بخشی از پاورپوینت
اسلاید 1 :
استفاده از محاسبات نرم در کنترل پيش بين مبتني بر مدل
اسلاید 2 :
فهرست مطالب
مقدمه اي از MPC
MPC با مدل هاي خطي
MPC همراه با منطق فازي
MPC همراه با شبکه هاي عصبي
مثال شبيه سازي و مقايسه روش ها
اسلاید 3 :
MPC
اهميت موضوع
- تنها روش کنترلي پيشرفته که به خوبي در مسائل کاربردي و صنعت موفق بوده است.
دلايل موفقيت MPC در عرصه صنعت
قابليت اعمال قيود و محدوديت ها هم در سيگنال ورودي و هم در خروجي.
توليد سيگنال کنترلي به صورت برخط (به دليل استفاده از مدل).
استفاده راحت در سيستم هاي چند متغييره (به خصوص در مواردي که تعداد متغييرهاي ورودي با خروجي برابر نيست).
اصول پياده سازي آن قابل درک بوده و به راحتي مي تواند توسط مهندسين و اپراتورها در صنعت مورد استفاده قرار بگيرد.
اسلاید 4 :
MPC
اصل کنترل پيش بين
اسلاید 5 :
دسته بندي کلي الگوريتم هاي پايه MPC
اسلاید 6 :
MPC با مدل خطي
زماني که سيستم به صورت پاسخ پله گسسته در دسترس است از الگوريتم DMC استفاده مي شود.
اسلاید 7 :
زماني که سيستم به صورت تابع تبديل گسسته با معادله ديفرانسيلي زير (مدل ARX) در دسترس است، از روش GPC استفاده مي شود.
اسلاید 8 :
الگوريتم هاي MPC بر اساس مدل خطي به راحتي قابل پياده سازي هستند، اما ممکن است در شرايطي ريسک تجاوز از محدوديت ها وجود داشته باشد!
به عنوان مثال در اين الگوريتم ها تنها قيدهاي فعال در محاسبات درنظر گرفته مي شوند. در حالي که براي برخورداري از کنترل مناسب بهتر است کليه قيدها لحاظ شود.
اسلاید 9 :
اين مسئله با درنظر گرفتن دو راهکار زير ممکن مي شود:
مقدار فيدبک داده شده بايد متناظر شود با ورودي قيددار گذشته.
استفاده از استراتژي anti-windup.
اسلاید 10 :
Anti-windup Control
اسلاید 11 :
Anti-windup Control
مثال شبيه سازي
اسلاید 13 :
سوال: جايگاه محاسبات نرم در MPC با مدل خطي .؟
در مدل هاي خطي نيازي به استفاده از روش هاي محاسبات نرم در الگوريتم MPC وجود ندارد. اما اين الگوريتم ها و فلسفه و اساس آن ها براي مدل هاي غيرخطي نقش پايه اي ايفا مي کنند.
اسلاید 14 :
دسته بندي کلي الگوريتم هاي پايه MPC
اسلاید 15 :
MPC با مدل غيرخطي
زماني که يک مدل غيرخطي است، مسئله بهينه سازي ديگر به صورت محدب و quadratic نيست.
در اين دسته از مسائل هيچ روش بهينه سازي عددي سريع و قابل اطميناني وجود ندارد.
دو راهکار کلي براي حل اين مسائل وجود دارد:
خطي سازي سيستم حول نقاط کار
بهينه سازي غيرخطي با استفاده از ابزار فازي و عصبي
اسلاید 16 :
دسته بندي روش ها
الگوريتم چند مدلي به روش فازي TS (Takagi-sugeno)
الگوريتم برخط همراه با خطي سازي مدل فازي TS و بهينه سازي QP
الگوريتم همراه با بهينه سازي غيرخطي و مدل پياده سازي شده با شبکه عصبي
بر اساس روش هاي فازي
الگوريتم برخط همراه با خطي سازي مدل شبکه عصبي و بهينه سازي QP
استفاده از شبکه عصبي در تقريب سيگنال کنترلي
بر اساس روش هاي شبکه عصبي
اسلاید 17 :
MPC همراه با منطق فازي
يک روش ساده و موثر براي بدست آوردن الگوريتم خطي در سيستم هاي غيرخطي استفاده از روش هاي فازي است.
در عمل ساختار TSK يک ساختار مناسب براي طراحي کنترلرهاي فازي است.
اسلاید 18 :
منطق فازي
استفاده از متغييرهاي زباني (کيفي)
تعريف توابع عضويت براي هر متغير فازي
تشکيل پايگاه قواعد فازي بر اساس دانش موجود از سيستم
تصميم گيري بر اساس پايگاه قواعد
اسلاید 19 :
MPC همراه با منطق فازي
