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: 153
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
- Polimer emdirme yöntemi ile titanyum esaslı açık hücreli köpük üretimi ve karakterizasyonu
Production and characterization of open cell titanium based foams by polymer replication method
GÖKÇE ÇALIŞAN
Yüksek Lisans
Türkçe
2018
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZGÜL KELEŞ
- Mantar ve tarhananın kırınım pencereli kurutma tekniğiyle kurutulması ve kalite özelliklerinin belirlenmesi
Drying of mushroom and tarhana with refractance window drying technique and determination of the quality properties
MERVE SEÇİL BARDAKÇI
Doktora
Türkçe
2022
Gıda MühendisliğiSüleyman Demirel ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERKAN KARACABEY
- Murt (Myrtus communis L.) meyve suyu üretim koşullarının optimizasyonu, prosesin biyoaktif bileşikler ve in-vitro sindirilebilirliği üzerine etkilerinin araştırılması
Optimization of myrtus (Myrtus communis L.) fruit juice production conditions, investigation of the effects of the process on bioactive compounds and in-vitro digestibility
FIRAT ÇINAR
Doktora
Türkçe
2024
Gıda MühendisliğiMersin ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH AKSAY
- Yüksek frekans atmosferik basınç plazma sisteminin incelenmesi
Investigation of high frequency atmospheric pressure plasma system
ALİ GÜLEÇ
Doktora
Türkçe
2011
Fizik ve Fizik MühendisliğiSüleyman Demirel ÜniversitesiFizik Ana Bilim Dalı
DOÇ. DR. LÜTFİ ÖKSÜZ
- Flavonoid changes in industrially processed and stored onions
Endüstriyel olarak soğan işlemede ve depolamada flavonoid değişimleri
MERVE İŞLEK
Yüksek Lisans
İngilizce
2011
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DİLARA NİLÜFER ERDİL