Geri Dön

Yapay sinir ağları ile modelleme ve aktif manyetik yataklamalı bir sisteme uygulanması

Artificial neural networks based modelling and application to an active magnetic bearing system

  1. Tez No: 104118
  2. Yazar: TÜLAY DEMİR
  3. Danışmanlar: DOÇ. DR. SETA BOĞOSYAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Benzetim, Doğrusal olmayan sistemler, Yapay sinir ağları, Simulation, Nonlinear systems, Artificial neural networks
  7. Yıl: 2001
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

ÖZET Bu çalışmada nonlineer sistemlerin yapay sinir ağları ile modellenmesi incelenmiş ve aktif manyetik yataklamalı bir sistemin yapay sinir ağı modeli elde eldilmeye çalışılmıştır. Simülasyonlar için Matlab ve Simulink programları kullanılmıştır. öncelikle yapay sinir ağlarının modelleme ve kontrolde kullanılması incelenmiş, örnek olarak seçilen açık çevrimde kararlı nonlineer bir sistemin çevrim dışı tanınması gerçekleştirilmiştir. Bunun için önce sistemden örnekler alınmış, model yapısı seçilmiş ve model geçerlilğini test etmek üzere korelasyon testleri uygulanmıştır. Sisteme ilişkin öngörülen regresörlerin yetersiz olması durumunda sözkonusu korelasyon testleri sağlanmazken doğru olarak öngörülen regresörler bu testleri başarıyla geçmiştir. İkinci olarak aktif manyetik yataklamalı sistemin simülasyonlarda kullanmak üzere matematiksel modeli elde edilmiştir. Bu sistem açık çevrimde kararsız olduğundan tanıma süreci kapalı çevrimde yapılmak zorundadır. Bu durumda sisteme uygulanabilecek giriş işareti kontrol işareti sistem çıkışına bağımlı olduğundan sistem hakkında yeterli bilgi edinilmesini engeller. Bu durumda kontrol işareti üzerine sistemi tanıma amaçlı bir işaret eklenir. Bu koşulda sistemden alınan örneklerle bir yapay sinir ağı modeli elde edilmiştir. IX

Özet (Çeviri)

ARTIFICIAL NEURAL NETWORKS BASED MODELLING AND APPLICATION TO AN ACTIVE MAGNETIC BEARING SYSTEM SUMMARY In this study, nonlinear system identification with neural networks has been examined, and some basics about the use of neural networks in control is mentioned. As a practical study, an exemplary open loop stable nonlinear system and an open loop unstable active magnetic bearing system are modelled with feedforward multilayer neural networks. The Concept of System Identification System identification problem deals with obtaining mathematical models of dynamical systems. This problem can be approached in three different ways. If there is no knowledge about the system, the only way of identification is to construct from a set of measurements on the system. This is called“black-box modelling”. In contrast to this, when the exact model can be obtained by physical modelling, it is called“white-box modelling”. Between these two approaches exists“gray-box modelling”where there is a certain level of knowledge about the system. Dynamical systems possess the following mathematical representation in the most general case, x(0 = f(x(0,u(0,0 y(t) = g(x(t)Mt),t) where the state x(f)e3im, the input u(t) e 5Rr,and the output y(f)e$Rn, f : SRnx9irx9l+ ->9t" and g : 5R/7xSRrx1R+ ->9?m. The fundamentel property of a dynamical system is that given any initial time, any initial state and any input, both the resulting state and the output are uniquely specified. Here the identification problem is to obtain the functions f and g. The System Identification Procedure In system identification, whether the system is linear or not has to be determined firstly. There are several tests that yield this information. Following the definition of linearity, wherever the input u{t) + b, (7(f) = 0, b*Q is applied to a system, the system cannot be linear if zb*z where zb and z are the mean levels of the system output for the inputs 6 (u(f) = 0) and u(t) + b, respectively (Billings ve Voon,1986).

Benzer Tezler

  1. Tez No

    95088

    Mikrodalga transistorun yapay sinir ağı ile performans analizi ve modellenmesi

    Performance analysis and modelling of a microwave transistor by neural networks

    CEMAL TEPE

    Doktora

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. FİLİZ GÜNEŞ

  2. Tez No

    98092

    Yapay sinir ağları yöntemiyle yüksek frekanslarda bir transformatörün simülasyonu

    The Desing of frequency transformer with the neural network method

    AKİF YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik MühendisliğiDumlupınar Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMDİ ATMACA

  3. Tez No

    67372

    Yapı analizi ve tasarımında yapay sinir ağları

    Neural networks in structural analysis and design

    YUNUS DERE

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    İnşaat MühendisliğiSelçuk Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAŞAR KALTAKCI

  4. Tez No

    76555

    Fractal modeling of surface electromyography (EMG) signals for EMG pattern recognition by artificial neural networks

    Yüzeyden kaydedilen elektromiyografik (EMG) sinyallerin yapay sinir ağları ile örüntü tanıma amaçlı modellenmesi

    MEHMET EYLEM KIRLANGIÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    1998

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. AYKUT SÜMER

  5. Tez No

    96318

    Fuzzy-nöral ve yapay sinir ağları ile lineer olmayan sistemlerin modellenmesi ve kontrolü

    Modelling and control of nonlinear systems with fuzzy-neural and neural networks

    AYŞEGÜL UÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAKUP DEMİR

Geri Dön