"مقارنة أداء متحكم المنظم التربيعي الخطي (LQR) مقابل متحكم تناسبي تكاملي تفاضلي (PID) مهجن ومحسن حديثاً لاستقرار البندول المعكوس
DOI:
https://doi.org/10.65568/gujes.2026.020107الكلمات المفتاحية:
خوارزمية سرب الجسيمات (أو تحسين أسراب الجسيمات).، الخوارزمية الجينية.، الخوارزميات الحدسية المهجنة (أو الميتا-هيورستك المهجنة)، البندول المعكوس (أو النواس المعكوس).الملخص
"تقدم هذه الدراسة تحليلاً مقارناً لاستراتيجيات التحكم المستخدمة لاستقرار منظومة البندول المعكوس. وتقوم الدراسة بتقييم المنظم التربيعي الخطي (LQR) التقليدي مقابل متحكمات PID التي تم تحسينها باستخدام خوارزميات حدسية (Metaheuristic Algorithms)، بما في ذلك خوارزمية سرب الجسيمات (PSO) والخوارزميات الجينية (GA). علاوة على ذلك، يستعرض البحث ويقيم متحكمات مهجنة مبتكرة تجمع بين تقنيات تحسين PSO وGA معاً.
تم اختبار ومقارنة أداء جميع استراتيجيات التحكم الخمس من خلال عمليات المحاكاة باستخدام برنامج MATLAB/Simulink، والتي شملت ظروفاً تحتوي على اضطرابات خارجية لتقييم مدى المتانة (Robustness). وأظهرت النتائج أنه على الرغم من نجاح جميع المتحكمات في تثبيت المنظومة، إلا أن نهج الخوارزميات الحدسية المهجنة حقق أداءً متفوقاً بشكل ملحوظ من حيث الاستجابة العابرة (Transient Response). وتخلص الدراسة إلى أن الخوارزميات الحدسية المهجنة تمثل وسيلة واعدة للغاية للتحكم في الأنظمة المعقدة وغير الخطية، لا سيما في التطبيقات التي تظهر فيها تقنيات التحكم التقليدية قصوراً في أداؤها الديناميكي."
المراجع
[1] N. Shiroma, O. Matsumoto, S. Kajita, and K. Tani. Cooperative behavior of a wheeled inverted pendulum for object transportation. In Intelligent Robots and Systems ’96, IROS 96, Proceedings of the 1996 IEEE/RSJ International Conference on, volume 2, pages 396–401 vol.2, Nov 1996.
[2] M. Shivakumar M. Stafford, M. Basavanna. Two wheeled balancing autonomous robot. Int. J. of Advanced Research in Computer and Comm. Eng., 4(11):119–122.
[3]. Ullah S, Mehmood A, Ali K, Javaid U, Hafeez G, Ahmad E. Dynamic Modeling and Stabilization of Surveillance Quadcopter in Space based on Integral Super Twisting Sliding Mode Control Strategy. In2021 International Conference on Artificial Intelligence (ICAI) 2021 Apr 5 (pp. 271-278).
[4 F. Grasser, A. D’Arrigo, S. Colombi, and A. C. Rufer. Joe: a mobile, inverted pendulum. IEEE Transactions on Industrial Electronics, 49(1):107–114, Feb 2002.
[5] Hung, C.C., Fernandez, B.R.: ‘Comparative analysis of control design techniques for a cart-inverted-pendulum in real-time implementation’. Proc. American Control Conf., June 1993
[6]. Munir M, Khan Q, Ullah S, Syeda TM, Algethami AA. Control Design for Uncertain Higher-Order Networked
Nonlinear Systems via an Arbitrary Order Finite-Time Sliding Mode Control Law. Sensors. 2022 Apr 2; 22(7):2748. https://doi.org/10.3390/s22072748 PMID: 35408362
[7]. Singh, G., & Singla, A. Modeling, analysis and control of a single stage linear inverted pendulum. IEEE International Conference on Power, Control, Signals and Instrumentation Engineering, ICPCSI 2017, (pp. 2728–2733).
[8]. Fahmizal, F., Arrofiq, M., Adrian, R., & Mayub, A. (2019). Robot Inverted Pendulum Beroda Dua (IPBD) dengan Kendali Linear Quadratic Regulator (LQR). ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 7(2), 224.
[9 Lin, Z., Saberi, A., Gutmann, M., Shamash, Y.A.: ‘Linear controller for an inverted pendulum having restricted travel: a high-and-low gain approach’, Automatica, 1996, 32, pp. 933–937
[10] A. Kharola, P. Patil, PID control of two-stage inverted pendulum. IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), DOI. 10.1109/ICCIC.2016.7919521.
[11] Naidu, D.S.: ‘Optimal control systems’ (CRC Press, FL, 2003)
[12]. Erkol, H. O. Linear Quadratic Regulator Design for Position Control of an Inverted Pendulum by Grey Wolf Optimizer. International Journal of Advanced Computer Science and Applications, 9(4).
[13]. Shuang, L., & Jian, F. Linear quadratic optimal controller design an inverted pendulum. Proceedings International Symposium on Computer, Consumer and Control, IS3C 2014, 416–418.
[14] Krishnakumar, K., Goldberg, D.E.,. Control system optimization using genetic algo-rithms. J. Guid. Control Dyn. 1992, 15, 735–740.
[15] Sreekanth, P., Hari, A., 2016. Genetic algorithm based self tuning regulator for ball and hoop system. In: 2016 Conference on Emerging Devices and Smart Systems. ICEDSS.IEEE, pp. 147–152.
[16] Wang, Q., Spronck, P., Tracht, R., 2003. An overview of genetic algorithms applied tocontrol engineering problems. In: Proceedings of the 2003 Interna.Con.onMachineLearningandCybernetics(IEEECat.No.03EX693).In:IEEE,vol.3, pp.1651–1656.
[17] Kennedy, J., Eberhart, R., 1995. Particle swarm optimization. In: Proceedings of ICNN’95-InternationalConferenceonNeuralNetworks.In:IEEE,vol.4,pp.1942–1948.
[18]deAlmeida,B.S.G.,Leite,V.C.,2019.Particleswarmoptimization:apowerfultechniquefor solving engineering problems. In: Ser, J.D., Villar, E., Osaba, E. (Eds.), SwarmIntelligence. IntechOpen, Rijeka. Chapter 3.
[19] Kim, D.H., Cho,J.H.,2006. A biologically inspired intelligent PID controller tuning forAVR systems. Int. J. Control. Autom. Syst. 4, 624–636.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 مجلة جامعة غريان للعلوم الهندسية
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial 4.0 International License.
