طراحي سيستم كنترلي ANFIS با روش ممتيك جهت كنترل ارتعاشات تير با استفاده از مواد پيزوالكتريك

Design of ANFIS Control System Using Memetic Method to Vibration control on a Beam with piezoelectric materials

يكي از ملاحظات مهم در طراحي سازه‌ها، تحليل ارتعاشات سازه و كنترل آن مي‌باشد. از اين‌رو نحوه كنترل و فرونشاندن ارتعاشات، يكي از مسائل مهم در طراحي سازه‌ها مي‌باشد. همچنين وابستگي بين خواص مكانيكي و الكتريكي مواد پيزوالكتريك باعث شده تا استفاده از اين مواد به عنوان حسگر و عملگر براي كنترل پاسخ سازه ها بسيار مناسب باشد. در كار حاضر از سيستم استنتاج فازي عصبي تطبيقي ANFIS به همراه الگوريتم ممتيك استفاده شده است. الگوريتم ممتيك، نوعي الگوريتم تكاملي مي باشد كه براي بهينه سازي يك مسئله، از روش تركيب جستجوهاي محلي با ديگر الگوريتم هاي تكاملي بهره مي برد و منجر به دستيابي به پاسخهاي بهتر در زمان كمتر مي گردد. در اين مقاله با توجه به تكامل رفتاري در حل يك مسئله بهينه سازي، استراتژي جديدي براي الگوريتم هاي ممتيك ارائه شده است. با تعيين يك پارامتر تطبيقي براي الگوريتم در هر تكرار، تعداد جمعيت، احتمال جهش و شرايط ورود به الگوريتم هاي جستجوي محلي را مي توان به صورت تطبيقي تعيين نمود. از اين الگوريتم براي كنترل ارتعاشات يك تير همراه با كنترلر ANFIS استفاده شده است كه پارامترهاي متغير شبكه كنترلي مورد نظر توسط الگوريتم ممتيك تعليم داده شده است. با مقايسه نتايج تعليم كنترلر توسط الگوريتم ممتيك با نتايج حاصل از تعليم كنترلر توسط الگوريتم ژنتيك، كاهش زمان نشست و فراجه ش پاسخ تير را مي توان نشان داد.

One of the most important considerations in structures design are analysis and control of structure vibrations. Hence how to control and suppress vibrations is one of the important issue in the design of structures. Also, The dependence between mechanical and electrical properties of piezoelectric materials has led to the use of these materials as sensors and actuator to control the structural response is very good. In this paper, we use neural-fuzzy inference system with memetic algorithm to dampen the vibrations. Memetic algorithm is a evolutionary algorithm and leads to better responses in an optimization problem. In this study, with respect to the evolution of behavior in an optimization problem, an adaptive strategy is proposed for the memetic algorithm. By defining an adaptive parameter for the algorithm in each iteration, number of population, mutation probability and entry conditions to local search algorithm can be detemined adaptively. The adaptive algorithm used to vibration control of beam with an ANFIS controller. The variable parameters to control network has been trained by memetic and genetic algorithms. Comparison of results shows that reduces the settling time and Maximum overshoot.