صفحه اصلی فهرست مقالات مشخصات مقاله
نشریه مهندسی مکانیک امیرکبیر
شماره‌های پیشین نشریه
دوره دوره 52 (1399)
دوره دوره 51 (1398)
دوره دوره 50 (1397)
دوره دوره 49 (1396)
دوره دوره 48 (1395)
دوره دوره 47 (1394)
دوره دوره 46 (1393)
دوره دوره 45 (1392)
دوره دوره 44 (1391)
دوره دوره 43 (1390)
دوره دوره 42 (1389)
دوره دوره 41 (1388)
محمدی, عادل, نریمان زاده, نادر, جمالی, علی. (1398). طراحی تک هدفه و چندهدفه سیستم های کنترل بهینه با استفاده از برنامه ریزی ژنتیکی و مقایسه آن با حل تحلیلی معادله ریکاتی. نشریه مهندسی مکانیک امیرکبیر, 52(12), 31-40. doi: 10.22060/mej.2019.16014.6258
عادل محمدی; نادر نریمان زاده; علی جمالی. "طراحی تک هدفه و چندهدفه سیستم های کنترل بهینه با استفاده از برنامه ریزی ژنتیکی و مقایسه آن با حل تحلیلی معادله ریکاتی". نشریه مهندسی مکانیک امیرکبیر, 52, 12, 1398, 31-40. doi: 10.22060/mej.2019.16014.6258
محمدی, عادل, نریمان زاده, نادر, جمالی, علی. (1398). 'طراحی تک هدفه و چندهدفه سیستم های کنترل بهینه با استفاده از برنامه ریزی ژنتیکی و مقایسه آن با حل تحلیلی معادله ریکاتی', نشریه مهندسی مکانیک امیرکبیر, 52(12), pp. 31-40. doi: 10.22060/mej.2019.16014.6258
محمدی, عادل, نریمان زاده, نادر, جمالی, علی. طراحی تک هدفه و چندهدفه سیستم های کنترل بهینه با استفاده از برنامه ریزی ژنتیکی و مقایسه آن با حل تحلیلی معادله ریکاتی. نشریه مهندسی مکانیک امیرکبیر, 1398; 52(12): 31-40. doi: 10.22060/mej.2019.16014.6258

طراحی تک هدفه و چندهدفه سیستم های کنترل بهینه با استفاده از برنامه ریزی ژنتیکی و مقایسه آن با حل تحلیلی معادله ریکاتی

مقاله 4، دوره 52، شماره 12، اسفند 1399، صفحه 31-40  XML | اصل مقاله [English] اصل مقاله (1072 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22060/mej.2019.16014.6258
نویسندگان
عادل محمدی1؛ نادر نریمان زاده 2؛ علی جمالی3
1گروه دینامیک ارتعاشات و کنترل، دانشکده مکانیک، دانشگاه گیلان، رشت، ایران
2گروه مکانیک، دانشکده مکانیک، دانشگاه گیلان، رشت، ایران
3گیلان*مهندسی مکانیک
چکیده
بدست آوردن ساختار ریاضی سیگنال کنترلی که بتواند حالت‌های سیستم را از حالت ابتدایی به حالت نهایی مطلوب برساند یکی از مهم‌ترین مباحث در حوزه کنترل بهینه سیستم‌های مدرن می‌باشد. به‌طورمعمول سیگنال کنترلی بهینه با حل یک شاخص تک‌هدفه به فرم خطی درجه دوم که ترکیبی از تلاش کنترلی و شاخص‌هایی از حالت‌های سیستم با استفاده از ضرایب وزنی می‌باشند، با استفاده از روش‌های عددی مانند برنامه‌ریزی دینامیکی و یا از روش‌های تحلیلی عددی مانند هامیلتون-جاکوبی-بلمن و یا معادلات ریکاتی بدست می‌آید. ازآنجایی‌که انتخاب ضرایب وزنی مناسب با اهداف طراحی در روش‌های متداول بهینه‌سازی مستلزم آزمون و خطا می‌باشد، در این مقاله با استفاده از برنامه‌ریزی ژنتیکی و بدون استفاده از هرگونه روش تحلیلی، ضرایب وزنی حذف و معیارهای بهینگی شامل تلاش کنترلی و خطای مسیر متغیر حالت جداسازی می‌شوند و درنتیجه مسائل بهینه‌سازی تک‌هدفه به چندهدفه ارتقا می‌یابند. درواقع با استفاده از برنامه‌ریزی ژنتیکی در این مقاله و با کمک پردازش موازی علاوه بر اینکه می‌توان به فرم تحلیلی حل معادلات ریکاتی در مسائل تک‌هدفه به‌عنوان سیگنال کنترلی بهینه دست یافت، در بهینه‌سازی چندهدفه با استفاده از مصالحه بین توابع هدف مختلف با توجه به نمودارهای پارتو، دیدگاه طراح در انتخاب سیگنال کنترلی بهینه متناسب با نیازهای طراحی توسعه می‌یابد.
کلیدواژه‌ها
کنترل بهینه؛ برنامه‌ریزی ژنتیکی؛ بهینه‌سازی چندهدفه؛ جبهه پارتویی؛ شاخص عملکرد خطی درجه دوم
موضوعات
بهینه سازی اجزا و سامانه‌های مکانیکی؛ کنترل سیستمهای دینامیکی
عنوان مقاله [English]
Single-objective and multi-objective design of optimal control systems by Genetic programming and its comparison with analytical solution of Riccati equation
نویسندگان [English]
Adel Mohamamdi1؛ Nader Nariman-zadeh2؛ Ali Jamali3
1Faculty of Mechanical Engineering, University of Guilan, Rasht, Iran
2Department of Mechanical Engineering, Faculty of Mechanical Engineering, University of Guilan, Rasht, Iran
3Faculty of Mechanical Enginnering, University of Guilan, Rasht, Iran
چکیده [English]
Gaining the function of control signal that transfer the system states from initial to desired final conditions is one of the main issues related to the optimal control of modern systems. Optimal control signal is usually obtained by numerical solution (such as dynamic programming algorithm) or analytical solution (like Hamilton-Jacobi-Bellman or Riccati equations approaches) of a single-objective performance index which is a weighted combination of control effort and the fitness of system’s states. However, choosing proper weight coefficients in these approaches needs a lot of trial and error in addition to experience. In this papers, such time consuming procedures are eliminated by using Genetic programming (GP) in single and multi-objective optimization process to find those closed-form mathematical solutions of optimal control problems. In this way, it would be readily possible to trade-off among the objective functions using the obtained pareto-front of those solutions based on the needs of the control system designer. It will be shown that in the case of same weighting factors, the solution of the Riccati equation would also be obtained using the approach of this paper.
کلیدواژه‌ها [English]
ptimal control, Genetic Programming, Multi-objective optimization, Pareto front, Quadratic performance index
مراجع
آمار
تعداد مشاهده مقاله: 90
تعداد دریافت فایل اصل مقاله: 90