کنترل خود تنظیم هوشمند یک جسم شش درجه آزادی زیر آب

در این مقاله با استفاده از شبکه عصبی، الگوریتم هوشمندی برای تنظیم ضرایب یک کنترل کننده کلاسیک پیشنهاد شده است. از این تکنیک هوشمند برای خودگردان کردن یک جسم زیر آب جرم متغیر و کنترل کانال های چرخش، عمق و سمت آن استفاده شده است. در این تکنیک هوشمند، شبکه عصبی (NNC) ضرایب کنترل کننده کلاسیک PID را در جهت کاهش خطای سیستم، تنظیم می کند. برای تنظیم ضرایب کنترل کننده PID نیاز به دانستن ژاکوبین سیستم می باشد که به علت پیچیدگی و عدم قطعیت در دینامیک سیستم، محاسبه ژاکوبین دشوار می باشد. بنابراین برای تخمین ژاکوبین، از یک شبکه عصبی دیگر (NNM) استفاده شده است. NNM به صورت همزمان رفتار سیستم را می آموزد و تخمینی از ژاکوبین سیستم را در هر لحظه ارائه می کند. برای بهبود عملکرد کنترل کننده هوشمند، بجای استفاده از یک شبکه عصبی با چند خروجی، از سه شبکه عصبی تک خروجی جهت تنظیم ضرایب کنترل کننده PID استفاده شد و نشان داده شده است که با این ساختار، نتایج بهتری حاصل می گردد. نتایج حاصل از تکنیک هوشمند پیشنهادی با نتایج کنترل کننده PID مقایسه گردیده است. در این مقایسه دیده می شود که کنترل کننده عصبی در کم کردن زمان نشست و خطای حالت ماندگار بسیار بهتر عمل نموده است و همچنین نسبت به تغییرات پارامترهای سیستم و تغییرات شرایط محیط مقاوم تر است.