Bulanık genetik proses kontrolü

Abstract

Yapılan çalışmada, seviye ve akış kontrol sistemlerinden oluşan bir prosesin kontrolü için, Çevrim Dışı modelde çalışan bir genetik bulanık kontrolör gerçekleştirildi. Sugeno modelindeki bulanık kontrolör için hata, hatanın değişimi ve aksiyon ağırlık değerinden oluşan bir bilgi tabanı oluşturuldu. Üyelik fonksiyonlarının başlangıç değerleri ve değişim aralıkları belirlendi. Aksiyon ağırlıklarının oluşturulması için, literatürde kullanılan genetik yönteme ilave 2 farklı sezgisel yöntem geliştirildi. Oluşturulacak kontrol işareti için Bulanık PD veya Bulanık PI şeklinde, bir alternatif oluşturuldu. Bulanık kontrolör bilgi tabanı, Pittsburg öğrenme yaklaşımına göre bir kromozom içinde, ikili olarak kodlandı. SGA yapısına göre gerçekleştirilen genetik algoritma operatörlerine ilave, farklı seçim yöntemleri, dinamik çaprazlama ve mutasyon olasılıkları, elistik model gibi operatörler oluşturuldu. Literatürdeki Elistik modele ilave, daha iyi performansa sahip yeni bir elistik model gerçekleştirildi. Ceza fonksiyonu yaklaşımı kullanılarak, kullanıcının maksimum değerlerini tanımlayabileceği performans kriterlerine (% kalıcı hal hatası, % aşım miktarı, yükselme zamanı) göre yeni bir uygunluk fonksiyonu tasarlandı. Sistemimiz için, genetik algoritma operatörlerinin (popülasyon büyüklüğü, çaprazlama olasılığı, mutasyon olasılığı, generasyon aralığı) optimal değerleri bulundu. Genetik bulanık kontrolör tarafından bulunan bilgi tabanını, prosesimizde test etmek için, Sugeno tipinde gerçek zamanda çalışan bir bulanık kontrolör tasarlandı. Prosesimiz üzerinde yapılan deneylerde, istenilen performans kriterlerinin sağlandığı görüldü. Gerçekleştirilen sistemin eğitim amaçlı kullanılması her aşamada gözönünde tutuldu. Sistemin Lisans ve Lisansüstü Eğitiminde kullanılmasına ilişkin bir müfredat çalışması yapıldı. Bu eğitimlerde kullanılmak amacıyla, ilave olarak, tek değişkenli bir lineer denklem sisteminin maksimum değerini genetik algoritma ile bulan yazılım geliştirildi. In this study, to control cascad connected fluid level and flow control sets, Off-Line Model Genetic Fuzzy controller is achieved. For Sugeno type fuzzy controller, error and rate of error membership functions and action weight values are realized for fuzzy database. Membership functions initial and boundry values are determined. To form action weight values, in addition the genetic method used in the literature, two more heuristic method are developed. For constitute control sign, alternatively, Fuzzy PD or Fuzzy PI controller is realized. To apply the Pittsburg learning approach, realized fuzzy controller database is coded binary in one chromosome. Realized genetic algorithm is developed to correspond with SGA model. In addition this SGA structure, different selection methods, dynamic crossover and mutation probability, elistic model are realized. Also, more efficient elistic model is achieved. Using penalty function approach, according the user definable three performance criteria (% steady state error, % overshoot, rise time) new fitness function is realized. Optimal values of genetic algorithm parameters (population size, crossover probability, mutation probability, generation interval) are found. To test found fuzzy database by genetic fuzzy controller, a Sugeno type real time fuzzy controler is designed. Realized experiments shown that desirable performance criteria is obtained. We consider every design step, realized system will be used in education. For this purpose, undergraduate and graduate level a curriculum was developed. Also, extra software is developed, which it founds maximum values of the one variable linear equation system by Genetic Algorithm.