Intelligent identification and control using improved fuzzy particle swarm optimization

6 صفحه

شناسایی و کنترل هوشمند با استفاده از بهبود بهینه سازی شده ی ازدحام ذرات فازی

12 صفحه

فایل word ترجمه و pdf رایگان انگلیسی

100,000 ريال

چکیده
این مقاله یک الگوریتم جدید برای بهبود بهینه سازی ازدحام ذرات فازی (IFPSO) به منظور شناسایی هوشمند و کنترل یک سیستم پویا ارائه داده است. الگوریتم پیشنهادی، پارامترهای بهینه ی سیستم و کنترل را با به حداقل رساندن میانگین خطاهای مربع تعیین می نماید. هوشمندی بهینه سازی ازدحام ذرات با استفاده از یک وزن اینرسی فازی برای تعادل عقلانی توانایی بهره برداری عمومی و محلی، افزایش یافته است. در IFPSOپیشنهادی، هر ذره به صورتی پویا، وزن اینرسی را با توجه به ذرات بهترین مموری با استفاده از مدل فازی غیر خطی، تنظیم می نماید. به عنوان یک نتیجه، الگوریتم IFPSOدارای سرعت همگرایی سریعتر و دقت بالاتر است. عملکرد الگوریتم IFPSOبا الگوریتم های پیشرفته مانند الگوریتم واقعی کد ژنتیک (RCGA)، در کاهش خطی اینرسی وزن PSO (LDWPSO)و PSOفازی (FPSO) از نظر دقت پارامتر و سرعت همگرایی مقایسه شده است. نتایج شبیه سازی نشان دهنده ی اثربخشی الگوریتم پیشنهادی است.
 
1. مقدمه
شناسایی سیستم اولین و قابل توجه ترین گام طراحی یک کنترل کننده است. با توجه به یک مدل سیستم شناسایی شده، کنترل را می توان با استفاده از روش های مختلف کنترل، برای دستیابی به مشخصات مورد نیاز طراحی نمود. روش حداقل مربعات، یک تکنیک اساسی غالب برای شناسایی پارامترهاست. این با موفقیت برای شناسایی پارامترها در سیستم های ایستا و پویا، مورد استفاده قرار می گیرد. با این حال، فقط برای یک مدل ساختاری در پارامترهای خطی مناسب است. هنگامی که ساختار مدل در پارامترهای خطی نباشد، این رویکرد ممکن است نامعتبر باشد (استروم و ویتنمارک، 1995). علاوه بر این، این تکنیک نشانگر برخی مشکلات اساسی با توجه به وابستگی آن به مفروضات غیر واقعی مانند عملکرد متناظر تک مدی و مشتق تابع عملکرد است.