This paper present comparison for finding optimum values of PI controller coefficients (Proportional gain Kp and Integral gain Ki) by using Elman Neural Network (ENN) model with Pareto based multi-objective optimization method and Response Surface Method (RSM). Objective functions are chosen as settling time (Ts) and maximum overshoot (Mo). The aim of the study is to optimize tuning parameters of PI controller Kp and Ki. Firstly, experimental design has been carried out by using Minitab program. Then, RSM and ENN model have been obtained separately to construct the mathematical model of the brushless DC (BLDC) motor speed control system. Finally, optimization process has been carried out with both methods. Optimum values of coefficients and Pareto front have been obtained after optimization process. The real time outputs of the BLDC motor are obtained by using the obtained optimal values of the coefficients inside of the controller in the system. When compared the results, the better performance is provided by the Pareto based-ENN method.
Bu makale PI kontrolör katsayılarının (Oransal kazanç Kp and Integral kazanç Ki) optimum değerlerini bulmak için Elman Yapay Sinir Ağları (EYSA) modeli kullanılan Pareto tabanlı çok amaçlı optimizasyonu ve Yanıt Yüzey Yöntemi’nin (YYY) karşılaştırılmasını sunmaktadır. Amaç fonksiyonu olarak oturma süresi (Ts) ve maksimum aşma (Mo) seçilmiştir. Çalışmanın amacı, PI kontrolör parametre katsayıları olan Kp ve Ki’nin optimum değerlerinin bulunmasıdır. İlk olarak, Minitab programı kullanılarak deney tasarımı gerçekleştirilmiştir. Daha sonra fırçasız doğru akım motoru hız kontrol sisteminin matematiksel modelinin oluşturulması için YYY ve EYSA modeli ayrı ayrı elde edilmiştir. Son olarak da, optimizasyon işlemi her iki yöntem ile ayrı ayrı gerçekleştirilmiştir. Optimizasyon işlemleri sonucunda, katsayıların optimum değerleri ve Pareto eğrisi elde edilmiştir. Elde edilen optimum değerler, sistemde kontrolör içerisine yazılarak fırçasız DA motorun gerçek zamanlı çıkışları elde edilmiştir. Sonuçlar karşılaştırıldığında, Pareto tabanlı EYSA yönteminde daha iyi performans sağlandığı görülmüştür.