Araştırma Makalesi
BibTex RIS Kaynak Göster

DESIGN OF SELF TUNING PID CONTROLLER USING ADAPTIVE PARTICULAR SWARM OPTIMIZATION (APSO) and ANT COLONY OPTIMIZATION (ACO)

Yıl 2019, , 257 - 270, 30.12.2019
https://doi.org/10.17780/ksujes.655044

Öz

In this study,
Self-tuning proportional integrator derivative (PID) controller design using the
adaptive particle swarm optimization (APSO) and Ant Colony Optimization (ACO)
algorithm and tested on DC (Direct Current) Motor. When the PID controller is
manually set, setting parameters are difficulty and do not have a good performance.
Therefore, using optimization methods in the parameter setting process makes the
easier and gives better results. In this study, the parameter setting process
of the PID controller was performed and compared with classical PID, Adaptive Particle
Swarm Optimization (APSO) and Ant Colony Optimization (ACO) algorithm results.

Kaynakça

  • Açıkgöz H., Gani A., Keçecioğlu Ö, Şekkeli M., Sıvı Sıcaklık Denetiminde PSO Tabanlı PID Denetleyicinin Başarımının İncelenmesi, Otomatik Kontrol Ulusal Toplantısı, TOK.
  • Açıkgöz H., Keçecioğlu Ö., Gani A., ŞekkeliM. (2014),Speed Control of Direct TorqueControlledInduction Motor Byusing PI, Anti-Windup PI andFuzzy Logic Controller, International Journal of Intelligent Systems and Applications in Engineering.
  • Akyol S., Alataş B. (2012), Güncel Sürü Zekâsı Optimizasyon Algoritmaları, Nevşehir Üniversitesi Fen Bilimleri Enstitü Dergisi 136-50.
  • Alhasan H. (2017), A New Adaptive Particle Swarm Optimization Based on Self-Tuning of PID Controller for DC Motor System, Çukurova University Journal of the Faculty of Engineering and Architecture, 32(3), pp. 243-249.
  • Berber Ö. (2016), Parçacık Sürü Optimizasyonu ve PID ile Mobil Robotun Optimum Yörünge Kontrolü,KSU Mühendislik Bilimleri Dergisi, 19(3), 167-168.
  • Cücü G. (2010), Yenilenen Parçacıklı Sürü Optimizasyonu ile PID Parametrelerinin Ayarlanması, Politeknik Dergisi Cilt:13 Sayı: 2 s. 83-92.
  • Çavuşlu M., Karakuzu C., Şahin S. (2010), Parçacık Sürü Optimizasyonu Algoritması ile YapaySinir Ağı Eğitiminin FPGA Üzerinde Donanımsal Gerçeklenmesi, Politeknik Dergisi Cilt:13 Sayı: 2 s. 83-92.
  • Develi H. (2004), ZieglerNichols Yöntemi ve Migo Yaklaşımı, İstanbul Teknik Üniversitesi Yüksek Lisans Tezi, s. 21.
  • Doğmuş, O, Kılıc, E, Şit, S, Güneş, M. (2017), PSO Algoritması ile Optimize Edilmiş PID Denetleyicinin Fotovoltaik MPPT Sistemine Uyarlanması. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 20 (4), 1-8.
  • Eberhart, R.C., Shi, Y. (2001), Trackingand Optimizing Dynamic Systems with Particle Swarms, In Evolutionary Computation.vol. 1, 94-100.
  • Erdoğmuş P., Yalçın E. (2015), Parçacık Sürü Optimizasyonu ile Kısıtsız Optimizasyon Test Problemlerinin Çözümü, İleri Teknoloji Bilimleri Dergisi,4(1),14-22.
  • Erkol H. (2017), GA ve PSO ile Kontrol Parametrelerinin Optimizasyonu, Karaelmas Fen ve Muh. Derg., 7(1):179-185.
  • Erol H., GA ve PSO ile Kontrol Parametrelerinin Optimizasyonu, Karabük Üniversitesi, Teknoloji Fakültesi, Mekatronik Mühendisliği Bölümü, Karabük, Türkiye.
  • Gani A., Keçecioğlu Ö., Açıkgöz H., Kuyumcu M., Kapalı Bir Ortamdaki Sıvının Sıcaklık Denetiminde PID Denetleyicinin Performans Analizi, Mühendislik ve Teknoloji Sempozyumu, Çankaya Üniversitesi.
  • Iwasaki N., Yasuda K.(2005), Adaptive Partical Swarm Optimization via Velocity Feedback, IEEJ Trans. EIS, Vol.125, No.6.
  • Kennedy, J. and EberhartR. C. (1995),“Particle Swarm Optimization” Proc. IEEE int'lconf. On Neural Networks Vol. IV, pp. 1942-1948. IEEE Service Center, Piscataway, NJ.
  • Kesintürk T., Söyler H. (2006), Global Karınca Kolonisi Optimizasyonu, Gazi Üniv. Müh. Mim. Fak. Der.,Cilt 21, No 4, 689-69.
  • Kılıç, E, Özçalık, H.R, Şit, S. (2016a), Üç Fazlı Asenkron Motor İçin Uzay Vektör Darbe Genişlik Modülasyonu Kullanan Yapay Sinir Ağı Temelli Adaptif Hız Kontrol Sistemi Tasarımı, KSU Mühendislik Bilimleri Dergisi, 19(3), 24-32.
  • Kılıç, E, Özçalık, H.R, Doğmuş, O. (2016b), Adaptive PI based on RBF Neural Network for Speed Control of Induction Motor, International Conference on Natural Science and Engineering (ICNASE’16), March 19-20, Kilis, Türkiye.
  • Li X, Chen M. AndTsutomu Y. (2013), A Method of Searching PID Controller’s Optimized Coefficients for Buck Converter Using Particle Swarm Optimization, 2013 IEEE 10th International Conference on Power Electronics and Drive Systems (PEDS).
  • NagarajB., Murugananth N. (2010), A Comparative Study of PID Controller Thning Using GA, EP, PSO and ACO,IEEE.
  • Özçalık, H.R, Gani, A, Kılıç, E, Keçecioğlu, Ö.F. (2014), Farklı Kural Tabanları Kullanarak PI-Bulanık Mantık Denetleyici ile Doğru Akım Motorunun Hız Denetim Performansının İncelenmesi, Akademik Platform Mühendislik ve Fen Bilimleri Dergisi, 2 (1), 16-23.
  • Özsağlam M., Çunkaş M. (2008),Optimizasyon Problemlerinin Çözümü için Parçacık Sürü Optimizasyonu Algoritması,Politeknik Dergisi Cilt:11 Sayı: 4 s.299-305.
  • Shi Y., Particle Swarm Optimization, Electronic Data Systems, Inc. Kokomo, IN 46902, USA.
  • Solihin M. (2011), Tuning of PID Controller Using ParticleSwarmOptimization (PSO), Proceeding of theInternational Conference on Advanced Science,Engineeringand Information Technology.
  • Varol H., Bingül Z. (2004), A New PID TuningTechnique Using Ant Algorithm, Proceeding of the 2004 American Control Conference Boston, Massachusetts June30 -July 2.
  • Xin, J., Chen, G., Hai, Y. (2009), A Particle Swarm Optimizer With Multi-stageLinearly-decreasing InertiaWeight, In Computational Sciences and Optimization, 505-508.
  • Zhan Z., Zhang J., Li Y., ChungH. (2009),Adaptive Particle Swarm Optimization, IeeeTransactıons On Systems, Man, And Cybernetıcs—Part B: Cybernetıcs, VOL. 39, NO. 6.

ADAPTİF PARÇACIK SÜRÜ (APSO) ve KARINCA KOLONİSİ OPTİMİZASYONU (KKA) KULLANARAK ÖZ AYARLAMALI PID KONTROLÖR TASARIMI

Yıl 2019, , 257 - 270, 30.12.2019
https://doi.org/10.17780/ksujes.655044

Öz

Bu çalışmada, Adaptif Parçacık Sürü
Optimizasyonu (APSO) ve Karıca Kolonisi Algoritması (KKA) kullanarak öz
ayarlamalı oransal integral türevsel (PID) kontrolör tasarımı yapılmıştır ve DA
(Doğru Akım) Motoru üzerinde test edilmiştir. PID kontrolör elle ayarlandığı
zaman, parametrelerinin ayarlanması zor ve sıkıntılıdır, ayrıca iyi bir
performans sağlanamaz. Bu yüzden, parametre ayar işlemi aşamasında optimizasyon
yöntemleri kullanmak işi kolaylaştırır ve daha iyi performans sağlar. Bu çalışmada
PID kontrolörün parametre ayar işlemi, Klasik PID, Adaptif Parçacık Sürü
Optimizasyonu (APSO) ve Karınca Kolonisi Algoritması (KKA) algoritması ile
yapılmış ve sonuçlar karşılaştırılmıştır.

Kaynakça

  • Açıkgöz H., Gani A., Keçecioğlu Ö, Şekkeli M., Sıvı Sıcaklık Denetiminde PSO Tabanlı PID Denetleyicinin Başarımının İncelenmesi, Otomatik Kontrol Ulusal Toplantısı, TOK.
  • Açıkgöz H., Keçecioğlu Ö., Gani A., ŞekkeliM. (2014),Speed Control of Direct TorqueControlledInduction Motor Byusing PI, Anti-Windup PI andFuzzy Logic Controller, International Journal of Intelligent Systems and Applications in Engineering.
  • Akyol S., Alataş B. (2012), Güncel Sürü Zekâsı Optimizasyon Algoritmaları, Nevşehir Üniversitesi Fen Bilimleri Enstitü Dergisi 136-50.
  • Alhasan H. (2017), A New Adaptive Particle Swarm Optimization Based on Self-Tuning of PID Controller for DC Motor System, Çukurova University Journal of the Faculty of Engineering and Architecture, 32(3), pp. 243-249.
  • Berber Ö. (2016), Parçacık Sürü Optimizasyonu ve PID ile Mobil Robotun Optimum Yörünge Kontrolü,KSU Mühendislik Bilimleri Dergisi, 19(3), 167-168.
  • Cücü G. (2010), Yenilenen Parçacıklı Sürü Optimizasyonu ile PID Parametrelerinin Ayarlanması, Politeknik Dergisi Cilt:13 Sayı: 2 s. 83-92.
  • Çavuşlu M., Karakuzu C., Şahin S. (2010), Parçacık Sürü Optimizasyonu Algoritması ile YapaySinir Ağı Eğitiminin FPGA Üzerinde Donanımsal Gerçeklenmesi, Politeknik Dergisi Cilt:13 Sayı: 2 s. 83-92.
  • Develi H. (2004), ZieglerNichols Yöntemi ve Migo Yaklaşımı, İstanbul Teknik Üniversitesi Yüksek Lisans Tezi, s. 21.
  • Doğmuş, O, Kılıc, E, Şit, S, Güneş, M. (2017), PSO Algoritması ile Optimize Edilmiş PID Denetleyicinin Fotovoltaik MPPT Sistemine Uyarlanması. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 20 (4), 1-8.
  • Eberhart, R.C., Shi, Y. (2001), Trackingand Optimizing Dynamic Systems with Particle Swarms, In Evolutionary Computation.vol. 1, 94-100.
  • Erdoğmuş P., Yalçın E. (2015), Parçacık Sürü Optimizasyonu ile Kısıtsız Optimizasyon Test Problemlerinin Çözümü, İleri Teknoloji Bilimleri Dergisi,4(1),14-22.
  • Erkol H. (2017), GA ve PSO ile Kontrol Parametrelerinin Optimizasyonu, Karaelmas Fen ve Muh. Derg., 7(1):179-185.
  • Erol H., GA ve PSO ile Kontrol Parametrelerinin Optimizasyonu, Karabük Üniversitesi, Teknoloji Fakültesi, Mekatronik Mühendisliği Bölümü, Karabük, Türkiye.
  • Gani A., Keçecioğlu Ö., Açıkgöz H., Kuyumcu M., Kapalı Bir Ortamdaki Sıvının Sıcaklık Denetiminde PID Denetleyicinin Performans Analizi, Mühendislik ve Teknoloji Sempozyumu, Çankaya Üniversitesi.
  • Iwasaki N., Yasuda K.(2005), Adaptive Partical Swarm Optimization via Velocity Feedback, IEEJ Trans. EIS, Vol.125, No.6.
  • Kennedy, J. and EberhartR. C. (1995),“Particle Swarm Optimization” Proc. IEEE int'lconf. On Neural Networks Vol. IV, pp. 1942-1948. IEEE Service Center, Piscataway, NJ.
  • Kesintürk T., Söyler H. (2006), Global Karınca Kolonisi Optimizasyonu, Gazi Üniv. Müh. Mim. Fak. Der.,Cilt 21, No 4, 689-69.
  • Kılıç, E, Özçalık, H.R, Şit, S. (2016a), Üç Fazlı Asenkron Motor İçin Uzay Vektör Darbe Genişlik Modülasyonu Kullanan Yapay Sinir Ağı Temelli Adaptif Hız Kontrol Sistemi Tasarımı, KSU Mühendislik Bilimleri Dergisi, 19(3), 24-32.
  • Kılıç, E, Özçalık, H.R, Doğmuş, O. (2016b), Adaptive PI based on RBF Neural Network for Speed Control of Induction Motor, International Conference on Natural Science and Engineering (ICNASE’16), March 19-20, Kilis, Türkiye.
  • Li X, Chen M. AndTsutomu Y. (2013), A Method of Searching PID Controller’s Optimized Coefficients for Buck Converter Using Particle Swarm Optimization, 2013 IEEE 10th International Conference on Power Electronics and Drive Systems (PEDS).
  • NagarajB., Murugananth N. (2010), A Comparative Study of PID Controller Thning Using GA, EP, PSO and ACO,IEEE.
  • Özçalık, H.R, Gani, A, Kılıç, E, Keçecioğlu, Ö.F. (2014), Farklı Kural Tabanları Kullanarak PI-Bulanık Mantık Denetleyici ile Doğru Akım Motorunun Hız Denetim Performansının İncelenmesi, Akademik Platform Mühendislik ve Fen Bilimleri Dergisi, 2 (1), 16-23.
  • Özsağlam M., Çunkaş M. (2008),Optimizasyon Problemlerinin Çözümü için Parçacık Sürü Optimizasyonu Algoritması,Politeknik Dergisi Cilt:11 Sayı: 4 s.299-305.
  • Shi Y., Particle Swarm Optimization, Electronic Data Systems, Inc. Kokomo, IN 46902, USA.
  • Solihin M. (2011), Tuning of PID Controller Using ParticleSwarmOptimization (PSO), Proceeding of theInternational Conference on Advanced Science,Engineeringand Information Technology.
  • Varol H., Bingül Z. (2004), A New PID TuningTechnique Using Ant Algorithm, Proceeding of the 2004 American Control Conference Boston, Massachusetts June30 -July 2.
  • Xin, J., Chen, G., Hai, Y. (2009), A Particle Swarm Optimizer With Multi-stageLinearly-decreasing InertiaWeight, In Computational Sciences and Optimization, 505-508.
  • Zhan Z., Zhang J., Li Y., ChungH. (2009),Adaptive Particle Swarm Optimization, IeeeTransactıons On Systems, Man, And Cybernetıcs—Part B: Cybernetıcs, VOL. 39, NO. 6.
Toplam 28 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Elektrik Mühendisliği
Bölüm Elektrik Elektronik Mühendisliği
Yazarlar

Oğuzhan Kapukaya 0000-0003-2551-6364

Mahit Güneş

Yayımlanma Tarihi 30 Aralık 2019
Gönderilme Tarihi 4 Aralık 2019
Yayımlandığı Sayı Yıl 2019

Kaynak Göster

APA Kapukaya, O., & Güneş, M. (2019). ADAPTİF PARÇACIK SÜRÜ (APSO) ve KARINCA KOLONİSİ OPTİMİZASYONU (KKA) KULLANARAK ÖZ AYARLAMALI PID KONTROLÖR TASARIMI. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, 22(4), 257-270. https://doi.org/10.17780/ksujes.655044