TEZ8377 ; Tez (Yüksek Lisans) -- Çukurova Üniversitesi, Adana, 2011. ; Kaynakça (s.85-90) var. ; xv, 91 s. : res. çizelge ; 29 cm. ; Bu çalışmada, PID kontrolörün parametrelerinin ayarlanması için, arı algoritmalarına dayalı bir method önerilmiştir. D.T. Pham (2006) tarafından geliştirilen arı algoritması ve Derviş Karaboğa (2005) tarafından geliştirilen yapay arı kolonisi, bal arılarının yiyecek arama davranışları gibi doğada oluşan sürü modellerinden esinlenmiş algoritmalarıdır. Bu çalışmada, PID kontrolör parametrelerinin belirlenmesi problemi bir optimizasyon problemi olarak kabul edilmektedir. Çok-amaçlı arı algoritması (MOBA) ve çok-amaçlı yapay arı kolonisi (MOABC) algoritmaları PID kontrolör parametrelerini belirlemek için kullanılmıştır. Farklı derecelerdeki sistemler için sonuçlar karşılaştırılmıştır ve analiz edilmiştir. Simülasyon sonuçları çok-amaçlı arı algoritması ve çok-amaçlı yapay arı kolonisi yöntemleri kullanılarak, parametre ayarlama problemlerinde daha iyi performas özelliklerine sahip olduğunu göstermektedir. Elde edilen sonuçlar, gürültüye karşı iyi bir kararlılık ve dayanıklılık göstermiştir. Ayrıca, bu çalışmada yapay arı kolonisinin (ABC), sistem tanılama problemlerinde başarı ölçütleri incelenmiştir. Elde edilen sonuçlar, sistem tanıma problemlerinde arı algoritmasının başarıyla kullanabileceğini göstermiştir. ; In this study, a novel intelligent design method for closed-loop auto-tuning of a proportional-integral-derivative (PID) controller based on Bee Inspired Swarm Algorithms is proposed, in which PID controller parameters can be tuned concurrently. The set of trade-off optimal solutions, called Pareto-set optimization solutions, of the conflicting objective functions are able to be found. Moreover the research presents an investigation for the development of system identification using Artificial Bee Colony (ABC). Bees Algorithm (BA), developed by D.T. Pham (2006) and Artificial Bee Colony, developed by Dervis Karaboga (2005) are a subfield of Swarm Intelligence and was inspired by swarming patterns occurring in nature such as the food foraging behavior of honeybees. In the present study, the problem of identifying the PID controller parameters is considered as an optimization problem. The Multi-Objective Bees Algorithm (MOBA) and the Multi-Objective Artificial Bee Colony (MOABC) algorithm have been employed to determine the PID parameters. The PID controller is designed using the MOBA and the MOABC algorithms. The results of all designs are compared and analyzed. Simulation results demonstrate that the proposed method using the MOBA and the MOABC has a better control system performance. The results obtained show good stability, set-point tracking performance and robustness against disturbance.
Multi-objective bee colony optimization to tuning PID controller ; Çok amaçlı arı kolonisi optimizasyonu kullanarak PID kontrolörün ayarlanması.
2011-01-01
Theses
Electronic Resource
English
DDC: | 629 |
Ant Colony Optimization for Simulated Dynamic Multi-Objective Railway Junction Rescheduling
IEEE | 2017
|Ant Colony Optimization for Simulated Dynamic Multi-Objective Railway Junction Rescheduling
Online Contents | 2017
|Hierarchical multi-objective evacuation routing in stadium using ant colony optimization approach
Online Contents | 2011
|Design of Autoland Controller Functions with Multi-Objective Optimization
German Aerospace Center (DLR) | 2002
|