Different Intelligent Methods for Coefficient Tuning of Quadrotor Feedback-linearization Controller
محل انتشار: مجله علوم و مهندسی هوافضا، دوره: 16، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 172
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JASTI-16-1_005
تاریخ نمایه سازی: 8 مرداد 1402
چکیده مقاله:
This paper investigates different intelligent methods of tuning feedback-linearization control coefficients. Feedback-linearization technique is an effective method of controlling nonlinear systems. The most critical part of designing this controller is tuning the gains, especially if the plant has complex nonlinear dynamics. In this research, to improve the performance of the overall closed-loop system, the feedback linearization method has been integrated with the conventional proportional-integral-derivative (PID) controller. Also, a quadratic performance index was used to compare the functionality of the controllers tuned by the proposed intelligent methods. These intelligent methods include Genetic Algorithms (GA), Particle Swarm Optimization (PSO), Fuzzy Logic, and Neural Network tuning algorithms. A quadrotor aircraft is used as the plant under study in order to evaluate the performance of the controllers tunned in this research. Finally, MATLAB simulation tests demonstrate the effectiveness of the presented algorithms. According to the results, it is demonstrated that the class of online algorithms performs better, even with the specified perturbation.
کلیدواژه ها:
نویسندگان
Mana Ghanifar
K.N.Toosi University of Technology Faculty of Aerospace Engineering, Tehran, Iran
Milad Kamzan
Faculty of Aerospace Engineering of K. N. Toosi University of Technology
Morteza Tayefi
Faculty of Aerospace Engineering of K. N. Toosi University of Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :