تنظیم کننده خودکار چندهدفه آنلاین داده محور برای سیستم کنترل یادگیر تکرارشونده با استفاده از الگوریتم بهینه یابی ازدحام ذرات

در این مقاله الگوریتم بهینه یابی ازدحام ذرات (PSO) به عنوان روشی برای تنظیم خودکار ضرایب یادگیری سیستم کنترل یادگیرتکرارشونده (ILC) به صورت آنلاین و داده محور معرفی شده است (ILC-PSOAT). درروش پیشنهادی، ضرایب یادگیری متغیر با تکرار هستند که پس از هر بار تکرار شدن سیستم، توسط الگوریتم پیشنهادی PSO بر اساس ارزیابی عملکرد تکرار قبلی تنظیم می شوند. مزیت روش پیشنهادی این است که داده محور بوده و قابلیت حل مسائل خطی، غیرخطی و چند متغیره و جبران سازی انواع نویزها و اغتشاشات و حذف سایر محدودیت های روش های پیشین دارا است. مثال های شبیه سازی شده نشان می دهند که این رویکرد منجر به همگرایی یکنواخت و سریعتر سیستم ILC نسبت به مدل های پیشین با ضرایب ثابت میشود

کلیدواژه ها:

سیستم کنترل یادگیر تکرارشونده (Control Learning Iterative) ، بهینه یابی ازدحام ذرات (Optimization Swarm Particle) ، تنظیم کننده خودکار ، بهینه یابی چندهدفه ، کنترل داده محور ، کنترل هوشمند ، الگوریتم های فرا ابتکاری ، الگوریتم های هوش جمعی