Dinamik sistemler için gerçek zamanda yapay sinir ağları ile kontrolör tasarımı
Neural network assisted real-time controller design for dynamic systems
- Tez No: 452674
- Danışmanlar: YRD. DOÇ. DR. AYDEMİR ARISOY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Hava Harp Okulu Komutanlığı
- Enstitü: Havacılık ve Uzay Teknolojileri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
Doğrusal olmayan dinamik sistemlerin kontrolü, kontrol mühendisliği alanı için ilgi çekici olmaya devam etmektedir. Klasik hesaplamalı yöntemler ile dayanıklı kontrolör tasarımı çalışmaları yanında akıllı sistemler olarak tanımlanabilen yöntemlerle de bu alandaki çalışmalar araştırmacılar için cazibesini korumaktadır. Akıllı sistemlerden biri olan yapay sinir ağları yöntemi bu tez çalışmasında ele alınmıştır. YSA yönteminin özünde olan öğrenme yeteneğinden faydalanılarak daha geniş bir çalışma uzayında dayanıklı(robust) kontrolör tasarımı dinamik sistemler için genelleştirilmeye çalışılmıştır. Bu amaçla basit bir matematiksel yapıdaki DC motor ile ayrışamayan dinamikleri ve yüksek dereceli doğrusal olmayan matematiksel yapıya sahip dört rotorlu hava aracının oryantasyon kontrolü dinamik sistemler yelpazesinde iki uç nokta kabul edilmiş ve bunlar için YSA yapısında kontrolör tasarlanmıştır.Kontrol edilen dinamik sistemler olarak matematiksel modelleri itibari ile daha basit bir yapıda olan bir DC motor ile ayrışamayan doğrusal olmayan dinamiklere sahip ve yüksek doğrusal olmayan matematiksel modeli ile son yıllarda ilgi çekici bir sistem olan dört rotorlu hava aracı bu tez çalışmasında kullanılmıştır. DC motorun konum ve yörünge takip kontrolü için YSA yöntemiyle kontrolör tasarlanmış ve kontrolör performansı, klasik PID yöntemiyle tasarlanan kontrolör performansı ile karşılaştırılmıştır. DC motor kontrolü için tasarlanan YSA kontrolöründen edinilen tecrübelerle dört rotorlu hava aracının üç serbestlik dereceli davranış kontrolü için YSA kontrolörleri tasarlanmıştır. Yüksek doğrusal olmayan yapıya sahip bu dinamik sistem için de tasarlanan YSA kontrolörün performansı klasik PID kontrolörü ile karşılaştırılmıştır. Ele alınan dinamik sistemler için tasarlanan kontrolörlerin performans değerlendirmesi kurulan gerçek zamanlı deney düzenekleri kullanılarak yapılmıştır.Bu çalışmada kontrolör yapısının YSA yaklaşımı ile tasarımında, öğrenme mekanizması olarak öğreticili öğrenme modeli kullanılmıştır. YSA kontrolörü eğitimi aşamasında mümkün olduğu kadar farklı sistem girişleri için sistem cevapları elde edilmiş ve yüksek dereceli doğrusal olmayan yapıdaki dinamik sistemlerin davranışına ait veri seti oluşturulmuştur. Tasarlanan kontrolör mimarisinde ise ileri sürümlü ağ yapısı seçilmiştir. Tasarımın diğer önemli bir hususu olan algoritma olarak Levenberg-Marquardt yöntemi kullanılırken, oluşturulan YSA daha önceden belirlenen giriş çıkış eşleştirmesini gerçeklemeye çalıştığı için zamandan bağımsız öğrenme ile parametre güncelleme işlemi yapılmıştır. Son olarak ağ parametrelerimiz, eğitim çiftlerinin tamamının ağ üzerinden geçirilip her bir geçişte hesaplanan değişim miktarının toplamı ile güncellendiğinden dolayı toplamsal güncelleme yöntemi kullanılmıştır. Tasarlanan YSA kontrolörü mimarisinde, birden çok sayıda katman kullanılması durumunda daha kötü kontrolör performansı elde edilmesi nedeniyle tek gizli katmanlı YSA yapısı tercih edilmiştir. Çalışmada, tek gizli katmanda bulunması gereken nöron sayısına odaklanılmıştır.Bu çalışmada kullanılan; gerçek zamanlı parametre değiştirmeye uygun, ele alınan dinamik sistemleri içinde bulunduran deney düzenekleri ve işleyişi ayrıntılı olarak tanıtılmıştır. Kullanılan deney düzenekleri MATLAB/SIMULINK programı ile çalışabilmesi nedeniyle esnek ve hızlı bir şekilde YSA kontrolörünün tasarımına olanak sağlayan veri setlerinin oluşturulmasına ve tasarlanan kontrolörün hızlı bir şekilde gerçeklemesine olanak sağlamaktadır. İçerdiği arayüz programı ile gerçek zamanlı olarak parametre ayarlamaya olanak sağlamakta, sonuçların yine gerçek zamanda grafiksel olarak gözlenebilmesine imkan vermekte ve uygun veri setlerinin oluşturulmasına olanak sağlamaktadır. Deney sonuçlarının MATLAB ortamına alınabilmesine ve daha sonra analizine imkan sağlamaktadır.Çalışmanın deneysel sonuçlar bölümünde ise tasarlanan kontrolörlerin performans değerlendirmesi konum ve yörünge kontrolü için yapılmıştır. Aynı deneysel ortam kullanılarak tasarlanan klasik PID kontrolörü ile karşılaştırılmıştır. Tasarlanan kontrolörlerin dayanıklılık deneyleri üretilen darbe fonksiyonu ile gerçekleştirilmiştir.Tasarlanan YSA kontrolörün performansının PID kontrolör yapısına göre hem yörünge takibi hem de sistem dayanıklılığı açısından performansı ele alındığında ele alınan dinamik sistemin matematiksel yapısı itibariyle doğrusal olmayan dinamikleri arttıkça daha başarılı olabileceği gözlenmiştir. Tasarım sürecinde yoğun matematiksel işlemler gerektirmeyen YSA yaklaşımının doğrusal olmayan dinamik sistemlerin kontrolü için günümüz mikroişlemci teknolojisindeki gelişmeler de göz önüne alındığında tasarımı ve gerçeklemelerinin hızlı ve basit olduğu değerlendirilmektedir.Bu çalışma kapsamında geliştirilen YSA kontrolör yapısının, başta insansız hava araçları olmak üzere, yüksek dereceli doğrusal olamayan matematiksel modellere sahip dinamik sistemler için başarıyla uygulanabileceği değerlendirilmektedir.
Özet (Çeviri)
Nonlineer dynamic systems control is still a popular area for control engineers. Artificial intelligence is an important part of this area as well as other classical controller methods. Wihin the scope of this thesis, a neural network assisted real-time controller has been designed for two distinct points of dynamic systems, a simple DC motor and a highly nonlinear quadrotor orientation control.As controlled dynamic systems, a DC motor which has basic mathematical model and a highly nonlinear quadrotor model were used in this thesis. The controller has been designed with neural networks for DC motor attitude and trajectory control, and this controller?s performance was compared against the classical PID controller?s performance. The quadrotor?s neural network controller which controls the 3 DOF environment was designed with the help of experience acquired by the DC motor neural network controller. Thereafter this highly nonlinear dynamic model?s neural network controller was compared against the classical PID controller?s performance. These controllers for dynamic systems performance evaluations were made with the help of real-time experimental setup.In this work, we used the assisted learning model for neural network controller design. Before neural network training state, we gathered many varied training datas for system inputs and outputs and a data set has been made for high degree nonlineer system behavior. Feed forward network was chosen for controller?s neural network architecture. Levenberg-Marquardt algorithm was used and for parameters update learning was made distanced of time. Neural network model had one hidden layer, because it showed better performance than multi hidden layer networks, so we focused on the number of neurons in a single hidden layer.In this study, we presented detailed informaton for used experimental setups and their mechanisms which were convenient for real time parameter changes. Experimental setups were able to work with MATLAB/SIMULINK, so we had chance to make data sets and neural network controller designs so quickly and flexile. Interface program was capable of real time parameter tuning, showing real time graphical outcomes and making appropriate data sets. Also we could take experimental results to MATLAB environment and analysis afterwards.In experimental results section, we made attitude and trajectory control for designed controllers performance evaluation. Neural network performance was compared against the classical PID controller which was designed in the same experimental setup. Designed controllers robustness was tested with pulse inputs.We observed that neural network assisted controller was more succesful than PID controller in more complicated nonlinear dynamic systems, both in attitude and trajectory control performance. We comment that with today?s microcontroller technology, neural networks are faster and more simple for designing controllers for highly nonlinear dynamic systems.The controller solution, which depends on the neural networks developed within the scope of this thesis, is evaluated to applicable to many different type of high degree nonlinear dynamic systems, as well as unmanned aerial vehicles.
Benzer Tezler
- Self-commissioning and position sensorless field oriented control of IPMSM
Gömülü mıknatıslı senkron motorun kendi kendine devreye alınması ve konum sensörsüz alan yönlendirmeli kontrolü
YASİN ÇETİN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Trajectory control of a robotic manipulator using artificial neural networks
Yapay sinir ağları ile robot kolu yörüngesinin denetimi
GÜNEY DEVRİM İLDİRİ
Yüksek Lisans
İngilizce
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN TÜRKAY
- Neural network based adaptive output feedback control: Applications and improvements
Yapay sinir ağları tabanlı uyarlamalı çıktı geri beslemeli kontrol: Uygulamalar ve iyileştirmeler
ALİ TÜRKER KUTAY
Doktora
İngilizce
2005
Havacılık ve Uzay MühendisliğiGeorgia Institute of TechnologyHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. ANTHONY J. CALISE
- Yapay sinir ağları ile robotlarda hareket kontrolü
Motion control of robots with artificial neural networks
HAKAN ARSLAN
Doktora
Türkçe
1999
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF.DR. AHMET KUZUCU
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN