بهینه سازی انرژی در جرثقیل زیر تحریک برای انتقال بار متغیر با زمان با کنترل کننده مد لغزشی سلسله مراتبی ترکیبی تطبیقی بهینه
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 63
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-11-4_001
تاریخ نمایه سازی: 29 آبان 1401
چکیده مقاله:
این مقاله یک کنترل کننده مد لغزشی سلسله مراتبی ترکیبی تطبیقی بهینه (OACHSMC) را برای یک مدل جرثقیل با بار متغیر بازمان در حضور عدم قطعیت طراحی می کند. کنترل کننده مبتنی بر مد لغزشی (SMC) طراحی شده زیرا دارای رفتار پایداری و عملکرد مقاوم در حضور انواع عدم قطعیت مانند دینامیک های مدل نشده و نیروهای اصطکاک است که به ترتیب به صورت جمع شونده و ضرب شونده مدل شده اند. مدل جرثقیل زیر تحریک دارای دو زیرسیستم ارابه و بار است. بنابراین می توان آن را با استفاده از یک کنترل کننده مد لغزشی سلسله مراتبی ترکیبی (CHSMC) و منیفولد لغزشی دو لایه و فقط یک سیگنال کنترلی به طور دقیق کنترل کرد. جرم بار و طول کابل جرثقیل در حین انتقال بار متغیر بازمان در نظر گرفته شده، لذا مدل جرثقیل متغیر بازمان بوده و کنترل کننده با ضریب متغیر بازمان منیفولد لغزشی لایه دوم تطبیقی طراحی می شود. برای صرفه جویی در مصرف انرژی سیگنال ورودی، پارامتر منیفولد لغزشی لایه اول کنترل کننده با دو راهکار هوشمند الگوریتم ژنتیک (GA) و بهینه سازی ازدحام ذرات (PSO) بهینه سازی شده که نتایج یکسان داشته است. نتایج شبیه سازی پایداری و عملکرد مقاوم کنترل کننده بهینه شده پیشنهادی را نشان می دهد.
کلیدواژه ها:
Time-varying crane model ، Uncertainty modelling ، Adaptive Control ، Combined Hierarchical Sliding Mode Control ، Genetic algorithm ، Particle Swarm Optimization ، مدل جرثقیل متغیر بازمان ، مدل سازی عدم قطعیت ، کنترل تطبیقی ، کنترل مد لغزشی سلسله مراتبی ترکیبی ، الگوریتم ژنتیک ، بهینه سازی ازدحام ذرات.
نویسندگان
علیرضا فرجی
Department of Electrical and Computer Engineering, University of Kashan
مرضیه احمدی
Department of Electrical and Computer Engineering, University of Kashan
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :