طراحي بهينه چندهدفه انواع سيستم‌ها در دامنه‌‌هاي مختلف، به‌وسيله ادغام دو روش باندگراف و برنامه‌ريزي ژنتيك

Designing Optimum Multi-Domain System by Integrating Bond Graph and Genetic Programming

مدل‌سازي يكپارچه سيستم‌هاي فيزيكي در دامنه‌هاي مختلف، نيازمند يك زبان مشترك است. يكي از روش‌هايي كه مي‌توان به‌وسيله آن اين كار را انجام داد، باندگراف نام دارد. اين روش با استفاده از المان‌ها، باندها و اتصال‌هاي خود، ارتباط ميان اجزاي مختلف يك سيستم را تشريح مي‌كند. همچنين مي‌توان با استفاده از روش برنامه‌ريزي ژنتيك، مدل اوليه يك سيستم را بر اساس نياز از يك حالت اوليه به حالت نهايي مطلوب توسعه داد. با استفاده از ويژگي جستجوپذيري بالا و مدل‌سازي شماتيك روش باندگراف، مي‌توان مدل اوليه‌ سيستم در دامنه الكتريكي يا مكانيكي را بر اساس خروجي مورد نظر، به يك مدل باندگراف نهايي مدل‌سازي كرد. مدل اوليه يك سيستم در روش باندگراف، امبريو نام دارد و بايستي داراي ورودي، خروجي و المان‌هاي اصلي يك سيستم باشد. با تعريف مجموعه‌اي از توابع عملياتي در برنامه‌ريزي ژنتيك، مدل امبريو توسعه داده مي‌شود و مدل نهايي باندگراف در دو حالت تك‌هدفه و چندهدفه پارتويي به‌دست مي‌آيد. اين پژوهش با ادغام دو روش باندگراف و برنامه‌ريزي ژنتيك، ابزار طراحي مناسبي جهت توسعه يك مدل را در اختيار كاربر قرار مي‌دهد. به ‌منظور بررسي عملكرد روش ارائه شده جهت مدل‌سازي با باندگراف، ابتدا نتايج آن با نرم‌افزار 20-سيم مقايسه شده و سپس به‌وسيله آن، دو مدل فيلتر الكتريكي و يك مدل سيستم جرم، فنر و ميراگر طراحي مي‌گردد و نتايج با مرجع مقايسه مي‌شود.

Integrated modeling of multi-domain physical systems requires a common language. One of the methods which has been used to do so is called the bond graph. The bond graph provides a common and core language for describing basic elements and connections across different fields by using its elements, bonds and junctions. Also, by using genetic programming as an evolutionary method, an initial model can be evolved into a final model. The initial model of a system in a bond graph called Embryo and must have input, output and basic elements of the desired model. By defining a series of operational functions in genetic programming, an embryo model evolves and a final model obtained in one objective and multi-objective approaches. The current research presents an optimized design tool by the integration of a bond graph and a Pareto multi-objective genetic programming for guiding automated topology synthesis. In order to evaluate the performance of the proposed method, obtained results were first compared to the 20-sim software and then two models of electric filter and a mass, spring and damper system compared to the reference.