طراحی کنترل کننده تناسبی-انتگرالی- مشتقی بهینه با الگوریتم بهینه سازی بهبودیافته اجتماع پرندگان

نوع مقاله : مقاله مستقل

نویسنده

استادیار کنترل، دانشکده فنی و مهندسی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

چکیده

چکیده- در این مقاله، طراحی کنترل کننده تناسبی- انتگرالی- مشتقی (تام) بهینه بر مبنای "الگوریتم بهینه سازی بهبود یافته اجتماع پرندگان" (ePSO) ارائه می شود. مزیت این روش جدید نسبت به روش‌های متداول در طراحی کنترل کننده این است که ارائه آن محدود به کلاس خاصی از سیستم‌ها نیست. در طراحی کنترل کننده تام بهینه، مجموع زمان صعود، زمان نشست، فراجهش و انتگرال قدر مطلق خطا کمینه می­شوند. سه نوع الگوریتم بهینه سازی اجتماع پرندگان (sPSO, mPSO, ePSO) با  روش‌های دیگر بهینه سازی از جمله، جامعه  مورچه‌ها (Ant colony) مقایسه می­گردند. تحلیل آماری نتایج ، برتری الگوریتم جدید "بهینه سازی اجتماع پرندگان با برون یابی" (ePSO) را در تنظیم  ضرایب کنترل‌کننده تام  نشان می­دهد. الگوریتم ePSO با الگوریتم های دیگر بهینه سازی اجتماع ذرات از آن جهت فرق می­کند که نیازی به معادله سرعت ندارد و با به روز کردن موقعیت ذرات توسط برون یابی با همگرایی سریع‌تر و تعداد گام کمتر به جواب بهینه می­رسد.

کلیدواژه‌ها

موضوعات


[1] Zhuang M, Atherton DP (1993) Automatic tuning of optimum PID controllers. IEE PROC-D 140(3): 216–224.
[2] Cipperfield A, Flemming P, Fonscea C (1994) Genetic algorithms for control system engineering. Proc. Adapt. Comp. in Eng. Design and Control 128–133.
[3] Linken DA, Nyongesa HO (1995) Genetic algorithm for fuzzy control. IEE P-Contr Theor Ap 142(3): 161–185.
[4]  Schaffer J, Eshelman L (1992) Combinations of genetic algorithms and neural networks: a survey of the state of the art. Proceedings of International workshop on Combination of Ga and NN, Baltimore, USA 1–37.
[5] Das S, Abraham A, Konar A (2008) Particle swarm optimization and differential evolution algorithms: technical analysis, applications and hybridization perspectives. Dept. of Electronics and Telecommunication Engineering, Jadavpur University, Kolkata 700032, India.
[6] Senthil M, Rao MVC (2008) A novel and effective particle swarm optimization like algorithm with extrapolation technique. Elsevier journal Applied Soft Computing 1–13.
[7] Hsiao Y and Chuang CL (2004) Ant colony optimization for designing of PID controllers. Proc. CACSD, Taiwan.