Teknolojik gelişmelere bağlı olarak günümüzde insana ait otomatik tanımlama veya doğrulama için kullanılan ölçülebilir, eşsiz fizyolojik parametreler vardır. Bu parametreler kişinin el, parmak izi, ses, göz, imza, retina, kulak şekli, DNA, koku ve yürüyüş kıstasları vb olarak sıralanabilir. Bu parametreler kullanılarak pek çok farklı yöntemle insana ait tanımlama gerçekleştirilebilmektedir. Bu yöntemlerden en yaygın kullanılanlarından biri de ses tanımadır. Ses tanıma yöntemi, insanların kimlik doğrulanmasından cihazları sesle kontrol etmeye kadar geniş yelpazede kullanımı gittikçe artmaktadır. Tanıma ve sınıflandırma için kullanılabilecek önemli bir özellik olan ses tanıma cihazların arıza tespiti, dişlerde çatlak tespiti vb pek çok alanda da kullanılmaya başlanmıştır.
Ses tanıma ve analizi; günümüz dünyasında arızaların tespit edilmesi, kontrol tekniklerine erişim ve problemlere çözüm bulunması hususlarında önde gelen bir teknik haline gelmiştir. Araçlarda arızaların varlığı, sistem bütünlüğüne yönelik zorluklarla karşılaşılmasına neden olmaktadır. Araç anahtarı, motor arızaları, hatalı pin, hatalı kodlar vb. diğer kimlik hatası doğrulamaları, uyumsuzluk gibi verilerin bilgisayar ortamına aktarılması ile tespit edilebilecektir. Ayrıca oluşabilecek bu istenmeyen durumlar korumalı sisteme erişimin de durdurulmasına neden olmaktadır. Bununla birlikte, ses analizi, otomotiv teknolojilerindeki gelişmeler ile bu türdeki bir ikilem için eksiksiz bir çözüm sağlayabilmektedir.
Ses analizi, tanıma ve doğrulama olmak üzere iki adımdan oluşur. Tanıma; bir veri tabanı içinde kayıtlı bir verinin tüm sistemle karşılaştırılması şeklinde tanımlanır. Doğrulama, aynı hatadan kaynaklanıp kaynaklanmadıklarını belirlemek için bir çiftin karşılaştırılması şeklinde ifade edilir. Bu yetkilendirmeler, kayıtlı veya önceden depolanmış bir ses analizi numunenin yeni incelenen bir numuneyle karşılaştırılmasını gerektirir. Bu işlem temel olarak, üç adımdan oluşan bir işlemdir. Veri tabanı oluşturma, özellikleri analizi ve test aşamalarından oluşur.
Bu çalışmada tasarlanıp gerçekleştirilen sistem ile rölantide çalışan bir araç motorunda oluşan arıza ya da sistem hataları ses analizi ile tespit edilebilecek, daha büyük arızalara hatta oluşabilecek kazaların önüne geçilmiş olunacaktır. Ayrıca gerçekleştirilecek mobil yazılım ve yazılımda kullanılacak yapay zekâ yöntemiyle sürücünün motor arıza sebebini öğrenme ve gerekli ise çekici yada servis bilgilerine ulaşmasına imkan sağlanmış olacaktır.
Bu çalışmada; ses tanıma ve ses tanıma sistemlerinde kullanılan yöntemler, teknikler açıklanmış, ses tanıma teorisi belirtilmiştir. Çalışmada ses tanıma yöntem ve tekniklerinin araç motor arıza tespitinde kullanılması amaçlanmıştır. Günümüz teknolojisinde, araç arızaları, yine de deneyimli ustaların bilgisi veya burada bulunan yetkili kişilerin uzmanlığı ile, aracın görevini yapamaması sonucu servise almak zorunda kalınarak tespit edilebilmektedir. Bu konuda bir çalışma yapılarak, sürücülerin bir uygulama sayesinde araçlarının motorlarındaki bazı sorunları veya arızaları sadece ses kayıtlarından cep telefonları veya başka bir cihaz yardımıyla tespit edelmesi amaçlanmıştır Böyle bir uygulamayı gerçeğe dönüştürmek için tek marka ve tek yakıt türündeki araç örnekleri üzerinde çalışılmıştır. Bu araçların motorlarının arızalı ve arızasız durumlarda ses kayıtları alınmış, uzman tarafından arıza türleri ile birlikte bir veri tabanı oluşturulmuştur. Bu veri tabanı ile araç motorlarında meydana gelen arızaların ses tanıma yöntemleri kullanılarak tespiti ve sınıflandırılması gerçekleştirilmiştir. Bu amaçla ses kayıtları gürültülerden temizlemiş, hareketli ortalama, Welch ve Spektrogram gibi Güç Spektral Yoğunluğu (PSD) yöntemleri ile ses analizi yapılmıştır. Elde edilen sonuçlar iyi k-En Yakın Komşu (Fine kNN - Fine k-Nearest Neighbor), kaba ağaç (Coarse Tree) ve Rasgele Orman (RF- Random Forest) yöntemleri ile test edilmiştir. RF yöntemi en iyi sonucu verdiği için yazılım bu yöntem ile gerçekleştirilmiştir. Test amacı ile alınan motor ses kayıtları gerçekleştirilen yazılımda 3 tekerrür ile ve gürültüler eklenerek gerçekleştirilmiştir. Gerçekleştirilen yazılım ile %80 başarılı sonuç elde edilmiştir. Araç motor seslerin sayısının arttırılması, diğer yakıt türleri ile çalışan motorlara sahip araçların kullanılması, mevsimlere, motor yağ türü vb. pek çok parametrelere göre veri tabanı oluşturularak yaygın bir şekilde kullanılabilecek yazılım geliştirilebilir.
|
Due to technological developments, there are now measurable, unique physiological parameters used for automatic identification or verification of human. These parameters can be listed as a person's hand, fingerprint, voice, eye, signature, retina, ear shape, DNA, smell and gait criteria, etc. By using these parameters, many different methods can be defined. One of the most widely used methods is voice recognition. Voice recognition is increasingly used in a wide range of ways, from authenticating people to controlling devices by voice. Voice recognition devices, which are an important feature that can be used for recognition and classification, have started to be used in many areas such as fault detection, crack detection in teeth, etc.
voice recognition and analysis; In today's world, it has become a leading technology in discovering faults, accessing control techniques, and finding solutions to problems. Vehicle failures cause system integrity difficulties. Car key, engine malfunctions, faulty pin, faulty codes, etc. Other authentication errors, such as incompatibility, can be detected by transferring data to a computer environment. In addition, these undesirable situations that may occur lead to interruption of access to the protected system. But acoustic analysis, along with developments in automotive technologies, can provide a complete solution to such dilemmas.
Voice analysis consists of two steps, recognition and verification. Recognition; It is defined as the comparison of a data recorded in a database with the whole system. Validation is expressed as comparing a pair to determine if they are due to the same error. These authorizations require a recorded or previously stored audio analysis sample to be compared with a newly examined sample. This process is basically a three-step process. It consists of database creation, features analysis and testing.
With the system designed and realized in this study, malfunctions or system errors that occur in an idling vehicle engine will be detected by sound analysis, and larger malfunctions and even possible accidents will be prevented. In addition, with the mobile software to be developed and the artificial intelligence method to be used in the software, it will be possible for the driver to learn the cause of the engine failure and, if necessary, to access the tractor or service information.
In this study; The methods and techniques used in voice recognition and voice recognition systems are explained, and the theory of voice recognition is stated. In this study, it is aimed to use voice recognition methods and techniques in vehicle engine failure detection. In today's technology, malfunctions in automobiles can still be detected by the ear familiarity of experienced craftsmen or by the experience of the authorized persons who are here, by having to take the vehicle to the service as a result of its inability to perform its function. By conducting a study on this subject, it is thought that it will be possible for automobile drivers to detect some problems or malfunctions in their automobiles' engines only from sound recordings with the help of mobile phones or another device, thanks to an application. In order to make such an application a reality, examples of vehicles with one brand and one fuel type were studied. Sound recordings were taken of the engines of these vehicles in case of malfunction and failure, and a database was created by the expert with the types of malfunctions. With this database, faults in vehicle engines were detected and classified using voice recognition methods. For this purpose, sound recordings were cleared of noise, and sound analysis was performed with Power Spectral Density (PSD) methods such as moving average, Welch and Spectrogram. Obtained results were tested with Fine kNN - Fine k-Nearest Neighbor, Coarse Tree and Random Forest (RF- Random Forest) methods. Since the RF method gives the best results, the software was implemented with this method. Engine sound recordings taken for test purposes were performed with 3 repetitions and noises were added in the software. With the implemented software, 80% successful results were obtained. Increasing the number of vehicle engine sounds, using vehicles with engines working with other fuel types, seasons, engine oil type, etc. By creating a database according to many parameters, software that can be used widely can be developed. |