KaydedilenlerDerginizi ekleyin

Dergiler / Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi / 2019 / Cilt: 22 - Sayı: 4

ADAPTİF PARÇACIK SÜRÜ (APSO) ve KARINCA KOLONİSİ OPTİMİZASYONU (KKA) KULLANARAK ÖZ AYARLAMALI PID KONTROLÖR TASARIMI

DESIGN OF SELF TUNING PID CONTROLLER USING ADAPTIVE PARTICULAR SWARM OPTIMIZATION (APSO) and ANT COLONY OPTIMIZATION (ACO)

Oğuzhan KAPUKAYA
Mahit GÜNEŞ
Sayfa
257–270
Yayın Tarihi
2019-12-30
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)

Bu çalışmada PID kontrolörün parametre ayar işlemi, Klasik PID, Adaptif Parçacık Sürü Optimizasyonu (APSO) ve Karınca Kolonisi Algoritması (KKA) algoritması ile yapılmış ve sonuçlar karşılaştırılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Adaptif Parçacık Sürü Optimizasyonu (APSO) ve Karıca Kolonisi Algoritması (KKA) kullanarak öz ayarlamalı oransal integral türevsel (PID) kontrolör tasarımı yapılmıştır ve DA (Doğru Akım) Motoru üzerinde test edilmiştir.
📊
Temel Bulgular & Veri:PID kontrolör elle ayarlandığı zaman, parametrelerinin ayarlanması zor ve sıkıntılıdır, ayrıca iyi bir performans sağlanamaz.
💡
Sonuç & Katkı:Bu çalışmada PID kontrolörün parametre ayar işlemi, Klasik PID, Adaptif Parçacık Sürü Optimizasyonu (APSO) ve Karınca Kolonisi Algoritması (KKA) algoritması ile yapılmış ve sonuçlar karşılaştırılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:PID · Adaptif Parçacık Sürü Optimizasyonu(APSO) · Karınca Kolonisi Algoritması(KKA)

Özet

Bu çalışmada, Adaptif Parçacık Sürü Optimizasyonu (APSO) ve Karıca Kolonisi Algoritması (KKA) kullanarak öz ayarlamalı oransal integral türevsel (PID) kontrolör tasarımı yapılmıştır ve DA (Doğru Akım) Motoru üzerinde test edilmiştir. PID kontrolör elle ayarlandığı zaman, parametrelerinin ayarlanması zor ve sıkıntılıdır, ayrıca iyi bir performans sağlanamaz. Bu yüzden, parametre ayar işlemi aşamasında optimizasyon yöntemleri kullanmak işi kolaylaştırır ve daha iyi performans sağlar. Bu çalışmada PID kontrolörün parametre ayar işlemi, Klasik PID, Adaptif Parçacık Sürü Optimizasyonu (APSO) ve Karınca Kolonisi Algoritması (KKA) algoritması ile yapılmış ve sonuçlar karşılaştırılmıştır.

Abstract

In this study, Self-tuning proportional integrator derivative (PID) controller design using the adaptive particle swarm optimization (APSO) and Ant Colony Optimization (ACO) algorithm and tested on DC (Direct Current) Motor. When the PID controller is manually set, setting parameters are difficulty and do not have a good performance. Therefore, using optimization methods in the parameter setting process makes the easier and gives better results. In this study, the parameter setting process of the PID controller was performed and compared with classical PID, Adaptive Particle Swarm Optimization (APSO) and Ant Colony Optimization (ACO) algorithm results.

🔖

Bu Makaleye Atıf Yap

KAPUKAYA, O., GÜNEŞ, M. (2019). ADAPTİF PARÇACIK SÜRÜ (APSO) ve KARINCA KOLONİSİ OPTİMİZASYONU (KKA) KULLANARAK ÖZ AYARLAMALI PID KONTROLÖR TASARIMI. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 22 - Sayı: 4, 257–270. https://ajindex.com/articles/876520

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Açıkgöz H., Gani A., Keçecioğlu Ö, Şekkeli M., Sıvı Sıcaklık Denetiminde PSO Tabanlı PID Denetleyicinin Başarımının İncelenmesi, Otomatik Kontrol Ulusal Toplantısı, TOK. Açıkgöz H., Keçecioğlu Ö., Gani A., ŞekkeliM. (2014),Speed Control of Direct TorqueControlledInduction Motor Byusing PI, Anti-Windup PI andFuzzy Logic Controller, International Journal of Intelligent Systems and Applications in Engineering. Akyol S., Alataş B. (2012), Güncel Sürü Zekâsı Optimizasyon Algoritmaları, Nevşehir Üniversitesi Fen Bilimleri Enstitü Dergisi 136-50.
  2. Alhasan H. (2017), A New Adaptive Particle Swarm Optimization Based on Self-Tuning of PID Controller for DC Motor System, Çukurova University Journal of the Faculty of Engineering and Architecture, 32(3), pp. 243-249.
  3. Berber Ö. (2016), Parçacık Sürü Optimizasyonu ve PID ile Mobil Robotun Optimum Yörünge Kontrolü,KSU Mühendislik Bilimleri Dergisi, 19(3), 167-168.
  4. Cücü G. (2010), Yenilenen Parçacıklı Sürü Optimizasyonu ile PID Parametrelerinin Ayarlanması, Politeknik Dergisi Cilt:13 Sayı: 2 s. 83-92.
  5. Çavuşlu M., Karakuzu C., Şahin S. (2010), Parçacık Sürü Optimizasyonu Algoritması ile YapaySinir Ağı Eğitiminin FPGA Üzerinde Donanımsal Gerçeklenmesi, Politeknik Dergisi Cilt:13 Sayı: 2 s. 83-92.
  6. Develi H. (2004), ZieglerNichols Yöntemi ve Migo Yaklaşımı, İstanbul Teknik Üniversitesi Yüksek Lisans Tezi, s. 21. Doğmuş, O, Kılıc, E, Şit, S, Güneş, M. (2017), PSO Algoritması ile Optimize Edilmiş PID Denetleyicinin Fotovoltaik MPPT Sistemine Uyarlanması. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 20 (4), 1-8.
  7. Eberhart, R.C., Shi, Y. (2001), Trackingand Optimizing Dynamic Systems with Particle Swarms, In Evolutionary Computation.vol. 1, 94-100.
  8. Erdoğmuş P., Yalçın E. (2015), Parçacık Sürü Optimizasyonu ile Kısıtsız Optimizasyon Test Problemlerinin Çözümü, İleri Teknoloji Bilimleri Dergisi,4(1),14-22.
  9. Erkol H. (2017), GA ve PSO ile Kontrol Parametrelerinin Optimizasyonu, Karaelmas Fen ve Muh. Derg., 7(1):179-185.
  10. Erol H., GA ve PSO ile Kontrol Parametrelerinin Optimizasyonu, Karabük Üniversitesi,
  11. Teknoloji Fakültesi, Mekatronik Mühendisliği Bölümü, Karabük, Türkiye. Gani A., Keçecioğlu Ö., Açıkgöz H., Kuyumcu M., Kapalı Bir Ortamdaki Sıvının Sıcaklık Denetiminde PID Denetleyicinin Performans Analizi, Mühendislik ve Teknoloji Sempozyumu, Çankaya Üniversitesi.
  12. Iwasaki N., Yasuda K.(2005), Adaptive Partical Swarm Optimization via Velocity Feedback, IEEJ Trans. EIS, Vol.125, No.6. Kennedy, J. and EberhartR. C.