YAPAY SİNİR AĞLARI İLE KESİR DERECELİ PID DENETLEYİCİ KATSAYILARININ AYARLANMASI
Öz
Bu makalede, Yapay Sinir Ağları (YSA) kullanarak adaptif kesir dereceli PID (FOPID) kontrolörün katsayılarının ayarlanmasına yönelik bir çalışma sunulmaktadır. Kontrolör katsayıların adaptif olarak ayarlanması pratik kontrol uygulamalarında dayanıklılık için çok önemlidir. Çünkü parametre belirsizlikleri ve dış etkenler nedeniyle sistemin katsayılarının değişmesi kontrolörün dayanıklılığını olumsuz yönde etkileyebilir. Bu çalışmada YSA ile kontrolörün oransal, integral ve türev kazanç katsayıları kontrol süreci devam ederken geri beslemeler ile duruma göre yeniden ayarlanabilmektedir. Bu da kesir dereceli PID kontrolörüne hem adaptif hemde dinamik bir yapı kazandırmaktadır. Klasik kontrol uygulamalarında ise kazanç katsayıları başlangıçta tasarımcı tarafından ayarlanır ve kontrol süresince sabit kalır, değişmez. Oysa günümüz kontrol uygulamalarında bu tarz kontrolörler yetersiz kalmaktadır. YSA’ lar eğitildikten sonra kontrolörün kazanç katsayılarını en uygun şekilde ayarlarlar. Geri beslemeler sayesinde hatayı azaltarak kontrolörün performansını arttırırlar. Kontrol işlemi sırasında kontrol edilen sisteminin parametrelerinde bozulma gerçekleşirse, bu bozulmaya karşı YSA’ lar kontrolör katsayılarını otomatik olarak yeniden optimum değere getirerek uyarlama yaparlar. Önerilen yöntem pratik kontrol uygulamaları için FOPID kontrolörün uygulanabilirliğini kolaylaştırır. İki simülasyon örneğinde önerilen adaptif kontrol yönteminin performansını göstermek için MATLAB/Simulink kullanılarak YSA içeren FOPI, FOPD, FOPID kontrolörlerin tasarımı gerçekleştirilmiş ve birim basamak cevapları sunulmuştur.
Anahtar Kelimeler
Kesir dereceli PID kontrolör,Yapay Sinir Ağları,Adaptif kontrol,,dayanıklılık
References
- Ziegler JG, Nichols N B (1942). Optimum Settings for Automatic Controllers, Trans. ASME, 64, 759 – 765.
- Ǻström KJ, Häggland T, Hang CC, Ho WK (1993). Automatik tuning and adaptation for PID controllers - a survey, Control Eng. Prac,1; 699-714.
- Ǻström KJ, Häggland T (1995). PID controllers: Theory, Design, and Tuning, Instrument, Society of America.
- Zhuang M, Atherton DP (1993). Automatic tuning of optimum PID, IEE Proceedings D – Control Theory and Applications, 140(3), 216-224.
- Mizumoto I, Tanaka H, Iwai Z (2010). Adaptive PID Control for Nonlinear Systems With a Parallel Feed forward Compensator, International Journal of Innovative Computing, Information and Control, 2901-2918.
- Chang WD, Hwang RC, Hsieh JG (1998). Adaptive control of multivariable dynamic systems using independent self-tuning neurons, In Proceeding of the Tenth International Conference on Tools with Artificial Intelligence, 68-73.
- Chen CT, Chang WD (1996) A feed forward neural network with function shape autotuning, Neural Networks, 9(4), 627-641.
- Xu B, Pandian RS, Sakagami N, Petry F (2012). Neuro-fuzzy control of underwater vehicle- manipulator systems, Journal of the Franklin Institute, 349, 1125-1138.
- Saad MS, Jamaluddin M, Darus IZM (2012). Implementation of PID Controller Tuning Using Differential Evolution and Genetic Algorithms, International Journal of Innovative Computing, Information and Control, 9(11), 7761-7779.
- Gaing ZL (2004). A Particle Swarm Optimization Approach For Optimum Design of PID Controller in AVR system, IEEE Trans. on Energy Conversion, 19(2), 384-391.