Geri Dön

Adaptive model predictive control for single input/ single output systems

Başlık çevirisi mevcut değil.

  1. Tez No: 35315
  2. Yazar: METE FAZIL DEMİRMAN
  3. Danışmanlar: DOÇ. DR. MEHMET C. ÇAMURDAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Kimya, Chemistry
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1994
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 100

Özet

IV ÖZET Bu çalışmada, model parametrelerini güncelleştirmek için özyineli en küçük kareler algoritması ve uzlaşımsal model denetimi birleştirilmiş olup çevrimci parametre kestirimi ile, uyarlanır (değişken modelli) öngörücü model denetim yaklaşımı sunulmuştur. Önerilen yaklaşım i) doğrusal, ii) doğrusal olmayan süreçlere uygulanmış ve sabit modelli uzlaşımsal öngörücü model denetimi ile karşılaştırılmıştır. Doğrusal süreçte, kazançtaki model/süreç farklılığı fazla olduğu durumlarda, değişken modelin başarımı nicel olarak ölçülmüş ve sabit modele oranla daha iyi olduğu bulunmuştur. Eğer süreç ve modelin kazanç işaretleri ters ise, kararlı çalışma için değişken model kullanılması zorunludur. Doğrusal olmayan süreçte girdi çokluğu olduğundan, doğrusal olmayan öngörücü model tekniklerine girmeden, basit bir doğrusal model özyineli en küçük kareler yöntemi kullanılarak, uyarlanır öngörücü model denetimi ile iyi bir denetim başarımı sağlanmıştır.

Özet (Çeviri)

Ill ABSTRACT An adaptive (variable model) controller which combines on-line parameter estimation using a recursive least squares algorithm to update the model parameters and conventional Model Predictive Control is presented. The proposed approach is applied to i) a linear, ii) a nonlinear process and is compared with the fixed model conventional Model Predictive Control. For the linear process it is found that if the model/process mismatch in the gain is significant then variable model performance measured quantitatively as the loss function is superior to that of the fixed model. When the mismatch is small, then the converse is true. However, variable model must be used for stable operation if the process and the model gain signs are opposite. As for the nonlinear process which exhibits input multiplicity, it is shown that without resorting to nonlinear model predictive control techniques, a simple linear model with recursively identified parameters can be used to achieve good control performance.

Benzer Tezler

  1. Tez No

    29405

    Adaptive-predictive control and simulation studies on a distillation column

    Distilasyon kolonunda tahminli-ayarlamalı kontrol ve simulasyon çalışmaları

    FARİBA KARBASİ

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Kimya MühendisliğiOrta Doğu Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGİN KISAKÜREK

  2. Tez No

    658565

    Model predictive control based emergency scheme for power systems transient stability using state and parameter estimation via immersion and invariance

    Güç sistemler için model öngörülü kontrol yapısı ile geçici kararlığı sağlama ve daldırma ve değişmezlik yaklaşımı ile durum ve parametre kesitimi

    SALEH MSADDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAPRAK YALÇIN

  3. Tez No

    58401

    Dolgulu damıtma kolonuna optimum adaptif genelleştirilmiş prediktif kontrolünün uygulanması

    Application of optimal adaptive generalized predictive control of a packed distillation column

    SÜLEYMAN KARACAN

    Doktora

    Türkçe

    Türkçe

    1997

    Kimya MühendisliğiAnkara Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ALPBAZ

  4. Tez No

    458880

    Predictive and adaptive channel estimation models for cooperative wireless communications

    İşbirlikli kablosuz haberleşme için öngörüsel ve adaptif kanal kestirim modelleri

    OMAR GATERA

    Doktora

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET HAMDI KAYRAN

  5. Tez No

    863624

    State of charge estimation of lithium-ion batteries using machine learning approach

    Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini

    OSMAN ALPER ALTUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİNE AYAZ

Geri Dön