Machine learning applications in control systems
Kontrol sistemlerinde makine öğrenim uygulamaları
- Tez No: 783002
- Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZHAN ÇİFDALÖZ, DOÇ. DR. ERDEM AKAGÜNDÜZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doğrusal olmayan sistemler, Kalman filtre, Kontrol teorisi, Makine öğrenmesi, Uzun kısa süreli bellek, Nonlinear systems, Kalman filter, Control theory, Machine learning, Long- short term memory
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde Kalman filtresi ile durum tahmini yapaktansa, bu görevi Uzun Kısa Dönemli Bellek (LSTM) ağına vermeyi bir potansiyel alternatif olarak kunlanmanın etkileri araştırılmıştır. Durum tahmini, bir sistemin gereç halini gürültüle veya tam olmayan gözlemlemelerden çıkartmaktır. Kalman filterler bu amaçta yaygın olarak kunlanılan bir tekniktirler, fakat bazı kısıtlamarı vardır, örneğin çıkartma yaptıkları sistemin doğrusal olduğunu varsaymaları gibi. Yinelemeli Sinir Ağlarının (RNN)lerin bir türü olan LSTM'ler, dil çevirisi ve görütü alt yazısı olusturmak givi karmaşık ve dorusal olamayan sistemlerin modellenmesinded etkinlik gösterebilirler. Bu yüzden LSTM'lerin dinamik sistemlerin durumlarını doru şekilde tahmin etme yeteneğine sayip olabilecekleride önerildi. Bu hipotezi deneyebilmek için farklı örenme parametrelerine sahip LSTM'lerin performansları ile bir Kalman Filtersini performansı doğrusal olmayan bir sistemde karşılaştırıldı. LSTM modellerinin eğitimi, önemli miktarda işlem gücü ve zaman gerektiriyordu, bu da tüketici sınıfı ev işlem cihazlarında zorluk yarattı. Eğitim sürecini optimize etmek için çabalar sarf edildi, ancak sonuçlar tamamen tatmin edici değildi. Bu araştırmanın kapsamı tüketici sınıfı ev işlem cihazlarıyla sınırlı olduğundan, bu sonuçların LSTM'ler için çıkan bulguların kesin olarak kabul edilmemesi gerekir. Durum tahmini görevinde LSTM'lerin kabiliyetlerini tam olarak değerlendirmek için daha güçlü bilgi işleme cihazları gerekli olarbilir.
Özet (Çeviri)
In this thesis, the use of Long Short-Term Memory (LSTM) networks as a potential alternative to Kalman filters in the task of state estimation was investigated. State estimation involves inferring the true state of a system from noisy or incomplete observations. Kalman filters are a widely used technique for this purpose, but they have certain limitations, such as the assumption of linearity. LSTMs are a type of recurrent neural network (RNN) that have demonstrated effectiveness in modeling complex, nonlinear systems in tasks such as language translation and image captioning. It was proposed that LSTMs may also be capable of accurately estimating the state of dynamic systems. To test this hypothesis, the performance of LSTMs of differing learning parameters and a Kalman filter was compared on a non-linear system benchmark dataset. The training of LSTM models required a considerable amount of processing power and time, which posed a challenge on consumer grade home computing devices. Efforts were made to optimize the training process, but the results were not entirely satisfactory. It is important to note that the scope of this investigation was limited to consumer grade computing devices, and the findings about LSTMs should not be taken as definitive. Further research using more powerful computing resources may be necessary to fully assess the capabilities of LSTMs in the task of state estimation.
Benzer Tezler
- Wide-area measurement-based early prediction and corrective control for transient stability in power systems
Güç sistemlerinde geçici hal kararlılığı için geniş alan ölçümlerine dayalı erken kestirim ve düzeltici kontrol
MOHAMMED S.M. MAHDI
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Sürü robotik sistemlerinde bütünleşik güvenlik çerçevesi: Eliptik Eğri Kriptografisi ve steganografi ile güvenli iletişim, YOLOv8 tabanlı artırımlı öğrenme ve açıklanabilir tehdit tespiti
Integrated security framework in swarm robotic systems: Secure communication with Elliptic Curve Cryptography and steganography, YOLOv8-based incremental learning and explainable threat detection
ZEYNEL KUTLU
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Bilim ve Teknoloji ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Adaptive inverse optimal controller design for non-affine nonlinear systems using machine learning techniques
makine öğrenmesi teknikleri kullanarak doğrusal ve afin olmayan sistemler için adaptif ters optimal kontrolör tasarımı
MUHAMMET EMRE SANCI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- İnsansız hava araçlarında akıllı kontrol sistemlerine yönelik nesne takibi uygulamaları
Object tracking applications for intelligent control systems in unmanned aerial vehicles
MEHMET CELALETTİN ERGENE
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AKİF DURDU
- Machine learning based anomaly detection technique for in-vehicle networks
Araç içi ağlar için makine öğrenmesi tabanlı anomali tespit tekniği
ARİF AKAR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. KLAUS WERNER SCHMIDT