Tez No	İndirme	Tez Künye	Durumu
637013		Hidrolik test sistemlerinin kontrolü / Control of hydraulic test systems Yazar:UFUK DURSUN Danışman: DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU Yer Bilgisi: Yıldız Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı / Kontrol ve Otomasyon Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Hidrolik denetim sistemleri = Hydraulic control systems ; Model öngörümlü denetim = Model predictive control	Onaylandı Doktora Türkçe 2020 96 s.
Bu tez, hidrolik test sistemleri için yeni kontrol yöntemleri önermektedir. Test sistemlerinin önemli iki alt alanı olan 4-poster ve komponent test sistemleri (KTS) özelinde kontrol problemleri çözülmeye çalışılmıştır. 4-poster kontrolü için sistemin lineer olmayan dinamiklerini kontrol kuralı içerisine katmak amacıyla sistemin model tersi, Uyarlamalı Sinirsel Bulanık Denetim Sistemi (Adaptive Neuro-Fuzzy Inference System – ANFIS) olarak elde edilmiştir. Ayrıca silindir pozisyonu da Yineleyerek Öğrenmeli Kontrol (Iterative Learning Control – ILC) kuralı içerisine katılarak çift katmanlı Sinirsel Bulanık Yineleyerek Öğrenmeli Kontrol (Neuro-Fuzzy Iterative Learning Control – NFILC) yapısı oluşturulmuştur. Yapılan sayısal benzetimlerde ILC yakınsama hızının arttırıldığı ve hata oranının düşürüldüğü gözlenmiştir. KTS'nin kontrolü için sistem kısıtlarını kontrol kuralı içerisinde kullanmak amacı ile Model Öngörülü Kontrol (Model Predictive Control – MPC) tasarımı yapılmıştır. Sistemin modellenmesi aşamasında, testin türüne göre kontrol edilebilen bir parametre olan ivme durum olarak denklemlerde kullanılmıştır. MPC'nin hesaplama hızının, test sistemi isterlerini karşılamaması sebebi ile iki yeni yöntem önerilmiştir. İlk yöntemde, kısıtlar tanjant hiperbolik (tanh) fonksiyonu yardımı ile sürekli ve türevlenebilir hale getirilerek, optimalliğin birinci mertebeden koşulu uygulanabilir hale gelmiştir. Sonuç olarak; MPC için altoptimal çözüm tamamen cebirsel olarak oluşturulmuştur. İkinci yöntemde, MPC'nin hesaplama hızını doğrudan etkileyen model mertebesi ve kontrol ufuk uzunluğu düşürülerek problem basitleştirilmiştir. Tek adımlı MPC kullanımı ile kontrol ufuk uzunluğu düşürülmüştür. Tanh, tekrar kısıtlar için kullanılarak optimallik koşulunu sağlayan bir polinom elde edilmiş ve böylece MPC problemi polinom kökünün bulunması problemine indirgenmiştir. Yapılan sayısal benzetimlerde, MPC kullanımının performans artımını sağladığı ve önerilen iki yeni MPC yönteminin, hesaplama hız problemini ortadan kaldırdığı gözlenmiştir.
This dissertation proposes novel control methods for hydraulic test systems. Control problems of 4- poster and component test systems (KTS), which are widely used, are tried to be solved. An Adaptive Neuro-Fuzzy Inference System (ANFIS) based model is obtained to use the nonlinearities of the 4-poster in Iterative Learning Control (ILC) rule. Additionally, position of hydraulic cylinder is added as an auxiliary parameter in ILC. As a result of these revisions, a new Neuro-Fuzzy Iterative Learning Control (NFILC) is constructed. The simulation results show that proposed NFILC increases the convergence speed and decreases error ratio of ILC. Model Predictive Control (MPC) is used to achieve handling constraints in KTS. Acceleration is defined as a state of the system in modelling section. Designed MPC has improved the performance of the system, but it cannot satisfy the necessary sampling time of the system. To handle speed problem of MPC, two new MPC methods are presented. In the first method, tangent hyperbolic is used as a constraint function, so the problem is transformed into a continuous and differentiable form. By this way, first-order necessary condition of optimality is employed, and completely algebraic suboptimal solution is obtained. In the second MPC method, model order reduction is applied for position control and MPC problem is simplified as one-step-ahead. After the simplification, tanh is employed again for constraints. By this way, a polynomial which satisfies optimality condition is synthesized. One of the roots of the polynomial gives suboptimal solution. Simulation results show that the proposed MPC methods drastically decrease computation time.