کنترل
سال:1390 | دوره:5 | شماره:2 |تعداد مقالات:10

تا کنون به کار گیری رویت گر SDRE و تحلیل پایداری و عملکرد آن در محیط قطعی و بدون نویز مورد توجه محققان قرار گرفته، اما در عمل وجود نامعینی فرآیند و نویز اندازه گیری غیر قابل اجتناب است. در این مقاله با توجه به دست آوردهای حاصل برای پایداری فیلتر کالمن-باسی و نتایج مربوط به تحلیل پایداری اتفاقی در مسائل تخمین غیرخطی، به تحلیل رفتار خطای تخمین یک فیلتر SDRE تفاضلی زمان-گسسته پرداخته شده است. در تحلیل پایداری ارائه شده شرایط کافی به منظور کراندار باقی ماندن خطای تخمین این فیلتر با تعبیر میانگین مربعات ارائه شده است. همچنین نشان داده شده است که اگر خطای تخمین اولیه و اندازه ترم های نویز مزاحم هر دو به اندازه کافی کوچک باشند، این شرایط محقق می شوند. این یافته های تئوری از طریق شبیه سازی یک سیستم غیر خطی نمونه راست آزمایی شده اند.

کلاس خاصی از سیستم های سوئیچ شونده خطی دارای قانون کلیدزنی مقید به حالت-ورودی منطقی بوده و در مدلسازی دسته وسیعی از سیستم ها قابل استفاده هستند. در این مقاله روشی جهت تحلیل پایداری و طراحی کنترل کننده برای این کلاس از سیستم های هایبرید ارائه شده است. روش پیشنهادی مبتنی بر طراحی بر اساس تابع لیاپانف مربعی می باشد. مساله تحلیل پایداری و طراحی در مورد این سیستم ها به حل یک مساله بهینه سازی محدب از نوع نامساوی های ماتریسی خطی منجر شده است. نتایج شبیه سازی بر روی مبدل dc-dc باک، کارآیی روش پیشنهادی را نشان می دهد.

با توجه به اهمیت کوره دوار سیمان در صنعت و عدم وجود یک مدل قابل قبول برای آن، شناسایی و پیش بینی وضعیت کوره از ملزومات شبیه سازی و اتوماسیون سیستم کوره دوار سیمان می باشد. کوره دوار سیمان یک سیستم غیر خطی و متغیر با زمان می باشد. در این نوشتار به منظور شناسایی و پیش بینی وضعیت کوره دوار سیمان از شبکه عصبی - فازی تطبیقی ANFIS استفاده شده است. از آنجا که داده های استخراج شده مرتبط با سیستم واقعی است، لذا انجام عملیات پیش پردازش بر روی داده های موجود یکی از مهمترین و دشوارترین مراحل شناسایی می باشد. علاوه بر ورودیهای سیستم، دینامیک های سیستم که از روش لیپشیتز انتخاب شده با تاخیر خالص سیستم با یک گام عقب تر به عنوان ورودی های شبکه عصبی - فازی اعمال شده است. با توجه به مساله تعداد قوانین در سیستم فازی در زمان حضور تعداد زیادی متغیر ورودی و همچنین با وجود زیاد بودن تعداد ورودیها مورد نیاز برای اعمال آنها به شبکه عصبی - فازی، از الگوریتم ژنتیک بعنوان روش انتخاب ویژگی به منظور کاهش تعداد متغیرهای ورودی سیستم فازی استفاده شده است. نتایج حاصل از اعمال روش مطرح شده بر روی داده های واقعی کوره دوار سیمان ساوه نشان دهنده کارایی بالای روش ارائه شده در پیش بینی عملکرد این سیستم صنعتی و غیر خطی دارد.

طراحی کنترل کننده به روش سنتز m، مساله ای است که بدلیل مشکلات موجود در محاسبه مقادیر ویژه ساختار یافته هنوز به طور کامل حل نشده است. رایج ترین روش حل مساله سنتز m تکرار D-K نام دارد. با وجود آنکه این روش، حل کامل مساله سنتز m نیست ولی کنترل کننده های بدست آمده از آن به لحاظ معیارهای پایداری و عملکرد از قویترین روشهای کنترل مقاوم هستند. از سوی دیگر بالا بودن درجه کنترل کننده، مهمترین اشکال روی تکرار D-K است. در این مقاله از یک الگوریتم بهینه سازی سیر تکاملی به نام الگوریتم بهینه سازی اجتماع پرندگان، به منظور طراحی یک کنترل کننده مقاوم استفاده شده است. هدف آنستکه حلی برای مساله سنتز m پیدا شود که در میزان پایداری و عملکرد مقاوم، نسبت به کنترل کننده هم درجه (درجه کاهش یافته) بدست آمده از روش تکرار D-K، وضعیت بهتری داشته باشد. به منظور ارزیابی الگوریتم پیشنهادی، از آن برای طراحی کنترل کننده یک سیستم محک جرم-فنر-میراگر استفاده می شود. نتایج شبیه سازی موید آنستکه کنترل کننده های بدست آمده با این روش از نظر پایداری و عملکرد مقاوم سیستم حلقه بسته بسیار کاراتر از کنترل کننده های تکرار D-K هم درجه هستند.

 SVMیک تکنیک مدولاسیون شناخته شده برای مبدل های قدرت با توان متوسط و ولتاژ بالا می باشد. باید توجه داشت که تمام فرآیند مدولاسیون برای هدف پیاده سازی می تواند زمان بر باشد که علت آن یافتن موقعیت بردار مرجع به علاوه اجرای محاسبات ضروری برای مدولاسیون می باشد. علاوه بر آن با افزایش تعداد سطوح در مبدل های چند سطحی، زمان این محاسبات برای SVM های متداول افزایش می یابد. این مقاله یک تکنیک مدولاسیون را که بر روی دو ولتاژ خط مستقل، متمرکز می شود، معرفی می کند به نحوی که به طور مستقیم از ولتاژهای خط در فرآیند یافتن بردارهای سوئیچینگ و نسبت وظیفه های آنها استفاده می کند. مدولاسیون پیشنهادی نه تنها سریع و ساده می باشد بلکه به فرآیند جایابی بردار مرجع که برای مدولاسیون SVM متداول دارای نقش حیاتی است، احتیاجی ندارد. با ارائه دو مثال صحت روش ارائه شده با استفاده از نرم افزار MATLAB مورد بررسی قرار می گیرد.

شبکه های عصبی فازی نوع-2 توانایی بالایی در شناسایی و کنترل سیستم های غیر خطی، سیستم های تغییرپذیر با زمان و سیستم های دارای نامعینی دارند. در این مقاله روش طراحی کنترل کننده معکوس تطبیقی عصبی فازی نوع-2 جهت کنترل بر خط سیستم های دینامیکی غیر خطی مورد بررسی قرار گرفته است. ابتدا ساختار کلاسی از شبکه های عصبی فازی نوع-2 بازه ای مدل T-S نمایش داده می شود. این شبکه هفت لایه دارد که عملیات فازی سازی توسط دو لایه اول که شامل عصب های فازی نوع-2 و با نامعینی در مرکز توابع عضویت گوسی هستند، انجام می شود. لایه سوم لایه قواعد است و در لایه چهارم عملیات کاهش مرتبه توسط گره های تطبیقی انجام می شود. لایه های پنجم، ششم و هفتم به ترتیب لایه قسمت نتیجه، لایه محاسبه مرکز ثقل قواعد و لایه خروجی است. برای آموزش شبکه از الگوریتم گرادیان کاهشی با نرخ آموزش تطبیقی استفاده شده است. نهایتا در قسمت شبیه سازی کنترل معکوس تطبیقی بر خط با شبکه عصبی فازی نوع-2 فاصله ای مدل T-S و شبکه عصبی فازی تطبیقی (ANFIS) برای سیستم دینامیکی غیر خطی دمای آب هم با پارامترهای معین و هم با پارامترهای نامعین با هم مقایسه شده اند. نتایج شبیه سازی نشان دهنده کارایی روش پیشنهادی می باشد.

یک نقطه ضعف مهم در ارتباط با طراحی کنترل کننده مقاوم برای مدل های به دست آمده از شناسایی به روش خطای پیش بینی این است که روش طراحی کنترل مقاوم بسیار قلیلی مستقیما با نواحی عدم قطعیت بیضوی، به دست آمده از آزمایش شناسایی سیستم سازگار هستند. مدل های به دست آمده از آزمایش شناسایی سیستم در چارچوب خطای پیش بینی در یک مجموعه عدم قطعیت بیضوی جای می گیرند. در این مقاله یک روش توام طراحی سیگنال ورودی/کنترل کننده مقاوم ارائه می شود که پایداری سیستم حلقه-بسته و ارضای کارایی مقاوم مورد نظر را با استفاده از مدل های به دست آمده از داده های آزمایش تضمین کند. از پارامتری کردن بعد محدود طیف سیگنال ورودی برای نمایش مساله طراحی ورودی به صورت یک مساله بهینه سازی محدب استفاده شده است. همچنین از روش طراحی کنترل کننده مقاوم H¥ برای سیستم های با عدم قطعیت بیضوی استفاده شده و ویژگی های H¥ داده شده بر روی تابع تبدیل حلقه بسته به صورت شروط کافی بر روی سیگنال ورودی مورد استفاده در آزمایش شناسایی سیستم تعبیر می گردند.