Yapay sinir ağları ile modelleme ve aktif manyetik yataklamalı bir sisteme uygulanması
Artificial neural networks based modelling and application to an active magnetic bearing system
- Tez No: 104118
- Danışmanlar: DOÇ. DR. SETA BOĞOSYAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2001
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
ÖZET Bu çalışmada nonlineer sistemlerin yapay sinir ağları ile modellenmesi incelenmiş ve aktif manyetik yataklamalı bir sistemin yapay sinir ağı modeli elde eldilmeye çalışılmıştır. Simülasyonlar için Matlab ve Simulink programları kullanılmıştır. öncelikle yapay sinir ağlarının modelleme ve kontrolde kullanılması incelenmiş, örnek olarak seçilen açık çevrimde kararlı nonlineer bir sistemin çevrim dışı tanınması gerçekleştirilmiştir. Bunun için önce sistemden örnekler alınmış, model yapısı seçilmiş ve model geçerlilğini test etmek üzere korelasyon testleri uygulanmıştır. Sisteme ilişkin öngörülen regresörlerin yetersiz olması durumunda sözkonusu korelasyon testleri sağlanmazken doğru olarak öngörülen regresörler bu testleri başarıyla geçmiştir. İkinci olarak aktif manyetik yataklamalı sistemin simülasyonlarda kullanmak üzere matematiksel modeli elde edilmiştir. Bu sistem açık çevrimde kararsız olduğundan tanıma süreci kapalı çevrimde yapılmak zorundadır. Bu durumda sisteme uygulanabilecek giriş işareti kontrol işareti sistem çıkışına bağımlı olduğundan sistem hakkında yeterli bilgi edinilmesini engeller. Bu durumda kontrol işareti üzerine sistemi tanıma amaçlı bir işaret eklenir. Bu koşulda sistemden alınan örneklerle bir yapay sinir ağı modeli elde edilmiştir. IX
Özet (Çeviri)
ARTIFICIAL NEURAL NETWORKS BASED MODELLING AND APPLICATION TO AN ACTIVE MAGNETIC BEARING SYSTEM SUMMARY In this study, nonlinear system identification with neural networks has been examined, and some basics about the use of neural networks in control is mentioned. As a practical study, an exemplary open loop stable nonlinear system and an open loop unstable active magnetic bearing system are modelled with feedforward multilayer neural networks. The Concept of System Identification System identification problem deals with obtaining mathematical models of dynamical systems. This problem can be approached in three different ways. If there is no knowledge about the system, the only way of identification is to construct from a set of measurements on the system. This is called“black-box modelling”. In contrast to this, when the exact model can be obtained by physical modelling, it is called“white-box modelling”. Between these two approaches exists“gray-box modelling”where there is a certain level of knowledge about the system. Dynamical systems possess the following mathematical representation in the most general case, x(0 = f(x(0,u(0,0 y(t) = g(x(t)Mt),t) where the state x(f)e3im, the input u(t) e 5Rr,and the output y(f)e$Rn, f : SRnx9irx9l+ ->9t" and g : 5R/7xSRrx1R+ ->9?m. The fundamentel property of a dynamical system is that given any initial time, any initial state and any input, both the resulting state and the output are uniquely specified. Here the identification problem is to obtain the functions f and g. The System Identification Procedure In system identification, whether the system is linear or not has to be determined firstly. There are several tests that yield this information. Following the definition of linearity, wherever the input u{t) + b, (7(f) = 0, b*Q is applied to a system, the system cannot be linear if zb*z where zb and z are the mean levels of the system output for the inputs 6 (u(f) = 0) and u(t) + b, respectively (Billings ve Voon,1986).
Benzer Tezler
- Simulation and optimization algorithm to determine the design parameters of novel alternating activated sludge systems for removal of heavy metals by using magnetic nanoparticle(s)
Yenilikci değişken aktif çamur sistemlerinde manyetik nanoparcacıklar kullanarak ağır metal temizlenmesi için tasarım parametrelerinin belirlenmesinde benzetim ve optimizasyon algoritmaları
MAGDI BUAISHA
Doktora
İngilizce
2019
Kimya MühendisliğiAtılım ÜniversitesiMühendislik Sistemlerinin Modellenmesi ve Tasarımı Ana Bilim Dalı
DOÇ. DR. ŞAZİYE BALKU
PROF. DR. ŞENİZ ÖZALP YAMAN
- Memristör için parça-parça doğrusal model tasarımı ve bu modelin memristör tabanlı filtrelere uygulanması
Design of piecewise linear model for memristor and its application to memristor based filters
AHMET SOLAK
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SAADETDİN HERDEM
- Endosensorfusion: Particle filtering-based multi-sensory data fusion with switching state-space model for endoscopic capsule robots using recurrent neural network kinematics
Kapsül endoskopi robotları için değişen durum-uzay modeli ile yinelenen yapay sinir ağları kullanarak parçacık filtreleme temelli çoklu duyarga verisi ilişkilendirmesi
YASİN ALMALIOĞLU
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ TAYLAN CEMGİL
- Depreme yönelik olarak yarı-aktif kontrollü manyetik damper tasarımı ve uygulaması
Design of a semi-active controlled magnetic damper for seismic mitigation of buildings
MUAZ KEMERLİ
Doktora
Türkçe
2020
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN ENGİN
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA