| dc.contributor.advisor | Psarakis, Michael | |
| dc.contributor.advisor | Ψαράκης, Μιχαήλ | |
| dc.contributor.author | Almabrok, Abdoalnasir | |
| dc.date.accessioned | 2026-07-16T09:58:13Z | |
| dc.date.available | 2026-07-16T09:58:13Z | |
| dc.date.issued | 2026-06 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19577 | |
| dc.description.abstract | Η διασφάλιση της βέλτιστης απόδοσης των μονάδων ελέγχου, όπως οι
αναλογικοί-ολοκληρωτικοί-παραγώγιμοι ελεγκτές “Proportional–Integral–Derivative”
(PID), είναι απαραίτητη για τη διατήρηση της αποδοτικότητας, της σταθερότητας και
του γρήγορου χρόνου απόκρισης σε βιομηχανικά συστήματα αυτοματισμού, όπως τα
συστήματα θέρμανσης, εξαερισμού και κλιματισμού “Heating, Ventilation, and Air
Conditioning” (HVAC). Ωστόσο, οι συμβατικοί ελεγκτές συχνά αντιμετωπίζουν τις
πολύπλοκες, μη-γραμμικές δυναμικές και τις διαταραχές που υπάρχουν σε βιομηχανικές
εφαρμογές πραγματικού χρόνου. Αυτές οι προκλήσεις έχουν δημιουργήσει μια αυξανόμενη
ανάγκη για προηγμένες, ισχυρές και προσαρμοστικές τεχνικές βελτιστοποίησης. Αυτή η
διδακτορική διατριβή εστιάζει σε έναν ισχυρό αλγόριθμο βελτιστοποίησης, τον “Big
Bang-Big Crunch” (BB-BC), ως μια γρήγορη και αξιόπιστη λύση για την αυτόματη ρύθμιση
παραμέτρων ελέγχου σε πρακτικές εφαρμογές.
Με κίνητρο την αυξανόμενη ζήτηση για έλεγχο υψηλής ταχύτητας, ενεργειακά αποδοτικό
και σε πραγματικό χρόνο σε βιομηχανικά συστήματα, η παρούσα εργασία διερευνά
υλοποιήσεις αλγορίθμων βελτιστοποίησης με επιτάχυνση υλικού, εστιάζοντας σε
προγραμματιζόμενες στο πεδίο συστοιχίες πυλών “Field-Programmable Gate Arrays”
(FPGA). Παρόλο που ο αλγόριθμος BB-BC είναι κατάλληλος για εφαρμογές πραγματικού
χρόνου λόγω της ταχείας σύγκλισής του και της χαμηλής υπολογιστικής πολυπλοκότητάς
του, οι υλοποιήσεις που βασίζονται σε λογισμικό και εκτελούνται σε συμβατικούς
επεξεργαστές συχνά δεν πληρούν αυστηρούς χρονικούς περιορισμούς. Για να ξεπεραστεί
αυτός ο περιορισμός, η διατριβή προτείνει μια νέα αρχιτεκτονική βασισμένη σε FPGA
για τον αλγόριθμο BB-BC. Η τεχνολογία προγραμματισμού πεδίου προσφέρει μια
ρεαλιστική λύση για τη βελτίωση του χρόνου απόκρισης και την εξοικονόμηση
κατανάλωσης ενέργειας, και παρουσιάζει έναν αποτελεσματικό τρόπο υλοποίησης σύνθετων
αλγορίθμων, βελτιώνοντας την απόκριση σε πραγματικό χρόνο σε συστήματα ελέγχου. Με
άλλα λόγια, η τεχνολογία προγραμματισμού πεδίου παρέχει ένα ευέλικτο και παράλληλο
υπολογιστικό περιβάλλον για την εκτέλεση αλγορίθμων βελτιστοποίησης σε βιομηχανικές
εφαρμογές πραγματικού χρόνου. Σε αυτή τη διατριβή, δείχνουμε ότι ο αλγόριθμος BB-BC
είναι κατάλληλος για επιτάχυνση με χρήση τεχνολογίας FPGA. Προτείνουμε μηχανισμούς
απόδοσης υλικού που ξεπερνούν τους περιορισμούς σχεδιασμού που παρατηρούνται στους
κλασικούς γενετικούς εξελικτικούς αλγόριθμους, οι οποίοι συχνά εμποδίζουν την
απόδοση των επιταχυντών που βασίζονται σε υλικό και παρουσιάζουν περιορισμούς,
ιδιαίτερα όσον αφορά την επεκτασιμότητα και τον χρόνο απόκρισης. Παρουσιάζουμε έναν
επιταχυντή βασισμένο σε FPGA για τον αλγόριθμο BB-BC, ο οποίος ενσωματώνει τη
σχεδίαση και των δύο φάσεων του αλγορίθμου, της Φάσης Μεγάλης Έκρηξης “ Big Bang
Phase ” (BBP) και της Φάσης Μεγάλης Κρούσης “Big Crunch Phase” (BCP), με μηχανισμό
διοχέτευσης (pipelined design). Ένα ισχυρό μεθοδολογικό πλαίσιο για αυτόν τονFPGA
επιταχυντή έχει αναπτυχθεί και επικυρωθεί σε ένα τυπικό πρόβλημα βελτιστοποίησης
χρησιμοποιώντας τυπικά μαθηματικά benchmarks. Τα πειραματικά αποτελέσματα
καταδεικνύουν σημαντική επιτάχυνση σε σύγκριση με αντίστοιχες υλοποιήσεις
λογισμικού.
Παρά το αυξανόμενο ενδιαφέρον για εύρωστη βελτιστοποίηση σε πραγματικό χρόνο για
βιομηχανικά συστήματα ελέγχου - που συνήθως χαρακτηρίζονται από διαταραχές, μη
γραμμικότητες και χρονικές καθυστερήσεις - η υπάρχουσα βιβλιογραφία προσφέρει λίγες
λύσεις που συνδυάζουν αλγόριθμους ταχείας σύγκλισης με επιτάχυνση υλικού. Αυτή η
διατριβή αντιμετωπίζει αυτό το κενό μελετώντας την ενσωμάτωση του BB-BC σε πολλαπλές
στρατηγικές ελέγχου, συμπεριλαμβανομένων των PID, Fractional-Order PID (FOPID) και
του Αλγορίθμου Μάθησης για Ανάλυση Πολυμεταβλητών Δεδομένων “Learning Algorithm for
Multivariate Data Analysis ”(LAMDA), και αξιολογώντας τις υλοποιήσεις τους με χρήση
FPGA.
Συγκεκριμένα, η διατριβή εξετάζει τη χρήση του BB-BC για την ρύθμιση των ελεγκτών
PID και FOPID, ενώ προτείνει και την υλοποίησή τους με χρήση υλικού σε πλατφόρμες
FPGA. Η προσέγγιση επικυρώνεται σε ένα σύστημα HVAC, χρησιμοποιώντας διάφορες
στρατηγικές μοντελοποίησης, όπως μοντέλα Δεύτερης Τάξης Συν Χρονικής Καθυστέρησης
“Second-Order Plus Time Delay” (SOPTD). Επιπλέον, οι ελεγκτές PID, FOPID και LAMDA
που συντονίζονται με χρήση του BB-BC, σχεδιάζονται και αναλύονται για την
ανθεκτικότητά τους υπό διαφορετικά προφίλ διαταραχών, επιτρέποντας τη συγκριτική
αξιολόγηση σε διαφορετικά βιομηχανικά σενάρια. Προσομοιώσεις MATLAB/Simulink του
συνδυασμένου πλαισίου βελτιστοποίησης-ελέγχου υπογραμμίζουν περαιτέρω την ανώτερη
συμπεριφορά
χρονισμού, την επεκτασιμότητα και την ενεργειακή απόδοση των λύσεων BB-BC με
επιτάχυνση FPGA σε σύγκριση με τις παραδοσιακές τεχνικές.
Οι βασικοί στόχοι αυτής της διδακτορικής διατριβής είναι:
• Η ανάπτυξη μιας νέας υλοποίησης του αλγορίθμου βελτιστοποίησης
BB-BC με χρήση FPGA και η επίδειξη της απόδοσής της μέσω αντιπροσωπευτικών
περιπτώσεων μελέτης.
• Η ενσωμάτωση του αλγορίθμου BB-BC σε ελεγκτές PID και FOPID για
βελτιστοποίηση παραμέτρων και η επικύρωση της προτεινόμενης προσέγγισης σε συστήματα
HVAC.
• Η επέκταση της προσέγγισης βελτιστοποίησης BB-BC σε ελεγκτές
LAMDA για να διερευνηθεί η εφαρμογή της σε πιο σύνθετα βιομηχανικά περιβάλλοντα.
• Η βελτίωση της απόδοσης πραγματικού χρόνου και της ενεργειακής
απόδοσης μέσω βελτιστοποίησης με επιτάχυνση υλικού χρησιμοποιώντας τεχνολογία FPGA. | el |
| dc.format.extent | 157 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Development of evolutionary algorithms for intelligent real-time control systems using field-programmable technology | el |
| dc.title.alternative | Ανάπτυξη εξελικτικών αλγορίθμων για ευφυή συστήματα πραγματικού χρόνου με χρήση προγραμματιζόμενης τεχνολογίας πεδίου | el |
| dc.type | Doctoral Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | Ensuring optimal performance of control units, such as
Proportional–Integral–Derivative (PID) controllers, is essential for maintaining
efficiency, stability, and fast response time in industrial automation systems, such
as Heating, Ventilation, and Air Conditioning (HVAC) systems. However, conventional
controllers often struggle with the complex, non-linear dy-namics and disturbances
present in real-time industrial applications. These challenges have created a
growing need for advanced, robust, and adaptive optimization techniques. This PhD
thesis focuses on a robust optimization algorithm, the Big Bang Big Crunch (BB-BC),
as a fast, reliable solution for auto-tuning control parameters in practical
applications.
Motivated by the increasing demand for high-speed, energy-efficient, and real-time
control in industrial systems, this work explores hardware-accelerated
implementations of optimi-zation algorithms, focusing on Field-Programmable Gate
Arrays (FPGAs). Although the BB-BC algorithm is well-suited for real-time
applications due to its rapid convergence and low computational complexity,
software-based implementations running on conventional pro-cessors often fail to
meet strict timing constraints. To overcome this limitation, the thesis proposes a
novel FPGA-based architecture for the BB-BC algorithm. Field programmable technology
offers a realistic solution to improve response time and save power consumption, and
presents an efficient way to implement complex algorithms, improving real-time
re-sponse in control systems. In other words, the field programmable technology
provides a flexible and parallel computing environment for executing optimization
algorithms in real-time industrial applications. In this thesis, we show that the
BB-BC algorithm is well-suited for FPGA-based acceleration; we propose hardware
performance mechanisms that over-come the design limitations observed in classical
genetic evolutionary algorithms, which of-ten hinder the performance of their
hardware-based accelerators and exhibit limitations, particularly in terms of
scalability and response time. We present an FPGA-based accelerator for the BB-BC
algorithm, which incorporates a fully pipelined design of both BB-BC phases, Big
Bang Phase (BBP), and Big Crunch Phase (BCP). A robust methodological framework for
this FPGA-based accelerator has been developed and validated on a typical
optimization problem using standard mathematical benchmarks. The experimental
results demonstrate significant speedup over software counterparts.
Despite the growing interest in robust, real-time optimization for industrial
control systems typically characterized by disturbances, nonlinearities, and time
delays, existing literature offers few solutions that combine fast-convergent
algorithms with hardware acceleration. This thesis addresses this gap by studying
the integration of BB-BC into multiple control strategies, including PID,
Fractional-Order PID (FOPID), and the Learning Algorithm for Mul-tivariate Data
Analysis (LAMDA), and by evaluating their FPGA-based implementations.
In particular, the thesis examines the use of BB-BC to tune PID and FOPID
controllers, fol-lowed by hardware deployment on FPGA platforms. The approach is
validated on an HVAC system, using various modeling strategies such as Second-Order
Plus Time Delay (SOPTD) models. Additionally, BB-BC-powered PID, FOPID, and LAMDA
controllers are designed and analyzed for robustness under different disturbance
profiles, enabling comparative evalua-tion across diverse industrial scenarios.
MATLAB/Simulink simulations of the combined op-timization–control framework further
highlight the superior timing behavior, scalability, and energy efficiency of the
FPGA-accelerated BB-BC solutions compared to traditional tech-niques. The key
objectives of this PhD thesis are to:
▪Develop a novel FPGA-based implementation of the BB-BC optimization algorithm and
demonstrate its performance through representative case studies.
▪Integrate the BB-BC algorithm into PID and FOPID controllers for parameter
optimiza-tion, and validate the proposed approach on HVAC systems.
▪Extend the BB-BC optimization approach to LAMDA controllers to explore its
applica-bility in more complex industrial environments.
▪Enhance real-time performance and energy efficiency through hardware-accelerated
optimization using FPGA technology. | el |
| dc.subject.keyword | Big Bang-Big Crunch (BB-BC) algorithm | el |
| dc.subject.keyword | Evolutionary algorithms | el |
| dc.subject.keyword | Field Program-mable Gate Array (FPGA) | el |
| dc.subject.keyword | Hardware Description Language (HDL) | el |
| dc.subject.keyword | PID controller | el |
| dc.subject.keyword | Fractional Order PID (FOPID) controller | el |
| dc.subject.keyword | Learning Algorithm Multivariate Data Analysis (LAMDA) | el |
| dc.subject.keyword | Big Bang-Big Crunch (BB-BC) αλγόριθμος | el |
| dc.subject.keyword | Εξελικτικοί αλγόριθμοι | el |
| dc.subject.keyword | Προγραμματιζόμενες στο Πεδίο Συστοιχίες Πυλών (FPGAs) | el |
| dc.subject.keyword | Γλώσσα περιγραφής υλικού | el |
| dc.subject.keyword | Ελεγκτής PID | el |
| dc.subject.keyword | Ελεγκτής PID Κλασματικής Τάξης (FOPID) | el |
| dc.subject.keyword | Αλγόριθμος Μάθησης Πολυμεταβλητής Ανάλυσης Δεδομένων (LAMDA) | el |
| dc.date.defense | 2026-06-29 | |