Tuning of conventional controllers using artificial neural networks
Yapay sinir ağları kullanarak klasik denetleyicilerin parametrelerinin gerçek zamanlı ayarlanmaları
- Tez No: 129256
- Danışmanlar: PROF. DR. OSMAN TÜRKAY
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2002
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP CANSEVER
- Quadcopter trajectory tracking control using reinforcement learning
Pekiştirmeli öğrenme ile quadcopter yörünge takibi kontrolü
MUSTAFA ERDEM
Yüksek Lisans
İngilizce
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDİNÇ ALTUĞ
- 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
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEN DEMİRÖREN
- Optimized control and power sharing in microgrid network
Akıllı elektrik şebekelerinde optimize edilmiş kontrol ve güç paylaşımı
MOHAMMED S. S. JOUDA
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN KAHRAMAN
- 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
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDE GÜZELKAYA