Top ve çubuk sistemi için kaskad denetleyici parametrelerinin meta-sezgisel algoritmalarla optimizasyonu

Abstract

Öz:Bu çalışmada top ve çubuk sistemi için kaskad PD+P kontrolcü katsayıları meta-sezgisel algoritmalar kullanılarak optimize edilmiştir. Laboratuvar ortamında birçok sistemin benzetiminin elde edilmesini sağlayan top ve çubuk sisteminin amacı çubuk üzerinde tek eksende serbest olarak hareket eden topun referans konuma ulaşması ve dengesinin sağlanmasıdır. Top ve çubuk sistemi hızlı ve yavaş dinamikleri aynı anda içinde barındırdığı için PD+P kaskad kontrolör tasarlanmıştır. Geleneksel kontrolcülere göre ayarlanması zor olan kaskad kontrolcü katsayıları Yapay Arı Kolonisi ve Öğretme Öğrenme Tabanlı Optimizasyon algoritmaları kullanılarak tayin edilmiştir. Uygulanan optimizasyonlarda IAE, ITAE, ISE, MSE amaç fonksiyonları ve yeni bir amaç fonksiyonu olan Birim Basamak Temelli (BB) amaç fonksiyonu önerilmiştir. Önerilen amaç fonksiyonu kullanılarak elde edilen kontrolcü cevaplarında topun istenilen referans konuma hiç aşım yapmadan ulaştığı görülmüştür.

In this study, cascade PD+P controller gains for the ball and beam system are tuned using metaheuristic algorithms. The aim of the ball and beam system, which provides the simulation of many systems in the laboratory environment, is to reach the reference position and balance of the ball, which moves freely on a single axis on the beam. PD+P cascade controller which contained fast and slow dynamics at the same time is designed for the ball and beam system. Cascade controller gains, which are difficult to adjust compared to conventional controllers, are tuned using Artificial Bee Colony and Teaching Learning Based Optimization algorithms. In the optimizations applied, IAE, ITAE, ISE, MSE objective functions, and a new step response based objective function are proposed. In the controller responses obtained using the proposed objective function, the ball reached the desired reference position without overshoot.