การระบุเอกลักษณ์ค่าพารามิเตอร์ของแบบจำลองมอเตอร์ไฟฟ้ากระแสตรงด้วยขั้นตอนวิธีการผสมเกสรดอกไม้
Article Sidebar
เผยแพร่แล้ว:
ธ.ค. 23, 2018
คำสำคัญ:
การระบุเอกลักษณ์ค่าพารามิเตอร์ มอเตอร์ไฟฟ้ากระแสตรง ขั้นตอนวิธีการผสมเกสรดอกไม้ อภิศึกษาสำนึก
Main Article Content
บทคัดย่อ
การวิเคราะห์และออกแบบระบบควบคุมความเร็วมอเตอร์ไฟฟ้ากระแสตรงต้องอาศัยค่าพารามิเตอร์ของแบบจำลองที่ถูกต้อง บทความนี้นำเสนอการระบุเอกลักษณ์ค่าพารามิเตอร์ของแบบจำลองมอเตอร์ไฟฟ้ากระแสตรงบนพื้นฐานของขั้นตอนวิธีการผสมเกสรดอกไม้ ซึ่งเป็นเทคนิคการหาค่าเหมาะที่สุดเชิงอภิศึกษาสำนึกที่ได้รับการนำเสนอครั้งแรกในปี ค.ศ. 2012 โดยเลียนแบบกระบวนการผสมเกสรของดอกไม้ตามธรรมชาติผนวกกับการบินแบบเลวี ภายใต้การทดสอบระบบมอเตอร์ไฟฟ้ากระแสตรงได้ถูกกระตุ้นจากอินพุตแบบขั้นบันไดให้เกิดระดับความเร็วรอบของมอเตอร์ที่ถูกพิจารณาเป็นเอาต์พุตของระบบ ผลการระบุเอกลักษณ์จะเปรียบเทียบกับแบบจำลองที่ได้รับจากการค้นหาแบบนกกาเหว่าพบว่า ขั้นตอนวิธีการผสมเกสรดอกไม้ให้ค่าพารามิเตอร์ของแบบจำลองที่แสดงพลวัตของระบบดีกว่าแบบจำลองที่ได้รับจากการค้นหาแบบนกกาเหว่า รายละเอียดจะได้กล่าวถึงและแสดงไว้ในบทความนี้
Article Details
How to Cite
คำปัญญา ด. (2018). การระบุเอกลักษณ์ค่าพารามิเตอร์ของแบบจำลองมอเตอร์ไฟฟ้ากระแสตรงด้วยขั้นตอนวิธีการผสมเกสรดอกไม้. วารสารวิชาการ มทร.สุวรรณภูมิ, 6(2), 207–219. สืบค้น จาก https://li01.tci-thaijo.org/index.php/rmutsb-sci/article/view/149150
บท
บทความวิจัย
ต้นฉบับที่ได้รับการตีพิมพ์ถือเป็นสิทธิของเจ้าของต้นฉบับและของวารสารวิชาการ มทร.สุวรรณภูมิ เนื้อหาบทความในวารสารเป็นแนวคิดของผู้แต่ง มิใช่เป็นความคิดเห็นของคณะกรรมการการจัดทำวารสาร และมิใช่ความรับผิดชอบของมหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ
References
เดชา พวงดาวเรือง, ไชโย ธรรมรัตน์, อรรถรัตน์ นาวิกาวตาร, และสาโรจน์ หลั่งน้ำทิพย์. (2559). การประยุกต์ขั้นตอนวิธีการผสมเกสรดอกไม้เพื่อออกแบบตัวควบคุม PIDA อย่างเหมาะสม. ใน การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 39 (EECON-39) (น. 533-538). โรงแรมเดอะรีเจนท์ ชะอำบีช หัวหิน เพชรบุรี: จุฬาลงกรณ์มหาวิทยาลัย.
เดชา พวงดาวเรือง, อรรถรัตน์ นาวิกาวตาร, ไชโย ธรรมรัตน์, และสาโรจน์ หลั่งนํ้าทิพย์. (2560). การสังเคราะห์ตัวควบคุม PID แบบแอนะล็อกด้วยขั้นตอนวิธีการผสมเกสรดอกไม้. ใน การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 40 (EECON-40) (น. 451-454). โรงแรมเดอะซายน์ ชลบุรี: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
Balasubramani, K., & Marcus, K. (2014). A study on flower pollination algorithm and its applications. International Journal of Application or Innovation in Engineering & Management (IJAIEM), 3, 320-325.
Chittka, L., Thomson, J. D., & Waser, N. M. (1999). Flower constancy, insect psychology, and plant evolution. Naturwissenschaften, 86: 361-377.
Eykhoff, P. (1974). System identification: Parameter and state estimation. New Jersey: John Wiley & Sons.
Goldberg, D. E. (1989). Genetic algorithm in search, optimization, and machine learning. Boston, USA: Addison-Wesley Publishing.
Kennedy, J., & Eberhart, R. (1995). Particle swarm optimization. In Proc. IEEE Int. Conf. Neural Networks (ICNN’95) (pp. 1942-1948). Perth, WA, Australia: IEEE.
Krishnan, R. (2001). Electric motor drives modeling, analysis, and control. New Jersey: Prentice-Hall International.
Ketthong, T., Kiree, C., Tunyasrirut, S., & Puangdownreong, D. (2015). Parameter identification of DC-servo motor by adaptive tabu search. In The International Annual Symposium on Computational Science and Engineering (ANSCSE19) (pp. 79-83). Ubon Ratchathani: Ubon Ratchathani University.
Lastomo, D., Djalal, M. R., Wido, D., & Robandi, I. (2015). Optimization of PID controller design for DC motor based on flower pollination algorithm. In The International Conference on Electrical, Telecommunication and Computer Engineering (ELTICOM2015). Aryaduta Hotel, Medan: University of Sumatera Utara.
Leontaritis, I. J., & Billings, S. A. (1985a). Input-output parametric models for nonlinear systems (part I: deterministic nonlinear systems). Int. J. Control, 41(2), 303-328.
Leontaritis, I. J., & Billings, S. A. (1985b). Input-output parametric models for nonlinear systems (part II: stochastic nonlinear systems), Int. J. Control, 41(2), 329-344.
Ljung, L. (1987). System identification: Theory for the user. New Jersey: Prentice-Hall.
Ogata, K. (2010). Modern control engineering. New Jersey: Prentice Hall.
Pavlyukevich, I. (2007a). Lévy Flights, non–local search and simulated annealing. Journal of Computational Physics, 226, 1830-1844.
Pavlyukevich, I. (2007b). Cooling down Lévy Flights. Journal of Phys. A: Math, Theor., 40, 12299-12313.
Sandou, G. (2013). Metaheuristic optimization for the design of automatic control laws. New Jersey: Wiley.
Sakib, N., Kabir, Md. W., Rahman, Md. S., & Alam, M. S. (2014). A comparative study of flower pollination algorithm and bat algorithm on continuous optimization problems. International Journal of Applied Information Systems, 7, 13-19.
Talbi, E. G. (2009). Metaheuristics form design to implementation. New Jersey: John Wiley & Sons.
Vas, P. (1993). Parameter estimation, condition monitoring and diagnosis of electrical machines. Oxford, UK: Oxford University Press.
Willmer, P. (2011). Pollination and floral ecology. New Jersey: Princeton University Press.
Yadav, S. P., & Tripathi, V. K. (2006). A case study of DC motor speed control with PID controller through MATLAB. International Journal of Advanced Research in Computer and Communication Engineering, 5(5), 1008-1011.
Yang, X. S. (2010). Engineering optimization, an introduction with metaheuristic applications. New Jersey: John Wiley & Sons.
Yang, X. S., & Deb, S. (2009). Cuckoo search via Lévy flights. In World Congress on Nature & Biologically Inspired Computing (pp. 210-214). Coimbatore, India: IEEE.
Yang, X. S. & Deb, S. (2010). Engineering optimisation by cuckoo search. Mathematical Modelling and Numerical Optimisation, 1(4), 330-343.
Yang, X. S. (2012). Flower pollination algorithm for global optimization. Unconventional Computation and Natural Computation, Lecture Notes in Computer Science, 7445, 240-249.
Yang, X. S., & Deb, S. (2013). Multiobjective cuckoo search for design optimization. Computers and Operations Research, 40(6), 1616-1624.
Yang, X. S., Karamanoglua, M., & He, X. (2013). Multi-objective flower algorithm for optimization. International Conference on Computational Science, Procedia Computer Science, 18, 861-868.
Yang, X. S. (2014). Cuckoo search and firefly algorithm: overview and analysis. Studied in computational intelligence: Cuckoo search and firefly algorithm theory and applications. London: Springer.
Yang, X. S., Karamanoglua, M., & He, X. (2014). Flower pollination algorithm: a novel approach for multiobjective optimization. Eng Optim, 46(9), 1222-1237.
Zakian, V. (2005). Control systems design, A New Framework. London: Springer-Verlag.
เดชา พวงดาวเรือง, อรรถรัตน์ นาวิกาวตาร, ไชโย ธรรมรัตน์, และสาโรจน์ หลั่งนํ้าทิพย์. (2560). การสังเคราะห์ตัวควบคุม PID แบบแอนะล็อกด้วยขั้นตอนวิธีการผสมเกสรดอกไม้. ใน การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 40 (EECON-40) (น. 451-454). โรงแรมเดอะซายน์ ชลบุรี: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ.
Balasubramani, K., & Marcus, K. (2014). A study on flower pollination algorithm and its applications. International Journal of Application or Innovation in Engineering & Management (IJAIEM), 3, 320-325.
Chittka, L., Thomson, J. D., & Waser, N. M. (1999). Flower constancy, insect psychology, and plant evolution. Naturwissenschaften, 86: 361-377.
Eykhoff, P. (1974). System identification: Parameter and state estimation. New Jersey: John Wiley & Sons.
Goldberg, D. E. (1989). Genetic algorithm in search, optimization, and machine learning. Boston, USA: Addison-Wesley Publishing.
Kennedy, J., & Eberhart, R. (1995). Particle swarm optimization. In Proc. IEEE Int. Conf. Neural Networks (ICNN’95) (pp. 1942-1948). Perth, WA, Australia: IEEE.
Krishnan, R. (2001). Electric motor drives modeling, analysis, and control. New Jersey: Prentice-Hall International.
Ketthong, T., Kiree, C., Tunyasrirut, S., & Puangdownreong, D. (2015). Parameter identification of DC-servo motor by adaptive tabu search. In The International Annual Symposium on Computational Science and Engineering (ANSCSE19) (pp. 79-83). Ubon Ratchathani: Ubon Ratchathani University.
Lastomo, D., Djalal, M. R., Wido, D., & Robandi, I. (2015). Optimization of PID controller design for DC motor based on flower pollination algorithm. In The International Conference on Electrical, Telecommunication and Computer Engineering (ELTICOM2015). Aryaduta Hotel, Medan: University of Sumatera Utara.
Leontaritis, I. J., & Billings, S. A. (1985a). Input-output parametric models for nonlinear systems (part I: deterministic nonlinear systems). Int. J. Control, 41(2), 303-328.
Leontaritis, I. J., & Billings, S. A. (1985b). Input-output parametric models for nonlinear systems (part II: stochastic nonlinear systems), Int. J. Control, 41(2), 329-344.
Ljung, L. (1987). System identification: Theory for the user. New Jersey: Prentice-Hall.
Ogata, K. (2010). Modern control engineering. New Jersey: Prentice Hall.
Pavlyukevich, I. (2007a). Lévy Flights, non–local search and simulated annealing. Journal of Computational Physics, 226, 1830-1844.
Pavlyukevich, I. (2007b). Cooling down Lévy Flights. Journal of Phys. A: Math, Theor., 40, 12299-12313.
Sandou, G. (2013). Metaheuristic optimization for the design of automatic control laws. New Jersey: Wiley.
Sakib, N., Kabir, Md. W., Rahman, Md. S., & Alam, M. S. (2014). A comparative study of flower pollination algorithm and bat algorithm on continuous optimization problems. International Journal of Applied Information Systems, 7, 13-19.
Talbi, E. G. (2009). Metaheuristics form design to implementation. New Jersey: John Wiley & Sons.
Vas, P. (1993). Parameter estimation, condition monitoring and diagnosis of electrical machines. Oxford, UK: Oxford University Press.
Willmer, P. (2011). Pollination and floral ecology. New Jersey: Princeton University Press.
Yadav, S. P., & Tripathi, V. K. (2006). A case study of DC motor speed control with PID controller through MATLAB. International Journal of Advanced Research in Computer and Communication Engineering, 5(5), 1008-1011.
Yang, X. S. (2010). Engineering optimization, an introduction with metaheuristic applications. New Jersey: John Wiley & Sons.
Yang, X. S., & Deb, S. (2009). Cuckoo search via Lévy flights. In World Congress on Nature & Biologically Inspired Computing (pp. 210-214). Coimbatore, India: IEEE.
Yang, X. S. & Deb, S. (2010). Engineering optimisation by cuckoo search. Mathematical Modelling and Numerical Optimisation, 1(4), 330-343.
Yang, X. S. (2012). Flower pollination algorithm for global optimization. Unconventional Computation and Natural Computation, Lecture Notes in Computer Science, 7445, 240-249.
Yang, X. S., & Deb, S. (2013). Multiobjective cuckoo search for design optimization. Computers and Operations Research, 40(6), 1616-1624.
Yang, X. S., Karamanoglua, M., & He, X. (2013). Multi-objective flower algorithm for optimization. International Conference on Computational Science, Procedia Computer Science, 18, 861-868.
Yang, X. S. (2014). Cuckoo search and firefly algorithm: overview and analysis. Studied in computational intelligence: Cuckoo search and firefly algorithm theory and applications. London: Springer.
Yang, X. S., Karamanoglua, M., & He, X. (2014). Flower pollination algorithm: a novel approach for multiobjective optimization. Eng Optim, 46(9), 1222-1237.
Zakian, V. (2005). Control systems design, A New Framework. London: Springer-Verlag.