Akıllı Ev Sistemleri için Geliştirilen Yapay Sinir Ağı Tabanlı Gezgin Hizmet Robotu

Artificial Neural Network Based Mobile Service Robot Developed for Smart Home Systems

Özet

Bu çalışmada akıllı ev sistemlerinde kullanılmak üzere Arduino ve çeşitli sensörlerle çalışan bir robot geliştirilmiştir. Çalışmanın amacıakıllı ev sisteminde herhangi bir arıza ya da elektrik kesintisi olması durumunda robotun devreye girerek ev içerisindeki tüm odalarıgezmesi ve odalar içerisindeki acil durumları SMS yoluyla kullanıcılara haber vermesini sağlamaktır. Çalışmada yön bulmak için 2farklı algoritma kullanılmıştır. Bu algoritmalar duvar takibi algoritması ve Proportional Integral Derivative (PID) algoritmasıdır. Verikümesi, robot ev içerisinde gezerken sensörlerden alınan veriler ile oluşmaktadır. Verilerin eğitim ve test olarak ayrıştırılmasında 10-katlı çapraz doğrulama kullanılmıştır. Veriler, yapay sinir ağlarının Multilayer Perceptron (MLP) algoritması ile robota öğretilmiş veanormal durumların tespit edilmesi sağlanmıştır. Elde edilen performans değerleri 8. katta MSE için 0.1241, MAE için 0.0826 ve R için0.9792 olarak hesaplanmıştır. Çalışmada elde edilen sonuçlar, çalışmanın bu tip problemlerde etkin kararlar verebildiğini vegeliştirilebileceğini göstermiştir.

Abstract

In this study, a robot working with Arduino and various sensors has been developed for use in smart home systems. The aim of the study is to enable the robot to walk through all the rooms in the house in case of any breakdown or power failure in the smart home system and to notify the users of the emergencies in the rooms via SMS. Two different algorithms were used to find directions. These algorithms are the wall tracking algorithm and the Proportional Integral Derivative (PID) algorithm. The data set consists of data from the sensors as the robot travels through the house. 10-fold cross-validation was used to separate the data as training and test. The data were taught to the robot by the Multilayer Perceptron (MLP) algorithm of artificial neural networks and it was provided to detect abnormal conditions. The obtained performance values were calculated as 0.1241 for MSE, 0.0826 for MAE and 0.9792 for R at the fold number 8. The results obtained in this study showed that the study can make effective decisions and be developed for these kinds of problems.