Otomatik gerilim regülatör sistemi için karşıt tabanlı atom arama optimizasyon algoritması

Abstract

Bu makale, arama uzayı keşfini geliştirmek için karşıt tabanlı öğrenmeyi (OBL) kullanan atom arama optimizasyon (ASO) algoritmasının değiştirilmiş bir versiyonunu sunmaktadır. OBL, sezgisel-üstü algoritmaların performansını artırmak için yaygın olarak kullanılan bir makine öğrenme stratejisidir. Yeni bir tasarım metodu olarak sunulan karşıt tabanlı ASO (OBASO) algoritması, otomatik gerilim regülatörü (AVR) sistemindeki oransal-integral-türevsel artı ikinci dereceden türevsel (PIDD²) kontrolör parametrelerinin optimum değerlerinin bulunmasında ilk kez önerilmiştir. Tasarım probleminde, zaman ağırlıklı karesel hatanın integrali (ITSE) ve aşımı birlikte içeren yeni bir amaç fonksiyonu, önerilen OBASO algoritması ile optimize edilerek PIDD² kontrolör parametrelerinin en iyi değerleri bulundu. Önerilen OBASO ayarlı PIDD² (OBASO-PIDD²) kontrolörün performansı, klasik ASO ayarlı PIDD² (ASO-PIDD²) kontrolörün yanı sıra modern sezgisel-üstü algoritmalarla ayarlanan PID, kesir dereceli PID (FOPID) ve PIDD² kontrolörleriyle karşılaştırılmıştır. Önerilen yaklaşımın kararlılığını değerlendirmek için karşılaştırmalı geçici hal ve frekans cevabı analizleri gerçekleştirilmiştir. Ayrıca, AVR parametrelerindeki muhtemel değişimler göz önüne alınarak önerilen yaklaşımın gürbüzlüğü test edilmiştir. Kapsamlı simülasyon sonuçları ve mevcut diğer kontrolörler ile yapılan karşılaştırmalar, yeni bir amaç fonksiyonuna sahip önerilen OBASO-PIDD² kontrolörün üstün bir kontrol performansına sahip olduğunu ve model belirsizliklerine göre sistem gürbüzlüğünü oldukça artırabildiğini göstermektedir.