Zengin, Sena2024-10-162024-10-162023978-625-367-123-5https://hdl.handle.net/20.500.13091/6423Tartım işlemi geçmişten günümüze hayatımızın her alanında sıklıkla kullandığımız bir yöntemdir özellikle endüstriyel alanda birim zamanda tartılan ürün sayısını artırarak tartım işlemini hem ekonomik hem de hızlı şekilde gerçekleştirmektedir. Aynı zamanda iş yükünü de ciddi ölçüde azaltmıştır. Bu sebepten dolayı yaygın olarak tercih edilmektedir. Teknolojiyle birlikte analog tartı modellerinden hassas terazilere kadar geniş bir yelpazede kullanıma sunulan tartı modelleri ihtiyaca uygun olarak tasarlanmakta ve gün geçtikçe gelişmektedir. Bu çalışmada ağırlıkları farklı olan cisimlerin tartım işlemi hareketli alanda gözlemlenmiş ve tahmin algoritması geliştirilmiştir. Tartım işlemi, sabit olmayan koşullar ve hareketli alanda ölçülmüştür. Bu durumdan kaynaklı düşük frekanslı sinyaller yani gürültü sinyalleri ölçülen sinyallere eklenip yanıltıcı sonuçlar verebilir. Bu sorunun üstesinden gelebilmek için Kalman filtresi kullanılarak bir tahmin algoritması geliştirilmiştir. Kalman filtresi geçmiş, şimdiki ve gelecekteki durumları tahmin etmede kullanıldığından teorikte ve pratikte güçlüdür. Geliştirilen tahmin algoritması, gürültü içeren veri akışı üzerinde özyinelemeli çalışır. Döngü şeklinde işlem gören, güncelle ve tahmin et olarak ikiye ayrılan KF, her bir adımda Kalman kazancını güncelleyerek hatayı minimuma indirilip filtreleme gerçekleştirmiş ve tahmin sonucu elde edilmiştir.Weighing is a method that we use frequently in all areas of our lives from the past to the present, especially in the industrial area, by increasing the number of products weighed per unit time, it performs the weighing process both economically and quickly. It also significantly reduced the workload. For this reason, it is widely preferred. Weighing models, which are offered for use in a wide range from analog scale models to precision scales, are designed in accordance with the needs and are developing day by day. In this study, the weighing process of objects with different weights was observed in the moving area and the estimation algorithm was developed. Measured in weighing operation, unstable conditions and moving area. Due to this situation, low frequency signals, namely noise signals, can be added to the measured signals and give misleading results. In order to overcome this problem, an estimation algorithm has been developed using the Kalman filter. The Kalman filter is powerful in theory and in practice, as it is used to predict past, present, and future states. The developed prediction algorithm works recursively on the noise-containing data stream. KF, which is treated as a loop, divided into update and predict, updated the Kalman gain at each step, minimizing the error and performing filtering, and the estimation result was obtained.trinfo:eu-repo/semantics/openAccessDinamik tartımKalman fitresiTahmin algoritmasıDynamic weighingKalman filterEstimation algorithmConference Object