Adaptive and learning-based control strategies for dynamical systems
Dinamik sistemler için uyarlanabilir ve öğrenme tabanlı kontrol stratejileri
- Tez No: 995290
- Danışmanlar: DOÇ. DR. KEMAL UÇAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Adaptif denetim, Dinamik sistemler, PID denetleme, Adaptive control, Dynamical systems, PID control
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde iç ortam hava kalitesi, sağlık ve konfor açısından giderek daha fazla önem kazanmıştır. Bu doğrultuda, hava kalitesinin izlenmesi ve iyileştirilmesine yönelik çok sayıda çalışma yürütülmekte; bu farkındalığın artmasıyla birlikte hava kalitesini düzenlemeye yönelik kontrol sistemleri de ön plana çıkmaktadır. Isıtma, Havalandırma ve İklimlendirme (HVAC) sistemleri, binalarda sıcaklık, nem ve hava değişim oranı gibi iç ortam parametrelerinin kontrolünde kritik rol oynamaktadır. Ancak hava kalitesini artırmak amacıyla havalandırma ve iklimlendirme ihtiyacı yükseltildiğinde, buna bağlı olarak enerji tüketimi önemli ölçüde artabilmekte ve enerji verimliliği problemi ortaya çıkmaktadır. HVAC sistemlerinin dinamiği; doğrusal olmama, zamanla değişen parametreler, dış bozucular ve hava akışı etkileşimleri gibi nedenlerle değişkenlik göstermekte; bu da kontrol performansını ve enerji tüketimini doğrudan etkilemektedir. Bu sebeple HVAC sistemleri, bina ölçeğinde en yüksek enerji tüketicileri arasında yer almaktadır. Bu tezde, bulanık PID denetleyiciler için önerilmiş olan Function Tuner Mekanizması (FTM), klasik artımsal PID yapısına uyarlanarak model gerektirmeyen (model-free) ve çevrimiçi parametre uyarlaması yapabilen bir Adaptif PID (APIDFT) mimarisi geliştirilmiştir. Önerilen APIDFT yaklaşımı, izleme hatasına bağlı olarak PID kazançlarını anlık olarak güncellemekte; basamaklı referans değişimlerinde uyarlama başarımını artırmak amacıyla doğrudan hata yerine bağıl hata ifadesi kullanılmaktadır. Yöntemin başarımı, sıcaklık (T), bağıl nem (RH) ve 𝐶𝑂₂ kanallarından oluşan üç çevrimli bir HVAC mimarisinde kapsamlı biçimde değerlendirilmiştir. Simülasyon çalışmalarında her kanal bağımsız Birinci Derece + Ölü Zaman (FOPDT) modeli ile temsil edilmiş; sabit PID, mutlak hataya dayalı uyarlamalı PID (APIDAE) ve önerilen APIDFT yapıları karşılaştırılmıştır. Tüm denetleyici ve uyarlama başlangıç parametreleri, uygun başlangıç koşullarını sağlamak amacıyla Parçacık Sürü Optimizasyonu (PSO) yöntemi ile belirlenmiştir. Elde edilen simülasyon sonuçları, Function Tuner mekanizmasının daha etkili bir kontrol davranışı sağladığını gösterdiğinden gerçek zamanlı uygulamada APIDFT tercih edilmiştir. Son olarak, Sensirion SCD40 (T/RH/𝐶𝑂₂) sensörü, rezistif ısıtıcı ve fan tabanlı soğutma/havalandırma eyleyicilerini içeren; Raspberry Pi üzerinde Python tabanlı yazılımla çalışan bir deney düzeneği kurulmuştur. İdeal olmayan ve ortam etkilerinin bulunduğu koşullarda gerçekleştirilen deneyler, önerilen APIDFT yaklaşımının kararlı çalıştığını, referans takibini tatmin edici biçimde sağladığını ve iç ortam parametrelerinin etkin şekilde düzenlenebildiğini doğrulamıştır.
Özet (Çeviri)
In recent years, indoor air quality has attracted increasing attention due to its direct impact on human health and comfort. Accordingly, numerous studies have been conducted to monitor and improve air quality, and this growing awareness has brought air-quality-oriented control systems to the forefront. Heating, Ventilation, and Air Conditioning (HVAC) systems play a critical role in regulating indoor environmental variables such as temperature, humidity, and ventilation rate in buildings. However, when ventilation and conditioning demands are increased to enhance indoor air quality, energy consumption may rise significantly, leading to challenges in energy efficiency. The dynamics of HVAC systems vary due to nonlinearities, time-varying parameters, external disturbances, and airflow interactions, which directly affect both control performance and energy use. Therefore, HVAC systems are among the highest energy consumers at the building scale. In this thesis, the Function Tuner mechanism (FTM), originally proposed for fuzzy PID controllers, is adapted to a classical incremental PID structure to develop a model free Adaptive PID (APIDFT) architecture capable of online parameter adaptation. The proposed APIDFT approach updates PID gains instantaneously through an error magnitude-dependent mapping; to improve adaptation performance under step-like reference changes, a relative-error formulation is employed instead of the direct error signal. The performance of the proposed method is comprehensively evaluated on a three loop HVAC architecture consisting of temperature (T), relative humidity (RH), and CO₂ concentration channels. In simulation studies, each channel is represented by an independent First-Order Plus Dead-Time (FOPDT) model, and three controller structures—fixed PID, absolute-error-based Adaptive PID (APIDAE), and the proposed APIDFT—are comparatively assessed. All initial controller and adaptation parameters are determined using Particle Swarm Optimization (PSO) to ensure suitable starting conditions. Since the simulation results indicate that the Function Tuner mechanism provides more effective control behavior, APIDFT is selected for real-time implementation. Finally, an experimental HVAC testbed is developed, comprising a Sensirion SCD40 (T/RH/CO₂) sensor, a resistive heater, and fan-based cooling/ventilation actuators, governed by Python-based software running on a Raspberry Pi. Experiments conducted under non-ideal conditions with ambient coupling confirm that the proposed APIDFT approach operates stably, achieves satisfactory reference tracking, and enables effective regulation of indoor environmental variables.
Benzer Tezler
- Identification and control of nonlinear dynamical systems using neural networks
Doğrusal olmayan dinamik sistemlerin yapay sinir ağları ile tanınması ve denetimi
MEHMET ÖNDER EFE
Yüksek Lisans
İngilizce
1996
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiPROF.DR. OKYAY KAYNAK
- Interval neural networks for uncertainty quantification in system identification
Sistem tanımlamada belirsizlik nicelemesi için aralıklı yapay sinir ağları
MEHMET ALİ FERAH
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR
- Robust and intelligent control of unmanned aerial vehicles
İnsansız hava araçlarının akıllı ve gürbüz kontrolü
ABDURRAHMAN BAYRAK
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖNDER EFE
- Uzay araçlarında kullanılan malzemelerde temas basıncının ısıl dirence etkisinin sayısal olarak incelenmesi
Numerical examination of the effect of contact pressure on thermal resistance i̇n materials used i̇n space vehicles
SEZAİ KOLAT
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. NEDİM SÖZBİR
- Design and implementation of control techniques of power electronic interfaces for photovoltaic power systems: Cascade pi controller-based model reference adaptive control, notch filter dynamics-based pr-p controller designed by symmetrical pole placement method, extremum seeking adaptive control
Fotovoltaik güç sistemleri için güç elektroniği arayüzlerinde kontrol tekniklerinin tasarımı ve uygulaması: Kademeli pı denetleyici tabanlı model referanslı adaptif kontrol, çentik (notch) filtresi dinamiklerine dayalı simetrik kutuplama ile tasarlanmış pr-p denetleyici ve ekstremum arama (es) adaprif kontrol
CAĞFER YANARATEŞ