سیستم های کنترل خطی با استفاده از تکنیک های تنظیم کلاسیک مانند روش های Ziegler-Nichols و Cohen-Coon کنترل می شوند. مطالعات تجربی نشان داده است که این روش های مرسوم عملکرد رضایت بخشی در کنترل سیستم هایی که دارای ناپایداری در اثر رفتار شدید غیرخطی هستند را از خود نشان نمی دهند. این موضوع به این دلیل می باشد که طراحان کنترل معمولا ترجیح می دهند سیستم های غیرخطی را با استفاده از روش های سعی و خطا یا با استفاده از روش های تجربی تنظیم کنند. بنابراین نیاز برای تحقیق و گسترش یک تکنیک تنظیم مناسب که برای گستره وسیعی از حلقه های کنترلی که با استفاده از روش های مرسوم پاسخ رضایت بخشی از خود نشان نمی دهند ضروری می باشد.
ظهور تکنیک هایی مانند هوش تجمعی یا Swarm Intelligence (SI باعث شد تا بسیاری از مسائل غیرخطی مهندسی حل بشوند. الگوریتم بهینه سازی پرندگان یا Particle Swarm Optimization (PSO که در سال 1995 توسط Eberhart و Kennedy مطرح شده است، یک زیر رشته از SI بوده و از الگوی حرکت گروهی که در طبیعت رخ می دهد مانند حرکت گروهی پرندگان الهام گرفته شده است. در این روش اطلاعات «بهترین مکان» هر ذره که براساس تجربیات قبلی به دست آمده است در اختیار تمام ذرات قرار داده می شود. در این تحقیق مساله شناسایی پارامترهای کنترلر PID به عنوان یک مساله بهینه سازی در نظر گرفته شده است. و تلاش شده است تا پارامترهای PID با استفاده از روش PSO بدست آید. از انواع مختلفی از مدل های سیستم های متداول که معمولا در صنعت وجود دارند برای ارزیابی روش PSO استفاده شده است. مقایسه بین تکنیک PSO با سایر روش های مرسوم تنظیم پارامترهای کنترلر PID با استفاده از شبیه سازی انجام شده است.
برخلاف کاربرد وسیع کنترل PID در صنعت یکی از مشکلات این کنترلر نبود یک روش تنظیم کنترلر جامع و قابل استفاده برای تمام انواع فرآیندهای صنعتی می باشد. بر این اساس مهمترین هدف این پژوهش به دست آوردن روش تنظیم پارامترهای کنترل PID است به طوری که برای تمام انواع فرآیندهای موجود در صنعت قابل استفاده باشد.
مقدمه
در طول سال های گذشته تکنیک های کنترل فرآیند در صنعت پیشرفت های بسیاری کرده است. روش های کنترل متعددی مانند کنترل تطبیقی، شبکه عصبی و کنترل فازی مورد مطالعه قرار گرفته اند. در میان این روش ها مشهورترین روش کنترل PID می باشد که به دلیل ساختار ساده و عملکرد مقاوم در شرایط مختلف به طور گسترده مورد استفاده قرار گرفته است. متأسفانه به علت اینکه اکثر سیستم های صنعتی دارای مسائلی چون تأخیر زمانی، مرتبه بالا و عوامل غیرخطی می باشند تنظیم مناسب گین های کنترل PID برای این سیستم ها مشکل می باشد. تنظیم بهینه یا نزدیک به بهینه پارامترهای PID با استفاده از روش های کلاسیک (روش ZN برای مثال) بسیار مشکل می باشد. به این دلایل افزایش قابلیت کنترل PID بسیار مطلوب است. برای بهبود عملکرد کنترل PID برای کنترل مطلوب انواع مختلف سیستم های صنعتی از روش هوش مصنوعی (AI) استفاده شده است. از روش های AI مانند شبکه عصبی، سیستم فازی و منطق فازی – عصبی به طور گسترده برای تنظیم مناسب پارامترهای کنترلر PID استفاده شده است.
الگوریتم پرندگان (PSO) که اولین بار توسط Kennedy و Eberhart معرفی شد یکی از جدیدترین الگوریتم های ابتکاری می باشد. PSO به وسیله شبیه سازی از یک سیستم اجتماعی ساده شده بدست آمده است و در حل بهینه مسائل غیرخطی دارای عملکرد مقاوم می باشد. تکنیک PSO قادر است یک راه حل با کیفیت بالا به همراه زمان محاسباتی کمتر و همگرایی پایدار نسبت به سایر روش های تصادفی به دست آورد. روش PSO یک تکنیک بهینه سازی عالی و یک رویکرد امیدوارکننده برای حل بهینه پارامترهای PID می باشد. بنابراین در این تحقیق کنترلر PSO-PID را برای جستجوی پارامترهای بهینه PID بررسی شده و روش بهینه سازی الگوریتم پرندگان برای طراحی بهینه کنترلر PID برای راکتور تانک همزن پیشنهاد می شود.
شامل 122 صفحه فایل pdf
