Structured neural networks for modeling and identification of nonlinear mechanical systems
Doğrusal olmayan mekanik sistemlerin modellemesinde ve tanısında kullanılan yapılandırılmış yapay sinir
- Tez No: 313632
- Danışmanlar: YRD. DOÇ. DR. AHMET BUĞRA KOKU, YRD. DOÇ. DR. MELİK DÖLEN
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mekatronik Mühendisliği, Mechanical Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 252
Özet
Mühendislik alanındaki sistemlerin çoğunun doğrusal-olmayan davranış göstermesi bu sistemler için güvenilir matematiksel modellerin oluşturulmasını zorlaştırmaktadır. Yapay sinir ağları kestirme, filtreleme, tanılama ve denetleme alanlarında sıklıkla kullanıldıklarından evrensel modelleme ve fonksiyon yaklaşıklama araçları olarak kabul görülmektedir. Bazı tip fonksiyonların genel tipteki sinir ağlarına uyarlanması NP karmaşıklık sınıfına girdiğinden, iyi eğitilmiş yekpare bir sinir ağı elde etmek oldukça zordur. Aslında, sinir ağının eğitilebilmesi için gereken süre, ağın sahip olduğu serbest değişken uzay boyutunun artmasıyla üstel bir biçimde artmaktadır.Doğrusal olmayan dinamik sistemlerin alternatif bir biçimde modellenebilmesi için bu tez kapsamında yapılandırılmış yapay sinir ağ topolojileri için bir yöntem dizisi önerilmekte ve bu yöntemlerin ağ yapıları ile birlikte uygulaması gerçekleştirilmektedir. Yöntemler dizisinin ana fikri sistemi temel yapılarına bölmektir. İrdelenen sistemin temel yapılarına ayrılmasında kullanılacak olan `parçala ve çöz' yöntemi ise, aslında sistem hakkında sahip olunan ön bilgiye önemli ölçüde bağlı olmaktadır. Böylelikle, ayrıştırılan bu yapılar nispeten küçük yapay sinir ağları ile kolaylıkla modellenebilmektedirler. Daha sonra, bu küçük yapay ağlar birbirleriyle tekrar birleştirilerek ve uygun hale getirilerek dinamik sistemi tam olarak modelleyebilecek bir yapılandırılmış yapay sinir ağı oluşturulur. Daha sonra, yöntemin etkinliği dört adet mekanik sistem üzerinde test edilmiştir.
Özet (Çeviri)
Most engineering systems are highly nonlinear in nature and thus one could not develop efficient mathematical models for these systems. Artificial neural networks, which are used in estimation, filtering, identification and control in technical literature, are considered as universal modeling and functional approximation tools. Unfortunately, developing a well trained monolithic type neural network (with many free parameters/weights) is known to be a daunting task since the process of loading a specific pattern (functional relationship) onto a generic neural network is proven to be a NP-complete problem. It implies that if training is conducted on a deterministic computer, the time required for training process grows exponentially with increasing size of the free parameter space (and the training data in correlation). As an alternative modeling technique for nonlinear dynamic systems; this thesis proposed a general methodology for structured neural network topologies and their corresponding applications are realized. The main idea behind this (rather classic) divide-and-conquer approach is to employ a priori information on the process to divide the problem into its fundamental components. Hence, a number of smaller neural networks could be designed to tackle with these elementary mapping problems. Then, all these networks are combined to yield a tailored structured neural network for the purpose of modeling the dynamic system under study accurately. Finally, implementations of the devised networks are taken into consideration and the efficiency of the proposed methodology is tested on four different types of mechanical systems.
Benzer Tezler
- Oransal valf ve hidrolik silindirden oluşan bir sistemin tanılanması ve konum kontrolu
Identification and pasition control of a system consisting of a proportional valve and hydraulic cylinder
İLYAS İSTİF
Doktora
Türkçe
2003
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. KENAN KUTLU
- Identification of nonlinearities in structural dynamics by using artificial neural networks and optimization
Yapısal dinamiklerdeki doğrusal olmayan özelliklerin yapay sinir ağları ve optimizasyon ile belirlenmesi
ANIL KOYUNCU
Yüksek Lisans
İngilizce
2013
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN NEVZAT ÖZGÜVEN
YRD. DOÇ. DR. ENDER CİĞEROĞLU
- Taşıtın yanal ve doğrusal kontrolü için sürücünün modellenmesi
Human driver modeling for lateral andlongitudinal control of a vehicle
İLKER DELİCE
Yüksek Lisans
Türkçe
2005
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Teorisi ve Dinamiği Ana Bilim Dalı
YRD. DOÇ. DR. ŞENİZ ERTUĞRUL
- 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
GÜVEN EMRE
Yüksek Lisans
Türkçe
2003
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ÖZSOY
- Çimento öğütme prosesinin doğrusal olmayan sistem tanılama yöntemleri ile modellenmesi
Non-linear modeling of cement grinding process
ERMAN ÇEVİKKALP
Yüksek Lisans
Türkçe
2017
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL