|
|
|
|
کنترل کننده pid-fuzzy type 2 بهینه شده با الگوریتم nsga_ii
|
|
|
|
|
|
|
|
نویسنده
|
ذاکری نیا صفر ,ذاکری نیا مرتضی ,رخت اعلا رستمی مهدی
|
|
منبع
|
مهندسي شناورهاي تندرو - 1400 - دوره : 20 - شماره : 59 - صفحه:51 -57
|
|
چکیده
|
این مقاله به طراحی و توسعه سیستم کنترل برای حلقه داخلی زیر سیستم یک ربات خودکار زیر سطحی (auv) می‌پردازد. با استفاده از رویکرد فضای حالت سیستم غیرخطی چند ورودی چند خروجی(mimo) معادله خطی شده را بدست آورد، و تابع تبدیل مورد نظر از معادله خطی مربوطه استخراج می‌شود. پس از آن ابتدا تابع تبدیل را در معرض کنترل کننده pid و سپس در معرض کنترل کننده pid_fuzzy type 2 بررسی نموده، و در انتها با استفاده از الگوریتم ژنتیک چند هدفه، پارامترهای کنترل کننده فازی اعم از قوانین، توابع عضویت ورودی و خروجی و بهره خروجی بهینه می‌گردد. از مقایسه‌ی نتایج به دست آمده در این روش با کارهای مشابه پیشین، مشاهده خواهد می شود که روش پیشنهادی در این تحقیق قادر خواهد بود پارامترهای کنترلی ماکزیمم مقدار فراجهش و زمان نشست متغیرهای حالت سیستم را به میزان چشمگیری بهبود ببخشد. البته روش پیشنهادی، دارای حجم محاسبات بالایی در مدل غیر خطی و کُندی روند اجرای شبیه‌سازی در مقایسه با کارهای پیشین خواهد بود که برای رفع آن نیز راهکارهایی ارائه خواهد شد.
|
|
کلیدواژه
|
فازی، کنترل‌کننده، الگوریتم ژنتیک، سیستم خطی، زیر سطحی خودکار، auv
|
|
آدرس
|
دانشگاه افسری و تربیت پاسداری امام حسین (علیهالسلام), دانشکده شناوری, گروه برق, ایران, دانشگاه گلستان, ایران, دانشگاه گلستان, ایران
|
|
پست الکترونیکی
|
sm.rostami@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Pid-fuzzy type 2 controller optimized with NSGA_II algorithm
|
|
|
|
|
Authors
|
Zakerinia Safar ,Zakerinia Morteza ,Rakht aala rostami mehdi
|
|
Abstract
|
This paper discusses the design and development of a control system for the internal loop subsystem of an AUV. Using the multi-input multi-output (MIMO) nonlinear system state space approach, the linearized equation is obtained, and the desired conversion function is extracted from the corresponding linear equation. Then first examine the conversion function exposed to PID controller and then to PID_fuzzy type 2 controller, then using multi-objective genetic algorithm, fuzzy controller parameters including rules, input and output membership functions and optimal output gain Turns. And the results obtained in this method will be compared with similar previous worksThe proposed method in this research will be able to significantly improve the control parameters of the maximum value of the metamorphosis and the settling time of the system state variables. Of course, the proposed method will have a high volume of calculations in the nonlinear model and the slowness of the simulation process compared to previous works, which will also provide solutions to solve it.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|