26338

طراحي كنترل كننده PIDعصبي براي سيستم آونگ معكوس

كارشناسي ارشد

مهندسي برق گرايش كنترل

30 شهريور 1400

دكتر علي اكبر جلالي- دكتر محمد فرخي

برق

در اين تحقيق به طراحي يك سيستم كنترل هوشمند مبتني بر شبكه‌هاي عصبي به منظور كنترل موقعيت آونگ معكوس در يك زاويه دلخواه پرداخته شده است. براي رسيدن به اين هدف، ابتدا مدل‌سازي ديناميكي آونگ معكوس، كنترل‌كننده‌هاي PID معمولي و فازي طراحي شد و سپس شبيه‌سازي بر روي آن‌ها انجام گرفت. شبيه‌سازي مشخص كرد كه اين كنترل‌كننده‌ها كارايي لازم را فقط براي بازه‌ي كوچكي در اطراف نقطه تعادل سيستم دارند و نمي‌توانند زاويه آونگ را كنترل كنند. براي حل اين مشكل،در اين پروژه، دو نوع كنترل‌كننده PID عصبي ارائه شده است كه با استفاده از آن مي‌توان زاويه آونگ را در محدوده وسيعي كنترل‌ و پارامترهاي كنترل‌كننده PID را همواره به ‌صورت بهينه‌ تنظيم نمود. در نوع اول از روي زاويه ابتدايي آونگ و زاويه مرجع جديد بهترين PID براي طي‌كردن مسير انتخاب شده است. ابتدا به‌صورت آفلاين PIDهاي بهينه با درنظر گرفتن تعداد محدودي زواياي اوليه و مرجع طراحي شده و سپس با استفاده از شبكه‌هاي عصبي به حالت كلي تعميم داده شده است. در نوع دوم براي هر نقطه كار آونگ معكوس، كنترل‌كننده PID بهينه در اطراف همان نقطه كار طراحي شده و سپس با استفاده از شبكه‌هاي عصبي از روي نقاط كاري پارامترهاي كنترل‌كننده PID به‌صورت آنلاين تنظيم شده است. در نوع اول پارامترهاي PID فقط در زمان تغيير مرجع به‌روزرساني شدند ولي در نوع دوم در هر نمونه زماني تنظيم پارامترها به‌صورت آنلاين انجام شده است. در انتها نيز با مقايسه نتايج، نشان داده شد كه با استفاده از الگوريتم‌هاي پيشنهادي مي‌توان زاويه آونگ معكوس را در محدوده¬اي وسيع¬تر و به ‌شكل بهينه كنترل كرد.

1401/01/16

Design Neuro PID Controller for Inverted Pendulum System

9/21/2022 12:00:00 AM

In this research, an intelligent control system based on neural networks has been designed to control the position of the inverted pendulum at an arbitrary angle. To achieve this goal, first inverted dynamic pendulum modeling, conventional and fuzzy PID controllers were designed and then simulations were performed on them. The simulation showed that these controllers had the required efficiency only for a small distance around the system equilibrium point and could not control the pendulum angle. To solve this problem, in this project, two types of neural PID controllers are presented, which can be used to adjust the pendulum angle over a wide range of controls and the PID controller parameters can always be optimally optimized. In the first type, the best PID is selected based on the initial angle of the pendulum and the new reference angle. First, the optimal PIDs are designed offline, taking into account a limited number of initial and reference angles, and then generalized using neural networks. In the second type, for each inverted pendulum work point, the optimal PID controller is designed around the same work point and then the PID controller parameters are adjusted online using neural networks from the work points. In the first type, the PID parameters were updated only when the reference was changed, but in the second type, the parameters were adjusted online in each time sample. Finally, by comparing the results, it was shown that using the proposed algorithms, the reverse pendulum angle can be controlled in a wider range and optimally.

آونگ معكوس , كنترل كننده PID , شبكه هاي عصبي , كنترل كننده PID عصبي

inverted pendulum , PID controller , neural network , neural PID controller

Mohammad Javad Aghili

Dr. Ali Akbar Jalali Dr. Mohammad Farrokhi