Parçacık sürü optimizasyonu (PSO) kullanarak öz ayarlamalı PID kontrolör tasarım

Abstract

Bu tezde, doğru akım (DA) motor sisteminde yeni adaptif parçacık sürüsü optimizasyonu (APSO) algoritması kullanarak öz ayarlamalı PID kontrolör tasarımı yapılmıştır. PID kontrolörün manuel ayarlanması iyi bir performans sağlamadığı gibi, parametrelerinin ayarlanması zor ve sıkıcıdır. PID kontrolörün ayar işlemi, parçacık sürüsü optimizasyon (PSO) algoritması ile yapılmıştır. Eylemsizlik ağırlığı PSO algoritmasında en önemli parametre olup global ve yerel arama süreci arasında denge sağlamaktadır. PSO algoritmasının başlangıcından bu yana, uygun eylemsizlik ağırlığı belirlemek için farklı PSO algoritması stratejileri önerilmiştir. Bu çalışmada, parçacıkların uygunluk değerlerinin karşılaştırılmasına dayanılarak eylemsizlik ağırlığını ayarlamak için yeni bir strateji önerilmektedir.Adaptif parçacık sürüsü optimizasyonu algoritması (APSO), arama verimliliğini ve yakınsama hızını iyileştirmek için eylemsizlik ağırlığı, hızlanma katsayıları ve diğer algoritmik parametrelerin çalışma zamanında otomatik olarak kontrol edilmesini sağlamaktadır. Standart parçacık sürüsü optimizasyon algoritması (S-PSO) ve zamanla değişen eylemsizlik ağırlığı parçacık sürüsü optimizasyon algoritması (TVIW-PSO) ile karşılaştırıldığında, önerilen adaptif parçacık sürüsü optimizasyon (APSO) algoritması, hızlı yakınsama ve optimal çözüme doğru harekete devam açısından daha iyi performans vermektedir.

This thesis presents a self-tuning PID controller design using a new adaptive particle swarm optimization algorithm (APSO) for DC motor. Manual tuning of PID controllers does not provide good performance, difficult and tedious. The tuning process of PID controller is done by particle swarm optimization (PSO) algorithm. Inertia weight is the most important parameter in PSO algorithm, which provides a balance between the global and local search process. Since the beginning of inertia weight in PSO algorithm, Different strategies of PSO algorithm have been proposed in order to determine the appropriate inertia weight. In this paper, we propose a completely new strategy to adapt the inertia weight based on the fitness value of the particles.Adaptive particle swarm optimization algorithm (APSO) provides automatic control of inertia weight, acceleration coefficients and other algorithmic parameters over time to improve search efficiency and convergence speed. Comparing with standard particle swarm optimization (PSO) algorithm and time varying inertia weight particle swarm optimization (TVIW-PSO) algorithm, the proposed adaptive particle swarm optimization (APSO) algorithm gives better performance in terms of quick convergence capability and continues movement toward the optimal solution region.