Gaz karışımlarını QCM sensör dizisi ve yapay sinir ağı kullanılarak bulunması

Abstract

Özellikle son yıllarda hızlı ve otomatik analiz imkanı sağlayan akıllı proses sistemlerinde büyük gelişmeler kaydedilmiştir. Gerek endüstriyel üretimde gerekse bilimsel çalışmalarda kullanıcıya büyük avantajlar sağlayan bu sistemlerden bir tanesi de elektronik burunlardır. Bu sistemlerin koku ve gaz analizinde kullanılan geleneksel yöntemlere göre avantajı; hızlı, objektif ve daha ucuz analiz imkanı sağlamalarıdır. Bu tez çalışmasında; TÜBİTAK Marmara Araştırma Merkezi, Malzeme Teknolojileri Enstitüsü'nde Sensör Gurubu'nca geliştirilen sistemden alınmış datalar kullanılmıştır. Bu datalar kullanılarak YSA ile bir gaz karışımının bileşimlerini bulan sistem geliştirilmiştir. YSA'yı gerçeklemek için iki farklı yol izlenilmiştir. Yapay sinir ağı modeli Xilinx Spartan-II Field Programmable Gate Array (FPGA) çip setli Xess Board kullanarak donanımsal olarak gerçeklenmiş, fakat gerçeklenen donanımsal YSA modeli istenilen performansı sağlamasına rağmen sensör karakteristiklerinden dolayı kullanılmaktan vazgeçilmiştir. Bunun yerine Matlab kullanılarak yazılımsal olarak gerçeklenen Geri Yayılımlı Yapay Sinir Ağı kullanılmıştır. Sensör tepkilerine ait dijital datalar düzenlendikten sonre gaz karışımlarındaki gazlan tespit etmekte kullanılan 3 katmanlı YSA'nın eğitiminde kullanıldı. Sistem aşağıdaki gaz karışımları kullanılarak test edildi; Etanol-Aseton, Etanol-Trikloretilen, Asetön-Trikloretilen. Anahtar Kelimeler: YSA, FPGA, QCM, Matlab, NNTOOL, Elektronik Burun, Geri Yayılımlı YSA

In recent years, automation systems and smart analysis systems have shown very rapid progress. Electronic noses have very important place in these systems; both in industrial plants and scientific researches. Electronic noses are used in smell and gas analysis to detect critical gases that may harm humans, which is quite a new topic in the academia. A lot of researches have currently been done in the area around the world. In this thesis,the datas obtained from the system which was developed by the Sensor Group in the Material Technology Institute of the Marmara Research Center, a branch office of the Scientific&Technological Council of Turkey (TÜBİTAK), have been used. Two different ways have been tested to construct NN. First, it has been constructed in hardware using FPGA (Field Programmable Gate Array) technology. Although the hardware system was provided sufficient performance, we had to quit due to sensor characteristics and find another way to implement NN. Then, a feed-forward back-propagation NN was constructed in software using Matiab. The digital data obtained from sensor array is preprocessed first, and then so me ofthese data is used to train 3-layer NN. The rest of the data is used to test the system. The system is tested with the following gas mixtures: (1) Ethanol-acetone, (2) Ethanol- trichloroethylene, (3) Acetone-trichloroethylene. Keywords: YSA, FPGA, QCM, Matiab, NNTOOL, Electronic Nose, Feed-forward Backpropagation