Doğru akım motorunun genetik algoritmalar yardımıyla bilgisayar temelli PI-tip bulanık mantık kontrolü
PC based PI-type control of DC motor aided genetic algorithms
- Tez No: 106283
- Danışmanlar: PROF. DR. GALİP CANSEVER
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bulanık Kontrol, Genetik Algoritmalar, DC motor, Kural Taban Öğrenilmesi xii, Bulanık denetim, Bulanık mantık, Doğru akım motorları, Sayısal denetim, Fuzzy control, Genetic Algorithms, Rule Base, DC motor, Learning Control xui, Fuzzy logic, Direct current motors, Numerical control
- Yıl: 2001
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Günümüzde yaygın olarak endüstride kullanılmaya başlanılan -bulanık kontrol sistemlerinde en önemli kısım, sisteme ait kural tabanın oluşturulmasıdır. Çünkü iyi sonuçlar alınabilecek kural taban, ancak sistemi tanıyan ve sistem hakkında tecrübeye sahip bir uzman tarafından tanımlanabilir. Bu da sistem için gerekli kontrol yapışım oluşturmada, ancak uzun zaman alan denemeler sonucu başarılabilir. Son yıllarda bu ve benzeri problemler nedeniyle bulanık kontrol sistem için gerekli kural tabanı otomatik olarak öğrenme veya örneklerden çıkaracak araştırıcı yöntemler kullanma yoluna gidilmektedir. Bu çalışmada, bir DC motorun bulanık kontrolünde gerekli kural tabanın belirlenmesi için öğrenme metodları araştırılmış ve Bulanık Mantık kontrolör için Genetik Algoritmalar temelli yeni bir öğrenme algoritması geliştirilmiştir. Geliştirilen metod ile elde edilen PI-tip bulanık kontrolör, Bulanık Model Temelli Öğrenme algoritması (Layne J.R., Passino K.M., 1993) ile elde edilen PD-tip Bulanık kontrolör ve manuel olarak yapılandırılan bir bulanık kontrolör sonuçlan ile karşılaştırılmış ve geliştirilen öğrenme algoritmasının DC motorun bulanık kontrolünde başarılı sonuçlar verdiği gözlenmiştir. Bu tez çalışmasında, Bulanık Model Referans Öğrenen Control Algoritması (FMRLC- Fuzzy Model Reference Learning Control) ilk olarak DC Motor hız kontrolü için simulasyon bazda kullanılmış ve elde edilen sonuçlar“International Conference on Signal Process Applications And Technologies, Dallas, TX, October 2000, USA”konferansında sunulmuştur. Bu algoritma öğrenmeye dayalı olduğundan DC motor PD-tip bulanık kontrolör dizaynı için kullanılmıştır. FMRLC algoritması doğrudan bulanık kontrolör bilgi tabanım tasarlamak ve yeni durumlara karşı düzenlemek için otomatik öğrenmeye bağlı bir metod sağlamaktadır. PD-tip Bulanık Kontrolöre ait elde edilen kural tabanın tezde kullanılan DC motor transfer fonksiyonuna uygulanmasıyla elde edilen sonuçlar, bu tezde geliştirilen Genetik Bulanık Sisteme ait sonuçların değerlendirilmesinde kullanılmıştır. Bu tezde kullanılmak üzere, PC parallel portu üzerinde 8-bit olarak bilgi transferi olanağı sağlayan ve üzerinde motor sürme devresi ve hız geri bilgisi sağlayabilen bir dijital I/O (giriş- çıkış) arabirim oluşturulmuştur. Kontroller PC üzerinde oluşturularak on-line olarak motor kontrolü gerçekleştirilmiştir. Motor hız bilgisi arabirim üzerinden bilgisayara gönderilerek grafik üzerinde izlenmesi sağlanmıştır. DC motor hız kontrolü için Genetik temelli Bulanık Kontrol Kural Tabanı Öğrenme algoritması (GBS) geliştirilerek en uygun kurallar araştırılmıştır. Genetik Bulanık Kontrol Algoritması Turbo C programlama dili ile yazılmıştır. Kontrol edilecek sistemin parametreleri kullanılarak matematiksel modeli elde edilmiş ve ilk olarak bu model üzerinde uygulanmıştır. Off-line olarak elde edilen kural taban bulanık kontrol programına yerleştirilerek PC üzerinden tasarımı yapılan arabirim devresi üzerinden motora başarıyla uygulanmıştır. Alınan sonuçlar göz önüne alındığında GBS algoritması elde tasarlanan PI-tip Bulanık kontrolörün FMRLC öğrenme algoritması ile tasarımı yapılan PD-tip bulanık kontrol sistemine göre daha iyi performansa sahip olduğu görülmüştür. Genetik algoritmanın bir çözüm uzayında en iyiyi araştırma yapısından dolayı algoritmanın her çalıştınlışında farklı kural taban elde edilmektedir. Verimli sonuç alınması, algoritma çözüm havuzun geniş olarak seçilmesiyle orantılı olmakta fakat öğrenme zamanı açısından süreyi uzatmaktadır.
Özet (Çeviri)
ABSTRACT Today, Fuzzy Control are now considered as one of the most important applications of the fiizzy-rule-based systems which is widely being used in industry. The experience of skilled operators and the knowledge of control engineers are expressed qualitatively by a set of fiizzy control rules. The construction of fuzzy rules has been mainly based on the operator's control experience or actions. Genetic algorithms (GAs) are search algorithms based on the mechanics of natural selection and natural genetics. GAs have the properties that make them a powerful technique for selecting high-performance parameters for FLCs. In a few years many different approaches have been presented using the genetic algorithms (Gas) as a base of the learning process. Gas have demonstrated to be a powerful tool for automating the definition of the fuzzy control rule knowledge base. These approaches called the general name of genetic fuzzy systems (GFSs).We propose a GFS methodology based on three stages. In this thesis, genetic algorithms are used to learn PI-typefuzzy control rules for direct current motor speed control. Comparisons are made between systems utilizing learning rules and human expert based rules to verify the performance of the work. Recently GFS algorithm has been searched in developing well-performing fiizzy rule-base without help of human expertise. Learning the rale-base requires experience human with long time. Genetic Fuzzy System provides a method to design automatically the knowledge base a direct fuzzy controller. In this work, we are interested in automatically learning rule-base for a fuzzy logic based dc motor controller. At the same time, we provide an analysis of Genetic Fuzzy System for dc motor control system. It seems that we designed GFS is powerful method for control of dc motor and gives well performance. In this study, I have been used Pentium 120 mHz computer and Turbo C program. Hence, it provides an approach to computer aided design about automation for dc motor control system. As a result, this approach can provide a low-cost and robust means of design of the fuzzy rule-based controller. We achieved a result, the proposed genetic algorithm model has demonstrated its capabilities in term so high robustness, flexibility and reliability by consistently improving the performance of the fuzzy logic controller.
Benzer Tezler
- Fırçasız doğru akım motorlarının genetik tabanlı bulanık denetleyici ile sensörsüz kontrolü
Sensorless control of brushless dc motors by means of genetic based fuzzy controller
ÖMER AYDOĞDU
Doktora
Türkçe
2006
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. RAMAZAN AKKAYA
- Doğru akım motorunun bulanık mantık ile denetimi ve hafif metro tahrik sisteminde kullanılabilirliği
Fuzzy logic control of direct curret motor and using in light metro traction systems
ENGİN ÖZDEMİR
Doktora
Türkçe
1997
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik Ana Bilim Dalı
PROF. DR. ATIF URAL
- Doğrultucudan beslenen doğru akım motorunun davranışının incelenmesi
The Behavior of a dc motor fed from rectifier
ERGUN KANLIÇAY
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NURDAN GÜZELBEYOĞLU
- TMS320 Based signal processing: Brushless dc motor speed control with TMS 32010
Başlık çevirisi yok
BÜLENT ŞAHİN
Yüksek Lisans
İngilizce
1994
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA GÜNDÜZALP
- Sonlu elemanlar metodu ile doğru akım motorunun magnetik alan incelemesi
Başlık çevirisi yok
YUSUF ÖZOĞLU
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NURDAN GÜZELBEYOĞLU