Yapay sinir ağları ile sistem tanıma
System idendification with artificial neural networks
- Tez No: 223555
- Danışmanlar: PROF.DR. MÜJDE GÜZELKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2006
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 97
Özet
Bu çalışmada, hatanın geriye yayılımı yöntemini kullanan çok katmanlı yapay sinirağlarının sistem tanıma metodu olarak kullanılması incelenmiştir. Giriş ve çıkışdeğerleri bilinen ölü zamanlı lineer bir sistem için parametrik olmayan bir yapay sinirağı modeli elde edilmiş ve bu model diğer sistem tanıma yaklaşımları için elde edilenmodeller ile karşılaştırılmıştır. Karşılaştırma amacı ile parametrik ARX modeli veparametrik olmayan bulanık model elde edilmiştir. Modellenecek sistem hakkında bilgisahibi olunmadığı durumlarda, en iyi modelleme yönteminin yapay sinir ağı olduğugösterilmiştir. Elde edilen lineer ARX modeli klasik bir PID ile, bulanık model bulanık-PID ile, yapay sinir ağı modeli ise öz-uyarlamalı nöro-PID ile kontrol edilmiştir. Enbüyük aşım ve yerleşme zamanı gibi performans kriterleri göz önündebulundurulduğunda, en iyi sonuçların yapay sinir ağına dayanan öz-uyarlamalı nöro-PID ile alındığı gözlenmiştir.Anahtar Kelimeler : Sistem Tanıma, Yapay Sinir Ağları, Hatanın Geriye Yayılımı
Özet (Çeviri)
In this study, neural networks which use the backpropogation algorithm is examined forthe system idendification problem. A non-parametric model is obtained for the lineersystem which has dead-time with using the pair of input-output values. This model iscompared with parametric ARX model and non-parametric fuzzy model. It is shownthat the best model is obtained with neural networks if there is no information aboutsystem which is modelled. ARX model is driven with classical PID, fuzzy model is drivenwith fuzzy-PID and at last, neural model is driven with self-tuning neural-PID.According to the maximum overshoot and settling time criterion, the best results aretaken from neural model which is driven with self-tuning neural-PID.Keywords : System Idendification, Neural Networks, Backpropogation Algorithm
Benzer Tezler
- Aircraft icing detection, identification and reconfigurable control based on Kalman filtering and neural networks
Kalman filtresi ve yapay sinir ağları ile uçak buzlanmalarının tespiti, teşhisi ve yeniden şekilllendirilebilir kontrol
RAHMİ AYKAN
Doktora
İngilizce
2005
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiHavacılık Mühendisliği Ana Bilim Dalı
PROF.DR. ÇİNGİZ HACIYEV
Y.DOÇ.DR. FİKRET ÇALIŞKAN
- Yapay sinir ağları ile bir kontrol uygulaması
A Control application with artificals neural networks
CİHAN KARAKUZU
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SITKI ÖZTÜRK
- Real-time sign languages recognition by artificial neural networks
Yapay sı̇nı̇r ağları ı̇le ı̇şaret dı̇llerı̇nı̇n gerçek zamanlı tanınması
MOHAMMED NISHAM ANWER SAFAR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SERKAN ÖZBAY
- Elektrik devrelerinin yapay sinir ağları ile tanınması ve kontrolü
Identification and control of electrical circuits using neural networks
MEHMET SAMAN
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP DEMİR
- Destek vektör regresyonu ile PID kontrolör tasarımı
Design of PID controller via support vector regression
KEMAL UÇAK
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLAY ÖKE