BİLYE ÇEMBER SİSTEMİNİN OPTİMUM PID KONTROLÖR TASARIMINDA KLONAL SEÇİM İLKESİNE DAYALI YARA İYİLEŞTİRME ALGORİTMASININ KULLANILMASI

Sistemleri kontrol etmek için belirsizlikler veya lineer olmayan etkilerle ilgili kontrol stratejilerinin geliştirilmesi gerekmektedir. Bilgisayar teknolojisinin hızla gelişmesiyle birlikte geliştirilen optimizasyon algoritmaları kontrol sistemindeki belirsiz matematiksel karakteristikler veya lineersizlik yardımıyla kalıcı durum cevabını geliştirmek için sıklıkla kullanılmaktadır. Bu çalışmada yapay bağışıklık ilkesine dayanan klonal seçim ilkesi tabanlı geliştirilen yara iyileşme algoritması yardımıyla optimum PID kontrolör tasarlanmıştır. Örnek kontrol sistemi olarak bilye ve çember sistemi (ball and hoop system) kullanılmıştır. PID parametrelerinin geliştirilen algoritma yardımıyla ayarlanabilmesi için amaç fonksiyon olarak integral absolute error (IAE) seçilmiştir. Böylece sistem optimum çözüme hızlı bir şekilde ulaşmış ve zamandan da tasarruf edilmiştir. Elde edilen sonuçlar diğer algoritmalar ile kıyaslanarak önerilen algoritmanın üstünlükleri ispatlanmıştır. Bunu başarabilmek için Matlab GUI ortamında program yazılmıştır.

Anahtar Kelimeler:

Yapay bağışıklık sistemi, Klonal seçim ilkesi, Yara iyileşme algoritması, PID ayarlama, Bilye çember sistemi

PDF

___

[1] Brogan WL. Modern Control Theory. Upper saddle river, NJ: Prentice Hall,1985.
[2] Tan N. Computation of stabilizing PI and PID controllers for processes with time delay. ISA Transactions 2005; 44(2): 213–223.
[3] Barbosa RS, Machado JAT, Ferreira IM. Tuning of PID controllers based on Bode’s ideal transfer function. Nonlinear Dynamics 2004; 38(1): 305–321.
[4] Aström K, Högglund T. PID Controllers: Theory, Design and Tuning. New York, Instrument Society of America,1995.
[5] Cao M, Watkins JM, O’Brien RT. A graphical user interface for a unified approach for continuous time compensators design. Computers in Education 2009; 19(1): 49-59.
[6] Alataş B, Akın E. Yapay Zekada Yeni Bir Alan: Yapay Bağışıklık Sistemleri, YA-EM'2004 Kongresi, 2004,Adana, Haziran, 464-466.
[7] Kaymaz ED. Yapay Bağışıklık Sistemi Tabanlı K-NN Sınıflandırma Algoritması İle Protein Örüntülerinin Hücredeki Yerleşim Yerlerinin Belirlenmesi. Yüksek Lisans Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü,2007, Elazığ.
[8] Souza SSF, Romero R, Franco JF. Artificial immune networks Copt-aiNet and Opt-aiNet applied to the reconfiguration problem of radial electrical distribution systems. Electric Power Systems Research 2015; 119: 304-312.
[9] Farkh R, Laabidi K, Ksouri M. Stabilizing Sets of PI / PID Controllers for Unstable Second Order Delay System. Intenational Journal of Automation and Computing 2014; 11(2): 210-222.
[10] Xue D, Chen Y, Atherton DP. Linear feedback control: analysis and design with MATLAB, Siam, 2007.
[11] Sreekanth P, Hari A. Genetic algorithm based self tuning regulator for ball and hoop system. IEEE Conference on Emerging Devices and Smart Systems (ICEDSS), 2016, Namakkal, India,4-5 March.
[12] Kaliappan VK, Thathan M. Enhanced ABC Based PID Controller for Nonlinear Control System. Indian Journal of Science and Technology 2015; 8(7): 48-56.
[13] Davendra D, Zelinka I, Senkerik R. Chaos driven evolutionary algorithms for the task of PID Control. Computers & Mathematics with Applications 2010; 60(4): 1088–1104.
[14] Mojallali H, Gholipour R, Khosravi A, Babaee, H. Application of chaotic particle swarm optimization to PID parameter tuning in ball and hoop system. International Journal of Computer and Electrical Engineering 2012; 4(4): 452– 457.
[15] Jain N, Parmar G, Gupta R, Khanam I. Performance evaluation of GWO/PID approach in control of ball hoop system with different objective functions and perturbation. Cogent Engineering 2018; 5(1): 1-18.
[16] Morkos S, Kamal, H. (2012). Optimal tuning of PID controller using adaptive hybrid particle swarm optimization algorithm. International Journal of Computers, Communications & Control 2012; 7(1): 101–114.