Kontroller tuning for totank prossesen ved bruk av evolusjonære algoritmer

Abstract

Denne avhandlingen vil dekke den genetiske algoritme hvor den er brukt for kontroll systemer til å tune kontrollere og brukt på en totank. Først den genetiske algoritme var sammenlignet til en annen metode optimPID hvor begge var tunet ved bruk av lukket løkker. Den genetiske algoritme resultater var stabile mens optimPID kunne ha resultater som var ustabile som ikke er ideelt. Deretter den genetiske algoritme var brukt på en ikke lineær tilstands rom som den var i stand til å tune. Totanken var først tunet ved bruk av dens lineæriserte overføringsfunksjoner og deretter den genetiske algoritme var brukt på totanken ved bruk av PI eller PID kontrollere. Nå bruk av enten PI eller PID kontrollere med den genetiske algoritme ga bedre minimumer enn ved bruk av de lineæriserte overføringsfunksjonene til å tune. Men å finne disse minimumene med den genetiske algoritme kan ta en lang tid. Deretter de kontrollene funnet ved bruk av den genetiske algoritmen var brukt på et ekte totank system. Dette viste at PID kontrollene kunne ikke bli brukt på grunn av støyete ventiler mens PI virket som ga resultat som var verre enn simulasjon siden den ekte totanken er tregere. I alt den genetiske algoritmen gir ønskelig resultat når den er brukt til å tune enten en totank eller bare en lukket løkke.

This thesis will cover the genetic algorithm where its used for control systems to tune controllers and used on a two-tank. First the genetic algorithm was compared to another method optimPID where both were tuned using closed loops. The genetic algorithm results were stable while optimPID could have results that were unstable which is not ideal. Then the genetic algorithm was used on a nonlinear state space which it was able to tune. The two-tank was first tuned using its linearized transfer functions and then the genetic algorithm was applied to the two-tank using PI or PID controllers. When using either PI or PID controllers with the genetic algorithm gave better minimums than using the linearized transfer functions to tune. But finding these minimums with the genetic algorithm can take a long time. Then the controllers found using the genetic algorithm was used on a real two-tank system. This showed that the PID controllers could not be used because of noisy valves while using PI worked which gave results that were worse than simulation since the real two-tank is slower. Overall the genetic algorithm gives desirable results when either to tune a two-tank or just a closed loop