KaydedilenlerDerginizi ekleyin

Dergiler / Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi / 2017 / Cilt: 32 - Sayı: 2

Yapay Arı Kolonisi Algoritması ile Bir Arabalı Ters Sarkacın Lineer Kuadratik Kontrolü: Deneysel Bir Çalışma

Linear Quadratic Optimal Control of an Inverted Pendulum on a Cart using Artificial Bee Colony Algorithm: An Experimental Study

BARIŞ ATA
RAMAZAN ÇOBAN
Sayfa
109–123
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Karşılaştırma ve deney sonuçları, ABC algoritmasının literatürde önerilen bir yöntem ile karşılaştırıldığında ağırlık matrislerinin belirlenmesinde daha etkin bir yol olduğunu göstermiştir

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Lineer Kuadratik Regülatör (LQR) ile bir ters sarkacın kontrolü için, Yapay Arı Kolonisi (ABC) optimizasyon algoritmasına dayalı bir metot önerilmiştir.
📊
Temel Bulgular & Veri:Ağırlık matrislerinin değerleri ile yüzde aşımı, yerleşme zamanı ve kararlı hal hatası gibi zaman uzayı performans kriterleri arasında doğrudan bir ilişki olmadığı için bu matrislerin seçimi genellikle deneme yanılma yöntemiyle gerçekleştirilmektedir.
💡
Sonuç & Katkı:Karşılaştırma ve deney sonuçları, ABC algoritmasının literatürde önerilen bir yöntem ile karşılaştırıldığında ağırlık matrislerinin belirlenmesinde daha etkin bir yol olduğunu göstermiştir
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Bu çalışmada, Lineer Kuadratik Regülatör (LQR) ile bir ters sarkacın kontrolü için, Yapay Arı Kolonisi (ABC) optimizasyon algoritmasına dayalı bir metot önerilmiştir. LQR'ın temel tasarım parametreleri ağırlık matrisleridir. Ağırlık matrislerinin değerleri ile yüzde aşımı, yerleşme zamanı ve kararlı hal hatası gibi zaman uzayı performans kriterleri arasında doğrudan bir ilişki olmadığı için bu matrislerin seçimi genellikle deneme yanılma yöntemiyle gerçekleştirilmektedir. Bu çalışmada arabalı ters sarkaç ve bu mekanizmayı hareket ettiren DC motorun matematiksel modellerinin elde edilmesinin ardından sürü zekası temelli bir optimizasyon algoritması olan ABC algoritması kullanılarak bir LQR kontrolör tasarlanmıştır. Karşılaştırma ve deney sonuçları, ABC algoritmasının literatürde önerilen bir yöntem ile karşılaştırıldığında ağırlık matrislerinin belirlenmesinde daha etkin bir yol olduğunu göstermiştir

Abstract

This study presents a Linear Quadratic Optimal (LQR) controller design for an inverted pendulum on a cart using the Artificial Bee Colony (ABC) algorithm. Main design parameters of the linear quadratic regulator are the weighting matrices. Generally, selecting weighting matrices is managed by trial and error since there exists no apparent connection between these weights and time domain requirements such as settling time, steady state error, and overshoot percentage. In this study after deriving the mathematical models of the inverted pendulum on a cart and the DC motor, an LQR controller is designed using the ABC algorithm to determine weighting matrices to overcome LQR design difficulties. The comparison and experimental results justify that the ABC algorithm is a very efficient way to determine LQR weighting matrices in comparison with a method in literature

🔖

Bu Makaleye Atıf Yap

ATA, B., ÇOBAN, R. (2017). Yapay Arı Kolonisi Algoritması ile Bir Arabalı Ters Sarkacın Lineer Kuadratik Kontrolü: Deneysel Bir Çalışma. Çukurova Üniversitesi Mühendislik-Mimarlik Fakültesi Dergisi, Cilt: 32 - Sayı: 2, 109–123. https://ajindex.com/articles/350255

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Anderson, C. W., 1989. Learning to Control an Inverted Pendulum Using Neural Networks, IEEE Control Systems Magazine, 9(3), 31-37
  2. Kuo, A. D, 2007. The Six Determinants of Gait and the Inverted Pendulum Analogy: A Dynamic Walking Perspective, Human Movement Science, 26(4), 617-656
  3. Jeong, S., Takahashi, T., 2008. Wheeled Inverted Pendulum Type Assistant Robot: Design Concept and Mobile Control, Intelligent Service Robotics, 1(4), 313-320
  4. Feedback Instruments Ltd., 2006. 33-936s Digital Pendulum Control Experiments Manual
  5. Kalman, R. E., 1964. When is a Linear Control System Optimal?, Journal of Basic Engineering, 86(1), 51-60
  6. Kwakernaak, H., Sivan, R., 1972. Linear Optimal Control Systems, New York
  7. Fonseca Neto, J.V., Abreu, I. S., Da Silva, F. N., 2010. Neural–genetic Synthesis for StateSpace Controllers Based on Linear Quadratic Regulator Design for Eigenstructure Assignment, IEEE Transactions on Systems, Man, and Cybernetics, 40(2), 266-285
  8. Yaoqing, W., 1992. The Determination of Weighting Matrices in lq Optimal Control Systems, Acta Automatica Sinica, 2(11)
  9. Bryson, A. E., 1975. Applied Optimal Control: Optimization, Estimation and Control, New York
  10. Ghosh, A., Krishnan, T., Subudhi, B., 2012. Brief Paper-robust Proportional-integralDerivative Compensation of an Inverted CartPendulum System: An Experimental Study, IET Control Theory & Applications, 6(8), 1145-1152. 11.Bottura, C. P., Fonseca Neto, J. V., 2000. RuleBased Decision-making Unit for Eigenstructure Assignment Via Parallel Genetic Algorithm and Lqr Designs, American Control Conforence Proceedings, 467-471
  11. Mobayen, S., Rabiei, A., Moradi, M., Mohammady, B., 2011. Linear Quadratic Optimal Control System Design using Particle Swarm Optimization Algorithm, International Journal of Physical Sciences, 6(30), 6958- 6966
  12. Ata, B., Coban, R., 2015. Artificial Bee Colony Algorithm Based Linear Quadratic Optimal Controller Design for a Nonlinear Inverted Pendulum, International Journal of International Systems. and Applications in Engineering, 3(1), 1-6
  13. Karaboga, D., 2005. An Idea Based on Honey Bee Swarm for Numerical Optimization, Technical Report TR06, Erciyes University, Kayseri
  14. Karaboga, D., Basturk, B., 2007. A Powerful and Efficient Algorithm for Numerical Function Optimization: Artificial Bee Colony Algorithm, Journal of Global Optimization, 39(3), 459–471
  15. Ercin, O., Coban, R., 2012. Identification of Linear Dynamic Systems using Artific