Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSonuç olarak bulanık mantık taşıt ısıl konfor sistemlerinde hızlı karar alma için uygun bir araç olarak bulunmuştur.
📌 3 Maddede Bu Makale
Özet
Bu çalışma, deneysel bir çalışmadan elde edilen veriler kullanılarak taşıt koltuklarının ısıtılması için değiştirilen bir taşıt kliması sisteminin performansının bulanık mantık modelini sunar. Deneyler sırasında 500 dev/dak değerinden 1600 dev/dak değerine kadar 100 dev/dak aralıklarla değişen kompresör devirlerine karşılık koltuk oturak ve sırt sıcaklıkları 15 dakika boyunca kaydedilmiştir. Bulanık mantık yönteminde, giriş parametreleri kompresör devri ve zaman olarak seçilmişken çıkış parametreleri olarak koltuk sırt ve oturak sıcaklıkları seçilmiştir. Bulanıklaştırma işlemi için on iki hız seviyesi ve on zaman seviyesi belirlenmiştir. Çıkış için yedi sırt sıcaklığı ve on bir oturak sıcaklığı seçilmiştir. Sistemin giriş ve çıkışının ilişkisini tanımlayan toplamda 120 gözetim kuralı saptanmıştır. Toplamda 4320 sırt ve oturak sıcaklık verisi ayrıca bulanık mantık ile bulunmuştur. Bulanık mantık ve deneysel sonuçların birbirleri ile karşılaştırılmasında "determinasyon katsayısı" kullanılmıştır. Deneysel çalışmanın ara değerleri bulanık mantık modeli ile de tahmin ettirilmiştir. Canlı denekten koltuğa gerçekleşen ısı transferi nedeniyle ısıl süreç içerisinde koltuk yüzeylerindeki azami sıcaklık değeri 5inci ve 10uncu dakikalar arasında gerçekleşmiştir. En yüksek sıcaklık değerleri 1600 dev/dak değerinde elde edilirken en düşük sıcaklık değerleri 500 dev/dak değerinde elde edilmiştir. Deneysel veriler ile model sonuçları arasındaki korelasyon tatmin edicidir. Sonuç olarak bulanık mantık taşıt ısıl konfor sistemlerinde hızlı karar alma için uygun bir araç olarak bulunmuştur. Model gelecekte bir akıllı araç klima sistemine adapte edilmek için değiştirilebilir. İlk defa sunulan bu deneysel veriler ile Bulanık Mantık uygulama sonuçları gelecek çalışmalar için referans teşkil etmektedir.
Abstract
Fuzzy Logic model of a vehicle seat heating system was constituted by using data obtained from a previous experimental work of ours. A standard vehicle air conditioning system was modified in order to pump heat to the surfaces of a vehicle seat. Collected data were used to constitute the fuzzy logic model and test it. In the Fuzzy Logic method, input parameters were selected as compressor speed (rpm) and time (s) while output parameters were back and seating surface temperatures (oC) of the vehicle seat. Back and seating temperatures were recorded for 15 minutes for compressor speeds ranging from 500 rpm to 1600 rpm with 100 rpm intervals. Twelve levels of revolution and ten levels of time were selected and determined for the fuzzyfication process. As output fuzzy levels seven back temperature levels and eleven seat temperature levels were determined. Totally 120 supervision rules that define relation between system input and output and detect behaviors of fuzzy logic supervision were determined. Data that were measured at every 5 seconds for 12 different rotation speed speeds which yield totally 4320 points for back and seating surfaces were also found by Fuzzy Logic. Determination coefficient was used for the comparison of experimental and fuzzy logic results. Additionally surface temperatures were estimated with fuzzy logic for intermediate values of the experimental study. As a conclusion, fuzzy logic is found a proper tool for rapid decision making in vehicle thermal comfort systems.