توضیحات
طراحی کنترلکننده عصبی بهینه برای تنظیم ولتاژ خروجی مبدل DC–DC افزاینده با استفاده از الگوریتم رقابت استعماری
عنوان اصلی مقاله:
طراحی و بهینه سازی کنترل کننده عصبی برای تنظیم و کنترل ولتاژ خروجی مبدلهای DC به DC فزاینده
شبیه سازی در محیط سیمولینک و ام فایل متلب 2016 انجام شده است.
دارای گزارش ورد 11 صفحه ای می باشد.
ترجمه روان تر چکیده:
مبدلهای DC–DC نقش مهمی در سیستم‌های تغذیه منابع قدرت ایفا می‌کنند و در کاربردهای گوناگونی برای تبدیل سطوح مختلف ولتاژ مورد استفاده قرار می‌گیرند. با توجه به تغییرات ناگهانی در ولتاژ ورودی و بار، کنترل دقیق ولتاژ خروجی در این مبدل‌ها ضروری است. در این مقاله، کنترل و تنظیم ولتاژ خروجی مبدل افزاینده DC با استفاده از یک کنترلکننده عصبی جدید مورد بررسی قرار گرفته است. در روش پیشنهادی، ساختار شبکه عصبی با بهره‌گیری از الگوریتم بهینه‌سازی رقابت استعماری (ICA) طراحی و بهینه‌سازی شده است. در ابتدا، با توجه به اهداف عملکردی سیستم، شبکه عصبی طراحی شده و سپس با تعریف یک تابع معیار چندهدفه مناسب، پارامترهای آن بهینه می‌شوند. انتخاب درست پارامترهای شبکه عصبی سبب بهبود چشمگیر عملکرد سیستم کنترلی می‌گردد. نتایج شبیه‌سازی‌ها نشان میدهد که کنترلکننده عصبی پیشنهادی عملکرد برتری نسبت به کنترلکننده کلاسیک PID دارد و قادر است ولتاژ خروجی را بدون نوسان و با سرعت پاسخ بالاتر تنظیم کند.
توضیحات پروژه کنترلر عصبی با ICA
مبدلهای DC-DC یکی از اجزای کلیدی در سیستم‌های الکتریکی مدرن هستند که برای تنظیم سطح ولتاژ در منابع تغذیه، سیستم‌های خورشیدی، درایوهای موتور DC و بسیاری از کاربردهای صنعتی مورد استفاده قرار می‌گیرند.
در این پروژه، کنترل ولتاژ خروجی مبدل افزاینده (Boost Converter) با استفاده از یک کنترلکننده عصبی هوشمند که توسط الگوریتم رقابت استعماری (ICA) بهینه‌سازی شده، شبیه‌سازی و تحلیل شده است.
🔹 هدف و نوآوری
هدف مقاله، طراحی یک سیستم کنترلی پیشرفته است که بتواند به‌صورت سریع، دقیق و بدون نوسان ولتاژ خروجی مبدل را تنظیم کند.
در این روش:
- از شبکه عصبی با تابع پایه گاوسی (RBF) برای یادگیری رفتار سیستم استفاده شده،
- و ساختار شبکه توسط الگوریتم بهینه‌سازی رقابت استعماری (Imperialist Competitive Algorithm) تنظیم می‌شود.
نتایج نشان میدهد که این روش در مقایسه با کنترلکننده PID سنتی، دارای پاسخ سریع‌تر، پایداری بالاتر و خطای کمتر است.
🔹 محتوای فایل‌ها
در پوشه Simulation فایل‌ها و پوشه‌های زیر وجود دارد:
- 📂 ICA – شامل کد کامل الگوریتم رقابت استعماری و فایل پیکربندی (
ica.m) -
- قابل تنظیم پارامترهای زیر:
- حد پایین و بالا (
lb,ub) - تعداد تکرارها (
MaxIt) - تعداد کلنی‌ها و استعمارکننده‌ها
- حد پایین و بالا (
- تابع هزینه در فایل
ica_cost.mتعریف شده است.
- قابل تنظیم پارامترهای زیر:
- 📄 neural_network.m – ساختار شبکه عصبی و محاسبات لایه‌های ورودی، پنهان و خروجی
- 📄 Gaussian.m – تابع پایه گاوسی مطابق با مقاله
- 📄 main.m – اجرای اصلی شبیه‌سازی و رسم نمودارها
- 📊 sim1_pid.slx – مدل سیمولینک مبدل با کنترلکننده PID
- 📊 sim2_nn.slx – مدل سیمولینک مبدل با کنترلکننده عصبی بهینه‌شده
تمامی مدل‌ها در نسخه MATLAB 2016a طراحی شده‌اند و با نسخه‌های جدیدتر نیز سازگار هستند.
🔹 توضیح عملکرد شبیه‌سازی
- اجرای فایل
main.mباعث اجرای الگوریتم ICA و بهینه‌سازی پارامترهای شبکه عصبی می‌شود. - پس از بهینه‌سازی، مدل
sim2_nnبا پارامترهای جدید اجرا و نتایج ثبت می‌شود. - برای مقایسه عملکرد، مدل
sim1_pidنیز به‌صورت خودکار اجرا می‌شود.
🔹 نتایج شبیه‌سازی (مطابق مقاله)
✅ شکل 7: روند همگرایی الگوریتم بهینه‌سازی
✅ شکل 8: ولتاژ خروجی بدون نوسان و تثبیت در مقدار 48 ولت
✅ شکل 9: خطای سیستم که به صفر می‌رسد
✅ شکل 10: توان خروجی بسیار نزدیک به نتایج مقاله
شکل :11ولتاژ خروجی با کنترل کننده ( PIDخروجی دارای نوسان است
شکل :12ولتاژ خروجی با کنترل کننده عصبی و ( PIDمقایسه نتایج
✅ شکل 11 و 12: مقایسه عملکرد PID و روش عصبی–ICA (روش پیشنهادی بسیار سریع‌تر و پایدارتر)
🔹 ویژگی‌های پروژه
- کدنویسی تمیز و توضیح‌دار در تمام فایل‌ها
- پارامترهای قابل ویرایش برای انجام تست‌های مختلف
- شباهت بالا به نتایج مقاله اصلی
- شامل تمام فایلهای لازم برای اجرا بدون نیاز به تنظیمات اضافی
- مقایسه کامل بین کنترلکننده PID و کنترلکننده عصبی بهینه‌شده
🔹 پیش‌نیازها
- نرم‌افزار MATLAB 2016a یا بالاتر (با متلب 2024 نیز تست واجرا شده است)
- جعبه‌ابزار Simulink
- آشنایی پایه با مفاهیم کنترل و شبکه‌های عصبی
🔹 کاربردهای آموزشی و پژوهشی
- کنترل هوشمند
- الکترونیک قدرت
- مقالات مرتبط با بهینه‌سازی هوشمند، شبکه عصبی و الگوریتم‌های تکاملی
🔹مقاله مرجع
عنوان مقاله:
«طراحی کنترلکننده عصبی بهینه برای تنظیم ولتاژ خروجی مبدل DC–DC افزاینده با استفاده از الگوریتم رقابت استعماری»
مجله مهندسی مخابرات – سال 1400
🔹 نمونه خروجی‌ها
📈 ولتاژ خروجی بدون نوسان
📉 خطای سیستم نزدیک به صفر
⚡ مقایسه نمودارهای PID و شبکه عصبی
شبیه‌سازی کنترلکننده عصبی بهینه‌سازی‌شده با الگوریتم رقابت استعماری (ICA) برای مبدل DC-DC افزاینده در متلب
طبق توضیحات فوق توسط کارشناسان سایت متلبی تهیه شده است و به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.