بررسی تحلیلی روش های بهینه سازی هوشمند مشاهده گر اغتشاش تطبیقی نروفازی برای شبیه ساز کنترل وضعیت ماهواره

در این مقاله اثر استفاده از الگوریتم های هوشمند مختلف برای بهینه سازی مشاهده گر اغتشاش تطبیقی نرو فازی موردبررسی قرارگرفته است. ابتدا یک کنترلگر تطبیقی مدل مرجع برای شبیه ساز زیرسیستم کنترل وضعیت ماهواره طراحی شده است. سپس برای تضعیف اثر اغتشاش از مشاهده گرهای اغتشاش تطبیقی نرو فازی استفاده شده است. در این مقاله سیستم فازی مربوطه با استفاده از الگوریتم های هوشمند ژنتیک، ازدحام ذرات، رقابت استعماری، زنبورعسل، مورچگان و به خصوص الگوریتم گرادیان ازدحام ذرات که موجب افزایش سرعت و بهینه تر شدن پاسخ می گردد، بهینه شده است. الگوریتم گرادیان ازدحام ذرات با ترکیب ایده هایی از یادگیری تقویتی گرادیان سیاست و روش ازدحام ذرات یک روش ترکیبی بهینه سازی برای کنترل یک سیستم پیچیده غیرخطی است که کاربردهای فراوانی در جهان واقعی دارد. در این روش با گرفتن ایده از روش های یادگیری تقویتی، گرادیان سیاست برای یک سیستم نرو فازی محاسبه می شود و در روابط بهینه سازی ازدحام ذرات وارد می گردد تا بهینه سازی علاوه بر فاکتورهای لحاظ شده در روش های ازدحامی در جهت گرادیان سیاست نیز انجام شود. برای بهینه سازی پارامترهای سیستم نرو فازی و داده های ورودی و خروجی در تابع هزینه در نظر گرفته شده است. در انتها نیز سیستم های نرو فازی بهینه شده توسط الگوریتم های مذکور با یکدیگر مقایسه می شوند و نشان داده می شود که الگوریتم گرادیان ازدحام ذرات نسبت به الگوریتم ازدحام ذرات عملکرد بهتری دارد.