بهینه سازی و بهبود کنترل سرعت موتور الکتریکی dc بوسیله ترکیب منطق فازی و الگوریتم ژنتیک

علم کنترل در طول حیات خود دستخوش تغییرات بسیاری شده است. به عنوان مثال از 1940 تا 1960 روشهای کنترل خطی و غیرخطی ابداع شدند که بیشتر آنها مبتنی بر مدلهای حوزه فرکانس بودند. از 1960 تا 1980 علم کنترل پیشرفت بسیار سریع و چشمگیری داشت و مفاهیم جدید بسیاری در زمینه سیستم- های کنترل معرفی شدند. استفاده از فضای حالت و مفاهیم قدرتمندی چون کنترل پذیری و مشاهده- پذیری در آن سالها وارد عرصه کنترل شدند و تئوریهای مربوط به کنترل بهینه و کنترل فرآیندهای اتفاقی سیر تکاملی خود را طی کردند. بسیاری از این تئوریها با موفقیت در زمینه هایی چون کنترل فرآیندها و صنایع هوا فضا مورد استفاده قرار گرفتند. مفاهیم بسیاری مانند تطبیق پذیری، یادگیری، بهینه بودن و مقاوم بودن در این دوره معرفی شدند و مورد مطالعه قرار گرفتند. ویژگی مشترک روشهای کنترلی که تا آن زمان معرفی شده بودند این است که همگی آنها روشهای مبتنی بر مدل می باشند. یعنی برای استفاده از این روشها به مدلهای ریاضی از سیستم تحت کنترل و محیطهای اتفاقی که سیستم در آن قرار می گیرد، نیاز است. این مدلها با توجه به خصوصیات فیزیکی سیستم ایجاد می شود و معمولاً بصورت معادلات دیفرانسیل می باشد ]1[. حال آنکه استخراج مدل ریاضی سیستم کار دشوار و زمانبری می باشد و از طرفی در بسیاری از سیستم های واقعی امکان یافتن مدل دقیق سیستم وجود ندارد. جهت رفع این مشکلات به یک روش کنترلی جدید که وابستگی کمتری به مدل سیستم داشته باشد نیاز بود. با پیدایش تئوری فازی و در ادامه سیستم های کنترل فازی، مشکلات پیچیدگی و وابستگی به سیستم در روش های کلاسیک مرتفع شد. گاهی اوقات اشخاص خبره و طراحان می توانند به راحتی عملکرد سیستم را در قالب عبارات کلامی شرح دهند و روابط حاکم بر سیستم را بصورت قواعد اگر- آنگاه بیان کنند. گاهی نیز اطلاعات عددی از عملکرد سیستم موجود است و می توان از آنها برای کشف روابط حاکم بر سیستم استفاده کرد. هنگامی که سیستم دینامیکی مورد نظر پیچیده است و نمی توان مدل ریاضی دقیقی از آن به دست آورد، اما دانش شخص خبره و یا اطلاعات عددی از سیستم دینامیکی موجود است می توان از سیستمهای فازی برای مدلسازی و کنترل آن استفاده کرد. مهمترین ویژگی سیستمهای فازی توانایی آنها در بکارگیری دانش شخص خبره می باشد. این ویژگی را می- توان دلیل اولیه به وجود آمدن سیستمهای فازی دانست. هنگامی که سیستم مورد نظر برای مدلسازی یا کنترل پیچیده است و بدست آوردن مدلهای ریاضی دقیق برای آن ممکن نیست، اما افرادی وجود دارند که بخوبی می توانند عملکرد سیستم را شرح دهند و یا آن را کنترل کنند، به راحتی می توان از دانش این افراد برای ایجاد یک سیستم فازی برای مدلسازی یا کنترل سیستم مورد نظر استفاده کرد. مهمترین مشکل موجود برای استفاده از سیستمهای فازی، نبودن روش صریحی برای تعیین ساختار و پارامترهای بهینه مدلهای فازی می باشد. باید توجه داشت که سیستمهای فازی ایجاد شده با استفاده از دانش شخص خبره معمولاً دقیق و بهینه نیستند و برای استفاده از آنها باید با سعی و خطا و یا با استفاده از روشهای دیگری عملکرد آنها را بهبود بخشید . الگوریتم ژنتیک می تواند یک ابزار قدرتمند و موثر برای بهینه سازی و بهبود رفتار سیستم ها باشد. الگوریتم ژنتیک می تواند برای به دست آوردن قواعد اگر- آنگاه فازی (یادگیری ) و همچنین تنظیم و بهینه سازی پارامترهای سیستم فازی (تنظیم ) استفاده شود . در این پایان نامه تلاش می شود تا یک روش جدید برای بهبود کنترل سرعت موتورهای الکتریکی dc ارائه شود. این روش مبتنی بر ترکیب الگوریتم ژنتیک و منطق فازی برای تنظیم یک کنترل کننده فازی می باشد. بدلیل امکان کنترل سرعت دقیق و در محدوده وسیع، سیستم تحت کنترل یک موتور الکتریکی dc با تحریک موازی انتخاب می شود.