Geri Dön

Yapay sinir ağları ile bir kontrol uygulaması

A Control application with artificals neural networks

  1. Tez No: 78230
  2. Yazar: CİHAN KARAKUZU
  3. Danışmanlar: YRD. DOÇ. DR. SITKI ÖZTÜRK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Yapay Sinir Ağlan (YSA) ile Kontrol, Doğrudan Ters Kontrol, Sistem Tanıma, Ters Model Çıkartımı
  7. Yıl: 1998
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 88

Özet

YAPAY SİNİR AĞLARI İLE BER KONTROL UYGULAMASI Cihan KARAKUZU

Özet (Çeviri)

A CONTROL APPLICATION WITH ARTIFICIAL NEURAL NETWORKS Cihan KARAKUZU Keyword: Control with Artificial Neural Networks (ANN), Direct Inverse Control, System Identifications, Inverse Model Extraction Abstract: Most real systems relevant from a control perspective exhibit nonlinear behavior and are furthermore often hard/unrealistic to model using the laws of physics. The neural network has shown to be a very promising technique to overcome this problem by building good models from measured data alone. Currently the design of control systems relies heavily upon an explicit mathematical model of the system. However, such an model is often very difficult and sometimes impossible to find. For this reason conventional control systems are usually based on a linearised and highly simplified mathematical model of the dynamics of the system. Experiences of research groups involved show that neural networks, which are able to learn a nonlinear model from examples, can successfully be applied for the control of nonlinear systems. A second advantage is that neural networks are adaptive, in the sense that key keep learning during operation. This allows for continuous improvement of the controller while in operation. If a neural network model is available, different approaches are possible when designing a control system. It is possible to use a number of conventional nonlinear design techniques, e.g., feedback linearization, Generalized Predictive Control(GPC), or linearization of the model followed by a (time varying) linear design. Another approach is to use a neural network as a controller as well, e.g., direct inverse control or Internal Model Control (IMC). In this study, a temperature controller is designed using a neural network by direct control method. A feedback neural network is trained to learn the inverse dynamics model of a temperature control system and then configured as a direct controller to the process. The ability of the neural network to learn the inverse model of process plant is tested for base on different input vectors with no priori knowledge regarding dynamics. For base on different input vectors, behaviour of the trained neural network is observed in the systems. In this study, the firstly ability of neural networks to verify nonlinear mapping and then secondly, using neural network from control perspective is aimed.

Benzer Tezler

  1. Tez No

    397782

    Dynamic security enhancement of power systems via population based optimization methods integrated with artificial neural networks

    Yapay sinir ağlarının entegre edildiği popülasyon tabanlı optimizasyon yöntemleriyle güç sistemlerinin dinamik güvenliğinin iyileştirilmesi

    CAVİT FATİH KÜÇÜKTEZCAN

    Doktora

    İngilizce

    İngilizce

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. VEYSEL MURAT İSTEMİHAN GENÇ

  2. Tez No

    606166

    Digitally controlled buck converters for current regulated applications

    Akım regülasyonlu uygulamalar için sayısal kontrollü alçaltıcı çeviriciler

    ABDULKERİM UĞUR

    Doktora

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT YILMAZ

  3. Tez No

    637482

    Multi-agent coverage control with adaptation to performance variations and imprecise localization

    Çok etmenli sistemlerde performans değişimlerine adaptasyonu ve konumlama belirsizliğini göz önüne alan kapsama kontrolü

    MERT TURANLI

    Doktora

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  4. Tez No

    85013

    Asenkron motorun DSP (sayısal işaret işleyici) tabanlı bir kontrol sistemi kullanılarak YSA (yapay sinir ağları) ile performansının arttırılması

    The Performance increasing on the induction motor with ann (artifical neural networks) by using a DSP (digital signal processor) based control system

    KAYHAN GÜLEZ

    Doktora

    Türkçe

    Türkçe

    1999

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİT PASTACI

  5. Tez No

    634567

    Yapay sinir ağı destekli bir endüstriyel görüntü işleme uygulaması

    An industrial image processing application with artificial neural network

    GÖKTUĞ ÜLKÜER

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. SALMAN KURTULAN

Geri Dön