ORGANİZASYON

ÖNSÖZ

DESTEKLEYENLER

İÇİNDEKİLER

YAZAR İNDEKSİ

ASYU 2006 ORGANİZASYONU

ASYU 2006, Yıldız Teknik Üniversitesi, Elektrik Elektronik Fakültesi tarafından düzenlenmiştir.

Genel Başkan

Galip Cansever, Yıldız Teknik Üniv.

Düzenleme Kurulu Başkanı Tülay Yıldırım, Yıldız Teknik Üniv.

Danışma Kurulu

Levent AKIN (BÜ) Mehmet AKIN (Dicle Ü.) Hacı BODUR (YTÜ) Cihan DAĞLI (Missouri-Rolla U.) Yakup DEMİR (Fırat Ü.) Okan ERSOY (Purdue U.) Sarp ERTURK (Kocaeli Ü.) Leyla GÖREN (İTÜ) Filiz GÜNEŞ (YTÜ) Fikret GÜRGEN (BÜ)

Altay GÜVENİR (Bilkent Ü.) Cüneyt GÜZELİŞ (DEÜ) Uğur HALICI (ODTÜ) Oya KALIPSIZ (YTÜ) M. Kemal KIYMIK (KSİ Ü.) Tamer ÖLMEZ (İTÜ) Hakan TEMELTAŞ(İTÜ) Coşkun SÖNMEZ (YTÜ) Tankut YALÇINÖZ (Niğde Ü.) M. Emin YÜKSEL (Erciyes Ü.)

Düzenleme Kurulu

Revna ACAR VURAL Songül ALBAYRAK M. Fatih AMASYALI Aslı BİROL Bülent BOLAT

Nihan COŞKUN M. Cem DİKBAŞ Tarkan DİNÇ Cenk DİNÇBAKIR Banu DİRİ

Ş.Naci ENGİN Burcu ERKMEN Lale ÖZYILMAZ Sırma YAVUZ Sibel ZORLU

Bilim Kurulu

M.A. AKÇAYOL (Gazi Ü.) L. AKIN (BÜ) M. AKIN (Dicle Ü.) S. AKYOKUŞ (Doğuş Ü.) S. ALBAYRAK (YTÜ) M. ALÇI (Erciyes Ü.) İ. H. ALTAŞ (KTÜ) F. AMASYALI (YTÜ) U. ARIFOĞLU (Sakarya Ü.) A. ARSLAN (Selçuk Ü.) N. AYDIN (Bahçeşehir Ü.) Ö. F. BAY (Gazi Ü.) N. BEKİROĞLU (YTÜ) H. Ş. BİLGE (Gazi Ü.) A. S. BİNGÖL (Hacettepe Ü.) B. BOLAT (YTÜ) Ö. Ö. BOZKURT (YTÜ) C. BOZŞAHİN (ODTÜ) G. CANSEVER (YTÜ) V. COŞKUN (Işık Ü.) K. ÇAĞILTAY (ODTÜ) O. ÇİÇEKOĞLU (BÜ) G. DALKILIÇ (DEÜ) M. DANACI (Erciyes Ü.) Y. DEMIR (Fırat Ü.) B. DİRİ (YTÜ) M. DOGRUEL (Marmara Ü.) Z. DOKUR (İTÜ) Ç. ELMAS (Gazi Ü.) Ş. N. ENGİN (YTÜ)

O. K. EROL (İTÜ) S. ERTÜRK (Kocaeli Ü.) E. M. ESİN (GYTE) H. İ.ESKİKURT (Sakarya Ü.) A. Ş. ETANER UYAR (İTÜ) M. GÖKTÜRK (GYTE) H. GÖRGÜN (YTÜ) K. GÜLEZ (YTÜ) Ş. GÜMÜŞTEKIN (İYTE) T. GÜNDEM (BÜ) M. GÜNDÜZALP (DEÜ) T. GÜNEL (İTÜ) F. GÜNEŞ (YTÜ) T. GÜNGÖR (BÜ) F. GÜRGEN (BÜ) A. GÜRSOY (Koç Ü.) E. İMAL (Fatih Ü.) Y. KAHYA (BÜ) Ö. KALENDERLI (İTÜ) O. KALIPSIZ (YTÜ) D. KARABOĞA (Erciyes Ü.) N. KARABOĞA (Erciyes Ü.) E. KARSLIGİL (YTÜ) R. KAZAN (Sakarya Ü.) S. KENT (İTÜ) U. KESEN (Marmara Ü.) H. KILIÇ (Atılım Ü.) M. KUNTALP (DEÜ) Ü. KÜÇÜK (YTÜ) İ. B. KÜÇÜKDEMİRAL (YTÜ)

I. LAZOĞLU (Koç Ü.) V. NABİYEV (KTÜ) A. ONAT (Sabancı Ü.) Y. ÖZBAY (Selçuk Ü.) E. ÖZCAN (Yeditepe Ü.) A. ÖZCERİT (Sakarya Ü.) Ö. F. ÖZGUVEN (İnönü Ü.) Y. ÖZKAZANÇ (Hacettepe Ü.) L. ÖZYILMAZ (YTÜ) Y. H. ÖZYILMAZ (Tesan Ltd.) B. SAY (ODTÜ) C. SAY (BÜ) H. SEDEF (YTÜ) E. SEVİLGEN (GYTE) A. SUBAŞI (KSİ Ü.) A. C. SÖNMEZ (YTÜ) H. TEMELTAŞ (İTÜ) F. TEMURTAŞ(Sakarya Ü.) H. TORPİ (YTÜ) O.N. UÇAN (İÜ) N. UMURKAN (YTÜ) Ö. ULUSOY (Bilkent Ü.) M. YAKUT (Kocaeli Ü.) T. YALÇINÖZ (Niğde Ü.) S. YAVUZ (YTÜ) E. YAZGAN (Hacettepe Ü.) T. YILDIRIM (YTÜ) A. YILMAZ (Hacettepe Ü.) M. E. YÜKSEL (Erciyes Ü.)

Varikap Diyotun Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi İle Modellenmesi

Davut Hanbay1 İbrahim Türkoğlu1 Yakup Demir2

1 Fırat Üniversitesi, Elektronik ve Bilgisayar Eğitimi Bölümü, 2 Fırat Üniversitesi, Elektrik-Elektronik Mühendisliği Bölümü, 23119 Elazığ.

dhanbay@firat.edu.tr , iturkoglu@firat.edu.tr, ydemir@firat.edu.tr

Özet

Bu çalışmada, osilatör devrelerinde ayarlanabilen kapasitans özelliğinden dolayı kullanılan varikap diyot örnek bir elektronik devre elemanı olarak ele alınmış ve bu varikap diyotun uyarlamalı ağ tabanlı bulanık çıkarım sistemi (UATBÇS) ile modellemesi yapılmıştır. Bu modellemenin yapılmasındaki temel amaç, gerçek uygulamalarda kullanılan varikap diyotun yerine benzetim çalışmalarında kullanılacak daha etkili akıllı sistem tabanlı bir varikap diyot modelinin oluşturulması ve istenilen özellikte çalışabilmesinin sağlanmasıdır. Akıllı modeller kullanılarak fiziksel sistemlerin benzetimi istenilen şartlarda gerçeğe daha uygun yapılabilecektir. 1.Giriş

Günümüzde birçok farklı alanda belirli amaçlar için modelleme kullanılmaktadır. Özellikle doğrusal olmayan elemanların modellenmesi, karmaşık yâda çok değişkenli sistemlerin incelenmesi, ölçülmesi zor veya imkânsız olan parametrelerin incelenmesi gibi çok çeşitli amaçlar için endüstri, tıp, kontrol v.b. alanlarda modelleme kullanılmaktadır. Yapay zekâ konusunda yapılan çalışmalara bağlı olarak yapay sinir ağları, bulanık mantık ve genetik algoritmalar ve benzeri yöntemler kullanılarak akıllı modelleme kavramı geliştirilmiş ve uygulama sahası bulmuştur. Akıllı yapılarla modelleme yapay zekâ tekniklerinden faydalanılarak yapılmaktadır. Bu modelleme, sistem hakkında sınırlı bilgiye sahip olunduğunda giriş-çıkış ilişkilerine dayalı olarak yapılır. Elde edilen modeller değişen şartlara uyum sağlama ve bilinmeyen bir giriş uygulandığında genelleme yeteneği sayesinde sonuç üretme özelliğine sahiptir. Akıllı metotlar kullanılarak gürültüye ve parametre değişimlerine karşı daha dayanımlı modeller oluşturmak mümkündür [1-3].

Akıllı modeller için özel donanım geliştirilmesinin birçok yararı vardır. Bunlar arasında şunları saymak mümkündür. Hız, Güvenilirlik, Özel çalıştırma koşulları. Değişik şekillerde yapay sinir ağı donanımlarının geliştirildiğini görmek mümkündür. Hangi donanımın daha iyi olacağı ağın öğreneceği probleme göre değişmektedir. Akıllı donanım konusunda yapılan bazı çalışmalar [4-6] ile verilen kaynaklarda mevcuttur.

2.1. Varikap Diyot ve Karakteristiği

Varaktör olarak adlandırılan varikap diyot, günümüzde çeşitli osilatör ve filtre gibi değişken kapasite gerekli olan devrelerde oldukça faydalı olmaktadır. Ters ön-gerilimlendiğinde değişme aralığı küçük bir kapasitör özelliği göstermektedir. Uygulanan ters ön-gerilim değeri değiştirilerek diyotun kapasitansı değiştirilir. Fakat varikap diyotun bazı dezavantajları bulunmaktadır. Bunlardan birincisi osilatör devrelerinde gürültü üretmeleri, diğeri ise voltaj-kapasite değişimlerinin doğrusal olmamasıdır. Akıllı metot kullanılarak elde edilen modellerle bu sorunlar rahatlıkla çözülebilir. Varikap diyotlar şekil 1’de gösterildiği gibi değişken bir kapasite ve buna seri bir direnç ile modellenebilir.

Cjv Rs

Şekil 1. Varikap diyot eşdeğer modeli

Kapasite değeri ters ön-gerilim değeri değiştirilerek

ayarlanır. Oluşan yeni kapasite değeri denklem 1 ile hesaplanabilir. Burada Cjo sıfır volt ters ön-gerilimdeki kapasite değeri, Cjv uygulanan ters ön-gerilim değerindeki kapasite değeri, Vr uygulanan ters ön-gerilim değeri, φ temas potansiyeli, N ise jonksiyon derecesidir [7].

Nr

jjv V

CC

)/1(0

ϕ+= (1)

2.2. Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi

UATBÇS’nin, yapısında hem yapay sinir ağları hem de bulanık mantık kullanılır [8,9]. Yapı bakımından UATBÇS, bulanık çıkarım sistemindeki eğer-ise kuralları ve giriş çıkış bilgi çiftlerinden oluşur. Ancak sistem eğitiminde ve modellenmesinde yapay sinir ağları öğrenme algoritmaları kullanılır[8,9]. İki girişli ve bir çıkışlı bir UATBÇS’in temel yapısı Şekil 2’de görülmektedir. Bu yapı, 5 katman ve 6 adet eğer-ise kuralları kullanılarak oluşturulmuştur.

19

ASYU 2006 Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu ©Yıldız Teknik Üniversitesi Elektrik-Elektronik Fakültesi

1. Katman : Bu katmandaki hücre sayısı, iki giriş ve bu iki girişin her birine üç üyelik fonksiyonu tanımlandığına göre altıdır. 2. Katman : Bu katmanda kuralların kesinlik dereceleri cebirsel çarpım kullanılarak hesaplanır. 3. Katman : Bu katmanda kuralların normalizasyon işlemi yapılmaktadır. 4. Katman : Bu katmanda normalize edilmiş her bir kural kendine ait çıkış fonksiyonu ile çarpılır. 5. Katman : 4. Katmanın çıkışlarının toplanarak UATBÇS çıkışının sayısal değeri bulunur.

π

π

π

A2

B3

B2

B1

A1

A3

L1

W1

X

L5

L4L3L2

Y

Y

W1n

W11

Wn

Şekil 2. İki girişli tek çıkışlı bir UATBÇS yapısı 2.3. UATBÇS ile Sistem Modelleme

Sistem modellemenin amacı, karmaşık ve doğrusal olmayan fiziksel sistemler ile ilgili çalışmalarda bu sistemlerin yerine kullanılabilecek ve ayrıca çalışmaları daha pratik ve basit hale getirebilecek benzetim elemanları oluşturmaktır [9]. Böylece, fiziksel kullanımı boyut, enerji ve maliyet açısından çok güç olan elemanların yerine, bu elemanları doğru bir şekilde temsil eden modelleri daha kolay bir şekilde kullanılabilir. Şekil 3 ve 4’te sırasıyla bir sistemin UATBÇS ile düz ve ters modelleme blok diyagramları verilmiştir [8].

ModellenecekEleman

UATBÇDüz Model

y(k)

u(k)

+

-

d(k)

e(k)

Şekil 3. UATBÇS ile düz modelleme

ModellenecekEleman

UATBÇTers Model

+

-

e(k)

u(k) (referans)

y(k-1)

y(k)

Şekil 4. UATBÇS ile ters modelleme

UATBÇS ile sistem modellemede genellikle

yukarıdaki iki modelleme tekniğinden uygun olanı seçilir. Yapılan çalışmada, Şekil 3’deki düz modelleme tekniği kullanılarak, modelleme için varikap diyotun gerilim kapasite karakteristiği kullanılmıştır. Bu gerilim kapasite karakteristiğinin sayısal verileri kullanılarak, UATBÇS akıllı yapısı ile varikap diyot başarılı bir şekilde modellenmiştir. 3. Modelleme Uygulaması

Yapılan çalışmada, kullanılan varikap diyot gerilim-kapasite karakteristiği Denklem (1)’e bağlı olarak Şekil 5’de verilmiştir. Bu karakteristiğin sayısal değerleri ile UATBÇS tabanlı model elde edilmiştir. Bu modelleme yapısında Şekil 5’deki gerilim değerleri sistem girişi, kapasite değerleri ise sistem çıkışı olarak kullanılmıştır. Bunun için, kullanılan UATBÇS yapısı tek girişli ve tek çıkışlıdır. UATBÇS’nin yapısında üyelik fonksiyonu olarak çan eğrisi fonksiyonu kullanılmıştır. Varikap diyot modelleme yapısı Şekil 6’da verilmiştir.

0 5 10 15 20 25 300

10

20

30

40

50

60

70

Ters Öngerilim (V)

kapa

site

(pF)

Şekil 5. Varikap diyot gerilim-kapasite karakteristiği

20

Varikap Diyot

UATBÇ DüzModeli

y(k)

v(k)

+

-

C(k)

e(k)

Şekil 6. Varikap diyot UATBÇS model yapısı

0 5 10 15 20 25 300

10

20

30

40

50

60

70

Ters Öngerilim (V)

Kap

asite

(pF)

istenilen sonuçUATBÇ sonucu

a). İterasyon sayısı =500, Üyelik fonksiyon sayısı = 2

0 5 10 15 20 25 300

10

20

30

40

50

60

70

Ters Öngerilim (V)

Kap

asite

(pF)

istenilen sonuçUATBÇ sonucu

b. İterasyon sayısı =500, Üyelik fonksiyon sayısı = 5

Şekil 7. Varikap Diyotun UATBÇS Modeli

Uygulama kısmında UATBÇS’nin üyelik fonksiyon sayısı ve eğitim tur sayısı değiştirilerek uygun sonuç elde edilmeye çalışılmıştır. Elde edilen

bazı sonuçlar Şekil 7’de gösterilmiştir. Üyelik fonksiyon sayısı 10, iterasyon sayısı 5000 olarak seçildiğinde ise toplam karesel hata 0.000202972 olarak belirlenmiştir.

4. Sonuçlar Bu çalışmada, elektronik devre elemanı olarak ele

alınan varikap diyot örneği, UATBÇS metodu kullanılarak Şekil 6’da görüldüğü gibi başarılı bir şekilde modellenmiştir. UATBÇS’in eğitiminde ne kadar fazla giriş üyelik fonksiyonu kullanılır ve iterasyon sayısı arttırılırsa o kadar küçük hatalarla modelleme işlemi yapılır. Bu durum ise, UATBÇS yapısının daha karmaşık olmasına ve eğitiminin yavaşlamasına sebep olur. Günümüzde UATBÇS yapısı ile devre elemanı modelleme, sınıflandırma ve sistem denetimi gün geçtikçe önem kazanmaktadır. Bunda en büyük pay şüphesiz ki UATBÇS’in yapay sinir ağlarının kolay eğitilebilme ve bulanık mantığın insan bilgi ve tecrübesini sistem içine yerleştirme gibi avantajlarının her ikisine birden sahip olmasıdır. 5. Kaynaklar [1] Internet: Sim-Ser- production simulation service, E.K. Juuso, “Modeling and Simulation with Intelligent Methods”,https://www.sim-serv.com/ pdf/whitepapers, 2006. [2] T. Takagi, M. Sugeno, “Fuzzy identification of systems and its applications to modeling and control”, IEEE Trans. Systems, Man. and Cybernetics, vol. 15, pp. 116–132, 1985 [3] S. Chen, S.A. Billings, “Neural Networks for Nonlinear Dynamic System Modeling and Identification”, Int. J. Control, Vol.56, No:2, 319-346. 1992 [4] Yihua Liao, "Neural Networks in Hardware: A Survey", ECS 250A (Computer Architecture) project, fall 2001 [5] Duman F., Erdem H., 2003, Hardware Implementation of Neural Network on General Purpose Microcontroller, International Conf. On Sig. Proc., Vol. 1, num. 2, [6] D.Hanbay, İ. Türkoğlu, Y. Demir, “Neural Network Donanımları ve Genel Amaçlı PIC Mikro denetleyiciler Kullanarak Uygulanması”,Bilimde Modern Yöntemler Sempozyumu, BYMS'2005, 902–909, Kocaeli, 2005. [7] Chadderton N., “Zetex Variable Capacitance Diodes”, App. Notes 9, july 2004 [8] J.S.R. Jang, “ANFIS: Adaptive network-based fuzzy inference systems”, IEEE, Trans. Syst., Man. and Cybern., vol. 23, pp. 665-685, (1993). [9] E. Avcı, İ. Türkoğlu, “Modeling of Tunnel Diode by Adaptive-Network-Based Fuzzy Inference System”, International Journal of Computational Intelligence (IJCI) Proceedings - XII. TAINN, ISSN 1304–2386, Vol. 1, Number 1, 231–233, Temmuz,2003

21