DC MOTORUN SÜRÜ ALGORİTMA TABANLI PID KONTROLÖRLE PERFORMANS ANALİZİ

Abstract

Eniyileme, bir sistemin davranışını etkileyen parametrelerin en iyi değerini bulma işlemidir. Günlük yaşamda karşılaşılan problemler türevlenebilir matematiksel denklemler olarak ele alınmış klasik eniyilemeler ile en iyi çözümler bulunmuştur. Ancak zamanla bunlar yetersiz kalarak gelişen teknoloji ile birlikte yapay zekaya dayalı sürü tabanlı eniyilemeler ortaya çıkmıştır. Sezgisel eniyilemeler doğada hayvanların yaşamsal mücadelelerinin bir modellenmesidir. Genetik eniyileme, parçacık sürü eniyileme, yapay arı koloni eniyileme, karınca koloni eniyileme, ateş böceği eniyileme, gri kurt eniyileme, yunus balığı eniyileme gibi birçok eniyilemeler mevcuttur. Endüstride, günlük ev aletlerinde ve daha birçok yerde kullanılan, denetimi kolay ve maliyeti düşük doğru akım motorlarının hız ve konum kontrolleri rahatlıkla yapılabilmektedir. Doğru akım motorlarının hız ve konum kontrolü ile denetiminde günümüzde çok sık kullanılan, ayarlanacak parametresi az, basit bir yapıya sahip ve maliyeti düşük olan PID kontrolör tercih edilmiştir. Ancak parametre değerlerinin hesaplanması zaman aldığı için bu tez çalışmasında PID parametre değerleri yapay zekaya dayalı sürü tabanlı eniyilemeler ile tespit edilmiştir. Tespit edilmesinde kullanılan eniyilemeler, popülasyon tabanlı bir eniyileme olan genetik eniyileme, karıncaların problem çözme davranışlarını gerçek problemlerin çözümü için matematiksel olarak modelleyen karınca koloni eniyileme ve kuş sürülerinin kendi aralarında oluşturduğu sosyal davranışları modelleyen parçacık sürü eniyileme algoritmalarıdır. Bu tez çalışmasında genetik algoritma, Parçacık sürü ve karınca koloni eniyileme algoritmaları ile DC motoru denetleyen PID kontrolörün oransal, integral ve türev kazanç parametreleri ayarlanmıştır. Bu amaçla üç farklı DC motor için kontrolör parametreleri her bir algoritma ile ayarlanmıştır. Eniyilemelerin başarımını test etmek için basamak ve sinüsoidal giriş referanslar için parametre ayarlamaları yapıldıktan sonra farklı basamak girişler için genelleme sonuçları değerlendirilmiştir. Algoritmaların eniyileme hızlarını ve sınırlı değer aralığındaki eniyileme başarımını tespit etmek üzere farklı iterasyonlarda ve değer aralıklarında parametreleri sınırlayarak algoritmalar çalıştırılmıştır. DC motorun denetiminde kullanılan PID kontrolörün parametrelerin eniyilemesinde araştırılan algoritmalar gerek en iyi parametre değerinin bulunmasında gerekse bu değere en az iterasyonla ulaşılmasında ve gerekse genelleme performanslarında birbirlerine son derece yakın başarım göstermişlerdir. PID kontrolör parametrelerinin sistemin modelini bilmeden eniyileme yöntemleriyle ayarlanmasının geçerliliği gösterilmiştir.Optimization is the process of searching for the best values of parameters that affect the output of a system. The problems encountered in daily life were handled as differentiable mathematical equations and be solved with the methods of classical optimizations to achieve the best one. However, over time, these were insufficient and with the developing technology, swarm-based optimizations based on artificial intelligence emerged. Intuitive optimizations are a modeling of the survival struggles of animals in nature. There are many optimizations such as genetic optimization, particle swarm optimization, artificial bee colony optimization, ant colony optimization, gray wolf optimization, and dolphin optimization etc. Speed and position controls of easy-to-control and low-cost direct current motors used in industry, daily household appliances and many other places can be done easily. The PID controller, which is frequently used today, has few parameters to be adjusted, has a simple structure and is low in cost, has been preferred in the control and control of the speed and position of direct current motors. But, since the calculation of parameter values takes time, PID parameter values in this thesis were determined by swarm-based optimizations based on artificial intelligence. . The optimizations used for detection are genetic optimization, which is a population-based optimization, ant colony optimization, which mathematically models the problem-solving behavior of ants for the solution of real problems, and particle swarm optimization algorithms that model the social behaviors of bird flocks among themselves. The proportional, integral and derivative gain parameters of the PID controller controlling the DC motor are adjusted with genetic algorithm, particle swarm and ant colony optimization algorithms in this thesis. The controller parameters for three different DC motors were adjusted with each algorithm for this purpose, To test the performance of the optimizations, the generalization results for the different step inputs were evaluated after parameter adjustments were made for the step and sinusoidal input references. Algorithms were run by limiting the parameters in different iterations and value ranges in order to determine the optimization rates of the algorithms and the optimization performance in the limited value range. The algorithms investigated in the optimization of the parameters of the PID controller used in the control of the DC motor showed extremely close performance in both finding the best parameter value, reaching this value with the least iteration, and generalization performances. The validity of setting PID controller parameters by optimization methods without knowing the model of the system has been demonstrated.