Evolutionary optimization of DC motor control system

• Autorzy: Samotyy, V.

Warianty tytułu

PL

Optymalizacja ewolucyjna układu sterowania silnikiem prądu stałego

• Języki publikacji: EN

Abstrakty

EN

The mathematical model of a DC motor control system’s dynamic work with series impulse was designed. Control is performed by thyristor’s ignition angle changing with doubling voltage. The parametric optimization was realized by genetic algorithm. The main genetic operators were crossover and mutation.

PL

Przedstawiono model matematyczny badania dynamiki układu sterowania silnika prądu stałego z wzbudzeniem szeregowym. Sterowanie zostało wykonane za pomocą zmiany kąta opóźnienia załączenia tyrystorów prostownika z podwajaniem napięcia. Optymalizacja parametryczna układu realizowana jest za pomocą algorytmu genetycznego. Głównymi operatorami genetycznymi wybrano krzyżowanie i mutację.

Słowa kluczowe

PL

algorytm genetyczny; osobnik; populacja; mutacja; funkcja celu; silnik prądu stałego

EN

genetic algorithm; individual; population; mutation; target function; DC motor

• Czasopismo: Czasopismo Techniczne. Elektrotechnika
• Rocznik: 2016
• Tom: Y. 113, iss. 3-E
• Strony: 215--227
• Opis fizyczny: Bibliogr. 12 poz., wykr., wz.

Twórcy

autor

Samotyy, V.

• Department of Automation and Information Technologies, Faculty of Electrical and Computer Engineering, Cracow University of Technology

Bibliografia

• [1] Kawecki L., Niewierowicz T., Hybrid Genetic Algorithm to Solve the Two Point Boundary Value Problem in the Optimal Control of Induction Motors, IEEE Latin America Transactions, vol. 12, 2014, 176–181.
• [2] Yacoub M.I., Necsulescu D.S., Sasiadek J.Z., Experimental evaluation of energy optimization algorithm for mobile robots in three-dimension motion using predictive control, 21st Mediterranean Conference on Control & Automation (MED’13), Platanias-Chania, Crete-Greece, 2013, 437–443.
• [3] Pahner U., Hameyer K., Belmans R., A parallel implementation of a parametric optimization environment – Numerical optimization of an inductor for traction drive systems, IEEE Transactions on Energy Conversion, vol. 14, 1999, 1329–1334.
• [4] Gan Junying, Zhang Youwei, Parametric optimization in nonlinear system based on genetic algorithms. 5th International Conference on Signal Processing Proceedings, WCCC-ICSP 2000, vol. 3, Beijing, China 2000, 2037–2041.
• [5] Burgard S., Farle O., Loew P., Dyczij-Edlinger R., Fast Shape Optimization of Microwave Devices Based onParametric Reduced-Order Models, IEEE Transactions on Magnetics, vol. 50, 2014, 629–632.
• [6] Chili-Wei Tsai, Chun-Liang Lin, Ching-Huei Huang, Microbrushless DC Motor Control Design Based on Real-Coded Structural Genetic Algorithm, IEEE/ASME Transactions on Mechatronics, vol. 16, 2011, 151–159.
• [7] Ishikawa T., Yonetake K., Kurita N., An Optimal Material Distribution Design of Brushless DCMotor by Genetic Algorithm Considering a Cluster of Material, IEEE Transactions on Magnetics, vol. 47, 2011, 1310–1313.
• [8] Tzes A., Pei-Yuao Peng, Guthy J., Genetic-based fuzzy clustering for DC-motor friction identification and compensation, IEEE Transactions on Control Systems Technology, vol. 6, 1998, 462–472.
• [9] Jong-Wook Kim, Sang Woo Kim, Parameter identification of induction motors using dynamic encoding algorithm for searches (DEAS), IEEE Transactions on Energy Conversion, vol. 20, 2005, 16–24.
• [10] Neenu Thomas, Dr. P. Poongodi, Position Control of DC Motor Using Genetic Algorithm Based PID Controller, Proceedings of the World Congress on Engineering, WCE 2009, vol. II, 2009, 1618–1622.
• [11] Samotyy V., Optymalizacja genetyczna przetwornika liczby faz, Technical Transactions, vol. 1-E/2012, 111–119.
• [12] Samotyy V., Labiak A., Matematyczna model nesymetrycznoji schemy wypriamlennia z podwojenniam napruhy, Awtomatyka, wymiriuwannia ta keruwannia: Wisnyk DU “Lwiwska politechnika”, № 283, 1994, 67–69.

Identyfikatory

DOI

10.4467/2353737XCT.16.278.6077