ANN PID Controller

Desain pengontrol PID optimal untuk kontrol kecepatan motor DC dengan menggunakan jaringan saraf buatan.

ABSTRAK

Tujuan utama dari proyek ini adalah untuk mengontrol kecepatan motor DC sikat menggunakan pengontrol jaringan saraf buatan dan pengontrol PID. Analisis terperinci dilakukan berdasarkan hasil simulasi dari kedua metode tersebut. Sistem kontrol kecepatan berbasis kontrol saraf motor DC sikat dirancang dengan menganalisis model matematika motor BLDC. Identifikasi model tanaman dilakukan dalam perangkat lunak Simulink MATLAB untuk mengidentifikasi blok JST sistem drive motor BLDC. Model kontrol referensi dirancang untuk memberikan nilai ideal parameter kontrol ketika sistem kontrol merespons sinyal perintah. Hasil kinerja pengontrol PID dan pengontrol JST dibandingkan dengan output model referensi dari sistem penggerak motor BLDC di lingkungan Simulink MATLAB. Studi perbandingan menyimpulkan bahwa metode kontrol kecepatan berbasis JST menghilangkan overshoot, mengurangi waktu penyelesaian respons sistem. Diamati bahwa hasil simulasi berbasis JST lebih dekat dengan respons model kontrol referensi ideal daripada berbasis PID.

Motivasi dan tujuan

Saat ini, bidang kontrol sistem tenaga listrik secara umum dan kontrol motorik khususnya telah meneliti secara luas. Teknologi baru diterapkan untuk ini untuk merancang sistem teknologi yang rumit. Salah satu teknologi baru ini adalah Neural Network (JST) buatan yang berdasarkan prinsip operasi saraf saraf manusia. Ini terdiri dari sejumlah besar elemen pemrosesan yang sangat saling berhubungan (neuron) yang bekerja secara serempak untuk menyelesaikan masalah tertentu. Anns, seperti orang, belajar dengan contoh. JST dikonfigurasi untuk aplikasi tertentu, seperti pengenalan pola atau klasifikasi data, melalui proses pembelajaran. Belajar dalam sistem biologis melibatkan penyesuaian pada koneksi yang ada di antara neuron. Ini juga berlaku untuk Anns. Ada sejumlah artikel yang menggunakan aplikasi JST untuk mengidentifikasi model motor DC matematika. Kemudian, model ini diterapkan untuk mengontrol kecepatan motor. JST ke depan yang membalik dengan dua parameter input untuk kontrol adaptif Motor DC diterapkan secara luas karena semua sinyal JST ditransmisikan dalam satu arah, sama seperti pada sistem kontrol otomatis, kemampuan JST untuk mempelajari sampel, dari awal, telah diwujudkan oleh ahli teori sistem bahwa sebagian besar sistem dinamis dunia nyata adalah nonlinisear. Namun, linierisasi sistem tersebut di sekitar keadaan keseimbangan menghasilkan model linier, yang secara matematis patuh. Secara khusus, berdasarkan prinsip superposisi, output sistem dapat dihitung untuk setiap input sewenang -wenang, dan secara bergantian, dalam masalah kontrol, input, yang mengoptimalkan output dalam beberapa hal, juga dapat ditentukan dengan relatif mudah. Dalam sebagian besar masalah kontrol adaptif, di mana parameter tanaman diasumsikan tidak diketahui, fakta bahwa yang terakhir terjadi secara linear membuat prosedur estimasi mudah. Fakta bahwa sebagian besar sistem nonlinier sejauh ini dapat diperkirakan dengan memuaskan oleh model linier dalam rentang operasi normal mereka telah membuatnya menarik dalam konteks praktis juga. Efek gabungan dari kemudahan analisis dan penerapan praktis inilah yang menjelaskan keberhasilan besar model linier dan telah menjadikannya subjek studi intensif selama lebih dari empat dekade. Dalam beberapa tahun terakhir, teknologi yang berkembang pesat dan pasar yang kompetitif telah mengharuskan sistem untuk beroperasi dalam banyak kasus di daerah di ruang negara di mana perkiraan linier tidak lagi memuaskan. Untuk mengatasi masalah nonlinier seperti itu, penelitian telah dilakukan pada identifikasi dan kontrol mereka menggunakan jaringan saraf buatan yang sepenuhnya didasarkan pada input dan output yang diukur.

Garis besar proyek

1. Model matematika pengontrol PID dan motor BLDC telah diturunkan.
2. Menggunakan model, pengontrol konvensional telah dirancang di MATLAB untuk pengumpulan data.
3. Pengontrol jaringan saraf juga telah dirancang dengan MATLAB untuk tujuan pembelajaran mesin yang diawasi.
4. Jaringan saraf kemudian telah dilatih menggunakan 80% dari data yang dikumpulkan dari MATLAB dengan algoritma propagasi back.
5. Jaringan saraf yang terlatih kemudian diuji pada data yang tersisa yang dikumpulkan dari MATLAB, berdasarkan langkah-4 mana yang diulang jika perlu.
6. Pengontrol PID tradisional diganti dengan pengontrol jaringan saraf dan diuji secara real-time.
7. Akhirnya, kinerja pengontrol yang diusulkan akan dibandingkan dengan kinerja pengontrol motor BLDC konvensional untuk kecepatan dan akurasi.

Tujuan, ruang lingkup, dan penerapan

TUJUAN

• Untuk memperkirakan kecepatan motor DC dan mengontrolnya, Ann dapat menggantikan kecepatan sensor dalam model sistem kontrol. Menggunakan JST, kami tidak perlu menghitung parameter motor saat merancang sistem kontrol. Dapat diungkapkan bahwa keuntungan yang cukup besar dari sistem kontrol menggunakan JST ketika parameter motor DC bervariasi selama pengoperasian motor. Kemampuan yang memuaskan dari kontrol sistem dengan aplikasi JST dan JST dapat digunakan dalam pengendalian adaptif di mesin sistem kontrol dengan beban yang rumit. Untuk mengontrol kecepatan motor DC, para ahli menggunakan pengontrol PID yang beruntung JST untuk meningkatkan akurasi kecepatan.

CAKUPAN

• Kinerja pengontrol adaptif berbasis JST lebih unggul. Masih kurang dengan beberapa keterbatasan, yang menyediakan ruang untuk perbaikan. Perbaikan yang mungkin ditunjukkan di bawah ini, sebagai arah yang mungkin untuk pekerjaan lebih lanjut. Dalam karya ini, jumlah lapisan tersembunyi dan jumlah neuron di lapisan tersembunyi dipilih berdasarkan coba -coba, mengingat bahwa semakin kecil angka, semakin baik ITI dalam hal memori dan waktu yang dibutuhkan untuk mengimplementasikan JST. Penelitian lebih lanjut dapat dilakukan untuk menemukan jumlah optimal lapisan tersembunyi dan jumlah neuron di lapisan tersembunyi. Fitur pembaruan bobot dan bias dari JST dapat mengkompensasi perubahan parameter dan gangguan selama operasi. Penggunaan tingkat pembelajaran adaptif dalam pengontrol yang diusulkan mengurangi kemungkinan overshooting terutama selama kondisi sementara. Ketentuan umpan balik dalam struktur motor JST yang dimodifikasi juga meningkatkan stabilitas sistem.

Penerapan

• Meskipun kinerja pengontrol adaptif lebih unggul, masih kurang keterbatasan, yang menyediakan ruang untuk perbaikan. Seperti yang kita ketahui, potensi pasar meningkat dengan meningkatnya efisiensi sistem. Oleh karena itu, penelitian lebih lanjut dapat dilakukan untuk meningkatkan efisiensi sistem keseluruhan selama operasi. Selain itu, desain pengontrol yang efisien dapat memberikan keunggulan kompetitif dibandingkan dengan sistem yang tersedia.

PENGAKUAN

Saya telah melakukan upaya dalam proyek ini. Namun, itu tidak akan mungkin terjadi tanpa dukungan dan bantuan dari banyak orang seperti Santanu , Arka , Soumik , Ishan , Bhaswardeep . Saya ingin menyampaikan terima kasih yang tulus kepada mereka semua. Saya ingin mengucapkan terima kasih yang tulus kepada pemandu proyek saya “Dr. Asim Halder” karena memberi saya kesempatan untuk mengerjakan topik ini. Tidak akan mungkin bagi kita untuk membawa proyek ini ke level ini tanpa ide -ide inovatif dan dukungan dan dorongannya yang tak kenal lelah. Saya juga ingin mengucapkan terima kasih dan penghargaan khusus kepada semua teman kelompok saya atas kerja sama, dukungan, dan dorongan yang baik hati yang banyak membantu saya menyelesaikan proyek saya dalam kerangka waktu yang terbatas.