TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol. 16, No. 3, Dece mbe r  2 015, pp. 509  ~ 519   DOI: 10.115 9 1 /telkomni ka. v 16i3.894 2        509     Re cei v ed  Jul y  22, 201 5; Revi sed O c tob e r 17, 201 5; Acce pted No vem ber 1 3 , 2015   Biogeography Based Optimization Tuned Fuzzy Logic  Controller to Adjust Speed of Electric Vehicle      Salam Waley * 1 , Chen gxi ong M a o 2 , Nass ee r  K. Ba cha c h e 3   1,2 State Key  L a borator y of Adv ance d  Electr o m agn etic Engi neer ing a nd T e chno log y ,    W uha n, C h i n a   3 School of Elec trical & Electro n ic Eng i ne eri n g,  Huazh o n g  U n iversit y  of Sci ence a nd T e chnol og y,   W uhan, Ch ina    3 Colle ge U n ive s it y  of Hum anit y  Stud ies, Naj a f, Iraq   *Corres p o ndi n g  author, e-ma i l : salam_ w a l e y73@ ya ho o.co m 1 , cxmao@h u st.edu.cn 2 ,  tech_n 20 08@ yaho o.com 3       A b st r a ct   T here ar e  ma ny pow er  el ec tronic co nverte rs and   motor  drives c o n nect ed to geth e r to  form t h e   electric al system  of an Electr ic Vehic l e. In this  paper, we have pr esented a mo deling tool that has the  adva n tag e s of  utili z i ng  cap a b iliti e s of th e  PMSM softw are in  deta ile d s i mulati ons  of c onverters,  mot o r  drives, and  electric machines.  In ad dition, equiv a lent electr ical  models of  Electric V ehic l e dr ive system.   T h is p aper  als o  g i ves  a br ief  id ea  of PMS M  vali dity  as a n  El ectric Ve hi cle si mul a tion   tool. PMSM  dr ive   system  is desc ribed and analy z e d due to  its im portanc e in  m a ny  applic ations especially   in Electric Vehicle  app licati ons. T h is ap plic atio n is hig h  efficien cy, low  iner tia and h i g h  torqu e  to volu me rat i o. In this pap e r  w e   embo dy the si mu lati on of F u zz y  Lo gic Co n t roller. T he co ntroll er gover n  the s peed co ntrol of Electri c al  Vehic l e EV  usi ng p e r m a nent  ma gn et synchr ono us  moto r  PMSM. T h is w o rk char acteri zes to o b tain  th e   opti m a l  para m eters of F L C. Biog eogr ap hy Based Opti mi zation (BBO) is  a new  intell ig ent techni qu e fo r   opti m i z at ion; it  can be  use d  to tune  th e par ameters in  different fie l ds. T h e main c ontri b u tion  of this w o rk   efforts the ab i lity of BBO to  desi gn th e p a ra mete rs of F L C  by deter mi nin g   th e  sh apes of  trian g l e   me mbers h ips  of the inp u ts a nd out put.  T he results  of op tima l contro ller  (BBO-F LC) compar ed w i th th e   other contro ller s  desig ned by   Genetic Alg o rit h m GA w h ich it is a  pow erful meth od h a s be en foun d to sol v e   the opti m i z at io n prob le m. T h e impl e m ent ati on of BBO al gorith m  h a s b een d o n e  by  M-file/Matla b, this  progr a m  link e d  w i th SIMULINK to calculate  the fine sses fu nction w h ich h a s the compl e te math e m atic a l   system   m o del  has im plem ented using. The r e sults show  the excellent performanc e of BBO-FLC com p ar ed  w i th GA-F LC  and PI control l er, also the p r opos ed  meth od w a s very fast and ne ed  a few  numb e r of   iteratio ns. T hese results als o  conf irmed that  the transient torqu e  an d current never exc e ed the  maxi mu m  per missi bl e val ue.     Ke y w or ds :   bio geo gra phy- base d  opti m i z ation   (BBO), fu zz y   l ogic  co ntroller  (F LC),  el ectrical  veh i cle  (EV) ,   per ma nent  ma gnet synchr o n ous motor (PM S M)    Copy right  ©  2015 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1.   Introduction  We thin k the con c ern abo ut the enviro n ment  and e nergy securit y  such a s  in cre a si ng  gasoline p r i c es o r  de pletion of fossil fuels i s  chan ging, due to  emerged el e c tri c  vehicl es are   use d , anoth e r  word th e pa sseng er vehi cle s  will  be e nable d  on th e  grid, ma ny rese arche r s h a ve  recogni ze d that electri c  dri v e vehicl e s  are critical to the future of  the indu stry [1]. However, so me   chall enge s e x ist to g r eate r   adoptio n,  in  United  States has pl edg e d  to reduce gree nho use gas  (G HG)  emi ssi ons  by app ro ximately 17 p e rcent  befo r e  the year  202 0 then fo re ca st 7 million  EV  will be  sol d , the pe rceptio n of EV co st  also  ch argi ng  infra s tru c ture may devel o ped, we beli e ve   that nume r ou s adva n tage s for Electri c  V ehicl es EV s compa r ed  with  Internal  Com bustio n  Engin e   ICE vehi cle s , espe cially th e EVs have   a hig h  e n e r g y  efficien cy,  while  the  ene rgy effici en cy of  ICE vehicl es i s  ab out 30%,  the ene rgy eff i cien cy  of EVs is over th an  80%, [2]. PMSM became  at  the top of ac  motors in the  medium ran ge of  po wer  and it be cam e  very popul a r  ch oice in drive  techn o logy  o v er the  la st f e w ye ars  due  to  some  of it s in he rent  ad vantage s. Th ese  adva n tag e s  inclu de hi gh  torqu e  to  curre n t ratio,  larg e p o we r to  weig ht  ratio, hig her efficien cy a nd  robu stne ss. T here  a r e m a n y  appli c ation   of PMSM  in  Elevators,  Wi nd Ene r gy, E V  drive  and  e t c.  becau se it all o ws an  enl arged  spe ed  ra nge  with inve rter  si ze lo we r than  in a  co nventional flu x - Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 16, No. 3, Dece mb er 201 5 :  509 – 519   510 oriente d  in du ction m o tor  drive [3, 4].  In [5],  the a daptive dyna mic  su rf ace control (DS C )  of  PMSM ha s b een p r e s e n te d. In [6, 7], the auth o rs h ad de rived  some fee dba ck  control de sign  methods for  stability of PMSM in  their  results. Som e  control m e t hods had studied to stabili ze the  PMSM syste m s, such a s  slidin g mo d e  co nt rol  (S MC)[8],differe ntial geo metry method [9 ],  passivity con t rol [10, 1 1 ]. The ta ngibl e ben efit  of ch oosi ng  controlle r i s  i t s sim p licity  to  impleme n t. It  is not e a sy to  find anoth e r  controlle r  wit h  su ch  a si m p le st ru cture t o  be  com para b le  in perfo rman ce. Fu zzy rul e -ba s e d  mod e ls are ea sy to comp reh e nd be cau s e i t  uses lin gui stic  terms  and th e structu r e of  if-then rule s [12, 13]. A ve ry important  step in the  use of  cont rolle rs is  the controller pa ramete rs  and tu ning  p r oce s s [14].  Unfortunately, i n  spite of  this large  ran g e   of  tuning te chni que s, the o p timum p e rfo r m ance  cann ot   be a c hieve d .  In re cent ye ar there  are m a ny  intelligent o p timization  techniqu es  have  been  em er g ed an d g e t a  great  attentio n of research ers  like Ge netic Algorithm (GA), Particl e  Swarm  Opt i mization  (P SO) techniq ues b ee  col ony  optimizatio n (BCO), Ant  Colony O p timization   (A CO), Simulated  Annealin g (S A), and  Bact eria l   Fora ging (BF )  [15]. Usu a lly GA has a most algo rith ms found ed i n  the control  field, like the  search for optimal param e ters of  F L C controller. B u t it still  r equires enorm o us  computational   effort. In this pap er we   sugge st a  ne w  co mp utational th eory  named  (Bio g eography -Ba s ed   Optimizatio n   BBO) to tune para m eters o f  FLC cont roll er. Thi s  co ntroller  can g o vern a  non -lin ear  sy st em.        2.    Model for a PMSM Dri v e   The co mplete  nonline a r mo del of a PMSM without da mper  windi ng s is a s  follows:    ) +   i (L   +   i pL   +   Ri   =   v af d d s q q q q                                                                               (1)      i L   -   p   +   Ri   =   v q q s d d d                                                                                                   (2)    v d  and v q  are  the d, q axis voltages, id a nd iq are t he  d,q axis state r  cu rre nts, Ld  and Lq are the  d,q axis ind u c tan c e,  R a n d   s  are  the  st ater  re sista n c e  and  invert er frequ en cy  respe c tively.  af is the flux linkage du e to the  rotor m agn ets linki ng the  stator.   The elec tric  torque:                    )/2 i )i L   -   (L     i 3P(     T q d q d q af e                                                                                    (3)    The moto r dynamics:                     r r Jp B   T   -   T L e                                                                                                         (4)    P is the  num ber  of pole  p a irs,  TL i s  th e load  torq ue , B is the  da mping  co efficient,  r is  the rotor  spe ed and  J the moment of in ertia . The  inverter fre que n c y is relate d to the rotor  sp eed  as  follows :       r s p                                                                                                                                     (5)    The ma chine  model is n onl inear a s  it co ntai ns p r od uct terms su ch  as speed  with id and  iq. Note that r , i d  and i q  are  state varia b l e s. Durin g  ve ctor  cont rol, i d  is normally  forced to be   zer o .        q t q e i K      /2 i 3P     T af                                                                                                          (6)       Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Biogeog rap h y  Base d Opti m i zation Tun ed Fuzzy Log ic Co ntrolle r to Adjust… (Sa l a m   Wa ley)  511       Figure 1. Block di agram of  a PMSM  Figur e 2. Block di agram of  a PMSM Dri v e                                          3.   Speed Control of PMSM Motor  The PMSM is usi ng control to supp re ss ha rmoni c n o ise to a lev e l then, noise  to a level  belo w  and vibration tra n sl ates into a more  comfortable ride for passeng ers.  IGBT SPWM  inverters ma ke the  ride  more  smo o th er with  pre c i s ely adju s tin g  sp eed  cont rol with frequ ency   and voltage regulation.It has the la test low-noi se  power units to  make the  ri de even qui eter.  Elevator has  dire cted hig h -spe ed used (1500 rpm)  P M SM. Energy reform in the  elevator gea red   for small  rise  becau se trav el extremely small an d fast.                Figure 3. Block  Diag ram o f  Speed Cont rol of PMSM      3.1. Biogeog raph y - Based  Optimizatio n   Inspired of biogeo gra phy Simon develo ped  a ne w ap proa ch  called  Biogeograph y-Base d   Optimiz a tion (BBO)  in (2008).  Thi s  al g o rithm i s  an  example of h o w a  natural  pro c e ss  ca n  be  modele d  to solve optimiza t ion [18]. In n BBO, each  possible  sol u tion is a n  i s lan d  and th eir  features that descri be habi tab ility are named  Habitat  Suitabilit y In dex (HSI). T he goodness of  each solutio n  is named S u itability Index Variables  (SIV). For example of  the  natural process,  why some i s l and s may le a n  towa rd s to  accumul a te  many mo re  speci e s th an o t hers? Be cau s e  of po ssess certain  enviro n mental  feat ure s  th at  a r e  more  suitabl e to  su staini ng that  ki nd  than  other isl and s with  fewe r sp eci e s.  It is axiomati c the  h abita ts with  hig h  HSI h a ve l a rge  popul ations,  also hig h  im migratio n rate  and by feat ure of a large  numbe r of sp ecie s that migrate  to other h abit a ts. The rate  of immigrati on will  b e  lo wer if the s e  habitats a r e  alrea d y satu rated   with spe c ie s. On the  oth e r h and, h a b itats  with l o w  HSI hav e high i mmi gration  and   low   immigratio n rate, beca u se of the spa r se  popul ation.   The fitne s s  function  FF  is a s so ciate d  wi th  ea ch  sol u tion  of Biogeo grap hy-Based   Optimizatio n   BBO, which is anal ogo us  to HSI of a habitat. A good solutio n  is  analo gou s to  a  habitat h a ving hig h  HSI  a nd a  poo r  so lution r epresents  a h abita t having a  lo w  HSI. The  best   solutio n s  sh a r e thei r g e o g rap h ie s of t he lo we st solution s thro w mig r ation  (emig r ation  a n d   immigratio n).  Best solutio n s have mo re resi stan ce  to chang e than lowe st sol u tions. While  the   lowe st  solutio n s  have  more chan ge fro m  time to  tim e  an d a c cept  many  new fe ature s  from  b e st  Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 16, No. 3, Dece mb er 201 5 :  509 – 519   512 solutio n s. T h e immig r atio n rate  an d e m igratio n  rate of the jth  i s lan d  may  b e  form ulated  as  follows in Equation (7 ), (8 ) [17].                ( 7 )                 ( 8 )     Whe r e µ,  λ j  are th e immi gration  rate a nd the  emig ration rate of j  individual; I i s  the  maxim u m   possibl e immi gration  rate;  E is th e maxi mum p o ssibl e  e m igr a tion  ra te ; j is th e   nu mb er  o f   s pec ies   of jth individual; and n is th e maximum n u mbe r  of spe c ie s.   Jth In BBO, t he mutatio n  i s  u s ed  to in crea se th e div e rsity of th e  popul ation to  get the   best solution s.  Mutation  ope rator mo difie s  a  h abitat’s SIV ran dom ly based  on  mutation  rate. The   mutation rate  mj is expre ssed in (9 ).                ( 9 )     Whe r e mj is  the mutation  rate for the jth  habitat ha ving a j number of spe c ie s; mmax is the  maximum mu tation rate; Pmax  is the maximum sp ecies count pro bability; Pj th e spe c ie s co unt  prob ability for the jth habitat and is given  by Equation (10 ) :            ( 1 0 )     Whe r e µj +1,   λ j+1 are th e immigratio n and e m igration rate fo r the jth ha b i tat contain s  j+1   spe c ie s;  µj-1 ,   λ j-1 are th e immigratio n and emig ration rate fo r the jth habitat contain s  j-1   spe c ie s.     3.2. Fuzzy  Logic Con t rol l er  Fuzzy logi c  controlle rs hav e the follo win g  adv anta g e s  over th e  con v entional  con t rollers  that they are  che ape r to d e velop, they cover  a  wi de  rang e of op erating c onditio n s, an d they are   more  readily  cu stomizable  in n a tural la ngua ge te rm s. In M a md a n i type FIS t he  cri s p  re su lt is  obtaine d by  defuzzificatio n  [16],  in th e Mamd ani F I S can b e  u s ed for  both  multiple inp u t  and  singl e output  and multiple i nputs multipl e   outputs  system as shown in Figure 4.    Figure 4. Arra ngeme n t of fuzzy logi c cont rolle r      The u s efuln e ss  of fuzzy logic  co ntroll er is ado pte d  espe cially  in a compl e x and  nonlin ear  system. The rules of conventional  FL C are produ ced dep end  on the ope rator' s  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Biogeog rap h y  Base d Opti m i zation Tun ed Fuzzy Log ic Co ntrolle r to Adjust… (Sa l a m   Wa ley)  513 experie nce or gene ral  kno w led ge of the  system in   a  heuri s tic  way.  The thresh ol ds of the fu zzy  lingui stic vari able s  are usually cho s e n   arbitrarily  in the de sign  proce s s. An improp er  cont ro ller  value lea d s t o  an a d verse co nsequ en ce, un stabl e  mode,  collap s e a nd  sep a ration [1 1]. This  work p r o p o s e  BBO to desi gn an  Optima l Fuzzy Logi c Controlle r O F LC, the o p timized  criteria  is  how to minimi zing the tra n sient state.    3.3. Genetic  Algorithm O p timization    Many optimi z ation probl ems  have  come to  be  sol v ed using Artificial Intelligent (AI).  Relatively Genetic Algorithm (GA )  i s  the most  wide ly  use d  in th ese  tech nique s, i t  is a  po we rful  tool even  recently there a r e  ma ny  ne w approa che s  h a ve  p r opo se d   for optimum  sea r ching. Th e   variable s  are  re pre s e n ted  as  gen es on   a chromo som e .  GAs  featu r es a gro up of  pop ulation   o n   the resp on se  su rfa c e. Th roug h  Natu ra l Select io n  NS an d g e n e tic o perators, mutatio n   and   cro s sove r, chrom o some s with better fitness fun c tion s FF are found. NS suretie s  the   recombi natio n ope rato r, the Gen e tic Algo rithm  com b ine  g ene s from  best two p a rent   chromo som e s to generate  two children  that at l east one of them have a better fitness from  his   pare n ts. Muta tion allows ne w are a s of th e respon se  surface to be e x plored.      3.4. SVPWM In v e rter Simulation   The Volta ge  Source Sp ace Vecto r  P u lse Wi dth Mo d u lation  (SPWM) i s  the  mo st popul ar  usa ge i n  A.C  drives. S o ; its perfo rma n ce  sh oul d  be  a  Voltage So urce Inve rter (V SI) and  have   a   stiff so urce  at the i nput [6].  A pra c tical  (V SI) cons i s t s  o f  power b r idg e  devi c e s   wit h  three  outpu ts;  each o ne  co n s ist s  of t w o  p o we r  swit che s  a nd t w o f r e e wh eeling  di ode s. Th e inv e rter is suppli ed  from D.C.  vol t age source via  LC  filter. In  SVPW M, t he three out put legs  considered  as three  indep ende nt push-p u ll am plifiers a s  sho w n in Figu re  5.      Figure 5. A three ph ase (V SI) with three  phase re ctifier      SVPWM inverter can be  s i mulated by  MATLAB/ SIMULINK. The  output of the s w it c h es   gives  (Vao,V bo,Vco ) then t he thre e pha se s to  load n eutral (V an,Vbn,Vc n )  ca n be achieved  by  impleme n ting  Equation (1 1 ) .              ( 1 1 )     3.5.   Electric Vehicle (EV) Sy stem  The dia g ra m  of an Electri c  Vehi cle (E V) System u s ing a n  PMSM sup p lied b y  voltage   inverter:     Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 16, No. 3, Dece mb er 201 5 :  509 – 519   514     Figure 6. Electri c  Vehicl e (EV) System       3.5.1. The Vehicle Load   The vehicl e inertia torque  defined by th e followin g  rel a tionship:                ( 1 2 )     3.5.2. Aerod y namics Force   The force is d ue to the fricti on of the vehicle bo dy, moving throug h the air.                ( 1 3 )     The ae rodyn a mics torq ue  is:               ( 1 4 )     3.5.3. Rolling Force   The rolling  resi stan ce i s   prima r ily due  to the tra c tion of the tire on the  ro d e . It is  prop ortio nal to vehicle  wei ght, the equat ion is:               ( 1 5 )                 ( 1 6 )     3.5.4. Hill Cli m bing Force  The force ne eded to drive  the vehicle u p  a sl op e is the most  strai ghtforward to find.               ( 1 7 )     The slo pe torque is:                 ( 1 8 )       Figure 7. The  vehicle up a  slop e     Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Biogeog rap h y  Base d Opti m i zation Tun ed Fuzzy Log ic Co ntrolle r to Adjust… (Sa l a m   Wa ley)  515 3.6. Elecric Vehicle Con t rol Sy stem Application Fl o w   Cha r t  The Steps a s  follows (flo w  cha r t as Fig u re 8):   Step 1: Creat e the para m e t ers of t he Elecri c Vehi cle  Drive sy stem.   Step 2: Accordin g to the call sign al and t he cu rrent situation  El ecri c Vehi cle Drive  sy st em.   Step 3: By Reload  sq uad ron by u s in g u pdate  val ue-weig hted in ertial, with the  spe ed  of   conve r ge nce.  Step 4: Use the a cce ptan ce crite r ia, to  deci de wheth e r to a c cept t hese ne w pa rticles  or  not, and to incre a se the di versity of the particl es, with  avoid trappin g  in local O p timization.   Step 5: The end of the iterati on, then the global sea r ch the optima l  solution. If not, step  loop (3 ).   Step 6: by using Loo p to step (2 ) until the end  time si mulation, the n  output the result.           Figure 8. Electri c  Vehicl e (EV) control system appli c a t ion flow ch art      4.   Si mulation Results  By using Si mulation m o del PMSM& S imulati on of  EV Drive  sy stem by Impl ementing  BBO Tuning f o r FL C Para meters.    4.1.   Implementing BBO  Tuning for F L C Parame te rs   The imple m entation of  BBO in this work  i s  sa me wh at co mplex, beca u se the  perfo rman ce  of the system  must be exa m ined in  ea ch iteration an d particl es p o s ition du ring t he  optimizatio n  algorith m . Th erefo r e, the  o p timizati on  al gorithm  is im plemente d   by usi n g  MATL AB  m-file p r o g ra m an d lin ke d  with the   syst em  simulatio n  p r og ram  in  MATLAB SIMULING, to  ch eck  the system p e rform a n c e i n  each  iterati on. In this pa per, the p r obl em sum m ari z ed in optimi z i ng  three  varia b le s, they  are:  o ne o u tput a n d  two   inp u ts (spe ed  and  th e chan ge i n   speed ), ea ch   one   has th ree  dim ensi onal  spa c es, re present ed a s  the  p r a m s of the tri a ngle me mbe r ship s of FL C.   A  rand om of 10 0, Habitats  were a s sume d  and optim i z a t ion algorith m  of 100 iterati ons i s  used to   Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 16, No. 3, Dece mb er 201 5 :  509 – 519   516 estimate the  optimal value s  of the FL C cont roller  parameters . The fitnes s  func tion FF  whic h   illustrate d in Equation (19) can calcul ate  by SIMULINK shown in Fi gure 9.               ( 1 9 )        Figure 9. Model of the system            Figure 10. Th e conve r ge nce of Fitness  Func tion in 100 Iterations  Figure 11. Step re spo n se OF PMSM sp eed in  different co ntrollers, GA-FL C  and BBO -F LC  and PI contro ller          Figure 12. An arbitra r y spe ed between (1.1pu  and 0.7p u)  Figure 13. FL C memb ershi p s de sig ned  by BBO    Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Biogeog rap h y  Base d Opti m i zation Tun ed Fuzzy Log ic Co ntrolle r to Adjust… (Sa l a m   Wa ley)  517 Figure 10  shows the  co nverge nce of  Fitness Fu nction in  10 0 iteration s   and the   comp ari s o n  b e twee n GA a nd BBO. Figu re 11, 1 2  the  step respon se with loa d  a nd no lo ad u s ing  prop osed con t roller and G A -FLC  and  PI -co n troll e r  tu ned by  conve n tional meth o d  trial an d e r ror.  Figure 13 sho w s F L C de sig ned by BBO and Figu re 1 4  sho w s the surface of FLC    4.2. Simulati on of Elecric Vehcile Drive S y stem  Electri c  vehicl e has  submitt ed a numb e r  of tests du rin g  the variou s route s :  This test  cla r i f y the effect  of the d e sce n t of   vehi cle moving  o n  straight ro ad, This  test   explain the  effect of the  slo pe on th e EV, EV torque  i n cre a se, the E V  are d r iving  in straight roa d   with  con s tant  sp eed, the  speed  incre a se, the v ehi cl e is drivin g o n  a  cu rved  road  on the  ri ght  side, th e EV t o rqu e  ju mp s  down, the ve hicle  is dr ivin g on  a  cu rve d  ro ad  on th e  left sid e  a nd  EV  torque ju mp s back.     4.2.1. Speed, Torque &  Current  Res p onse  w i th  O n e Side at Speed (500,60 0,400,50 0)  In this  step th ere  are  three  figure s   (a.sp eed  re spo n se , b.Torq ue  c. curre n t ), a s   sho w  in  figure s  belo w  :      a) sp eed  re sp onse       b) To rque  re spon se       c )   Current respons e                         Figure 14. Simulation respon se of  (a.spe ed, b.To rque  c.cu rren t) with one  side       4.2.2. Speed, Torque & Current  Res p onse  w i th T w o  Side s at  Speed (5 00, 1000,1 500,-5 00,- 1000,-150 0)  In this step there are three  figures (a.sp eed  re sp on se , b.Torque, c. curre n t), as show in   figure s  belo w :  Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 16, No. 3, Dece mb er 201 5 :  509 – 519   518   a) sp eed  re sp onse       b) To rque  re spon se       c) Current  respon se     Figure 14. Simulation resp onse of (a.sp eed,  b.Torqu e , c.cu rre nt)  with two si de s      5. Conclusio n   The sy stem responses  of different tuni ng methods  are  illustrated in simul a tion result   and a  compa r able p e rfo r m ance bet wee n  the th ree  cont rolle rs in t h is  re sea r ch (PI controller,  GA- FLC  and BB O-FL C) a s   sh own i n  Fig u re  11, 12.  We f i nd the  optimi z ed BB O-F L C is cl osed  with   desi r ed  spe e d  and its pe rforma nce is th e best compa r ed with  GA-FLC an d PI controlle r.    We ca n obtai n the followin g  con c lu sio n s through  simu lation analy s is:  1) Thi s  pape r design fu zzy  logic co ntrol  by co mputati onal algo rith m, it interject Control  con c e p ts of t r ial a nd e r ror in fuzzy cont rol a nd  conv entional  GA-FLC m e thod   and the n   con t rol  velocity modu lation of elect r ical vehi cle  EV in different speed.    2)  Obviou sly, the BBO tu n i ng of th e FL C i s  the  be st  intelligent  m e thod  whi c h   gives  an   excelle nt sy stem pe rforma nce,  and  the  GA give s a  g ood  re spo n se  with  re spe c t  to the traditio nal  trial and e rro r method.   3) In ad dition  to the impro v ing of syste m  re spo n se, the BBO and  GA can  use  a highe r  orde r  system  in the tuning  pro c e ss  whi c h avoid s  the  error of  syst em order  red u ction. It gave a   satisfa c to ry solution du ring  the first 30 iteration s  a s  shown in Figu re 11.  4) T he  proposed method  makes  control system have st rong  flexi b ility, instantaneity and  reliability because of the   advanced prediction of FL C predi cting controller.  5) It makes control sy stem  have stronger Re al-time  controll abilit y because of  optimal   fuzzy  param eters have  a head  predi ct  for a  po ssi bl e interfe r e  source. T he l o we r inte rference  freque ncy, BBO algorithm  is more co ntrollable.        Referen ces   [1]  Basu M a la bika , Gaugh an K e v i n, Co yl e E u g e ne.  H a rmon i c d i stortion c aus e d  by EV  b a ttery charg e rs i n   the distribution system s  ne twork and  its remedy.  In  39th  Internati ona l U n iv ersities  Po w e r  Engi neer in g   Confer ence, U PEC. 2004.    Evaluation Warning : The document was created with Spire.PDF for Python.