Geri Dön

Precise temperature control for refrigerators

Buzdolaplari için hassas sicaklik kontrolü

PDF İndir

  1. Tez No: 876824
  2. Yazar: MEHMET KERİM PEKER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Galatasaray Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 62

Özet

Bu tez çalışmasında, düşük güç tüketimini korurken buzdolaplarında optimum sıcaklık kontrolü için gelişmiş bir uyarlanabilir PID kontrol cihazının geliştirilmesi amaçlanmıştır. Önerilen kontrolör, PID ve takviyeli öğrenmeyi, Aktör-Eleştirmen yapısı altında tasarlanan Radyal Temel Fonksiyon ağıyla birleştirir. Çerçeve, PID parametrelerini takviyeli öğrenme tekniklerine göre uyarlayarak sistem koşullarına yanıt olarak gerçek zamanlı ayarlamalara olanak tanır. Çalışmanın takviyeli öğrenmeden yararlanmaya odaklanması, denetleyicinin deneyimlerden ders alabilmesini ve davranışında ince ayar yapabilmesini sağlayarak verimliliğin artmasını ve güç tüketiminin azalmasını sağlar. PID kontrolöründeki Oransal, İntegral ve Türev bileşenleri hassas kontrol elde etmek için çok önemlidir. Takviyeli öğrenme yaklaşımı, RBF ağındaki ağırlıkların ayarlanması yoluyla yeni bir uyarlanabilir güncelleme kuralı getirerek, tahmine dayalı çıktılara ve takviye sinyallerine dayalı olarak PID parametrelerinin çevrimiçi olarak ayarlanmasına olanak tanır. Gizli katmanın Aktör ve Eleştirmen arasında paylaşılmasıyla depolama alanı gereksinimi en aza indirilir ve hesaplama maliyetleri azalır. Ayrıca, IoT buzdolaplarından kapı çalıştırma ve ortam sıcaklığı verileri aracılığıyla müşteri profili oluşturma, kullanıcıya uyarlanabilir soğutma algoritmalarına olanak tanır. Bu algoritmalar soğutma performansını artırır, enerji tüketimini azaltır ve sıcaklık dalgalanmalarını en aza indirir. Takviyeli öğrenmenin uyarlanabilir PID kontrolörlerine bu entegrasyonu, modern soğutma teknolojisinde daha akıllı ve esnek kontrol sistemlerine doğru bir değişimi yansıtıyor. Veri toplama aşaması, IoT buzdolaplarından buzdolabı kapı açıklıkları, ortam sıcaklığı ve nem seviyeleri hakkında anonimleştirilmiş bilgilerin elde edilmesini içerir. Dağıtım aşaması, verileri kategorilere ayırmak ve kullanıcı profilleri oluşturmak için kullanılan K-means gibi kümeleme algoritmaları ile hem Bulut Dağıtımından hem de Kontrol Panosu Dağıtımından oluşur. Bu profillerin buluta ve kontrol panosuna dağıtılmasıyla öğrenme hızı ve PID parametreleri optimize edilir, bu da daha az enerji tüketimiyle daha verimli bir soğutma sistemi sağlar.

Özet (Çeviri)

This thesis explores the development of an advanced adaptive PID controller for optimal temperature control in refrigerators while maintaining low power consumption. The proposed controller combines PID and reinforcement learning with a Radial Basis Function network, designed under an Actor-Critic structure. The framework adapts PID parameters based on reinforcement learning techniques, enabling real-time adjustments in response to system conditions. The paper's focus on leveraging reinforcement learning ensures that the controller can learn from experience and fine-tune its behavior, resulting in improved efficiency and reduced power consumption. The Proportional, Integral, and Derivative components are crucial for achieving precise control for PID. The reinforcement learning approach introduces a novel adaptive weight updating rule adjustment over RBF network, allowing for on-line tuning of the PID parameters based on predictive outputs and reinforcement signals. By sharing the hidden layer between the Actor and Critic, the storage space requirement is minimized, and computational costs are reduced. Moreover, customer profiling through door actuation and ambient temperature data from IoT refrigerators allows for user-adaptive cooling algorithms. These algorithms improve cooling performance, reduce energy consumption, and minimize temperature fluctuations. This integration of reinforcement learning into adaptive PID controllers reflects a shift toward more intelligent and flexible control systems in modern refrigeration technology. The data collection phase involves obtaining anonymized information on refrigerator door openings, ambient temperature, and humidity levels from IoT refrigerators. The deployment stage consists of both Cloud Deployment and Control Board Deployment, with clustering algorithms like K-means used to categorize data and generate user profiles. By deploying these profiles to the cloud and control board, the learning rate and PID parameters are optimized, resulting in a more efficient cooling system with reduced energy consumption.

Benzer Tezler

  1. Tez No

    442795

    İletkenlik dedektörlü iyon kromatografi ile çeşitli örneklerde siyanür, siyanat, tiyosiyanat, krom (VI) ve metal-siyanür kompleksleri tayini

    Determination of cyanide, cyanate, thiocyanate, chromium (VI) and metal-cyanide complexes in various samples by ion chromatography with conductivity detector

    ORHAN DESTANOĞLU

    Doktora

    Türkçe

    Türkçe

    2016

    Kimyaİstanbul Teknik Üniversitesi

    Kimya Ana Bilim Dalı

    DOÇ. DR. GÜLÇİN YILMAZ

  2. Tez No

    866548

    Auto-control hyperthermia applications of LaFeSiH nanoparticles with first-order phase transition

    Birinci dereceden faz geçişine sahip LaFeSiH nanoparçacıklarının oto-kontrol hipertermi uygulamaları

    MERVENUR KELEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    BiyofizikHacettepe Üniversitesi

    Nanoteknoloji ve Nanotıp Ana Bilim Dalı

    DOÇ. DR. TELEM ŞİMŞEK

  3. Tez No

    891764

    SLAB ısıtma fırınlarında enerji verimliliğine yönelik uyarlamalı ve model öngörülü kontrol

    Adaptive nonlinear model predictive control for energy efficiency in SLAB reheating furnaces

    DENİZ KAVAK

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. YAPRAK YALÇIN

  4. Tez No

    286430

    Catalytic microchannel configurations for hydrocracking of Fischer-Tropsch hydrocarbons

    Fischer-Tropsch hidrokarbonlarının hidrokırılması için mikrokanallı reaktör düzenleri

    MEHMET İRFAN HÖSÜKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Kimya MühendisliğiBoğaziçi Üniversitesi

    Kimya Mühendisliği Bölümü

    DOÇ. DR. AHMET KERİM AVCI

  5. Tez No

    167145

    Real time image processing for medical infrared imaging

    Kızılötesi kamera ile gerçek zamanlı medikal görüntü işleme

    CEMİL KIZILÖZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF.DR. NEVZAT GÜNERİ GENÇER

Geri Dön