Kural tabanının istatistiksel veriler yoluyla oluşturulduğu bulanık mantık denetleyici tasarımı

Basit Öğe Kaydı
dc.authorid0000-0002-9068-7760en_US
dc.contributor.advisorYıldız, İbrahim
dc.contributor.authorEryiğit, Erhan
dc.date.accessioned2023-01-20T11:57:25Z
dc.date.available2023-01-20T11:57:25Z
dc.date.issued2022en_US
dc.departmentNEÜ, Fen Bilimleri Enstitüsü, Mekatronik Mühendisliği Anabilim Dalıen_US
dc.descriptionYüksek Lisans Tezien_US
dc.description.abstractDenetim en karmaşık fabrikalardan, en basit su ısıtıcılarına varıncaya kadar hayatımızın her alanında bulunur. Bir denetleyici tasarımında düşük maliyet, yüksek verimlilik, güvenlik ve basitlik temel hedeftir. Günümüzde ortaya birçok denetim yöntemi ortaya konulmuştur. Bu denetim yöntemlerinden biri de bulanık mantıktır. Bulanık mantıkta klasik mantığın tersine her eleman belirli derecede belirli kümelerin üyesidir. Bu durum gündelik hayatta kullandığımız sözel ifadeleri bulanık mantık sayesinde makinelere aktarma imkânı vermektedir. Bu ifadeler bulanık mantık denetiminin kural tabanını oluşturur ve hangi durumda ne yapılacağını belirleyen kurallardır. Ayrıca çoğu kontrol yönteminde matematiksel modellere ihtiyaç duyulurken bulanık mantıkta uzman tecrübesi yeterli olmaktadır. Ancak denetim uygulanacak bir sistemin matematiksel modeli bilinmiyorsa ve üzerinde yeterli uzman bilgisi ve deneyimi mevcut değilse bulanık mantığın kuralları yanlış oluşturulabilir. Bu da denetimin yapılamamasına ya da verimsiz olmasına neden olur. Öğrenme algoritmaları uzman bilgisi gereksinimi ortadan kaldırarak kuralları oluşturmayı amaçlamaktadır. Ancak bu algoritmalarda kendi içinde yüksek uzman bilgisine ihtiyaç duyar. Ayrıca gereğinden çok daha fazla kural oluşturabilir ve mümkün olan en iyi kuralları oluşturmayı garanti etmez. Bu çalışmada, geri beslemesi bir kullanıcı tarafından sağlanan bir denetleyici tarafından kontrol edilen dc motorun verileri kaydedilmiştir ve istatistiksel olarak mümkün olan en iyi kurallar meydana getirilmiştir. Yani belirli referans girişine karşılık olan çıkışlar gözlemlenerek hangi durumun kaç kere gerçekleştiğine bakılıp kurallar buna göre oluşturulmuştur. Oluşturulan kurallar ile yapılan bulanık denetimle dc motorun hızının daha iyi denetlendiği görülmüştür.en_US
dc.description.abstractControl is found in every aspect of our lives, from the most complex factories to the simplest water heaters. Low cost, high efficiency, safety, and simplicity are the main objectives in a controller design. Today, many control methods have been put forward. Fuzzy logic is one of these control methods. Contrary to classical logic in fuzzy logic, every element is a member of certain sets to a certain extent. Thanks to fuzzy logic this situation gives the opportunity to transfer the verbal expressions that we use in daily life to the machines. These statements form the rule base of fuzzy logic control and are the rules that determine what to do in which case. In addition, while mathematical models are needed in most control methods, expert experience in fuzzy logic is sufficient. However, if the mathematical model of a system to be controlled is not known and there is not enough expert knowledge and experience on it, the rules of fuzzy logic can be formed incorrectly. This causes the inspection to be ineffective or inefficient. Learning algorithms aim to create rules by removing the need for expert knowledge. It may also create many more rules than necessary, and it does not guarantee creating the best possible rules. In this study, the data of the dc motor controlled by a controller whose feedback is provided by a user were recorded and statistically the best possible rules were created. In other words, by observing the outputs corresponding to a certain reference input, the rules were created accordingly, by looking at which situation occurred how many times. Therefore, it has been observed that the speed of the dc motor is better controlled with the fuzzy control made with the rules created.en_US
dc.identifier.citationEryiğit, E. (2022). Kural tabanının istatistiksel veriler yoluyla oluşturulduğu bulanık mantık denetleyici tasarımı. (Yayımlanmamış yüksek lisans tezi). Necmettin Erbakan Üniversitesi, Fen Bilimleri Enstitüsü, Mekatronik Mühendisliği Anabilim Dalı, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12452/9114
dc.language.isotren_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBulanık kümeen_US
dc.subjectBulanık mantık denetleyicien_US
dc.subjectİstatistiken_US
dc.subjectKlasik kümeen_US
dc.subjectKural tabanıen_US
dc.subjectK-meansen_US
dc.subjectFuzzy seten_US
dc.subjectFuzzy logic controlleren_US
dc.subjectStatisticsen_US
dc.subjectClassical seten_US
dc.subjectRule baseen_US
dc.titleKural tabanının istatistiksel veriler yoluyla oluşturulduğu bulanık mantık denetleyici tasarımıen_US
dc.title.alternativeDesigning a fuzzy logic controller, where rule base is created by statistical dataen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
ERHAN ERYİĞİT.pdf
Boyut:
4.5 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Yüksek Lisans Tezi
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleskiyonu