Havalandırma sistemleri için pekiştirmeli öğrenme tabanlı denetleyici tasarımı
Reinforcement learning based controller design for ventilation systems
- Tez No: 925024
- Danışmanlar: PROF. DR. MUSA ALCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 83
Özet
Bu tez çalışması kapsamında, günümüz havalandırma sistemlerinde kullanılan fan motorlarının kontrol algoritmalarında yaygın olarak kullanılan klasik Oransal-Integral-Türev (PID) denetleme yöntemine alternatif olarak, değişken sistem dinamiklerine uyum sağlayabilen ve yapay zeka alt dallarından biri olan pekiştirmeli öğrenme tabanlı uyarlamalı bir denetleyici kullanılması amaçlanmaktadır. Bu yöntem ile sistemin kararlı ve sürekli rejime daha hızlı ulaşması ve enerji verimliliğinin artırılması hedeflenmektedir. Çalışma gerçekleştirilirken, havalandırma sistemlerinde kullanılan bir fanın debi-basınç eğrilerinden elde edilmiş veriler MATLAB ortamına aktarılmış ve benzetim çalışmaları gerçekleştirilmiştir. Benzetim çalışmaları kurulmuş deneysel bir düzenek ile desteklenmiştir. Yapılan benzetim çalışmaları ve deneysel çalışmada tasarlanan kontrolcünün kazanç parametrelerinin, farklı statik basınç değerleri karşısında dinamik olarak değiştiği, sistemi istenilen hedef debi değerine hızlı bir şekilde ulaştırdığı ve sistemin sürekli bir rejimde çalışmasını sağladığı gözlemlenmiştir. Bu tez çalışma doğrultusunda elde edilen bulgulara göre tasarlanan pekiştirmeli öğrenme tabanlı denetleyicinin havalandırma sistemlerinde bulunan fan motorlarının kontrolünde kullanımının benzetim çalışmalarında ortalama 6 saniye, deneysel çalışmada ise ortalama 10 saniye daha kısa sürede sistemi istenilen rejime ulaştırdığı, kazanç parametreleri sabit klasik PI kontrolcü ile denetimine kıyasla % 6' ya kadar enerji tasarrufu sağlandığı sonucuna varılmıştır.
Özet (Çeviri)
Within the scope of this thesis, as an alternative to the classical Proportional-Integral-Derivative (PID) control method, which is widely used in the control algorithms of fan motors used in today's ventilation systems, it is aimed to use an adaptive controller based on reinforcement learning, one of the sub-branches of artificial intelligence, which can adapt to variable system dynamics. With this method, it is aimed to reach the stable and continuous regime of the system faster and to increase energy efficiency. During the study, the data obtained from the flow-pressure curves of a fan used in ventilation systems were transferred to MATLAB environment and simulation studies were carried out. The simulation studies were supported by an experimental setup. In the simulation and experimental studies, it was observed that the gain parameters of the designed controller changed dynamically against different static pressure values, quickly reaching the desired target flow rate value and ensuring the system to operate in a continuous regime. According to the findings obtained in this thesis, it is concluded that the use of the designed reinforcement learning based controller in the control of fan motors in ventilation systems brings the system to the desired regime in an average of 6 seconds in simulation studies and 10 seconds less in the experimental study, and energy savings up to 6% compared to the control with a classical PI controller with constant gain parameters.
Benzer Tezler
- Binalarda enerji tüketimi ve kullanıcı termal konforu optimizasyonu için derin pekiştirmeli öğrenme tabanlı bina işletim stratejilerinin geliştirilmesi
Development of deep reinforcement learning based building operation strategies for energy consumption and user thermal comfort optimization in buildings
MERVE KURU ERDEM
Doktora
Türkçe
2024
İnşaat MühendisliğiEge Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLBEN ÇALIŞ
- İklimlendirme sistemlerinde yapay zeka uygulamaları
Artificial intelligence applications in air conditioning systems
MAAMOON WASSOUF
Yüksek Lisans
Türkçe
2024
EnerjiKarabük ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN CEYLAN
- Augmenting occupant thermal experience with cyber-physical-social systems: A case study on adaptive vents
Başlık çevirisi yok
CEM KESKİN
Doktora
İngilizce
2020
Makine MühendisliğiÖzyeğin ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA PINAR MENGÜÇ
- Design, construction and performance evaluation of a constant air volume device for HVAC systems
Havalandırma sistemleri için sabit hava debisi ayar ünitesi tasarımı, konstrüksiyonu ve performans değerlendirmesi
CANER EKİN KİPER
Yüksek Lisans
İngilizce
2018
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KAHRAMAN ALBAYRAK
- Determination of weather data for Turkey for heating and cooling systems
Türkiye için ısıtma ve soğutma sistemleri için iklim verilerinin belirlenmesi
HÜSAMETTİN BULUT
Doktora
İngilizce
2001
Makine MühendisliğiÇukurova ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. TUNCAY YILMAZ