مقایسه بین الگوریتم‌های بهینه‌سازی برای تنظیم پارامترهای ارتباط کنترل‌شده مبتنی بر فازی در سیستم‌های کنترل شبکه

هدف این مقاله بهبود عملکرد سیستم‌های کنترل شبکه با استفاده از ارتباط کنترل‌شده با منطق فازی بهینه‌شده است. با استفاده از منطق فازی و تخمین‌گرهای بهینه فیلتر کالمن تعیین می‌شود که چه زمانی داده‌ها روی شبکه قرار گیرند تا ترافیک شبکه کاهش یابد. لازم به توضیح است که نیازی نیست که همواره اطلاعات روی شبکه ارسال شود و اندازه‌گیری‌ها به‌صورت محلی قبل از ارسال پردازش می‌شوند. در این مقاله، از الگوریتم‌های بهینه‌سازی مبتنی بر جمعیت برای تنظیم پارامترهای سیستم فازی کنترل منطق ارتباطی استفاده می‌شود. عملکرد کنترل‌کننده‌های تنظیم‌شده با استفاده از نتایج به‌دست آمده از الگوریتم‌های بهینه‌سازی ازدحام ذرات، الگوریتم ژنتیک، الگوریتم رقابت استعماری، الگوریتم بهینه‌سازی بر پایه جغرافیای زیستی، الگوریتم کلونی مورچه‌ها مقایسه می‌شوند. روش به‌دست آمده بر روی دو سیستم جرثقیل سقفی شبکه‌شده با مشخصه‌های غیرخطی شبیه‌سازی می‌شود. نتایج شبیه‌سازی اعتبار روش پیشنهادی را اثبات می‌کند. درحالی‌که همه الگوریتم‌ها نتایج قابل قبولی ایجاد کرده‌اند، بهترین عملکرد در استفاده از الگوریتم بهینه‌سازی ازدحام ذرات از لحاظ کمینه‌کردن تابع هدف و خطای ردیابی مشاهده شده است و نشان داده می‌شود این الگوریتم قادر است مشکل هماهنگ‌سازی دو جرثقیل تحت شبکه به هنگام جابه‌جایی بار با حجم بالا را، با کارآیی بالا حل کند.

A comparison between optimization algorithms for the tuning of fuzzy based controlled communication for networked controlled systems

The goal of this paper is improvement of the operation of networked control systems using optimized fuzzy logic controlled communication. Network traffic is reduced with optimal kalman filter estimator and fuzzy logic. It should be explained, there is no need to send information on the network continuously and the measurements are processed locally before sending. In this paper, population based optimization algorithms are used to set the parameters of fuzzy system for control the communication logic. The performance of regulated controllers are compared by the results of Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Biogeography Based Optimization (BBO), Imperialist Competitive Algorithm (ICA) and Ant Colony Optimization with continuous domain (ACOR) algorithms. The proposed method is simulated on two overhead cranes over a network with nonlinear features. Simulation results prove the validation of the proposed solution. While the results of all algorithms are reasonable but PSO algorithm has best result in reducing tracking error and fitness function point of view. Simulation results illustrate the effectiveness of proposed control system in coordination of two cranes over the network in moving heavy loads.