SÜREÇ DENETİMİNDE SİHİRLİ BİR KUTU:SİNİRSEL AĞLAR

1. GİRİŞ

Bir büyüklük yada koşulun

SÜREÇ DENETİMİNDE istenen değerde insan aracılığı olmadan tutulması olan süreç

denetim 1775 yılında VVatt'ın

SİHİRLİ BİR KUTU: buhar makinasındaki düzenleyici ile başlamıştır. İnsanoğlunun

daha iyiyi arayışı içinde klasik

SİNİRSEL AĞLAR anlamda denetim dizgeleri

yetersiz kalmaya başlamıştır.

Artık denetleçlerin tekrarlanan

işleri yapmaları yetmemektedir,

uyarla malı denetleçler değişen

işletme koşullarına uyum

sağlamakta yada belli bir

miktarda değişen süreç para

metrelerini uyarlamaktadırlar. Şu

anda araştırmacılar otomobil

kullanan denetleçlerin peşinde

dir, treylerli kamyonları park

edebilen (bilgisayar benzetim

olsa bile) denetleçler vardır.

et: Bu makalede, sinirsel ağların süreç denetiminde ne şekilde Buna benzer denetim istekleri

kullanılabileceği incelenmiştir. Sinirsel ağların süreç denetiminde kullanımları temel olarak dört grupta toplanarak bunlar; gözetmenli denetim, evrik denetim, ileri kuruluş devirgenliğine dayalı denetim ve

karşısında denetim dünyası gözünü insanoğlunun yeni bir özelliğine dikmiştir: Öğrenme.

uyarlanan denetim başlıkları altında incelenmiştir.

Bu özellik treyler park etme

örneği ile açıklanabilir: Treyler

park etme, aslında insanların bile

_____________ deneyim kazanmak için çok

çalışmalarını gerektiren bir

olaydır. Burada önemli olan

treyler istenen bir noktada ve

boşaltma platformuna dik olarak

park etmektedir. Sinirsel ağa

treylerin konumu ve direksiyon

açısı öğretildiğinde sinirsel ağ

treyleri doğru bir şekilde hemen

hemen bütün konumlarda park

edebilmektedir.

Bu yazıda sinirsel ağların N. Burçak Beşer öğrenebilen denetim dizgele rinden olarak süreç denetiminde

J AA I OO

uzman ustalığını sinirsel ağa öğret

l

devingenliğini öğrenen dizge ile aynı olur. Burada önemli olan nokta sürecin girdi çıktı devin genliğinin durağan yada yavaş değişen bir yapıda olmasıdır. Başarılı bir denetim için öğrenen dizgeler geçmiş bilgileri kapsamlı bir şekilde kullanıp süreç devingenliğini yavaş yavaş öğrenmelidir.

3. SİNİRSEL AĞLAR

Şekil 1. Gozetmenli Denetim

Sinirsel ağlar beynin biyolojik

yapısının taklid edilmesi ile

nasıl bir rol oynamaya hazırlan dıkları ve şu anda genel olarak kullanılma yapıları verilecektir.

2. NEDEN SİNİRSEL AĞLAR?

Sinirsel ağların giderek daha fazla ilgi çekmeleri öğrenen dizgelerin uyarlamalı dizgelerle

doğrusallaştırılmış devingenlik öylesine hızlı değişir ki uyarlanan dizge istenen değer ölçütüne hiçbir zaman ulaşamaz. Bu durum genellikle uyarlamalı denetlecin yapısının sürecin yapısına uymadığı zamanlarda görülür.

ortaya çıkmışlardır. İnsan bey ninin taklit edilmesini gerektiren birçok özellik vardır: Paralel bilgi işleme, öğrenme ve kendini düzenleme. Aynı doğal sinirsel ağların nöronlardan oluştuğu gibi sinirsel ağlarda doğrusal yada doğrusal olmayan nöron model lerinin birleşmesinden oluşur. Bu

karşılaştırılması ile açıklanabilir. Öğrenebilen dizgeler büyük Eğer bir denetleç herbir çalışma sayıda değişkeni bütün çalışma noktasını yepyeni bir durum alanında sürecin yapısını özüm olarak değerlendiriyorsa uyarla semek için ayarlarlar. Bu sayede malı denetleçtir. Eğer bir herbir çalışma noktasındasürecin denetleç daha önceki deneyim ^

modellerin bir arada işletilmesi paralel bilgi işlemeyi sağlar; kendini düzenleme ve öğrenme ise beyinden alınan özelliklerdir.

Sinirsel ağlar istenen değer ile

lerini ve denetim haraketlerini

ilişkilendirip bu ilişkileri daha sonra anımsayıp kullanabiliyorsa öğrenen dizgedir.

Uyarlanan denetleç az sayıda ki değişkeni ayarlarlar, bu ayarla mayı yapjarken de sürecin o anda doğrusal bir yerel yapısı oldu ğunu kabul ederler. Etkili olmaları için uyarlanan denet leçler hızlı bir devingenliğe sahip olmalıdır. Bu hızlı devingenlik sayesinde sürecin değişen davranışlarına uygunluk göste rebilirler. Ama bazı süreçlerde

\ )

(ü;

v Hatal \

\

Şekil 2a Evrik Denetim; Doğrudan Öğrenme

4. SİNİRSEL AĞ KULLANAN DENETLEÇLER

Sinirsel Ağ F

\k

Sinirsel ağların süreç deneti minde kullanılmaları temel olarak dört gruba ayrılabilir: Gözetmenli denetim, evrik denetim, ileri kuru luş devingenliğine dayalı denetim

Hata 2

ve uyarlanan denetim.

y1

4.a. Gözetmenli Denetim Gözetmenli denetimde sinirsel ağ

Şekil 3. İleri Kuruluş Devingenliğini Kullanan Denetleç

girdileri ile çıktıları arasındaki ilişkiyi daha önceden hazırlanmış

olan eğitim kümesini çalışarak

JJğrenir. Bu sayede sinirsel ağ

çıktılarının farkını kullanarak sinirsel ağlar sihirli bir kutu uzman gözetiminde yapılan

bağlantı yapılarını değiştirirler. olmaktan öteye gidememişlerdir. denetimi eğitim kümesi olarak, Bu değiştirme verilen bir girdi Sinirsel ağların süreç dene alarak uzmanın ustalığına sahip

karşısında sinirsel ağın çıktısı ile timinde en çok kullanılan metodu olur (1,2) bu durum şekilde

bu girdi karşısında istenen değer olan hatanın geri yayılımı mate verilmiştir. Bu yöntemle bir robot

arasındaki farkın (hatanın) sinir matik olarak kanıtlanmamış bir kolu insan denetimi altında iken sel ağa geri yayılımı (beslen yöntemdir. Yine de uygulamada elde edilen denetim imi sinirsel

mesi) ile olur. Sinirsel ağlar süreç yüzde doksan gibi büyük bir ağa öğretilir ve daha sonra insan

denetimde girdiler ile istenen başarı yüzdesine sahiptirler.

yardımı olmadan robot kol aynı

çıktılardan meydana gelen bir

eğitim kümesi verilerek sinirsel ağın bu girdi ve çıktı kümesi arasındaki ilişkiyi öğrenmesi ile gerçekleşir. Daha sonra verilen bir girdi öğretilen ilişkiye ait bir

>

F S Ö r e Ç 1

I'

f Hata 2

^T)

»

çıktı üretir.

Şekil 2.b Evrik Denetim

Bu özellikleri ile sinirsel ağlar süreç denetim mühendislerinin ilgisini çekmiştir. 1989 yılında Amerikan Denetleç konferan sında sinirsel ağlarla ilgili beş bildiri varken bu sayı 1990 yılınde 18'e yükselmiş ve bir sonraki yılda ise iki mislinden fazla artmıştır.

Sinirsel Ağ 1 F1

Sinirsel Ağ 2 F

Hata 2 Süreç

Bütün bu özelliklerine karşın

2 cE v r i k Denetim; Doğrudan öğrenme

I OO

denetim ilkeleri altında denet istenen çıktıya eşit olmalıdır. Bu

lenebilir.

denetim şeklinde en büyük sorun

öğrenme sırasında istenen çıktı

4.b. Evrik Denetim

(x) ile süreç çıktısı arasındaki

evrik süreci öğretmek yerine ikinci bir sinirsel ağ sürecin ileri kuruluş devingenliğini öğrenir. Birinci sinirsel ağ süreç (y) ile ileri

Referans Modeli

Hata 3 Sinirsel Ağ 2

Sinirsel Ağ 1

Hata 3

Denetleç Parametreleri

Hatal

Denetleç

Şekil 4. Uyarlanan denetim

hata (Hata 2) yerine evrik Evrik denetimde sinirsel ağ evrik süreçlerin girdileri (u ve u) kuruluş devingenliğini öğrenir, bu arasındaki hatanın (Hata 1) öğrenme doğrudan yada dolaylı öğretimde kullanılmasıdır, bu oabilir. Doğrudan öğrenmede sayede eğer süreç devingenliği sinirsel ağ öğrenilecek sürecin değişirse yanlış hata eğitimde evrik devingenliğini sürecin giriş kullanıldığından (ki bu durumda çıkış davranışından öğrenir (şekil doğrudan öğrenme ve evrik 2.a.), öğrenme döneminde süreç denetim beraberce kullanılır) bir başka denetleç tarafından sinirsel ağ en kolay yolu seçer ve sürüklür (3). Denetim ise sinirsel verilen istenen çıktıların hepsi ağın doğrudan sürece bağlanması için aynı süreç girdisini verir, bu ile gerçekleşir (şekil 2.b.), sinirsel değer Hata 1'i sıfır'a indirge ağa istenen çıktı değer verilir (x) diğinde dahi gerçek hata (Hata 2) sinirsel ağ sürecin evrik devin büyük değerlere ulaşabilir. genliğine sahip olduğundan sinirsel ağ çıktısı (u) sürece Dolaylı eğitim gerçek hatanın verildiğinde alınan süreç çıktısı (y) (Hata 2) eğitimde kullanılması ile gerçekleşir (3). Burada doğrudan

kuruluş devingenliğini kullanan sinirsel ağın çıktısı (y) arasındaki hatanın tersine yayılımı ile eğitilir. Bu yöntemde gerçek hata (Hata 2) eğitimde kullanıl dığından doğrudan eğitimde karşılaşılan sorunlarla karşıla şılmaz. Yine de evrik denetimin genel sorunu olan, istenen çıktının ilk adımda erişilmez olduğunda, denetimin yanlış ve tahmin edilmez olması sorunu vardır (4).

4.c. İleri Kuruluş Devingenliğine Dayalı Denetim ileri kuruluş devingenliğine daya

lı denetim; dolaylı eğitimi kullanan evrik denetimde ve birinci sinirsel ağın kaldırılması ve süreç girdi sinin (u) gerçek hatanın (Hata 2) tersine yayılımı ile hesaplan masıdır (4,5,). Burada yukarıda belirtilen sorun tersine yayılımda sürecin daha sonraki çıktılarının hesaplanması ile giderilmiştir (7).

4.d. Uyarlanan Denetim

olmuşlardır.

Sinirsel denetim dizgeleri doğru sal olmayan denetim alanında bazı olumlu sonuçlar elde etmişlerse de daha çok yeni olan bu alanda birçok çalışma nın gerektiği açıktır. Sinirsel denetim sistemlerinin denetim de büyük bir rol oynayacağını söyleyebiliriz.

neural netvvork controller, IEEE Control System Magazine, s17 20, 1988 (4) N.B. Beşer, E. Tulunay, Neurocontrol using forward plant dnamics, ISCIS V, 1989 (5) N.B. Beşer, Neurocontroller for process control using forvvard plant

Uyarlanan denetimde sinirsel ağ klasik denetleçlerin paramet relerinin ayarlanmasında kullanılır (8). Bu yöntemde sinirsel ağ sistem devingenliğini tanımla mada ve sürecin ileri çıktılarının hesaplanmasında kullanılır. İkinci bir sinirsel ağ ise bu çıktıları azaltmak için klasik denetleç parametrelerini ayarlar. Bu sinir sel ağ ise verilen bir referans modeli ile süreç arasındaki hatayı (Hata 3) kullanarak eğitilir.

5. SONUÇ

Günümüzün daima artan denetim istekleri karşısında uyarlamalı denetim dizgeleri yüksek çözünürlüklü doğrusal modeller üretmekte yavaş kalmaya başlamıştır. Doğanın doğrusal olmayan yapısında uyarlamalı denetim dizgelerinin sabit yapıların değişkenlerini ayarla yarak istenen . hassasiyeti sağlıyamamasından doğan bu yavaşlık denetim mühendislerini yeni ve sabit bir yapı gerek tirmeyen denetleçler aramaya sevketmiştir. Sinirsel ağlar sabit yapıya gerek duymamaları ve öğrenme özellikleri ile aday

KAY NAKLAR

(1) E. Tulunay, N.B. Beşer,

S. İkeda,

Expert

knowledge base

constructor for fuzz linguistic

controller based on neural

netvvorks, Internal Report,

November 1989.

(2) H.Asada, S.Liu, Transfer of human skills to neural net robot controllers, Proc. R&A, S2442 2448, 1991.

(3) D. Psaltis, A. Sideris, A. A. amamura, A multilayered

dynamics, Masters Thesis, Februar 1991.

(6) D.A. Hoskins, J.N. Nwang, J. Vagners, Iterative inversion of neural netvvorks and application to adaptive control, IEEE Transactions on Neural Netvvorks, Vol.3, No:2, March 1992.

(7) N.Narendra, K. Parthasarathy, Identification and control of dynamical systems using neural netvvorks, IEEE Transactions on neural netvvorks Vol.1 No:1,s4 27, 1990.