YAPAY SİNİR AĞ TEMELLİ MODELLEME TEKNİĞİ İLE BİR EVİREN YÜKSELTEÇ DEVRESİNİN TASARIMI


Creative Commons License

Tuntaş R.

2. BASKENT INTERNATIONAL CONFERENCE ON MULTIDISCIPLINARY STUDIES , Ankara, Türkiye, 24 - 25 Şubat 2022, ss.29-30

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Ankara
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.29-30
  • Van Yüzüncü Yıl Üniversitesi Adresli: Evet

Özet

Yükselteç tasarımı, opampların en temel uygulamalarından biridir. Girişlerine uygulanan elektriksel işaretleri yükselterek çıkışlarına aktaran yükselteçlerin açık çevrim kazancı çok yüksektir. Bu durumun kullanıcıya avantaj sağlaması için opamp kazancının kontrol altında olması gerekmektedir. Opamp kazancının kontrol edilebileceği temel yükselteç devrelerinden biride geri besleme yönteminin kullanıldığı eviren yükselteç devresidir. Opampın faz çevirici girişine uygulanan giriş sinyalinin çıkış fazını değiştiren bir yükselteçtir. Bu çalışmada modelleme yöntemlerinden Yapay Sinir Ağ (YSA) yöntemi kullanılarak bir eviren yükselteç devresi gerçekleştirilmiştir. Bunun için bir eviren yükselteç devresinin YSA modeli elde edilmiş ve elde edilen YSA modeli ile girişe uygulanan bir elektriksel sinyalin çıkışta yükseltilip evirilerek elde edildiği gösterilmiştir. Bu çalışmada, MATLAB programlama dili kullanılarak eviren yükselteç devresinin YSA modeli elde edilmiştir. YSA mimarisinin eğitilmesi ve oluşturulması aşamasında eviren yükselteç devresine ait gerilim giriş-çıkış veri çiftleri kullanılmıştır. Önerilen YSA modelinin oluşturulması için giriş ve çıkış parametreleri belirlendikten sonra ileri beslemeli geri yayılmalı yapay sinir ağı kullanılarak en uygun YSA mimarisi ve eğitim parametreleri tespit edilmiş ve ağ hata geriye yayma yöntemi ile eğitilmiştir. YSA yöntemi ile gerçekleştirilen modelleme tekniğinin başarısını ölçmek için Belirleme Katsayısı (R2) ve Ortalama Hata Karelerinin Karekökü (RMSE) gibi iki performans kriteri hesaplanarak YSA metodolojisi ile elde edilen model sonuçları gerçek sonuçlarla karşılaştırılmıştır. Yapılan değerlendirmeler sonucunda, YSA modeli ile elde edilen sonuçların doğru ve güvenilir olduğu gözlenmiştir.

Amplifier design is one of the most fundamental applications of opamps. Amplifiers that amplify the electrical signals applied to their inputs and transfer them to their outputs have a very high open-loop gain. In order for this situation to provide an advantage to the user, the opamp gain must be under control. One of the basic amplifier circuits in which the opamp gain can be controlled is the inverting amplifier circuit in which the feedback method is used. It is an amplifier that changes the output phase of the input signal applied to the phase inverter input of the opamp. In this study, an inverting amplifier circuit has been realized by using the Artificial Neural Network (ANN) method, which is one of the modeling methods. For this, an ANN model of an inverting amplifier circuit is obtained and it is shown that an electrical signal applied to the input is obtained by amplifying and inverting at the output with the obtained ANN model. In this study, an ANN model of the inverting amplifier circuit was obtained using the MATLAB programming language. During the training and creation of the ANN architecture, voltage input-output data pairs of the inverting amplifier circuit were used. After determining the input and output parameters for the creation of the proposed ANN model, the most suitable ANN architecture and training parameters were determined using a feed-forward back propagation artificial neural network, and the network was trained with the error back propagation method. In order to measure the success of the modeling technique performed with the ANN method, two performance criteria such as Coefficient of Determination (R2) and Root Mean Error Squares (RMSE) were calculated and the model resultsobtained with the ANN methodology were compared with the actual results. As a result of the evaluations, it was observed that the results obtained with the ANN model were accurate and reliable.