Optymalizacja rozmytego filtru Kalmana przy wykorzystaniu algorytmów genetycznych

• Autorzy: Dróżdż K.

Warianty tytułu

EN

Application of the genetic algorithms for optimization of the fuzzy Kalman filter

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zagadnienia związane z optymalizacją rozmytego filtru Kalmana, pracującego w adaptacyjnej strukturze sterowania układu dwumasowego. Omówiono przykłady współczesnych struktur sterowania układów elektrycznych z połączeniem sprężystym, wymagających zastosowania metod estymacji zmiennych stanu obiektów dynamicznych. Szczególną uwagę zwrócono na estymatory oparte na teorii filtru Kalmana. Scharakteryzowano ich problematykę oraz przedstawiono możliwości zastosowania algorytmów genetycznych. Przedstawiono obiekt badań, model matematyczny oraz algorytmy genetyczne. Zaprezentowano proces optymalizacji rozmytego filtru Kalmana przy ich wykorzystaniu. Przedstawiono wyniki badań przy zastosowaniu obserwatora w otwartej oraz zamkniętej strukturze sterowania.

EN

This paper deals with a problem of a fuzzy Kalman filter optimization for an adaptive control structure of a two-mass drive system. In the introduction section of this paper modern control structures of electrical drives with elastic joint are discussed. For their application state variables estimation of a dynamic object are required. A particular attention is given to the observers based on the Kalman filter theory. Additionally, the problematic aspects of the observer applying design by using genetic algorithm are considered. Moreover, the remainder of the paper is organized as follows. First, the object of research and its mathematical model are described. Subsequently, genetic algorithms are discussed. Next, the optimization process of the fuzzy Kalman filter using genetic algorithms is presented. The simulation results of the drive performance in a open and closed-loop control structure are shown.

Słowa kluczowe

PL

algorytm genetyczny; optymalizacja; filtr Kalmana; układ dwumasowy

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2013
• Tom: Vol. 69, nr 33
• Strony: 141--155
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Dróżdż K.

• Instytut Maszyn Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej, ul. Smoluchowskiego 19, 50-372 Wrocław

Bibliografia

• [1]BIAŁOŃ T., PASKO M., Wielokryterialny dobór parametrów proporcjonalnego obserwatora strumieni magnetycznych silnika indukcyjnego przy wykorzystaniu algorytmu genetycznego, Zeszyty Problemowe BOBRME-KOMEL – Maszyny Elektryczne, nr 91, 2011, 51–54.
• [2]DRÓŻDŻ K., SZABAT K., Zastosowanie rozmytego filtru Kalmana w adaptacyjnej strukturze sterowania układu dwumasowego, XI Konferencja Naukowa Sterowanie w Energoelektronice i Napędzie Elektrycznym, SENE 2013: Łódź, 20–22.11.2013, Wydawnictwo Politechniki Łódzkiej, 2013, 1–6.
• [3]HIRVONEN M., PYRHÖNEN O., HANDROOS H., Adaptive nonlinear velocity controller for a flexible mechanism of a linear motor, Mechatronics, Vol. 16, No. 5, 2006, 279–290.
• [4]ITOH D., IWASAKI M., MATSUI N., Optimal design of robust vibration suppression controller using genetic algorithms, IEEE Transaction on Industrial Electronics, Vol. 51, No. 5, 2004, 947–953.
• [5]LOW K.S., WONG T.S., A multi objective genetic algorithm for optimizing the performance of hard disk drive motion control system, IEEE Transaction on Industrial Electronics, Vol. 43, No. 3, 2007, 1716–1725.
• [6]MICHALEWICZ Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne, Wydawnictwa Naukowo-Techniczne, Warszawa 1996.
• [7]ORŁOWSKA-KOWALSKA T., Metody sztucznej inteligencji w identyfikacji, estymacji zmiennych stanu i sterowaniu napędów elektrycznych, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej, Studia i Materiały, Vol. 58, Nr 25, 2005, 109–133.
• [8]SERKIES P.J., SZABAT K., Adaptacyjny filtr Kalmana dla układu napędowego z połączeniem sprężystym, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej, Studia i Materiały, Vol. 66, Nr 32, 2012, 118–124.
• [9]SZABAT K., ORŁOWSKA-KOWALSKA T., Optimal design of the extended Kalman filter for the two-mass system using genetic algorithm, Archive of Electrical Engineering, Vol. 55, nr. 3/4, 2006, 237–254.
• [10]SZABAT K., ORŁOWSKA-KOWALSKA T., Performance Improvement of Industrial Drives With Mechanical Elasticity Using Nonlinear Adaptive Kalman Filter, Transaction on Industrial Electronics, Vol. 55, No. 3, 2008, 1075–1084.
• [11]SZABAT K., Struktury sterowania elektrycznych układów napędowych z połączeniem sprężystym, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej, nr 61,Wrocław 2008.
• [12]XIANGWU Y., YANG Y., QI G., HECHUAN Z., WEI Q., Electric vehicle battery SOC estimation based on fuzzy Kalman filter, 2nd International Symposium on Instrumentation and Measurement, Sensor Network and Automation (IMSNA), 2013, 863–866.
• [13]YADAIAH N., SRIKANTH T., RAO V.S., Fuzzy Kalman Filter based trajectory estmation, 11th International Conference on Hybrid Intelligent Systems (HIS), 2011, 566–571.
• [14]ZHEN D., LEUNG H., CHAN K., Model-set adaptation using a fuzzy Kalman filter, Proceedings of the Third International Conference on Information Fusion, FUSION 2000, 2000, Vol. 1, p. MOD2/3-MOD2/9