Yapay sinir ağları temelli model öngörülü kontrol

Basit Öğe Kaydı
dc.contributor.advisorSavran, Aydoğan
dc.contributor.authorŞahin, Savaş
dc.date.accessioned2024-08-19T19:49:04Z
dc.date.available2024-08-19T19:49:04Z
dc.date.issued2003
dc.departmentEge Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalıen_US
dc.description.abstractÖZET YAPAY SİNİR AĞLARI TEMELLİ MODEL ÖNGÖRÜLÜ KONTROL ŞAHİN, Savaş Yüksek Lisans Tezi, Elektrik - Elektronik Mühendisliği Bölümü Tez Yöneticisi: Yrd. Doç. Dr. Aydoğan SAVRAN 13 Ağustos 2003, 103 sayfa Bu tez çalışmasında, bir yapay sinir ağlan (YSA) temelli doğrusal olmayan öngörülü kontrol yapısı geliştirilmiştir. Bu yapıda, dinamik sistemlerin giriş - çıkış ilişkisi YSA tanılama modeli kullanılarak, gösterilmiştir. YSA ağırlıkları güncellenmesi en dik iniş yöntemi ile gerçekleştirilmiştir. Daha sonra, YSA tanılama modeli temel alınarak doğrusal olmayan model öngörülü kontrol yapısı oluşturulmuştur. Kontrol sinyali, YSA modeli ile öngörülen sistem çıkışı ve referans arasındaki karesel hatayı içeren bir ölçütü minimize edecek şekilde kestirilir. Sonuç olarak, YSA temelli model öngörülü kontrol yapısının, doğrusal olmayan karmaşık sistemlerin kontrolü uygulamalarında etkin bir alternatif olduğu gösterilmiştir. Anahtar sözcükler: Optimal kontrol, yapay sinir ağları (YSA), model öngörülü kontrol (MÖK), doğrusal olmayan dinamik sistemleren_US
dc.description.abstractVII ABSTRACT NEURAL NETWORK BASED MODEL PREDICTIVE CONTROL ŞAHİN, Savaş MSc in Electrical - Electronics Eng. Supervisor: Assist of Prof. Aydoğan SAVRAN 13 August 2003, 103 pages In this thesis, it is developed a neural network based nonlinear model predictive control scheme. Neural network (NN) identification models are used to represent the input-output relation of dynamical systems. The steepest descent method is used to update NN parameters. Then, a nonlinear model predictive controller scheme is designed on the basis of a neural network plant model. Based on the neural network model, the control is estimated by minimizing a projected cost function that penalizes future tracking errors. Consequently, NN based model predictive control scheme is an effective alternative for controlling the nonlinear complex systems. Keywords: Optimal control, neural network (NN), model predictive control (MPC), nonlinear dynamical system.en_US
dc.identifier.endpage115en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=p911s0iMPy2wtZbYYckXOWHCuOfsnPRjsmitlbomCDBO45qZK_kwvaYUoJkyqS_Q
dc.identifier.urihttps://hdl.handle.net/11454/87868
dc.identifier.yoktezid134580en_US
dc.language.isotren_US
dc.publisherEge Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectElektrik ve Elektronik Mühendisliğien_US
dc.subjectElectrical and Electronics Engineeringen_US
dc.subjectDinamik sistemleren_US
dc.subjectDynamical systemsen_US
dc.subjectDoğrusal olmayan dinamiken_US
dc.subjectNonlinear dynamicsen_US
dc.subjectModel öngörümlü denetimen_US
dc.subjectModel predictive controlen_US
dc.subjectOptimum denetimen_US
dc.subjectOptimum controlen_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectArtificial neural networksen_US
dc.titleYapay sinir ağları temelli model öngörülü kontrolen_US
dc.title.alternativeNeural network based model predictive controlen_US
dc.typeMaster Thesisen_US

Dosyalar

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu