Zastosowanie algorytmu BAT w optymalizacji obliczeń adaptacyjnego regulatora stanu układu dwumasowego

• Autorzy: Kamiński M.

Identyfikatory

DOI

10.15199/48.2017.01.71

Warianty tytułu

EN

Application of the BAT algorithm in optimization of adaptive state space controller used for two-mass system

• Języki publikacji: PL

Abstrakty

PL

W publikacji analizowany jest regulator stanu, którego parametry podlegają adaptacji zgodnie z regułą Widrowa-Hoffa. Stały współczynnik wykorzystywany przy wyznaczaniu poprawek regulatora stanu wyznaczono za pomocą algorytmu BAT. Sterowanym obiektem jest układ dwumasowy. Przedstawiono analizę właściwości dynamicznych struktury sterowania, wykonano badania dla znamionowych oraz zmodyfikowanych parametrów obiektu, a także porównano działanie klasycznego oraz adaptacyjnego regulatora stanu. Zaprojektowany regulator zaimplementowano w karcie dSPACE1103, a następnie przeprowadzono testy na stanowisku laboratoryjnym.

EN

In article adaptive state space controller is analyzed. Parameters are recalculated according to Widrow-Hoff rule. Inside adaptation algorithm, the constant value of learning rate is selected using BAT algorithm. The plant used in control structure is two-mass system. Dynamical properties of proposed controller are considered. Results are prepared for nominal and disturbed parameters of the plant. Comparison between classical and adaptive controller is also presented. Designed controller has been implemented in dSPACE1103 card, then experiment was prepared.

Słowa kluczowe

PL

adaptacyjny regulator stanu; współczynnik uczenia; algorytm BAT; układ dwumasowy

EN

adaptive state space controller; learning coefficient; bat algorithm; two-mass system

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2017
• Tom: R. 93, nr 1
• Strony: 300--304
• Opis fizyczny: Bibliogr. 18 poz., schem., wykr.

Twórcy

autor

Kamiński M.

• Politechnika Wrocławska, Katedra Maszyn, Napędów i Pomiarów Elektrycznych, ul. Smoluchowskiego 19, 50-372 Wrocław

Bibliografia

• [1] Serkies P.J., Predykcyjna regulacja prędkości serwonapędu PMSM z połączeniem sprężystym przy różnym blokowaniu sterowań, Przegląd Elektrotechniczny, 91 (2015), nr.11, 271- 274
• [2] Deskur J., Pajchrowski T., Zawirski K., Speed controller for a drive with complex mechanical structure and variable parameters, Proc. of 16th International Power Electronics and Motion Control Conference and Exposition (PEMC), (2014), 762-767
• [3] Dróżdż K., Szabat K., Adaptacyjne sterowanie układu dwumasowego z wykorzystaniem rozmytego filtru Kalmana, Przegląd Elektrotechniczny, 90 (2014), nr.6, 40-44
• [4] Tomei P., A simple PD controller for robots with elastic joints, IEEE Trans. Aut. Control, 36 (1991), no.10, 1208-1213
• [5] Hace A., Jezernik K., Sabanovic A., Improved Design of VSS controller for a linear belt-driven servomechanism, IEEE Trans. Mechatronics, 10 (2005), no.104, 385-390
• [6] Valenzuela M. A., Bentley J. M., Lorenz R. D., Evaluation of torsional oscillations in paper machine sections, IEEE Trans. Ind. Applications, 41 (2005), no.2, 493-501
• [7] Beinke S., Wertz H., Schutte F., Grotstollen H., Frohleke N., Identification of nonlinear two-mass systems for selfcommissioning speed control of electrical drives, Proceedings of the 24th Annual Conference of the IEEE Industrial Electronics Society, 4 (1998), no.2, 2251-2256
• [8] Szabat K., Zastosowanie regulatora stanu w strukturze sterowania układu dwumasowego, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej, 62 (2008), nr 28, 452-457
• [9] Szabat K., Orłowska-Kowalska T., Adaptive control of the electrical drives with the elastic coupling using Kalman filter, Adaptive Control, 4 (2009), 205-226
• [10] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, 2006
• [11] Fausett L.V., Fundamentals of Neural Networks: Architectures, Algorithms And Applications, Prentice Hall, 1993
• [12] Widrow B., Lehr M.A., 30 years of adaptive neural networks: perceptron, Madaline, and backpropagation, Proceedings of the IEEE, 78 (1990), n. 9, 1415-1442
• [13] Chaoui H., Sicard P., Gueaieb W., ANN-Based Adaptive Control of Robotic Manipulators With Friction and Joint Elasticity, IEEE Trans. Ind. Electronics, 56 (2009), n. 8, 3174- 3187
• [14] Behera L., Kumar S., Patnaik A., On Adaptive Learning Rate That Guarantees Convergence in Feedforward Networks, IEEE Trans. Neural Networks, 17 (2006), n. 5, 1116-1125
• [15] Orlowska-Kowalska T., Kaminski M., Adaptive neural speed controllers applied for a drive system with an elastic mechanical coupling – A comparative study, Engineering Applications of Artificial Intelligence, 45 (2015), 152-167
• [16] Yang X.-S., A New Metaheuristic Bat-Inspired Algorithm, in: Nature Inspired Cooperative Strategies for Optimization (NISCO 2010) (Eds. J. R. Gonzalez et al.), Studies in Computational Intelligence, Springer Berlin, 284, Springer, (2010), 65-74
• [17] Tanomaru J., Omatu S., Process Control by On-Line Trained Neural Controllers, IEEE Trans. Ind. Electronics, 39 (1992), n. 6, 511-521
• [18] Tarczewski T., Grzesiak L., Wawrzak A., Karwowski K., Erwiński K., Układ laboratoryjny napędu z silnikiem PMSM sterowanym z kształtującego napięcie ciągłe 3-poziomowego falownika napięcia typu NPC, Przegląd Elektrotechniczny, 90 (2014), nr.6, 166-171

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).