Page 13 - Fister jr., Iztok, and Andrej Brodnik (eds.). StuCoSReC. Proceedings of the 2015 2nd Student Computer Science Research Conference. Koper: University of Primorska Press, 2015
P. 13
tavljanje parametrov regulatorja z optimizacijskimi
algoritmi
Dušan Fister Riko Šafaricˇ Iztok Jr. Fister
Univerza v Mariboru Univerza v Mariboru Univerza v Mariboru
Fakulteta za elektrotehniko,
Fakulteta za strojništvo Fakulteta za elektrotehniko, racˇunalništvo in informatiko
Smetanova 17, Maribor racˇunalništvo in informatiko Smetanova 17, Maribor
dusan.fister@student.um.si Smetanova 17, Maribor
riko.safaric@um.si iztok.fister1@um.si
Iztok Fister
Univerza v Mariboru
Fakulteta za elektrotehniko,
racˇunalništvo in informatiko
Smetanova 17, Maribor
iztok.fister@um.si
POVZETEK in PD-regulatorjev, do najkompleksnejˇsega PID-regulatorja.
V kraticah imen teh regulatorjev pomeni I-ˇclen integriranje
Vsak regulacijski sistem za optimalno delovanje zahteva pra- in D-ˇclen diferenciranje napake. Da zagotovimo pravilno
vilno nastavitev vhodnih parametrov. Uporabnik tega sis- nastavljen regulator, moramo pravilno nastaviti vsak posa-
tema strmi k temu, da bo njegov sistem deloval ˇcim bolj op- mezen ˇclen posebej. Robot optimalno deluje ˇsele, ko so glede
timalno. Za industrijske robote to pomeni, da sistem zago- na njegove zahteve dela optimalno nastavljeni vsi ˇcleni re-
tavlja varnost in funkcionalnost. Velikokrat uvrˇsˇcamo funk- gulatorja. Enaˇcba (1) matematiˇcno prikazuje regulacijske
cionalnost pred varnost, kar povzroˇca nevˇseˇcnosti v praksi. ˇclene in njegove nastavljive parametre, tj.
Sami ˇzelimo robotu optimalno nastaviti regulacijske parame-
tre tako, da bo zagotavljal tako varnost kot tudi funkcional- u = KP (yzel − ydej ) + KI (yzel − ydej ) + KD(yzel − ydej ) ,
nost. Cˇ eprav je naˇs robot miniaturna razliˇcica industrijskega (1)
robota, tudi ta za pravilno delovanje zahteva dovolj kakovo-
stne nastavitve regulacijskih parametrov. Cilj naˇse ˇstudije je kjer yzel predstavlja ˇzeleno referenˇcno vrednost, medtem ko
za iskanje optimalnih regulacijskih parametrov razviti algo- ydej dejansko vrednost prenihaja. Naˇs uporabljen regulator,
ritem po vzoru obnaˇsanja netopirjev in ga uspeˇsno uporabiti opisan z enaˇcbo (1), sestoji iz izkljuˇcno PI-ˇclena, kar pomeni,
v praksi. da D-ˇclen v naˇsem primeru odpade.
Kjucˇne besede Najpreprostejˇsi naˇcin nastavljanja parametrov je roˇcno na-
stavljanje, ki pa zahteva izkuˇsenega tehnika in obilo po-
regulacije, mehatronika, optimizacijski algoritmi trpeˇzljivosti. Obstajajo razliˇcne avtomatske metode nasta-
vljanja, kjer najveˇckrat v te namene uporabljamo optimiza-
1. UVOD cijske algoritme po vzoru iz narave. Korenine teh algoritmov
segajo v leto 1871, ko je Charles Darwin objavil znanstveno
Optimizacijske algoritme uporabljamo za poveˇcanje produk- delo o naravni selekciji [1]. Ta je navdihnila Alana Turinga
tivnosti, storilnosti, kakovosti in hitrosti dela robotskih stro- pri razvoju t.i. genetskega iskanja, ki uporablja Darwinovo
jev. Vsak robot mora skozi dobo obratovanja delovati zane- evolucijsko teorijo pri reˇsevanju optimizacijskih problemov
sljivo, varno ter funkcionalno. Priˇcakovati je, da bo robot [14]. Leta 1988 je John Holland algoritem s selekcijo in mu-
zaradi poveˇcanja produktivnosti deloval karseda hitro, ven- tacijo poimenoval genetski algoritem, kar se je ohranilo vse
dar zaradi tega ne bo ogroˇzal varnosti ljudi v njegovi bli- do danes [7]. Podrobnejˇsi zgodovinsko pregled je naveden
ˇzini. Pomembni faktor za delovanje robotskih mehanizmov v [4].
predstavlja regulator, tj. element, ki zmanjˇsuje napako,
oz. razliko med ˇzeleno in dejansko vrednostjo. Poznamo
veˇc vrst regulatorjev, od najpreprostejˇsega P-regulatorja, ki
omogoˇca le ojaˇcanje napake, do nekoliko kompleksnejˇsih PI-
Z robotom SCARA (angl. Selective Compliance Assem-
bly Robot Arm) [12], prikazanim na sliki 1, se je prvi za-
ˇcel ukvarjati Albin Jagarinec. Leta 2005 je uspeˇsno razvil
adaptivni regulator [8], medtem ko je leto kasneje Marko
Kolar preizkusil algoritem z mehko logiko [11]. Jure Cˇ as
se je ukvarjal z zveznim nevronskim sliding-mode regulato-
rjem [15], medtem ko je Tomaˇz Slaniˇc iskal optimalne na-
stavitve parametrov omenjenega robota z genetskim algo-
ritmom [13]. V tem prispevku opisujemo avtomatsko nasta-
StuCoSReC Proceedings of the 2015 2nd Student Computer Science Research Conference 13
Ljubljana, Slovenia, 6 October
algoritmi
Dušan Fister Riko Šafaricˇ Iztok Jr. Fister
Univerza v Mariboru Univerza v Mariboru Univerza v Mariboru
Fakulteta za elektrotehniko,
Fakulteta za strojništvo Fakulteta za elektrotehniko, racˇunalništvo in informatiko
Smetanova 17, Maribor racˇunalništvo in informatiko Smetanova 17, Maribor
dusan.fister@student.um.si Smetanova 17, Maribor
riko.safaric@um.si iztok.fister1@um.si
Iztok Fister
Univerza v Mariboru
Fakulteta za elektrotehniko,
racˇunalništvo in informatiko
Smetanova 17, Maribor
iztok.fister@um.si
POVZETEK in PD-regulatorjev, do najkompleksnejˇsega PID-regulatorja.
V kraticah imen teh regulatorjev pomeni I-ˇclen integriranje
Vsak regulacijski sistem za optimalno delovanje zahteva pra- in D-ˇclen diferenciranje napake. Da zagotovimo pravilno
vilno nastavitev vhodnih parametrov. Uporabnik tega sis- nastavljen regulator, moramo pravilno nastaviti vsak posa-
tema strmi k temu, da bo njegov sistem deloval ˇcim bolj op- mezen ˇclen posebej. Robot optimalno deluje ˇsele, ko so glede
timalno. Za industrijske robote to pomeni, da sistem zago- na njegove zahteve dela optimalno nastavljeni vsi ˇcleni re-
tavlja varnost in funkcionalnost. Velikokrat uvrˇsˇcamo funk- gulatorja. Enaˇcba (1) matematiˇcno prikazuje regulacijske
cionalnost pred varnost, kar povzroˇca nevˇseˇcnosti v praksi. ˇclene in njegove nastavljive parametre, tj.
Sami ˇzelimo robotu optimalno nastaviti regulacijske parame-
tre tako, da bo zagotavljal tako varnost kot tudi funkcional- u = KP (yzel − ydej ) + KI (yzel − ydej ) + KD(yzel − ydej ) ,
nost. Cˇ eprav je naˇs robot miniaturna razliˇcica industrijskega (1)
robota, tudi ta za pravilno delovanje zahteva dovolj kakovo-
stne nastavitve regulacijskih parametrov. Cilj naˇse ˇstudije je kjer yzel predstavlja ˇzeleno referenˇcno vrednost, medtem ko
za iskanje optimalnih regulacijskih parametrov razviti algo- ydej dejansko vrednost prenihaja. Naˇs uporabljen regulator,
ritem po vzoru obnaˇsanja netopirjev in ga uspeˇsno uporabiti opisan z enaˇcbo (1), sestoji iz izkljuˇcno PI-ˇclena, kar pomeni,
v praksi. da D-ˇclen v naˇsem primeru odpade.
Kjucˇne besede Najpreprostejˇsi naˇcin nastavljanja parametrov je roˇcno na-
stavljanje, ki pa zahteva izkuˇsenega tehnika in obilo po-
regulacije, mehatronika, optimizacijski algoritmi trpeˇzljivosti. Obstajajo razliˇcne avtomatske metode nasta-
vljanja, kjer najveˇckrat v te namene uporabljamo optimiza-
1. UVOD cijske algoritme po vzoru iz narave. Korenine teh algoritmov
segajo v leto 1871, ko je Charles Darwin objavil znanstveno
Optimizacijske algoritme uporabljamo za poveˇcanje produk- delo o naravni selekciji [1]. Ta je navdihnila Alana Turinga
tivnosti, storilnosti, kakovosti in hitrosti dela robotskih stro- pri razvoju t.i. genetskega iskanja, ki uporablja Darwinovo
jev. Vsak robot mora skozi dobo obratovanja delovati zane- evolucijsko teorijo pri reˇsevanju optimizacijskih problemov
sljivo, varno ter funkcionalno. Priˇcakovati je, da bo robot [14]. Leta 1988 je John Holland algoritem s selekcijo in mu-
zaradi poveˇcanja produktivnosti deloval karseda hitro, ven- tacijo poimenoval genetski algoritem, kar se je ohranilo vse
dar zaradi tega ne bo ogroˇzal varnosti ljudi v njegovi bli- do danes [7]. Podrobnejˇsi zgodovinsko pregled je naveden
ˇzini. Pomembni faktor za delovanje robotskih mehanizmov v [4].
predstavlja regulator, tj. element, ki zmanjˇsuje napako,
oz. razliko med ˇzeleno in dejansko vrednostjo. Poznamo
veˇc vrst regulatorjev, od najpreprostejˇsega P-regulatorja, ki
omogoˇca le ojaˇcanje napake, do nekoliko kompleksnejˇsih PI-
Z robotom SCARA (angl. Selective Compliance Assem-
bly Robot Arm) [12], prikazanim na sliki 1, se je prvi za-
ˇcel ukvarjati Albin Jagarinec. Leta 2005 je uspeˇsno razvil
adaptivni regulator [8], medtem ko je leto kasneje Marko
Kolar preizkusil algoritem z mehko logiko [11]. Jure Cˇ as
se je ukvarjal z zveznim nevronskim sliding-mode regulato-
rjem [15], medtem ko je Tomaˇz Slaniˇc iskal optimalne na-
stavitve parametrov omenjenega robota z genetskim algo-
ritmom [13]. V tem prispevku opisujemo avtomatsko nasta-
StuCoSReC Proceedings of the 2015 2nd Student Computer Science Research Conference 13
Ljubljana, Slovenia, 6 October
