Makine öğrenimi tabanlı PID optimizasyonu ile çift aktif köprülü doğru akım güç çeviricilerinin denetimi
Dual active bridge power converter with machine learning-based PID optimization
- Tez No: 623365
- Danışmanlar: DOÇ. SELAMİ KESLER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Bu tez çalışmasında, özellikle yarı-iletken transformatör ve elektrikli araç akü sistemlerinde tercih edilen Çift Aktif Köprülü Doğru Akım çeviricisinin kapalı çevrim gerilim kontrolü üzerinde durulmuştur ve Çift Aktif Köprülü Doğru Akım çevirici uygulamalarında kullanılan dört farklı anahtarlama yöntemi incelenmiştir. Çift Aktif Köprülü Doğru Akım çeviricisinin kapalı çevrim denetiminde PID denetleyici kullanılmış olup, PID parametreleri, hem Ziegler-Nichols hem de önerilen yeni doğrusal regresyon tabanlı PID optimizasyonu ile elde edilerek dinamik performans karşılaştırması yapılmıştır. Geleneksel doğrusal regresyon tabanlı denetleyici optimizasyonlarında kullanılan yükselme zamanı, aşım, oturma zamanı gibi basamak cevabı nitelikleri kullanılarak hipotez fonksiyonu oluşturmak yerine kapalı çevrim sistemin sahip olması istenilen basamak cevabı dalga formu, geliştirilen doğrusal regresyon tabanlı makine-öğrenim algoritmasına iletilerek PID denetleyici parametreleri elde edilmiştir. Tasarlanan, 250 W güç kapasitesine sahip 200 kHz anahtarlama frekansı ve tek faz kaydırmalı anahtarlama yöntemi kullanılan çevirici için hem ideal hem de transformatör modeli, anahtarlama elemanları pSpice modeli ve sargı dirençlerinin dahil edildiği ideal olmayan koşullar altındaki benzetim çalışmaları verilmiştir. Geliştirilen doğrusal regresyon tabanlı PID optimizasyonuyla geleneksel Ziegler-Nichols yöntemine göre daha hızlı oturma zamanı ve aşımsız bir dinamik cevap elde edilmiştir. Doğrusal regresyon tabanlı PID optimizasyonu sonucunda elde edilen denetleyici parametreleriyle, ideal olmayan koşullar altında gerçekleştirilen benzetim çalışmasının, ideal koşullar altında elde edilen sonuçlar ile hemen hemen bire bir örtüştüğü gözlemlenmiştir.
Özet (Çeviri)
In this Masters' thesis, the study focused on a closed-loop voltage control of Dual Active Bridge converters, which is especially preferred in solid-state transformer and vehicle battery system applications. Additionally, four different switching techniques used for this converters have been included in the study. The traditional machine-learning-based linear regression employs the step response attributes such as, rise time, overshoot and settling time to formulate a hypothesis function. In this novel optimization method for the PID parameters proposed in this thesis, does not calculate the hypothesis function as in the traditional system but instead, the reference waveform is directly delivered to the machine-learning algorithm as a closed-loop system characteristic. The algorithm then optimizes the parameters for the PID to end up the closed-loop system. Designed Dual Active Bridge converter has 250W power capacitiy, it works under 200kHz and it uses single phase shift as switching method. For this converter, a simulation has been run under both ideal and non-ideal conditions where the, spice models of transistors, the transformer model and the winding resistances' have been included. At the end of the study better dynamic performance have been achieved with this novel machine-learning-based PID optimization. Quite close non-ideal simulation results have been achived according to ideal simulation.
Benzer Tezler
- Addressing parametric uncertainties in autonomous cargo ship heading control
Otonom kargo gemisi yön kontrolündeki parametrik belirsizliklerin ele alınması
AHMAD IRHAM JAMBAK
Yüksek Lisans
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. İSMAİL BAYEZİT
- Deep reinforcement learning approach in control of Stewart platform- simulation and control
Stewart platformunun kontrolünde derin pekistirmeli öğrenme yaklaşımıc- simülasyon ve kontrol
HADI YADAVARI
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERHAT İKİZOĞLU
DR. ÖĞR. ÜYESİ VAHİT BARIŞ TAVAKOL
- Makine öğrenmesi tabanlı iç ortam sıcaklık kontrolü için bir simülatör yazılımı tasarımı
Design of a simulator software for machine learning-based indoor temperature control
AYDIN BOSTANCI
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Machine learning based energy-efficient indoor positioning for mobile internet of things
Mobil nesnelerin interneti için makine öğrenimine dayalı enerji verimli iç mekanda konumlandırma
ALPER SAYLAM
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN RODOPLU
PROF. DR. CÜNEYT GÜZELİŞ
- A generalized deep reinforcement learning based controller for heading keeping in waves
Dalgalı ortamda yön tutma problemi için geliştirilmiş derin takviyeli öğrenme tabanlı bir kontrolcü
AFŞİN BARAN BAYEZİT
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖMER KEMAL KINACI