Nonlinear parameter estimation of a universal motor by q-adaptive neural networks
Doğrusal olmayan evrensel motor parametrelerinin q-uyarlamalı sinir ağı yöntemi ile tanılanması
- Tez No: 90619
- Danışmanlar: PROF. DR. OSMAN S. TÜRKAY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sistem ve Kontrol Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
DOĞRUSAL OLMAYAN EVRENSEL MOTOR PARAMETRELERİNİN 8-UYARLAMALI SİNİR AĞI YÖNTEMİ İLE TANILANMASI ÖZET Yapay sinir ağlarının paralel olarak dağılmış işleme kapasitesi ve dar bir aralıktaki herhangi devamlı doğrusal olmayan fonksiyonu öğrenme yeteneği onları bir çok araştırmacıya çekici kılan özellikleri arasındadır. Günümüzde, yapay sinir ağlarının dinamik sistem modelleme ve tanılamada kullanılmasına olan ilgi artmaktadır. Doğrusal sistem tanılamasında bir çok değişik tanılama algoritmaları bulunmasına karşın, doğrusal olmayan sistemlerde parametre tanılaması için yaygın kullanılan algoritmalar az bulunmaktadır. Bu tezde 0-uyarlamalı sinir ağı (TUŞA) parametre tanılama metodu doğrusal olmayan özellikler gösteren bir universal doğru akım motoru (EDAM) üzerinde tatbik edilmiştir. Tezin benzetim aşamasında, uygun görülen ileri-beslemeli sinir ağı mimarUerinin eğitiminden sonra tanılanacak her bir motor parametresi için aynı anda uyarlamah tanılama gerçekleştirilmiştir. Aynı yöntem, deneysel veriler kullanılarak da gerçekleştirilmiş ve elde edilen tanılanmış parametreler model değerleri ile karşılaştınlmıştır. Tanılanmış parametre değerleri kullanılarak oluşturulan yeni modelin hız çıktısıyla deneysel motorun hız çıktısı kıyaslanarak TUŞA yönteminin EDAM' m parametrelerini tanılamada başardı olduğu sonucuna varılmıştır. TUŞA metodunun diğer elektrik motorların parametre tanılamasına da uyarlanabileceği kanısı oluşmuştur.
Özet (Çeviri)
IV NONLINEAR PARAMETER ESTIMATION OF A UNIVERSAL MOTOR BY 9-ADAPTIVE NEURAL NETWORKS ABSTRACT The parallel distributed processing capacity, and the ability of learning any continuous nonlinear function on a compact interval with one or more hidden layers are some of the traits that have made artificial neural networks so attractive to many researchers. Recently, interest has been increasing towards the usage of neural networks for modeling and identification of dynamic systems. Although there are various identification algorithms for linear systems, there is lack of widespread methodology in parameter estimation for nonlinear systems. In this thesis, 9-adaptive neural network (TANN) parameter estimation method has been implemented on a universal direct current motor (UDCM), exhibiting a slightly nonlinear nature. In the simulation part, an adaptive estimation scheme is carried out simultaneously for each parameter to be estimated, after the off-line training of the selected feed-forward neural network architectures. The same methodology has been applied using experimental data, and the obtained estimates are compared to that of the motor model. The estimates are also verified by comparing the speed outputs of the actual motor and the motor model utilizing the estimates. Results indicate that TANNs have performed remarkably well in estimating the parameters of UDCM, and they might be applicable to commercially available electrical motors.
Benzer Tezler
- Novel mechanism and controller design for hybrid force-position control of humanoid robots
İnsansı robotlarda birleşik kuvvet-konum kontrolü için yenilikçi mekanizma ve kontrol tasarımı
CİHAT BORA YİĞİT
Doktora
İngilizce
2018
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. PINAR BOYRAZ
- Çizgisel ısı kaynaklı yüzeyde doğal ısı taşınımı
Natural convection for a line source on an adiabatic surface
MUZAFFER AYDIN
- Structured neural networks for modeling and identification of nonlinear mechanical systems
Doğrusal olmayan mekanik sistemlerin modellemesinde ve tanısında kullanılan yapılandırılmış yapay sinir
ERGİN KILIÇ
Doktora
İngilizce
2012
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET BUĞRA KOKU
YRD. DOÇ. DR. MELİK DÖLEN
- Strengthening of low-strength short columns with sprayed up textile reinforced gfrc
Püskürtme bazalt tekstil takviyeli gfrc ile düşük dayanımlı kolonların güçlendirmesi
SOHEİL KHOSHKHOLGHİ
Yüksek Lisans
İngilizce
2015
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALPER İLKİ
- Identıfıcatıon, modellıng and optımısatıon of structures wıth passıve dampıng treatments
Pasif sönümlü yapilarin karakterizasyonu, modellenmesi ve optimizasyonu
HASAN KÖRÜK
Doktora
İngilizce
2013
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK
