Artificial Bee Colony and Cuckoo Search Optimization Algorithms Based LQR Controller Design for Residual Vibration Control of Satellite Flexible Wings

Öz

The present study provides details on the design and performance analysis of the Artificial Bee Colony (ABC) and Cuckoo Search (CS) metaheuristic optimization algorithms for the multi-objective optimization of linear quadratic regulator (LQR) controller parameters for a flexible satellite wing. A novel multi-objective function was designed, taking into account significant parameters of control responses, and was optimized using ABC and CS metaheuristic algorithms. Different initial configurations were determined for the algorithms, and simulations were performed for 100 iterations for three different (10, 50, and 100) population sizes. The results obtained were compared to identify the configurations that led to more successful control responses. These configurations were then compared to some studies in the literature that used the same system. The obtained results were compared with the existing literature on PSO, m-PSO algorithms, and traditionally designed LQR controller studies to demonstrate the effectiveness of the proposed approach. The proposed multi-objective function and the Cuckoo Algorithm showed a superior performance of 37.56% compared to the PSO algorithm and 61.87% compared to the m-PSO algorithm in flexible satellite wing angle.

Anahtar Kelimeler

• Flexible Satellite Wings
• Multi-Objective Optimization
• LQR
• Artificial Bee Colony
• Cuckoo Search

Uydu Esnek Kanatlarının Artık Titreşim Kontrolüne Yönelik Yapay Arı Kolonisi Ve Guguk Kuşu Optimizasyon Algoritmaları ile LQR Denetleyici Tasarımı

Öz

Sunulan çalışma, esnek bir uydu kanadı için doğrusal kuadratik regülatör (LQR) denetleyici parametrelerinin çok amaçlı optimizasyonunda Yapay Arı Kolonisi ve Guguk Kuşu metasezgisel optimizasyon algoritmalarının tasarımı ve performans analizi hakkında ayrıntılar sunmaktadır. Kontrol yanıtlarının önemli parametreleri göz önünde bulundurularak yeni bir çoklu amaç fonksiyonu tasarlanmış ve Yapay Arı Kolonisi (ABC) ve Guguk Kuşu (CS) metasezgisel algoritmaları ile optimize edilmiştir. Algoritmaların başlangıç değerleri için farklı farklı üçer konfigürasyon belirlenerek bu konfigürasyonlar üç farklı (10,50 ve 100) popülasyon boyutu değerleri için 100 iterasyonda simülasyonlar yapılarak elde edilen sonuçlar karşılaştırılmıştır. Daha başarılı kontrol yanıtlarına ulaşan konfigürasyonlar ile literatürde aynı düzenek ile yapılan bazı çalışmalar karşılaştırılmaktadır. Elde edilen sonuçlar literatürde mevcut bulunan, PSO, m-PSO algoritmaları ve geleneksel tasarlanmış LQR denetleyici çalışmaları ile kıyaslanarak önerilen yaklaşımın etkinliği gösterilmiştir. Önerilen çoklu amaç fonksiyonu ve Guguk Kuşu Algoritması, esnek uydu kanadı sapma açısında PSO algoritmasına kıyasla %37,56 ve m-PSO algoritması ile karşılaştırıldığında ise %61,87 oranında daha üstün bir performans göstermiştir.

Anahtar Kelimeler

• Uydu Esnek Kanadı
• Çok Amaçlı Optimizasyon
• LQR
• Yapay Arı Kolonisi
• Guguk Kuşu Algoritması

Kaynakça

1. Xie, L., Yu, X., Chen, L. 2022. Robust fuzzy sliding mode control and vibration suppression of free-floating flexible-link and flexible-joints space manipulator with external interference and uncertain parameter, Robotica, 40(4), s. 997-1019. doi:10.1017/S0263574721000977
2. Conker, C., A. Kilic, S. Mistikoglu, S. Kapucu, H. Yavuz. 2014. An enhanced control technique for the elimination of residual vibrations in flexible-joint manipulators, Strojniški vestnik - Journal of Mechanical Engineering 60(9), s. 592-599. doi:https://doi.org/10.5545/sv-jme.2014.1698.
3. Conker, C., H. Yavuz, H.H. Bilgic. 2016. A review of command shaping techniques for elimination of residual vibrations in flexible-joint manipulators. Journal of Vibroengineering, 18(5), s. 2947-2958. doi:https://doi.org/10.21595/jve.2016.16725.
4. Singhose, W.E. 2009. Command shaping for flexible systems: A review of the first 50 years, International Journal of Precision Engineering and Manufacturing, 10(4), s. 153–168. doi:10.1007/s12541-009-0084-2
5. Kurode, S., Dixit, P. 2012. Output feedback control of flexible link manipulator using sliding modes. 2012 7th International Conference on Electrical and Computer Engineering, Dhaka, Bangladesh, 949-952. doi: 10.1109/ICECE.2012.6471708.
6. Bezsilla, J., Takarics, B., Vanek, B., Guo, J. 2022. Parameter Uncertainty Analysis in Precise Pointing Control of Flexible Spacecraft, IFAC-PapersOnLine, 55(20), s. 241-246. Doi:https://doi.org/10.1016/j.ifacol.2022.09.102.
7. Talebi, H.A., Khorasani, K., Patel, R.V. 1998. Neural network based control schemes for flexible-link manipulators: simulations and experiments, Neural networks, 11(7-8), s. 1357-1377. doi: 10.1016/s0893-6080(98)00038-0.
8. Pham, D. T. and M. Kalyoncu. 2009. Optimisation of a fuzzy logic controller for a flexible single-link robot arm using the Bees Algorithm, 2009 7th IEEE International Conference on Industrial Informatics, Cardiff, UK, 2009, pp. 475-480, doi: 10.1109/INDIN.2009.5195850

9. Hu, O.I., Wang, Z., Gao, H. 2008. Sliding mode and shaped input vibration control of flexible systems, IEEE Transactions on Aerospace and Electronic Systems, 44(2), s. 503-519. doi: 10.1109/TAES.2008.4560203.
10. Liu, F.C., Liang, L.H., Gao, J.J. 2014. Fuzzy PID Control of Space Manipulator for Both Ground Alignment and Space Applications, Int. J. Autom. Comput. 11, s. 353–360. https://doi.org/10.1007/s11633-014-0800-y
11. Özkaya, S. , Conker, Ç., Bilgiç, H.H. 2021. ESNEK ROBOT KOL SİSTEMİ İÇİN LQR DENETLEYİCİ PARAMETRELERİNİN METASEZGİSEL ALGORİTMALAR KULLANILARAK BELİRLENMESİ, Konya Journal of Engineering Sciences , 9(3), s. 735-752 . DOI: 10.36306/konjes.896087
12. Bilgiç, H.H., Şen, M.A., Yapici, A., Yavuz, H. Kalyoncu, M. 2021. Meta-Heuristic Tuning of the LQR Weighting Matrices Using Various Objective Functions on an Experimental Flexible Arm Under the Effects of Disturbance, Arabian Journal For Science And Engineering, Doi:10.1007/s13369-021-05428-7.
13. Solihin, M.I., Wahyudi, Legowo, A., Akmeliawati, R. 2010. Comparison of LQR and PSO-based state feedback controller for tracking control of a flexible link manipulator. 2nd IEEE International Conference on Information Management and Engineering. 354-358.
14. Kaya, F., Conker, Ç. 2020. Sarkaç Tipi Tepe Vinç Sistemi İçin Genetik Algoritma ve Termal Değişim Optimizasyon Algoritmaları ile LQR Denetleyici Tasarımı ve Performans Karşılaştırması. V. International Scientific and Vocational Studies Congress – Engineering (BILMES EN 2020), 127-139.
15. Ikizoğlu, S., Gürışık, O. 2018. LQR Based Optimal Control for Single-Joint Flexible Link Robot, 2018 6th International Conference on Control Engineering & Information Technology (CEIT), Istanbul, Turkey, 2018, s. 1-6. doi: 10.1109/CEIT.2018.8751937.
16. Dharavath, P.K., Ohri, J. 2021. Optimized Control Design of LQR for Flexible Joint Manipulator. In: Vadhera, S., Umre, B.S., Kalam, A. (eds) Latest Trends in Renewable Energy Technologies. Lecture Notes in Electrical Engineering, vol 760. Springer, Singapore. https://doi.org/10.1007/978-981-16-1186-5_22
17. Kumar, N., Ohri, J. 2020. Novel m-PSO Optimized LQR Control Design for Flexible Link Manipulator: An Experimental Validation, Majlesi Journal of Electrical Engineering, 14(2), s. 81-92.
18. Damaren, C.J. 1995. Passivity analysis for flexible multilink space manipulators, Journal of Guidance, Control, and Dynamics 18:2, s. 272-279. Doi: https://doi.org/10.2514/3.21380
19. Quanser Inc 2012 b “SRV02-Series Flexgage-Rotary Flexible link user manual”
20. Anderson, B.D., Moore, J.B. 2007. Optimal control: linear quadratic methods. Courier Corporation.
21. Karaboga, D., Basturk, B. 2007. A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm, Journal of Global Optimization, 39(3), s. 459-471. Doi: https://doi.org/10.1007/s10898-007-9149-x
22. Yang, X.S., Deb, S. 2008. Nature-inspired metaheuristic algorithms. Luniver Press, Bristol