Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/4955
Title: Sistem Tanımada Bulanık Model Yapısını Ve Parametrelerini Belirleyen Bir Yazılım
Other Titles: A Software For Determination Of Structure And Parameters Of Fuzzy Models In System Identification
Authors: Güzelkaya, Müjde
Filibeli, Ünal
Kontrol ve Otomasyon Mühendisliği
Control and Otomation Engineering
Keywords: Bulanık modelleme
Sistem tanıma
Parametre kestirimi
Fuzzy modelling
System identification
Parameter estimation
Publisher: Fen Bilimleri Enstitüsü
Institute of Science and Technology
Abstract: Bu çalışmada, en genel tanıma yöntemlerinden biri olan En Küçük Kareler Yöntemi bulanık sistemlere uyarlanarak, Takagi-Sugeno tip bulanık model parametrelerinin kestirimindeki işlem yükünü en aza indiren ve sistem dinamiklerinin önceden bilinmesine gerek kalmadan sadece giriş-çıkış verilerine göre farklı yapılarda bulanık model oluşturmaya imkan sağlayan Modelbul programı yazılmıştır. Modelbul programı vasıtasıyla statik sistemlerin istenilen kural sayısında bulanık modeli oluşturulabilirken; dinamik sistemler için sistemi en düşük hata ile ifade edebilecek yapıdaki Takagi-Sugeno tip bulanık modeller oluşturulabilmektedir. Yapılan modelleme uygulamaları sonucunda, klasik ARX model yapısı ile başarıyla modellenebilen doğrusal dinamik sistemlerin, Modelbul programı vasıtasıyla oluşturulan bulanık modellerle daha iyi ifade edilebildiği gözlenmiştir. Klasik ARX model yapısıyla modelenemeyen doğrusal olmayan özellikteki dinamik sistemler ise Modelbul programı vasıtasıyla oluşturulan ARX yapılı Takagi-Sugeno tip modeller ile oldukça başarılı bir şekilde ifade edilebilmiştir.
In this study, a MATLAB based program Modelbul is developed for easy constructing of fuzzy models of the systems with respect to the input-output data on the hand. Modelbul program allows modelling of linear or nonlinear static systems with the required number of fuzzy rules. For the linear or nonlinear dynamic systems, Modelbul program determines the most suitable model structure to fit the data first and then, it tunes the model parameters with respect to Least Squares Method. Experiment results show that nonlinear functions may be approximated successfully by using enough number of linear functions in fuzzy rule-based model structures. On the other hand, linear dynamic systems which can be modelled via classical ARX model structure may be approximated better via the appropriate fuzzy models. It is also observed that nonlinear dynamic systems where linear models such as ARX do not give satisfactory results in modelling can be approximated well by using ARX type of output functions in a proper fuzzy rule-based model that is constructed via Modelbul program.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2005
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2005
URI: http://hdl.handle.net/11527/4955
Appears in Collections:Kontrol ve Otomasyon Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
2909.pdf1.33 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.