Yapay sinir ağları ile kesir dereceli PID denetleyici katsayılarının ayarlanması

Abstract

Bu makalede, Yapay Sinir Ağları (YSA) kullanarak uyarlamalı kesir dereceli PID (FOPID) kontrolörün katsayılarının ayarlanmasına yönelik bir çalışma sunulmaktadır. Kontrolör katsayıların uyarlamalı olarak ayarlanması pratik kontrol uygulamalarında dayanıklılık için çok önemlidir. Çünkü parametre belirsizlikleri ve dış etkenler nedeniyle sistemin katsayılarının değişmesi kontrolörün dayanıklılığını olumsuz yönde etkileyebilir. Bu çalışmada YSA ile kontrolörün oransal, integral ve türev kazanç katsayıları kontrol süreci devam ederken geri beslemeler ile duruma göre yeniden ayarlanabilmektedir. Bu da kesir dereceli PID kontrolörüne hem uyarlamalı hemde dinamik bir yapı kazandırmaktadır. YSA’ lar eğitildikten sonra kontrolörün kazanç katsayılarını en uygun şekilde ayarlarlar. Kontrol işlemi sırasında kontrol edilen sistemin parametrelerinde bozulma gerçekleşirse, bu bozulmaya karşı YSA’ lar kontrolör katsayılarını yeniden en uygun değere getirerek uyarlama yaparlar. Önerilen yöntem pratik kontrol uygulamaları için FOPID kontrolörün uygulanabilirliğini kolaylaştırır. İki benzetim örneğinde önerilen uyarlamalı kontrol yönteminin performansını göstermek için MATLAB/Simulink kullanılarak YSA içeren FOPID kontrolörün tasarımı gerçekleştirilmiş ve birim basamak cevapları sunulmuştur. Bu cevaplar da (Şekil 14, 16, 19, 21, 23) göstermiştir ki önerilen yöntem hız ve dayanıklılık bakımından daha başarılı olmuştur.

In this article, we present a study for adjusting the coefficients of the adaptive fractional PID controller using Artificial Neural Networks (ANN). Adaptive adjustment of the controller coefficients is very important for the robustness in practical control applications. Because of the parameter uncertainties and external factors, changing the system's coefficients can affect the durability of the controller negatively. In this study, proportional, integral and derivative gain coefficients of the controller can be readjusted by the feedbacks with Artificial Neural Networks while the control process is continuing. This gives the fractional PID controller an adaptive and dynamic structure. If deterioration occurs in the parameters of the controlled system during the control process, the ANN adapt the controller coefficients automatically by optimizing their values against this deterioration. To show the control performance and robustness of the proposed adaptive control method, first the FOPID controller including ANN designed by using MATLAB / Simulink and then the unit step responses for two simulation examples are presented. These responses (Figures 14, 16, 19, 21, 23) have shown that the proposed method has been more successful in terms of speed and durability.