MekatronkFrm MEKATRONİK · 2016-11-08 · - Hibrid senkron step motor - Değişken relüktanslı step motor Step motorlar sarım şekli açısından 2 farklı şekilde üretilirler

Mekatron�k HakkındaMekatron�k Hakkında Merak Ed�len Herşey

Elektr�k MotorlarıAlternat�f Akım Motorları Ve Doğru Akım Motorları

P�H�motoRaspbery P� 2 Ödüllü Proje: W�fi Kontrollü Araba

Makineye Beyin, Elektroniğe Beden!

MEKATRONİK

fb.com/Mekatron�kMuhend�sl�g�

Mekatron�kFrm

Mekatron�kMuhend�s

Muhend�s_Eg�t�m

Sayı: Eylül 20156.

An�masyon LEDC D�l� İle LPT Portta LED An�masyonları Yapımı

Der�n ÖğrenmeDer�n Öğrenme (Deep Learn�ng) Ned�r?


Genel Yayın Yönetmeni

Fahri Yasin AYAS

Yayın Direktörü

Ömer Yasin ADIGÜZEL

Grafik Tasarım

Zekeriya POLAT

Yazarlar

Ferhat KURT

Fahri Yasin AYAS

Hakan BAŞARGAN

Samet SAN

Şenol ALAN

Önsöz

Dergimizin bu sayısında yeni konular ele alındı. Herkesin merak

ettiği Mekatronik Mühendisliği hakkında bilgiler verildi. Aynı şekilde

Motor türleri hakkında ve Ödüllü yarışmamız hakkında yazılara yer

verildi. Konuk yazarlarımız Ferhat KURT’a ve Şenol ALAN’a

katkılarından dolayı teşekkür ederiz. Umarım sizin için de okuması

zevkli bir dergi olur.

Fahri Yasin AYAS

Mekatronik Mühendisliği


İçindekiler


C Dili İle LPT Portta LED Animasyonları

Derin Öğrenme (Deep Learning) Nedir?

Elektrik Motorları

Mekatronik Hakkında Merak Edilenler

PiHimoto - Wifi Kontrollü Araba

17

25

4

11

22

Samet SAN

Sakarya Üniversitesi Mekatronik Mühendisliğinde okuyor.

Mekatronikmühendisliği.com yöneticisi.

TIRSAN TREYLER A.Ş. AR-GE Mühendisi olarak çalışmakta

Web: www.sametsan.org

Sosyal: www.fb.com/izamname

Linkedin: www.linkedin.com/in/sametsan


ELEKTRİK MOTORLARI

Elektrik motorları, elektriğin iletkenler üzerindeki manyetik alan etkisiyle üretilen itme

kuvvetine dayanarak elektrik enerjisini hareket enerjisine dönüştüren elektrik makineleridir.

Elektrik motorları temel olarak alternatif akım motorları ve doğru akım motorları olmak

üzere ikiye ayrılırlar.


Alternatif Akım Motorları

Alternatif akım motorları asenkron ve senkron motorları olarak ikiye ayrılır.

Asenkron motorlar : Endüstride en çok kullanılan motor türleridir. Bakımları az ve ucuzdur.

Çalışmaları esnasında ark oluşturmazlar.

Asenkron motorlar stator manyetik alan devri ile rotor devrinin farklı olmasından

dolayı bu adı alırlar.

Asenkron motor çeşitleri:

Faz sayılarına göre

1 – 1 fazlı asenkron motorlar

2 – 3 fazlı asenkron motorlar

Yapılarına göre

1 – Sincap kafesli motorlar

2 – Sargı rotorlu motorlar

4


Sincap kafesli motorların rotoru aluminyum plakalardan oluşmaktadır. Bu plakalar döküm

yöntemiyle elde edilir. Manyetik akı bu plakalar üzerinden gezerek hareket sağlanır.

Sargı rotorlu motorlarda ise rotoru bakır tel ile sarılmaktadır.

Senkron motorlar : Senkron motorlar stator manyetik alan devri ile rotorun devri aynı olan

motorlara denir. Sabit hız gerektiren endüstriyel uygulamalarda , bazı robot türleri gibi

yerlerde kullanılır.

Senkron motorların devir sayısı şöyle hesaplanır.

Doğru Akım Motorları

Doğru akım motorları genelde düşük güçte ve küçük boyutlarda yapılır. Genelde elektronik

aletlerin içerisinde kullanılırlar.

Doğru akım motorlarında duran parçaya yani gövdeye endüktör, dönen kısma ise

endüvi adı verilir.Yapısal olarak sabit mıknatıslı yada sargılı gövdelerde tasarlanabilmektedir.

Endüvi için de aynı durum söz konusudur.

Piyasada bulunabilen DC motor çeşitleri şöyledir ;

1 – Sabit mıknatıslı DC motor

2 – Fırçasız DC motor

3 – Servo motor

4 – Step motor


1 - Sabit mıknatıslı DC motor

5


Sabit mıknatıslı motorların gövdesinde doğal mıknatıslar bulunur. Bu mıknatıslar küçük

motorlarda genelde N-S olarak birer tane bulunur. Motorun dönen kısmı endüvi ise bakır tel

ile sarılıdır. Bu bakır sargılar kollektör dilimlerine basan fırçalar aracılığıyla dışarıya aktarılır.

Motora verilen gerilim fırçalara, oradan kollektörlere ve oradan endüvi sargılarına ulaşır. Bu

sargılar akım sayesinde manyetik alan oluşturup elektriksel olarak N ve S kutupları

oluştururlar. Motorun gövdesinde bulunan doğal mıknatısların yerleşim şekli sayesinde

endüviyi iterek veya çekerek dönmesini sağlarlar. Endüvi döndükçe kollektör dilimlerine

basan fırçalar bir sonraki dilime basar ve bir sonraki sargılarda manyetik alan oluşturur. Bu

döngü böyle akım kesilene kadar devam eder.


6

Motorun endüvi devresi yukarıdaki şekildeki gibidir. Va motora uygulanan gerilimdir. Ra ise

motorun iç direncinden oluşan dirençtir. Ec endüvi ucunda oluşan gerilimdir.

Endüvi voltajımız motorumuzun sabit mıknatısının manyetik akısı ( � ) ile motorun açısal hızı

( Wm ) ile ve motorların K1 denilen sabiti ile orantılıdır. Bir motor için K1 ve � değerleri sabit

olarak kabul ederiz ve bu sebeple Ec voltajı açısal hıza bağlı çıkar. Ia endüvi akımıdır.

Formüller ;

Ec = K1 * � * Wm

Va = Ec + Ia * Ra

2 - Fırçasız DC Motor

Fırçasız DC motorların yapısı normal DC motorlarla neredeyse aynıdır. Fırçasız DC

motorlarda doğal mıknatıslı olan parça döner.


Bu motorların 2 tipi vardır. Bunlardan birisi endüktörü dönen tiptir. Bu motor yapı olarak

normal sabit mıknatıslı DC motor ile birebir aynıdır. Fakat bunda kollektör dilimleri ve

fırçalar yoktur. Motorun ortasında bulunan endüvideki sargılara sıra ile akım vererek

endüktörün dönmesini sağlıyoruz. Bu tip motorlara en güzel örnek bilgisayarımızın

soğutucu fan motorlarıdır.


3 - Servo Motorlar

7

Bir diğer tip ise endüktörü sargılı, endüvisi doğal mıknatıslı olan tiptir. Bunun çalışma mantığı

da aynıdır.

Servo motorlar konum motorları olarakta

adlandırlır.Verilen sinyalin genlik süresine göre belirli

açılarda konumlanırlar.

Yapısal olarak gövdelerinde sabit mıknatıslı dc motor,

mikrodenetleyici devre ve dişli takımı bulunmaktadır.

Piyasada bulunan servo motorlar genelde 0-180 derece

aralıkta hareket etmektedir.


Bu motorlar PWM sinyali adı verilen bir sinyal ile kontrol edilmektedir. PWM siyanllerinin bir

periyodu genellikle 20ms uzunluğundandır.Açısal olarak Motorumuzun açısını belirlemek

için sinyalimizin (+) peryodunun süresi 0.5ms ile 2.5ms arasında değiştirilmelidir. (Bu

değerler motorun türüne,markasına vb kriterlere göre değişiklik gösterebilir.)


8

4 - Step Motorlar

Step motorlar gövdesine belirli açılarla yerleştirilmiş sargılardan oluşur. Endüvisi ise bir

adet dişliden oluşmaktadır. Step motorlar ayn zamanda senkron fırçasız dc motorların

sınıfınada girer.

Çalışması fırçasız dc motorlar gibidir. Sargılarına sıra ile akım vererek belirli açılarda

dönmesi sağlanır. Sargılara verilen sinyalin sıra yönünü değiştirerek motorun dönme

yönünü değiştirebiliriz.

3 tipte step motor bulunmaktadır. Bunlar ;

- Sabit mıknatıslı step motor

- Hibrid senkron step motor

- Değişken relüktanslı step motor

Step motorlar sarım şekli açısından 2 farklı şekilde üretilirler.


Bipolar step motor : Bu tip motorların genelde 4 ucu bulunur. Bipolar step motorlar çift

yönlü besleme özelliğine sahiptirler. Motoru ters yönde döndürmek için bobinlere

uygulanan akım yönünü terse çevirmek gerekir.


9

Unipolar step motorlar : Unipolar step motorlarda 5 veya 6 uç bulunur.Bu 5. Veya 6. Uç

ortak uçtur. Bu uçlar (+) besleme ucuna bağlanırlar.


Step Motrorları Sürmek

Step motorlar iki farklı şekilde

sürülebilir.

- Tam adım sürme

- Yarım adım sürme

Tam adım sürme 2 fazlı besleme

şeklidir. Motorun 2 ucuna yandaki

tablodaki sıra ile sinyaller uygulanarak

döndürülür. Bu döndürme işleminde

motorun dönme açıları daha büyüktür

fakat torku daha yüksektir.

Yarım adım sürmede ise motorun aynı

anda 1 ucuna sıra ile enerji verilerek

sürülür.Bu besleme şeklinde tam adıma

göre yarısı kadar döner. Daha hassas

bir dönüş açısı sağlanır. Fakat torku

düşüktür.

Tam adım besleme şeklinde mesela 10

tetiklemede x derece dönüyorsa yarım

adımda 10 tetiklemede x/2 derece

dönüş sağlar.


10

Samet SAN

Hakan Başargan

Sakarya Üniversitesinde Mekatronik Mühendisliği ve Elektrik-

Elektronik Mühendisliği okuyor.

Mekatronikmühendisliği.com da yönetici ve editör.

Web: www.hakanbasargan.net

Sosyal: www.fb.com/basarganhakan

Linkedin: www.linkedin.com/in/hakanbasargan


Mekatronik Hakkında Merak Edilenler

Yeni öğrenim yılının başlaması ile birlikte , bölümü kazanan yeni arkadaşlarımızın

heyecanlarını görebiliyorum. Herkesin aklında aslında gelecek ve şimdi ile alakalı birçok zoru

mevcut. Bu soruların birçoğu aslında ortak. Şu anda ne yapmam lazım ? Kendimi nasıl

geliştirebilirim ? Geleceğimi nasıl daha garanti altına alabilirim ? Hangi alanı seçmeliyim ?

gelen sorular arasındaki birkaç örnek. Bu ve benzeri soruların cevaplarını bu yazıda daha

detaylı bulabileceksiniz.

Tek karede “ Mekatronik “

Öncelikle bu karedeki resimin mekatronik kavramını gerçekten iyi açıkladığını

belirtmek istiyorum. Fakat Mekatronik için çok yanlış kavramlar ve bilgiler var. Mekatronik

için hem elektronik hem mekanik hem de yazılım demek çok yanlış bir olgu. Hatta ve hatta

Mekatronik Mühendisliği için Hem Elektronik hem Makine hem de Bilgisayar Mühendisliği

demek daha da yanlış bir kavramdır. Mekatronik hiçbir şeyin birleşimi değildir. Tamamıyla

çok farklı bir kavramdır.

11



Mekatronik Mühendisliği ; bilgisayar teknolojilerinden yazılım ve dijital kontrol sistemlerini ,

kontrol teknolojisinden kontrol elektroniğini , makine teknolojisinden tasarımı ve elektrik

elektronik teknolojisinden de elektroniği kullanarak yeni bir prensip ortaya çıkartmıştır.

Bahsi geçen mühendislik prensiplerinin birleşimi olmamakla birlikte, bu mühendislikteki bazı

kavramların kullanımını öngörmektedir.

Bugün teknoloji piyasasında “makine” diye tabir edilen bir kavram kalmamıştır. Makine

kavramı , mekanik parçaların oluşturduğu bir bütün olup , günümüzde hiçbir teknolojide

yalnızca mekanik parçalar yoktur. Zamanının en Makinesi diyebileceğimiz otomobil motoru

bile bugün tamamıyla mekanik parçadan oluşmaz. Kontrolünde, çalışmasında bir çok

elektromekanik prensipler bulunmaktadır. Mekatronik kavramının çıkış yeri tam da burasıdır.

Günümüz piyasasındaki makine kavramının tamamıyla bitmesi , makinenin yerini “

Elektromekanik “ alması ana nedendir.

Daha Yeni Misin ?

Bölümü henüz yeni kazandıysan bu yazılanlar gerçekten senin için altın değer taşıyor

demektir. Üniversite sınavını geride bırakarak istediğin bölümü kazanmak iyi bir gelecek için

kesinlikle yeterli değildir. Yalnızca üst kata çıkmak için koridoru geçerek 1. basamağa adım

attın. Önünde hala birçok basamak var. İlk bilmen gereken şey şu , sınavdan çıktığının ve yeni

rahatladığının farkındayız fakat çalışma disiplinini elden bırakmaman. İlk sene dinlenebilirsin,

fakat okul derslerini elden bırakmaman gerek. Yüksek ortalama her zaman artıdır.

Üniversitedeki “Erasmus, Farabi, Mevlana” gibi değişim programlarının kapısını sana açar.

Fakat yine şunu söylemekte fayda var. Okul dersleri yalnızca diplomayı eline almak içindir.

Yüksek ortalamayla okulu bitirmek seni belki ilk işine rahatlıkla sokar ama bir o kadar da

rahatlıkla işten çıkartır. Mühendisliği yalnızca okulda öğrenmek , insanı dolu gösteren

boşluktan ibarettir. Kağıt üzerinde bildiğini sandığın şeylerin aslında piyasada çok daha farklı

olduğunu ve piyasaya göre gerçekten bilgisiz olduğunu anlarsın. O yüzden, daha ilk senende,

herşeyin nottan ve dersten ibaret olmadığını öğrenmen şart. Eğer şuanda öğrenmezsen

bunu stajlarında veya son senende öğreneceksin fakat senin için çok geç olacak. Okulun ilk

haftasından itibaren teknoloji sitelerini takip etmeye başla. Dergiler al ve araştırmanda hız

kesme ! İlk haftalarda öğrenci toplulukların toplantıları olur. Sana uygun bir topluluğu bul.

Kültürel sosyal veya teknolojik olabilir. Unutma , artık senin mesleğe dair öğrendiğin her

cümle altın değerindedir. Piyasaya ilk adımı aslında bu topluluklarla birlikte atabilirsin.

Robot, otomasyon, alternatif enerjili araçlar, ar-ge toplulukları bu teknolojik toplulukların

bazılarına örnek olarak gösterilebilir. Bunlardan senin ilgini çeken bir tanesini seçerek

başlayabilirsin. Senden daha bilgili insanlardan birşeyler öğrenebilirsin. Unutma, daha iyi

olmak için daha iyisiyle olmalısın !

Piyasa araştırması yaparken, biraz da mühendislik disiplinin altındaki hangi alanın seni

daha çok etkilediğini bulmaya başla. Bunun için biraz erken evet, fakat en azından Kontrol,

Otomasyon, Üretim, Tasarım, Kalite Kontrol, Bakım-Onarım, Satış, Satın Alma gibi alt dalları

araştır ve hangisinin sana yakın olduğunu biraz sorgulamaya başla.

12



Derslere devam ederken , toplulukla uğraşırken aynı zamanda 1. sınıf ve 2. sınıf , bir

diğer sahip olmak zorunda olduğun “Yabancı Dil” işini halletmek veya bu işe başlamak için iyi

bir zaman. İngilizce şart , tartışmanın anlamı bile yok. İngilizcenin yanında bildiğiniz diğer bir

yabandı dil sizi diğerlerinden farklı yapar. Artık ingilizce bilmek bir artı değil , bilmemek çok

büyük bir eksidir!

İngilizce : Absolutely !

İngilizce ve yabancı dilin ne kadar önemli olduğundan

bahsetmeliyim sanırım. kariyer.net gibi iş bulma sitelerini

ziyaret ettiğiniz ve mühendislikle alakalı ilanlara baktığınız

zaman, büyük firmaların hepsinin , diğer firmaların ise

büyük çoğunluğunun ilanının ingilizce olduğunu

görürsünüz. Ve tabii ki ingilizce bir ilanda ingilizce bilen

ibaresini görmenin mümkün değildir. Buna ek olarak da ya

ikinci bir yabancı dilin gerekliliğinden , ya da yine ikinci

yabancı bir dil için “ tercihen “ denildiğini görürsünüz.

Bundan 20 sene önce piyasada yabancı dil bu kadar

gerekmezken , şimdi 2. yabancı dil istediklerinin farkına

varmanız gerekli.

İngilizce 1 senede öğrenilmez , 2 senede hiç öğrenilmez.. Öğrenilen ingilizce de tekrar

edilmediği ,konuşulmadığı ,yazılıp-çizilmediği takdirde yavaş yavaş unutulur. İngilizceyi

hayatınıza sokmak zorundasınız. Günlük yaşantınızda , dinlediğiniz müzik , izlediğiniz dizi ,

okuduğunuz makale , bunların bir kısmı ingilizce olmalı.

İşe girdiğimizde İngilizce ne işe yarar ? İşyerinde bir sorunla karşılaştığımızda veya

bilgi eksiğimiz olduğunda ki bundan çuvalla var , interneti kullanmamız gerekecek. İnternette

bilgi bol fakat dil ?? Her kaynağın Türkçe’si bulunamaz. Veya her eğitim videosunun

Türkçe’si yoktur. Size firmanın ana merkezinden çizimler , dosyalar , kataloglar geldiğinde

bu ilk sizin elinize geçecek. Bunu sizin değil de kimin anlamasını bekleyeceksiniz ? Firmanın

yurt dışı ile olan bağlantısı dolayısı ile mutlaka gidip gelmeniz , sunumlar yapmanız

konferanslarda bulunmanız gerekecek. Kısacası, İngilizce yakanızı bırakmayacak !

13



Kendimi Geliştirmek İçin Ne Yapabilirim ?

Daha önce de belirttiğim gibi, öncelikle yapılması gereken şey alanınızı belirlemeniz.

Mezun olduğunuzda yalnızca mekatronik mühendisi olarak mezun olmayacaksınız. Bir

alanınız olacak , uzmanlaşacaksınız. Bu alanı seçmeniz gerekiyor. Bunu tabii 1. ve 2. sınıfta

yapmanız biraz zor , çünkü seçmeli dersler başlamış olmayabilir , farklı alanlar

tanıyamamış olabilrisiniz. 3. sınıfın ortalarında artık alanınıza karar vermeniz gerekecek.

Aynı zamanda çalışmak istediğiniz sektörü de seçmeniz gerekir. Bunların hepsi ilerideki

idealleri ve hedefleri önceden belirleyip , ona kolay ulaşmanın çabasıdır.

Mekatronik mühendisliğini farklı alanlara ayıralım ;

14


Endüstriyel Otomasyon Robotik

Kontrol Endüstriyel Elektronik

Elektronik Tasarım Analiz

Mekanik Tasarım Üretim

Bakım Onarım Kalite Kontrol

Gömülü Sistem/Yazılım Satış

Satın Alma Yönetim

Tabloda bazi Mekatronik Mühendisliği alanları mevcuttur. Bahsi geçen satış, satın alma,

yönetim gibi alanlar birçok mühendislikle ortaktır. Örneğin , makine parçası üreten bir

fabrikanın satın alma ve satış departmanına genellikle makine veya mekatronik mühendisi

alırlar. Çünkü ne kadar tam teknik departman olmasa da , makine parçası üretildiği için satın

alınan ve satılan şeyler hakkında bilgisi olan mekatronik ve makine mühendisleridir. Diğer

alanlar , yine elektronik mühendisliği ve makine mühendisliği ile ortak alanlardır. Analiz ,

makine mühendisliği alanı , endüstriyel elektronik elektronik mühendisliği alanıdır. Örneğin

fabrikadaki bakım onarım departmanında bulunan mühendislerin birçoğu Mekatronik

Mühendisidir.

Kendi ilgi alanınıza göre seçeceğiniz bu alanlardan sonra ,çalışmak istediğiniz sektörü

de seçmeniz gerekmektedir.

Sektörlere örnek verecek olursak ;

Savunma Sanayi Otomotiv Sanayi

Otomotiv Yan Sanayi Havacılık

Talaşlı İmalat Ar-Ge


Sektörümüzü ve alanımızı seçtikten sonra , mezun olana kadar kendimizi ona göre

yetiştirmek, üniversiteden dolu olarak mezun olmamızı sağlar. Örnek verelim ; Mekanik

Tasarım alanını ve Savunma Sanayi’sini sektör olarak seçip 2 sene boyunca katı tasarım

çalışarak , Solidworks ve CATIA gibi solid model programlarını öğrendikten sonra , en iyi

savunma sanayisinde çalışmama gibi bir şansımız yok. Sektörel olarak kendini geliştirmek ,

bir mühendislik öğrencisini her zaman daha iyi noktaya getirir. Eğer sektöre ve alanat mezun

olduktan sonra karar verilirse, şu bahsi geçen ilk sene çok cüzi maaşlara çalışma olayına

maruz kalırsınız. İleride sektörü değiştirdiğinizde bu sizin için aslında biraz kayıptır. Çünkü siz

kendinizi daha çok mekanik tasarıma geliştirmiş fakat 2 sene sonra Bakım onarım alanına

yönelmiş olabilirsiniz. Bu sizi bakım onarım alanında tecrübesiz hale getirir. O işe tecrübesiz

olarak girersiniz ve maaşınız da tabii ki eski işiniz kadar olmayabilir. O yüzden yapılmak

istenilene önceden karar verilip, eğitiminizi ona göre almanız gerekmektedir.

15



Hangi Alanda Kendimi Nasıl Geliştiririm ?

Tabloda verebileceğim bazı örnekleri baz alarak , kendinizi o alanda nasıl

geliştirebileceğinizi görebilirsiniz.

16


Endüstriyel Otomasyon PLC, Scara, Kumanda

Kontrol MATLAB, Sayısal İşleme, İşaret Sinyal İşleme

Elektronik TasarımDijital Elektronik,Analog Elektronik,Bilgisayar

Destekli PCB

Mekanik Tasarım2 ve 3 Boyutlu Tasarım Programları,Tölerans ve

Ölçülendirme

Bakım Onarım Kumanda,Tesisat Bilgisi,Arıza Analiz

Robotik Endüstriyel Robotik, Robot Programlama

Endüstriyel ElektronikElektronik, Analog ve Dijital Elektronik,

Endüstriyel Elektronik, Güç Elektroniği

AnalizSonlu Eleman Programları

ÜretimSAP , Üretim Kontrolü

Kalite KontrolSAP , Kalite Kontrolü

Tabloyu incelediğimizde , hangi alanda hangi yeterliliklere ve teknik programlara

yöneleceğimizi görmekteyiz. Tablo örnek teşkil etmektedir. Seçeceğiniz alanı daha detaylı

araştırmanız gerekmektedir.

Yeni başlayanlar ve aklında soru bulunanlar için açıklayıcı bir yazı olmasını temenni

ediyorum.

ALAN Program / Yeterlilik

Hakan BAŞARGAN

Fahri Yasin AYAS

Sakarya Üniversitesi Mekatronik Mühendisliğinde okuyor.

Mekatronikmühendisliği.com yöneticisi ve bu derginin genel yayın

yönetmeni.

Web: www.fahriyasinayas.com

Sosyal: www.fb.com/fahriyasin.ayas

Linkedin: www.linkedin.com/in/fahriyasinayas


C Dili İle LPT Portta LED Animasyonları

Paralel Port Nedir?

Lpt yani paralel portlar adını yazıcı (LinePrinTer) dan alır. Genellikle Masaüstü bilgisayar

kasalarında veya eski tip laptoplarda bulunurlar. LPT portlar genellikle piyasada DB25

adıyla bulunur. Burda ki 25 te Portta ki pin sayısıdır. LPT portun en önemli özelliği aynı anda

8 bit veri gönderip alabilmesidir.

Bu alışveriş biçiminin LPT Porta kattığı özellikler:

1-İletişim Seri Porta göre çok hızlıdır.

2-Güvenlik açısından çok uygun değildirler.

3-Uzun mesafe iletişiminde kullanılamazlar. (Veri kaybına yol açar.)

yani buradan anlayacağımız. Kısa mesafe de ve hızlı bir iletişim biçimi istiyorsak paralel

portlar bizim için idealdir.

17


Makineye Beyin, Elektroniğe Beden!18


Malzeme Listemiz:

1-) Bir adet bir ucu Dişi diğer ucu erkek olan 25 pinli LPT port

2-) 8xLED(renkleri size kalmış)

3-) Delikli bakır plaka

Bunun dışında XP 32bit (x86) lık bir adet bilgisayar. (Masaüstü olması tercihtir. Çünkü LPT

portlar masaüstlerinde yaygın.)

Devremizin kurulumu basit ancak. Porta girecek olan uçların sırası çok önemlidir. Yoksa

istediğiniz gibi sonuç elde edemezsiniz.

1.Ledin + Ucunu LPT portun D0 ucuna bağlayın. Geri kalan 7 tane + ucuda LPT portun

D1,D2...D7 ye kadar bağlayın.

- (eksi) Ucuda g7 ye bağlayın.

NOT:

İnpout32.dll den bahsetmek lazım. Bu dll ismindende anlaşılacağı gibi input ve output yani

porta veri giriş çıkışı için gerekli bir sistem dosyasıdır. Bu dosyayı dizin olarak

C:\Windows\System32 klasörüne atın.


Kaynak Kod

19


#�nclude <std�o.h>

#�nclude<�ostream>

#�nclude <con�o.h>

#�nclude <w�ndows.h>

#�nclude <un�std.h>

us�ng namespace std;

typedef _stdcall oupfuncPtr portaddr datumvo�d short short( * )( , );

#define PORT 0x378

oupfuncPtr oup32fp;

vo�d short short Out32 portaddr datum oup32fp portaddr datum ( , ){ ( )( , ); }

�nt vo�d ma�n( ){

HINSTANCE hL�b;

short x;

�nt � a, = ;100

hL�b LoadL�brary= ( );"�npout32.dll"

�f NULL hL�b ( == ) {

fpr�ntf stderr( , );"Kutuphane hatas�\n"

system( );"PAUSE"

return - ;}1

oup32fp oupfuncPtr GetProcAddress hL�b = ( ) ( , );"Out32"

�f NULL oup32fp ( == ) {

fpr�ntf stderr( , );"Yanl�s adres\n"

system( );"PAUSE"

return - ;}1

for(;;){

�nt sec�m don, ;

pr�ntf( );"\tKaraS�msek LED An�masyonu\n\n"

Sleep( );250

pr�ntf( );"\t(1)-An�masyon\n"

Sleep( );250

pr�ntf( );"\t(2)-Ortada B�rlest�r\n"

Sleep( );250

pr�ntf( );"\t(3)-Rastgele Led Yak\n"

Sleep( );250

pr�ntf( );"\t(4)-Isted�g�n Led� Yak\n"

Sleep( );250

pr�ntf( );"\t(5)-Flasor\n"

Sleep( );250

pr�ntf( );"\t(6)-Dortlu Yakma\n"

Sleep( );250

pr�ntf( );"\t(7)-1-3-5-7 ve 8-6-4-2 Atlayarak Yakma\n\n"

Sleep( );250

pr�ntf( );"\tSec�m�n�z� Yap�n�z:\n"

scanf sec�m( ,& );"%d"

�f( == ){sec�m 1

do{

Out32 PORT ( , );1

Sleep ( );50

a b�nt = , = ;1 256

j j jfor( = ; <= ; ++){�nt 1 7

a*= ;2

Out32 PORT a( , );

Sleep ( );50

j j j} ( = ; > ; --){for �nt 6 1

b /= ;2

Out32 PORT b( , );

Sleep ( );50

}

kbh�t} (! ());wh�le

} ( == ){else �f sec�m 2

do{

Out32 PORT ( , );0

Sleep( );250

Out32 PORT ( , );129

Sleep( );250

Out32 PORT ( , );195

Sleep( );250

Out32 PORT ( , );231

Sleep( );250

Out32 PORT ( , );255

Sleep( );250

Out32 PORT ( , );231

Sleep( );250

Out32 PORT ( , );195

Sleep( );250

Out32 PORT ( , );129

Sleep( );250

Out32 PORT ( , );0

} (! ());wh�le kbh�t

}

else �f sec�m( == ){3

do{

rastgele rand�nt = ()% + ;8 1

Sleep( );50

rastgele�f( == ){1

Out32 PORT ( , );1

rastgele} ( == ){else �f 2

Out32 PORT ( , );2


Out32 PORT Sleep( , ); ( );4 250


Out32 PORT Sleep( , ); ( );8 250


Out32 PORT Sleep( , ); ( );16 250


Out32 PORT Sleep( , ); ( );32 250


Out32 PORT Sleep( , ); ( );64 250


Out32 PORT Sleep( , ); ( );128 250

}

}

wh�le(! ());kbh�t

}


al�nt ;

do

{

carp�m�nt = ;1

pr�ntf( );"Yakmak İsted�g�n�z LED'�n Numaras�n� G�r�n�z(b�t�rmek �c�n 0):"

scanf al( ,& );"%�"

al al�f( < || > )0 8

pr�ntf( );"hatal� g�r�s!\n"

else

{

y y al yfor( = ; < ; ++){�nt 1

carp�m*= ;2

}


Makineye Beyin, Elektroniğe Beden!20

Makineye Beyin, Elektroniğe Beden! 21


Out32 PORT carp�m( , );

Sleep( );50

}

}

alwh�le( != );0

}

sec�melse �f( == ){5

do

{

Out32 PORT ( , );255

Sleep( );250

{ ( , );Out32 PORT 0

Sleep( );250

}


}


do

{

Out32 PORT( , );240

Sleep( );250

Out32 PORT ( , );15

Sleep ( );250


}

else �f sec�m( == )7

do

{

Sleep ( );250

x y�nt = , = ;1 128

j j jfor( = ; <= ; ++)�nt 1 7

{

Out32 PORT x( , );

Sleep ( );100

x*= ;4

}

j j jfor( = ; <= ; ++)�nt 1 7

{

Out32 PORT y( , );

Sleep ( );100

y/= ;4

}


pr�ntf( );"Devam etmek �c�n 0 g�r�n�z:"

scanf don( ,& );"%d"

�f( != )don 0

break;

system ( );"cls"

}

FreeL�brary hL�b( );

system( );"PAUSE"

return 0;

}

Fahri Yasin AYAS

Raspbery Pi 2 Yarışması

Geçen sayımızda Raspberry Pi 2 yarışmamızın kazanan

projesi: PiHimoto - Wifi Kontrollü Araba detaylar aşağıda

Kazanan arkadaşımız Şenol ALAN ‘ı tebrik ediyoruz ve

başarılarının devamını diliyoruz.

www.mekatronikmuhendisligi.com


PiHimoto - Wifi Kontrollü Araba

Basit yap olarak çevirebileceğimiz (Keep It Simple) prensibi son zamanlarda oldukça popüler

olan bir kavram. Bu prensip projelerin daha kolay kontrol edilebilir olmasının yanı sıra,

mümkün olan en az bilgi ile ürün çıkartmak konusunda da önemli bir stratejidir. Bu

bağlamda, PiHimoto projesi, bir aracı uzaktan kumanda etmek için mümkün olan en ucuz ve

basit yolu bulmak amacı ile başlayan bir projenin son ürünü olarak tasarlandı.

Proje kapsamında en ucuz ekipman ve yazılım bilgisi ile yüksek gerçekcilik hissi sağlayan bir

araç oluşturuldu. Projede;

1 adet Himoto Bowie 1:10 ölçekli model araç,

1 adet Raspberry Pi 2

1 adet 8GB microSD kart

1 adet Dark RangeMax 5dbi antenli kablosuz adaptör kullanıldı.

Raspberry Pi (RPİ) temelli uzaktan kumandalı bir çok araç projesi mevcut. Bunların büyük

bir kısmı radyo kontrolü yada bluetooth teknolojilerini temel alırken, wifi temelli projelerde

ise Android yada iOS uygulamasına ihtiyaç duymaktadır. Bu projede ise aracın platform

bağımsız olarak, ek bir cihaz (cep telefonu, tablet vb hariç) ya da uygulama olmaksızın

kumada edilebilmesi için web teknolojisinden yararlanıldı. Bu amaçla Raspberry Pi üzerine

python temelli hafif bir web framework olan Flask kuruldu. Bu sayede aracın kullanıcı ile

web üzerinden etkileşebilmesi sağlandı. Aracın hız ve yön bilgileri ise kullanıcının taşınabilir

cihazınında yer alan gyroskop sensörü ile web tarayıcısı üzerinden elde edildi.

1. Mekanik Bağlantılar

Model arabanın ileri ve geri hareketi fırçalı bir motor ile sağlandığından, motorun hız

kontrolü ESC (Elektronic Speed Controller) adı verilen bir düzenleyici ile kontrol

edilmektedir. Bu modül kendisine gönderilen Pulse Width Modulation (PWM) sinyallerine

göre hareket yönü ve hızını ayarlamaktadır.

22




Yine aracın sağ ve sol dönüşleri bu ESC modülü tarafından kontrol edilmeyen bir servo

motor ile sağlanmaktadır. Bu motorun kontrolü de yine PWM sinyalleri yapılmaktadır. Servo

motorun enerjisi ise ESC üzerinden gelen akım ile alıcı-verici modül üzerinden

sağlanmaktadır. Araçta kullanılan servo motor da 5V ile çalıştığından ESC üzerinden gelen +

ve – uçlar Raspberry Pi'nin 2 ve 6 numaralı pinlerine bağlanarak, Pi'nin aracın pili üzerinden

çalışması sağlandı. Yine 12 numaralı PWM pini ise ESC yi kontrol eden beyaz renkli soketine

bağlandı. Servo motorun enerjisi RPİ üzerinden 4 ve 14 numaralı pinlerden sağlanırken,

motor kontrolü 32 numaralı PWM pini üzerinden sağlandı.

Servo Motor

ESC

Aracın ESC modeli ile internette arama yapıldığında, ESC'nin 20 milisaniyede bir gönderilen

sinyaller ile kontrol edildiği beliryilmektedir (http://mmvdhoef.wesg.ca/PDF/SDD.pdf).

Sinyal uzunluğu ise motorun hızı ve yönünü belirlediği yine aynı dosyada belirtilmektedir.

Buna göre;

İleri için:

• titreme : 1586 µs

• düz hareket : 1610 µs

• tam hız: 2120 µs

Geri için:

• titreme: 1428 µs

• düz hareket: 1422 µs

• tam hız: 875 µs

uzunluğundsa sinyal gerekmektedir.

Bir çok RPİ temelli python projesinde GPIO pinleri Rpi.GPIO kütüphanesi ile yapılmaktadır.

Ancak bu kütüphane ile yukarıdaki gibi bir düzenleme yapmanın zorluklarından ötürü, pigpio

(http://abyz.co.uk/rpi/pigpio/) kütüphanesi kullanılmasına karar verilmiştir. Bu kütüphanenin

set_servo_pulsewidth fonksiyonu ile kontrol sağanmıştır. Bu fonksiyon sinyal uzunlğunu

500 ile 2500 arasında almaktadır. Yapılan optimizasyon çalışmalarında motorun 1500

değerinde durduğu, 2000 değerinde tam ileri hareket ettiği, 1000 değerinde ise tam hız geri

doğru çalıştığı belirlenmiştir.

P�H�moto bağlantı şeması


Sistem tarayıcı üzerinden “get” değişkenlerine bağlı olarak aracı hareket ettirdiğinden, araç

gerekli arayüz ile hem cep telefonu hem de masaüstü cihazlarla rahatça

kullanılabilmektedir. Yine aynı mantıkla MPU6050 gyroskop sensörü bağlı diğer bir pi

yardımı ile eldivenle kullanmakta mümkündür.

Aracın cep telefonu ile kontrol edildiği bir video linki ektedir.

https://www.youtube.com/watch?v=Mrim9S9FNr8

Aracın eldiven ile kontrol edildiği video linki alttadır.

https://goo.gl/photos/QZYGd6cs39CXZ2ry5

Şenol ALAN


24



Endüstri ve akademik çevrelerdeki veri bilimciler görüntü sınıflandırma, video analizi,

konuşma tanıma ve doğal dil öğrenme süreci dahil olmak üzere çeşitli uygulamalarda çığır

açan gelişmeler elde etmek üzere makineyle öğrenmede GPU’ları (Grafik İşlemci Ünitesi)

kullanmaktadır. Özellikle, büyük miktarlarda etiketlenmemiş eğitim verilerinden özellik

saptama yapabilen sistemler oluşturmak için ileri teknoloji, çok seviyeli “derin” sinir ağların

kullanılması olan Derin Öğrenme, önemli derecede yatırım ve araştırmanın yapıldığı bir

alandır.

Ferhat KURT

Bu makale www.derinogrenme.com ‘dan alınımıştır.

Türkiye Derin Öğrenme Linkedin Grubu:

https://www.linkedin.com/grp/home?gid=8334641

Derin Öğrenme (Deep Learning) Nedir?

Der�n öğrenme ağ yapısının oluşturulmasında kullanılan m�lyonlarca res�mden örnek b�r set.

Makineyle öğrenme yıllardır kullanılan bir yöntem olmasına rağmen, iki yeni yeni trend

makineyle öğrenmenin yaygın bir şekilde kullanılmasına yol açmıştır: çok büyük miktarlarda

eğitim verisi ile GPU hesaplama ile elde edilen güçlü ve verimli paralel hesaplama. GPU’lar,

çok daha büyük eğitim setleri kullanarak bu derin nöral ağları çok daha kısa sürelerde ve

çok daha az veri merkezi altyapısı kullanarak eğitmek için kullanılmaktadır. GPU’lar aynı

zamanda, çok daha fazla veri hacmi ve daha az güç ve altyapı destekleyerek, bulut içinde

sınıflandırma ve tahmin yapmak için bu eğitilmiş makineyle öğrenme modellerini

çalıştırmak için kullanılmaktadır.


Makineyle öğrenme için GPU’ları kullanmaya ilk başlayanlar arasında en büyük web ve

sosyal medya şirketlerinin yanı sıra, veri bilimi ve makineyle öğrenme alanında çalışan üst

düzey araştırma kuruluşları bulunmaktadır. Binlerce hesaplama çekirdeği ve tek başına

çalıştırılan CPU’lar (Merkezi İşlem Birimi) ile karşılaştırıldığında 10 ile 100 kat uygulama

performansı sunan GPU’lar, veri bilimcilerin büyük verilerin işlenmesinde tercih ettikleri

işlemci olmuştur.

GPU’lar ile önceden kaydedilen konuşmalar veya multimedya içerikleri çok daha hızlı bir

şekilde yazıya geçirebilmektedir. Carnegie Mellon Üniversitesi’nden Profesör Ian Lane

yürüttüğü çalışmalarında CPU uygulaması ile karşılaştırıldığında, GPU’ların 33 kata kadar

daha hızlı tanıma yaptığını ortaya koymuştur.

Derin Öğrenme Kapsamında Yürütülen Çalışmalar

Stanford Üniversitesi’nden öncü araştırmacı Andrej Karpathy; çalışmalarında birisi resim

tanıma diğeri doğal dil işleme olmak üzere iki sinir ağını birleştirmiştir. Bu sayde tıpkı

LEGO’ların birleştirildiği gibi sinir ağları sadece örnek resimdeki objeyi kuş veya ağaç olarak

sınıflandırmakla kalmayıp ayrıca resim içerisindeki tüm nesnelerin birbiriyle olan ilişkisini

ortaya koyabilmiştir.

Günümüzde artan kamera sayısı dikkate alındığında, görüntü içindeki nesnelerin birbiriyle

olan ilişkisinin bir insan gibi makineler tarafından anlamlı bir şekilde ortaya konması

görüntüleri yorumlama konusunda kullanıcılara inanılmaz bir farkındalık katmıştır. Bu

sayede yüzlerce görüntü akışı (video) makineler tarafından insan nesne tanıma seviyesinin

üzerinde bir başarıyla değerlendirilmektedir.


26

B�r ağaç dalına tünem�ş kuş (Der�n öğrenme kullanılarak üret�lm�şt�r.)



Aşağıda resimlerdeki açıklamalar derin öğrenme ile elde edilmiştir.

S�yah beyaz köpek bar

üzer�nden atlıyor

Pembe kıyafetl� kız havada

zıplıyor

Mav� dalış kıyafetl� adam

dalga üstünde sörf yapıyor

DARPA, insansız hava araçlarının düşman toprakları üzerinde elde ettiği görüntü ve

videoların karargâha aktarımıyla oluşturulan büyük veri (BigData) yığınıyla baş edebilmek

maksadıyla daha iyi bir istihbarat katmanı geliştirilmesi kapsamında 2009 yılında derin

öğrenme çalışmalarına destek vermeye başlamıştır.

https://gigaom.com/2014/05/02/darpa-is-working-on-its-own-deep-learning-project-for-

natural-language-processing/

Google son dönemde bünyesine kattığı, Deep Mind firması ile yürttüğü derin öğrenme

çalışmaları kapsamında, Atari video oyunlarını kullanılarak makineler için sadece ağı

eğitmekle kalmayıp, ayrıca ortam içerisinde nasıl hareket edileceğini de öğretmişlerdir. Bu

sayede eğitilen ağ oyun serisini başarıyla tamamlamıştır. Bu çalışma ile Google sahip olduğu

ve sürekli artan veri havuzunu zamanı geldiğinde geliştirdiği algoritmalar ile kullanarak akıllı

sistemler ortaya çıkarabileceğini göstermiştir.

Derin Öğrenmenin Diğer Görüntü Analiz Yöntemlerinden Farkı

Aşağıdaki örnekte, görüntü analizi kullanılarak resimde kupaya benzeyen nesneler

işaretlenmiştir. Söz konusu işaretlemelere bakıldığında tüm işaretlemelerin hatalı yapıldığı

görülmektedir.


Resim veya video akışındaki her kare için çeşitli filtrelemeler ve alt bölümlere ayırma gibi

işlemler sonucunda esim karesi üzerinde tespit edilen nesneler önceden eğitilmiş ağa

sokularak sınıflandırılmaktadır.


28

Kupa tesp�t�nde kullanılan res�m Görüntü anal�z� �le tesp�t ed�len (yanlış) kupalar

Der�n öğrenme �le kupanın tesp�t ed�lmes�

Ba�du Research: Der�n öğrenme s�n�r yapısının sunumu



Resim veya vide akışındaki her kare için çeşitli filtrelemeler ve alt bölümlere ayırma gibi

işlemler sonucunda esim karesi üzerinde tespit edilen nesneler önceden eğitilmiş ağa

sokularak sınıflandırılmaktadır.

Araştırmacılar akıllı telefonların ve diğer mobil cihazların kamera görüş hattında bulunan

nesneleri hemen tanıyıp, nesneleri tanımlayan metinleri nesnelerin üzerinde bir çevre

katman olarak gösterecek şekilde çalışma yapmaktadır (Purdue University image/e-Lab).

Ba�du Research: Der�n öğrenme çalışma yapısı

Video akışında tüm görüntü üzerinde eş zamanlı nesne tespiti yapılması (Sağda orijinal

görüntü, solda ise eş zamanlı sınıflandırılmış ve katmanlı olarak etiketlenmiş görüntü).


Yüz Tanıma Sistemi

Derin öğrenme yüz tanıma yarışması kapsamında 6.000 çift yüz resmi üzerinde tanıma

işlemi en düşük hata seviyesini yakalamaya yönelik çeşitli firmaların yürütmüş olduğu

çalışmalar neticesinde makinelerin yüz tanıma hata eşiği insan hata eşiğinin altına inmiştir.


30

Yüz tanıma ver� set�nde der�n öğrenme yöntem�yle firmaların yakaladığı oranlar

Derin Öğrenmeyle Konuşma Tanıma

Derin öğrenme konusunda öncü düşünür olarak ün yapan ve Çin’in en büyük arama

motorunun baş uzmanı Andrew Ng son çalışmasında Baidu Derin Konuşma motorunun

gürültülü ortamlarda bile derin öğrenme kullanarak sesli komutları anlayıp işlediğine vurgu

yapmıştır. Bu çalışmada GPU işlemcileri kullanılarak 100.000 saatten daha fazla konuşma

örnekleri sinir ağları ile eğitilerek bu alanda en düşük hata oranına ulaşılmıştır.

Der�n öğrenme �le konuşma tanımanın yapılması



Yukarıdaki çalışmada GPU işlemcileri kullanılarak 100.000 saatten daha fazla konuşma

örnekleri sinir ağları ile eğitilerek bu alanda en düşük hata oranına ulaşılmıştır.

Çoğu kişi %95 doğruluk ile %99 doğruluk arasındaki farkı anlamamaktadır. %99 doğruluk

oranı oyun değiştiren bir orandır. Bu doğruluk oranına ulaşıldığında akıllı cihazlar tamamen

sesle kullanılabilecek hale gelecektir.

Konuşma tanımanın gelişmesi nesnelerin internetinin (internet of things) yaygınlaştırmasını

destekleyecektir. Bu sayede günlük yaşamda kullanılan tüm cihazlar ve araçlar insan

ergonomisine uygun yapıda çalışarak yaşamı kolaylaştıracak şekilde birbirleriyle sürekli

etkileşim halinde bulunacaktır.

Der�n öğrenme �le firmaların konuşma tanımadak� hata oranları

Derin Öğrenmenin Araçlarda Kullanımı

Yeni nesil otonom araçlarda araç içerisindeki tüm multimedya sistemleri ve durumsal

farkındalığı sağlayan algılayıcılar tek birim tarafından komuta edilmektedir. Araç yönetim

sisemi sahip olduğu derin öğrenme yapısı sayesinde kameralar vasıtasıyla aldığı görüntüleri

eş zamanlı sınıflandırarak sürücü destek sistemini oluşturmaktadır. Bu sayede özellikle

kısıtlı görüş şartları dahil birçok durumda kazaların önüne geçilebileceği

değerlendirilmektedir.

NVIDIA Der�n Öğrenme Otop�lot Çalışmaları – Araç Yönet�m S�stem�



32

Der�n Öğrenme �le Gerçek Zamanlı Trafik Farkındalığının Oluşturulması

Tesla Otop�lot Çalışması- Der�n Öğrenme kullanılarak trafik ortamının oluşturulması



Derin Öğrenmenin Savunma ve Güvenlik Sektöründe Kullanımı

Teknolojinin etkinliğinin artarken boyutsal olarak küçülmesi ve enerji ihtiyacının buna bağlı

olarak azalmasıyla kameralar günlük hayata üssel oranda katkı sağlamaktadır. Dünya

genelinde üretilen mobil cihaz sayısı yılda 2 milyar adetken kamera sayısı bu sayının çok

daha üzerindedir.

Savunma alanında gerek silah üstü optiklere yönelik geliştirilen sistemlere işlemci desteği

sağlanması gerekse tüm hareket eden platformlara konulan kameralar anlık incelenmesi

gereken verinin miktarını büyük oranda artırmıştır. Kameraların savunma ve güvenlik

alanlarında kullanımının adaha da artacağı değerlendirildiğinde, sadece resim veya video

akışındaki nesnelerin ne olduğu değil ayrıca nesnelerin birbirleriyle olan ilişkisini metne

döken sistemlerin büyük bir insan kaynağı tasarrufu sağlayarak, her bir kamera sistemin

anlık akıllı değerlendirme yapısına kavuşmasının yolunu açmaktadır.

Sonuç olarak; 2007 yılında başlayan mobil devrimin sonucu olarak son iki yılda büyük çıkış

yapan derin öğrenme, nesnelerin interneti alanındaki gelişmeye paralel olarak yarı ve tam

otonom sistemler ile robotların günlük yaşama katkısı giderek artacaktır. Gelişen teknoloji

ile belirli bir uzmanlık alanında tecrübe artırılmış gerçeklik uygulamaları ile zahmetsiz bir

şekilde sistemlere transfer edilebilecektir.

Kaynaklar:

http://www.nvidia.com.tr/object/tesla-gpu-machine-learning-tr.html

http://www.quora.com/Machine-Learning/What-are-the-practical-applications-of-deep-

learning-What-are-all-the-major-areas-fields

http://www.homelandsecuritynewswire.com/darpa-seeks-deep-learning-ai-cope-flood-

information

http://spectrum.ieee.org/automaton/robotics/artificial-intelligence/facebook-ai-director-

yann-lecun-on-deep-learning

http://www.fastcolabs.com/3026423/why-google-is-investing-in-deep-learning

http://radar.oreilly.com/2014/07/what-is-deep-learning-and-why-should-you-care.html

http://deeplearning.net

https://www.linkedin.com/pulse/sowhat-deep-learning-matthew-reaney

Ferhat KURT

Documents

MekatronkFrm MEKATRONİK · 2016-11-08 · - Hibrid senkron step motor - Değişken relüktanslı step motor Step motorlar sarım şekli açısından 2 farklı şekilde üretilirler