İklimlendirme test kabinlerinde sıcaklık ve nem kontrolünün derin öğrenme yöntemleriyle gerçekleştirilmesi
Implementation of temperature and humidity control in air-conditioning test cabinets with deep learning methods
- Tez No: 856920
- Danışmanlar: PROF. DR. ERDAL BEKİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Makine öğrenmesi, Uzun kısa süreli bellek, Yapay zeka, Machine learning, Long- short term memory, Artificial intelligence
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması, iklimlendirme test kabinlerinde sıcaklık ve nem kontrolünün uygulanmasında geleneksel PID (Oransal-İntegral-Türev) kontrol sistemleri ile modern Derin Öğrenme (DL) yöntemleri arasındaki, özellikle Uzun Kısa Süreli Bellek (LSTM) ağları temelli yaklaşımların performans farklarını araştırmaktadır. İklimlendirme test kabinleri, çeşitli endüstriyel ve araştırma uygulamalarında kritik rol oynar ve bu ortamların sıcaklık ve nem seviyelerinin doğru bir şekilde kontrol edilmesi, deneylerin ve test edilen ürünlerin güvenilirliği ve tekrarlanabilirliği için hayati öneme sahiptir. Bu çalışmada, PID kontrolörleri ve LSTM tabanlı modeller, gerçek zamanlı sıcaklık kontrolü senaryolarında karşılaştırmalı olarak test edilmiştir. PID kontrolörleri, kontrol sistemleri tasarımında uzun süredir var olan, iyi belgelenmiş ve geniş çapta kullanılan bir yöntemdir. Bununla birlikte, bu geleneksel yöntemin sınırlamaları ve karmaşık koşullara adaptasyon zorlukları bulunmaktadır. Bu tez konusunu ortaya çıkaran ana zayıflık, iklimlendirme test kabinlerinde test nesnelerinin değişken ısıl yüklerine ve çevresel değişken koşullara hızlı adaptasyon sağlayamamasıdır. Diğer yandan, LSTM, derin öğrenme alanında gelişen bir teknoloji olup, özellikle zaman serisi verileri üzerinde çalışırken gösterdiği üstün yetenekler sayesinde dikkat çekmektedir. Tez kapsamında, her iki sistemin sıcaklık seviyelerini ne kadar etkili ve hassas bir şekilde düzenleyebildiği, yanıt süreleri, enerji verimliliği ve adaptasyon kabiliyetleri gibi çeşitli parametreler üzerinden değerlendirilmiştir. Deneyler, iklimlendirme test kabini koşullarını simüle eden kabinlerde gerçekleştirilmiş ve elde edilen sonuçlar detaylı analizlerle desteklenmiştir ve bu çalışma iklimlendirme test kabinleri sıcaklık kontrolü için PID ve LSTM tabanlı sistemlerin avantajlarını ve sınırlamalarını ortaya koymakta ve gelecekte bu alanlarda kullanılmak üzere önerilerde bulunmaktadır.
Özet (Çeviri)
This thesis investigates the performance differences between traditional PID (Proportional-Integral-Derivative) control systems and modern Deep Learning (DL) methods, in particular Long Short-Term Memory (LSTM) networks-based approaches, in implementing temperature and humidity control in climate test chambers. Climatic test chambers play critical roles in a variety of industrial and research applications, and accurately controlling the temperature and humidity levels of these environments is vital for the reliability and repeatability of experiments and products under test. In this study, PID controllers and LSTM-based models are comparatively tested in real-time temperature control scenarios. PID controllers are a long-standing, well-documented and widely used method in control systems design. However, this traditional method has limitations and difficulties of adaptation to complex conditions. The main weakness, which led to the topic of this thesis, is its inability to provide fast adaptation to the variable thermal loads of test objects and environmental variable conditions in climate test chambers. On the other hand, LSTM is an emerging technology in the field of deep learning and has attracted attention thanks to its superior capabilities, especially when working on time series data. Within the scope of the thesis, how effectively and precisely both systems can regulate temperature levels is evaluated on various parameters such as response times, energy efficiency and adaptation capabilities. The experiments are carried out in cabinets simulating air conditioning test chamber conditions and the results obtained are supported by detailed analyses. This study reveals the advantages and limitations of PID and LSTM based systems for temperature control of air conditioning test chambers and makes recommendations for future use in these areas.
Benzer Tezler
- Silika esaslı üstün yalıtım performansına sahip malzemelerin geliştirilmesi ve karakterizasyonu
Development and characterization of silica based super insulation materials
CEREN ÖNEY KIROĞLU
Yüksek Lisans
Türkçe
2014
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. FATOŞ YÜKSEL GÜVENİLİR
- Bir radyal türbin ve kompresörlü hava çevrim makinesinin tasarlanması ve hesaplamalı akışkanlar dinamiği analizleri
Design of air cycle machine with a radial turbine and a radial compressor and computational fluid dynamics analysis
HÜSEYİN EFE ÖZDEMİR
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SITKI USLU
- Eğitim amaçlı bir iklimlendirme odasının yapay zeka teknikleri ile modellenmesi ve kontrolu
Modelling and control of a climatization test chamber with artificial intelligence techniques
YUSUF İZGİ
Doktora
Türkçe
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. BURHANETTİN CAN
YRD. DOÇ. DR. HASAN ERDAL
- Oda klima sistemleri hız ve sıcaklık dağılımlarının sayısal olarak araştırılması
Başlık çevirisi yok
MURAT KESEN
Yüksek Lisans
Türkçe
2009
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Bölümü
YRD. DOÇ. DR. ERHAN PULAT
- İklimlendirme cihazı ısı değiştiricilerinin teorik ve deneysel olarak incelenmesi
Theoretical and experimental examination of air conditioner heat exchangers
ZAFER GEMİCİ