Детальная информация

Данная работа посвящена исследованию и сравнению эффективности современных метаэвристических алгоритмов оптимизации при решении задач параметрической настройки регуляторов в системах автоматического управления. В процессе выполнения работы проведён анализ классических методов настройки регуляторов и метаэвристических подходов, включая метод роя частиц (PSO), алгоритм серого волка (GWO), алгоритм китовой оптимизации (WOA), алгоритм охотничьего хищника (HHO) и алгоритм слизевиков (SMA). Выполнена математическая постановка задач и определены критерии качества управления. Разработана методика сравнительного анализа, включающая двухуровневую оценку решений (допустимые и приемлемые) и набор метрик для оценки точности, сходимости, вычислительной сложности и надёжности алгоритмов. В ходе работы с использованием языка программирования Python и библиотек NumPy, SciPy, Control, Matplotlib и Pandas разработан программный код, реализующий модели трёх объектов управления: линейный двигатель постоянного тока, неустойчивый перевёрнутый маятник на тележке и нелинейную систему связанных резервуаров с шумами и ограничениями. Проведена серия вычислительных экспериментов и на основе полученных результатов получены количественные оценки качества и надёжности, построены графики сходимости и переходных процессов.

This work is devoted to the study and comparison of the efficiency of modern metaheuristic optimization algorithms when solving parametric controller tuning problems in automatic control systems. In the course of the work, an analysis of classical controller tuning methods and metaheuristic approaches was carried out, including particle swarm optimization (PSO), grey wolf optimizer (GWO), whale optimization algorithm (WOA), Harris hawks optimizer (HHO), and slime mould algorithm (SMA). The parametric optimization problem was formulated, and control quality criteria were defined. A comparative analysis methodology was developed, including a two-level solution assessment (feasible and acceptable) and a set of metrics for evaluating accuracy, convergence, computational complexity, and reliability of the algorithms. During the work, using the Python programming language and the NumPy, SciPy, Control, Matplotlib, and Pandas libraries, a software platform was developed that implements models of three control plants: a linear DC motor, an unstable inverted pendulum on a cart, and a nonlinear coupled tanks system with noise and constraints. A series of computational experiments was conducted with 20 independent runs for each algorithm under a fixed computational budget. Based on the obtained results, statistical analysis was performed, quantitative assessments of quality and reliability were derived; convergence and transient-response plots were constructed.