Analysis of the Sudden Load Change Responses of the Data-Driven Control and Model-Based Control Methods for DC Motor Control

Abstract

Doğru Akım (DA) motor hız denetleyicilerinde bozucu etkilere karşı direnç gösterme ve her türlü dış etki karşısında referans noktasını en az hata ile takip etmek kritik öneme sahiptir. DA motorlarda en sık karşılaşılan bozucu etki ani yük değişimleridir. Bu nedenle denetleyicilerin ani yük değişimlerine karşı hızlı ve etkili bir yanıt oluşturulması ve referans değerden en az sapmayı gerçekleştirmesi gerekir. Bu çalışmada DA motorlarda meydana gelebilecek ani yük değişimlerine karşı model tabanlı ve veri güdümlü yöntemlerin yanıtları analiz edilmiştir. Veri güdümlü kontrol (VGK), denetleyiciyi tasarlamak ve optimize etmek için toplanan giriş-çıkış verilerini kullanan öğrenme tabanlı bir kontrol yöntemidir. Model tabanlı kontrol (MTK) yönteminde ise, kontrol edilecek sistemin matematiksel modeli hesaplanır. Çalışma kapsamında model tabanlı yöntem olarak Oransal-İntegral-Türev (PID), veri güdümlü yöntemler olarak yapay sinir ağları (YSA) ve kontrol süreçlerinde zaman serilerini de dikkate alan dışsal girdili otoregresif sinir ağları (NARX) denetleyiciler incelenmiştir. Böylece DA motor hız kontrolünde model tabanlı, veri güdümlü ve veri güdümlü + zaman serili olmak üzere üç farklı yaklaşımın performansları incelenmiştir. Deneysel çalışmalarda simülasyon değil gerçek motorlar kullanılmış ve deneyler 100 rpm (DAM1) ve 300 rpm (DAM2) hızına sahip kalıcı mıknatıslı DA motorlar kullanılarak gerçek zamanlı olarak gerçekleştirilmiştir. Elde edilen sonuçlar, toplam normalize hata, yükselme zamanı ve maksimum yüzde aşma performans ölçütleri kullanılarak sunulmuş ve yöntemlerin başarılı ve başarısız yönleri tartışılmıştır.