BİLİNMEYEN MARKOV ATLAMALI SİSTEMLERİN MODELLEMESİ VE ERGEN KİMLİK ARAMA ALGORİTMASI İLE AYARLANMIŞ PID KONTROLÜ

Authors : Bedrı Bahtıyar, Meric Cetin, Selami Beyhan

Pages : 1-16

Doi:10.21923/jesd.1511442

View : 110 | Download : 87

Publication Date : 2025-03-20

Article Type : Research Paper

Abstract :Markov atlama sistemlerinin (Markov Jump System–MJS), bilinmeyen dinamikler, rastgele geçişler ve çevresel gürültüler nedeniyle denetlenmesi zordur. Bu makalede, gerçek zamanlı doğrusal MJS\\\'ler optimizasyon yöntemleri kullanılarak genel modelleme ve denetim performansını iyileştirmek için gözden geçirilmiştir. Bu çalışmayla elde edilen katkılar iki başlıkta değerlendirilmektedir: i) gerçek zamanlı bir RLC devresinden toplanan veriler kullanılarak kara-kutu tanımlama, ii) oransal-integral-türev (Proportional-Integral-Derivative - PID) denetleyicinin tasarımında sezgisel optimizasyon yöntemi olan Ergen Kimliği Arama algoritmasının (AISA) ilk kez kullanımı. Bu amaçla, bilinmeyen MJ\\\'lerin dinamiklerini modellemek ve tahmin etmek için bir Aşırı Öğrenme Makinesi (Extreme Learning Machine- ELM) modeli oluşturulmuştur. Ardından, yığın optimizasyon içerisinde ELM modeli kullanılarak en uygun PID parametreleri kümesi bulunmuştur. Denetleyicinin parametrelerini optimize etmek için literatürde yaygın olarak kullanılan meta-sezgisel algoritmalar AISA ile karşılaştırılmıştır. Simülasyon sonuçlarına göre en iyi uygunluk değerine en kısa sürede ulaşan AISA ile gerçek zamanlı PID denetleyicisine ait parametreler 0.005 hata oranı ile tahmin edilmiştir. Önerilen yaklaşım, Markov davranışı sergileyen deneysel bir RLC devresinin modellenmesi ve denetimi için uygulanmıştır.
Keywords : Markov Atlamalı Sistemler, Aşırı Öğrenme Makineleri, PID Denetim, Meta-Sezgisel Optimizasyon, AISA