Geri Dön

Destek vektor makineleri tabanlı ayrık zamanlı kayma kipli kontrolör tasarımı

Support vektor machines based discrete-time sliding mode controller design

  1. Tez No: 452670
  2. Yazar: LÜTFİ ULUSOY
  3. Danışmanlar: DOÇ. DR. SERDAR İPLİKÇİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: Türkçe
  9. Üniversite: Pamukkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kontrol ve Kumanda Bilim Dalı
  13. Sayfa Sayısı: 104

Özet

Bilgisayar endüstrisindeki gelişmeyle yapay sinir ağları (YSA), evrimsel hesaplama ve yapay zekadan uyarlanan tekniklere dayanan Esnek İşlem (Soft Computing) yöntem ve prensiplerinin karmaşık kontrol algoritmaları için kullanılması elverişli hale gelmiştir. Esnek işlem araçları ile kayma kipli kontrolör (SMC) yapılarının bir araya getirilmesi kontrol kuramının aktif bir çalışma alanıdır. Sayısal bilgisayarların kontrolör gerçeklemelerinde kullanılmasının giderek yaygınlaşması, bilgisayar kontrollü kayma kipli kontrol uygulamaları konusunda yapılan çalışmalarında giderek daha fazla yaygınlaşmasını sağlamıştır. Sayısal bilgisayarlar ile kayma kipli kontrol yapılarını gerçeklemek için önerilen bir yöntem ise ayrık zamanlı kayma kipli kontrol (Discrete-time Sliding Mode Control- DSMC) yapılarıdır.Kökleri istatistiksel öğrenme kuramına dayanan Destek Vektör Makineleri (SVM) sınıflandırma ve regresyon problemleri için ortaya atılmış ve daha sonra çok geniş alandaki problemlerin çözümünde kullanılmıştır. Fakat SVM tabanlı DSMC tasarımı literatürdeki yerini yeterince almamıştır.Bu tez çalışmasında SVM ve YSA yaklaşımıyla matematiksel modeli bilinmeyen ve doğrusal olmayan sistemlerin kontrolü konusunda bir çalışma yapılmıştır. Kontrol edilecek sistemin SVM ve YSA modelleri, DSMC çerçevesinde kullanılmıştır. Bu çalışma sonucunda geliştirilen yöntemler seçilen örnek sistemlere başarılı bir şekilde uygulanmıştır. Bu yöntemlerde ilk olarak, denetlenecek sistemden belli bir süre boyunca veriler toplanır. Bu aşamada sisteme ilişkin parametrelerin ve veri toplama parametrelerinin uygun olmasına dikkat edilir. Ardından, toplanan bu verilerle bir eğitim ve bir test seti oluşturulur. Eğitim seti SVM veya YSA model(ler)in geliştirilmesinde test seti ise sınanmasında kullanılmıştır. Daha sonra, bu setlerle, sisteminin SVM veya YSA model(ler)i oluşturulur ve bu model(ler) DSMC'de kullanılır.

Özet (Çeviri)

Artificial neural networks (ANN), Soft Computing techniques and principles that were adopted from evolutionary computing and artificial intelligence became practical in complex control algorithms with the advancement in computer industry. Combining Soft Computing tools and sliding mode control (SMC) structures is an active field of study in control theory. Being digital computer usage in realizing controllers became wide spread, also enables the more work in computer controlled sliding mode control applications. A method proposed to realize sliding mode control structures in digital computers is discrete-time sliding mode control structure.The roots of support vector machines which is based on statistical learning theory were suggested for classification and regression problems and then it was used for solving the problems in very wide area . But SVM based DSCM design could not take place in literature.This thesis study is focused on an undefined mathemetical and nonlinear system control with the SVM and ANN approach. SVM and ANN models of system which will be controlled, are used in a DSMC framework. Methods that are improved with this study, are applied to sample systems successfully. Firstly, with these mehtods, datas are collected from the systems that will be controlled. In this stage, parameters that are corralated with the system and data collecting must be appropriate with high attention. Afterwards, a test and training set organized with these datas. Training set is used for examining the training set in enhancing the training sets of SVM or ANN model(s). Later on, with these sets, SVM and ANN models of system generated and these models are used in DSMC.

Benzer Tezler

  1. Multitemporal co-polar x-band sar data classification as a tool for paddy-rice phenology estimation

    Çeltik tarlası fenoloji kestirimi için çok zamanlı co-polar x-bant sar verisi üzerinde sınıflandırma yöntemi

    ÇAĞLAR KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA

    YRD. DOÇ. DR. ESRA ERTEN

  2. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  3. İstanbul Boğazı su seviyesi salınımlarına Tuna Nehri etkisinin belirlenmesi

    Determination of the Tuna River effect on the Bosphorus strait water level oscillations

    YAVUZ KARSAVRAN

    Doktora

    Türkçe

    Türkçe

    2021

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TARKAN ERDİK

  4. An experimental analysis of feature selection algorithms in hyperspectral image classification

    Hiperspektral görüntülerın sınıflamasında öznitelik seçim algoritmalarının deneysel analizi

    HAMED GHOLAMI VIJOUYEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    İletişim Bilimleriİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    YRD. DOÇ. DR. GÜLŞEN TAŞKIN KAYA

  5. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR