Dynamic Enzyme‐Inspired Nonlinear Optimisation of Feedforward‐Compensated PI Controllers for Robust Speed Regulation in Complex DC Motor Systems
Rattachement africain : tr, jo, in, cz, ua. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
ABSTRACT Speed control of direct current (DC) motor systems still remains a challenging nonlinear control problem due to load disturbances, parameter uncertainties, and time‐varying operating conditions. Although conventional proportional integral derivative (PID) controllers are widely used because of their simple structure, their fixed‐gain configuration limits performance under uncertain and dynamic conditions. To address these limitations, a feedforward‐compensated proportional integral (PI + FF) control framework optimised using the dynamic enzyme action optimiser (dEAO) is proposed. The proposed dEAO employs an adaptive bio‐inspired search mechanism to improve the exploration–exploitation balance and enhance parameter convergence during controller tuning. In addition, the simultaneous optimisation of PI and feedforward parameters improves transient response, disturbance rejection capability, and steady‐state performance. The effectiveness of the proposed framework is validated through extensive numerical simulations and real‐time experimental studies on a laboratory‐scale DC motor platform. Experimental results confirm that the dEAO‐based PI + FF controller achieves superior dynamic performance with a rise time of 1.20 s, settling time of 1.90 s, overshoot of 1.0%, and a negligible steady‐state error (8.7 × 10 − 8 %). The Wilcoxon signed‐rank test and statistical analyses over 25 independent runs reveal that the proposed method provides superior consistency and robustness compared to conventional rules and existing state‐of‐the‐art optimisers such as EAO, NRBO, L‐SHADE and GA. In addition, the proposed controller maintains stable operation of the DC motor under measurement noise, load disturbances and time‐varying references, which demonstrates strong robustness and practical applicability for DC motor control systems.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Dynamic Enzyme‐Inspired Nonlinear Optimisation of Feedforward‐Compensated PI Controllers for Robust Speed Regulation in Complex DC Motor Systems
- Date Crossref
- 01/01/2026
- Éditeur
- Institution of Engineering and Technology (IET)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Batman University pays non établi dans la noticeUniversité ou école supérieure
-
Bitlis Eren University pays non établi dans la noticeUniversité ou école supérieure
-
Bursa Uludağ Üni̇versi̇tesi̇ pays non établi dans la noticeUniversité ou école supérieure
-
Applied Science Private University pays non établi dans la noticeUniversité ou école supérieure
-
Gedik University pays non établi dans la noticeUniversité ou école supérieure
-
Al-Ahliyya Amman University pays non établi dans la noticeUniversité ou école supérieure
-
Graphic Era University pays non établi dans la noticeUniversité ou école supérieure
-
Chitkara University pays non établi dans la noticeUniversité ou école supérieure
-
VSB - Technical University of Ostrava pays non établi dans la noticeUniversité ou école supérieure
-
Vinnytsia National Technical University pays non établi dans la noticeUniversité ou école supérieure
-
Department of Electrical and Electronics Engineering Bursa Uludag University Bursa Turkey pays non établi dans la noticeUniversité ou école supérieure
-
Department of Electrical Engineering Graphic Era (Deemed to Be University) Dehradun India pays non établi dans la noticeUniversité ou école supérieure
Batman University, Bitlis Eren University et Bursa Uludağ Üni̇versi̇tesi̇, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.