AI Summary & Key Takeaways
AI InsightIn the comparison process, it was observed that the improved GKO algorithm reached the result in a shorter time in terms of the working time, and the controller performances were quite close to each other.
📌 3 Key Takeaways
Abstract
In this study, closed-loop output voltage control of the Buck converter is provided with Proportional-Integral controller, which is widely used in the industry. In addition to mathematical methods in determining the controller coefficients, meta-heuristic methods have been started to be preferred quite frequently in recent years. The Red Fox Optimization method is a new optimization algorithm recently added to meta-heuristic methods. It was developed by being inspired by the lifestyles of the red foxes living in herds in nature. In this study, the Red Fox Optimization algorithm was developed in order to require less user information in the system and to operate the system reliably without exceeding the design criteria. By using the developed Red Fox Optimization algorithm, steadystate error and maximum overshoot, which are among the control performance criteria of the system, are tried to be improved with the Proportional-Integral controller. The objective function is calculated by taking the average of the sum of the absolute values of the error, the sum of the squares of the error, and the sum of the time-weighted squares of the error. This study is carried out in the Matlab/ Simulink environment and the maximum overshoot criterion is specifical as in the range of 5-40%. The development process is also applied to Grey Wolf Optimization (GWO), Firefly Optimization (FA) and Particle Swarm Optimization (PSO) methods and the four optimization methods are compared. In the comparison process, it was observed that the improved GKO algorithm reached the result in a shorter time in terms of the working time, and the controller performances were quite close to each other.
Özet
Bu çalışmada, endüstride yaygın olarak kullanılan PI (Oransal-İntegral) denetleyici ile alçaltıcı tip da-da dönüştürücünün kapalı çevrim çıkış gerilim denetimi sağlanmıştır. Denetleyici katsayılarının belirlenmesinde matematiksel yöntemlerin yanı sıra son yıllarda meta-sezgisel yöntemler oldukça sık tercih edilmeye başlanmıştır. Kızıl Tilki Optimizasyon (KTO) yöntemi yakın zamanda metasezgisel yöntemlere eklenen yeni bir optimizasyon algoritmasıdır. Doğada sürü halinde yaşayan kızıl tilkilerin yaşayış biçimlerinden esinlenilerek geliştirilmiştir. Bu çalışmada KTO algoritması, sistemde daha az kullanıcı bilgisine ihtiyaç duyulması ve sistemin tasarım ölçütlerini aşmadan güvenilir bir şekilde çalışması amacıyla geliştirilmiştir. Geliştirilen KTO algoritması kullanılarak PI denetleyici ile sistemin denetim performans kriterlerinden sürekli hal hatası ve maksimum aşım iyileştirilmeye çalışılmıştır. Amaç fonksiyonu olarak; hata mutlak değerlerin toplamı, zamanla ağırlıklandırılmış hata karelerinin toplamı ve hata karelerinin toplamı değerlerinin ortalaması kullanılmıştır. Bu çalışma Matlab/Simulink ortamında gerçekleştirilmiş ve maksimum aşım kriteri %5-40 aralığında belirlenmiştir. Yapılan geliştirme işlemi Gri Kurt Optimizasyon (GKO), Ateş Böceği Optimizasyon (ABO) ve Parçacık Sürü Optimizasyon (PSO) yöntemlerine de uygulanmış ve dört optimizasyon yöntemi karşılaştırılmıştır. Yapılan karşılaştırma işleminde çalışma süresi bakımından geliştirilmiş GKO algoritmasının daha kısa sürede sonuca ulaştığı, denetleyici performanslarının ise birbirine oldukça yakın performans gösterdikleri gözlenmiştir.