การออกแบบระบบควบคุมวงในของอากาศยานไร้คนขับแบบปีกตรึง โดยใช้เมตาฮิวริสติกส์
คำสำคัญ:
ตัวควบคุมแบบพีไอดี , เมตาฮิวริสติกส์ , ระบบควบคุมอากาศยานไร้คนขับบทคัดย่อ
งานวิจัยนี้ได้นำเสนอการออกแบบหาค่าเหมาะที่สุดของระบบควบคุมวงในของอากาศยานไร้คนขับแบบปีกตรึงโดยใช้เมตาฮิวริสติกส์ โดยระบบควบคุมได้ถูกจำแนกออกเป็น 2 ส่วน โดยแบ่งออกเป็น ตามแนวดิ่ง และตามแนวระดับ ซึ่งได้จากการวิเคราะห์แบบแยกความสัมพันธ์ออกจากกันเพื่อความสะดวกในการออกแบบระบบควบคุม โดย ไร้คนขับจะถูกกำหนดขึ้นเพื่อหาค่าคอนโทรลเกนในระบบควบคุม โดยมีฟังก์ชันเป้าหมายเพื่อให้ค่า 1) Settling time 2) Steady state error และ 3) Control effort มีค่าน้อยที่สุด กระบวนการหาค่าเหมาะที่สุดแบบเมตาฮิวริสติกส์ 6 ชนิด ถูกนำมาใช้ในการแก้ปัญหาข้างต้นและสมรรถนะในการหาคำตอบของแต่ละวิธีจะถูกศึกษาเปรียบเทียบทางสถิติเพื่อหาวิธีการเมตา ฮิวริสติกส์ที่ดีที่สุดสำหรับปัญหาดังกล่าว ผลลัพธ์ที่ได้จากการทดลองแสดงให้เห็นถึงความสามารถของวิธีการทางเมตา ฮิวริสติกส์ชนิด Linear Population Size Reduction of Success-History Based Adaptive Differential Evolution ที่มีสมรรถนะโดดเด่นเหนือชนิดอื่น ๆ สำหรับปัญหาการออกแบบหาค่าเหมาะที่สุดระบบควบคุมวงในของอากาศยานไร้คนขับแบบปีกตรึง
เอกสารอ้างอิง
Prisacariu V. THE HISTORY AND THE EVOLUTION OF UAVs FROM THE BEGINNING TILL THE 70s. 8(1):9.
FARI S. Guidance and Control for a Fixed-wing UAV [Internet]. [Italy]: Politecnico di Milano; 2017. Available from: https://www.politesi.polimi.it/handle/10589/137455
Beard RW, McLain TW. Small unmanned aircraft: Theory and practice. 2012. (Small Unmanned Aircraft: Theory and Practice).
EA A. my phd thesis with the title of (autonomous flight control system (autopilot) design using embedded systems). 2016 [cited 2021 May 25]; Available from: http://rgdoi.net/10.13140/RG.2.1.5124.2481
Korkmaz H, Erti̇N OB, Kasnakoğlu C, Kaynak ünver. Design of a Flight Stabilizer System for a Small Fixed Wing Unmanned Aerial Vehicle using System Identification. IFAC Proceedings Volumes. 2013;46(25):145–149.
Elkaim GH, Lie FAP, Gebre-Egziabher D. Principles of Guidance, Navigation, and Control of UAVs. Valavanis KP, Vachtsevanos GJ, editors. 2012;
Manocha A, Sharma A. Three Axis Aircraft Autopilot Control Using Genetic Algorithms : An Experimental Study. In: 2009 IEEE International Advance Computing Conference [Internet]. Patiala, India: IEEE; 2009 [cited 2021 Jul 27]. p. 171–174. Available from: http://ieeexplore.ieee.org/document/4809001/
Abachizadeh M, Yazdi MRH, Yousefi-Koma A. Optimal tuning of PID controllers using Artificial Bee Colony algorithm. In: 2010 IEEE/ASME International Conference on Advanced Intelligent Mechatronics [Internet]. Montreal, QC, Canada: IEEE; 2010 [cited 2021 Jul 27]. p. 379–384. Available from: http://ieeexplore.ieee.org/document/5695861/
Ashari A. Flight Trajectory Control System on Fixed Wing UAV using Linear Quadratic Regulator. International Journal of Engineering Research and. 2019 Aug 22;V8.
Kulcsár B. LQG/LTR CONTROLLER DESIGN FOR AN AIRCRAFT MODEL. Periodica Polytechnica Transportation Engineering. 2000;28(1–2):131–142.
McLean D, Matsuda H. Helicopter station-keeping: comparing LQR, fuzzy-logic and neural-net controllers. Engineering Applications of Artificial Intelligence. 1998;11(3):411–418.
Wahid N, Rahmat MF. Pitch control system using LQR and Fuzzy Logic Controller. In: 2010 IEEE Symposium on Industrial Electronics and Applications (ISIEA). 2010. p. 389–394.
Usta MA, Akyazi Ö, Akpinar AS. Aircraft roll control system using LQR and fuzzy logic controller. In: 2011 International Symposium on Innovations in Intelligent Systems and Applications. 2011. p. 223–237.
Ho WK, Gan OP, Tay EB, Ang EL. Performance and gain and phase margins of well-known PID tuning formulas. IEEE Trans Contr Syst Technol. 1996 Jul;4(4):473–477.
Vishal, Ohri J. GA tuned LQR and PID controller for aircraft pitch control. In: 2014 IEEE 6th India International Conference on Power Electronics (IICPE) [Internet]. Kurukshetra, India: IEEE; 2014 [cited 2021 Jul 27]. p. 1–6. Available from: http://ieeexplore.ieee.org/document/7115839/
Bender D, Laub A. The linear-quadratic optimal regulator for descriptor systems. In: 1985 24th IEEE Conference on Decision and Control [Internet]. Fort Lauderdale, FL, USA: IEEE; 1985 [cited 2021 Jul 27]. p. 957–962. Available from: http://ieeexplore.ieee.org/document/4048442/
Aliyu B, Chindo A, Opasina A, Abdulrahaman A. Comparative Design for Improved LQG Control of Longitudinal Flight Dynamics of a Fixed-Wing UAV. AIR. 2015 Jan 10;3(5):477–487.
Ferreira HC, Baptista RS, Ishihara JY, Borges GA. Disturbance rejection in a fixed wing UAV using nonlinear H∞ state feedback. In: 2011 9th IEEE International Conference on Control and Automation (ICCA) [Internet]. Santiago, Chile: IEEE; 2011 [cited 2021 Jul 27]. p. 386–391. Available from: http://ieeexplore.ieee.org/document/6138036/
Ghambari S, Lepagnot J, Jourdan L, Idoumghar L. A comparative study of meta-heuristic algorithms for solving UAV path planning. In: 2018 IEEE Symposium Series on Computational Intelligence (SSCI) [Internet]. Bangalore, India: IEEE; 2018 [cited 2021 Jul 24]. p. 174–181. Available from: https://ieeexplore.ieee.org/document/8628807/
Kaveh A, Bakhshpoori T. An efficient multi-objective cuckoo search algorithm for design optimization. Advances in Computational Design. 2016 Jan 25;1(1):87–103.
Kaveh A, Farhoudi N. Dolphin Echolocation Optimization: Continuous search space. Advances in Computational Design. 2016 Apr 25;1(2):175–194.
Kaveh A, Ilchi Ghazaan M. Truss optimization with dynamic constraints using UECBO. Advances in Computational Design. 2016 Apr 25;1(2):119–138.
Mittal N, Garg A, Singh P, Singh S, Singh H. Improvement in learning enthusiasm-based TLBO algorithm with enhanced exploration and exploitation properties. Nat Comput [Internet]. 2020 Nov 10 [cited 2021 Jul 24]; Available from: http://link.springer.com/10.1007/s11047-020-09811-5
Faramarzi A, Heidarinejad M, Stephens B, Mirjalili S. Equilibrium optimizer: A novel optimization algorithm. Knowledge-Based Systems. 2020 Mar;191:105190.
Hansen N, Müller SD, Koumoutsakos P. Reducing the Time Complexity of the Derandomized Evolution Strategy with Covariance Matrix Adaptation (CMA-ES). Evolutionary Computation. 2003 Mar;11(1):1–18.
Jingqiao Z, Sanderson AC. JADE: Adaptive Differential Evolution With Optional External Archive. IEEE Trans Evol Computat. 2009 Oct;13(5):945–958.
Viktorin A, Pluhacek M, Senkerik R. Success-history based adaptive differential evolution algorithm with multi-chaotic framework for parent selection performance on CEC2014 benchmark set. In: 2016 IEEE Congress on Evolutionary Computation (CEC) [Internet]. Vancouver, BC, Canada: IEEE; 2016 [cited 2021 Jul 24]. p. 4797–4803. Available from: http://ieeexplore.ieee.org/document/7744404/
Tanabe R, Fukunaga AS. Improving the search performance of SHADE using linear population size reduction. In: 2014 IEEE Congress on Evolutionary Computation (CEC) [Internet]. Beijing, China: IEEE; 2014 [cited 2021 Feb 10]. p. 1658–1665. Available from: https://ieeexplore.ieee.org/document/6900380
Bravo-Mosquera PD, Botero-Bolivar L, Acevedo-Giraldo D, Cerón-Muñoz HD. Aerodynamic design analysis of a UAV for superficial research of volcanic environments. Aerospace Science and Technology. 2017 Nov;70:600–614.
ÇET˙IN E. SYSTEM IDENTIFICATION AND CONTROL OF A FIXED WING AIRCRAFT BY USING FLIGHT DATA OBTAINED FROM X-PLANE FLIGHT SIMULATOR. MIDDLE EAST TECHNICAL; 2018.
Sörensen K, Sevaux M, Glover F. A History of Metaheuristics. In: Martí R, Pardalos PM, Resende MGC, editors. Handbook of Heuristics [Internet]. Cham: Springer International Publishing; 2018 [cited 2021 Feb 10]. p. 791–808. Available from: http://link.springer.com/10.1007/978-3-319-07124-4_4
Whitley D. A genetic algorithm tutorial. Stat Comput [Internet]. 1994 Jun [cited 2021 May 26];4(2). Available from: http://link.springer.com/10.1007/BF00175354
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2022 วารสารวิจัย มข. (ฉบับบัณฑิตศึกษา)
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
