Sezgisel optimizasyon algoritmaları kullanılarak dinamik ağırlık ölçme sisteminin kimliklendirilmesi
System identification of dynamic weighing system with heuristic algorithm
- Tez No: 517085
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA DANACI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kütle Yay Sönümleme Sistemi, Dinamik Ağırlık Ölçme Sistemi, Sistem Kimliklendirme, Parametre Tahmini, Sezgisel Optimizasyon Algoritmaları, Parçacık Sürü Optimizasyon, Ateş Böceği, Emperyalist Yarışmacı Algoritma, Mass-Spring-Damper System, Dynamic Weighing System, System Identification, Parameter Estimation, Heuristic Algorithms, Particle Swarm Optimization, Firefly Algorithm, Imperialist Competetive Algorithm
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Zamanın etkili kullanımı, modern dünyada gittikçe önemli hale gelen bir problemdir. Endüstriyel alanlarda ürünlerin paketlenmesi ve taşınması gibi ağırlıklarının ölçülmesi işleminin de hızlı bir şekilde yapılması gerekmektedir. Dinamik ağırlık ölçme sistemi kalite kontrolü, aşırı yük tespiti, canlı ağırlıklarının belirlenmesi, ürünlerin doldurulması ve sıralanması, vb. alanlarda yaygın olarak kullanılmaktadır. Bu sistem, birbirinden farklı işlemler için özel çözüm tekniklerinin kullanılmasını gerektirmektedir. Ağırlık ölçme sisteminin amacı, kısa süre içerisinde uygulanan kütleyi doğru bir şekilde belirlemektir. Çalışmada sezgisel optimizasyon algoritmalarıyla sistemin kimliklendirilmesi ve daha az veri kullanılarak kütlenin ön tahmin işleminin iyi bir şekilde yapılması amaçlanmıştır. Bu çalışmada kullanılan dinamik ağırlık ölçme sistemi ikinci dereceden diferansiyel denklem ile tanımlanmış olup M. Danacı tarafından yapılan doktora tez çalışmasında, sisteme ait denklemlerin homojen ve özel çözümleri yapılarak az sönümlü, aşırı sönümlü, kritik sönümlü modelleri geliştirilmiştir. Nümerik bir çözüm elde etmek için öncelikle sisteme ait kütle, yay ve sönümleme katsayılarının doğru belirlenmesi amacıyla sistemi temsil eden parametrelerin doğru kimliklendirilmesi gerekmektedir. Sistemin uygun modelinin seçimi ve modele bağlı parametrelerin doğru belirlenmesi kimliklendirmenin en önemli parçası olup bu tez çalışmasında az sönümlü model kullanılmaktadır. Başlangıç şartları sıfır kabul edilerek dinamik ağırlık ölçme sisteminden gelen yer değiştirme bilgisi optimizasyon algoritmaları vasıtasıyla eğri uydurma işlemi için kullanılmaktadır. Daha önceden yapılan dinamik ağırlık ölçme sisteminin kimliklendirilmesi ve kütlenin ön tahmin ile belirlenmesi işlemlerinde eğri uydurma metotlarından regresyon teknikleri, adaptif filtreleme ve yapay sinir ağı yöntemleri kullanılmıştır. Son zamanlarda sezgisel optimizasyon yöntemlerinden sürü zekası, sosyal ve evrimsel tabanlı algoritmalar dinamik sistemlerin kimliklendirilmesinde kullanılan başarılı yöntemlerden birkaçıdır. Bu çalışmada, dinamik ağırlık ölçme sisteminin kimliklendirilmesinde sezgisel optimizasyon algoritmalarından Emperyalist Yarışmacı, Ateş Böceği ve Parçacık Sürü algoritmaları kullanılmıştır. Gürültüsüz ve gürültülü sistem cevapları kullanılarak yapılan simülasyon çalışmalarında, önerilen optimizasyon algoritmaları ile ağırlık ölçme sistem parametrelerinin kimliklendirilmesi ve az sayıda veri kullanılarak kütlenin kısa sürede önceden tahmin edilmesi işlemlerinde oldukça başarılı sonuçlar elde edilmiştir. Çalışma offline olarak yapılmıştır. Algoritmaların online çalışmalarda kullanılabilmesi için cevap sürelerinin iyileştirilmesi gerekmektedir. Sonraki çalışmalarda algoritmaların hızlandırılması için paralel çözüm yöntemleri kullanılabilir.
Özet (Çeviri)
Effective use of time is an increasingly important problem in the modern world. Measuring the weight of products also needs to be done quickly like packing and transporting in industrial. Dynamic weighing system is widely used in quality control, overload detection, weighting of live beings, filling and sorting of products, etc. This system requires the use of special solution techniques for different processes. The aim of the weighing system is to accurately predict the applied mass within a short period of time. The aim of this study is to identify the system with the heuristic optimization algorithms and to make the prediction of the mass. The dynamic weighing system used in this study is defined by the second order differential equation. In the PhD. study carried out by M. Danaci, homogeneous and special solutions of the system equations have been made and underdamped, overdamped, critical damped models have been developed. In order to obtain a numerical solution, firstly the parameters representing the system must be correctly identified in order to determine the spring, damper coefficients and mass of the system correctly. The selection of the appropriate model of the system and the correct identification of the model dependent parameters are the most important parts of the identification. An underdamped model is used in this study. The initial conditions are assumed to be zero and displacement information from dynamic weighing system is used for curve fitting. Regression techniques, adaptive filtering and artificial neural networks have been used as the methods of curve fitting in the identification of the dynamic weighing system and the prediction of the mass. Recently, swarm, social and evolutionary algorithms based on heuristic optimization methods are some of the successful methods used in the identification of dynamic systems. In this study, the Imperialist Competitive, Firefly and Particle Swarm Optimization algorithms were used as the heuristic optimization algorithms in the identification of the dynamic weighing system. In simulation studies using noiseless and noisy system responses, very successful results have been obtained with the proposed optimization algorithms, identification weighing system parameters and prediction of applied mass. The study was done offline. Response times must be improved so that algorithms can be used online. Parallelization can be used to accelerate the algorithms in future studies.
Benzer Tezler
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- Afet lojistiğinde araç rotalama problemi ve geliştirilen iki aşamalı bir optimizasyon yöntemi ile uygulama
Vehicle routing problem and a case study with evolved a two level optimization solution in humanitarian logistics
MUSTAFA BAL
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. HÜSEYİN MURAT ÇELİK
- Learning of interval Type-2 fuzzy logic systems using big bang – big crunch optimization
Aralık değerli Tip-2 bulanık sistemlerin büyük patlama – büyük çöküş optimizasyonuyla eğitilmesi
CİHAN ÖZTÜRK
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN YEŞİL
- Sezgisel optimizasyon algoritmaları kullanılarak güç sistemi dengeleyicisinin optimal tasarımı
Optimal design of power system stabilizer using heuristic optimization algorithms
BURAK KAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM EKE
- Akıllı şebekelerde sanal güç santraline entegre edilen raylı sistemlerin yapay zekâ temelli enerji optimizasyonu ve santrale etkisi
Artificial intelligence based energy optimization of rail systems integrated into virtual power plants in smart grids and its impact on the plant
RAMAZAN GÜNGÜNEŞ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKırıkkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL ÇAM