Enhanced PD Controller for Speed Control of Electric Vehicle Based on Gorilla Troops Algorithm
Notice bibliographique
Résumé
Electric vehicle (EV) technology is developing and requires effective and adaptive controllers to enhance performance and be the best sustainable solution to the population concerns caused by oil from other vehicles.This paper proposes a nonlinear Proportional Derivative (PD) controller to control motor speed in EV.The controller's optimal gains are tuned using Gorilla Troops Optimization (GTO).Two classical controllers (PID, PD) are compared with nonlinear PD controller, all tuned controller variables are determined using the GTO algorithm, and the Integral Time Absolute Error (ITAE) fitness function is adopted to maintain the system performance.To simulate the system response, MATLAB (Platforms for m-file and Simulink) is used.The achieved results are compared with the classical controllers (PD &PID) to demonstrate the efficacy of the suggested nonlinear PD controller.The benefits of using the nonlinear hyperbolic function effect on system behavior can be seen in its quick settling time, which is 9.6% faster than the traditional PID controller and 47% faster than the traditional PD controller.It also became apparent in its stable response, which was free of noise and overshoot while the PID controller overshoots with a value of (8.8).While in rise time, the proposed controller with 0.0083s outperforms the PID controller 0.4905s, and the PD controller 0.1315s.According to the simulation results, the nonlinear PD controller settling time is faster and more smoothly (0.0187s) than the PID (0.18s) and PD (0.88s) controllers, which are also optimized with the same GTO tuning algorithm.The suggested controller and the intelligent tuning algorithm guided the system's response to produce the best outputs.The simulation results demonstrated a steady behavior and an effective response in tracking the intended speed value; transient analysis is utilized to explain the performance of the suggested controller.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».