طراحی کنترل کننده فازی نوع سوگنو بهینه برای کنترل سرعت موتور dc با در نظر گرفتن دینامیک درایو و چاپر با الگوریتم بهینه‌سازی مبتنی برآموزش و یادگیری

با توجه به ساختار ساده موتور‌های dc این موتورها کاربردهای زیاد در صنعت و بخصوص حوزه رباتیک پیدا کرده است. از این رو کنترل دقیق سرعت آنها حائز اهمیت است. در این مقاله برای کنترل سرعت موتو dc با در نظر گرفتن دینامیک درایو و چاپر، کنترل کننده فازی نوع سوگنو پیشنهاد می‌شود. علاوه بر این برای افزایش کارایی کنترل کننده فازی از ضرایب مقیاس دهی غیر خطی استفاده می‌شود. برای کنترل ولتاژ اعمالی به آرمیچر موتور dc از چاپر استفاده می‌شود. با در نظر گرفتن ملاحضات عملی در نظر گرفتن دینامیک درایو چاپر باعث افزایش پیچیدگی سیستم می‌شود. بعد از طراحی کنترل کننده فازی برای افزایش عملکرد سیستم کنترل پارامتر‌های کنترل کننده فازی با استفاده از الگوریتم مبتنی بر آموزش و یادگیری تنظیم می‌شوند. این الگوریتم جدید بوده و یکی از ویژه‌گی‌های آن تعداد کم پارامترهای آن می‌باشد. نتایج نشان می‌دهد کنترل کننده فازی در مقایسه با کنترل کننده تناسبی- انتگرالی مشتقی کلاسیک دارای عملکرد بهتری در مقابل تغییرات پارامترهای سیستم و اغتشاش دارد. با در نظر گرفتن تابع معیار مناسب مقدار تابع هزینه برای روش پیشنهادی 2/. ولی با کنترل کننده بهینه شده تناسبی- انتگرالی مشتقی حدود 31/. می‌باشد که نشان از برتری 55 درصدی روش پیشنهادی را دارد.

design of optimal sugeno-type fuzzy controller for speed control of dc motor including drive and chopper dynamic considering multi-objective optimization using teaching learning optimization algorithm

due to the simple structure of dc motors, these motors have found many applications in industry.therefore, in this paper, the speed control of dc motor is investigated by considering the dynamics of drive and chopper with sugeno-type fuzzy controller. a chopper is used to control the voltage applied to the dc motor armature. considering the dynamics of the chopper drive increases the complexity of the system. after designing the fuzzy controller to increase the performance of the control system, the fuzzy controller parameters are adjusted using a teaching-learning-based optimization algorithm. this algorithm is new and one of its features is its small number of parameters. the results show that the fuzzy controller has better performance against changes in system parameters and uncertainties compared to the classic pid controller. considering the appropriate criterion function, the value of the cost function for the proposed method is 0.2. but with the optimized pid controller about 0.31 which shows a 55% superiority of the proposed method.