25.Otomatik Kontrol Ulusal Konferansı (TOK 2024), Konya, Türkiye, 12 - 14 Eylül 2024, ss.466-471
Bu çalışmada, üç adet farklı doğa temelli algoritma ile iki serbestlik dereceli top ve plaka sistemi için model-öngörülü-kontrolcünün tahmin ufuğu ve kontrol ufuğu katsayılarının en iyi kombinasyonları bulunmuştur. Bu algoritmalar: Parçacık Sürü Optimizasyonu (PSO), Genetik Algoritma (GA) ve Bakteriyel Yiyecek Arama Optimizasyonudur (BYAO). Hesaplamalar sırasında etmenler, tahmin ufku ve kontrol ufku nümerik değerleri cinsinden iki boyutlu şekilde ele alınmıştır ve bu değerler değişken çiftleri olarak adlandırılmıştır. Yüzde aşım, oturma zamanı gibi çeşitli kontrol şartları doğrultusunda sistem çıktılarına göre her değişken çifti bir maliyet getirmiştir. Bu işlemler MATLAB Simulink ve MATLAB üzerinde yapılmıştır. Algoritmaların kendi içlerinde barındırdığı değişken değerlerin etkisiyle beraber, algoritmaların birbirine kıyasla nasıl sonuçlar verdiği de çalışma kapsamında ortaya konmuştur. Algoritmaların hepsi, maliyetin en düşük olduğu kontrolcü çifti değerlerini bulabilmiştir ancak aralarındaki fark bu noktayı kaçıncı jenerasyonda buldukları olduğu görülmüştür.
In this study, three different nature-based algorithms were used to find the best combinations of the prediction horizon and control horizon coefficients of the model-predictive-controller for a two-degree-of-freedom ball and plate system. These algorithms are Particle Swarm Optimization (PSO), Genetic Algorithm (GA) and Bacterial Foraging Optimization (BFO). During the calculations, the factors are treated as two-dimensional in terms of numerical values of the prediction horizon and the control horizon and these values are called variable pairs. Each pair of variables imposed a cost according to the system outputs in line with various control conditions such as percentage overshoot, settling time, etc. These operations were performed on MATLAB Simulink and MATLAB. In addition to the effect of the variable values contained in the algorithms themselves, the results of the algorithms compared to each other were also revealed within the scope of the study. All of the algorithms were able to find the controller pair values with the lowest cost, however, there was a difference between them in terms of generation/iteration at which they found this point.