Model öngörülü moment kontrollü asenkron motor sürücü sisteminin eniyilenmesi
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Niğde Ömer Halisdemir Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tez çalışmasında, asenkron motorların yüksek başarımlı kontrolü için yeni bir yöntem olan model öngörülü moment kontrolünün geleneksel (tek-amaçlı) ve çok-amaçlı genetik algoritmalar (GA'lar) ile eniyilemesi gerçekleştirilmekte ve kontrol başarımları benzetim çalışmaları üzerinden karşılaştırılmaktadır. Model öngörülü moment kontrolü sunduğu üstünlüklere rağmen, maliyet fonksiyonunda yer alan ağırlıklandırma katsayısının seçimi ile ilgili sorunlara sahiptir. Literatürde genellikle deneme-yanılma yöntemi kullanılmasına rağmen, birkaç çalışma bu katsayıları çok-amaçlı metasezgisel eniyileme algoritmaları ile belirlemeye odaklanmaktadır. Mevcut literatürden farklı olarak, bu tez çalışması model öngörülü moment kontrolünün hız hataları üzerinden geleneksel GA ile eniyilemesine, farklı karar-verme yöntemlerinin model öngörülü moment kontrolünün çok-amaçlı eniyilemesi üzerindeki etkisinin incelenmesine ve son olarak tek-amaçlı ve çok-amaçlı olarak eniyilenen model öngörülü moment kontrol sistemlerinin kontrol başarımlarının karşılaştırılmasına odaklanmaktadır. Benzetim sonuçları, geleneksel eniyileme yönteminin çok-amaçlı eniyileme yöntemine karşı güçlü bir aday olduğunu göstermektedir.
In this thesis, model predictive torque control, which is a new method for high-performance control of induction motors, is optimized with conventional (single objective) and multi-objective genetic algorithms (GAs) and their control performances are compared through simulation studies. Despite the advantages of the model predictive torque control, it has problems with the selection of the weighting factor in the cost function. Although the trial-and-error method is generally used in the literature, few studies focus on determining these factors with multi-objective metaheuristic optimization algorithms. Unlike the current literature, this thesis focuses on optimizing model predictive torque control with conventional GA using speed errors, examining the effect of different decision-making methods on multi-objective optimization of model predictive torque control, and finally comparing the control performances of conventional and multi-objective optimized model predictive torque control systems. The simulation results show that the conventional optimization method is a powerful candidate against the multi-objective optimization method.
In this thesis, model predictive torque control, which is a new method for high-performance control of induction motors, is optimized with conventional (single objective) and multi-objective genetic algorithms (GAs) and their control performances are compared through simulation studies. Despite the advantages of the model predictive torque control, it has problems with the selection of the weighting factor in the cost function. Although the trial-and-error method is generally used in the literature, few studies focus on determining these factors with multi-objective metaheuristic optimization algorithms. Unlike the current literature, this thesis focuses on optimizing model predictive torque control with conventional GA using speed errors, examining the effect of different decision-making methods on multi-objective optimization of model predictive torque control, and finally comparing the control performances of conventional and multi-objective optimized model predictive torque control systems. The simulation results show that the conventional optimization method is a powerful candidate against the multi-objective optimization method.
Açıklama
Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
