Tez No	İndirme	Tez Künye	Durumu
293832		Anlık doğrusallaştırılmış sistemlerde bulanık model tabanlı öngörülü kontrol / Fuzzy model based predictive control of instant linearized systems Yazar:ALPARSLAN ESMERDAĞ Danışman: PROF. DR. İBRAHİM EKSİN Yer Bilgisi: İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Bulanık mantık = Fuzzy logic ; Model öngörümlü denetim = Model predictive control ; Optimizasyon = Optimization	Onaylandı Yüksek Lisans Türkçe 2010 71 s.
Model Öngörülü Kontrol, 1980lerden itibaren özellikle kimya endüstrisinde ve petrolrafinerilerinde sıklıkla kullanılmaktadır. Özellikle süreç denetimlerinde bilgisayarkullanımının yaygınlaşmasıyla birlikte Model Öngörülü Kontrol yöntemi en yaygınolarak kullanılan gelişmiş kontrol yöntemi olmuştur.Birçok teknik buluşta oluşan genel eğilimin aksine Model Öngörülü Kontrol yapısıilk olarak endüstriyel ortamda gerçeklenmiştir. Birçok farklı isimle ve farklışekillerde; teorik özellikleri henüz tam olarak ortaya koyulmadan çok önceuygulaması yapılmıştır. 1980'lerin ortasından itibaren de akademik dünyanın ilgisiniçekmeye başlamıştır. Model yapısı seçimi, öngörü ufku ve eniyileme kriteriseçimindeki esneklik nedeniyle de kullanıcılar model tabanlı öngörülü kontrolyapsını kendi sistemlerine kolayca uygulayabilmişlerdir.Doğrusal sistemler için sayısız seçenek sunan gelişmiş kontrol teorileri, doğrusalolmayan sistemlerde aynı performansı gösterememektedir. Geleneksel modellerinaksine, bulanık modeller doğrusal olmayan süreçleri de iyi bir şekilde ifadeedebilmektedir. Model Öngörülü Kontrol uygulanan bulanık modeller ise enkarmaşık doğrusal olmayan sistemleri bile yaklaşık olarak gerçekleyebilen Takagi-Sugeno (TS) tip bulanık modellerdir. Doğrusal olarak modellenemeyen sistemlerbulanık olarak modellenerek ortaya çıkan model kolaylıkla kontrol edilebilmektedir.Bu çalışmada da bir sistem için anlık doğrusallama yöntemiyle her çalışmanoktasında farklı bir doğrusal model çıkarılması ve bu doğrusal modellerin MPCyöntemiyle kontrol edilmesi sağlanmıştır. Çıkarılan anlık modeller, öncedenbelirlenmiş örnekleme zamanına göre sistemin bulanık yapısı kullanılarak eldeedilmektedir. Buna ek olarak ikinci bir kontrol yöntemiyle olarak da; sistemin açıkçevrim cevabından elde edilen bir doğrusal model de Model öngörülül kontrol ilekontrol edilmiş ve kontrol edilen sistemlerin kapalı çevrim davranışlarıkarşılaştırılmıştır.Çalışmada doğrusal olmayan bir sistem olarak; bir taraftan dolan; bir musluklaboşalan bir tank sisteminin davranışı benzetim ortamında ele alınmıştır.
Model-based Predictive Control (also known as Model Predictive Control) has beenwidely in use till 1980s especially in chemical processes or oil industry. After therapid growth of usage of computers in process control, Model Predictive Control iscurrently the most commonly implemented process control methodology for plantswith its advanced technology and easy-adaptibility.Unlike many inventions in science and engineering history, MPC structure andtechnology was first used in industry and process plants. With various names andapplications; it has been implemented in different processes before the totalunderstanding its theoretical properties. However, eventually in 1980s, it attractedthe attention of academic world and therefore many studies and workshops havedone. The flexibility in the choice of model structures, prediction and control horizonand optimisation criteria, allowed the engineers easily apply and design MPC to theirprocesses.For linear systems, there are unlimited number of methods developed in bothadvanced or classical control; however for nonlinear systems, most of these methodsare either not applicable or having a bad performance. Contrary to classical modelsand system identifiers, fuzzy models represent the actual system quite well andrealistic. Takagi-Sugeno type fuzzy models are chosen when Model-based PredictiveControllers are used since they are proved to show the best performance inapproximating complex nonlinear systems. Therefore, systems can be controlledeasily after they are linearly represented.In this study, a model-based predictive controller is designed based on theinstaneously linearized models that are extracted from fuzzy process model ofnonlinear system for each operating point. Instant linear models are obtained at eachoperating time based on the predefined sampling time and Takagi-Sugeno model ofnonlinear system. Addition to this, a second method is used to control the system: amodel obtained from the open loop step response of system and that model iscontrolled again with MPC. At the end of the study, the performance of these twomethods is compared.During simulations a nonlinear tank with a continuous input and output is used asnonlinear model with the aim of the control of the water level inside.