kategori: Kontrol Sistemleri

System Identification Toolbox, ölçülen giriş çıkış verisinden doğrusal ve doğrusal olmayan dinamik sistem modelleri kurmanızı sağlar.

System Identification Toolbox, dinamik sistem modelleme, zaman serisi çözümlemesi ve öngörü için MATLAB fonksiyonları, Simulink blokları ve bir uygulama sunar. Öncelikle ölçülen değişkenler arasındaki dinamik ilişkileri öğrenir; sürekli ya da ayrık zamanda transfer fonksiyonları, süreç modelleri ve durum uzayı modelleri kurarsınız. Bunu hem zaman alanı hem frekans alanı verisiyle yaparsınız. Ayrıca zaman serilerini AR, ARMA ve diğer doğrusal ile doğrusal olmayan özbağlanımlı yöntemlerle öngörürsünüz. Ayrıntıları MathWorks dokümantasyonunda incelersiniz.

Doğrusal olmayan dinamiği Hammerstein-Wiener ve doğrusal olmayan ARX modelleriyle kestirirsiniz; bu yapılarda Gauss süreçleri, destek vektör makineleri ve benzeri makine öğrenmesi gösterimleri kullanılır. Alternatif olarak derin öğrenmeye dayanan sinirsel adi diferansiyel denklem modelleriyle davranışı doğrudan veriden öğrenirsiniz. Ayrıca gri kutu tanılama ile kendi tanımladığınız modelin belirli parametrelerini ölçüm verisinden kestirirsiniz. Kestirilen modelleri Simulink içine alıp hızlı benzetimler kurar, denetim tasarımını, tanı ve kestirimci bakım uygulamalarını bu modeller üzerinden yürütürsünüz. Çevrimiçi tarafta genişletilmiş ve kokusuz Kalman süzgeçleri ile parçacık süzgeçlerini kullanarak parametre ve durum kestirimini gerçek zamanda yaparsınız; uyarlamalı denetim, arıza sezimi ve yazılım tabanlı algılayıcı uygulamaları bu yolla doğar. Sonuç olarak bu algoritmalardan C ya da C++ kodu üretip gömülü cihazlara dağıtırsınız.

System Identification Toolbox Temel Yetenekleri

Gri Kutu Tanılama

Sistemi doğrusal ya da doğrusal olmayan diferansiyel denklemler, fark denklemleri veya durum uzayı yapısıyla modellersiniz. Ardından belirlediğiniz parametreleri ölçüm verisinden kestirirsiniz.

Örneğin bir doğru akım motorunun bilinmeyen katsayılarını fiziksel yapıyı koruyarak bulursunuz.

Zaman Serisi Modelleri

Ölçülen veriye uyan zaman serisi ve sinyal modelleri kestirirsiniz. Böylece AR, ARMA, ARIMA ve durum uzayı gibi doğrusal modellerle öngörü yaparsınız.

Ardından güven aralıklarıyla birlikte gelecekteki yanıtı raporlarsınız.

System Identification Toolbox Nasıl Çalışır?

1. Veriyi hazırlayın Öncelikle zaman ya da frekans alanı verisini içeri aktarıp ön işleyin.
2. Model kestirin Ardından uygulama içinde doğrusal ve doğrusal olmayan yapıları karşılaştırın.
3. Doğrulayın Modeli ayrı test verisiyle sınayıp belirsizliğin etkisini inceleyin.
4. Kullanıma alın Son olarak modeli Simulink’e taşıyın ya da gömülü koda dönüştürün.

Kullanım Alanları

Kontrol Sistemleri

Ölçüm verisinden sistem modeli kurar, denetleyiciyi bu model üzerinde tasarlar ve ayarlarsınız.

Model Tabanlı Tasarım

Fiziksel türetmenin zor olduğu yerlerde veriden model çıkarır, tasarımı bu modelle sürdürürsünüz.

Kestirimci Bakım

Çevrimiçi kestirimle parametre kaymasını izler, arıza belirtisini erken yakalarsınız.

Yapay Zekâ

Sinirsel ODE ve Gauss süreçleriyle doğrusal olmayan dinamiği doğrudan veriden öğrenirsiniz.

Gömülü Sistemler

Özyinelemeli kestirim algoritmalarından C kodu üretip gömülü cihazda gerçek zamanlı çalıştırırsınız.

Sıkça Sorulan Sorular

Hangi model yapıları kestirilebilir?

Transfer fonksiyonu, süreç modeli, durum uzayı ve polinom modelleri sürekli ya da ayrık zamanda kestirilir. Ayrıca spektral çözümlemeyle frekans yanıtı modelleri elde edersiniz.

Doğrusal olmayan sistemleri nasıl modellerim?

Doğrusal olmayan ARX ve Hammerstein-Wiener modelleriyle kestirim yaparsınız. Doğrusal olmayan kısmı dalgacık ağları, ağaç bölmeleme ve sigmoid ağlarla temsil edersiniz.

Yapay zekâ tabanlı yaklaşımlar var mı?

Evet. Sinirsel adi diferansiyel denklemlerle derin öğrenme tabanlı durum uzayı modelleri kurarsınız. Gauss süreçleri, ağaç toplulukları ve kendini yapılandıran sinir ağlarını da kullanırsınız.

Gri kutu tanılama nedir?

Sistemin fiziksel yapısını denklemlerle siz tanımlarsınız, araç kutusu ise yalnızca bilinmeyen parametreleri ölçüm verisinden kestirir. Böylece model hem veriye uyar hem fiziksel anlamını korur.

Çevrimiçi kestirim mümkün mü?

Evet. Özyinelemeli algoritmalar yeni veri geldikçe parametreleri günceller. Durum kestirimini doğrusal, genişletilmiş ya da kokusuz Kalman süzgeçleri ile parçacık süzgeçleri üzerinden yaparsınız.

Gömülü cihaza taşıyabilir miyim?

Evet. Simulink Coder ile C veya C++ kodu, Simulink PLC Coder ile IEC 61131-3 yapılandırılmış metin üretirsiniz. MATLAB tarafında ise MATLAB Coder ve MATLAB Compiler kullanırsınız.

Modeli Simulink’te kullanabilir miyim?

Evet. Kestirilen modelleri, durum kestiricileri ve özyinelemeli modelleri hazır bloklarla Simulink içine alırsınız. Bu modeller sistem çözümlemesinde, sanal algılayıcıda ve indirgenmiş mertebeli modellemede kullanılır.

Simulink Control Design, Simulink modellerini doğrusallaştırmanızı ve geleneksel ile veri güdümlü denetim sistemleri tasarlamanızı sağlar.

Simulink Control Design, Simulink içinde modellenen geleneksel ve veri güdümlü denetim sistemlerini tasarlamanızı ve çözümlemenizi sağlar. Öncelikle çalışma noktalarını bulmak ve modelin farklı koşullardaki tam doğrusallaştırmasını hesaplamak için araçlar sunar. Steady State Manager uygulamasıyla durum, giriş ve çıkış belirtimlerine göre modeli etkileşimli dengeye getirirsiniz. Ardından Model Linearizer uygulaması sürekli, ayrık ve çok örnekleme hızlı modelleri doğrusallaştırır; Linearization Advisor ise sık görülen doğrusallaştırma sorunlarını bulup düzeltmenizi sağlar. Ayrıntıları MathWorks dokümantasyonunda incelersiniz.

Ürün rastgele tek girişli tek çıkışlı ve çok girişli çok çıkışlı denetim mimarilerini, PID denetleyicileri ile kazanç çizelgeli kompanzatörleri de kapsayacak biçimde otomatik ayarlar. Ayrıca PID otomatik ayar algoritmalarını gömülü yazılıma taşıyıp kazançları gerçek zamanda hesaplarsınız. Frekans yanıtı tarafında giriş çıkış verisinden yanıt kestirir, kestirim algoritmasını fiziksel sistemin gerçek zamanlı ölçümü için gömülü uygulama olarak dağıtırsınız. Ayrıca kayan kipli denetim, yinelemeli öğrenme, etkin bozucu bastırma ve model referanslı uyarlamalı denetim gibi doğrusal olmayan ve veri güdümlü yöntemleri Simulink bloklarıyla kurarsınız. Sonuç olarak kısıt zorlama yöntemleri denetim eylemini ayarlayarak sistemin kritik kısıtları ihlal etmesini önler.

Simulink Control Design Temel Yetenekleri

Çalışma Noktası ve Doğrusallaştırma

Simulink modelinizin çalışma noktalarını belirtimlerle ya da benzetim zamanlarıyla bulursunuz. Model Linearizer uygulaması sürekli, ayrık ve çok örnekleme hızlı modelleri doğrusallaştırır.

Örneğin bir uçak gövdesi modelini seçtiğiniz uçuş koşulunda dengeye getirip doğrusallaştırırsınız.

PID Denetleyici Ayarı

PID Tuner uygulamasıyla Simulink modelindeki PID denetleyicileri otomatik ayarlarsınız. Ardından Closed-Loop ve Gain-Scheduled PID Autotuner bloklarından C kodu üretirsiniz.

Böylece kazanç hesabını gömülü donanımda çalışma anında yaparsınız.

Frekans Yanıtı Kestirimi

Giriş çıkış verisinden frekans yanıtını kestirir, modelin frekans alanı özelliklerini incelersiniz. Ayrıca kestirim algoritmasını gömülü uygulama olarak dağıtırsınız.

Dolayısıyla çalışan fiziksel sistemin yanıtını sahada ölçersiniz.

Frekans Alanı Çözümlemesi

Doğrusallaştırılmış modelin Bode diyagramını çıkarır, kazanç ve faz paylarını okursunuz. Böylece rezonans tepeleri ve çukurları grafikte açıkça görünür.

Ardından bu ölçütleri tasarım gereksinimi olarak ayar araçlarına verirsiniz.

Simulink Control Design Nasıl Çalışır?

1. Çalışma noktasını bulun Öncelikle Steady State Manager ile modeli istediğiniz koşulda dengeye getirin.
2. Doğrusallaştırın Ardından Model Linearizer ile tam doğrusallaştırmayı hesaplayın.
3. Denetleyiciyi ayarlayın PID Tuner ya da Control System Tuner ile kazançları belirleyin.
4. Gömülüye taşıyın Son olarak otomatik ayar bloklarından kod üretip donanımda çalıştırın.

Kullanım Alanları

Kontrol Sistemleri

Modeli doğrusallaştırır, denetleyiciyi ayarlar ve tasarımı aynı Simulink modeli üzerinde doğrularsınız.

Model Tabanlı Tasarım

Denetim tasarımını sistem modelinden ayırmaz, böylece değişiklikleri tek kaynakta yönetirsiniz.

Güç Elektroniği

Dönüştürücü döngülerini frekans alanında ayarlar, yanıtı çalışan devre üzerinde kestirirsiniz.

Mekatronik

Hareket denetimi döngülerini kazanç çizelgeleyerek geniş çalışma aralığında kararlı tutarsınız.

Gömülü Sistemler

PID otomatik ayar ve frekans yanıtı kestirim algoritmalarından kod üretip gömülü hedefte çalıştırırsınız.

Sıkça Sorulan Sorular

Model Linearizer ne yapar?

Sürekli, ayrık ve çok örnekleme hızlı Simulink modellerini doğrusallaştırır. Linearization Advisor ise sık görülen doğrusallaştırma sorunlarını bulmanızı ve düzeltmenizi sağlar.

PID ayarını otomatikleştirebilir miyim?

Evet. PID Tuner uygulaması modeldeki denetleyicileri otomatik ayarlar. Closed-Loop ve Gain-Scheduled PID Autotuner bloklarından kod üretip kazançları gömülü donanımda gerçek zamanda hesaplarsınız.

Frekans yanıtını nasıl kestiririm?

Giriş çıkış verisinden yanıt kestirirsiniz. Kestirim algoritmasını gömülü uygulama olarak dağıtarak çalışan fiziksel sistemin yanıtını sahada ölçersiniz.

Çok döngülü yapıları ayarlayabilir miyim?

Evet. Control System Tuner uygulamasıyla rastgele tek ve çok girişli çok çıkışlı merkezi olmayan yapıları ayarlarsınız. Zaman ve frekans alanı gereksinimlerini birlikte karşılarsınız.

Doğrusal olmayan denetim destekleniyor mu?

Evet. Kayan kipli denetim, etkin bozucu bastırma, model referanslı uyarlamalı denetim ve yinelemeli öğrenme gibi yöntemleri Simulink bloklarıyla kurarsınız.

Kısıtları nasıl zorlarım?

Kısıt zorlama blokları bariyer sertifikası ve pasiflik kısıtlarını uygular. Bu bloklar denetim eylemini gerektiği kadar ayarlayarak kritik kısıtların ihlalini önler.

Simulink Design Optimization, model duyarlılığını çözümlemenizi ve model parametrelerini test verisine göre ayarlamanızı sağlar.

Simulink Design Optimization, model parametrelerini çözümlemek ve ayarlamak için fonksiyonlar, etkileşimli uygulamalar ve bloklar sağlar. Öncelikle modelin duyarlılığını belirler, ardından modeli test verisine uydurur ve gereksinimleri karşılayacak biçimde ayarlarsınız. Ayrıca Monte Carlo benzetimi ve deney tasarımı gibi yöntemlerle tasarım uzayınızı tarar, her parametrenin model davranışı üzerindeki etkisini sayısal olarak hesaplarsınız. Ayrıntıları MathWorks dokümantasyonunda incelersiniz.

Ürün model doğruluğunu artırmanıza yardımcı olur. Öncelikle test verisini ön işler, sürtünme ve aerodinamik katsayı gibi parametreleri otomatik kestirir ve kestirim sonucunu doğrularsınız. Yanıt süresi, bant genişliği ve enerji tüketimi gibi sistem tasarım özelliklerini iyileştirmek için fiziksel sistem parametreleriyle algoritma ya da denetleyici kazançlarını birlikte eniyilersiniz. Böylece bu parametreleri aşım ve faz payı gibi zaman ile frekans alanı gereksinimlerine, ayrıca kendi özel gereksinimlerinize göre ayarlarsınız. Ayrıca sahaya alınmış bir dijital ikizin parametrelerini varlığın güncel durumuna uyacak biçimde otomatik güncellersiniz. Uzun süren çözümlemeleri Parallel Computing Toolbox ile paralel çalıştırır, hızlı yeniden başlatma ve hızlandırıcı benzetim kipiyle süreyi kısaltırsınız.

Simulink Design Optimization Temel Yetenekleri

Tasarım Eniyileme Uygulamaları

Yerleşik uygulamalarla eniyileme problemini etkileşimli kurar ve çözersiniz. Örneğin tasarım gereksinimlerini, karar değişkenlerini ve eniyileme seçeneklerini bu ekranlarda belirlersiniz.

Ayrıca uygulama içinden MATLAB kodu üretip akışı otomatikleştirirsiniz.

Sistem ve Denetleyici Birlikte Eniyileme

Fiziksel sistem parametreleriyle algoritma ya da denetleyici kazançlarını birlikte eniyilersiniz. Böylece yanıt süresi, bant genişliği ve enerji tüketimi birlikte iyileşir.

Böylece sistem ile denetleyiciyi ayrı ayrı değil bir bütün olarak ele alırsınız.

Bakış Tablosu Ayarı

Batarya karakterizasyonu ya da kazanç çizelgeli denetleyiciler gibi uygulamalar için bakış tablolarını ayarlarsınız. Ayrıca tablo değerlerine tekdüzelik ve düzgünlük kısıtları koyarsınız.

Dolayısıyla kalibrasyon problemlerini uyarlamalı bakış tablolarıyla çözersiniz.

Eniyileme Çözücüleri

Karışık tam sayılı, türev tabanlı ve türevsiz problemleri çözersiniz. Ardından vekil model, fmincon ve örüntü arama gibi çözücüler arasından seçim yaparsınız.

Bu çözücüler Optimization Toolbox ve Global Optimization Toolbox üzerinden gelir.

Simulink Design Optimization Nasıl Çalışır?

1. Test verisini hazırlayın Öncelikle ölçüm verisini içeri aktarıp ön işleyin.
2. Parametreleri kestirin Ardından Parameter Estimator ile model parametrelerini veriye uydurun.
3. Duyarlılığı ölçün Sensitivity Analyzer ile hangi parametrenin baskın olduğunu belirleyin.
4. Yanıtı eniyileyin Son olarak Response Optimizer ile gereksinimleri karşılayan tasarımı bulun.

Kullanım Alanları

Model Tabanlı Tasarım

Model doğruluğunu ölçüm verisiyle artırır, tasarım kararlarını bu doğrulanmış model üzerinden verirsiniz.

Kontrol Sistemleri

Sistem parametreleriyle denetleyici kazançlarını birlikte eniyiler, aşım ve faz payı gereksinimlerini karşılarsınız.

Kestirimci Bakım

Sahadaki dijital ikizin parametrelerini varlığın güncel durumuna göre otomatik güncellersiniz.

Batarya Sistemleri

Hücre bakış tablolarını ölçüm verisine uydurur, karakterizasyon çalışmasını kısaltırsınız.

Mekatronik

Sürtünme ve atalet gibi zor ölçülen katsayıları test verisinden kestirirsiniz.

Sıkça Sorulan Sorular

Parametre kestirimi nasıl çalışır?

Sürtünme ve aerodinamik katsayı gibi model parametrelerini test verisinden otomatik kestirirsiniz. Bunu Parameter Estimator uygulamasıyla ya da komut satırı fonksiyonlarıyla yaparsınız.

Yanıt eniyilemesi ne sağlar?

Model parametrelerini zaman ve frekans alanı tasarım gereksinimlerini karşılayacak biçimde otomatik ayarlar. Çok amaçlı problemlerde Pareto eniyi tasarımları hesaplar, ödünleşimi görselleştirirsiniz.

Duyarlılık çözümlemesi neyi gösterir?

Sensitivity Analyzer uygulaması hangi parametrenin model davranışına en çok etki ettiğini belirler. Monte Carlo benzetimi ve deney tasarımı ile tasarım uzayını tarayıp dayanıklılığı sınarsınız.

Bakış tablolarını ayarlayabilir miyim?

Evet. Batarya karakterizasyonu ve kazanç çizelgeli denetleyiciler için tabloları ayarlarsınız. Tekdüzelik ve düzgünlük gibi kısıtları tablo değerlerine uygularsınız.

Çözümlemeleri hızlandırabilir miyim?

Evet. Parallel Computing Toolbox ile birden çok benzetimi paralel çalıştırırsınız. Ayrıca hızlı yeniden başlatma ve hızlandırıcı benzetim kipi süreyi belirgin biçimde kısaltır.

Dijital ikiz ayarı destekleniyor mu?

Evet. Sahaya alınmış dijital ikizin parametrelerini varlığın güncel durumuna uyacak biçimde otomatik güncellersiniz. Bu akışı Simulink Compiler ile dağıtırsınız.

Robust Control Toolbox, belirsizlik taşıyan sistemler için dayanıklı denetleyici tasarlamanızı ve kararlılık paylarını ölçmenizi sağlar.

Robust Control Toolbox, gerçek donanımın modelden hep biraz saptığı durumlar için tasarlanmıştır. Nominal dinamiği belirsiz parametreler ya da modellenmemiş dinamikle birleştirir, böylece tek bir model yerine bir model ailesi elde edersiniz. Belirsiz durum uzayı ve belirsiz frekans yanıtı gösterimleri bu aileyi doğrudan taşır. Ardından belirsizliğin denetim başarımına etkisini sayısal olarak çözümler, kararlılığı bozan en kötü parametre birleşimini bulursunuz. Fonksiyon listesini MathWorks dokümantasyonunda incelersiniz.

Tasarım tarafında araç kutusu iki ana yol sunar. H-sonsuz ve mu sentezi algoritmaları çok girişli çok çıkışlı denetleyicileri dayanıklılık ile başarımı birlikte gözeterek üretir; mixed-sensitivity ve Glover-McFarlane yaklaşımları döngü biçimlendirmeyi otomatikleştirir. Sabit yapılı denetleyicilerde ise Control System Toolbox ürününün otomatik ayar yeteneklerine dayanıklı ayar eklenir. Böylece nominal sistemde en iyi başarımı hedeflerken tüm belirsizlik aralığı boyunca bir alt başarım sınırını da zorunlu tutarsınız. Ayrıca genel doğrusal matris eşitsizliği yani LMI problemlerini tanımlar, uygunluk, maliyet enküçültme ve genelleştirilmiş özdeğer enküçültme çözücülerini kullanırsınız.

Robust Control Toolbox Temel Yetenekleri

Belirsiz Sistem Modelleme

Nominal dinamiği belirsiz parametreler ya da ihmal edilen dinamikle birleştirir, ayrıntılı belirsiz modeller kurarsınız. Belirsiz durum uzayı ve frekans yanıtı gösterimleri bu modelleri taşır.

Böylece tek bir aday model yerine gerçek üretim saçılımını temsil eden bir model ailesiyle çalışırsınız.

En Kötü Durum Çözümlemesi

Rastgele örnekleme yapmadan en kötü başarımın alt ve üst sınırlarını hesaplarsınız. Dayanıklılık payları ise sistemin kararlılığını yitirmeden ne kadar sapmaya dayandığını söyler.

Dolayısıyla tasarımın hangi parametrede kırıldığını doğrudan görürsünüz.

Monte Carlo Örnekleme

Belirlediğiniz belirsizlik aralığı içinde rastgele sistem örnekleri üretirsiniz. Ardından belirsizliğin zaman ve frekans yanıtlarına etkisini tek grafikte görselleştirirsiniz.

Örneğin Nyquist diyagramında örneklerin nominal eğri çevresindeki dağılımını incelersiniz.

Dayanıklı Denetleyici Ayarı

Control System Tuner uygulaması ya da systune komutu ile referans izleme, bozucu bastırma ve kararlılık payı gereksinimlerini birlikte karşılarsınız. Bu gereksinimler parametre değişimi altında da geçerli kalır.

Aynı zamanda çok döngülü ve merkezi olmayan yapıları eş zamanlı ayarlarsınız.

Simulink’te Dayanıklılık

Simulink modelinde belirsiz öğeleri Uncertain State Space bloğuyla temsil eder, modeli doğrusallaştırıp belirsizliğin genel sisteme etkisini çözümlersiniz.

Ardından belirsiz sistemin denetleyicisini model üzerinde otomatik ayarlarsınız.

Robust Control Toolbox Nasıl Çalışır?

1. Belirsizliği tanımlayın Öncelikle hangi parametrelerin ne kadar saptığını belirsiz öğe olarak yazın.
2. Etkisini ölçün Ardından disk payları ve en kötü durum çözümlemesiyle riskin büyüklüğünü görün.
3. Denetleyiciyi sentezleyin H-sonsuz, mu sentezi ya da dayanıklı ayar ile denetleyiciyi üretin.
4. Aralık boyunca doğrulayın Son olarak tasarımı Monte Carlo örnekleriyle ve Simulink modelinde sınayın.

Kullanım Alanları

Kontrol Sistemleri

Belirsiz sistem modelini kurar, dayanıklılık payını ölçer ve denetleyiciyi bu paya göre ayarlarsınız.

Model Tabanlı Tasarım

Belirsizliği modelin bir parçası yapar, böylece donanım öncesinde tasarım payını sayısal olarak gösterirsiniz.

Güç Elektroniği

Dönüştürücü denetleyicilerini bileşen toleransları altında sınar, kararlılığı üretim saçılımı boyunca korursunuz.

Mekatronik

Sürtünme ve atalet değişimini belirsiz parametre olarak tanımlar, hareket denetimini bu aralıkta dayanıklı kılarsınız.

Gömülü Sistemler

Sabit yapılı denetleyiciyi dayanıklı ayarla üretir, dolayısıyla gömülü hedefte aynı yapıyı korursunuz.

Sıkça Sorulan Sorular

Belirsiz modeli nasıl kurarım?

Nominal dinamiği belirsiz parametreler ya da ihmal edilen dinamikle birleştirirsiniz. Ardından bu aileyi belirsiz durum uzayı veya belirsiz frekans yanıtı olarak temsil edersiniz.

Hangi sentez yöntemleri var?

H-sonsuz ve mu sentezi algoritmaları çok girişli çok çıkışlı denetleyiciler üretir. Ayrıca mixed-sensitivity, Glover-McFarlane döngü biçimlendirme ve LMI tabanlı özel formülasyonlar bulunur.

Disk payı nedir?

Disk payı, kazanç ve faz değişimini birlikte ele alan bir kararlılık ölçütüdür. Tek girişli tek çıkışlı ve çok girişli çok çıkışlı döngülerde belirsizliğin kararlılığa etkisini sayısallaştırır.

En kötü durumu örnekleme yapmadan bulabilir miyim?

Evet. Araç kutusu en kötü başarımın alt ve üst sınırlarını doğrudan hesaplar, dolayısıyla binlerce rastgele deneme çalıştırmanız gerekmez.

Simulink modelleriyle çalışır mı?

Evet. Belirsiz öğeleri Simulink modelinde temsil eder, modeli doğrusallaştırır ve belirsiz sistemin denetleyicisini otomatik ayarlarsınız.

Control System Toolbox gerekir mi?

Evet, gerekir. Robust Control Toolbox doğrusal model altyapısını ve otomatik ayar yeteneklerini Control System Toolbox üzerine kurar.

Reinforcement Learning Toolbox, pekiştirmeli öğrenmeyle politika tasarlamanızı ve eğitmenizi sağlar.

Reinforcement Learning Toolbox, pekiştirmeli öğrenme yöntemiyle denetim politikaları tasarlamak ve eğitmek için bir uygulama, fonksiyonlar ve Simulink bloğu sunar; uygulama alanları robotik, kaynak tahsisi ve otonom sistemlerdir. Desteklenen algoritmalar model içermeyen DQN, PPO, SAC ve DDPG ile model tabanlı aracılardır; özel algoritma şablonları da bulunur. Politikayı derin sinir ağlarıyla ya da arama tablolarıyla temsil edersiniz; önerilen mimarileri kullanır ya da Deep Learning Toolbox ile kendiniz tasarlarsınız. Fonksiyon listesini MathWorks dokümantasyonunda bulursunuz.

Eğitim tarafında tek ve çok aracılı yaklaşımlar desteklenir; paralel hesaplama ile işlemci çekirdekleri, GPU’lar, kümeler ve bulut kaynakları üzerinde ölçeklersiniz. Ortam modellemesi üç yolla yapılır: MATLAB şablonları, Simulink tümleşmesi ya da üçüncü taraf araç arayüzleri. Reinforcement Learning Designer uygulaması aracı tasarımını, eğitimini ve simülasyonunu kod yazmadan yürütür; sonucu MATLAB’a aktarırsınız. Dağıtım tarafında gömülü cihazlar için eniyilenmiş C, C++ ve CUDA kodu üretir, MATLAB Compiler ile Production Server desteğinden yararlanırsınız. Tümleşme tarafında TensorFlow Keras ve PyTorch politikalarını ONNX biçimiyle içe alırsınız, dolayısıyla mevcut modellerinizi yeniden eğitmeden kullanırsınız.

Reinforcement Learning Toolbox Temel Yetenekleri

Simulink Ortamları

Ortamı Simulink modeliyle tanımlarsınız. Dört ayaklı robot gibi karmaşık sistemleri fiziksel modelle temsil edersiniz.

Böylece aracıyı gerçekçi dinamik üzerinde eğitirsiniz.

Politika Ağı Tasarımı

Politikayı derin sinir ağlarıyla ya da arama tablolarıyla temsil edersiniz. Katman yapısını Deep Learning Toolbox arayüzünde kurarsınız.

Dolayısıyla önerilen mimarileri kendinize göre uyarlarsınız.

Eğitim İzleme

Eğitim ilerlemesini bölüm bölüm izlersiniz. Ödül, adım sayısı ve ortalama sonuçlar aynı ekranda görünür.

Ardından eğitim seçeneklerini buna göre ayarlarsınız.

Gerçek Zamanlı Test

Eğitilen aracıyı gerçek zamanlı donanım üzerinde sınarsınız. Fırçasız motor denetimi gibi uygulamaları Simulink modelinde çalıştırırsınız.

Yani politikayı gerçek sistemde doğrularsınız.

Reinforcement Learning Toolbox Nasıl Çalışır?

1. Ortamı kurun Öncelikle ortamı MATLAB şablonu ya da Simulink modeliyle tanımlayın.
2. Aracıyı seçin Ardından DQN, PPO, SAC ya da DDPG gibi bir algoritma belirleyin.
3. Eğitin Paralel kaynaklarla eğitimi çalıştırıp ilerlemeyi izleyin.
4. Dağıtın Son olarak politikayı C, C++ ya da CUDA koduna çevirip cihaza taşıyın.

Kullanım Alanları

Kontrol Sistemleri

Denetim politikalarını veriden öğrenir, ardından klasik denetleyicilerle karşılaştırırsınız.

Robotik Çözümler

Yürüme ve kavrama gibi görevleri simülasyonda öğretir, böylece donanımı yormadan denersiniz.

Yapay Zekâ

Derin sinir ağlarıyla politika temsil eder, dolayısıyla karmaşık durum uzaylarını ele alırsınız.

Otonom Sürüş

Karar politikalarını senaryolarla eğitir, ardından sürüş davranışını değerlendirirsiniz.

Gömülü Yapay Zekâ

Politikayı gömülü cihaza taşır, örneğin çıkarımı gerçek zamanlı çalıştırırsınız.

Sıkça Sorulan Sorular

Hangi algoritmalar destekleniyor?

Model içermeyen DQN, PPO, SAC ve DDPG ile model tabanlı aracılar desteklenir; özel algoritma şablonları da bulunur.

Politikayı nasıl temsil ederim?

Derin sinir ağlarıyla ya da arama tablolarıyla temsil edersiniz; önerilen mimarileri kullanır ya da Deep Learning Toolbox ile kendiniz tasarlarsınız.

Eğitimi hızlandırabilir miyim?

Evet. Paralel hesaplama ile işlemci çekirdekleri, GPU’lar, kümeler ve bulut kaynakları üzerinde ölçeklersiniz. Tek ve çok aracılı yaklaşımlar desteklenir.

Ortamı nasıl tanımlarım?

MATLAB şablonları, Simulink tümleşmesi ya da üçüncü taraf araç arayüzleri kullanılır.

Kod yazmadan çalışabilir miyim?

Evet. Reinforcement Learning Designer uygulaması aracı tasarımını, eğitimini ve simülasyonunu kod yazmadan yürütür; sonucu MATLAB’a aktarırsınız.

Dış modelleri kullanabilir miyim?

Evet. TensorFlow Keras ve PyTorch politikalarını ONNX biçimiyle içe alırsınız.

Predictive Maintenance Toolbox, durum izleme ve kestirimci bakım algoritmaları tasarlamanızı ve sınamanızı sağlar.

Predictive Maintenance Toolbox, durum izleme ve kestirimci bakım algoritmalarının tasarımı ile testi için kullanılır; uygulama alanları elektrik motorları, dişli kutuları, yataklar ve bataryalar gibi bileşenlerdir. Anomali ve arıza tespiti tarafında zaman serisi verisinde anomali ile arızaları saptamak üzere istatistiksel, makine öğrenmesi ve derin öğrenme algoritmaları eğitirsiniz. Kalan faydalı ömür kestiriminde tarihsel veri üzerinde eğittiğiniz modellerle arızaya kalan süreyi öngörürsünüz; sağkalım, benzerlik ve bozulma yaklaşımları kullanılır. Fonksiyon listesini MathWorks dokümantasyonunda bulursunuz.

Öznitelik mühendisliği tarafında Diagnostic Feature Designer uygulaması öznitelikleri otomatik çıkarır ve sıralar, böylece istatistiksel ve yapay zeka modellerini beslersiniz. Bileşene özgü yetenekler döner makineler ile bataryaları kapsar: yatak arızası sınıflandırması, pompa kaçağı tespiti, motor başarımı izleme, dişli kutusu arızası belirleme ve batarya anomali tespiti bu kümededir. Veri yönetimi tarafında yerel ya da uzak konumda saklanan algılayıcı verisine erişir, aykırı değer temizleme, süzgeçleme ve ön işleme adımlarıyla veriyi hazırlarsınız. Yeterli arıza verisi yoksa sentetik veri üretirsiniz: Simulink ve Simscape ile kurulmuş fizik tabanlı modeller kullanır ya da zaman serisine sentetik anomali enjekte edersiniz. Dağıtım tarafında MATLAB Coder ile C ve C++ kodu üretip uçta çalıştırır, MATLAB Compiler, Compiler SDK ya da Production Server ile Azure ve AWS üzerinde yayınlarsınız. Time Series Anomaly Detection destek paketi eğitime hazır istatistiksel, makine öğrenmesi ve derin öğrenme algılayıcıları sunar.

Predictive Maintenance Toolbox Temel Yetenekleri

Anomali Tespiti

Zaman serisi verisinde anomali ile arızaları saptamak üzere istatistiksel, makine öğrenmesi ve derin öğrenme algoritmaları eğitirsiniz. Time Series Anomaly Detection panosu sonuçları özetler.

Böylece beklenmedik davranışı erken yakalarsınız.

Diagnostic Feature Designer

Öznitelikleri otomatik çıkarır ve sıralarsınız. Uygulama sinyal verisini birden çok panoda gösterir.

Dolayısıyla hangi özniteliğin ayırt edici olduğunu görürsünüz.

Bileşene Özgü Yetenekler

Döner makineler ile bataryalar için hazır yetenekler kullanırsınız. Yatak arızası sınıflandırması, pompa kaçağı tespiti, motor başarımı izleme, dişli kutusu arızası belirleme ve batarya anomali tespiti bu kümededir.

Yani her bileşen için sıfırdan başlamazsınız.

Veri Erişimi

Yerel ya da uzak konumda saklanan algılayıcı verisine erişirsiniz. Dosya kümelerinden veri deposu oluşturursunuz.

Ardından aykırı değer temizleme, süzgeçleme ve ön işleme adımlarını uygularsınız.

Sentetik Veri Üretimi

Yeterli arıza verisi yoksa Simulink ve Simscape ile kurulmuş fizik tabanlı modeller kullanırsınız. Zaman serisine sentetik anomali de enjekte edersiniz.

Örneğin pompa modelinde kaçak koşulunu benzetirsiniz.

Uçta Dağıtım

MATLAB Coder ile C ve C++ kodu üretip uçta çalıştırırsınız. Kalan faydalı ömür kestirimi de bu yolla cihaza taşınır.

Böylece kararı sahada verirsiniz.

Kurumsal Dağıtım

MATLAB Compiler, Compiler SDK ya da Production Server ile algoritmayı kurumsal ekosisteme yayınlarsınız. Azure ve AWS ortamları desteklenir.

Dolayısıyla filo genelinde izleme kurarsınız.

Predictive Maintenance Toolbox Nasıl Çalışır?

1. Veriyi toplayın Öncelikle algılayıcı verisine erişip ön işleme adımlarını uygulayın.
2. Öznitelik çıkarın Ardından Diagnostic Feature Designer ile öznitelikleri çıkarıp sıralayın.
3. Modeli eğitin Anomali tespiti ya da kalan faydalı ömür modelini eğitin.
4. Dağıtın Son olarak algoritmayı uçta ya da bulutta yayınlayın.

Kullanım Alanları

Kestirimci Bakım

Arıza öznitelikleri çıkarır ve ömür kestirimi yapar, ardından bakımı planlarsınız.

Yapay Zekâ

İstatistiksel, makine öğrenmesi ve derin öğrenme modellerini birlikte kullanır, böylece en uygun yaklaşımı seçersiniz.

Sinyal İşleme

Titreşim ve akım sinyallerinden öznitelik türetir, dolayısıyla arıza imzasını yakalarsınız.

Gömülü Yapay Zekâ

Modeli uçta çalıştırır, ardından kararı cihaz üzerinde verirsiniz.

Batarya Sistemleri

Batarya anomalilerini saptar, örneğin hücre bozulmasını erken görürsünüz.

Sıkça Sorulan Sorular

Kalan faydalı ömür nasıl kestirilir?

Tarihsel veri üzerinde eğittiğiniz modellerle arızaya kalan süreyi öngörürsünüz; sağkalım, benzerlik ve bozulma yaklaşımları kullanılır.

Diagnostic Feature Designer ne yapar?

Öznitelikleri otomatik çıkarır ve sıralar, böylece istatistiksel ve yapay zeka modellerini beslersiniz.

Arıza verim yoksa ne yapmalıyım?

Sentetik veri üretirsiniz. Simulink ve Simscape ile kurulmuş fizik tabanlı modeller kullanır ya da zaman serisine sentetik anomali enjekte edersiniz.

Hangi bileşenler için hazır yetenek var?

Yatak arızası sınıflandırması, pompa kaçağı tespiti, motor başarımı izleme, dişli kutusu arızası belirleme ve batarya anomali tespiti bulunur.

Algoritmayı nasıl dağıtırım?

MATLAB Coder ile C ve C++ kodu üretip uçta çalıştırırsınız. Kurumsal tarafta MATLAB Compiler, Compiler SDK ya da Production Server ile Azure ve AWS üzerinde yayınlarsınız.

Destek paketi neler sunuyor?

Time Series Anomaly Detection destek paketi eğitime hazır istatistiksel, makine öğrenmesi ve derin öğrenme algılayıcıları sunar.

Motor Control Blockset, motor denetim algoritmalarını tasarlamanızı ve gerçeklemenizi sağlar.

Motor Control Blockset, motor denetim algoritmalarının tasarımı ve gerçeklenmesi için Simulink blokları ile referans örnekler sunar; hedefler mikrodenetleyiciler, FPGA’ler ve yonga üstü sistemlerdir. Algoritma tarafında Clarke ve Park dönüşümleri, amper başına en yüksek moment yani MTPA, altı adımlı komütasyon ve arama tablosuna dayalı alan zayıflatma denetimi bulunur. Algılayıcı çözücü blokları enkoder, hall algılayıcı ve resolver girişlerini işler; algılayıcısız denetim için kestirici blokları gelir. Blok listesini MathWorks dokümantasyonunda bulursunuz.

Desteklenen motor tipleri asenkron motorlar, anahtarlamalı relüktans motorlar, fırçasız doğru akım motorları ve yüzey ile iç mıknatıslı kalıcı mıknatıslı senkron motorlardır. Blok kümesinde motor parametre kestirimi iş akışlarını bulursunuz, dolayısıyla denetim tasarımına gerçek motor verisiyle başlarsınız. Alan yönlendirmeli denetimi otomatik ayar yeteneğiyle kurarsınız, yani akım ve hız denetleyicilerini elle ayarlamak zorunda kalmazsınız. Doğrulama tarafında donanım döngüde test ve hızlı denetim prototipleme yaparsınız; gerçek zamanlı çalışma profillemesi yapar, model ile üretilen kod arasında iki yönlü izlenebilirlik kurarsınız. Kod üretimi C ve HDL çıktısı verir; MISRA C ile ISO 26262 uyumunu korursunuz. Dağıtımı yaygın mikrodenetleyicilere, Simulink Real-Time ile Speedgoat üzerinden gerçek zamanlı sistemlere ve FPGA kitlerine yaparsınız.

Motor Control Blockset Temel Yetenekleri

Blok Kitaplığı

Altı farklı blok kategorisiyle denetim zincirini kurarsınız. Clarke ve Park dönüşümleri, komütasyon ve kestirici blokları bu kümededir.

Böylece algoritmayı sıfırdan yazmazsınız.

Rotor Konumu Kestirimi

İç mıknatıslı kalıcı mıknatıslı senkron motorlarda başlangıç rotor açısını kestirirsiniz. Algılayıcı çözücü blokları enkoder, hall algılayıcı ve resolver girişlerini işler.

Dolayısıyla algılayıcısız denetimi de kurarsınız.

FOC Otomatik Ayar

Akım ve hız için oransal integral denetleyicilerini FOC Autotuner ile ayarlarsınız. Ayar sürecini motor üzerinde yürütürsünüz.

Yani kazançları elle denemek zorunda kalmazsınız.

Alan Zayıflatma

Kalıcı mıknatıslı senkron motorlarda MTPA ile birlikte alan zayıflatma denetimi kurarsınız. Arama tablosuna dayalı yaklaşımı kullanırsınız.

Ardından yüksek hız bölgesinde moment üretimini sürdürürsünüz.

Donanım Döngüde Test

Algoritma modeli ile tesis modeli arasındaki etkileşimi donanım döngüde sınarsınız. Hızlı denetim prototipleme de yaparsınız.

Ayrıca gerçek zamanlı çalışma profillemesi yaparsınız.

Kod İzlenebilirliği

Model ile üretilen kod arasında iki yönlü izlenebilirlik kurarsınız. Kayan kip gözlemleyici gibi algoritmaların karşılığını kodda görürsünüz.

Üretilen kod MISRA C ile ISO 26262 kurallarına uyar.

Motor Control Blockset Nasıl Çalışır?

1. Motoru tanıyın Öncelikle parametre kestirimi iş akışıyla motor verilerini çıkarın.
2. Denetimi kurun Ardından alan yönlendirmeli denetim zincirini bloklarla modelleyin.
3. Ayarlayın FOC Autotuner ile akım ve hız denetleyicilerini otomatik ayarlayın.
4. Donanıma taşıyın Son olarak C ya da HDL kodu üretip hedefe dağıtın.

Kullanım Alanları

Kontrol Sistemleri

Motor denetim döngülerini modeller, ardından otomatik ayar yaparsınız.

Mekatronik

Hareket denetimi uygulamalarını kurar, böylece konum ve hız başarımını iyileştirirsiniz.

Güç Elektroniği

Sürücü katını denetim algoritmasıyla birlikte simüle eder, dolayısıyla anahtarlama etkisini görürsünüz.

Gömülü Sistemler

Denetim yazılımını mikrodenetleyiciye taşır, ardından çalışma süresini profillersiniz.

Batarya Sistemleri

Elektrikli güç aktarma zincirinde motor denetimini kurar, örneğin verimliliği artırırsınız.

Sıkça Sorulan Sorular

Hangi motor tipleri destekleniyor?

Asenkron motorlar, anahtarlamalı relüktans motorlar, fırçasız doğru akım motorları ve yüzey ile iç mıknatıslı kalıcı mıknatıslı senkron motorlar desteklenir.

Hangi algoritmalar hazır geliyor?

Clarke ve Park dönüşümleri, amper başına en yüksek moment, altı adımlı komütasyon ve arama tablosuna dayalı alan zayıflatma denetimini kullanırsınız.

Algılayıcısız denetim var mı?

Evet. Algılayıcısız denetim için kestirici blokları gelir; algılayıcılı akışlarda ise enkoder, hall algılayıcı ve resolver çözücü bloklarını kullanırsınız.

Denetleyici ayarını otomatikleştirebilir miyim?

Evet. Alan yönlendirmeli denetimi otomatik ayar yeteneğiyle kurarsınız, akım ve hız denetleyicilerini bu yolla ayarlarsınız.

Hangi kod üretiliyor?

C ve HDL kodu üretirsiniz; üretilen kod MISRA C ile ISO 26262 kurallarına uyar ve model ile kod arasında iki yönlü izlenebilirlik kurarsınız.

Hangi donanımlara dağıtım yapılır?

Yaygın mikrodenetleyicilere, Simulink Real-Time ile Speedgoat üzerinden gerçek zamanlı sistemlere ve FPGA kitlerine dağıtım yaparsınız.

Model Predictive Control Toolbox, öngörülü denetleyiciler tasarlamanızı ve simüle etmenizi sağlar.

Model Predictive Control Toolbox, öngörülü denetim sistemleri geliştirmek için fonksiyonlar, uygulamalar, Simulink blokları ve referans örnekler sunar. Doğrusal tasarım tarafında örtük, açık, uyarlamalı ve kazanç çizelgeli denetleyiciler kurarsınız; karma tam sayılı problemler için ayrık denetim kümeli öngörülü denetim bulunur ve karesel programlama çözücüsü desteklenir. Doğrusal olmayan tasarım tarafında tek ve çok aşamalı formülasyonlar ile ekonomik öngörülü denetim denetleyicileri geliştirir, doğrusal olmayan programlama problemlerini çözersiniz. Ayrıntıları MathWorks dokümantasyonunda bulursunuz.

Çözücü tarafında yerleşik etkin küme ve iç nokta çözücüleri gelir; Optimization Toolbox, FORCESPRO ya da kendi çözücünüzle tümleşme de mümkündür. Öngörü modelini birkaç yolla belirtirsiniz: analitik tanım, Simulink doğrusallaştırması, ölçüm verisi tümleştirmesi ve derin öğrenme modelleri. Otomatik sürüş tarafında şerit takibi, yol planlama ve uyarlamalı hız sabitleyici gibi uygulamalar için MISRA C ile ISO 26262 uyumlu bloklar bulunur. Kod üretimi tarafında C, C++, CUDA ve IEC 61131-3 Yapılandırılmış Metin çıkarır, elektronik denetim birimlerine, GPU’lara ve programlanabilir denetleyicilere dağıtırsınız. Simülasyon ve test tarafında kapalı döngü değerlendirmesini MATLAB ile Simulink’te yapar, kararlılık ve dayanıklılık için tasarım inceleme tanılarını çalıştırırsınız.

Model Predictive Control Toolbox Temel Yetenekleri

Doğrusal MPC Yöntemleri

Örtük, açık, uyarlamalı ve kazanç çizelgeli denetleyiciler kurarsınız. Hangi yöntemin ne zaman kullanılacağını karşılaştırma çizelgesinden görürsünüz.

Böylece probleme uygun yapıyı seçersiniz.

MPC Designer

Tasarım parametrelerini MPC Designer uygulamasında ayarlarsınız. Öngörü ufku ve ağırlıkları arayüzden değiştirirsiniz.

Dolayısıyla etkisini anında görürsünüz.

Doğrusal Olmayan MPC

Tek ve çok aşamalı formülasyonlar ile ekonomik öngörülü denetim denetleyicileri geliştirirsiniz. Simulink bloğu modele doğrudan eklenir.

Yani doğrusal olmayan dinamiği yaklaşıklamadan ele alırsınız.

Otomatik Sürüş

Şerit takibi, yol planlama ve uyarlamalı hız sabitleyici uygulamaları için hazır bloklar kullanırsınız. Bloklar MISRA C ile ISO 26262 uyumludur.

Örneğin otonom park senaryosunu modelde çalıştırırsınız.

Derin Öğrenme Modelleri

Öngörü modelini derin öğrenme modeliyle belirtirsiniz. Analitik tanım, Simulink doğrusallaştırması ve ölçüm verisi de seçenekler arasındadır.

Ardından modeli denetleyiciye bağlarsınız.

Tasarım İncelemesi

Kararlılık ve dayanıklılık için tasarım inceleme tanılarını çalıştırırsınız. Rapor tasarım parametreleri için öneriler sunar.

Böylece ayar hatalarını erken yakalarsınız.

Simulink Kitaplığı

Denetleyici bloklarını Simulink kitaplık tarayıcısından modele eklersiniz. Kapalı döngü değerlendirmesini aynı ortamda yaparsınız.

Ayrıca farklı denetleyici tiplerini yan yana karşılaştırırsınız.

Kod Üretimi

C, C++, CUDA ve IEC 61131-3 Yapılandırılmış Metin çıkarırsınız. Kodu elektronik denetim birimlerine, GPU’lara ve programlanabilir denetleyicilere dağıtırsınız.

Dolayısıyla denetleyiciyi gerçek donanımda çalıştırırsınız.

Model Predictive Control Toolbox Nasıl Çalışır?

1. Öngörü modelini kurun Öncelikle sistem modelini analitik, doğrusallaştırma ya da veriyle tanımlayın.
2. Denetleyiciyi tasarlayın Ardından ufuk, ağırlık ve kısıtları MPC Designer ile ayarlayın.
3. Kapalı döngüde sınayın Simulink modelinde başarımı ve kısıt ihlallerini değerlendirin.
4. Donanıma taşıyın Son olarak kod üretip hedef denetleyiciye dağıtın.

Kullanım Alanları

Kontrol Sistemleri

Kısıtlı ve çok değişkenli problemleri öngörülü denetimle çözer, ardından başarımı ölçersiniz.

Otonom Sürüş

Şerit takibi ve hız sabitleyici uygulamalarını hazır bloklarla kurar, böylece standart uyumunu korursunuz.

Model Tabanlı Tasarım

Denetleyiciyi sistem modeliyle birlikte geliştirir, dolayısıyla doğrulamayı simülasyonda yaparsınız.

Gömülü Sistemler

Denetleyiciyi C ve Yapılandırılmış Metin koduna çevirir, ardından cihazda çalıştırırsınız.

Güç Sistemleri

Kısıt altında en iyi çalışma noktasını hesaplar, örneğin enerji yönetimini kurarsınız.

Sıkça Sorulan Sorular

Hangi denetleyici tipleri var?

Örtük, açık, uyarlamalı ve kazanç çizelgeli doğrusal denetleyiciler ile tek ve çok aşamalı doğrusal olmayan denetleyiciler bulunur. Ekonomik öngörülü denetim de desteklenir.

Hangi çözücüler destekleniyor?

Yerleşik etkin küme ve iç nokta çözücüleri gelir. Optimization Toolbox, FORCESPRO ya da kendi çözücünüzle de tümleşirsiniz.

Öngörü modelini nasıl tanımlarım?

Analitik tanım, Simulink doğrusallaştırması, ölçüm verisi tümleştirmesi ve derin öğrenme modelleri seçenekleri bulunur.

Otomatik sürüş blokları standart uyumlu mu?

Evet. Şerit takibi, yol planlama ve uyarlamalı hız sabitleyici blokları MISRA C ile ISO 26262 uyumludur.

Hangi kod üretilebiliyor?

C, C++, CUDA ve IEC 61131-3 Yapılandırılmış Metin üretilir; kodu elektronik denetim birimlerine, GPU’lara ve programlanabilir denetleyicilere dağıtırsınız.

Tasarımı nasıl doğrularım?

Kapalı döngü değerlendirmesini MATLAB ile Simulink’te yapar, kararlılık ve dayanıklılık için tasarım inceleme tanılarını çalıştırırsınız.

Fuzzy Logic Toolbox, bulanık mantık sistemleri tasarlamanızı ve simüle etmenizi sağlar.

Fuzzy Logic Toolbox, bulanık mantık sistemlerinin tasarımı ve simülasyonu için kullanılan araç kutusudur. Fuzzy Logic Designer uygulamasıyla ya da komut satırı fonksiyonlarıyla bulanık çıkarım sistemlerini etkileşimli olarak tasarlar ve simüle edersiniz. Araç kutusu Mamdani ve Sugeno bulanık çıkarım sistemlerini destekler, aralarında dönüşüm yapmanıza olanak verir. Karmaşık sistemleri bulanık ağaçlar kullanarak birbirine bağlı daha küçük bulanık sistemlerin bileşimi olarak da gerçekleştirirsiniz. Fonksiyon listesini MathWorks dokümantasyonunda bulursunuz.

Tip-2 bulanık mantık tarafında ek üyelik fonksiyonu belirsizliği içeren aralık tip-2 bulanık çıkarım sistemleri kurar ve değerlendirirsiniz. Sistem ayarında üyelik fonksiyonu parametrelerini ve kuralları genetik algoritma, particle swarm ve diğer eniyileme yöntemleriyle ayarlarsınız, dolayısıyla kuralları elle denemek zorunda kalmazsınız. Bulanık kümeleme tarafında giriş çıkış verisindeki kümeleri bulanık c-ortalamalar ya da çıkarımsal kümeleme ile bulursunuz. Simulink tümleşmesinde bulanık çıkarım sisteminizin başarımını Fuzzy Logic Controller bloğuyla değerlendirir ve sınarsınız. Kod üretimi tarafında C ve C++ kodu ile IEC61131-3 Yapılandırılmış Metin üretip farklı platformlarda çalıştırırsınız. Son olarak bulanık sistemleri yapay zeka tabanlı kara kutu modelleri açıklamak için destek sistemi olarak kullanırsınız; şeffaf kural tabanı bu açıklamayı sağlar.

Fuzzy Logic Toolbox Temel Yetenekleri

Tip-2 Bulanık Mantık

Ek üyelik fonksiyonu belirsizliği içeren aralık tip-2 bulanık çıkarım sistemleri kurar ve değerlendirirsiniz. Fuzzy Logic Designer uygulaması tip-2 üyelik fonksiyonlarını gösterir.

Böylece belirsizliği modelin içine alırsınız.

Zaman Serisi Öngörüsü

Bulanık sistemlerle zaman serisi öngörüsü kurarsınız. Öngörülen seriyi gerçek seriyle karşılaştırırsınız.

Dolayısıyla kural tabanlı modelin başarımını sayısal olarak görürsünüz.

Bulanık Kümeleme

Giriş çıkış verisindeki kümeleri bulanık c-ortalamalar ya da çıkarımsal kümeleme ile bulursunuz. Küme merkezlerini grafik üzerinde görürsünüz.

Ardından kümeleri kural tabanına dönüştürürsünüz.

Simulink Tümleşmesi

Bulanık çıkarım sisteminizin başarımını Fuzzy Logic Controller bloğuyla değerlendirir ve sınarsınız. Denetleyiciyi sistem modeline gömersiniz.

Yani kapalı döngü davranışını simülasyonda görürsünüz.

Kod Üretimi

C ve C++ kodu ile IEC61131-3 Yapılandırılmış Metin üretirsiniz. Üretilen kodu farklı platformlarda çalıştırırsınız.

Örneğin bulanık denetleyiciyi programlanabilir denetleyiciye taşırsınız.

Açıklanabilir Yapay Zeka

Bulanık sistemleri yapay zeka tabanlı kara kutu modelleri açıklamak için destek sistemi olarak kullanırsınız. Şeffaf kural tabanı kararı görünür kılar.

Böylece modelin neden o çıktıyı verdiğini anlatırsınız.

Fuzzy Logic Toolbox Nasıl Çalışır?

1. Sistemi tasarlayın Öncelikle Fuzzy Logic Designer ile üyelik fonksiyonlarını ve kuralları tanımlayın.
2. Veriden öğrenin Ardından bulanık kümeleme ile kural tabanını veriden çıkarın.
3. Ayarlayın Parametreleri ve kuralları eniyileme yöntemleriyle iyileştirin.
4. Dağıtın Son olarak Simulink’te sınayıp kod üretimiyle hedefe taşıyın.

Kullanım Alanları

Kontrol Sistemleri

Kural tabanlı denetleyici kurar, ardından kapalı döngü başarımını sınarsınız.

Yapay Zekâ

Kara kutu modelleri şeffaf kural tabanıyla açıklar, böylece karar gerekçesini sunarsınız.

Gömülü Sistemler

Bulanık denetleyiciyi C koduna çevirir, dolayısıyla cihazda çalıştırırsınız.

Model Tabanlı Tasarım

Denetleyiciyi sistem modeline gömer, ardından tasarımı simülasyonla doğrularsınız.

Kestirimci Bakım

Belirsiz sensör verisinden karar üretir, örneğin arıza sınıflandırmasını kurallarla kurarsınız.

Sıkça Sorulan Sorular

Hangi çıkarım sistemleri destekleniyor?

Mamdani ve Sugeno bulanık çıkarım sistemleri desteklenir; aralarında dönüşüm de yapabilirsiniz.

Tip-2 bulanık mantık var mı?

Evet. Ek üyelik fonksiyonu belirsizliği içeren aralık tip-2 bulanık çıkarım sistemleri kurar ve değerlendirirsiniz.

Kuralları otomatik ayarlayabilir miyim?

Evet. Üyelik fonksiyonu parametrelerini ve kuralları genetik algoritma, particle swarm ve diğer eniyileme yöntemleriyle ayarlarsınız.

Bulanık ağaç nedir?

Karmaşık bulanık çıkarım sistemlerini birbirine bağlı daha küçük bulanık sistemlerin bileşimi olarak gerçekleştirmenizi sağlayan yapıdır.

Hangi kod üretilebiliyor?

C ve C++ kodu ile IEC61131-3 Yapılandırılmış Metin üretilir.

Açıklanabilir yapay zekada nasıl kullanılır?

Bulanık sistemleri kara kutu modelleri açıklamak için destek sistemi olarak kullanırsınız; şeffaf kural tabanı karar gerekçesini görünür kılar.