Performance Evolution of Different Optimal Controllers for Controlling AVR System
Notice bibliographique
Résumé
The main issue in electrical system is providing a stable voltage values in order to obtain best devices performance for this reason controlling the automatic voltage regulation (AVR) system becoma more helpful to achieve this requirments, in this paper three controllers are suggested for maintaining the terminal voltage level value of the generator part in AVR system that supplied to custumers, these controllers are (Conventional PID, ArcTan PID and Nonlinear PID), all gains of these controllers is tuned by using an intelligent sun flower optimization (SFO) algorithm.The objective of the design is finding suitable values of these gains that give a stable response based on minimizing error value and testing it using the Integral Time Absolute Error (ITAE) fitness function, the numerical results exhibited that the ArcTan PID controller give the best results values with a lower settling time (0.698) and its faster than conventional PID 5.034 % and faster than nonlinear PID by 5.163% for 5 second simulation time also its reach its peak value in 0.513 sec.and an expectable overshoot value equal to 0.513 with a small error value (0.000645) at its steady state case and then small error value when working at normal state without any disturbance or any uncertainty cases applied but when a disturbances signal is applied with a value equal to ± 0.3 to the system, the NLPID and the conventional PID presents a best response by returning the system to its desired value in just 2 second in the two cases applied and when change the gain values of two parts of AVR system( amplifier & sensor) the NLPID behaves as a the more suitable one and give a superior robust performance in facing this unwanted signals and then a desired response is achieved after small period time with satisfied and acceptable values for woring in this enviroment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».