Comparison of concurrent learning and derivative-free model reference adaptive control against parameter variation
Eş zamanlı öğrenen ve türevsiz model referans adaptif kontrolün parametre değişimine karşı kıyaslaması
- Tez No: 442217
- Danışmanlar: YRD. DOÇ. DR. ALİ TÜRKER KUTAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
Sadece anlık veri kullanan adaptif yasaları için, sürekli uyarım olmadan parametre yakınsamasının mümkün olmadığı bilinmektedir. Yaklaşık kırk yıldır adaptif kontrolde süregelen parametre yakınsama sorununu, özgün Eş Zamanlı Öğrenen Model Referans Adaptif Kontrol (CL-MRAC) yöntemi sürekli uyarıma ithiyaç duymadan çözmektedir. Bu çözüm, kaydedilen ve anlık verinin eş zamanlı kullanımına dayanmaktadır. Bir diğer özgün adaptif kontrol yöntemi olan Türevsiz Model Referans Adaptif Kontrol (DF-MRAC) yöntemi, türev bazlı adaptif yasalarına ve onların integral etkisine karşı çıkmaktadır. Sabit ideal parametre varsayımı yerine, DF-MRAC zamanla değişen ideal parametrelere izin veren daha esnek bir varsayım kullanmaktadır. Bahsedilen bu katkılar nedeniyle, hem CL-MRAC hem de DF-MRAC dikkate değer bulunmaktadır. Bu araştırma, ana hatlarıyla bu kontrol yöntemlerinin parametre değişimine karşı gürbüzlüklerini konu almaktadır. Bu tezde, CL-MRAC yönteminin standart üstel kararlılık teoremi ve DF-MRAC yönteminin düzgün nihai sınırlılık teoremi, her iki teoremin de ifadelerinde ufak değişiklikler yapılarak ispatlanmıştır. Teoremlerdeki bazı eksik bölümler tamamlanmış veya eksiklikleri vurgulanmıştır. Bu iki kontrol yöntemini adil bir şekilde kıyaslayabilmek için CL-MRAC yönteminde kullanılan sabit ideal parametre varsayımı DF-MRAC yönteminde kullanılan varsayıma benzer; ama daha katı olan zamanla değişen ideal parameterler varsayımıyla değiştirilmiştir. Bu esnetilmiş varsayım altında, kapalı döngü sistem çözümünün düzgün nihai sınırlılığı ispatlanmıştır. Bu teoreme göre mevcut veri kayıt algoritmaları modifiye edilmiş ve zamanla değişen ideal parametreler içeren örnek düzenleme ve takip problemlerinde, CL-MRAC yönteminin modifiye edilen algoritmalarla birlikte performansı incelenmiştir. Benzetim sonuçları, CL-MRAC performansının uygulandığı problemlere ve veri kayıt algoritmalarına bağlı olduğunu göstermektedir. Zamanla değişen hücum açısı barındıran kanat sallanma problemi sayısal gösterim için kullanışlı bir kıstas olarak düşünülmektedir. Yüksek seviyede belirsizlik ve rassal bozucu altında, iki kontrol yöntemi sınanmış ve DF-MRAC yöntemi CL-MRAC yöntemine kıyasla daha yüsek performans göstermiştir. Benzetimlerde, DF-MRAC yöntemi belirsizliği etkin bir şekilde baskıladığı ve bu belirsizliği öğrenme girişiminde bulunmadığı için performansı, farklı taban foksiyonları kullanılarak da sınanmıştır. Benzetim sonuçları, DF-MRAC yönteminin mükemmel performansını ortaya koymuştur. Her iki kontrol yönteminin parametre değişimlerine karşı sınırlı çözümlere sahip olduğu gösterilmiş olmasına rağmen, uyarlama stratejileri tamamen faklıdır ve bu farkın performanslara etkisi benzetimlerde açıkça görülmektedir.
Özet (Çeviri)
For adaptive laws using only instantaneous data, it is well known that parameter convergence is impossible without persistency of excitation. Concurrent Learning Model Reference Adaptive Control (CL-MRAC) is a novel adaptive controller that solves the parameter convergence problem, about forty year old adaptive control problem, without requiring persistency of excitation. This solution relies on the concurrent usage of recorded and current data. Derivative-Free Model Reference Adaptive Control (DF-MRAC) is another novel adaptive controller that challenges the derivative-based adaptive laws and the integral action of them. Instead of constant ideal parameters assumption, DF-MRAC uses less strict assumption which allows time-varying ideal parameters. Due to these contributions, both CL-MRAC and DF-MRAC deserve attention. This research mainly addresses their robustness to parameter variation. In this thesis, standard exponential stability theorem of CL-MRAC and uniform ultimate boundedness theorem of DF-MRAC with minor changes in their statements are proved. Some missing parts in these theorems are either filled or emphasized. To make a fair comparison between CL-MRAC and DF-MRAC, constant ideal parameters assumption imposed in CL-MRAC is replaced with time-varying ideal parameters assumption which is similar to the one in DF-MRAC but still stricter than it. Under this relaxed assumption, uniform ultimate boundedness of the solution of the closed-loop system is proved. According to this theorem, existing data recording algorithms are modified and the performances of CL-MRAC with modified algorithms are inspected under time-varying ideal parameters in a sample regulation and tracking problem. The simulation results show that the performance of CL-MRAC is dependent on problems and data recording algorithms. Wing rock problem with time-varying angle of attack is considered a useful benchmark for numerical illustration. Under high level uncertainty and random disturbance, controllers are tested and DF-MRAC performs better than CL-MRAC. Since DF-MRAC suppresses the uncertainty effectively and makes no attempt to learn it in the simulations, its performances with different basis functions are also tested. The simulation results present the excellent performance of DF-MRAC. Although it is shown that both CL-MRAC and DF-MRAC have bounded solutions under parameter variations, their adaptation strategies are completely different and the effect of this difference in the performance is obviously seen in the simulations.
Benzer Tezler
- Teknoloji destekli öğrenme ortamlarında çoklu görev yapmanın öğrenmeye etkisi
The effects of multitasking on learning in technology enhanced learning environments
MUHTEREM DİNDAR
Doktora
Türkçe
2015
Eğitim ve ÖğretimAnadolu ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. YAVUZ AKBULUT
- İstatistiksel kalite kontrol kartlarında yapay sinir ağları ile örüntü tanıma
Pattern recognition with neural networks in statistical quality control charts
CANER KONUK
Yüksek Lisans
Türkçe
2023
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. BURCU HÜDAVERDİ AKTAŞ
- Müzikte hareket ve beden ilişkisinin pedagoji yöntemleriyle karşılaştırılması
The comparison of movement and body relationship in music with the pedagocical methods
MELİKE AY
Yüksek Lisans
Türkçe
2003
MüzikMimar Sinan Güzel Sanatlar ÜniversitesiMüzik Ana Sanat Dalı
YRD. DOÇ. DR. FEVZİYE İNAL
- Çoktan seçmeli ve karma test uygulamalarına ilişkin öğrenci başarıları ile öğrenci ve öğretmen görüşlerinin karşılaştırılması
The comparison of student achievements, students' and teachers' views for multiple choice and mixed format test applications
BUKET EREN
Yüksek Lisans
Türkçe
2015
Eğitim ve ÖğretimAnkara ÜniversitesiÖlçme ve Değerlendirme Ana Bilim Dalı
PROF. DR. NÜKHET DEMİRTAŞLI
- Ortaokul öğrencilerinin matematiğe yönelik kaygı düzeyleri ve bu kaygıya neden olan faktörler
Anxiety levels of middle school students towards mathematics and the factors causing this anxiety
AMİNE ECE BAĞ
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimSakarya ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT ERTUNA