Ölü zamanlı sistemlerin modellenmesi ve denetlenmesi

Abstract

Bu çalışmada literatürde bulunan ölü zamanlı sistemlerin modellenmesi ve denetiminde kullanılan bazı matematiksel tabanlı teknikler tanıtılmıştır. Ardından bu tekniklerin yapmış olduğu işlemler, son zamanlarda doğadan esinlenilerek geliştirilmiş olan ve sezgisel algoritma olarak adlandırılan optimizasyon teknikleri ile yeniden yapılmıştır. Bu çalışmada, literatürde kullanılan bu sezgisel algoritmalardan parçacık sürü optimizasyonu, gugukkuşu ve ateşböceği algoritmaları tanıtılmış ve akış diyagramları verilmiştir. Ayrıca bu algoritamalarda kullanılan IAE, ISE, ITSE gibi amaç fonksiyonları tanıtılmış ve bu amaç fonksiyonlarının öneminden bahsedilmiştir. Ayrıca bu çalışmada, optimizasyon algoritamalarının daha rahat kullanılabilmesi için kullanıcı dostu bir arayüz tasarımı yapılmıştır. Bu arayüze, ister veri isterse sistem parametreleri girilebilmektedir. Bu arayüz, girilen bilgilere ve kullanıcı seçeneklerine göre(amaç fonksiyonu ve algoritma gibi) hem model parametrelerini, hemde sistem için belirlenen denetleyici parametrelerini belirleyebilmektedir. Ayrıca seçilen bu algortimaların parametleri değiştirilerek, performansları karşılaştırılabilmektedir. Oluşturuluş olan bu arayüz ile literatürde yaygın olarak kullanılan beş farklı sistemin hem parametre optimizasyonu, hemde denetleyici tasarımları yapılmıştır. Elde edilen simulasyon sonuçlarından, bu beş sistem için ateşböceği ve parçacık sürü optimizasyonunun daha başarılı sonuçlar verdiği görülmüştür. Ayrıca tanıma işleminde elde edilen sonuçlardan bazıları literatürde olan sonuçlarla kıyaslanmış. Denetleyici tasarımında da elde edilen denetleyici katsayıları Zeigler Nichols, AMIGO ve Smith Öngürücüsü gibi farklı denetleyici tipleri ile karşılaştırılmış ve elde edilen denetleyici katsayıları tablolar halinde verilirken ve sistem yanıtları grafik halinde verilmiştir.

In this study, some mathematical based techniques used in the identification and control of dead time systems in the literature are introduced. Then the processes that these techniques use have been reworked with the optimization techniques, which are recently developed by inspiration from the nature and called the heuristic algorithm. Some of these heuristic algorithms cited in the literature such as Particle Swarm Optimization, Cuckoo Search and Firefly algorithms are introduced and their flow diagrams are given in this study. In addition to these, in this study a user-friendly interface design has been made to make the optimization algorithms easier to use. Either the system parameters or data can be entered to this interface. This interface then can determine both the model parameters and the controller parameters according to the entered information and user options (such as the objective function and the algorithm). In addition, the parameters of these selected algorithms can be changed and their performances can be compared. With this interface that has been created, both parameter optimization and controller designs of five different systems, which are widely used in the literature have been made. From the obtained simulation results, it was seen that firefly and particle swarm optimization gave more successful results for these five systems. In addition, some of the results obtained in the identification process are compared with those in the literature. The controller coefficients obtained in the controller design were compared with different controller types such as Zeigler Nichols, AMIGO and Smith Predictor, and the obtained controller coefficients were tabulated and the system responses were plotted graphically.