Tez No	İndirme	Tez Künye	Durumu
527510		Yapay sinir ağı kullanarak kontrol alan ağları için çevrim içi mesaj zamanlaması optimizasyonu / Optimization of online message scheduling for controller area networks using artificial neural network Yazar:ESİN YAVUZ Danışman: PROF. DR. EKREM ARTUÇ Yer Bilgisi: Süleyman Demirel Üniversitesi / Fen Bilimleri Enstitüsü / Fizik Ana Bilim Dalı / Telekomünikasyon Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering ; Mühendislik Bilimleri = Engineering Sciences Dizin:	Onaylandı Doktora Türkçe 2018 92 s.
Bu tez çalışması, gerçek zamanlı veri iletişimi yapılan Kontrol Alan Ağı (CAN) için üretilen çevrim içi mesajların zamanlanarak, yapay sinir ağı ile modellenmesi aşamalarını içermektedir. CAN ağını tasarlamak için Linux tabanlı SocketCAN uygulaması kullanılmıştır. Tasarlanan ağ için öncelik-temelli bir zamanlama algoritması uygulanmış ve mesaj önceliklerinin dinamik olarak değiştirilmesi sağlanmıştır. Optimal zamanlama için dinamik öncelikli EDF algoritması kapsamlı bir şekilde araştırılarak, modifiye edilmiştir. Bu çalışmada, yapay sinir ağlarında zaman serisi tahminleri için kullanılan modellerden NARX (Doğrusal olmayan dışsal girdili otoregresif ağ) modelinin kullanılması uygun bulunmuştur. NARX ile optimal bir yapay sinir ağı modeli geliştirilerek, çeşitli çalışma koşulları için analiz edilmiştir. CAN ağından elde edilen çıktılar, NARX mimarisi kullanılarak modellenmiş ve bu modelleme ile ilgili en başarılı ağ yapısı belirlenmiştir.
This thesis contains the phases of scheduling on-line messages generated for the real-time Control Area Network (CAN) and the modeling of this network with the artificial neural network. Linux based SocketCAN implementation has been used to design CAN network. A priority-based scheduling algorithm is implemented for the designed network and the message priorities are dynamically changed. The dynamic priority EDF algorithm for optimal scheduling has been extensively researched and modified. In this thesis, it has been found appropriate to use NARX (Nonlinear Autoregressive Exogenous Model) model which is the one for time series estimation in artificial neural networks. An optimal artificial neural network model has been developed with NARX and analyzed for various operating conditions. Outputs from the CAN network have been modeled using the NARX architecture and the most successful network structure for this modeling has been identified.