مقايسه بين الگوريتم‌هاي بهينه‌سازي براي تنظيم پارامترهاي ارتباط كنترل‌شده مبتني بر فازي در سيستم‌هاي كنترل شبكه

A comparison between optimization algorithms for the tuning of fuzzy based controlled communication for networked controlled systems

هدف اين مقاله بهبود عملكرد سيستم‌هاي كنترل شبكه با استفاده از ارتباط كنترل‌شده با منطق فازي بهينه‌ شده است. با استفاده از منطق فازي و تخمين‌گرهاي بهينه فيلتر كالمن تعيين مي‌شود كه چه زماني داده‌ها روي شبكه قرار گيرند تا ترافيك شبكه كاهش يابد. لازم به توضيح است كه نيازي نيست كه همواره اطلاعات روي شبكه ارسال شود و اندازه‌گيري‌ها به‌صورت محلي قبل از ارسال پردازش مي‌شوند. در اين مقاله، از الگوريتم‌هاي بهينه‌سازي مبتني بر جمعيت براي تنظيم پارامترهاي سيستم فازي كنترل منطق ارتباطي استفاده مي‌شود. عملكرد كنترل‌كننده‌هاي تنظيم‌شده با استفاده از نتايج به‌دست آمده از الگوريتم‌هاي بهينه‌سازي ازدحام ذرات، الگوريتم ژنتيك، الگوريتم رقابت استعماري، الگوريتم بهينه‌سازي بر پايه جغرافياي زيستي، الگوريتم كلوني مورچه‌ها مقايسه مي‌شوند. روش به‌دست آمده بر روي دو سيستم جرثقيل سقفي شبكه‌ شده با مشخصه‌هاي غيرخطي شبيه‌سازي مي‌شود. نتايج شبيه‌سازي اعتبار روش پيشنهادي را اثبات مي‌كند. درحالي‌كه همه الگوريتم‌ها نتايج قابل قبولي ايجاد كرده‌اند، بهترين عملكرد در استفاده از الگوريتم بهينه‌سازي ازدحام ذرات از لحاظ كمينه‌كردن تابع هدف و خطاي رديابي مشاهده شده است و نشان داده مي‌شود اين الگوريتم قادر است مشكل هماهنگ‌سازي دو جرثقيل تحت شبكه به هنگام جابه‌جايي بار با حجم بالا را، با كارآيي بالا حل كند.

The goal of this paper is improvement of the operation of networked control systems using optimized fuzzy logic controlled communication. Network traffic is reduced with optimal kalman filter estimator and fuzzy logic. It should be explained, there is no need to send information on the network continuously and the measurements are processed locally before sending. In this paper, population based optimization algorithms are used to set the parameters of fuzzy system for control the communication logic. The performance of regulated controllers are compared by the results of Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Biogeography Based Optimization (BBO), Imperialist Competitive Algorithm (ICA) and Ant Colony Optimization with continuous domain (ACOR) algorithms. The proposed method is simulated on two overhead cranes over a network with nonlinear features. Simulation results prove the validation of the proposed solution. While the results of all algorithms are reasonable but PSO algorithm has best result in reducing tracking error and fitness function point of view. Simulation results illustrate the effectiveness of proposed control system in coordination of two cranes over the network in moving heavy loads.