کنترل موتور DC با کنترل فازی بهینه شده با الگوریتم ازدحام ذرات PSO

کنترل موتور DC در صنعت دارای اهمیت خاصی است. برای مثال می توان سرعت موتور را در سرعتی که موتور دارای بیشترین راندمان است، ثابت نگه داشت. برای این منظور بایستی از کنترلر استفاده کرد. انواع مختلفی از کنترلرها برای این منظور وجود دارد. پارارمترهای کنترلر بایستی به گونه ای تعریف شود که راندمان و کارکرد مناسب حاصل گردد. ولی به دلیل وجود پارامترهای متعدد، در عمل این امکان وجود دارد که بتوان به حالت بهینه کنترلر دست پیدا کرد. برای مثال با تغییر در رفتار مکانیکی موتور با گذر زمان یا با تغییر دما و یا بار، کنترلر نمی توان خود را تطبیق دهد. در این پروژه از کنترلر فازی استفاده شد و با استفاده از الگوریتم ازدحام ذرات پارامترهای کنترلر بهینه شد. تئوری فازی fuzzy theory برای اولین بار توسط پروفسور زاده در سال 1965 معرفی شد. یکی از ویژگی های اصلی تئوری فازی این است که با استفاده از این تئوری می توان در محیط هایی با پارامترهای نامشخص و مبهم بتوان روابط عددی را ایجاد کرد. به عبارت دیگر رابطه ای بین پارامترهای کیفی با پارامترهای عددی ایجاد می کند.

الگوریتم بهینه سازی ازدحام ذرات Particle Swarm Optimization روشی است استوار بر جمعیت و نوعی روش تصادفی است که توسط ابرهات و کندی در سال 1995 معرفی شد. این روش از رفتار اجتماعی پرنده ها و ماهی ها الهام گرفته است. این روش با روش های دیگر تکاملی دارای شباهت های زیادی است. بر خلاف روش بهینه سازی الگوریتم ژنتیک، روش PSO هیچ اپراتور تکاملی مانند جهش و ضربدری ندارد. در روش PSO هر کدام از ذرات در فضای مسئله مانند پرنده ها حرکت می کنند.