Selection of a Drive Controllers' Parameters Using Genetic Algorithm and Different Quality Criteria

• Autorzy: Klempka R.

Warianty tytułu

PL

Dobór parametrów regulatorów silnika obcowzbudnego z użyciem algorytmu genetycznego dla różnych kryteriów jakości

• Języki publikacji: EN

Abstrakty

EN

Classic methods for control systems design consist in fulfilling given design objectives, e.g.: requirements for the system stability, overshoot of step response or closed-loop system poles location. It is difficult to take simultaneously into account all design requirements because of various compromises that should be made in the design process and the design technique constraints. The paper presents a possibility of employing artificial intelligence methods, in the form of genetic algorithm, as a tool for optimisation of parameters of DC drive controllers based on the drive model with minimum simplifications and taking into account nonlinear components. An additional merit of this work is comparison of drive controls according to various quality criteria, as well as the combination of these criteria. It seems that genetic algorithms can be successfully applied to optimisation controllers' parameters settings.

PL

Klasyczna metoda projektowania układów sterowania polega na spełnieniu odpowiednich założeń projektowych np. wymagania odnośnie stabilności układu, zadanego przeregulowania odpowiedzi na wymuszenie skokowe lub położenia biegunów układu zamkniętego. Uwzględnienie wszystkich założeń projektowych jednocześnie jest trudne z powodu różnorodności kompromisów, które należy dokonać podczas projektowania, oraz ograniczeń techniki projektowania. W niniejszym artykule zaprezentowano możliwość wykorzystania metod sztucznej inteligencji w postaci algorytmu genetycznego jako narzędzia do optymalizacji nastaw regulatorów silnika obcowzbudnego prądu stałego na podstawie jego modelu z minimalną liczbą uproszczeń oraz z elementami nieliniowymi. Dodatkową zaletą pracy jest zestawienie sterowania silnikiem według różnych kryteriów jakości jak również przy złożeniu tych kryteriów.

Słowa kluczowe

EN

DC motor drive; genetic algorithms; optimization methods; multicriteria optimization

PL

napęd prądu stałego; algorytm genetyczny; metody optymalizacji; optymalizacja wielokryterialna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 6
• Strony: 125--130
• Opis fizyczny: Bibliogr. 21 poz., rys., tab., wykr.

Twórcy

autor

Klempka R.

• AGH University of Science and Technology, Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering

Bibliografia

• [1]. Kalman R. E., Bucy R. S., New results in linear filtering and prediction theory, TRANS. ASME Ser. D. (J. Basic Engr.) 83 (1961), 95-107.
• [2]. Balas G. J., Doyle J. C., Glover K., Packard A., Smith R., -Analysis and Synthesis Toolbox, The MathWorks Inc., 1995,
• [3]. Chiang R. Y., Safonov M. G., Robust Control Toolbox, The MathWorks Inc., 1992,
• [4]. Doyle J. C., Guaranted margins for LQG regulators, IEEE Trans. Automat. Contr. AC-23 (Aug. 1978), 756-757.
• [5]. Doyle J. C., Glover K., Khargonekar P. P., Francis B. A., State-space solutions to standard H2 and H control problems, IEEE Trans. Automat. Contr. AC-34 (Aug.1989): 831-847,
• [6]. Francis B. A., A Course in H Control Theory, Lecture Notes in Control and Information Sciences, No 88, Springer-Verlag, 1987,
• [7]. Jamshidi M., Dos Santos Coelho L., Krohling R., Fleming P., Robust control systems with Genetic Algorithms, CRC Press, New York 2003
• [8]. Khargonekar P. P., Petersen I. R., Zhou H., H-optimal control with state-feedback, IEEE Trans. Automat. Contr., vol. 33, 786 - 788, 1988,
• [9]. Khargonekar P. P., Zhou K., An algebraic Riccati equation approach to H optimization, Syst. Contr. Lett., vol. II, 85 - 92, 1988,
• [10]. Gajer M., Zastosowanie algorytmu ewolucyjnego do analizy nieliniowych obwodów elektrycznych, Przegląd Elektrotechniczny 07/2010, 342-345
• [11]. Sarac V., Cvetkovski G., Różne modele silnika oparte na zmienności parametrów przy zastosowaniu algorytmów genetycznych, Przegląd Elektrotechniczny 03/2011, 162-165
• [12]. Gajer M., Zastosowanie algorytmów ewolucyjnych w obszarze badawczym Artificial Chemistry, Przegląd Elektrotechniczny 04/2011, 198-202,
• [13]. Eslami M., Shareef H., Mohamed A., Wykorzystanie technik sztucznej inteligencji przy projektowaniu systemów stabilizacji mocy systemu energetycznego, Przegląd Elektrotechniczny 04/2011, 188-197
• [14]. Eslami M., Shareef H., Mohamed A., Khajehzadeh M. Wykorzystanie algorytmu mrówkowego do równoczesnej kompensacji mocy biernej i stabilizacji systemu, Przegląd Elektrotechniczny 09a/2011, 343-347
• [15]. Younes M., Benhamida F. Hybrydowy algorytm genetyczny/mrówkowy jako metoda optymalizacji ekonomicznego rozsyłu energii, Przegląd Elektrotechniczny 10/2011, 369-372
• [16]. Munteanu T., Paduraru R., Rosu E., Gaiceanu M., Dumitriu T., Dache C. Napęd DC optymalizowany pod kątem oszczędności energii, Przegląd Elektrotechniczny 12a/2011, 57 - 65
• [17]. Berbaoui B., Benachaiba Ch., Rahli M., Tedjini H. Skuteczny algorytm strojenia parametrów kontrolera PI wykorzystujący algorytm mrówkowy, Przegląd Elektrotechniczny 06/2011,140 - 145
• [18]. Dems M., Wiak Sł., Rosiak W., Powierza J. Badania laboratoryjne układu napędowego złożonego z silnika BLDC i sterownika programowalnego PLC, Przegląd Elektrotechniczny 08/2010, 147 - 150
• [19]. Bendaha Y., Mazari B., Benghanem M. System sterowania trójfazowym silnikiem indukcyjnym przy wykorzystaniu logiki rozmytej i algorytmów genetycznych, Przegląd Elektrotechniczny 09/2010, 343 - 347
• [20]. R. Klempka, Genetic Algorithms in Control of Electromechanical Plant Comprising Nonlinear Elements, with Several Criteria of Quality, in Proc. Power Electronics and Motion Control Conf. EPE-PEMC’04, Ryga 2004,
• [21]. G. Zames, Feedback and optimal sensitivity: Model reference transformations, multiplicative seminorms, and approximate inverse, IEEE Trans. Automat.Contr., vol. AC-26, 301-320, 1981.