بهينه سازي همزمان چند تابع هدف با الگوريتم ژنتيك- فازي و كاربرد آن در كنترل سرعت موتور القايي

A New Multi-Objective Optimization Method Based on Genetic- Fuzzy Algorithm and its Application in Induction Motor Speed Control

در اين مقاله يك روش جديد براساس الگوريتم ژنتيك - فازي براي بهينه سازي همزمان چند تابع هدف ارائه شده است . از الگوريتم ارائه شده براي تعيين نقطه بهينه دو تابع هدف رياضي غير خطي و طراحي و تنظيم بهينه ضرايب بهره يك كنترل كننده كلاسيك PI در روش كنترل اسكالري يك موتور القايي تغذيه شده با اينورتر نوع جريان اجباري1 به عنوان يك سيستم غير خطي استفاده شده است. براي تعيين و تنظيم ضرايب بهره كنترل كننده پاسخ سيستم به ورودي پله در نظر گرفته شده و زمان خيز2 (Tr)، ماكزيمم جهش3 (Mp)، زمان تثبيت4 (Ts) و خطاي حالت ماندگار5 (Ess) به عنوان چهار تابع هدف بهينه مي شوند. نتايج حاصله از روش جديد ارائه شده در اين مقاله با نتايج حاصل از به كارگيري روش سعي و خطا [ 13 و14 ] در تنظيم ضرايب كنترل كننده ها و روش فازي وزني[4 ] در تعيين نقطه بهينه دو تابع رياضي مقايسه شده است . از امتيازات برجسته الگوريتم بهينه سازي ارائه شده اين است كه مي توان درجه اهميت توابع هدف را از قبل مشخص كرده و يا به صورت فازي با توجه به بهبود تابع هدف در روند بهينه سازي تعيين كرد. نتايج به دست آمده نشان دهنده عملكرد مناسب روش ارائه شده است .

In this paper, a new method based on genetic-fuzzy algorithm for multi-objective optimization is proposed. This method is successfully applied to several multi-objective optimization problems. Two examples are presented: the first example is the optimization of two nonlinear mathematical functions and the second one is the design of PI controller for control of an induction motor drive supplied by Current-Source-Inverter (CSI). Step response of the system is considered and controller parameters are designed based on multi-objective optimization technique. Rise-time, maximum over-shoot, settling time and steady state error are considered as objective functions. The simulation results of the new method for induction motor speed control and optimization of two nonlinear mathematical functions are compared with the results obtained from other methods [4,14,15], which shows better performance.