بخشی از مقاله
چکیده
موتورهای DC بدون جاروبک - BLDC - به دلیل چگالی بالای توان و سادگی کنترل کاربرد گستردهای در صنعت یافتهاند. از طرفی کنترلکننده های PI به دلیل کارایی و هزینه کم بهوفور در کنترل موتورهای الکتریکی در صنعت مورداستفاده قرار میگیرند
یکی از چالشهای استفاده از کنترلکننده های PI نحوه تنظیم پارامترهای آن میباشد. روشهایی مانند روش زیگلر نیکولز برای تنظیم پارامترهای کنترلکننده PI وجود دارد که همگی تقریبی هستند. در این مقاله با استفاده از الگوریتم بهینهسازی فاخته بهعنوان یک الگوریتم بهینهسازی جدید و با سرعت همگرایی بالا، ضرایب کنترلکننده PI بهینهشده تا موتور بتواند دستور مرجع موقعیت دادهشده را بهخوبی دنبال کند. همچنین یک روش فازی-PI تطبیقی در این مقاله معرفیشده و کارایی آن در مقایسه با کنترلکننده PI با ضرایب ثابت مورد ارزیابی قرار میگیرد.
مقدمه
در سالهای اخیر موتورهای BLDC به دلیل مزایای بسیار آنها بهسرعت جای خود را به موتورهایی مانند موتور dc جاروبک دار و موتورهای القایی میدهند - . - Varghese et al, 2014 ازجمله مزایای این نوع موتورها میتوان بهراحتی کنترل، چگالی گشتاور و بازدهی بالا، کم بودن حجم موتور، نیاز کمتر به تعمیرات دورهای نام برد - . - D. Hanselman, 2003 کنترلکننده های PID1 به دلایلی مانند سادگی ساختمان، قیمت کم و عمر زیاد بهوفور در صنعت وجود دارد - 2ʼ Z\HU' .2006 - ازجمله بزرگترین معایب این نوع کنترلکننده، نبود روشی دقیق برای تعیین پارامترهای آن است.
درگذشته از روشهایی مانند روش زیگلر نیکولز برای تعیین تقریبی پارامترهای کنترلکننده PID استفاده میشد - . - Jinghua Zhong, 2006 در این مقاله با استفاده از الگوریتم بهینهسازی فاخته پارامترهای کنترلکننده PI بهینهسازی میگردد. تابع هزینه پیشنهادی علاوه بر کاهش سازی خطای ماندگار و فراجهش - - Overshoot، سرعت رسیدن به مقدار نهایی را افزایش میدهد. دلیل استفاده از کنترلکننده PI این است که وجود مشتق گیر در ساختار کنترلکننده برای موتورهای الکتریکی سبب تغییرات ناگهانی و کنترل سختتر آن میشود از این رو در اغلب موارد برای کنترل موتورهای الکتریکی از کنترلکننده PI استفاده میگردد
روش دیگری که در این مقاله مورد ارزیابی قرار میگیرد روش تطبیقی فازی-PI میباشد. با استفاده از این روش ضرایب P و I با توجه به شرایط خطا و مشتق خطا توسط منطق فازی تعیین میگردد. بنابراین ضرایب P و I ثابت نیستند و بسته به شرایط تغییر میکنند. در قسمت شبیهسازی نتایج حاصل از روشهای کنترلی مختلف باهم مقایسه شده و تحلیل میگردد.
الگوریتم بهینه سای فاخته
این الگوریتم یکی از جدیدترین و قویترین روشهای بهینهسازی تکاملی میباشد که تاکنون معرفیشده است. الگوریتم فاخته الهام گرفته از روش زندگی پرندهای به نام فاخته است که در سال 2009 توسط شین او یانگ و دب ساوش، توسعهیافته است
الگوریتم فاخته بر اساس زندگی گونهای از فاخته است. این الگوریتم بعدها در سال 2011 توسط رامین رجبیون بهطور کامل با جزییات بیشتر موردبررسی قرار گرفت - . - Rajabioun, 2011 ازجمله مزایای این روش میتوان بهسرعت همگرایی بالا با تعداد تکرار کمتر نسبت به روشهای بهینهسازی مشابه مانند روش الگوریتم ژنتیک و روش ازدحام ذرات اشاره کرد
در شکل 1 فلوچارت الگوریتم بهینهسازی فاخته رسم شده است. الگوریتم بهینهسازی فاخته با یک جمعیت اولیه کار خود را شروع میکند. جمعیتی که متشکل از فاختههاست. این جمعیت از فاخته ها تعدادی تخم دارند که آنها را در لانه تعدادی پرندهی میزبان خواهند گذاشت .تعدادی از این تخمها که شباهت بیشتری به تخمهای پرنده میزبان دارند شانس بیشتری برای رشد و تبدیلشدن به فاخته بالغ خواهند داشت. سایر تخمها توسط پرنده میزبان شناساییشده و از بین میروند. میزان تخمهای رشد کرده ، مناسب بودن لانههای آن منطقه را نشان میدهند. هرچه تخمهای بیشتری در یک ناحیه قادر به زیست باشند و نجات یابند به همان اندازه سود - تمایل - بیشتری به آن منطقه اختصاص مییابد. بنابراین موقعیتی که در آن بیشترین تعداد تخمها نجات یابند پارامتری خواهد بود که الگوریتم فاخته قصد بهینه سازی آن را دارد.
فاخته ها برای بیشینه کردن نجات تخمهای خود به دنبال بهترین منطقه میگردند. پس از آنکه جوجهها از تخم درآمدند و به فاخته بالغ تبدیل شدند، جوامع و گروههایی تشکیل میدهند. هر گروه منطقه سکونت خود را برای زیست دارد. بهترین منطقه سکونت تمام گروهها مقصد بعدی فاختهها در سایر گروهها خواهد بود. تمام گروهها به سمت بهترین منطقه موجود فعلی مهاجرت میکنند .
هر گروه در منطقهای نزدیک بهترین موقعیت فعلی ساکن میشود. با در نظر گرفتن تعداد تخمی که هر فاخته خواهد گذاشت و همچنین فاصله فاختهها از منطقه بهینه فعلی برای سکونت تعدادی شعاع تخمگذاری محاسبه شده و شکل میگیرد . سپس فاختهها شروع به تخمگذاری تصادفی در لانههایی داخل شعاع تخمگذاری خود میکنند. این فرآیند تا رسیدن به بهترین محل برای تخمگذاری - منطقه با بیشترین سود - ادامه مییابد. این محل بهینه جایی است که بیشترین تعداد فاختهها در آن گرد میآیند.
