Pnömatik bir sistemin parametrik ve yapay sinir ağları ile tanılanması
Parametric and artificial neural network identification of pneumatic system
- Tez No: 292223
- Danışmanlar: PROF. DR. CAN ÖZSOY
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Dinamiği ve Kontrol Bilim Dalı
- Sayfa Sayısı: 97
Özet
Bu tez çalışmasında, İ.T.Ü. Makina Fakültesi Otomatik Kontrol Laboratuvarı'nda bulunan elektropnömatik bir sistemin dinamik parametrelerinin, beyaz gürültü sinyalleri uygulanarak ve sistemin bu sinyallere piston konumu olarak verdiği cevapları kullanarak sistem tanılanması gerçekleştirilmiştir. Tanılama sırasında ilk olarak en küçük kareler yöntemiyle parametrik tanılama yapılmış ve ARX model yapısı seçilmiştir. Daha sonra aynı giriş verileri kullanılarak yapay sinir ağları ile tanılama amaçlanmıştır. Yapay sinir ağları eğitim algoritması olarak Levenberg - Marquardt algoritması kullanılmıştır. Son bölümde ise parametrik model ile yapay sinir ağ modeli karşılaştırılmış, yapay sinir ağlarını eğitilerek oluşturulan modelin, parametrik modele göre gerçek sisteme daha yakın sonuçlar verdiği görülmüştür. Karşılaştırma sırasında çapraz korelasyon testi yapılmış ve ortalama karesel hataya bakılmıştır. Aynı zamanda, yapay sinir ağlarının maliyeti bu çalışmada açıkça görülmektedir.
Özet (Çeviri)
In this thesis, parametric identification for parameters of dynamics are experimentally carried out on a pneumatic system, which was installed in Automatic Control Laboratory of Mechanical Faculty of I.T.U, through applying white noise signals and acquiring the system responses as piston position. Firstly, it is aimed to design parametric identification using the recursive least square method and ARX model was selected as model structure. Afterwards, neural network identification carried out as using same input data and Levenberg ? Marquardt algorithm was selected as training algorithm. Concluding section, artificial neural network model compared with parametric model. Artificial neural network is generated by the model training, according to parametric model gives result closer to real system. During the comparing, mean square error and cross correlation test was applied. At the same time,it is obvious that cost of artificial neural network is more than parametric identification.
Benzer Tezler
- LSTM-based learning of automata models for production line operations
LSTM ile üretim hatlarının çalışmasına ilişkin otomat modellerini oluşturma
IYAS MOHAMMAD IBRAHEEM ALTALAFHA
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. YAPRAK YALÇIN
DOÇ. DR. GÜLCİHAN ÖZDEMİR
- Doğadan esinli interaktif bina kabuğu tasarımı için örüntüye dayalı bir model
A model for nature inspired interactive building envelope design based on pattern
HÜLYA ORAL
Yüksek Lisans
Türkçe
2015
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. GÜLEN ÇAĞDAŞ
- Muntazam dalgaların sabit yatay iki paralel plakadan transmisyonu
Transmission of regular waves through two fixed horizontal parallel plates
A. FÜGEN TORAMAN
- Nonlınear modelıng and sensıtıvıty analysıs of}{oleo-pneumatıc strut landıng gear systems for aırcraft landıng performance
Uçak iniş performansına yönelik oleo-pnömatik iniş takımı sistemlerinin doğrusal olmayan modellenmesi ve duyarlılık analizi
SADIK UTKU GÜLEK
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAAN YILDIZ