Implementation of PSO tuned robust 2DOF PID controller for AVR system

Indhuja, R.; Kamaraj, N.

doi:10.1109/iccicct.2016.7987936

Cited by 5 publications

(2 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…[Alfaro and Vilanova 2013] abordam em seu trabalho a Equac ¸ão 4 que descreve o 2DOF PID usado neste artigo, onde r(s) é o ponto de ajuste, y(s) é a variável controlada, d(s) é uma perturbac ¸ão, e α e β são parâmetros de ponderac ¸ão do controlador, comec ¸ando com valores aleatórios no intervalo de 0 a 1, e durante as iterac ¸ões procuram os melhores valores livremente. Veja sua descric ¸ão na Figura 1 [Indhuja and Kamaraj 2016]. A func ¸ão de transferência do processo G(s) é representada por um modelo de primeira ordem cujos parâmetros são o ganho (K), a constante de tempo (τ ) e tempo morto (θ), que são usados pelos métodos de sintonia para ajuste dos parâmetros do controlador.…”

Section: Controlador 2dof Pidunclassified

Sintonia de controlador PID com Dois Graus de Liberdade por Otimização de Enxame de Partículas

Chagas,

Araujo,

Cruz

et al. 2023

Anais Da XII Escola Regional De Informática De Mato Grosso (ERI-MT 2023)

View full text Add to dashboard Cite

Embora os controladores PID sejam os mais usados na indústria e para os quais existe um grande número de métodos analíticos e empíricos de sintonia, o mesmo não pode ser dito acerca dos controladores PID com dois graus de liberdade. Por isso, este artigo tem como objetivo avaliar o uso do PSO no ajuste dos parâmetros desse tipo de controlador. Neste estudo, o método utilizado busca encontrar os valores ótimos dos ganhos do controlador aplicado a um conjunto de sistemas de primeira ordem nas mesmas condições operacionais de simulação, a fim de melhorar os critérios de desempenho como robustez e estabilidade da malha de controle, isto é, minimizar a função custo. Os resultados obtidos pelo algoritmo são comparados com os resultados obtidos com o uso dos métodos empíricos clássicos, no caso, os métodos CHR, IAE e ITAE.

show abstract

Section: Controlador 2dof Pidunclassified

Sintonia de controlador PID com Dois Graus de Liberdade por Otimização de Enxame de Partículas

Chagas,

Araujo,

Cruz

et al. 2023

Anais Da XII Escola Regional De Informática De Mato Grosso (ERI-MT 2023)

View full text Add to dashboard Cite

show abstract

“…In several recent research works, the researchers have updated methodologies to improve AVR control more efficiently such as Particle Swarm Optimization (PSO) [6][7][8], Salp Swarm Optimization algorithm [9,10], Teaching-Learning-Based Optimization (TLBO) [11,12], Cuckoo Search Algorithm [13][14], Sine-cosine algorithm [15][16], and neural network [17][18][19].…”

Section: Introductionmentioning

confidence: 99%

Slime Mold Algorithm Based Hybridized Artificial Neural Network Model for Efficient Automatic Voltage Regulation Control

Ghosh¹,

Dutta²,

Muthulakshmi³

2021

J. Nano- Electron. Phys.

View full text Add to dashboard Cite

A novel approach for efficient automatic voltage regulation (AVR) control using hybridized artificial neural network (ANN) model has been proposed in this research work. The novel automatic voltage regulator tuning using an improved neural network has been proposed in this paper. Artificial neural network has been used as focused time delay neural network (FTDNN). Validation is performed by comparing with the methods of feed-forward backpropagation neural networks, cascade-forward backpropagation neural networks, Elman-recurrent neural networks, focused time-delay neural networks and Distributed Time Delay Neural Networks (DTDNN). This hybridized ANN model incorporated a metaheuristic method namely Slime Mold Algorithm (SMA) for obtaining improved result on AVR control. SMA has characteristics that uses adaptive weights to simulate the process to generate feedback from the movement of biooscillator-based slime molds in foraging, exploring, and exploiting areas. The performance of the proposed method is focused on speed and rotor angle. The proposed method is compared with other neural network methods in a broad set of benchmarks to verify system efficiency. Promising results were obtained in tuning the AVR under 30 %, 60 % and 90 % loading conditions at slime mold count of 50.

show abstract