Vol.10, No 1, 2011 pp. 71 - 82
UDC 681.5.01 681.325-181.48

FUZZY-NEURO-GENETIC AEROFIN CONTROL
D. Lazić1, Ž. Ćojbašić2, M. Ristanović1
1University of Belgrade, Faculty of Mechanical Engineering, Kraljice Marije 16, 11120 Belgrade 35, Serbia, E-Mail: dlazic@mas.bg.ac.rs, mristanovic@mas.bg.ac.rs
2University of Niš, Faculty of Mechanical Engineering, A. Medvedeva 14, 18000 Niš, Serbia,
E-mail: zcojba@ni.ac.rs
Abstract. In this paper fuzzy-neuro-genetic control of an electromechanical actuator (EMA) system for aerofin control (AFC), with permanent magnet brush DC motor driven by a constant current driver, is investigated. In our previous papers, nonlinear model of the EMA-AFC system and different classical and hybrid classical-computationally intelligent control systems have been designed and tested. In this paper we have proposed fuzzy and neuro-fuzzy control with genetic optimization. Proposed intelligent control systems, providing good transient response and system behaviour, have been validated by various numerical experiments and compared to previous results.
Key Words: aerofin, electromechanical actuator, constant current driver, fuzzy control, genetic algorithms, neuro-fuzzy control.

FAZI-NEURO-GENETSKO UPRAVLJANJE AEROKRILA
U ovom radu razmatrano je fazi-genetsko-neuro upravljanje elektromehaničkog aktuatora aerokrila za kontrolu leta projektila, pokretanim motorom jednosmerne struje sa četkicama i permanentnim magnetom koji je pogonjen drajverom sa konstantnom strujom. U našim prethodnim radovima, na osnovu razvijenog nelinearnog modela sistema, razvijena su i testirana različta konvencionalna i hibridna konvencionalno-inteligentna upravljanja. U ovom radu predloženo je fazi i neuro-fazi upravljanje sa genetskom optimizacijom. Predloženi inteligentni upravljački sistemi, koji obezbeđuju dobro ponašanje sistema, su verifikovani numeričkim simulacijima i upoređeni sa prethodnim rezultatima.
Ključne reči: upravljačko krilo, elektromehanički aktuator, drajver sa konstantnom strujom, fazi upravljanje, genetski algoritmi, neuro-fazi upravljanje