1 / 29

I dentifikacij a parametrov ASM z evolucijski m algoritm om

I dentifikacij a parametrov ASM z evolucijski m algoritm om. Predstavitev Individualnega Raziskovalnega Dela. IRD 3. Maribor, 16.0 3 .200 5. Evgen Urlep. Vsebina. Uvod Poenostavljen model ASM Stopnični odziv Genetski algoritem (GA) Identifikacija z uporabo rojev delcev (PS)

cheveyo-gimenez
Download Presentation

I dentifikacij a parametrov ASM z evolucijski m algoritm om

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Identifikacija parametrov ASM z evolucijskim algoritmom Predstavitev Individualnega Raziskovalnega Dela IRD 3 Maribor, 16.03.2005 Evgen Urlep

  2. Vsebina • Uvod • Poenostavljen model ASM • Stopnični odziv • Genetski algoritem (GA) • Identifikacija z uporabo rojev delcev (PS) • Kombinacija PS-GA • Rezultati • Zaključek

  3. Uvod Identifikacija parametrov ASM: • Konvencionalne metode (prosti tek, kratek stik) • Metode na osnovi lastnosti modela • Identifikacije na osnovi prenosne funkcije • ARMA… • Evolucijske tehnike identifikacije • Genetski algoritmi (GA) • Roji delcev (SWARM) • NN,Fuzzy,…kombinacije …

  4. Poenostavljen model ASM Dinamični model Zavrt rotor, ub=0

  5. Odziv toka na stopnično napetost Prenosna funkcija predpostavka • - Člen drugega reda z ničlo • Opisan je z najmanj 4 parametri • (ojačanje, dva pola in ničla)

  6. Prostor rešitev Ujemanje

  7. Prostor rešitev

  8. Prostor rešitev

  9. Prostor rešitev

  10. Prostor rešitev

  11. Mutacije Križanje Genetski algoritmi • Kriterijsko ocenjevanje populacije (ujemanje) • Križanje • Mutacije • Elitizem Povprečno ujemanje Ujemanje Genom Selekcija

  12. Identifikacije z roji delcev Delec Hitrost delca Nov položaj delca

  13. Kombinacija GA-PS Izbira algoritma na osnovi ujemanja

  14. Izvedba algoritmov Izvedba: • S pomočjo MATLAB-a • signal zajet na DSP-2 • obdelava s pomočjo M-funkcij v MATLAB/u • Na DSP-2 sistemu • signal zajet ob inicijalizaciji vodenja • izvedba algoritmov v jeziku C • modulno strukturiran algoritem • izvajanje algoritma neodvisno od vodenja

  15. Genetski algoritem - Rezultati Parametri GA • Velikost populacije: 40 • Verjetnost mutacije: 0.1 • Število iteracij: 40

  16. Genetski algoritem - Rezultati Parametri GA • Velikost populacije: 40 • Verjetnost mutacije: 0.1 • Število iteracij: 40

  17. GA-rezultati • Prednosti • robusten • hitrejša začetna konvergenca • Slabosti • računsko zahteven • časovno nedoločen postopek • manj natančni rezultati • vpliv začetnih pogojev

  18. GA - rezultati

  19. PS-rezultati Parametri: • Število delcev: 40 • C0: 0.5, C1=0.4, C2=0.2, C3=0.02 • Število iteracij: 40

  20. PS-rezultati Parametri: • Število delcev: 40 • C0: 0.5, C1=0.4, C2=0.2, C3=0.02 • Število iteracij: 40

  21. PS-rezultati

  22. PS - rezultati • Prednosti • robusten • nadzor nad iskanjem • lokalne in globalne rešitve • preprosta, rekurzivna metoda • Slabosti • računsko zahteven algoritem • časovno nedoločen • več parametrov

  23. GA-PS-rezultati Parametri GA • Število populacije: 40 • Verjetnost mutacije: 0.1, C0: 0.5, C1=0.4, C2=0.2, C3=0.02 • Število iteracij: 40

  24. GA-PS-rezultati Parametri GA • Število populacije: 40 • Verjetnost mutacije: 0.1, C0: 0.5, C1=0.4, C2=0.2, C3=0.02 • Število iteracij: 40

  25. GA-PS-rezultati • Prednosti • robusten • nadzor nad iskanjem • lokalne in globalne rešitve • hitrejša konvergenca • Slabosti • računsko zahteven algoritem • časovno nedoločen • več parametrov

  26. GA-PS-rezultati

  27. Primerjava rezultatov

  28. Vpliv pogreškov meritev - Točnost estimacije neposredno odvisna od točnosti meritve + Dinamične lastnosti so neodvisne od pogreška

  29. Zaključek • Evolucijski algoritmi so uspešno uporabljeni za identifikacijo parametrov ASM na podlagi odziva toka • Kriterij je osnovan na modelu ASM • Metoda ne zahteva prenosne funkcije • Evolucijski algoritmi so robustni, vendar računsko zahtevni • Kombinacija algoritmov daje boljše rezultate • Uporaba možna v nelinarnih sistemih in s popolnejšem modelom tudi ob vodenju

More Related