Endüstriyel atmosferik vakum fırınında makine öğrenme yöntemi ile kontrol algoritması geliştirilmesi
Developing control algorithm with machine learning method in industrial atmospheric vacuum furnace
- Tez No: 921316
- Danışmanlar: PROF. DR. ZEHRA ZEYBEK, PROF. DR. YAVUZ CABBAR
- Tez Türü: Doktora
- Konular: Kimya Mühendisliği, Chemical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Kimya Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Kontrol Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Atmosferik vakum fırınında sıcaklık kontrolünün doğru yapılması, buharlaşma ve kondensasyon işlemlerinin verimli bir Şekil de gerçekleşmesini sağlar. Bu da istenilen ürünlerin daha yüksek kalitede ve daha az enerji tüketimi ile elde edilmesini mümkün kılar. Bu süreçler atmosferik vakum fırınında sıcaklık kontrolünün önemini vurgulamaktadır. Bu çalışmayla ham petrole ön ısıtma işlemi uygulanan bir atmosferik vakum fırınında çeşitli geleneksel sıcaklık kontrol yöntemleri ile derin öğrenme yöntemi geliştirme ve sonuçlarını karşılaştırma amaçlanmıştır. Atmosferik vakum fırını hakkında bilgi ve transfer fonksiyonları literatürden elde edilmiştir. Ziegler-Nichols yöntemi ve Matlab Sisotool kütüphanesi aracılığıyla çeşitli PID kontrolleri geliştirilip Simulink ortamında sisteme uygulanıp sonuçları gözlemlenmiştir. Ayrıca, Simulink ortamında decoupling MIMO PID kontrolü ve eşdeğer kanal PID kontrolü blok diyagramları oluşturularak farklı kontrol stratejileri geliştirilmiş ve atmosferik vakum fırınında sıcaklık kontrolü üzerine farklı yöntemler denenerek endüstriyel fırınların karmaşık kontrol gereksinimlerine etkili çözümler sunulmaya çalışılmıştır. Son olarak da geleneksel yöntemlerin yanı sıra ileri kontrol yöntemi olan LSTM derin öğrenme yöntemi sisteme uygulanmıştır. LSTM derin öğrenme yönteminin atmosferik vakum fırını sıcaklık kontrolünde geleneksel PID kontrolüne göre her basamak etkide maksimum sıcaklık artış değeri ve set noktasına gelme süresi açıcından daha iyi performans göstermiştir. Basamak değeri 1 olduğunda, geliştirilen LSTM modeli, geleneksel PID kontrolüne göre maksimum sıcaklık artışında yaklaşık %22 ve set noktasına ulaşma süresinde %28.5 azalma sağlamıştır. Aynı Şekil de basamağa -1 değeri verildiğinde, maksimum sıcaklık artışı %46.15 ve set noktasına ulaşma süresi %28.5 oranında azalmıştır. Yapılan bu çalışma ışığında gelecekte karmaşık endüstriyel proseslerin kontrolünde ileri kontrol algoritmaların daha çok tercih edileceği öngörülmüştür.
Özet (Çeviri)
Correct temperature control in an atmospheric vacuum furnace ensures efficient evaporation and condensation processes, enabling the production of desired products with higher quality and lower energy consumption. These processes underline the importance of precise temperature control in such furnaces. This study aims to develop and compare traditional temperature control methods with a deep learning approach in an atmospheric vacuum furnace used for preheating crude oil. The furnace's characteristics and transfer functions were obtained from the literature. PID controllers were designed using the Ziegler-Nichols method and Matlab Sisotool library, applied to the system in Simulink, and their results were analyzed. Additionally, decoupling MIMO PID and equivalent channel PID control strategies were implemented in Simulink to explore approaches for addressing complex industrial control requirements. Finally, the advanced control method, LSTM-based deep learning, was applied. The LSTM model demonstrated superior performance compared to traditional PID control in terms of maximum temperature reached at each step and time to reach the setpoint. For a step value of 1, the LSTM model reduced the maximum temperature rise by 22% and the time to reach the setpoint by 28.5%. Similarly, for a step value of -1, the maximum temperature rise decreased by 46.15%, and the time to reach the setpoint was reduced by 28.5%. These findings highlight the potential of advanced control algorithms like LSTM in improving industrial furnace performance. This study suggests such methods could play a pivotal role in addressing the complexity of modern industrial processes, ensuring efficiency and precision in critical operations.
Benzer Tezler
- Üniversite ile ilgili kanun ve yönetmeliğin bilgisayara aktarılması
Başlık çevirisi yok
NAFİYE MESTANOĞLU
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. OĞUZ MANAS
- Akaryakıtla çalışan endüstriyel tav fırınlarında yanma, sıcaklık ve basıncın optimum kontrolu
Optimum control of combustion temperature and pressure in industrial tempering furnaces working with fuel-oil
MEHMET EROĞLU
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL ERCAN
- Zymomonas mobilis NRRL B-14023 bakterisi ile şeker pancarı melası ve kuru üzümden etanol üretimi
Başlık çevirisi yok
ÜLKÜ BAŞER
- Endüstrileşmiş yapım sistemlerinin Türkiye'ye uyumu ve gelişme koşulları
The Appropriation and development conditions of industrialized building systems in Turkey
FİKRİ KOLENOĞLU
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiGazi ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. REŞAT ÖNGEN
- Havuçların haşlanmasında difüzyonun modellenmesi
Başlık çevirisi yok
FİGEN KAYMAK
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUZAN KINCAL