Geri Dön

Derin öğrenme tabanlı model öngörülü kontrol için MILP formülasyonları

MILP formulations for deep learning based model predictive control

  1. Tez No: 906145
  2. Yazar: ZEYNEP SOYYİĞİT ÖZGEN
  3. Danışmanlar: DOÇ. DR. UĞUR YILDIRAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 105

Özet

Isıtma sistemleri, bireysel kullanıcı için konfor ve barınma ihtiyacının bir parçasıyken, endüstriyel uygulamalarda üretim, araştırma – geliştirme, imalat ve enerji yönetimi gibi alanlarda önemli rol oynamaktadır. Bu bağlamda, istenen iç ortam sıcaklığını en verimli şekilde sağlamak amacıyla, kararlı bir kontrol yöntemi geliştirmek büyük önem taşır. Bu çalışmada, yapay sinir ağı (YSA) tabanlı model öngörülü kontrol (MÖK) sistemi geliştirilmiştir. YSA modelinde aktivasyon fonksiyonu olarak düzeltilmiş doğrusal birim (DDB) kullanılmış ve DDB'e ilişkin denklemlerin karma tam sayılı doğrusal ifadeleri elde edilmiştir. MÖK optimizasyon problemi bir karma tam sayılı doğrusal programlama (KTDP) optimizasyon problemine dönüştürülüp, hazır kütüphaneler kullanılarak global optimal çözüm elde edilmiştir. Sistem, belirlenen bir zaman aralığında hem YSA tabanlı MÖK modeliyle, hem de dışsal girdili özbağlanımlı model (DGÖM) tabanlı MÖK modeliyle kontrol edilmiş, sonuçların karşılaştırılması için oransal integral türevsel (OİT) denetleyici de eklenmiştir. Çalışmanın sonucunda YSA tabanlı MÖK'ün diğer yöntemlerden daha başarılı olduğu görülmüştür.

Özet (Çeviri)

Heating systems are essential for providing comfort and shelter for individual users, while playing a significant role in industrial applications such as production, research and development, manufacturing, and energy management. In this context, it is crucial to develop a stable control method to achieve the desired indoor temperature in the most efficient manner. This study presents the development of an artificial neural network (ANN)-based model predictive control (MPC) system. The ReLU activation function was used in the ANN model, and mixed-integer linear expressions related to ReLU were derived. Thus, the MPC optimization problem was transformed into a mixed-integer optimization problem, enabling a globally optimal solution to be obtained using available libraries. The system was controlled over a specified time interval using both the ANN-based MPC model and the ARX-based MPC model, with PID control included for result comparison. The findings show that the ANN-based MPC outperformed the other methods.

Benzer Tezler

  1. Development of a learning based trajectory tracking controller for autonomous vehicles

    Otonom araçlar için öğrenme tabanlı yörünge takip kontrolörünün geliştirilmesi

    HASAN ŞENER

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Makine MühendisliğiMarmara Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ UĞUR TÜMERDEM

    DR. İSMAİL HAKKI SAVCI

  2. Nonlinear model based guidance with deep learning based target trajectory prediction against agile attack patterns

    Çevik saldırı manevralarına karşı derin öğrenme tabanlı tehdit yörünge tahmini ile doğrusal olmayan model öngörülü kontrol

    ABDULLAH SADIK SATIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  3. Improving sample efficiency in reinforcement learning control using autoencoders

    Pekiştirmeli öğrenme kontrolde otokodlayıcılar ile örnekleme verimliliğini arttırma

    BURAK ER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  4. Gerçek zamanlı endüstriyel kontrol sistemleri için makine öğrenmesi temelli yaklaşımlar

    Machine learning approaches for real-time industrial control systems

    SÜLEYMAN MANTAR

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBursa Uludağ Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERSEN YILMAZ

  5. Secure and coordinated beamforming in 5G and beyond systems using deep neural networks

    5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme

    UTKU ÖZMAT

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI

    DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL