Geri Dön

Control-oriented, physics-inspired data-driven modeling and simulation of the clinker production pyro process

Clinker üretim piroliz sürecinin kontrol odaklı, fizikten ilham alan veriye dayalı modellenmesi ve simülasyonu

PDF İndir

  1. Tez No: 853631
  2. Yazar: MUHAMMAD ASLANİMOGHANLOO
  3. Danışmanlar: YRD. DOÇ. DR. MELİH TÜRKSEVEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 82

Özet

Çimento endüstrisi, modern toplumun kritik bileşenlerinden biridir, altyapı ve bina İnsan hayatında önemli bir rol oynar. Ancak aynı zamanda dünyanın en fazla enerji yoğunluklu ve kirletici endüstrilerinden biridir. Öte yandan, mevcut çimento üretim tesislerinin çoğu manuel olarak kontrol edilmekte ve iletilmektedir, bu da onları optimal olmayan hale getirmektedir. Yeni kontrolörlerin uygulanması bu sorunların çözülmesine yardımcı olabilir. Model Öngörülü Kumanda Sistemleri (Model Predictive Control, MPC), bu konuda muazzam bir potansiyel göstermiştir, çünkü optimal kontrolörler sayesinde girdiler ve süreç değişkenleri üzerindeki kısıtlamaları dikkate alabilir. MPC'nin temel unsuru, dinamik tahmin modelidir. Çimento üretim sürecini modellemek için çaba gösterilmiş olsa da, MPC'yi çimento üretim süreçlerinde uygulamak için hala uygun modellerin eksikliği vardır. Geleneksel olarak, çimento üretim sürecini modellemek için fizik tabanlı modeller düşünülmektedir. Bununla birlikte, bu modeller genellikle çok sayıda parametreye ihtiyaç duyar ve hesaplama açısından zaman alıcıdır. Bu da onları MPC'ye uygulanamaz hale getirir. Son zamanlarda, sistem tanımlama ve makine öğrenimi modelleri gibi veri odaklı yöntemler çimento üretim süreci modelleme için geliştirilmiştir. Buna rağmen, literatürün çoğunluğu sürecin fiziksel prensiplerini ve iç dinamiklerini hesaba katmamaktadır. Ayrıca, mevcut literatürde modellerin performansı tartışılmamış, modeller doğrudan MPC'ye uygulanmışlardır. Bu tez, çimento üretim piroliz süreci için MPC uygulanmasına yönelik gerekli tahmin modellerini hem sürecin iç dinamiklerini hem de veri odaklı yöntemleri dikkate alarak geliştirmeyi amaçlamaktadır. Ayrıca, MPC'nin başarılı bir şekilde uygulanması için gerekli olan uzun vadeli tahminlere özel bir odaklanma ile modellerin performansı kapsamlı bir şekilde incelenmiştir. Çalışmamızdaki ilk adım, MPC için uygun, basit ve doğrusal bir kontrol odaklı model geliştirmektir. Bu nedenle, sistem tanımlama yöntemlerine odaklanılmıştır. Ayrıca, süreçteki iç dinamikleri ve bileşenler arası ilişkileri keşfetmek için kütle ve enerji korunumu yasaları ilkeleri dikkate alınmıştır. Bu fiziksel içgörüleri sistem tanımlama modellerine dahil etmenin bir sonucu olarak, bir gri kutu modeli elde edilmiştir. Ardından, yüksek risk ve maliyetler nedeniyle tasarlanan kontrolörü gerçek tesiste uygulamak mümkün olmadığından, MPC uygulamasında gerçek tesisi temsil etmek için daha sofistike simülasyon modelleri geliştirilmiştir. Bu amaçla, özellikle tekrarlayan sınır ağları (recurrent neural networks, RNN) ve transformatörler gibi makine öğrenimi (machine learning, ML) modelleri kullanmıştır. Seçilen ML modelleri, Akçansa Çanakkale Çimento Fabrikası'ndaki üretim sürecinden elde edilen veriler üzerinde geliştirilmiş ve uygulanmıştır. Hem kontrol odaklı modeller hem de simülasyon modelleri, toplanan veriler üzerinde çeşitli tahmin görevleri için kullanılmıştır. Sonuçlar, kontrol odaklı modellerde gri kutu modelinin, özellikle uzun vadeli tahminler için doğrulama verilerinde siyah kutu modelinden daha iyi performans gösterdiğini göstermektedir. Bu, sürecin iç dinamiklerini ve bileşenler arası ilişkileri dikkate almanın ve bunları veri odaklı modele entegre etmenin faydasını göstermektedir. Sonuçlar ayrıca, önerilen simülasyon ML modellerinin çimento üretim sürecini modelleme ve gelecekteki durumlarını tahmin etme yeteneğine sahip olduğunu da ortaya koymaktadır. Önerilen ML modelleri arasında, dikkat mekanizmasından yararlandığı ve RNN'lerdeki sorunları aşarak uzun vadeli ilişkiler yakalayabildiği için transformatör diğerlerinden daha üstün performans göstermektedir. Bununla birlikte, uygun bir modelin seçimi, hedeflenen göreve, soruna ve mevcut verilere bağlıdır. Buna göre, amaçlanan kullanım için doğru modeli seçmek kullanıcının sorumluluğundadır. Son olarak, geliştirilen modeller gelecekte çimento üretim süreci için model öngörülü kontrolörler tasarlamak ve uygulamak için kullanılabilir.

Özet (Çeviri)

The cement industry is one of the critical components of modern society, playing a vital role in infrastructure and building construction. However, it is meanwhile one of the most energy-intensive and pollutant industries in the world. On the other hand, most current cement production plants are controlled and operated manually making them non-optimal. Implementing novel controllers can help to solve these problems. Model Predictive Controllers (MPC) have shown tremendous potential in this regard since they provide optimal controllers and can consider constraints on inputs and process variables. The essential part of MPC is its dynamic predictive model. While efforts have been made to model the cement production process, there is still a lack of suitable models for implementing MPC in cement production processes. Traditionally, physics-based models have been considered for modeling the cement production process. However, these models are typically complex with a huge number of parameters and computationally time-consuming, making them inapplicable to MPC. Recently, data-driven methods such as system identification and machine learning models have been developed for cement production process modeling. In spite of this, the majority of the literature did not take into account the physical principles and internal dynamics of the process. Further, they did not discuss the performance of their models and directly applied them to MPC. This thesis aims to develop essential predictive models for implementing MPC for the cement production pyro process by considering both the process's internal dynamics and data-driven methods. Moreover, we investigated the models performance comprehensively with a particular focus on long-term predictions which is essential for the successful implementation of MPC. The first step was to develop a simple and linear control-oriented model suitable for the MPC. Therefore, system identification methods were the focus. Moreover, the first principles of mass and energy conservation laws are considered to discover internal dynamics and inter-component relations in the process. As a result of incorporating these physics insights into systems identification models, a gray-box model has been developed. Next, more sophisticated simulation models were developed to represent the real plant in MPC implementation, since it was not possible to implement the designed controller in the real plant due to high risks and costs. For this purpose, machine learning models particularly sequence modeling machine learning models such as recurrent neural networks, and transformers are used. The selected ML models are modified and implemented on data from the cement production process at the Akcansa Cimento Plant. Both the control-oriented models and simulation models were used for various prediction tasks on the collected data. Results show that in control-oriented models, the gray-box model performs better than the black-box model in validation data, especially for long-term predictions. This depicts the benefit of considering the internal dynamics and inter-components of the process and integrating them into the data-driven model. The results also reveal that the suggested simulation ML models are capable of modeling the cement production process and predicting its future states. Among the proposed ML models, the transformer outperforms others as it exploits the attention mechanism which overcomes RNN problems and can capture long-term dependencies. It should be noted, however, that the selection of a suitable model is dependent upon the objective task, the problem, and the available data. Accordingly, selecting the right model for their intended use would be the user's responsibility. Lastly, the developed models can be used to design and implement model predictive controllers for the cement production process in the future.

Benzer Tezler

  1. Tez No

    406127

    Helikopter kontrolünde yeni yöntemler ile enerji tasarrufu

    Energy save with new methods in helikopter flight control

    FIRAT ŞAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Sivil HavacılıkErciyes Üniversitesi

    Sivil Havacılık Ana Bilim Dalı

    YRD. DOÇ. TUĞRUL OKTAY

  2. Tez No

    830316

    Development of a fault-tolerant model predictive controller for vehicle lateral stability

    Araç yanal stabilitesi için arızaya dayanıklı model öngörülü kontrolcü geliştirilmesi

    MUHAMMED KEMAL KÖYSÜREN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Makine Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. MELİH ÇAKMAKCI

  3. Tez No

    688978

    Investigation of electronical and mechanical properties of twisted bilayer systems of two dimensional materials

    İki boyutlu materyallerinin döndürülmüş çift katmanlı sistemlerinin elektronik ve mekanik özelliklerinin araştırılması

    BÜŞRA GAMZE ARSLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Fizik ve Fizik Mühendisliğiİstanbul Teknik Üniversitesi

    Fizik Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZHAN GÜRLÜ

  4. Tez No

    829238

    Liquid-interface orientation-dictated self-assembly of colloidal semiconductor nanocrystals and its applications

    Koloidal yarıiletken nanokristallerin sıvı-arayüzey yönlendirmeli öz-dizilimi ve uygulamaları

    MOHSIN WARIS

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Fizik ve Fizik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. HİLMİ VOLKAN DEMİR

  5. Tez No

    331715

    Tek boyutta hareket konusunda öğrenme amaçlı yazma etkinliklerinin uygulanmasının fen bilgisi öğretmenliği 1. sınıf öğrencilerinin akademik başarısına ve kalıcılığa etkisi

    The impact of carrying out learning-oriented writing activities on academic success of junior science education students and retention on the subject of one dimension motion

    GÜLŞEN KOÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Eğitim ve ÖğretimAtatürk Üniversitesi

    İlköğretim Ana Bilim Dalı

    PROF. DR. SABRİYE SEVEN

Geri Dön