [85]. Bu durumda, karşılaşan robotlar birbirlerini kendi haritalarında konumlamaya çalışırlar. Bunun gerçekleşebilmesi için robot üzerinde metrik konum ölçebilen algılayıcılar (lazer, sonar, v.s.) bulunmalıdır. Dolaylı karşılaşmalar ise, robotların birbirlerini görmeden ortamdaki ortak bir noktayı gözlemlemesi durumunda olur. Bu gözlemler farklı zamanlarda gerçekleşmiş olabilir. Bu durumda, konum kestirimi için bazı metrik koşullar oluşmuş olur ve bu sayede robotlar birbirlerinin konumunu göreceli olarak kestirebilirler. Aslen birçok çalışmada, robotlar arasındaki karşılaşmalar için özel bir strateji belirlenmeyip, bilgi paylaşımı, robotların rastlantısal karşılaşmalarında yapılmaktadır. Örneğin bazı yaklaşımlarda, bir robot, diğer bir robotun konumunu kamera ve lazer algılayıcısı ile belirledikten sonra iletişim kurulmakta ve bilgi paylaşımı yapmaktadır [54], [75]. Bir başka çalışmada ise, robotlar birbirinin görüş sahası içine girdiklerinde uzaklık ölçümü yaparak, bu bilgiyi diğer tüm robotlara yayımlarlar [71]. Bazı çalışmalarda ise, robotlar bir randevu stratejisi ile kendileri için ortak olduğunu düşündükleri noktalarda karşılaşmayı amaçlarlar [45], [138]. Bu yaklaşımlarda, robotlar diğer robotların kendi haritalarındaki konumları hakkında hipotezler üretirler. Bu hipotezlerin doğruluğunu kanıtlamak için robotlar arasında randevu noktaları seçilir. Eğer bu randevu noktalarında başarılı bir şekilde buluşurlarsa, haritalarını birleştirip ortam keşfini birlikte sürdürmeye devam ederler. Bu yaklaşımlardaki kısıtlayıcı unsurlardan biri, robotların birbirleriyle konum hipotezlerini paylaşmak için sürekli iletişimde olma zorunluluğudur. Bu durum, yüksek bant genişliği gereksinimi ortaya çıkarmaktadır. Dolayısı ile daha çok kısa menzilli iletişimin olduğu durumlar için uygundur. Bir diğer unsur Alandaki çalışmaların birçoğu, daha önce bahsedildiği üzere, robotlar arasında tam bağlı bir ağ olduğunu ve robotların birbirleriyle karşılaştıklarında, dolaylı veya doğrudan, aralarındaki iletişimin yüksek bant genişlikli ve iki yönlü olduğunu varsayar [148]. Bu durum iletişimin kısıtlı olduğu durumların göz ardı edilmesine neden olmaktadır [85], [152]. Halbuki, sınırlı iletişime sahip robot sistemleri daha gerçekçidir [60], [116], [149]. Buna yönelik olarak, iletişimde uzaklık tabanlı modülasyon önerilerek, robot çiftleri aralarındaki uzaklıkla doğru orantılı olan bir frekansta iletişim kurmaktadır [86]. Uzaklık bilgilerinin bilinemediği durumlarda, farklı bir yaklaşım uygulanarak az sayıdaki robotlara hareket ve iletişim yapmalarına izin verilirken, diğer robotlar hareketsiz durmaktadır. Bir başka yaklaşım ise, oyun kuramsal yaklaşımdır [76], 7 111 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası [171]. Çoklu üstlenici ağlarda, her bir üstlenicinin kazanç ve maliyet arasındaki çatışma doğal olarak oyun kuramsal formülasyona götürmektedir [79]. Mevcut araştırmalardaki temel yaklaşım, oyuncuların kendi stratejilerini diğer oyunculardan bağımsız olarak ele aldıkları, işbirlikçi olmayan oyunlardır [142]. Alternatif olarak, işbirlikçi oyun kuramı da oyuncuların bağlantı kurma ve koparma kararının ortak verildiği ağ formasyonları için kullanılmaktadır [66], [142]. Birçok koalisyon oyununda, oyuncular birbirlerine bağlı ve bir çizgedeki ikili bağlantılar üzerinden iletişim yaptıklarından, bağlı çizgelerde her bir koalisyonun değeri çizge yapısına bağlı olmak üzere koalisyonlar üzerine haritalanmaktadır [76], [120]. Koalisyon oyunlarının ortamsal değişmelere maruz kalabildikleri bilinmesine rağmen [142], muhtemelen model ve objektiflere bağlı olmasından dolayı dinamik koalisyonlar daha az çalışılmıştır. Ancak, ağ oyunlarının çoğu oyuncuların dinamik yapısını dikkate almamaktadır. Oyuncuların görev dinamiği ile ağ dinamiği arasındaki ilişkiler hala az çalışılmış bir konudur. Grubumuzun bu konudaki çalışmaları öncü olup, robotların kendi işlerini yaparken, aynı zamanda diğer robotlar ile iletişimlerini tanımlanan son kazanç açısından optimize edebilmek için oyun kuramsal bazlı yaklaşımlar geliştirilmiştir [8], [9]. Ancak, ortamın keşfi ve haritaların paylaşımı daha farklı stratejiler gerektirecektir. Zira robotlar hareket ederken, iletişim kararları, alınan bilginin en fazla olması, hareket kurgusuna uygunluk ve robotlar arasındaki girişimin en aza indirgenmesi gibi farklı kriteler içerecektir. C. [177]. Her robotun kendisine atanan alanı kapsayabilmek için kullandığı yaklaşımlar, tek robotlu yaklaşımlara benzer bir şekilde, buluşsal ve rastlantısal tabanlı [115], tam hücresel ayrışım tabanlı [1], [2] ve yaklaşık hücresel ayrışım tabanlı olarak sınıflandırılabilir. Yapılan çalışmaların neredeyse tamamı, yöngüdüm problemini, hedef kararlaştırma probleminden ayrı olarak ele almaktadır. Dikkate değer istisnalar [139], [143]’dür. İlk çalışmada, takipçi robotların gizilgüç alan formülasyonuna göre hareket ettikleri lider takip metoduna dayanan bir yaklaşım önerilmiştir. Buna paralel olarak, hareket ve keşif konusunun yine genel olarak metrik harita bazlı yaklaşımlar çerçevesinde yapıldığı görülmektedir [44]. Yine, dinamik alanların takibi konusunda yapılan bir çalışma ile, farklı alan tarama şekilleri mümkün olmaktadır [69]. Çoklu robotlar ile ortam keşfinde önemli ilerlemeler sağlanırken, daha öncede bahsedildiği üzere robotlar arası iletişim konusuna daha az ilgi gösterilmiştir [129]. Bu alandaki çalışmaların çoğu tam ve sınırsız iletişimi varsaymışlardır. Ancak, pratikte robotlar sınırlı iletişimin üstesinden gelmek zorundadırlar. Sınırlı iletişim, robotların iletişim yeteneğini azalttığından problemi daha da zorlaştırmaktadır [21], [129]. Örneğin, robotlar arası uzaklık iletişim kurulamayacak kadar uzak ise veya bir ağ hatası oluşmuş ise, robotlar diğer bir robotun daha önceden keşfetmiş olduğu alanı tekrar keşfedebilir. Bu durum, verimliliğin düşmesine sebep olmaktadır. V. Haritalama Uygulamaları Robot Yöngüdümü Haritalama üzerine yapılan çalışmalar, farklı birçok ortamda uygulanmıştır [15], [34], [25]. Uygulamalar, 2B ofis, laboratuvar gibi basit iç mekan senaryolarından, dış mekanlara ve hatta sualtı ortamlarına doğru ilerlemiştir [33]. Bu uygulamalarda genel olarak kamera, 2B/3B lazer tarayıcı gibi algılayıcılardan gelen ortam bilgileri kullanılmaktadır [141]. Bazı çalışmalarda ise, bu algılayıcılara ek olarak, kodlayıcı, pusula, ataletsel ölçüm ünitesi gibi robotun hareketine dair bilgiler sağlayan algılayıcılar da kullanılmıştır. Ortam algılama ve haritalama üzerine yapılan çalışmalarda odaklanılan diğer bir husus, robotun nasıl hareket edeceğidir. Robot yöngüdümü, robotların haritalama görevini verimli bir şekilde tamamlamaları için ne şekilde hareket edeceklerine odaklanmaktadır. Tek veya çok robotlu sistemlerde harita ile ilgili yapılan birçok çalışmada, hareket, önceden belirlenen patikalar doğrultusunda veya sistem dinamiğine göre yapılmaktadır. Halbuki, harita uygulamalarında çözülmesi gereken önemli bir problem, robotların bulundukları ortamda etkin bir şekilde hareket etmeleri ve etrafı keşfedebilmeleridir. Bu çerçevede, iki alt problem robotların nereye ve nasıl gidecekleridir. Yaklaşımlar, eşgüdümsüz ve eşgüdümlü olarak sınıflandırılabilir. Eşgüdümsüz yaklaşımlarda, her robot kendi başına, örneğin en yakın mesafe gibi kriterlere göre hedefini tespit eder. Eşgüdümlü yaklaşımlarda ise, merkezi bir eşgüdüm veya iletişim ile, her bir robota atanacak keşif bölgeleri belirlenerek, robotların eşzamanlı olarak farklı bölgeleri taramaları sağlanmaktadır [21]. Hedeflerin robotlara dikkatlice atanması önemlidir, zira hem gereksiz iş yükü azaltılır hem de robotlar arasındaki çakışma en aza indirgenebilir [157]. Sıkça kullanılan yaklaşımlardan birinde, robotlara keşfedilmiş ve keşfedilmemiş bölgeler arasındaki sınırlar bildirilmektedir [179]. Robotlara atanacak potansiyel hedef noktalar dizisini seçmek amacıyla açık arttırma tabanlı yaklaşımlar da önerilmiştir [150], [183]. Bir başka yaklaşımda hedefler, diğer robotlar tarafından görülebilirliğine dayanan yararlılığı ile bu hedefe varabilmek için gidilmesi gereken mesafeye dayalı maliyet arasındaki ödünleşimi, eniyileştirmeye dayalı olarak belirlenmektedir [21]. Ortamın yapısının bilindiği durumlarda, robotlara hudut hedefleri yerine alan bölütleri atanmaktadır 112 Bu alandaki ilk çalışmalarda, lazerden gelen 2B uzaklık bilgilerinin kullanıldığı görülmektedir [65]. Örneğin, lazer tabanlı eş zamanlı konumlama ve haritalama, dış ortamlarda [64], [123], sualtında [123] ve havada [84], [158] uygulanmıştır. Yine dış ortamda, lazer tarayıcıdan gelen geometrik bilgiler ile, hem özniteliklerin yerel duruşlarının betimlendiği, hem de öznitelikler arasındaki tümel bağlantıların tanımlandığı melez bir harita yapısı oluşturulmuştur [53]. Bazı çalışmalarda ise sadece kameralardan gelen görsel veri kullanılarak, harita oluşturmaya odaklanılmıştır [78], [99], [106]. Örneğin, çift stereo kameralardan gelen öznitelikler, Ransac algoritmasıyla geometrik olarak eşleştirilerek, yine dış ortamlarda harita oluşturmada kullanılmıştır [91], [109], [145], [147], [175]. Hatta bu çalışmalar, sualtında da uygulanmıştır [104]. Kamera bazlı eş zamanlı konumlama ve haritalandırma temelli başka araştırmalarda ise, görsel bigiler kullanılarak, dış ortamlarda kaçırılan robot ve önceden hiç gidilmemiş yerler gibi durumlarda ne yapabileceğini bilen robotlar geliştirilmektedir [28], [29], [162]. Bu tip durumlarda, öznitelik haritaları büyürken, gerçek zamanlı bir uygulamayı gerçekleştirebilmek önemli bir husustur. Birçok araştırma, bahsedilen bu sorunları da ele almaya başlamış ve bunları gidermek üzere yaklaşım8 Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale lar önerilmiştir. Buna örnek olarak, günümüz yöntemlerinin kentsel bir dış ortamda, kendini tekrarlayan ve hareketli nesneler gibi zorlayıcı durumlardaki başarımını değerlendiren bir çalışma yapılmıştır [3]. Bu çalışmalarda hedeflenen nokta, zamansal açıdan sabit gereksinimleri olan bir yaklaşım ile gezgin robotun ortamı sonlu zaman içinde haritalayabilmesini sağlamaktır. Günümüzde, özellikle 3B lazerlerin geliştirilmesi ile birlikte, kamera ve 3B lazerler birlikte kullanılarak metrik eş zamanlı konumlama ve haritalama [133] ve topolojik [96] temelli haritalama uygulamaları yapılmıştır. Bu konudaki çalışmalar devam etmekte olup, farklı algılama şekillerinin de denendiğini gözlemlenmektedir. Örneğin, iki standart kamera ve bir atalet ölçü ünitesi kullanılarak, uçabilen bir robot ile dış ortamların harita çıkarımı uygulaması sunulmaktadır [158]. önemli katkılar sağlamıştır. Ancak, bu ümit verici gelişmelere rağmen, mevcut ticari ve askeri robotların çok nadiren tamamen özerk bir görev ve hareket planlama yeteneklerine sahip oldukları görülmektedir. Buna sebep olarak, robotların bulundukları ortamı algılayarak, ortam haritası oluşturmalarındaki yetersizlikler ve bu haritaların görev planlarına tümleştirilmeleri konusundaki eksikleri sayabiliriz. Daha detaylı olarak açıklamak gerekirse: • Gerçek dünya uygulamaları, dinamik ortamlar, gerçek zamanlılık ve sürekli operasyon gibi son derece karmaşık gereksinimlere sahiptirler. • Algılama, harita oluşturma ve kullanma, kontrol gibi son derece farklı yöntemleri içeren alanların birleştirilmesinde tam olarak çözülememiş sorunlar vardır. Tüm bu zorluklara rağmen, yine de otonom gezgin robotların, farklı iç ve dış ortamlarda, gittikçe artan bir eğilim ile kullanıldıklarını gözlemlemekteyiz. Mevcut durum itibari ile, endüstri veya askeri amaçlı kullanılan robotların genel olarak önceden hesaplanmış hareketlere ve statik, önceden oluşturulmuş planları temel aldığını biliyoruz. Bu çerçevede, ilgili ticari ve askeri şirketler, hem robotik görevlerde, hem de hareket planlamada henüz çok az seviyede olan otonominin arttırılmasına son derece önem vermektedirler. Bu bağlamda önemli bir nokta, robotların bulundukları ortamı mümkün olduğunca kapsamlı olarak algılamaları ve hafızalarında bu algılar temelli haritalar oluşturabilmeleridir. Bu haritalar kullanılarak, uzamsal muhakeme yapabilmeleri ve otonom olabilmeleri; dolayısıyla çevre tarama, keşif, hareket, taşıma gibi farklı işleri kendi başlarına güvenilir bir şekilde yapabilmeleridir. (a) Harita modelleri ve kullanım yöntemleri açısından, yapılan çalışmaların ağırlıklı olarak metrik haritalar ve geometrik bazlı kullanım yöntemleri çerçevesinde olduğu görülmektedir. Metrik haritalar ile muhakeme genel olarak, Bayes tabanlı filtreler veya beklenti en büyütme gibi klasik kestirim ve istatistik kuramı temelli yaklaşımlar ile sağlanmaktadır. Her ne kadar geometrik kafes tabanlı haritalama, ortamın detaylı bir şekilde haritalandırılmasını ve değişik algılayıcılardan gelen verilerin tümleştirilmesini sağlar. Ancak, sabit kafes boyutu nedeniyle, geniş ortamlarda çok sayıda kafes oluşturulması gerekmektedir. Buna bağlı olarak yüksek hesaplama yükü, yüksek hafıza gereksinimi gibi kısıtlayıcı durumlar ortaya çıkar. Bu yaklaşıma alternatif olarak geliştirilen topolojik yaklaşımlar, esasen çizge bazlı yaklaşımlar olup, düğümlerin ve kenarların ne anlama geldiği uygulamaya göre değişebilmektedir. En güncel çalışmalarda, imgelerden oluşturulan görsel sözcükler düğümleri oluşturmakta ve imgeler arası ilişkilere dayalı olarak, düğümler arasındaki kenarlar oluşturulmaktadır. Ancak bu çalışmalara rağmen, topolojik haritaların tam olarak ne olduğu ve nasıl oluşturulduklarına dair bir görüş birliği yoktur. (b) Şekil 3: Haritalama senaryo örnekleri. Üst: İç ortamda alanların tanımlanması [134]. Alt: Bir dış ortamda alanların tanımlanması [58]. Haritalama uygulamaları için geliştirilen yöntemlerin sınanabilmesi için birçok veritabanı mevcuttur [134][137]. Bunların bazıları iç ortamda, bazıları da dış ortamda alınmış verilerdir. Her veritabanı, iç, dış veya karma bir ortamda alınan odometri, görsel, uzaklık gibi farklı bilgileri içermektedirler. Şekil 3’de, birer iç ve dış ortam kapsamı örnek olarak sunulmaktadır. Zaman içinde, geliştirilen yaklaşımlar bu veriler üzerinde uygulandığından, başarım açısından karşılaştırma yapmak mümkündür. VI. . Sonuç Çoklu robotlar ile harita çıkarımı ve kullanımı konusu ise, birden fazla robotun seçilen harita modeli çerçevesinde, bulunulan ortamın haritasını nasıl oluşturacakları, ilgili hareket ve iletişim yöntemleri ile ilintilidir. Bu çerçevede, çoklu robotlar ile yapılan çalışmaların genelde metrik harita temelli geometrik yaklaşımlar olduğu görülmektedir. Az sayıdaki topolojik harita temelli, çoklu robot haritalama çalışmalarında, düğümler yerel yapıyı tam olarak yansıtamamakta veya dikdörtgensel harita- Robotik ve yapay zeka alanlarının hedeflerinden biri, gezgin robotların iş yapma becerilerini arttırmaktır. Geliştirilen ilk gezgin robotlardan biri olan Shakey’den itibaren, bir robotun harekete başlamadan önce veya hareket halinde iken, kendi eylemleri hakkında muhakeme yapmasını sağlayacak algoritmalar üzerinde çalışılmaktadır. Robotik ve yapay zeka alanında yapılan araştırma ve geliştirmeler, bu vizyona yönelik çok 9 113 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası Doluluk kafesi ↔ Occupancy grid Destek vektör makineleri ↔ Support vector machines Doğrudan karşılaşma ↔ Direct encounter Düğümler ↔ Nodes, vertices Dünya merkezli ↔ World-centric Dürümsel enyakın nokta ↔ Iterative Closest Point Düzleme ↔ Smoothing En muhtemel harita ↔ Most Likely Map Eşzamanlı konumlandırma ve haritalandırma ↔ Simultaneous Localization and Mapping (SLAM) İçsel ↔ Proprioseptive İkili oyunlarda ↔ Pairwise games İmge dikişleme ↔ Image stitching İmge tescilleme ↔ Image registration İskelet ↔ Skeleton İşbirlikçi ↔ Cooperative İzgel topaklama ↔ Spectral clustering Kare Kök Bilgi Yumuşatması ↔ Square Root Information Smoothing Karma ↔ Hybrid Kazanç ↔ Payoff Kelime çantası ↔ Bag of words Kenarlar ↔ Edges Küme kuramsal ↔ Set-theoretic Nirengi ↔ Landmark Optimal altı ↔ Suboptimal Özimgelere parçalama ↔ Decomposition into eigenimages Özyineli ↔ Recursive Parekete hesabı ↔ Dead reckoning Parmak izi ↔ Fingerprint Robot merkezli ↔ Robot-centric Seyrek genişletilmiş bilgi süzgeçleri ↔ Sparse extended information filters Sözlük ağacı ↔ Vocabulary tree Taşınabilir işaretler ↔ Portable beacons Tümyönlü ↔ Omnidirectional Veri ilişkilendirme ↔ Data association Yaklaşık hücresel ayrışım tabanlı ↔ Approximate cellular decomposition based lar gibi varsayımlar yapılmaktadır. Yine çok az sayıda olan karma harita temelli çalışmalarda düğümler, metrik haritalardan oluştuğundan, bu tür haritalar ile ilişkilendirilen sorunlara sahiptirler. Hareket ve keşif konusunda ise, yine metrik harita bazlı yaklaşımların çoğunlukta olduğu görülmektedir. Topolojik veya karma haritalar ile keşif konusunu ele alan çalışmalar çok daha az sayıdadır. Çoklu robotlarda önemli ikinci bir husus ise robotlar arasındaki iletişim stratejisi ve buna dayalı olarak oluşan iletişim ağıdır. Yapılan çalışmaların çoğunda, iletişimin bir şekilde sağlanıldığı varsayılmıştır. Halbuki robotların, kimler ile nasıl ve ne zaman iletişime gireceği ve hangi bilgileri paylaşacağı, üzerinde çalışılması gereken ayrı bir konudur ve bu konuda yapılan yayınların göreceli olarak yeni tarihli olduğu görülmektedir. Herkes ile sürekli iletişime girmek ve sahip olunan tüm bilgileri paylaşmak, çok fazla iletişim kanalı kapasitesi gerektireceğinden veya sınırlı güç, uzaklık gibi fiziksel nedenlerden dolayı mümkün olmayabilir. Robotlar hareket ederken, iletişim kararları, alınan bilginin en fazla olması, hareket kurgusuna uygunluk ve robotlar arasındaki etkileşimin en aza indirgenmesi gibi farklı kriterler içerecektir. Dolayısıyla bağlantılar bu kriterlere göre belirlenir. Sonuç olarak, yukarıda anlatılan hedefler ile bilimsel ve teknolojik olarak gerçekleştirilen ilerlemeler çerçevesinde, ortam haritalama, yapılmış olan tüm çalışmalara rağmen, hala önemli bir konu olmaya devam etmektedir. Makalede anlatıldığı üzere, alanda büyük ilerlemeler kaydedilmiş olmasına rağmen, tüm sorunların çözüldüğünü söylemek mümkün değildir. Nitekim, robotik alanının en önemli konferanslarından biri olan "IEEE International Conference on Robotics and Automation" konferansının son yıllarda yapılan etkinliklerinde, günlük sunuşlar dilimini oluşturan oturumlardan en az bir veya ikisinin, bu konularda yapılması, konunun güncelliğinin devam ettiğinin önemli bir göstergesidir. Bu çalışmamız, robot camiasında bu alana ilgi duyanlar için bir başlangıç kaynağı olması amacı ile sunulmuştur. Kaynakça [1] Acar, E.U. ve H. Choset, Sensor-based Coverage of Unknown Environments. Int. J. of Rob. Research, Cilt 21(4), ss. 345-366, 2002 [2] Acar E.U., H. Choset, Y. Zhang, M.J. Schervish: Path Planning for Robotic Demining: Robust Sensor-based Coverage of Unstructured Environments and Probabilistic Methods. Int. J. of Rob. Research, Cilt 22(7-8), ss. 441-466, 2003 [3] Achar S., C.V. Jawahar ve K.M. Krishna, Large Scale Visual Localization in Urban Environments. IEEE Int. Conf. on Rob. and Aut., ss. 5642-5648, 2011 [4] Albus J.S. , Outline for a Theory of Intelligence. IEEE Trans. on Sys., Man, and Cybern., Cilt 21(3), ss. 473-509, 1991 [5] Andersson L. ve J. Nygards, C-sam: Multi-robot slam using square root information smoothing, IEEE Int. Conf. on Rob. and Aut.,, ss. 2798-2805, 2008 [6] Bailey T. ve H. Durrant-Whyte, Simultaneous localization and mapping (SLAM): Part I. IEEE Rob. & Aut. Magazine, ss. 99107, 2006 [7] Bailey T. ve H. Durrant-Whyte, Simultaneous localization and mapping (SLAM): Part II. IEEE Rob. & Aut. Magazine, ss. 108-117, 2006 [8] Bayram H. ve H.I.Bozma, Multi-robot Navigation with Limited Communication-Deterministic vs Game-Theoretic Networks, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 18251830, 2010 [9] Bayram H. ve H.I.Bozma, Pairwise vs Coalition Game Networks for Multi-Robot Systems, Proc. of IFAC 18th World Congress, ss. 13750-13575, 2011 Teşekkür Bu çalışma kısmi olarak Boğaziçi Üniversitesi BAP Projesi 2010-5720, kısmi olarak ta Tübitak EEEAG 111285 kodlu proje tarafından desteklenmiştir. Ek: Karşılıklı Türkçe & İngilizce Terimler Bu kısımda, makalede kullanılan çeşitli terimlerin İngilizce karşılıkları alfabetik olarak sunulmaktadır. Alt çizge ↔ Sub-graph Ana bileşenler analizi ↔ Principal component analysis Artımlı en büyük olabilirlik ↔ Incremental maximum likelihood Bağlamsal tabanlı ↔ Context-based Beklenti en büyütme ↔ Expectation maximization Bilgi birleşimi ↔ Data fusion Buluşsal ↔ Heuristic Çizge bölütleme ↔ Graph partitioning Çoklu üstlenici ↔ Multi-agent Değişinti ↔ Covariance Dışsal ↔ Extroseptive 114 10 Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale [10] Besl P. ve H. McKay, A method for fegistration of 3-d shapes, IEEE Trans. on Pattern Analysis and Machine Intelligence, Cilt 14(2), ss. 239-256, 1992 [11] Birk A. ve S. Carpin, Merging occupancy grid maps from multiple robots, Proc. of the IEEE, Cilt 94(7), ss. 1384-1397, 2006 [12] Biswas R., B. Limketkai, S. Sanner ve S.Thrun, Towards object mapping in dynamic environment with mobile robots, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 2002. [13] Blaer P. ve P. Allen. Topological mobile robot localization using fast vision techniques, IEEE Int. Conf. on Rob. and Aut., ss. 1031-1036, 2002. [14] Bay H., Herbert, T. Tuytelaars ve L. Van Gool, Speeded-up robust features (SURF). Computer Vision and Image Understanding, Cilt 110, ss. 346-359, 2008 [15] Bosse M., P. Newman, J. Leonard ve S. Teller, Simultaneous localization and map building in large-scale cyclic environments using the atlas framework Int. J. of Rob. Research, Cilt 23(12), ss. 1113-1139, 2004 [16] Bosse M. ve J. Roberts, Histogram matching and global initialization for laser-only slam in largeunstructured environments, IEEE Int. Conf. on Rob. and Aut., ss. 4820-4826, 2007 [17] Bowling M., D. Wilkinson, A. Ghodsi ve A. Milstein, Subjective localization with action respecting embedding, Rob. Research, Springer, Cilt 28, ss. 190-202, 2007 [18] Bozma H.I. , G. Çakiroglu ve Ç. Soyer, Biologically inspired Cartesian and non-Cartesian filters for attentional sequences. Pat. Rec. Letters, Cilt 24(9-10), ss. 1261-1274, 2003 [19] Brunskill E., T. Kollar ve N. Roy, Topological mapping using spectral clustering and classification, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 3491-3496, 2007 [20] Burgard W., M. Moors, D. Fox, R. Simmons ve S. Thrun, Collaborative multi-robot exploration, IEEE Int. Conf. on Rob. and Aut., Cilt 1, ss. 476-481, 2000 [21] Burgard W., M. Moors, C. Stachniss ve F. Schneider, Coordinated multi-robot exploration, IEEE Trans. on Rob., Cilt 21(3), ss. 376-378, 2005 [22] Caglioti V., A. Citterio ve A. Fossati, Cooperative, distributed localization in multi-robot systems: a minimum-entropy approach, IEEE Workshop on Distributed Intelligent Systems: Collective Intelligence and Its Applications, ss. 25-30, 2006 [23] Cao Y.U, A.S. Fukunaga ve A. Kahng, Cooperative mobile robotics: antecedents and directions, Auton. Rob., Cilt 4(1), ss. 7-27, 1997 [24] Casavola A., M. Papini, ve G.Franze, Supervision of networked dynamical systems under coordination constraints, IEEE Trans. on Aut. Contr., 51 (3), ss. 421-437, 2006 [25] Chong K.S. ve L. Kleeman, Feature-based mapping in real, large scale environments using an ultrasonic array, Int. J. Rob. Res., Cilt 18(1), ss. 3-19, 1999 [26] Choset H. ve K. Nagatani, Topological simultaneous localization and mapping (slam): Toward exact localization without explicit localization, IEEE Trans. on Rob. and Aut., Cilt 17, ss. 125-137, 2001 [27] Clemente L., A. Davison, I. Reid, J. Neira, ve J.D. Tardos. Mapping large loops with a single hand-held camera. In Robotics Science and Systems, 2007 [28] Cummins M. ve P. Newman, Fab-map: Probabilistic localization and mapping in the space of appearance, Int. J. Rob. Res., Cilt 27, ss. 647-665, 2008 [29] Cummins M. ve P. Newman, Appearance-only SLAM at large scale with fab-map 2.0, Int. J. Rob. Res., Cilt 30(9), 2010 [30] Cohen W. W., Adaptive mapping and navigation by teams of simple robots, Rob. and Autonomous Systems, Cilt 8(4), ss. 411434, 1996 [31] Chang H., C. Lee, Y. Hu ve Y.-H. Lu, Multi-robot slam with topological/metric maps, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 1467-1472, 2007 [32] Davison A., Real-time simultaneous localisation and mapping with a single camera, Int. Conf. on Computer Vision,, ss. 14031410, 2003 [33] Davison A., Modelling the World in Real Time: How Robots Engineer Information Phil. Trans. R. Soc., Cilt 361(1813), ss. 2875-2890, 2003 [34] Davison A., Y.G. Cid ve N. Kita, Real-time 3D SLAM with wide-angle vision, Proc. IFAC/EURON Symp. Intelligent Auton. Vehicles, 2004 [35] Davison A., I. Reid, N. Molton ve O. Stasse, Monoslam: Realtime single camera slam, IEEE Trans. on Pattern Analysis and Machine Intelligence, Cilt 29(6), ss. 1052-1067, 2007 [36] Dedeoglu G. ve G. S. Sukhatme, Landmark based matching algorithm for cooperative mapping by autonomous robots, Distributed Autonomous Robotic Systems, Cilt 4, ss. 251-60, 2000 [37] Dempster A.P., A.N. Laird ve D.B. Rubin. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society, Series B, Cilt 39(1), ss. 1-38, 1977 [38] Dellaert F., S.M. Seitz, C. Thorpe ve S. Thrun, EM, MCMC, and Chain flipping for structure from motion with unknown correspondence, Machine Learning, Cilt 50(1-2), ss. 45-71, 2003 [39] Dellaert F. ve M. Kaess, "Square root SAM: Simultaneous localization and mapping via square root information smoothing," Int. J. Robot. Res., Cilt 25(12), ss. 1181-1203, 2006 [40] Desai J. P., A graph theoretic approach for modeling mobile robot team formations, J. Robot. Syst., 19(11), ss. 511-555, 2002. [41] Dietl M., J.S. Gutmann ve B. Nebel, Cooperative sensing in dynamic environments, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, Cilt 3, ss. 1706-1713, 2001 [42] Di Marco M., A. Garulli, A. Giannitrapani ve A. Vicino, Simultaneous localization and map building for a team of cooperating robots: a set membership approach, IEEE Trans. on Rob. and Aut., Cilt 19(2), ss. 238-249, 2003 [43] Dissanayake G., P. Newman, S. Clark, H.F. Durrant-Whyte ve M. Csorba. An experimental and theoretical investigation into simultaneous localisation and map building (SLAM). Editörler: P. Corke and J. Trevelyan, Lecture Notes in Control and Information Sciences: Experimental Robotics VI, ss. 265-274, Springer Verlag, 2000 [44] Dong W. ve J.A. Farrell, Cooperative Control of Multiple Nonholonomic Mobile Agents, IEEE Trans. on Aut. Contr., Cilt 53(6), ss. 1434-1448, 2008 [45] Dudek G., M. Jenkin, D. Milos ve E. Wilkes, Topological exploration with multiple robots, Proc. of the 7th Int. Symposium on Rob. with Applications, 1998 [46] Elfes A. Sonar-based real-world mapping and navigation. IEEE Trans. on Rob. and Aut., Cilt 3(3) ss. 249-265, 1987 [47] Erkent Ö. ve H.I. Bozma, Place Representation in Topological Maps Based on Bubble Space, IEEE Int. Conf. on Rob. and Aut., ss. 3497-3502, 2012. [48] Franz M. O., B. Scholkopf, H. A.Mallot ve H. H. Bulthoff, Where did I take that snapshot? Scene-based homing by image matching, Biological Cybernetics, Cilt 79, ss. 191-202, 1998 [49] Fazl-Ersi E. ve J.K. Tsotsos, Histogram of Oriented Uniform Patterns for robust place recognition and categorization, Int. J. Rob. Res., Cilt 31(4), ss. 468-483, 2012. [50] Fenwick J., P. Newman ve J. Leonard, Cooperative concurrent mapping and localization, IEEE Int. Conf. on Rob. and Aut., Cilt 2, ss. 1810-1817, 2002. [51] Filliat D. ve J. Meyer, Map-based navigation in mobile robot: I. a review of localization strategies, Cognitive Systems Research, Cilt 4, ss. 243-282, 2003 [52] Filliat D. ve J. Meyer, Map-based navigation in mobile robot: Ii. a review of map-learning and path-planningstrategies, Cognitive Systems Research, Cilt 4, ss. 283-317, 2003 [53] Folkesson J. ve H. Christensen, Graphical slam-a self-correcting map, IEEE Int. Conf. on Rob. and Aut., Cilt 1, ss. 383-390, 2004 [54] Fox D., W. Burgard, H. Kruss. a ve S. Thrun, A probabilistic approach to collaborative multi-robot localization, Auton. Rob., Cilt 8, ss. 325-344, 2000 [55] Fox D., J. Ko, K. Konolige ve B. Stewart, A hierarchical bayesian approach to the revisiting problem in mobile robot map building, Int. J. Rob. Res., Cilt 15, ss. 60-69, 2005 [56] Franchi, A., L. Freda, G. Oriolo ve M.Vendittelli, The sensorbased random graph method for cooperative robot exploration, IEEE/ASME Trans. on Mechatronics, Cilt 14(2), 163-75, 2009 11 115 EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 TMMOB Elektrik Mühendisleri Odası [57] Fraundorfer F., C. Engels ve D. Nister, Topological mapping, localization and navigation using image collections, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 3872-3387, 2007 [58] Freiburg Campus 360 degree 3D scans, http://ais.informatik.uni-freiburg.de/projects/datasets/fr360/ [59] Frese U.,A Discussion of Simultaneous Localization and mapping, Auton. Rob., Cilt 20, ss. 25-42, 2006 [60] Fredslund J. ve M.J. Mataric, A general algorithm for robot formations using local sensing and minimal communication, IEEE Trans. on Rob. and Aut., 18(5), ss. 837-846, 2002. [61] Friedman S., H. Pasula ve D. Fox, Voronoi random fields: Extracting topological structure of indoor environments via place labeling, Proc. of the Int. Joint Conf. on Artificial Intelligence ss. 2109-2114, 2007 [62] Friedrich H., D. Dederscheck, K. Krajsek ve R. Mester, Viewbased robot localization using illumination-invariant spherical harmonics descriptors, Proc. of Int. Joint Conf. on Computer Vision and Computer Graphics Theory and Applications, Cilt 2, ss. 543-550, 2008 [63] Grabowski R., L. E. Navarro-Serment, C. J. Paredis ve P. K. Khosla, Heterogeneous teams of modular robots for mapping and exploration, Auton. Rob., Cilt 8, ss. 293-308, 2000 [64] Guivant J.E. ve E.M. Nebot, Optimization of the simultaneous localization and map-building algorithm for real-time implementation, IEEE Trans. on Rob. and Aut., Cilt 17(3), ss. 242257, 2001 [65] Gutmann J.-S. ve K. Konolige, Incremental mapping of large cyclic environments, Proc. of Int. Symp. on Comp. Intelligence in Rob. and Aut., ss. 318-325, 1999 [66] Hajdukova, J., Coalition formation games: A survey, Int. Game Theory Review, Cilt 8(4), ss. 613-641, 2006 [67] , Harris C. ve M. Stephens,A combined corner and edge detector, AVS88, ss. 147-151, 1988 [68] Hartley R. ve A. Zisserman, Multiple view geometry in computer vision,Cambridge University Press, 2000 [69] Hou S. P., C.C. Cheah ve J.J.E. Slotine, Dynamic region following formation control for a swarm of robots,IEEE Int. Conf. on Rob. and Aut., ss. 1929-1934, 2009 [70] Howard A., M. Matark ve G. Sukhatme, Localization for mobile robot teams using maximum likelihood estimation, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, Cilt 1, ss. 434439, 2002. [71] Howard A., M. Mataric ve G. Sukhatme, Putting the ’i’ in ’team’: an ego-centric approach to cooperative localization, IEEE Int. Conf. on Rob. and Aut., Cilt 1, ss. 868-874, 2003 [72] Howard A., Multi-robot mapping using manifold representations, IEEE Int. Conf. on Rob. and Aut., Cilt 4, ss. 4198-4203, 2004 [73] Howard A., Multi-robot simultaneous localization and mapping using particle filters, Int. J. Rob. Res., Cilt 25(12), ss. 12431256, 2006 [74] Huang W. H. ve K. R. Beevers, Topological map merging, Int. J. Rob. Res., Cilt 24(8), ss. 601-613, 2005 [75] Indelman V., P. Gurfil, E. Rivlin ve H. Rotstein, Distributed vision-aided cooperative localization and navigation based on three-view geometry, IEEE Aerospace Conf., ss. 1-20, 2011 [76] Jackson M.O. ve A. Wolinsky, A strategic model of social and economic networks, J. Economic Theory, Cilt 77, ss. 44-74, 1996 [77] Jaulin L., Range-only slam with occupancy maps: A setmembership approach, IEEE Trans. on Rob., Cilt 27(5), ss. 1004-1010, 2011 [78] Jensfelt P., D. Kragic, J. Folkesson ve M. Björkman. A framework for vision based bearing only 3D SLAM. IEEE Int. Conf. on Rob. and Aut., ss. 1944 -1950, 2006 [79] Jiang T. ve J.S. Baras, Fundamental tradeoffs and constrained coalitional games in automatic wireless networks, Proc. of 5th Int. Symp. on Modeling and Opt. in Mobile, Ad Hoc & Wireless Networks, 2007 [80] Jogan M. ve A. Leonardis, Robust localization using panoramic view-based recognition, Int. Conf. on Pattern Recognition, Cilt 4, ss. 136-139, 2000 116 [81] Kaess M., A. Ranganathan ve F. Dellaert, isam: Incremental smoothing and mapping, IEEE Trans. on Rob., Cilt 24(6), ss. 1365-1378, 2008 [82] Ni K. ve F. Dellaert, Multi-level submap based slam using nested dissection, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 2558-2565, 2010 [83] Keith Y. K. Leung, Timothy D. Barfoot, H. Hugh ve T. Liu. Distributed and Decentralized Cooperative Simultaneous Localization and mapping for Dynamic and Sparse Robot Networks, IEEE Int. Conf. on Rob. and Aut., ss. 3841-3847, 2011 [84] Kim J. ve S. Sukkarieh, Airborne simultaneous localization and map building, IEEE Int. Conf. on Rob. and Aut., ss. 406-411, 2003 [85] Kim B., M. Kaess, L. Fletcher, J. Leonard, A. Bachrach, N. Roy, ve S. Teller, Multiple relative pose graphs for robust cooperative mapping, IEEE Int. Conf. on Rob. and Aut., ss. 3185-3192, 2010 [86] Klavins E., Communication complexity of multirobot systems, in Algorithmic Foundations of Robotics V., Springer-Verlag, Cilt 7, ss. 275-292, 2003 [87] Klatzky R.L., Allocentric and egocentric spatial representations: Definitions, distinctions,and interconnections, Spatial cognitionAn interdisciplinary approach to representation and processing of spatial knowledge (Lecture Notes in Artificial Intelligence 1404), ss. 1-17, Springer-Verlag, 1998 [88] Knuth J. ve P. Barooah, Distributed collaborative localization of multiple vehicles from relative pose measurements, 47th Annual Allerton Conf. on Communication, Control, and Computing, ss. 314-321, 2009 [89] Ko J., B. Stewart, D. Fox, K. Konolige ve B. Limketkai, A practical, decision-theoretic approach to multi-robot mapping and exploration, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 3232-3238, 2003 [90] Konolige K., D. Fox, B. Limketkai, J. Ko ve B. Stewart, Map merging for distributed robot navigation, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, Cilt 1, ss. 212-217, 2003 [91] Konolige K., M. Agrawal, R. Bolles, M. Cowan, Creggand Fischler ve B. Gerkey, Outdoor mapping and navigation using stereo vision, Experimental Rob., Cilt 39, ss. 179-190, 2008 [92] Konolige K., J. Bowman, J. Chen, M. Mihelich, Patrick andCalonder, V. Lepetit, ve P. Fua, View-based maps, Int. J. Rob. Res., Cilt 29(8), ss. 941-957, 2010 [93] Krose B., N. Vlassis, R. Bunschoten ve Y. Motomura, A probabilistic model for appareance-based robot localization, Image and Vision Computing, Cilt 19, no. 6, ss. 381-391, 2001 [94] Kuipers B. , JJ. Modayil, P. Beeson, M. MacMahon ve F. Savelli, Local Metrical and Global Topological Maps in the Hybrid Spatial Semantic Hierarchy, in IEEE Int. Conf. on Rob. and Aut., ss. 4851-4845, 2004 [95] Kurazume R., S. Nagata ve S. Hirose, Cooperative positioning with multiple robots, IEEE Int. Conf. on Rob. and Aut., Cilt 2, ss. 1250-1257, 1994 [96] Lamon R., I. Nourbakhsh, B. Jensenl ve R. Siegwart, Deriving and matching image fingerprint sequences for mobile robot localization, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 1609-1610, 2001 [97] Leung K., T. Barfoot ve H. Liu, Decentralized cooperative simultaneous localization and mapping for dynamic and sparse robot networks, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 3554-3561, 2010 [98] Leung K., T. Barfoot ve H. Liu, Distributed and decentralized cooperative simultaneous localization and mapping for dynamic and sparse robot networks, IEEE Int. Conf. on Rob. and Aut., ss. 3841-3847, 2011 [99] Levin A. ve R. Szeliski, Visual odometry and map correlation, Proc. of the 2004 IEEE Int. Conf. on Comp. Vision and Patt. Recog., Cilt 1, ss. 611-618, 2004 [100] Li X. ve Y. Xi, Distributed Formation Algorithm for Multiagent Systems with a Relaxed Connectivity Condition, Proc. 17th IFAC World Congress, ss. 5137-5142, 2008 [101] Lygeros, J., K. H. Johansson, S.N. Simic, J. Zhang ve S.S. Sastry, Dynamical properties of hybrid automata, IEEE Trans. on Aut. Contr., Cilt 48(1), ss. 2-17, 2003 [102] Lynch N. A., R. Segala ve F. Vaandrager, Hybrid I/O automata, Inform. Comput., Cilt 185(1), ss. 105-157, 2003 12 Karaoğuz H., Erkent Ö., Bayram H., Bozma H. I., Tek Robottan Çoklu Robotlara Ortam Haritalama, Cilt 2, Sayı 4, Syf 105-118, Aralık 2012 Temalı Derleme Makale [103] Madhavan R., K. Fregene ve L. E. Parker, Distributed cooperative outdoor multirobot localization and mapping, Auton. Rob., Cilt 17, ss. 23-39, 2004 [104] Mahon I., S. Williams, O. Pizarro ve M. Johnson-Roberson, Efficient view-based slam using visual loop closures, IEEE Trans. on Rob., Cilt 24(5), ss. 1002-1014, 2008 [105] Makadia A. ve K. Daniilidis, Rotation recovery from spherical images without correspondences. IEEE Trans. on Patt. Anal. and Machine Int., Cilt 28(7), ss. 1170-1175, 2006 [106] Mariottini G.L., F. Morbidi, D. Prattichizzo, N. Vander Valk, N. Michael, G. Pappas ve K. Daniilidis, Vision-Based Localization for Leader Follower Formation Control, IEEE Trans. on Rob., 25(6), ss. 1431-1438, 2009 [107] Martinelli A., F. Pont ve R. Siegwart, Multi-robot localization using relative observations, IEEE Int. Conf. on Rob. and Aut., ss. 2797-2802, 2005 [108] Martinez S., F. Bullo, J. Cortes ve E. Frazzoli, On synchronous robotic networks Part I: Models, tasks, and complexity, IEEE Trans. on Aut. Contr., 52(12), ss. 2199-2213, 2007 [109] Marks T., A. Howard, M. Bajracharya, G. Cottrell ve L. Matthies, Gamma-slam: Using stereo vision and variance grid maps for slam in unstructured environments, IEEE Int. Conf. on Rob. and Aut., ss. 3717-3724, 2008 [110] Meilland M., A.I. Comport ve P. Rives, A spherical robotcentered representation for urban navigation, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 5196-5201, 2010 [111] Merino L., J. Wiklund, F. Caballero, A. Moe, J. Ramiro, E. Forssen, K. Nordberg ve A. Ollero, Vision-Based Multi-UAV Position Estimation, IEEE Rob. and Aut. Magazine, ss. 53-62, 2006 [112] Mesbahi M., On State-dependent dynamic graphs and their controllability properties, IEEE Trans. on Aut. Contr., Cilt 50(3), ss. 387-392, 2005 [113] Miklic D., S. Bogdan ve R. Fierro, Decentralized grid-based algorithms for formation reconfiguration and synchronization, IEEE Int. Conf. on Rob. and Aut., ss. 4463-4468, 2010 [114] Montemerlo M., S. Thrun, D. Koller ve B. Wegbreit. FastSLAM: A Factored Solution to the Simultaneous Localization and Mapping Problem Proc. of the AAAI Nat. Conf. on Artif. Intelligence, ss. 593-598, 2002 [115] Moravec, H. ve A. Elfes, High resolution maps for wide angles sonar, Proc. IEEE Int. Conf. on Rob. and Aut., Cilt 2, ss. 116121, 1985 [116] Mostofi Y., Communication-aware motion planning in fading environments, Proc. IEEE Int. Conf. on Rob. and Aut., ss. 31703174, 2008 [117] Mourikis A. I. ve S. I. Roumeliotis, Predicting the performance of cooperative simultaneous localization and mapping (c-slam), Int. J. Rob. Res., Cilt 25, ss. 1273-1286, 2006 [118] Muhammad A. ve M. Egerstedt, Connectivity graphs as models of local interactions, Appl. Math. Comput., Cilt 168(1), ss. 243269, 2005 [119] Murillo A., J. Guerrero ve C. Sagues, Surf features for efficient robot localization with omnidirectional images, IEEE Int. Conf. on Rob. and Aut., ss. 3901-3907, 2007 [120] Myerson R., Graphs and cooperation in games, Math. Oper. Res., Cilt 2(3), ss. 225-229, 1977 [121] E. W. Nettleton, H. F. Durrant-Whyte ve A. H. Goktogan, Multiple-platform localization and map building, Proc. SPIE Cilt 4196, ss. 337-347, 2000 [122] Nerurkar E. D., S. I. Roumeliotis ve A. Martinelli, Distributed maximum a posteriori estimation for multi-robot cooperative localization, IEEE Int. Conf. on Rob. and Aut., ss. 1375-1382, 2009 [123] Newman P.M. ve J.J. Leonard, Pure range-only subsea SLAM, IEEE Int. Conf. on Rob. and Aut., ss. 1921-1926, 2003 [124] Ni K., D. Steedly ve F. Dellaert, Tectonic sam: exact, out-ofcore, submap-based slam, IEEE Int. Conf. on Rob. and Aut., ss. 1678-1685, 2007 [125] Ni K. ve F. Dellaert, Multi-level submap based slam using nested dissection, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 2558-2565, 2010 [126] Nistér, D. ve H. Stewénius.. Scalable recognition with a vocabulary tree. Proc. of the 2004 IEEE Int. Conf. on Comp. Vision and Patt. Recog., Cilt 2, ss. 2161-2168, 2006 [127] Oliva A. ve A. Torralba, Modeling the Shape of the Scene: A Holistic Representation of the Spatial Envelope.Int. J. of Computer Vision, Cilt 42(3), ss. 145-175, 2001 [128] Paskin M. A., Thin junction tree filters for simultaneous localization and mapping, Proc. of Int. Joint Conf. on Artificial Intelligence, ss. 1157-1164, 2003 [129] Pei Y., M. W. Mutka ve N. Xi, Coordinated Multi-Robot RealTime Exploration With Connectivity and Bandwidth Awareness, IEEE Int. Conf. on Rob. and Aut., ss. 5460-5465, 2010 [130] Pereira G. A. S., V. Kumar ve M. F. M. Campos, Closed loop motion planning of cooperating mobile robots using graph connectivity, Robot. Auton. Syst., Cilt 56, ss. 373-384, 2008 [131] Peters R.A., E.K. Hambuchen, K. Kawamura ve D.M. Wilkes, The Sensory Ego-Sphere as a Short-Term Memory for Humanoids. Proc. of the IEEE-RAS Int. Conf. on Humanoid Robots, 2001 [132] Piovesan J.L., C.T. Abdallah ve H.G. Tanner, Modeling Multiagent Systems with Hybrid Interacting Dynamics, Proc. American Control Conf., ss. 3644-3649, 2009 [133] Posner I., M. Cummins ve P. Newman, A generative framework for fast urban labeling using spatial and temporal context, Auton. Rob., Cilt 26, ss. 153-170, 2009 [134] Radish: The Robotics Data Set Repository, http://radish.sourceforge.net/ [135] Rekleitis I. M., G. Dudek ve E. E. Milios, Multi-robot cooperative localization: A study of trade-offs between efficiency and accuracy, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 2690-2695, 2002. [136] Remolina E. ve B. Kuipers, Towards a general theory of topological maps, Artificial Intelligence, Cilt 152(1), ss. 47-104, 2004 [137] Robotic 3D Scan Repository, http://kos.informatik.uni-osnabrueck.de/3Dscans/ [138] Roy N. ve G. Dudek, Collaborative robot exploration and rendezvous: Algorithms, performance bounds and observations, Auton. Rob., Cilt 11, ss. 117-136, 2001 [139] Renzaglia A. ve A. Martinelli, Potential Field based Approach for Coordinate Exploration with a Multi-Robot Team, IEEE Int. Workshop on Safety, Security and Rescue Rob., ss. 1-6, 2010 [140] Rossi F., A. Ranganathan, F. Dellaert ve E. Menegatti, Toward Topological Localization with Spherical Fourier Transform and Uncalibrated Camera. Omnidirectional Robot Vision Workshop, Int. Conf. Simulation, Modeling, and Programming for Autonomous Robots, ss. 319-330, 2008 [141] Roumeliotis S. ve G. Bekey, Distributed multirobot localization, IEEE Trans. on Rob. and Aut., Cilt 18(5), ss. 781-795, 2002. [142] Saad, W., Z. Han, M. Debbah, A. Hjorungnes ve T. Basar, Coalitional Game Theory for Communication Networks, IEEE Signal Process. Mag., ss. 77-97, 2009 [143] Sabattini L., C. Secchi ve C. Fantuzzi, Arbitrarily shaped formations of mobile robots: artificial potential fields and coordinate transformation, Auton. Rob., Cilt 30(4), ss. 385-397, 2011 [144] Saber R. ve R. Murray, Agreement problems in networks with directed graphs and switching topology, Proc. IEEE Conf. Decision & Control, Cilt 4, ss. 4126-4132, 2003 [145] Schmitt T., R. Hanek, M. Beetz, S. Buck ve B. Radig, Cooperative probabilistic state estimation for vision-based autonomous mobile robots, IEEE Trans. on Rob. and Aut., Cilt 18(5), ss. 670-684, 2002. [146] Se S., D. Lowe, ve J. Little, Local and Global Localization for Mobile Robots using Visual Landmarks. Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 414-420, 2001 [147] Se S. , D. Lowe ve J. Little, Vision-based global localization and mapping for mobile robots, IEEE Trans. on Rob., Cilt 21(3), ss. 364-375, 2005 [148] Sepulchre R., D.A. Paley ve N.E. Leonard, Stabilization of Planar Collective Motion: All-to-All Communication, IEEE Trans. on Aut. Contr., 52(5), ss. 811-824, 2007 [149] Sepulchre R., D.A. Paley ve N.E. Leonard, Stabilization of Planar Collective Motion with Limited Communication, IEEE Trans. on Aut. Contr., Cilt 53(3), ss. 706-719, 2008 13 117 [164] EMO Bilimsel Dergi, Cilt 2, Sayı 4, Aralık 2012 [165] [166] [150] Sheng W., Q. Yang, J. Tan ve N. Xi, Distributed multi-robot coordination in area exploration, Rob. and Autonomous Systems, Cilt 54(12), ss. 945-955, 2006 [151] Smaili C., M. El Najjar ve Francois, Multi-sensor fusion method using bayesian network for precise multi-vehicle localization, IEEE Conf. on Intelligent Transportation Systems, ss. 906-911, 2008 [152] Sharma R. ve C. Taylor, Cooperative navigation of maps in gps denied areas, IEEE Int. Conf. on Multisensor Fusion and Integration for Intelligent Systems, ss. 481-486, 2008 [153] Simmons R. G., D. Apfelbaum, W. Burgard, D. Fox, M. Moors, S. Thrun ve H. L. S. Younes, Coordination for multi-robot exploration and mapping, Proc. of the AAAI Nat. Conf. on Artif. Intelligence and Twelfth Conf. on Innovative Applications of Artificial Intelligence, ss. 852-858, 2000 [154] Sivic J. ve A. Zisserman, Video Google: A text retrieval approach to object matching in videos. Int. Conf. on Computer Vision,, Cilt 2, ss. 1470-1477, 2003 [155] Soyer C., H. I. Bozma ve Y. Istefanopulos, A new memory model for selective perception systems, Proc. of IEEE/RSJ Int. [150] Sheng W.,Robots Q. Yang, Tan vess. N.2304-2309, Xi, Distributed Conf. on and J. Systems, 2000 multi-robot exploration, Rob. and Autonomous Systems, [156] coordination Soyer C., H.inI.area Bozma ve Y. Istefanopulos, Apes-biologically Cilt 54(12),attentive ss. 945-955, motivated robot,2006 Auton. Rob., Cilt 20, ss. 61-80, 2006 [151] C., C., M. El ve Francois, method [157] Smaili Stachniss O. Najjar Martinez Mozos veMulti-sensor W. Burgard,fusion Speeding up using bayesian networkby forconsidering precise multi-vehicle localization, multi-robot exploration semantic place informaIEEE Conf. Int. on Intelligent Transportation Systems, ss. 906-911, tion, IEEE Conf. on Rob. and Aut., ss. 1692-1697, 2006 [158] 2008 Steder B., G. Grisetti, C. Stachniss ve W. Burgard, Visual slam [152] Sharma ve C. Taylor, Cooperative navigation of ss. maps in for flyingR.vehicles, IEEE Trans. on Rob., Cilt 24(5), 1088gps denied 1093, 2008 areas, IEEE Int. Conf. on Multisensor Fusion and IntelligentD.Systems, 2008 [159] Integration Stipes J., R.for Hawthorne, Scheidt ss. ve 481-486, D. Pacifico, Cooperative [153] Simmons R. G., Apfelbaum, W. Burgard, D. on Fox,Networking, M. Moors, localization andD.mapping, IEEE Int. Conf. S. Thrunand ve Control, H. L. S.ss.Younes, for multi-robot Sensing 596-601,Coordination 2006 and mapping, Proc. A of the AAAIExploring Nat. Conf. Artificial on Artif. [160] exploration Thrun S., Robotic mapping: survey, Intelligence in andtheTwelfth Conf. on Innovative Applications of New Millennium, 2002. 852-858, slam 2000 with sparse extended [161] Artificial Thrun S. Intelligence, ve Y. Liu, ss. Multi-robot [154] Sivic J. ve filters, A. Zisserman, Google: A text retrieval information Robotics Video Research, Cilt 15, ss. 254-265, approach to object matching in videos. Int. Conf. on Computer 2005 1470-1477, 2003 [162] Vision,, Thrun S.Cilt ve 2,M.ss.Montemerlo, The graph slam algorithm with [155] Soyer C., H.toI.large-scale Bozma vemapping Y. Istefanopulos, A new memory applications of urban structures, Int. J. model for selective perception systems,2006 Proc. of IEEE/RSJ Int. Rob. Res., Cilt 25(5-6), ss. 403-429, on Robots Systems,W. ss. T. 2304-2309, [163] Conf. Torralba A., K. and P. Murphy, Freeman 2000 ve M. A.Rubin, [156] Soyer C., H. I.vision Bozmasystem ve Y. for Istefanopulos, Apes-biologically Context-based place and object recognition, motivated Auton. Rob.,Cilt Cilt1,20, 61-80, IEEE Int. attentive Conf. on robot, Computer Vision, ss.ss. 273, 20032006 [157] C.,I.O. Martinez Mozos ve W. Burgard, Speeding up [164] Stachniss Tomatis N., Nourbakhsh, K. Arras ve R. Siegwart, A hybrid multi-robot considering semantic place informaapproach forexploration robust andbyprecise mobile robot navigation with tion, IEEEenvironment Int. Conf. on Rob. andIEEE Aut., Int. ss. 1692-1697, 2006 compact modeling, Conf. on Rob. and [158] Steder B., 2, G.ss. Grisetti, C. Stachniss Aut., Cilt 1111-1116, 2001 ve W. Burgard, Visual slam flying IEEE Trans. on Rob., Cilt 24(5), ss. 1088[165] for Ullah M.,vehicles, A. Pronobis, B. Caputo, J. Luo, H. Jensfelt ve 1093, 2008 R. Christensen, Towards robust place recognition for robot [159] Stipes J., R. Hawthorne, D. Scheidt ve D.and Pacifico, Cooperative localization, IEEE Int. Conf. on Rob. Aut., ss. 530-537, localization and mapping, IEEE Int. Conf. on Networking, 2008 ss. 596-601, 2006 [166] Sensing Ulrich I.and ve I.Control, Nourbakhsh, Appearance-based place recognition [160] Thrun S., Robotic mapping: A survey, Exploring Artificial for topological localization, IEEE Int. Conf. on Rob. and Aut., Intelligence in the New2000 Millennium, 2002. Cilt 2, ss. 1023-1029, [161] S. ve Y. slam with optimization sparse extended [167] Thrun Unnikrishnan R. Liu, ve A.Multi-robot Kelly, A constrained apinformation filters, consistent Robotics mapping, Research, Proc. Cilt 15, ss. 254-265, proach to globally of IEEE/RSJ Int. 2005 Conf. on Robots and Systems, Cilt 1, ss. 564-569, 2002. [162] S. ve M.J.H., Montemerlo, graph slam algorithm with [168] Thrun van Schuppen Control ofThe distributed stochastic systemsapplications large-scaleand mapping of urban structures, J. Introduction,toproblems, approaches, Proc. of IFACInt. 18th Rob. Cilt 25(5-6), ss. 403-429, 2006 WorldRes., Congress, ss. 4446-4452, Milan, Italy, Aug 2011 [163] K.Adams, P. Murphy, W. T. Freeman M. A.Rubin, [169] Torralba Vig L. veA., J.A. Multi-robot coalition ve formation, IEEE Context-based for place and object recognition, Trans. on Rob.,vision 22(4),system ss. 637-649, 2006 Computer Vision, Cilt semantic 1, ss. 273,description 2003 [170] IEEE Wang Int. M. Conf. ve H. on Lin., An extended-HCT [164] Tomatis I. Nourbakhsh, ve Res., R. Siegwart, for visualN., place recognition, K. Int.Arras J. Rob. Cilt 30, A ss.hybrid 1403approach for robust and precise mobile robot navigation with 1420, 2011 Int. Conf. on Rob. and [171] compact Watts A.,environment A Dynamicmodeling, Model ofIEEE Network Formation, Games Aut., Cilt 2, ss. 1111-1116, 2001 2001 and Econ.Behav., 34, ss. 331-341, [165] M.,B.,A.M.Pronobis, Caputo, Luo, H. Jensfelt ve [172] Ullah Williams Cummins,B.José Neira, J.Paul Newman, Ian Reid R. Christensen, robustofplace for robot ve Juan Tardós, Towards A comparison loop recognition closing techniques in localization, IEEE Int. on Rob. and2009 Aut., ss. 530-537, monocular SLAM, Rob.Conf. and Aut. Systems, [173] 2008 Williams S., G. Dissanayake ve H. Durrant-Whyte, Towards [166] Ulrich I. ve I. simultaneous Nourbakhsh, Appearance-based place recognition multi-vehicle localisation and mapping, IEEE Int. for topological localization, Conf. on 2002. Rob. and Aut., Conf. on Rob. and Aut., CiltIEEE 3, ss.Int. 2743-2748, Cilt 2, ss. 1023-1029, 2000 [167] Unnikrishnan R. ve A. Kelly, A constrained optimization approach to globally consistent mapping, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, Cilt 1, ss. 564-569, 2002. [168] van Schuppen J.H., Control of distributed stochastic systemsIntroduction, problems, and approaches, Proc. of IFAC 18th World Congress, ss. 4446-4452, Milan, Italy, Aug 2011 118 [174] [167] [175] [168] [176] [169] [170] [177] [171] [178] [172] [173] [179] [180] [174] [181] [175] [182] [176] [183] [177] [178] [179] [180] [181] [182] [183] 14 Context-based vision system for place and object recognition, IEEE Int. Conf. on Computer Vision, Cilt 1, ss. 273, 2003 Tomatis N., I. Nourbakhsh, K. Arras ve R. Siegwart, A hybrid approach for robust and precise mobile robot navigation with compact environment modeling, IEEE Int. Conf. on Rob. and Aut., Cilt 2, ss. 1111-1116, 2001 TMMOB Elektrik Mühendisleri Odası Ullah M., A. Pronobis, B. Caputo, J. Luo, H. Jensfelt ve R. Christensen, Towards robust place recognition for robot localization, IEEE Int. Conf. on Rob. and Aut., ss. 530-537, 2008 Ulrich I. ve I. Nourbakhsh, Appearance-based place recognition for topological localization, IEEE Int. Conf. on Rob. and Aut., Cilt 2, ss. 1023-1029, 2000 Wisniewski R.,R.Towards Modelling of Hybridoptimization Systems, Proc. Unnikrishnan ve A. Kelly, A constrained apof the 45th IEEE Conf. Decision & Control, proach to globally consistent mapping, Proc.ss. of 911-916, IEEE/RSJ2006 Int. Wolf W. Burgard, ve H. Burkhardt, Robust vision-based Conf. J., on Robots and Systems, Cilt 1, ss. 564-569, 2002. localization by J.H., combining an of image-retrieval systemwith monte van Schuppen Control distributed stochastic systemscarlo localization, IEEE Trans. on Rob., CiltProc. 21(2),ofss. 208-216, Introduction, problems, and approaches, IFAC 18th 2005 Congress, ss. 4446-4452, Milan, Italy, Aug 2011 World Wu J. Rehg, Where am I: Place instance and category Vig L. ve ve J.J.A. Adams, Multi-robot coalition formation, IEEE recognition using spatial Proc. Trans. on Rob., 22(4), ss. PACT, 637-649, 2006of the 2004 IEEE Int. Conf. on andextended-HCT Patt. Recog., ss. 1-8, 2008 Wang M.Comp. ve H. Vision Lin., An semantic description Wurm K.M., C.recognition, Stachniss veInt. W.J.Burgard, for visual place Rob. Res.,Coordinated Cilt 30, ss. multi1403robot exploration using a segmentation of the environment, 1420, 2011 Proc. of Int. Conf. and Formation, Systems, ss.Games 1160Watts A.,IEEE/RSJ A Dynamic ModelonofRobots Network 1165, 2008 and Econ.Behav., 34, ss. 331-341, 2001 Yamauchi B.M. veCummins, R. Beer, José Spatial learning for navigation in Williams B., Neira, Paul Newman, Ian Reid dynamic environments, IEEE Transactions on Systems, Man, ve Juan Tardós, A comparison of loop closing techniques in and Cybernetics-Part B: Cybernetics, Special2009 Issue on Learning monocular SLAM, Rob. and Aut. Systems, Autonomous Cilt 26(3),vess.H.496-505, 1996 Williams S., Robots, G. Dissanayake Durrant-Whyte, Towards Yamauchi B., simultaneous Frontier-basedlocalisation explorationand using multiple robots, multi-vehicle mapping, IEEE Int. Int. Conf. on Autonomous Agents, ss. 47-53, 1998 Conf. on Rob. and Aut., Cilt 3, ss. 2743-2748, 2002. Zhang Z., Iterative point matching for registration of free-form curves, Int. Journal of Computer Vision, Cilt 13(2), ss. 119-152, Wisniewski R., Towards Modelling of Hybrid Systems, Proc. 1992 of the 45th IEEE Conf. Decision & Control, ss. 911-916, 2006 Zhou J., X. W. ve S. Roumeliotis, slam with unknown Wolf Burgard, ve H. Multi-robot Burkhardt, Robust vision-based initial correspondence: robot rendezvous case, Proc. of localization by combiningThe an image-retrieval systemwith monte IEEE/RSJ Int. Conf. onTrans. Robots ss. ss. 1785-1792, carlo localization, IEEE on and Rob.,Systems, Cilt 21(2), 208-216, 2006 2005 Zivkovic Bakker ve B. Hierarchical map category building Wu J. ve Z., J. B. Rehg, Where amKrose, I: Place instance and and planningusing basedspatial on graph partitioning, IEEE Int.IEEE Conf.Int. on recognition PACT, Proc. of the 2004 Rob. and Aut., ss.Vision 803-809, 2006 Recog., ss. 1-8, 2008 Conf. on Comp. and Patt. Zlot R.K.M., , A. Stentz, M. Dias Thayer, Coordinated Multi-robot exploWurm C. Stachniss ve ve W.S.Burgard, multiration exploration controlled byusing a market economy, IEEE on Rob. robot a segmentation of Int. the Conf. environment, and Aut., Cilt 3, ss. 2002 and Systems, ss. 1160Proc. of IEEE/RSJ Int.3016-3023, Conf. on Robots 1165, 2008 Yamauchi B. ve R. Beer, Spatial learning for navigation in dynamic environments, IEEE Transactions on Systems, Man, and Cybernetics-Part B: Cybernetics, Special Issue on Learning Autonomous Robots, Cilt 26(3), ss. 496-505, 1996 Yamauchi B., Frontier-based exploration using multiple robots, Int. Conf. on Autonomous Agents, ss. 47-53, 1998 Zhang Z., Iterative point matching for registration of free-form curves, Int. Journal of Computer Vision, Cilt 13(2), ss. 119-152, 1992 Zhou X. ve S. Roumeliotis, Multi-robot slam with unknown initial correspondence: The robot rendezvous case, Proc. of IEEE/RSJ Int. Conf. on Robots and Systems, ss. 1785-1792, 2006 Zivkovic Z., B. Bakker ve B. Krose, Hierarchical map building and planning based on graph partitioning, IEEE Int. Conf. on Rob. and Aut., ss. 803-809, 2006 Zlot R. , A. Stentz, M. Dias ve S. Thayer, Multi-robot exploration controlled by a market economy, IEEE Int. Conf. on Rob. and Aut., Cilt 3, ss. 3016-3023, 2002 14 TMMOB Elektrik Mühendisleri Odası EMO BİLİMSEL HAKEMLİ DERGİ YAZIM KURALLARI YÖNERGESİ “EMO Bilimsel Hakemli Dergi”, özgün bilimsel araştırmalar ile ilginç uygulama çalışmalarına yer veren ve bu niteliği ile hem araştırmacılara hem de uygulamadaki mühendislere seslenmeyi amaçlayan hakemli bir dergidir. İlgi alanı Elektrik Mühendisleri Odasına kayıtlı tüm mühendislik disiplinleridir. Yayın dili Türkçe olup, dergide yayınlanacak makaleler ve kısa bildiriler ile ilgili yazım kuralları aşağıda verilmektedir. Makalelerin basıma hazır tam metni, pdf dosyası olarak http://edergiportal.emomerkez.net/sayilar adresindeki derginin Makale Yönetim Sistemi üzerinden iletilmelidir. Makale dosyaları, ilk yazarın soyadına göre adlandırılmalı, aynı yazara ilişkin birden fazla bildiri iletilmesi durumunda verilen ada ek olarak numaralandırma da yapılmalıdır. Bilgisayar ortamında iletilmeyen makalelerin hakemlere gönderilmesi ve değerlendirilmesi olanağı bulunmamaktadır. Makale yazım kuralları: • Makale sayfaları, A4 (210 mm x 297 mm) kağıt boyutunda hazırlanmalıdır. • Sayfa kenar boşlukları: İlk sayfa için üst = 3 cm, alt = 3,7 cm, sol = 2 cm, sağ = 2 cm diğer sayfalar için üst = 2,5 cm, alt = 3,7 cm, sol = 2 cm, sağ = 2 cm. • Makale herbiri 80 mm genişliğinde iki sütun halinde yazılmalıdır. Sütunlar arasında 10 mm aralık bırakılmalıdır. • Makale, Times New Roman yazı tipi ile tek satır aralıklı, iki yana dayalı hizalı olarak yazılmalıdır. • Makale başlığında, bildiri adı, yazar adları, yazarların çalıştıkları kurumların adları ve e-posta adresleri yer almalıdır. • Başlıktan sonra dört satır boşluk bırakılarak yazılacak Türkçe özet ve İngilizce özet (abstract) kısımları en az 100, en çok 150 kelimeden oluşmalıdır. • Bölüm başlıkları, numaralandırılmalı, yalnızca baş harfleri büyük harflerle yazılmalı ve sütuna ortalanmalıdır. • Makalede kullanılacak yazı tipi boyut ve biçimleri: Başlık 14 Kalın Yalnızca baş harfleri büyük Yazar adları 12 İtalik Kurum adları 12 Özetler 9 İtalik Alt ve üst simgeler 7 Başlıklar 11 Kalın Metin 9 • Makale değerlendirme sonuçları, sisteme yüklendikten en geç 2 ay sonra e-posta ile yazarlara bildirilecektir. Aksi belirtilmedikçe yazışmalarda birinci yazarın adresi kullanılacaktır. Tüm yazışmalar ve ilişkiler http://bilimseldergi.emo.org.tr web sayfasında açılacak olan alanda elektronik ortamda yapılacaktır. Bu yazım kuralları, TMMOB Elektrik Mühendisleri Odası Yönetim Kurulu ile EMO Bilimsel Hakemli Derginin yayın kurulunca yürütülür.