آپلود ویدئو | ورود | ثبت نام


فرادرس-

"آموزش کنترل پیش بین مدل با متلب - درس هشتم: کنترل پیش بین مدل غیرخطی (الف)"


Embed گزارش تخلف

مشاهده 1364

دریافت ویدئو: حجم کم کیفیت بالا
توسط فرادرس در 15 Nov 2016
توضیحات:


برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvctr95013

کنترل مدل پیش بین در دو دهه اخیر پیشرفت چشم گیری هم در حوزه تحقیقات و هم در حوزه کنترل پروسه های صنعتی پیدا کرده است. دلیل این موفقیت را می توان در توانایی بالای کنترل مدل پیش بین برای حل مشکلات کنترل پروسه های صنعتی در حوزه زمان دانست. کنترل مدل پیش بین شاخه های مختلف مهندسی کنترل را اعم از کنترل بهینه، کنترل تصادفی، کنترل چند متغیره، کنترل سیستم های تأخیر دار و … را دربر می گیرد. یکی دیگر از ویژگی های مهم کنترل مدل پیش بین طراحی مقید می باشد که این امکان را فراهم می آورد کنترلی را طراحی نمود که محدوده سیگنال های کنترلی تولید شده کنترل شوند.

در واقع اصطلاح کنترل مدل پیش بین یک استراتژی کنترلی را تعیین نمی کند، بلکه محدوده وسیعی از استراتژی های کنترلی را دربرمی گیرد که با استفاده از مدل پروسه، سیگنال کنترلی را طوری صادر می کنند که یک تابع هزینه تعریف شده را حداقل سازی کند. الگوریتم های مختلف کنترل مدل پیش بین تنها در نوع ارائه مدل فرآیند، نویز، اغتشاشات و تابع هزینه تفاوت دارند.

امروزه از کنترل مدل پیش بین در کنترل خیلی از فرآیندهای صنعتی مثل صنعت سیمان، برج های خنک کننده، PVC ها و حتی در کنترل بازوهای رباتیکی برای بیهوشی بالینی و … استفاده می شود. چند مورد از ویژگی های مهم کنترل مدل پیش بین به صورت زیر می باشند:

تنها به اطلاعات محدودی درباره سیستم های کنترلی، برای کار کردن با آن نیاز هست، در نتیجه تنظیم کنترل کننده های پیش بین برای کاربران آن آسان خواهد بود.
برای محدوده وسیعی از سیستم های کنترلی از قبیل سیستم های تأخیر دار، سیستم های تک متغیره و چند متغیره، سیستم های غیر حداقل فاز و سیستم های ناپایدار قابل استفاده است.
این استراتژی ذاتاً برای کنترل سیستم های تأخیر دار است.
استراتژی کنترلی منتج شده، به راحتی قابل پیاده سازی عملی می باشد.
برای طراحی سیستم های کنترلی مقید کاملاً کاربردی است.
اساس کار کنترل مدل پیش بین به این صورت است که با تعیین سیگنال کنترلی مناسب سعی می کند که خروجی های آینده سیستم مقادیر مشخصی بشوند. بر همین اساس الگوریتم های متنوعی برای پیاده سازی کنترل مدل پیش بین ارائه شده اند که از میان آنها می توان به الگوریتم های زیر اشاره کرد:

۱- Dynamic Matrix Control

این الگوریتم از پاسخ پله سیستم استفاده می کند و بر اساس این الگوریتم مقدار تغییرات سیگنال کنترلی برای حداقل سازی تابع هزینه مشخص می شود.

۲- Model Algorithmic Control

این الگوریتم از پاسخ ضربه سیستم استفاده می کند و بر اساس این الگوریتم مقدار سیگنال کنترلی برای حداقل سازی تابع هزینه مشخص می شود.

۳- Predictive Functional Control

کنترلر PFC برای تعیین بهترین استراتژی کنترل که بتواند انحرافات بین نقاط انطباقی واقع شده بر روی یک خط سیر مرجع در افق HC و سطح آینده را کاهش دهد، در نظر گرفته می شود.

۴- Generalized Predictive Control

این استراتژی از مدل تابع تبدیل سیستم در حوزه فرکانس برای پیش بینی رفتار آینده پلانت استفاده می کند و کارایی وسیع تری نسبت به الگوریتم های دیگر دارد.

الگوریتم های بالا قابل استفاده برای سیستم های خطی می باشد و برای سیستم های غیرخطی نیز الگوریتم های نظیر EMDC, NMPC و استفاده از الگوریتم های هوشمند نظیر عصبی

در این مجموعه آموزشی سعی می شود مباحث تئوری و عملی الگوریتم کنترلی بالا را به صورت کامل مورد بررسی قرار دهیم و برنامه های لازم در محیط نرم افزار متلب برای تست آنها نوشته خواهد شد.

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: معرفی کنترل پیش بین مدل
ساختار کنترل پیش بین مدل
المان های کنترل پیش بین مدل
مقایسه کنترل پیش بین مدل با سایر استراتژی های کنترلی
آشنایی با چند نمونه از ساختارهای کنترل پیش بین مدل معروف
درس دوم: کنترل پیش بین مدل DMC
فرمولاسیون کنترل پیش بین مدل DMC
بررسی کارکرد کنترل پیش بین مدل DMC در حضور اغتشاش
شبیه سازی کنترل پیش بین مدل DMC در محیط نرم افزار متلب
بهینه سازی کنترل پیش بین مدل DMC با استفاده از توابع بهینه سازی متلب
درس سوم: کنترل پیش بین مدل MAC
فرمولاسیون کنترل پیش بین مدل MAC
بررسی کارکرد کنترل پیش بین مدل MAC در حضور اغتشاش
شبیه سازی کنترل پیش بین مدل MAC در محیط نرم افزار متلب
بهینه سازی کنترل پیش بین مدل MAC با استفاده از توابع بهینه سازی متلب
درس چهارم: کنترل پیش بین مدل PFC
بیان کنترلر پیش بین مدل در فضای حالت
بهینه سازی در فضای حالت
شبیه سازی در کنترلر پیش بین مدل در فضای حالت
تعمیم کنترلر پیش بین مدل به سیستم های چند متغیره
معرفی توابع لاگر
فرمولاسیون کنترل پیش بین مدل PFC مبتنی بر توابع لاگر
شبیه سازی کنترل پیش بین مدل PFC در محیط نرم افزار متلب
درس پنجم: کنترل پیش بین مدل GPC
ساختارهای مختلف بیان مدل های دینامیکی
فرمولاسیون کنترل پیش بین مدل GPC
بررسی کارکرد کنترل پیش بین مدل GPC در حضور اغتشاش و عدم قطعیت
شبیه سازی کنترل پیش بین مدل GPC در محیط نرم افزار متلب (حالت خاص)
شبیه سازی کنترل پیش بین مدل GPC در محیط نرم افزار متلب (حالت کلی)
درس ششم: تنظیم پارامترهای کنترل پیش بین مدل
بررسی اثر پارامترهای کنترلر پیش بین مدل بر روی پاسخ سیستم حلقه بسته
ارائه پارامترهای بهینه برای سیستم درجه اول تأخیردار
درس هفتم: کنترل پیش بین مدل مقید
بررسی اثر وجود قیدهای ورودی و خروجی بر روی عملکرد سیستم حلقه بسته
بیان انواع قیدهای دینامیکی به صورت فرم استاندارد
مقدمه ای بر بهینه سازی مقید در نرم افزار متلب
کنترل پیش بین مقید
شبیه سازی چند مثال کنترل پیش بین مدل مقید در نرم افزار متلب با قیدهای مختلف
درس هشتم: کنترل پیش بین مدل غیرخطی
لزوم استفاده از کنترلر پیش بین غیرخطی
فرمولاسیون کنترل پیش بین ماتریس دینامیکی تعمیم یافته (EMDC)
شبیه سازی کنترل پیش بین غیرخطی DMC تعمیم یافته در محیط نرم افزار متلب
بیان کلی کنترل پیش بین غیرخطی مقید
طراحی کنترلر LQR برای پلانت ناپایدار غیرخطی و مقایسه با MPC
حل مثال برای کنترل پیش بین غیرخطی مقید در محیط نرم افزار متلب
درس نهم: کنترل پیش بین مدل هوشمند
ساختار کلی کنترل پیش بین مدل با استفاده از الگوریتم های هوشمند
مدل سازی عصبی پلانت
پیش بینی عصبی رفتار پلانت
ارائه مثال برای کنترل پیش بین غیرخطی مقید با استفاده از الگوریتم های هوشمند و پلانت با درجه غیرخطی بالا

مدرس: مهندس امید زندی

لغات کلیدی:

آموزش, کنترل, پیش, بین, مدل, با, متلب


comments powered by Disqus

درباره ما | تماس با ما | قوانین تخته سفید