Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/9813
Title: Çimento Endüstrisinde Hammadde Harmanlama Prosesinin Klasik Ve Akıllı Yöntemler İle Modellenmesi
Other Titles: Modeling Of Raw Material Blending Process In Cement Industry Using Conventional And Intelligent Techniques
Authors: Ertuğrul, Y. Şeniz
Kızılaslan, Kemal
Makina Teorisi ve Kontrol
Theory of Machines and Control
Keywords: Çimento Endüstrisi
Lineer Parametrik Sistem Tanılama
Cement Industry
Linear Parametric System Identification
Publisher: Fen Bilimleri Enstitüsü
Institute of Science and Technology
Abstract: Bu çalışmada, çimento endüstrisinde hammadde harmanlama prosesinin modellenmesi lineer parametrik sistem tanılama yöntemleri, yapay sinir ağları ve uyarlanabilir sinirsel-bulanık çıkartım sistemi ile yapılmıştır. Prosese ait iki giriş-bir çıkışlı iki sistem üzerinde çalışılmıştır. Sistemin stokastik ve lineer olmayan yapısından dolayı sistem tanılamada kullanılan lineer parametrik modelin (ARX) sistemi yeteri kadar iyi temsil edemediği görülmüştür. Yapay sinir ağları ve uyarlanabilir sinirsel-bulanık çıkartım sisteminin doğrusal olmayan fonksiyonları öğrenebilme ve bu fonksiyonlara yakınsayabilme özelliğinden yola çıkılarak sistemin yapay sinir ağı ve uyarlanabilir sinirselbulanık çıkartım sistemi modelleri elde edilmiştir. Sonuç olarak akıllı yöntemlerle bulunan modellerin lineer parametrik modele göre daha iyi modeller olduğu ve sistemi daha iyi temsil ettiği gözlenmiştir.
In this study, modeling of raw material blending process is done using linear parametric system identification techniques, artificial neural networks and adaptive neuro-fuzzy inference system. Two different two input-one output systems of blending process are studied. It is shown that linear parametric model (ARX) results are not satisfactory enough in identification of the blending process due to the stochastic and non-linear characteristics of process. Taking into account that artificial neural networks and adaptive neuro-fuzzy inference system are capable of learning and converging to non linear functions arbitrarily well, neural network and adaptive neuro-fuzzy inference system models of the process are obtained. As a result of the study, it is seen that intelligent techniques’ models are more successful than linear parametric models in terms of representing the system.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2004
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2004
URI: http://hdl.handle.net/11527/9813
Appears in Collections:Makine Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
2124.pdf1.24 MBAdobe PDFView/Open


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