Control of PID parameters by iterative learning based on neural network

• Autorzy: Karkar Nora , Nadjet Zarroug , Yamina Tighilt , Benmhamed Khier

Identyfikatory

DOI

10.15199/48.2021.04.28

Warianty tytułu

PL

Sterowanie PID przy wykorzystaniu uczenia iteracyjnego bazującego na sieciach neuronowych

• Języki publikacji: EN

Abstrakty

EN

Iterative learning refers to the development, analysis and implementation of methods that allow a machine to evolve through a learning process, and thus perform tasks that are difficult or impossible to perform by more conventional algorithmic.Learning is a dynamic and iterative process for modifying the parameters of a network in response to the stimuli it receives from its environment. The type of learning is determined by how parameter changes occur. In this article , we contribute to the design and development of an algorithm, that can optimize the parameters of a PID controller for the control of repetitive system, using the iterative learning approach based on neural network. The theoretical are illustrated by simulation. The results of simulations prove clearly the efficiency of the control by iterative learning based on neural network.

PL

Uczenie się iteracyjne odnosi się do rozwoju, analizy i wdrażania metod, które pozwalają maszynie rozwiązywać problem w procesie uczenia się, a tym samym wykonywać zadania, które są trudne lub niemożliwe do wykonania przy użyciu bardziej konwencjonalnego algorytmu. Rodzaj uczenia się zależy od tego, jak zachodzą zmiany parametrów. W tym artykule zaprojektowano i opracowano algorytmu, który może zoptymalizować parametry regulatora PID, wykorzystując podejście iteracyjnego uczenia się w oparciu o sieć neuronową. Wyniki symulacji jednoznacznie dowodzą skuteczności sterowania poprzez iteracyjne uczenie się w oparciu o sieć neuronową.

Słowa kluczowe

EN

learning process; PID controller; dynamic process; CSTR

PL

uczenie iteracyjne; regulator PID; sieć neuronowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2021
• Tom: R. 97, nr 4
• Strony: 158--161
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Karkar Nora

• Faculty of engineering, Department of Electronic, University Ferhat Abbas of Setif, Algeria

autor

Nadjet Zarroug

• Faculty of engineering, Department of Electronic, University Ferhat Abbas of Setif, Algeria

autor

Yamina Tighilt

• Faculty of engineering, Department of Electronic, University Ferhat Abbas of Setif, Algeria

autor

Benmhamed Khier

• Faculty of engineering, Department of Electronic, University Ferhat Abbas of Setif, Algeria

Bibliografia

• [1]Uchiyama, M. "Formation of high speed motion pattern of mechanical arm by trial",Journal of Society of nstrumentation and Control Engineers (Jpn),19,p.706-712,1978.
• [2] S. Arimoto, S. Kawamura and F. Miyazaki, “Bettering operation of robots by learning”, J. of Robot. Syst.Vol. 1, No. 2, pp. 123- 140, 1984. https://doi.org/10.1002/rob.4620010203.
• [3]G. Casalino and G. Bartolini. A learning procedure for the control of movements of robotic manipulators. In IASTED symposium on robotics and automation, pp108- 111,Amsterdam,Holland,1984.
• [4] J.J.Craig "Adaptive Control of Manipulators Through Repeated Trials".Proc. American Control Conference, San Diego. June 1984, 1566-1573.
• [5] M. Yu, X. Ye, and D. Qi, “Repetitive learning control for triangular systems with unknown control directions,” IET Control Theory & Applications, vol. 5, no. 17, pp. 2045–2051, 2011. doi: 10.1049/iet-cta.2010.0606.
• [6]B.Richard,"application d’un algorithme de contrôle par apprentissage itératif à un four de thermoformage et identification des paramètres assurant l’uniformité de température",Master's thesis Montréal, 2012.
• [7] PID Controllers: Theory, Design and Tuning, Second Edition, K.J Åström and T. Hägglund, Instrument Society of America, 1995.
• [8]J.Li, A.Gómez-Espinosa "Improving PID control based on Neural Network", 2018 International Conference on Mechatronics, Electronics and Automotive Engineering (ICMEAE).DOI 10.1109/ICMEAE.2018.00042
• [9]Kurser.Iha.dk,“ Ziegler Nichols method”,http://kurser.iha.dk/m/mtpri1/control/3_PID/f_ziegler/zi egler_nichols_method.html#Ziegler-Nichols_method,Published unknown date.Retreived 2018-05-14.
• [10] E.Rogers, K. Galkowski,and D.H. Owens," Control Systems Theory and Applications for Linear Repetitive Processes", Springer-Verlag Berlin Heidelberg 2007.
• [11]M.Muthuramalingam,P.S.Manoharan," Simulation and Experimental validation of Distributed MPPT algorithms for partially shaded Photovoltaic systems", Przegląd elektrotechniczny,2014.
• [12]S.Chen,and J.T. Wen "Industrial Robot Trajectory Tracking Using Multi-Layer Neural Networks Trained by Iterative Learning Control",arXiv preprint arXiv:1903.00082, 2019.
• [13]J. Liu," Intelligent control design and Matlab simulation", Tsinghua University Press, Beijing and Springer Nature Singapore Pte Ltd. 2018.
• [14] Qian GAO, Guangxia LI," A Traffic Prediction Method based on ANN and Adaptive Template Matching", Przegląd elektrotechniczny,2011.
• [15] M. M. Lund," Variable-volume operation of a stirred tank reactor", doctoral thesis ,lovia State University Of Science and Technology Ames, Iowa 1970.
• [16] S. Anbu and M. Senthilkumar," Modelling and Analysis of Continuous Stirred Tank Reactor through Simulation",Asian Journal of Engineering and Applied Technology, ISSN 2249- 068X Vol.7 No.1, 2018.
• [17] S.Durgadevi and al," Comparative study of Controller Optimisation for CSTR using Particle Swarm Optimization Technique",ICEES 2019 Fifth International Conference on Electrical Energy Systems, 21- 22 February 2019, SSN College of Engineering, Chennai, India. DOI:10.1109/icees.2019.8719302.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).