Deep learning-based applications of control engineering
Kontrol mühendisliğinde derin öğrenme tabanlı uygulamalar
- Tez No: 837450
- Danışmanlar: DOÇ. DR. OĞUZHAN ÇİFDALÖZ, DOÇ. DR. ERDEM AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Science and Technology, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 58
Özet
Derin öğrenme uygulama alanları içerisinde; kontrol, sıklıkla araştırılan bir konudur. Özellikle sistem parametrelerinin belirlenmesi, birçok farklı potansiyel konuya ışık tutan bir araştırma alanıdır. Bu tezde, ikinci dereceden bir sistemin sönümleme katsayısı ve doğal frekansı için derin tekrarlayan sinir ağları kullanılarak sistem parametre tanımlaması yapılmıştır. Eğitilen ağ kapalı döngü konfigürasyonu içerisindedir, ayrıca döngü içinde eğitim gerçekleştirilir. Derin öğrenmenin parametre tanımlama alanına entegrasyonu, parametre tanımlamanın doğruluğunu artırmayı amaçlamaktadır. Tahmin edilen parametreler, incelenen sistem için bir PID kontrolcüyü ayarlamak için kullanılır, dolayısıyla adaptif bir kontrolcü konsepti gerçekleştirilir.
Özet (Çeviri)
Within the applications of deep learning, control is a frequently visited subject. Especially system parameter identification is a research field that diverges to many different potential improvements. In this thesis, system parameter identification is performed for the damping coefficient and the natural frequency of a second order system, using deep recurrent neural networks. The network trained has been implemented into a closed loop configuration, furthermore in the loop training is actualized. The integration of deep learning into the domain of parameter identification aims to enhance the accuracy of parameter identification. The parameters predicted are utilized to tune a PID controller for the investigated system, therefore an adaptive controller concept is realized.
Benzer Tezler
- İmalat sırasında malzeme yüzeyinde oluşan hataların makine öğrenmesi teknikleri ile belirlenmesi
The detection of defects on material surface occuring after production with machine learning techniques
KÜRŞAT DEMİR
Doktora
Türkçe
2024
Mekatronik MühendisliğiFırat ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA AY
- Yazılım tanımlı ağlarda makine öğrenme temelli saldırı tespit sistemi
Machine learning based intrusion detection system in software defined networks
BİROL EMEKLİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İHSAN HAKAN SELVİ
- Derin öğrenme tabanlı sürücüsüz araç sistemleri
Deep learning based autonomous vehicle systems
KORAY AKİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET EMİR DİRİK
- Yılan robotun öğrenme tabanlı adaptif hareket kontrolü
Learning-based adaptive motion control of a snake robot
YEŞİM AYSEL BAYSAL
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI ALTAŞ
- A 3D video quality evaluation model that provides high depth perception satisfaction and efficient transmission channel use based on depth cues
Derinlik ipuçlarına dayanarak yüksek derinlik algısı memnuniyeti ve verimli iletim kanalı kullanımı sağlayan bir 3 boyutlu video kalite değerlendirme modeli
YAMAÇ TAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKÇE NUR YILMAZ