Geri Dön

Fuzzy ve neural network yöntemleri ile kimyasal proseslerin modellenmesi ve kontrolü

Modelling and control of chemical processes with fuzy and neural networks methods

  1. Tez No: 58378
  2. Yazar: ZEHRA ZEYBEK
  3. Danışmanlar: PROF. DR. MUSTAFA ALPBAZ
  4. Tez Türü: Doktora
  5. Konular: Kimya Mühendisliği, Chemical Engineering
  6. Anahtar Kelimeler: Optimizasyon, Gaz/sıvı hacimsel kütle aktarım katsayısı kLa, Karıştırmak kap, Dolgulu damıtma kolonu, Neural network model, Fuzzy regresyon modeli, Fuzzy ilişkisel matristi kontrol, Optimization, Gas/liquid volumetric mass transfer coefficient kLa, mechanically mixing vessel, packed distillation column, Neural network model, Fuzzy regression model, Fuzzy relational matrix control
  7. Yıl: 1997
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 222

Özet

ÖZET Doktora Tezi FUZZY VE NEURAL NETWORK YÖNTEMLERİ İLE KİMYASAL PROSESLERİN MODELLENMESI VE KONTROLÜ Zehra ZEYBEK Ankara Üniversitesi Fen Bilimleri Enstitüsü Kimya Mühendisliği Anabilim Dalı Danışman: Prof. Dr. Mustafa ALPBAZ 1997, sayfa 201 Jüri: Prof. Dr. Mustafa ALPBAZ Prof.Dr.İnci ERO?LU Doç.Dr.Fazıl ALİEV Çalışmada gaz/sıvı kütle aktarımının gerçekleştiği karıştırmak reaktörler için hacimsel sıvı tarafı kütle aktarım katsayısı kLa ve metanol-su karışımının ayrıldığı dolgulu damıtma kulesinin optimum işletme koşulları belirlenmiştir. Bu amaçla deneylerin istatistiksel planlama tekniği kullanılmıştır. Sistemin matematiksel modeli, doğrusal ve doğrusal olmayan regresyon denklemleri şeklinde ifade edilmiştir. Box-Wilson yönteminden yararlanarak doğrusal modelden kLa'nın ve ona etkiyen parametreleri ile dolgulu damıtma kulesinin işletim parametrelerinin optimal bölgedeki yatışkın değerleri bulunmuştur. Ayrıca kLa için doğrusal olmayan modelden elde edilen optimum yüzeyin çözüm grafikleri de oluşturulmuştur. Bununla beraber bu iki sistem için bir bilgi tabanlı fuzzy(bulanık) mantıklı düşünme algoritması kullanılarak kLa'nın ve dolgulu damıtma sisteminde ürün çıkış sıcaklığı için model tanımı ve optimum koşullarda uygun değerleri belirlenmiştir. Modeldeki parametreler fuzzyleştirilerek SIMPLEX algoritmasıyla çözülmüştür. Yapılan çalışmalara ilaveten, Neural network (yapay sinir ağları) ile ilgili sistemlerin sinirsel ağ yapısını ayarlayarak bir objektif fonksiyonla, sistemin öğrenilmesi backpropagation(geri yayma) algoritması ile gerçekleştirilmiştir. Ağınyapısal değişimine doğrusal iç birimlerin dahil edilmesiyle, her iki sistem için optimal şartlar oluşturulmuş ve bu şartlar yapay sinir ağlarına öğretilmiştir. İkinci aşamada, soğutma ceketli karıştırmak bir kabın sıcaklık kontrolü yapılmıştır. Bu çalışma teorik olarak gerçekleştirilmiştir. Teorik çalışma için önce reaktör içi sıcaklığı çıkış değişkeni, reaktöre giren soğutma suyuyla reaktöre verilen Q ısısı ayarlanabilen değişken olarak seçilmiştir. Teorik olarak her üç değişken için, üyelik fonksiyonları belirlenmiştir. Girdi/çıktı verilerinden yararlanılarak bir ilişki matrisi (relation matrix) oluşturulmuştur. İlişki matrisi kullanılarak sıcaklık kontrolü, geliştirilen bir fuzzy algoritması yardımıyla yapılmıştır. Kontrol sisteminin bütün parametreleri belirlenerek ilgili proses için kontrol tasarımları en uygun şekilde oluşturulmuştur. Elde edilen sonuçların ışığında, ilk yöntemin temel alınması ile son iki yaklaşımın gerek akademik çalışmalarda ve gerekse endüstride kullanılabileceği anlaşılmıştır.

Özet (Çeviri)

İİİ ABSTRACT Ph.D.Thesis MODELING AND CONTROL OF CHEMICAL PROCESSES WITH FUZZY AND NEURAL NETWORK METHODS Zehra ZEYBEK Ankara University Graduate School of Natural and Applied Sciences Department of Chemical Engineering Supervisor: ProfJDr. Mustafa ALPBAZ 1997, Page 198 Jury: Prof.Dr.Mustafa ALPBAZ Prof.Dr. İnci ERO?LU Assoc Prof.Dr. Fazd ALİEV The purpose of this study is to determine the volumetric liquid side mass transfer coefficient for stirred reactors in which liquid gas mass transfer takes place and to etermine the optimum operating conditions of packed distillation column separating the mixture of methanol and water. Therefore statistical planning method was utilized mathematical model of the system was expressed as linear and nonlinear regression equations. Using the Box-Wilson method, the values of kLa and the parameters affecting kLa and the steady state values of the operation parameters of the packed distillation column in the optimal region were determined from the linear model. The solution graphs of the optimum surface obtained from nonlinear model were also drawn for kLa. Furthermore by using a knowledge based fuzzy logic algorithm the model definition and the optimum values of kLa and product output temperature in the packed distillation column were obtained. The parameters in the model were solved using SIMPLEX algorithm. Structure of the systems related to neural networks was organized and thus the learning of the system with an objective function was facilitated by applying backpropagation. Linear internal units were taken into consideration inIV assessing the structural changes in the network, the optimum conditions for these two systems were developed and these conditions were taught to the artificial neural network. In the second part, the temperature of a stirred vessel with a cooling jacket was controlled. Work was carried out theoretically. Heat input to the reactor was selected as manipulated variable and so it was used for control purposes theoric studies, first output variable of the internal temperature of the reactor the temperature Q given to reactor, and the temperature of the cooling water flowing in were selected as the adjustable variables. Membership functions for these three variables were detetermined theoretically. A relation matrix was developed for this purpose by using input/output data. All the related parameters of the control system were identified and the control designs for reactor temperature, heat input and cooling flowrate were formed As a result, it was concluded that the fuzzy and neural network approaches could be applied in both academic studies and industry.

Benzer Tezler

  1. Arıtma proseslerinin yapay zeka ve çoklu istatistiksel yöntemler ile modellenmesi

    The modeling of treatment processes with artificial intelligence and multistatistical methods

    GÖKHAN CİVELEKOĞLU

    Doktora

    Türkçe

    Türkçe

    2006

    Çevre MühendisliğiSüleyman Demirel Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ.DR. MEHMET KİTİŞ

    DOÇ.DR. ÖZER ÇINAR

  2. KASKİ atık su arıtma verilerinin yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi

    Prediction of wastewater treatment data of Kayseri water and sewerage administration (KASKI) artifical neural networks and fuzzy logic

    SALİH BURÇİN ÖZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HATİCE ÇITAKOĞLU

  3. Su kalitesi parametrelerinin yapay zekâ yöntemleri ile değerlendirilmesi

    Evaluation of water quality parameters by using artificial intelligence methods

    MURAT AY

    Doktora

    Türkçe

    Türkçe

    2014

    İnşaat MühendisliğiErciyes Üniversitesi

    İnşaat Mühendisliği Bölümü

    PROF. DR. ÖZGÜR KİŞİ

  4. Dolgu barajlar için dispersif killerin tanımlanmasında kullanılan iğne deliği deneyindeki gelişmeler ve karşılaştırmalı analiz

    Development on pinhole test adopted to identify the dispersive clays used for earthfill dams and a comparative study

    HASAN SAVAŞ

    Doktora

    Türkçe

    Türkçe

    2008

    İnşaat MühendisliğiEskişehir Osmangazi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. HASAN TOSUN

  5. Intelligent control system design and deployment for fuel cell air supply systems

    Yakıt pili hava besleme sistemleri için akıllı kontrol sistemi tasarımı ve uygulamaya alınması

    FATİH KENDİR

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. TUFAN KUMBASAR