Geri Dön

Tuning of conventional controllers using artificial neural networks

Yapay sinir ağları kullanarak klasik denetleyicilerin parametrelerinin gerçek zamanlı ayarlanmaları

  1. Tez No: 129256
  2. Yazar: MUSTAFA BÜLENT GÜLBAZ
  3. Danışmanlar: PROF. DR. OSMAN TÜRKAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2002
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 118

Özet

ÖZET YAPAY SINIR AĞLARI KULLANARAK KLASİK DENETLEYİCİLERİN PARAMETRELERİNİN GERÇEK ZAMANLI AYARLANMALARI Her geçen gün robot manipülatörlerinin endüstrideki kullanımları ve önemleri artmaktadır. Bu manipülatörlerin konum kontrolleri kontrol mühendisliğinin öncelikli ilgi alanlarından biri olmuştur. Robot kontrolü uygulamalarında yüksek hız ve kesinlikte bir çalışma istenir. Robot dinamiğinin karmaşıklığı ve lineer olmaması, ayrıca kullanım sırasında ortaya çıkabilecek önceden belli olmayan dinamik değişimler nedeniyle bu özelliklere uygun, yeni ve daha etkin kontrol sistemlerine ihtiyaç duyulmaktadır. Pekçok sistemde uygulanmakta olan sabit parametli klasik kontrol yapılan bu şartlar altmda zayıf kalmaktadırlar. Bu çalışmada klasik kontrol uygulamaları olan PID ve PID hesaplanmış moment yöntemi üzerinde çalışılmıştır. Yapay sinir ağlarının robot sistemlerinde karşılaşılan tüm bu sorunlara karşı yüksek başarısı, yapay sinir ağı kullanan pekçok kontrol uygulamasında gözlenmiştir. Bu konuda yeni bir yaklaşımda yapay sinir ağları kullanılarak klasik kontrol sistemlerinin parametrelerinin güncellenmesi yoluyla kontrol uygulanmasıdır.Bu çalışmada, iki kollu bir robotun konum kontrolünü sağlayan i ki esas kontrol sistemi tasannu sunulmuştur. Bu kontrol sistemlerinin, ani dinamik değişimlere kolayca uyum sağlamaları amacıyla yapay sinir ağlan gerçek zamanlı öğrenme algoritması kullanılarak eğitilmiştir. Herbir sistem PID ve PID hesaplanmış moment yöntemi için ayn ayrı uygulanmıştır. Denetleyici olarak kullanılan yapay sinir ağlarının eğitim sinyallerinin elde edilmesi amacıyla sistem tanımlama ve hata geriye yayma prensipleri kullanılmıştır. Tasarlanan sistemlerin denetleyici parametrelerini güncelleme yetenekleri ve beklenmedik dinamik değişimlere karşı başarılı çahşmaları sunulmuştur.

Özet (Çeviri)

IV ABSTRACT TUNING OF CONVENTIONAL CONTROLLERS USING NEURAL NETWORKS The usage of robotic manipulators and their importance are increasing in the industrial applications. The trajectory control process of robot manipulators has appeared as a primary interest in robotics for control engineers. High-speed and high-precision trajectory tracking is required in most of the robotics applications. Because of the computational complexities, the presence of nonlinearities and uncertainties in robot dynamics, new and more effective control strategies capable of dealing with these features are needed. The conventional controllers with fixed parameters may usually derive poor control performances under these circumstances. Two conventional control methods; PAD and PID-computed torque methods are discussed in this work. It has been demonstrated that artificial neural networks are well suited to cope with all the difficulties, which may arise in a robotic control system. A newer approach to trajectory control problem is the intelligent tuning of conventional controllers using neural networks. Two basic self-tuning control schemes using artificial neural networks for trajectory control of a two-link manipulator are devised in this work. These control schemes are simulated for PID control and PID-computed torque control by using on-line learning procedure so that the control systems have adaptation capability to unpredicted dynamic changes. System identifiers and error back propagation principles are used in order to obtain teaching signals for the controller networks. The ability of tuning controller parameters and successful performances under load change uncertainty of the devised control systems are presented.

Benzer Tezler

  1. Nöral-genetik tabanlı optimal bulanık kontrolörün gerçeklenmesi ve DC servomotora uygulanması

    Design of neural-genetic based optimal fuzzy controller and application to DC servomotor

    İBRAHİM BEKLAN KÜÇÜKDEMİRAL

    Doktora

    Türkçe

    Türkçe

    2002

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. GALİP CANSEVER

  2. Quadcopter trajectory tracking control using reinforcement learning

    Pekiştirmeli öğrenme ile quadcopter yörünge takibi kontrolü

    MUSTAFA ERDEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERDİNÇ ALTUĞ

  3. Çok makineli güç sisteminde açısal kararlılık analizi ve kontrolör parametre optimizasyonu

    Angular stability analysis and controller parameter optimization in multi-machine power system

    SERDAR EKİNCİ

    Doktora

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞEN DEMİRÖREN

  4. Optimized control and power sharing in microgrid network

    Akıllı elektrik şebekelerinde optimize edilmiş kontrol ve güç paylaşımı

    MOHAMMED S. S. JOUDA

    Doktora

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN KAHRAMAN

  5. Optimization of rule weights and membership functions of fuzzy controller using extended Kalman filter

    Genişletilmiş Kalman filtresi ile bulanık kontrolörün kural ağırlıkları ve üyelik fonksiyonlarının optimizasyonu

    NASSER ARGHAVANİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜJDE GÜZELKAYA