ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهینه سازی پارامترهای کنترل کننده PID و LQR در سیستم کنترل نیروسنج ترمز با جریان گردابی با استفاده از الگوریتم PSO

سال انتشار: 1394
کد COI مقاله: ICFUZZYS15_022
زبان مقاله: فارسیمشاهد این مقاله: 362
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهینه سازی پارامترهای کنترل کننده PID و LQR در سیستم کنترل نیروسنج ترمز با جریان گردابی با استفاده از الگوریتم PSO

سیدامین الله تقی زاده - دانشجوی کارشناسی ارشد، دانشگاه حکیم سبزواری
هانیه گریوانی - دانشجوی کارشناسی ارشد، دانشگاه حکیم سبزواری
احمد حاجی پور - عضوهیات علمی گروه مهندسی برق، دانشگاه حکیم سبزواری

چکیده مقاله:

نیروسنج یک ابزار صنعت اتومبیل است که برای آزمایش موتور و عملکرد آن بمنظور تامین اطلاعات موتور مانند توان و گشتاور برای طراحی و تحلیل موضوع کاربرد دارد.نیروسنج با ترمزهای جریان گردابی، موثرتر و قابل کنترل پذیرتر است. در این مقاله معادلات فضای حالت بدست آمده از این سیستم به صورت تابع تبدیل در نظر گرفته شده است. هدف طراحی کنترل کننده PID و کنترل کننده LQR برای این سیستم به نحوی است که مشخصات پاسخ پله مطلوب بدست آید. الگوریتم بهینه سازی توده ذرات فازی بهبود یافته (IFPSO) پارامترهای کنترل کننده را طوری بدست می آورد تا پاسخ پله بهینه حاصل گردد. در الگوریتم پیشنهادی ، هر ذره به صورت دینامیکی ضریب اینرسی خود را بر اساس بهترین حافظه ذره با استفاده از مدل فازی غیر خطی تنظیم می نماید.عملکرد الگوریتم IFPSO با الگوریتم بهینه سازی توده ذرات و الگوریتم ژنتیک در اصطلاحات دقت و سرعت همگرایی مقایسه شده است. نتایج شبیه سازی موثر بودن روش پیشنهادی را نشان می دهد.

کلیدواژه ها:

نیروسنج ترمز با جریان گردابی - کنترل کننده PID -کنترل کنندهLQR - الگوریتم بهینه سازی توده ذرات فازی بهبود یافته

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/425178/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
تقی زاده، سیدامین الله و گریوانی، هانیه و حاجی پور، احمد،1394،بهینه سازی پارامترهای کنترل کننده PID و LQR در سیستم کنترل نیروسنج ترمز با جریان گردابی با استفاده از الگوریتم PSO،چهارمین کنگره مشترک سیستم های فازی و هوشمند ایران (پانزدهمین کنفرانس سیستم های فازی و سیزدهمین کنفرانس سیستم های هوشمند)،زاهدان،،،https://civilica.com/doc/425178

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، تقی زاده، سیدامین الله؛ هانیه گریوانی و احمد حاجی پور)
برای بار دوم به بعد: (1394، تقی زاده؛ گریوانی و حاجی پور)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • Angeline, P. J. Evolutionary optimization versus particle _ optimization: Philosophy ...
  • Alf.A, Fateh, M.M. Intelligent identifcation and control using improved fuzzy ...
  • Clerc, M., & Kennedy, J. The particle Swarm- explosion, stability, ...
  • Transactions of Evolutionary Computation, 2002; 6(1), 58-73 ...
  • Chatterjee, A., &Sarry, P.Nonlinear inertia weight variation for dynamic adaptation ...
  • Gay, Sebastien Emanuel, "Contactless Magnetic Brakes for Automotive Applications, " ...
  • Joelianto, Endra, "Robust Hoo _ Controller Design Via LMI Solution ...
  • jao, B., Lian, Z., &Gu, X. A.Dynammic inertia weight particle ...
  • Kennedy J, Eberthart RC, Particle swarm optimization, Proc IEEE IntConf ...
  • Kennedy J, Eberhart RC, Shi Y. Swarm intelligence. San Francisco, ...
  • Rattaweera, _ Halgamuge, S. K., & Watson, H. C. Selforganizing ...
  • Shi YH, Eberthart RC, A modified particle IEEE IntConf ...
  • Shi, Y., &Eberhart, R. C. Fuzzy adaptive particle Swam optimization. ...
  • Shi, Y., Eberhart, R.C. Parameter selection in particle Swam optimization. ...
  • TirtaNahari, EndraJoelianto, Suyatman, "An eddy brakes dynamometer control system design ...
  • Industrial Informatics (ICCSII) Indonesia, September 23-26, 2012 ...
  • Yang, X., Yuan, J., Yuan, J., & Mao, H. A ...
  • C omputation , 2007 _ 189, 1205-1213 ...
  • Zwe-Lee Gaing, "A particle _ optimization approach for optimum design ...
  • C ONVERSI ON, _ 19, NO. 2, JUNE 2004 ...
  • Zhao, L, & Yang, Y, "PSO-based single multiplicative neuron model ...
  • App lications200 9 _ 36, 2805-2812 ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 3,581
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی