Process control with a neurofuzzy controller
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu çalışmada, gerçek bir endüstriyel kontrol problemine yaklaşım yöntemi adım adım vurgulanmıştır. Çalışmanın esas amacı, ele alman bir `yapay sinir ağlarım kullanan bulanık mantık kontrol algoritmasının bir işlem (proses) kontrolüne uygulanarak algoritmanın pratikteki başanmını gözlemektir. Deneme işlemi, sunta levha üretimidir. Bu işlem, ikinci dereceden bir ölü-zaman işlemidir. Yapay sinir ağlarını kullanan bulanık mantık denetimcinin gerçeklenmesinde; işlem tanımlama, işlem analiz ve denetimci tasarım araçlarına başvurulmuştur. Denetimcinin eğitilmesinde insan operatör kullanmak amaçlanmıştır. Ancak, operatörün kontrol hareketlerindeki düşük çözünürlük, eğitim verisi toplamak üzere genel bir PID denetimci tasarımlamaya zorlamıştır. Denetimcinin sistemle bütünleştirilmesinde sürecin matematiksel modeli çıkartılmıştır. İşlem, parçalı sabit rampa bozucu sinyaliyle uyarılmıştır. Bu işlemde; bozucu sinyal, esasen sistemdeki modelleme hatalarına karşılık gelir. Denetimci eğitim verisinden gerekli kontrol bilgisini çıkarabilme yeteneğine sahiptir; yeter ki denetimciye çalışma aralığı boyunca ne yapması gerektiği uyarıcı verilerle sunulsun. In this study the approach to solve a real industrial control problem is highlighted step by step. The main purpose is to apply and observe the performance of a neurofuzzy algorithm to process control. The application process is the production of board particles. It is a second order with dead-time process. In the realization of the neurofuzzy controller; process identification, process analysis and controller design tools are involved. Human operator modelling is intended to use as the trainer of the neurofuzzy controller. But the low resolution of the operator actions forced us to design a general PID controller and tune it experimentally to gather training data. The mathematical model of the process is obtained to adopt the controller into the control system. The process is excited by piecewise ramp disturbance. Here, disturbance stands for the modelling errors mainly. The performance of the controller mainly depends on how exciting the training data are. The controller is capable of extracting control information provided that someone makes a demonstration of what to do throughout the operation range.
Collections