EFRS’2019, 7.

Uluslararası Demir Çelik Sempozyumu

Erdemir Tufal Çukuru Pompa Motorlarında

Vibrasyon Analizi ile Kestirimci Bakım Gerçekleştirilmesi
Yasin Güven1,
1Yardımcı Yusuf
İşletmeler Onur
Müdürlüğü Karakaya1,
Elektronik Uğur İleri1,Erdemir,
Otomasyon Başmühendisliği Ömer Faruk İlhan²
Türkiye
2Yardımcı İşletmeler Müdürlüğü Elektrik Bakım Başmühendisliği Erdemir, Türkiye

AMAÇ
Presinaptik nöronların posinaptik nöronla yaptığı sinaptik bağlantıların kısa-dönem plastisite biyofiziksel

Sinir sistemi, son derece karmaşık mekanizmalar ile çalışan ve hala pek çok işlevi anlaşılamamış bir gerçekliğini yansıtacak biçimde modellenmesinde Tsodyks and Markram tarafından önerilen dinamik sinaps

yapıdır. Bu kompleks sistemde henüz açıklığa kavuşturulamamış işlevlerden biri de bilgi kodlamanın nasıl modeli kullanılmıştır.

gerçekleştirildiğidir. Bu bağlamda literatürde pek çok bilgi kodlama hipotezi ortaya atılmıştır. Son yıllarda
özellikle görsel ve işitsel nöronlarda yapılan deneylerle ortaya atılan “latans kodlama” da bu hipotezlerden
biridir [1]. Latans kodlama hipotezinde bilgilerin, nöronların oluşturdukları ilk spaykın zamanlamasında
kodlandığı kabul edilmektedir [2]. Bçalışmada, gerçekçi modelleme yaklaşımları kullanılarak, sinaps
Figure 5. Depresyon özelliği gösteren sinapslara sahip bir popülasyon için sinaptik akım varyansının presinaptik
dinamiklerinin latans kodlama hipotezinin kodlama performansına u etkileri araştırılmıştır. Sinaptik
nöronların rastgele ateşleme frekanslarıyla değişimi.
dinamikler bağlamında, literatürde deneysel çalışmalarla ortaya atılmış olan sinaptik depresyon ve Figure 2. Modeldeki matematiksel ifadelerin biyofiziksel karşılıklarını gösteren iki nöron ve aralarındaki sinaps boşluğu
Sistem parametreleri: ASE =0.6 USE =0.1 τfac=0 olarak alınmıştır.
fasilitasyon mekanizmaları üzerinde durulmuştur. Tsodyks and Markram dinamik sinaps modelinde [4], spayk iletimi esnasında sinaptik kaynakların
(nörotransmitter) zamana bağlı konsantrasyon değişimleri aşağıdaki diferensiyel denklem takımıyla ifade
FASİLİTASYONUN LATANS DİNAMİKLERİNE ETKİSİ
edilir: ( x(t), y(t), z(t) sırasıyla yenilenen (kurtarılan), aktif ve inaktif olan nörotransmitter madde oranları)
MODEL ve METOD dx(t ) z (t ) dy (t ) y (t ) dz (t ) y (t ) z (t )
  u (t ) x(t ) (t  t spayk )   u (t ) x(t ) (t  t spayk )  
Çalışmada, in vivo koşullarda yaşayan postsinaptik bir nöron ve bu nöron ile sinaptik bağlantı halinde olan 10^3 dt  rec dt  in dt  in  rec

adet presinaptik nöron ele alınmıştır. Sözü edilen nöronal sistem, matematiksel metotlar kullanılarak modellenip,
Sinaptik depresyon mekanizmasını tanımlarken salınacak nörotransmitter madde oranı u(t)=USE iken
postsinaptik nöronun eşik-üstü bir uyartıma (sinyal) karşı ilk-spayk (latans) zamanlaması çeşitli biyofiziksel
sinaptik fasilitasyonda salınacak olan nörotransmitter madde oranı aşağıdaki eşitlik ile ifade edilir:
parametrelerin değişimi altında incelenmiştir.
U  u (t )
 U SE 1  u (t ) (t  t spayk )
du (t )
  SE
dt  fac
Son olarak ise postsinaptik nöron tarafına aktarılan sinaptik akımın hesabı aşağıdaki şekildedir:
I syn (t )  ASE y (t )

DEPRESYONUN LATANS DİNAMİKLERİNE ETKİSİ Figure 6. Fasilitasyon özelliği gösteren sinapslara sahip bir popülasyonda postsinaptik nöronun ortalama cevap
süresinin presinaptik nöronların rastgele ateşleme frekanslarıyla değişimi
Sistem parametreleri: ASE =0.6 USE =0.2 τrec=100 olarak alınmıştır.

Figure 1. Tasarlanan nöronal sistemin şematik gösterimi

Nöral sistemlerin hesapsal modeller kullanılarak araştırıldığı çalışmalarda biyofiziksel gerçekliği en iyi yansıtan
Hodgkin- Huxley (HH) matematiksel nöron modelinde [3], hücre membranının elektriksel potansiyelinin zamanla
değişimi:

dVm
Cm   I Na  I K  I L  I stim
dt Figure 7. Fasilitasyon özelliği gösteren sinapslara bir popülasyon için sinaptik akım varyansının presinaptik nöronların
Figure 3. Depresyon özelliği gösteren sinapslara sahip bir popülasyonda postsinaptik nöronun ortalama cevap süresinin
rastgele ateşleme frekanslarıyla değişimi.
Eşitliğiyle tanımlanırken, membran üzerinden geçen sodyum, potasyum ve diğer iyonik akımların toplamını presinaptik nöronların rastgele ateşleme frekanslarıyla değişimi
Sistem parametreleri: ASE =0.6 USE =0.2 τrec=100 olarak alınmıştır.
gösteren kaçak (leak) akımların dinamikleri aşağıda tanımlanmıştır. Sistem parametreleri: ASE =0.6 USE =0.1 τfac=0 olarak alınmıştır.

I Na  g Na m h(Vm  E Na )
maks 3
I K  g Kmaks n 4 (Vm  EK ) I L  g L (Vm  EL ) SONUÇ

Membran üzerinde bulunan ve hücre içerisi ile dışarısı arasındaki iyon geçişlerini sağlayan sodyum ve Sinaptik depresyon ve fasilitasyon mekanizmalarını içermeyen statik bir sinaps modeli kullanılarak elde edilen
sonuçlarda, presinaptik nöronların spayk ateşleme frekansının belirli bir seviyesinde postsinaptik nöronun
potasyum kanallarının kinetiklerini modellemede kullanılan m, n ve h parametrelerinin zamanla değişimleri: ortalama latans süresinde % 90’lara varan önemli bir artış olduğu gözlenmiştir. Bu artış bilginin (sinyalin) latans
kodlama hipotezi ile kodlanması açısından istenmeyen bir durumdur. Çünkü, bilgi karakteristiği değişmemesine
dm
  m (Vm )(1  m)   m (Vm ) m
dn
  n (Vm )(1  n)   n (Vm ) n rağmen, nöronun içinde bulunduğu ortam nedeniyle latans süresi değişmiştir. Ancak, dinamik sinaps modeli ile
dt dt daha gerçekçi bir modelleme yaklaşımı kullanarak elde edilen sonuçlar göstermiştir ki, bu istenmeyen durum
dh
sinaptik depresyon mekanizması ile ortadan kaldırılabilir. Öte yandan, fasilitasyon mekanizmasının ise latans
  h (Vm )(1  h)   h (Vm ) h gecikmesini daha da arttırdığı gözlenmiştir. Sonuç olarak, bir nöron popülasyonunda latans kodlama hipotezinin
dt
etkili bir bilgi kodlama biçimi olabilmesi popülasyondaki sinaptik bağlantıların depresyon özelliği sergilemesine
bağlı olduğu gösterilmiştir.
Membranın elektriksel potansiyeline bağlı olarak değişim gösteren iyon kanal kapı kinetiğinin hız fonksiyonları
aşağıdaki gibi tanımlanmışlardır. REFERANSLAR

Vm  40 [1] Borst, A., Theunissen, F.E. 1999. “Information theory and neural coding”, Nature Neuroscience, 2 (11), 947-957.
 m (Vm )  0.1  m (Vm )  4e  (V  65) / 20 Figure 4. Depresyon özelliği gösteren sinapslara sahip bir popülasyonda presinaptik nöronların farklı ateşleme frekans
1  e  (Vm  40) / 10
m

[2] Mainen, Z.F., Sejnowski, T.J., “Reliability of spike timing in neocortical neurons”, Science, 268,1503-1506, 1995.
değerlerinde postsinaptik nöronun cevap süresindeki değiişim. [3] Hodgkin, A.L., Huxley, A.F. 1952. “A quantitative description of membrane current and its application to conduction
 h (Vm )  0.07e (V m  65) / 20
 h (Vm ) 
1
Sistem parametreleri: ASE =0.6 USE =0.1 τrec=300 τfac=0 olarak alınmıştır. and excitation in nerve”, J. Physiol., 177, 500-544.
1  e  (Vm  35) / 10
[4] Tsodyks, M.V., Markram, H. 1997. “The neural code between neocortical pyramidal neurons depends on
Vm  55
 n (Vm )  0.01  n (Vm )  0.125e  (V m  65) / 80 neurotransmitter release probability”, Neurobiology, 94, 719–723.
1  e  (Vm  55) / 10

POSTER TEMPLATE BY:

www.PosterPresentations.com