Nötrosofik Üyelik Fonksiyonlu Bulanık Mantık-PID (NBMD-PID) ve Geleneksel Bulanık Mantık-PID (BMD-PID) Denetleyicinin Gerçek Zamanlı Karşılaştırılması

Bu çalışmada, giriş değişkenlerinin nötrosofik küme teorisindeki doğru (T), belirsiz (I) ve yanlış (F) üyelik fonksiyonları kullanılarak, evrensel küme üzerindeki dağılımlarının gruplandırıldığı nötrosofik üyelik değerli bulanık mantık-PID (NBMD-PID) denetleyici ile geleneksel bulanık mantık-PID denetleyicinin (BMD-PID) gerçek zamanlı karşılaştırılması yapılmıştır. Matlab/Simulink yazılımında NBMD-PID denetleyici ve geleneksel BMD-PID denetleyici tasarlanmıştır. NBMD-PID ve BMD-PID denetleyici kontrol bloklarından alınan kontrol sinyali ile sabit mıknatıslı doğru akım (PMDC) motorunun devir hızı gerçek zamanlı olarak kontrol edilmiştir. PMDC motor devir hızı, motor miline bağlı artımsal devir sensöründen alınan devir bilgileri PCI-1711 veri toplama (DAQ) kartı üzerinden bilgisayar (PC) ortamına aktarılarak ölçülmüştür. NBMD-PID ve BMD-PID denetleyici kontrol çıkış işaretine göre PCI-1711 veri toplama (DAQ) kartından alınan analog çıkış işareti, mikrodenetleyici ile PWM işaretine dönüştürülmüştür. PWM işareti motor sürücü devresine uygulanarak motor devir hızının, girişten istenen devir hızını takip etmesi sağlanmıştır. Buna göre her iki kontrolörden, girişten istenen hıza göre çıkış cevapları alınmış ve grafik sonuçları karşılaştırılmıştır. NBMD-PID kontrolöründen elde edilen sonuçların, klasik BMD-PID kontrolörden elde edilen sonuçlara göre, daha hızlı, daha az aşımlı ve daha kararlı olduğu görülmüştür

Real-Time Comparison of Fuzzy Logic-PID Controller Having Neutrosophic Membership Function (NFLC-PID) and Traditional Fuzzy Logic-PID (FLC-PID) Controller

In this study, the neutrosophic membership-valued fuzzy logic-PID (NFLC-PID) controller, in which distributions of its input variables grouped on the universal set by using the true (T), indeterminacy (I) and false (F) membership functions, has been compared in real-time with the conventional fuzzy logicPID controller (FLC-PID). In Matlab/Simulink software, NFLC-PID controller and conventional FLCPID controller are designed. Speed of the permanent magnet direct current (PMDC) motor is controlled by control signal obtaiıned from the NFLC-PID and FLC-PID controller control blocks, in real time. The PMDC motor speed is measured by transferring the speed pulses from the incremental speed sensor connected to the motor shaft to the computer (PC) using a PCI-1711 data acquisition (DAQ) card. Based on the NFLC-PID and the FLC-PID controller control output signal, the analog output signal from the PCI-1711 data acquisition (DAQ) card is converted to a PWM signal by the microcontroller. The PWM signal is applied to the motor drive circuit to ensure that the motor speed is followed by the desired speed. Consequently, the output responses are taken from the two controllers and plotted along with the desired speed input, then the graphical results are compared. The results obtained with the NFLC-PID controller are found to be faster, with less overshoot and more stable than the results obtained with the conventional FLC-PID controller

PDF

___

1. Zadeh, L. A., 1965. Fuzzy Sets, Information & Control, 8, 338-353.
2. Smarandache, F., 2002. Neutrosophy a New Branch of Philosophy, Multi. Val. Logic– Special Issue: Neutrosophy and Neutrosophic Logic, 8(3), 297-384 .
3. Smarandache, F., 2003. Definition of Neutrosophic Logic, a Generalization of the Intuitionistic Fuzzy Logic, Proceeding of the Third Conference of the European Society for Fuzzy Logic and Technology.
4. Shahrokhi, M., Zomorrodi, A., 2003. Comparison of PID Controller Tuning Methods, Proceedings of 8th National Iranian Chemical Engineering Congress, Ferdowsi University, Mashhad, Iran.
5. Hussain, K.M., Zepherin, R.A.R., Kumar, M.S., Kumar, S.M. G., 2014. Comparison of PID Controller Tuning Methods with Genetic Algorithm for FOPTD System, Int. Journal of Engineering Research and Applications, 4(2), (Version 1), 308-314.
6. Mitsantisuk, C., Nandayapa, M., Ohishi, K., Katsura, S., 2013. Design for Sensorless Force Control of Flexible Robot by using Resonance Ratio Control Based on Coefficient Diagram Method, Automatika, 54(1), special issue, selected papers from AMC2012 Conference, DOI:10.7305/automatika.54-1.311.
7. Mamdani, E.H., 1974. Application of Fuzzy Logic Algorithms for Control of Simple Dynamic Plant, Proc Inst Elec Eng.,1585-1588.
8. Karasakal, O., Yeşil, E., Güzelkaya, M., Eksin, İ., 2005. Implementation of a New Self-tuning Fuzzy PID Controller on PLC, Turkish Journal of Electrical Engineering & Computer Sciences, 13 (2), 277-286.
9. Tang, K.S., Man, K.F., Chen, G., Kwong, S., 2001. An Optimal Fuzzy PID Controller, Industrial Electronics, IEEE Transactions on 48(4), 757-765.
10.Carvajal, J., Chen, G., Ogmen, H., 2000. Fuzzy PID controller: Design, performance evaluation, and stability analysis, Information Sciences, 123(3–4), 249–270, DOI: 10.1016/S0020-0255(99)00127-9.
11. Aghaei , V.T., Onat, A., Eksin, I., Guzelkaya, M., 2015. Fuzzy PID Controller Design using Q-learning Algorithm with a Manipulated Reward Function, Control Conference (ECC), European, 2502-2507.
12. Godjevac, J., 1993. Comparison Between PID and Fuzzy Control, Internal Report R93.36I, Ecole Polytechnique Fédérale de Lausanne Département d’Informatique Laboratoire de Microinformatique.
13. Ali, O.A.M., Ali, A.Y., Sumait, B.S., 2015. Comparison between the Effects of Different Types of Membership Functions on Fuzzy Logic Controller Performance, International Journal of Emerging Engineering Research and Technology, 3(3), 76-83.
14.Can, M.S., Ozguven, O.F., 2016. Nötrosofik Üyelik Fonksiyonlu Bulanık Mantık Denetleyici ile Sabit Mıknatıslı Doğru Akım Motor Milinin Dönüş Açısının Kontrolü, EEB2016 Elektrik-Elektronik ve Bilgisayar Sempozyumu
15. Wang, H., Smarandache, F., Zhang, Y.Q., Sunderraman, R., 2010. Single Valued Neutrosophic Sets, Multispace and Multistructure (4), 410-413.
16. Arora, M., Pandey, U.S., 2012. Generalization of Functional Dependencies in Total of Functional Dependencies in Total Neutrosophic Relation, IJCSI International Journal of Computer Science, Issues, 9(3), No 2.
17. El-Bardini, M., El-Nagar, A.M., 2014. Interval Type-2 Fuzzy PID Controller for Uncertain Nonlinear Inverted Pendulum System, ISA Transactions, 53(3), 732-743.
18. Nie, M., Tan, W.W., 2011. Stable Adaptive Fuzzy PD Plus PI Controller for Nonlinear Uncertain Systems, Fuzzy Sets and Systems, 179(1), 1-19
19. Wu, H.N., 2007. Robust H2 Fuzzy Output Feedback Control for Discrete-time Nonlinear Systems with Parametric Uncertainties, International Journal of Approximate Reasoning, 46(1), 151-165.