Asılı Sarkaç Sisteminin Parçacık Sürüsü Optimizasyon Algoritması ile Konum Kontrolü

Abstract

Bu çalışmada asılı sarkaç sisteminin PID (Oransal-İntegral-Türevsel Denetleyici) ile kontrolü yapılmıştır. Sistem parametrelerinin elde edilmesi simülasyon ortamında PSO (Parçacık Sürü Optimizasyonu) algoritması kullanılarak gerçekleştirilmiştir. Bu amaçla asılı sarkaç sisteminin modeli çıkartılmıştır. Model üzerinden gerçek sistemin parametreleri bulunmuştur. Parametre olarak, Viskoz Sönümleme Katsayısı, Atalet Momenti ve PID katsayıları hesaplanmıştır. Hesaplanan değerler gerçek sistemde kullanılarak ve gerçek sistem ile simülasyon modelinin doğruluğu ispatlamıştır. Sistem kontrolü PLC (Programlanabilir Mantıksal Denetleyici)’de gerçekleştirilmiştir. Sarkacın belli bir konuma gelmesi için gerekli kuvvet, fırçasız motor kontrolü ile elde edilmiştir. Fırçasız motor sürücüsü olarak ESC (Elektronik Hız Kontrol) kullanılmıştır, ESC’nin kontrol işareti olarak PWM (Sinyal Genişlik Modulasyonu) kullanılmıştır. Sistemin konumunu ölçmek için ise enkoder kullanılmıştır. Sistem verileri MATLAB ile alınmıştır. MATLAB ile PLC arasında haberleşme OPC (Süreç Kontrolünde Nesnelerin Bağlaşması ve İlişkilendirilmesi) ile gerçeklenmiştir. Çalışma sonunda simülasyon ve optimizasyon algoritması ile gerçek sistemin kontrolünün benzer sonuçları verdiği gözlemlenmiştir.

Keywords

• PSO
• sarkaç
• PID
• pervane
• konum kontrolü

Position Control of the Suspended Pendulum System with Particle Swarm Optimization Algorithm

Abstract

In this study, the suspended pendulum system was controlled by PID (Proportional-Integral-Derivative Controller). Obtaining the system parameters was carried out using the PSO (Partical Swarm Optimization) algorithm in the simulation environment. For this purpose, the model of the suspended pendulum system’s model was created. The parameters of the real system were found through the model. Viscous damping coefficient, Moment of Inertia and PID coefficients were calculated as parameters. The calculated values were used in the real system and the real system proved the accuracy of simulation the model. Control of the system was carried out in PLC (Programmable Logical Controller). The force required for the pendulum to reach a certain position was obtained by brushless motor control. ESC (Electronic Speed Control) is used as brushless motor driver and PWM (Pulse Width Modulation) is used as control signal of ESC. The encoder is used to measure the position of the system. System data was obtained with MATLAB. Communication between MATLAB and PLC is realized with OPC (OLE for Process Control). End of the study, it was observed that the simulation and optimization algorithm and the control of the real system gave similar results.

Keywords

• PSO
• pendulum
• PID
• propeller
• position control

References

1. [1] Hinrichsen P., “Practical Applications of The Compound Pendulum”, The Physics Teacher (Phys Teach), 1981, 19(5):286-292.
2. [2] G.C. Sneed, “Investigation, Development, and Evaluation of Methods for Introducing Sixth-Form Science Students to Physics-Based Applied Science.” Inst. Ed. Tech. University of Surrey, Guildford, Surrey, U.K., (1971).
3. [3] D.G. Ivey and J.N Patterson Hume Physics, p.434 Ronald Press, New York, (1974).
4. [4] Küçüker A., “Asılı Sarkaç Sisteminde Konum Kontrolü”, Yüksek Lisans, Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, (2007).
5. [5] Kennedy, J. ve Eberhart, R. C. “Particle Swarm Optimization”, Proc. IEEE International Conference on Neural Networks, IEEE service center, Piscataway, NJ, Vol. (IV):1942-1948, (1995).
6. [6] Shi, Y. ve Eberhart, R. C. “A Modified Particle Swarm Optimizer”, Proceedings of the IEEE International Conference on Evolutionary Computation, IEEE Press, Piscataway, NJ, 69-73, (1998).
7. [7] Tamer, S., “Parçacık Sürüsü Optimizasyon Algoritması ile Bulanık – Nöral Ağ Eğitimi”, Yüksek Lisans, Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, (2007).
8. [8] H. Erkol, "Ters Sarkaç Sisteminin Yapay Arı Kolonisi Algoritması ile Optimizasyonu", Politeknik Dergisi, 2017, 20(4):863-868.

9. [9] Ayyildiz B., "Parçacık Sürüsü Optimizasyonu Kullanılarak Ters Sarkaç Sisteminin Kesir Dereceli PID ile Kontrolü," Akıllı Sistemler Dergisi, Akıllı Sistemlerde Yenilikler ve Uygulamaları (ASYU-2017), 2018, 1(1):98-102.
10. [10] Öztürk, S., Karakuzu, C., Kuncan, M., Erdil, A., “Fuzzy Neural Network Controller as a Real Time Controller Using PSO”, Academic Platform Journal of Engineering and Science, 2017, 5(1):15-22.
11. [11] Kuncan, M., Kaplan, K., “Position Determination by Using Image Processing Method in Inverted Pendulum.”, Middle East Journal, 2016, 1(2): 56-63.
12. [12] Çubukçu A., Öztürk S., Kuncan M., “DC Motor Hız Kontrolünün Görüntü İşleme ve OPC Kullanarak S7-1200’de Gerçeklenmesi”, Otomatik Kontrol Ulusal Toplantısı (TOK'2014), Kocaeli, 836-841, (2014).
13. [13] Kaplan K., Kuncan M., Polat H., Tepe B., Ertunç H., (2020). “PID ve Bulanık Mantık Tabanlı DC Motorun Gerçek Zamanlı Konum Kontrolü”, Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi Journal of the Institute of Science and Technology (FBED), 2020, 10 (2):900-916.
14. [14] Liu Y., Chen Z., Xue D., Xu X., “Real-Time Controlling of Inverted Pendulum by Fuzzy Logic”, IEEE International Conference on Automation and Logistics, China, 1180-1183, (2009).
15. [15] El-Hawwary M.I., Elshafei A.L., Emara H.M., Abdel Fattah H.A., Adaptive Fuzzy Control of the Inverted Pendulum Problem, IEEE Transactions on Control Systems Technology, 2006, 14(6):1135-1144.
16. [16] Shen J., Sanyal A.K., Chaturvedi N.A., “Dynamics and Control of a 3D Pendulum”, 43rd IEEE Conference on Decision and Control, Atlantis, 323-328, (2004).
17. [17] Laubenbacher R., Pengelley D., “Mathematical Expeditions: Chronicles by the Explorers”, Springer, ISBN 978-1-4612-0523-4, Newyork, (1999).
18. [18] Clerc M., “Standard Particle Swarm Optimisation”, Hal Id: hal-00764996, (2012).