توضیحات
تحقیق مقایسه کاربردهای صنعتی روشهای متنوع هوش مصنوعی در کنترلرهای PID
بیمه با توسعه تئوری کنترل هوشمند، امکان ترکیب روش های هوشمند با کنترل کلاسیک PID به خصوص برای محاسبه ضرایب آن به صورت برخط[1] یا غیربرخط[2] فراهم شده تا پاسخ سیستم و مقاومت آن بهبود پیدا کند. از جمله مهمترین ترکیب کنترل کننده های PID با روش های هوشمند، کنترل کننده PID فازی و کنترل کننده PID- شبکه عصبی می باشند. مثلا روشی که در آن از بهینه سازی جمعیتی (PSO)[3] استفاده شده تا عملکرد کنترل کننده ی خود تنظیم با توجه به تابع هزینه [4] تعریف شده که می تواند شامل پارامترهای سیگنال کنترل و خطا باشد، بهبود یابد. پارامترهای کنترل کننده هوشمند را باید به گونه ای تنظیم کرد که در شرایط سخت و در شرایط عدم توانایی کنترلر PID بتواند سیگنال کنترل را طوری تغییر دهد که اثر اغتشاش های ناخواسته را جبران کند و در عین حال هزینه ی کنترلی چندانی نیز نداشته باشد. عدم قطعیت مدل، اغتشاش و تغییر پارامترها عناصری هستند که پس از طراحی کنترل کننده برای یک فرآیند خاص باید قابل جبران سازی باشند. از این رو بکار گیری روش های هوش مصنوعی در کنترلرهای PID خود تنظیم نسبت به کنترلرهای PID معمولی و رایج ، کارآیی و عملکرد بهتری در فرآیند های صنعتی که در عمل در معرض اغتشاش و تغییر پارامترها قرار دارند ، ارائه خواهند کرد. در این پژوهش نیز بر اساس همین رویکرد ، کنترل کننده های هوشمند PID خود تنظیم در کاربردهای صنعتی که سبب بهبود عملکرد کنترل کننده و مقاومت در شرایط حضور اغتشاش می شوند ، بطور خلاصه بررسی و مقایسه گردیده و مزایا و معایب آنها ارائه می گردد.
فهرست مطالب تحقیق مقایسه کاربردهای صنعتی روشهای متنوع هوش مصنوعی در کنترلرهای PID
- بیان موضوع و پیشینه تحقیق:
- اهداف
- کاربرد کنترلر با قابلیت خود تنظیم PID برای درایو مستقیم SRM در کنترل فشار هیدرولیک.
- طراحی و شبیه سازی سیستم کنترلی فازی تطبیق کنترل برای یک سیستم HVAC
- کنترل خود تظبیق پذیر PID برای رگولاتور های چندمنظوره به کار رفته در ربات ها
- کنترل سرعت با استفاده از منطق فازی خود تطبیق پذیر در یک موتور القایی میدان غیر مستقیم
- کنترلر فازی خود تطبیق پذیر PID با استفاده از الگوریتم ژنتیک برای سیستم های ترمز ضد قفل
- کنترل کننده فازی خود تنظیم شونده برای ردیابی بازوی ربات
- کنترل کننده خود تنظیم شونده PI برای کنترل سرعت درایور های موتور های الکتریکی
- کنترلر خود تنطیم شوند ه برای کنترل سیستم تحریک
- کنترل کننده خود تنظیم شونده با استفاده از روش نیکولاس-زیگلر برای کنترل کننده های منطقی قابل برنامه ریزی
- کنترل خود تنظیم شونده در یک سیستم میل لنگ مکانیکی با استفاده از روش PSO
- کنترل فازی دمای سیستم لیرز با استفاده از الگوریتم کنترلر PID خود تنظیم شونده
- مراجع
منابع تحقیق مقایسه کاربردهای صنعتی روشهای متنوع هوش مصنوعی در کنترلرهای PID
[1] Kuan-Yu Chen, Pi-Cheng Tung, Mong-Tao Tsai, Yi-Hua Fan, “A self-tuning fuzzy PID-type controller design for unbalance compensation in an active magnetic bearing”, Expert Systems with Applications, vol. 36, pp. 8560-8570, 2009. [2] Jian-ming Zheng, Sheng-dunZhao, Shu-guoWei, “Application of self-tuning fuzzy PID controller for a SRM direct drive volume control hydraulic press”, Control Engineering Practice, vol. 17, pp. 1398-1404, 2009. [3] Servet Soyguder, Mehmet Karakose, Hasan Alli, “Design and simulation of self-tuning PID-type fuzzy adaptive control for an expert HVAC system”, Expert Systems with Application, vol. 36, pp. 4566-4573, 2009. [4] J. L. Meza, V. Santibáñez, R. Soto, M. A. Llama, “Fuzzy Self-Tuning PID Semiglobal Regulator for Robot Manipulators”, IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, vol. 59, pp. 2709-2717, 2012. [5] Wei Jiang, Xuchu Jiang, “Design of an Intelligent Temperature Control System Based on the Fuzzy Self-tuning PID”, International Symposium on Safety Science and Engineering, China, Procedia Engineering, vol. 43, pp. 307 – 311, 2012. [6] Mavungu Masiala, Behzad Vafakhah, John Salmon, Andrew M. Knight, “Fuzzy Self-Tuning Speed Control of an Indirect Field-Oriented Control Induction Motor Drive”, IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS, vol. 44, no. 6, pp. 1732-1740, 2008. [7] Abdel BadieSharkawy, “Genetic fuzzy self-tuning PID controllers for antilock braking systems”, Engineering Applications of Artificial Intelligence, vol. 23, pp. 1041-1052, 2010. [8] Jorge Armendariz, Vicente Parra-Vega, Rodolfo García-Rodríguez, Sergio Rosales, “Neuro-fuzzy self-tuning of PID control for semiglobal exponential tracking of robot arms”, Applied Soft Computing, vol. 25, pp. 139-148, 2014. [9] Mohamed S. Zaky, “A self-tuning PI controller for the speed control of electrical motor drives”, Electric Power Systems Research, vol. 119, pp. 293-303, 2015. [10] Yue Fu and Tianyou Chai, “Self-Tuning Control With a Filter and a Neural Compensator for a Class of Nonlinear Systems”, IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, vol. 24, no. 5, pp. 837-843, 2013. [11] Kiyong Kim, Pranesh Rao, Jeffrey A. Burnworth, “Self-Tuning of the PID Controller for a Digital Excitation Control System”, IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS, vol. 46, no. 4, pp. 1518-1524, 2010. [12] Aiwen Guo1, Jiandong Yang, “Self-tuning PID Control of Hydro-turbine Governor Based on Genetic Neural Networks”, Springer-Verlag Berlin Heidelberg, pp. 520-528, 2007. [13] T. Yucelen, O. Kaymakci, S. Kurtulan, “Self Tuning PID Controller Using Ziegler Nichols for Programmable Logic Controllers”, IFAC Proceedings Volumes, vol. 39, no. 14, pp. 11-16, 2006. [14] Chih-Cheng Kao, Chin-Wen Chuang, Rong-Fong Fung, “The self-tuning PID control in a slider–crank mechanism system by applying particle swarm optimization approach”, Mechatronics, vol. 16, pp. 513-522, 2006. [15] Buyun Wang, Linna Ma, Xiaoyan Liu, Jianguang Zhou, “The Temperature Control of Laser Thermal Desorption System Based on Parameters Self-Tuning Fuzzy PID Algorithm”, Practical Applications of Intelligent Systems, Advances in Intelligent Systems and Computing, vol. 279, pp. 947-953, 2014.توجه:
این تحقیق شامل یک فایل ورد 53 صفحه ای می باشد
لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.
به منظور سفارش تحقیق مرتبط با رشته تخصصی خود بر روی کلید زیر کلیک نمایید.
سفارش تحقیق
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.