Makine öğrenimi yaklaşımlarına dayanan sincap kafesli asenkron makine tasarımı optimizasyon tekniği
Squirrel cage asynchronous machine design optimization technique based on machine learning approaches
- Tez No: 967902
- Danışmanlar: PROF. DR. KAMURAN NUR BEKİROĞLU, DR. ÖĞR. ÜYESİ ENGİN AYÇİÇEK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Makinaları ve Güç Elektroniği Bilim Dalı
- Sayfa Sayısı: 108
Özet
Elektrik makinesi tasarım optimizasyonu, birbirleriyle aynı doğrultuda iyileşme göstermeyebilecek hedefler ve parametreler arasında var olabilecek doğrusal olmayan ilişkiler nedeniyle oldukça karmaşık bir problem alanı oluşturmaktadır. Literatürde yer alan geleneksel optimizasyon yöntemlerinin bir kısmı, veri sayısındaki azlık nedeniyle genelleştirilebilirlikten uzaklaşmakta ya da kullanılan algoritmanın doğası gereği yüksek hesaplama maliyetleri gerektirmektedir. Bunların yanı sıra, bazı çalışmalarda makine tasarım parametrelerinin deneysel olarak elde edilmesi zahmetli süreçler gerektirmektedir. Ayrıca, üreticiye özgü verilere erişimin kısıtlı olduğu durumlar da tasarım ya da optimizasyon süreçleri için önemli bir engel teşkil etmektedir. Bu tez kapsamında, düşük gerilimli sincap kafes asenkron motorların tasarım optimizasyonu için Yapay Sinir Ağı ve Yılan Optimizasyonu Algoritmasının entegre edildiği özgün bir hibrit metodoloji geliştirilmiştir. Önerilen iki aşamalı yaklaşımda, ilk aşamada 4-900 kW güç aralığındaki 1164 motor verisinden öğrenen Yapay Sinir Ağı modelleri (elektriksel parametreler için Çok Katmanlı Algılayıcı (MLP), mekanik parametreler için Tekrarlayan Sinir Ağı (RNN)) ile başlangıç tasarım parametreleri tahmin edilmekte; ikinci aşamada ise bu tahminler, Yılan Optimizasyonu Algoritmasının başlangıç vektörü olarak kullanılmakta ve uygulanan adaptif sınırlama stratejisiyle verim hedefi doğrultusunda optimize edilmektedir. Elektrik makinesi tasarımına özgü uyarlanan Yılan Optimizasyonu Algoritması ve uygulanan adaptif sınırlama stratejisi ile hem hızlı yakınsama sağlanmış hem de mühendislik açısından uygulanabilir çözümler elde edilmiştir. Geliştirilen hibrit yapı, makine öğrenmesinin hızlı tahmin kabiliyeti ile meta-sezgisel optimizasyonun global arama yeteneğini bir araya getirerek hem hesaplama verimliliği hem de yüksek çözüm kalitesi sunmakta ve optimal tasarım parametrelerine etkin bir şekilde ulaşılmasını mümkün kılmaktadır. Geliştirilen metodoloji, özellikle kritik tasarım verilerine erişimin kısıtlı olduğu durumlarda, tasarımcılara güvenilir bir başlangıç noktası sunarak tasarım sürecini önemli ölçüde kolaylaştırmakta ve endüstriyel uygulamalara katkı sağlamaktadır.
Özet (Çeviri)
The design optimization of electrical machines constitutes a highly complex problem domain due to objectives that may not improve in the same direction and the potential nonlinear relationships between parameters. Some conventional optimization methods found in the literature lack generalizability due to limited data, or, owing to the inherent nature of the algorithms used, require high computational costs. Furthermore, in some studies, obtaining the machine design parameters experimentally is a labor-intensive process. In addition, restricted access to manufacturer-specific data presents a significant obstacle for design or optimization processes. Within the scope of this thesis, an original hybrid methodology integrating Artificial Neural Networks and the Snake Optimizer Algorithm has been developed for the design optimization of low-voltage squirrel cage induction motors. In the proposed two-stage approach, in the first stage, Artificial Neural Network models trained on data from 1164 motors within the 4–900 kW power range (Multi-Layer Perceptron (MLP) for electrical parameters and Recurrent Neural Network (RNN) for mechanical parameters) predict the initial design parameters. In the second stage, these predictions are used as the starting vector for the Snake Optimizer Algorithm, and the predictions are optimized according to the efficiency target through an implemented adaptive constraint strategy. Both fast convergence and engineeringly feasible solutions have been achieved by the Snake Optimization Algorithm specifically adapted for electrical machine design and the applied adaptive constraint strategy. This hybrid structure, combining the rapid prediction capability of machine learning with the global search ability of metaheuristic optimization, offers both computational efficiency and high solution quality, enabling effective attainment of optimal design parameters. The developed methodology provides a reliable starting point for designers especially in cases where access to critical design data is limited, significantly facilitating the design process and contributing to industrial applications.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Machine learning-based modeling and monitoring of machining processes and tool wear
İşleme prosesleri ve takım aşınmasının makine öğrenmesi tabanlı modellenmesi ve izlenmesi
ARASH EBRAHIMI ARAGHIZAD
Doktora
İngilizce
2024
Makine MühendisliğiSabancı ÜniversitesiÜretim Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN BUDAK
- From data to action: Transforming pressure testing in manufacturing with machine learning for enhancing energy efficiency
Veriden aksiyona: Üretimdeki basınç testini makine öğrenimiyle dönüştürmek ve enerji verimliliğini artırmak
ERHAN YILDIZ
Yüksek Lisans
İngilizce
2024
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocuklarda bilişsel fonksiyonların elektroensefalografi, uyarılmış potansiyel ve fonksiyonel yakın kızılötesi spektroskopisi yöntemleriyle incelenmesi
Investigation of cognitive functions of children with attention deficiency and hyperactivity disorder via electroencephalography, evoked potentials and functional near-infrared spectroscopy
MİRAY ALTINKAYNAK
Doktora
Türkçe
2021
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN