Çimento endüstrisindeki harmanlama projesinin değişik tipte yapay sinir ağları ile tanılanması ve kıyaslanması
The Identification and comparison of the blending process in cement industry with various type of neural networks
- Tez No: 142716
- Danışmanlar: PROF. DR. CAN ÖZSOY
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2003
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
ÇİMENTO ENDÜSTRİSİNDEKİ HARMANLAMA PROSESİNİN DEĞİŞİK TİPTE YAPAY SİNİR AĞLARI İLE TANILANMASI VE KIYASLANMASI ÖZET Çimento endüstrisindeki harmanlama prosesinin temel amacı, silolardan uygun miktarlarda hammaddelerin alınıp, belirli çimento kalite standartlarına en yakın kimyasal kompozisyona sahip harmanın hazırlanmasıdır. Ancak, oksit bileşenleri içeren bu hammaddelerin kimyasal kompozisyonları uzun dönemli ortalama değerlere göre zamanla değişmekte ve bu değişmeler prosese bozucu olarak etkiyerek proses parametrelerinin değişmesine yol açmaktadır. Bu sebeple, stokastik ve etkileşimli bir yapıya sahip olan çok girişli-çok çıkışlı prosesin modellenmesi oldukça güçleşmektedir. Bu çalışmada hedeflenen, Hereke/îzmit'de faaliyet gösteren Nuh Çimento fabrikasındaki harmanlama prosesinden elde edilmiş veriyi kullanarak, harmanlama prosesini en iyi şekilde temsil edecek ve kontrol uygulamaları için sağlıklı bir temel olacak dinamik bir modelin elde edilmesidir. Belirtilen proses; yüksek mamul, düşük mamul ve demir cevheri girişleri ve demir oksit ve/veya kireç modülleri çıkışları oluşturmak üzere, üç farklı biçimde modellenmiştir. Belirtilen modeller, prosese ait 655 giriş-çıkış verisi kullanılarak sistem tanılama yoluyla elde edilmiştir. Sistem tanılama için, son yıllarda benzeri uygulamalarda sıkça başvurulan Yapay Sinir Ağlan(YSA) kullanılmıştır. YSA kendi özgün yapısından kaynaklanan sebeplerle, nonlineer fonksiyonlara yakınsayabilme özelliğine sahiptir. Dolayısıyla, proses dinamiğinin nonlineer olduğu endüstriyel uygulamaların modellenmesinde de etkili bir araçtır. Bu çalışmada, ortaya konulan modelleme probleminin çözümü için üç farklı YSA tipi kullanılmıştır. Bunlar, Çok Katmanlı İleri Beslemeü(ÇKİB), Radyal Bazlı(RB) ve Yinelenen YSA'lardır. Bu YSA'larm sistem tanılama davranışları, kendi kurgularından kaynaklanan çeşitli sebeplerle farklılaşırlar. Bu tezin kapsamı altında, YSA'lann genel yapısı ve değişik tipler arasında bahsedilen farklılaşmaya sebep olan tamlama davranışları, matematiksel temelleri ışığında detaylı olarak incelenmiştir. Bu çalışmanın ikincil amacı, aynı proses üzerine uygulanan bu ayrı tip YSA'lann kıyaslanması yapılarak, sistem tamlamada YSA kullanımına ilişkin genel sonuçlara gitmektir. Belirlenen amaçlan gerçekleştirme maksadıyla, Matlab® The Neural Network Toolbox® 4.0.1 kullanılarak her bir YSA tipi için, ikisi üç girişli-tek çıkışlı(demir oksit veya kireç modülü) ve biri üç girişli-iki çıkışlı(demir oksit ve kireç modülü) olmak üzere 9 ayrı model kurulmuş ve sistem dinamiğini kavrama özellikleri test edilmiştir. Elde edilen sonuçlar, demir oksit için modellemenin başanldığı fakat kireç modülü için başarılamadığını ortaya koymaktadır. Başarısızlığının sebebi olarak, kireç modülünün tanımı gereği dört ayrı oksit değerine bağlı oluşu ve bu tüm oksit bileşenlerine ait tanılama olumsuzlarını banndırması sonucuna varılmıştır. Farklı YSA tiplerinin, yeter sayıda denemeden sonra benzer sonuçlar verdiği ve hangisinin sistem tamlama için kullanılması gerektiğinin, modellenen prosese ve elde edilecek modelin uygulanacağı yapıya bağlı olduğu ortaya çıkmıştır. xıı
Özet (Çeviri)
THE IDENTIFICATION AND COMPARISON OF THE BLENDING PROCESS IN CEMENT INDUSTRY WITH VARIOUS TYPE OF NEURAL NETWORKS SUMMARY The goal of the raw material blending process in a cement factory is to mix the raw materials in order to produce cement raw meal that has closest chemical compositions to the specified cement quality standarts. On the other hand, the chemical compositions of the raw materials which include oxide components vary according to the long-term average values and these variations cause the changes of the system parameters by acting on the process as disturbances. Therefore, the modeling task of the process that is multi-input multi-output and has stochastic and interactive structure is quite difficult. The objective of this study is to construct an experimental dynamic model that is appropriate for to be implemented in control applications of the blending process by using the data obtained from Nuh Cement Factory in Hereke\İzmit. The clarified process is modeled in three different way in which the high grade, low grade and iron ore constitutes the inputs and the outputs are assumed as iron oxide and/or lime module. The system that is under interest is identified by using the data which is formed from the 655 input-output records of the process. The Neural Networks(NNs-which are information processing units and are inspired from biological neurons of human brain), that have gained a general use in constructing models of complex nonlinear industrial processes because of their inherent ability to learn and approximate a nonlinear function, are used for system identification. Three different type of NNs which are Multi-Layer Perceptron(MLP), Radial Basis(RB) and Recurrent are imlemented for the solution of the modeling problem that is under consideration. The system identification behaviour of the each of these NNs differs from the others for the various reasons that come from their own specific structures. The general principles of NNs and system identification behaviours of various types of NNs which are implemented under the scope of this study are examined in the light of the mathematical foundations. The secondary purpose of this thesis is to obtain general results for the NNs usage in system identification by comparing these various type of NNs those are applied on the same process. For carrying out the determined targets, two of which is three input-one output and the third is being three input-two output for each of the three type of NNs, 9 different models are constructed and their ability of learning the system dynamic are tested by using Matlab® The Neural Network Toolbox® 4.0.1. The results indicate the success on the task of modeling iron oxide output but failure in lime module. The specific definition of the lime module that is dependent to four different oxides and as a result of this situation that is to be included all the negative identification influences of these four oxides is brought up for the lack of success. The reality of the similar results of the various types of NNs after sufficient trial procedures is observed and the dependency of the selection of the NN type for any system identification task to the application that the model is to be integrated is stated. xni
Benzer Tezler
- Indentification and model predictive control of the raw material blending process in cement industry
Çimento endüstrisinde hammadde harmanlama prosesinin tanılanması ve model öngörülü kontrolü
AYHAN KURAL
- Çimento endüstrisinde harmanlama prosesinin öz uyarlamalı kontrolü
Başlık çevirisi yok
ŞERMİN KARAHASANOĞLU
- Çimento endüstrisinde hammadde harmanlama prosesinin klasik ve akıllı yöntemler ile modellenmesi
Modling of raw material blending process in cement industry using conventional and intelligent techniques
KEMAL KIZILASLAN
Yüksek Lisans
Türkçe
2004
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. ŞENİZ ERTUĞRUL
- Çimento endüstrisinde hammadde harmanlama prosesinin optimal kontrolü
Optimal control of raw material blending process in cement industry
GÜRKAN TUTUM
Yüksek Lisans
Türkçe
1997
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. RECEP KAZAN
