Geri Dön

Yapay sinir ağı denetim organı kullanarak, taşıtlarda aktif süspansiyon sistemi kontrolü

Control of active suspension system of vehicles using artificial neural network controller

  1. Tez No: 232207
  2. Yazar: İKBAL ESKİ
  3. Danışmanlar: DOÇ. DR. ŞAHİN YILDIRIM
  4. Tez Türü: Doktora
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2007
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 200

Özet

Süspansiyon sistemleri, yol pürüzlülüğünden kaynaklanan titreşimlerin etkisini azaltarak sürüş konforunu en iyi düzeyde tutmayı amaçlayan sistemlerdir. Bu tez çalışmasında, öncelikle süspansiyon sistemlerinin seyir emniyeti ve konfor açısından analizinde Yapay Sinir Ağları (YSA) kullanılmıştır. Bunla birlikte, yarım taşıt modeline ait altı parametrenin titreşim analizi YSA kullanılarak gerçekleştirilmiştir. Ayrıca, TÜBİTAK desteği ile kurulan yarı aktif süspansiyon sisteminden elde edilen deneysel veriler yardımıyla yapılan titreşim analizinde YSA kullanılmıştır. Her üç analiz için de, elde edilen sonuçlar incelendiğinde Radyal Esaslı Yapay Sinir Ağı (REYSA) yapısının en iyi performans sağladığı görülmüştür. Bu tez çalışmasının esasını ihtiva eden aktif süspansiyon sisteminin kontrolü için iki farklı taşıt modeli dikkate alınmıştır. Öncelikle çeyrek taşıt modeline ait aktif süspansiyon sisteminin kontrolü için Gürbüz Model Esaslı Yapay Sinir Ağı (GMEYSA) kontrol sistemi geliştirilmiştir. Geliştirilen kontrol sistemi ile PID kontrol organı aktif süspansiyon sisteminin denetiminde kullanılmıştır ve her iki kontrol yapısının performansını mukayese edebilmek için beş farklı yol pürüzlülüğü kullanılmıştır. Çeyrek taşıt modeline göre daha karmaşık yapıya sahip tam taşıt modeline ait yedi parametrenin denetimi için Gürbüz Yapay Sinir Ağı (GYSA) kontrol sistemi geliştirilmiştir. Dört farklı yol pürüzlülüğü kullanılarak elde edilen sonuçlara göre, geliştirilen GYSA kontrol sistemi standart PID kontrol organından çok daha iyi performansa sahip olduğu tespit edilmiştir.

Özet (Çeviri)

Purpose of the suspension systems is to maintain the level of driving comfort at best level by decreasing the impact of vibrating caused by road roughness. In this study, Artificial Neural Network (ANN) has been used to analyze suspension systems from the view of driving safety and comfort. However, vibrating analyze of six parameters belong to half-vehicle model was achieved by using ANN. Moreover, it was also used for the vibrating analysis which was applied by means of experimental data obtained from semi-active suspension system set by the sponsorship of TÜBİTAK (The Scientific and Technological Research Council of Turkey). When the results obtained examined in each of the three analyses, it was determined that the structure of Radial Basis Artificial Neural Network (RBANN) has supplied the best performance. Two different vehicle models have been considered to control the active suspension system which consist the base of this study. First of all, Robust Model Reference Artificial Neural Network (RMRANN) in order to control active suspension system belongs to quarter vehicle model has been developed. The control system developed and PID controller have been used under the control of active suspension system and five different road roughnesses have been also used so that we could make a comparison between the performances of both controllers. Robust Artificial Neural Network (RANN) has been developed to control seven parameters belonging to whole vehicle model which has more complex structure compared with quarter vehicle model. It was determined that RANN control system developed according to the results obtained by using four different road roughnesses has much better performance than PID controller.

Benzer Tezler

  1. Bağımsız denetim görüşlerinin tahmin edilmesinde veri madenciliği yöntemlerinin karşılaştırılması: Borsa İstanbul'da bir uygulama

    Comparison of data mining methods for audit opinions prediction: An application in Borsa Istanbul

    ZAFER KARDEŞ

    Doktora

    Türkçe

    Türkçe

    2024

    İşletmeAfyon Kocatepe Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. TUĞRUL KANDEMİR

  2. Identification of tea plantation areas using Google cloud based random forest and deep learning

    Google bulut servise dayalı rastgele orman ve derin öğrenme ile çay tarım alanlarının belirlenmesi

    BERKAY ÖZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESRA ERTEN

  3. Face presantation attack detection by deep learning

    Derin öğrenme ile yüz sunum saldırı tespiti

    MUHAMMED SELAMCIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolManisa Celal Bayar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHAMMET GÖKHAN ERDEM

  4. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  5. Türkiye'de su hakkı

    The right to water in Turkey

    YILDIZ AKEL ÜNAL

    Doktora

    Türkçe

    Türkçe

    2021

    HukukGalatasaray Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    PROF. DR. ERDOĞAN BÜLBÜL