عنوان فارسی:دانلود ترجمه مقاله کنترل پیش بینانه مدل فازی مبنی براختلال-مشاهده کننده برای فرایندهای غیرخطی با اختلالات و محدودیت های ورودی

دانلود ترجمه مقاله کنترل پیش بینانه مدل فازی مبنی براختلال-مشاهده کننده:این مقاله، یک طرح کنترل پیش بینانه مدل فازی مبتنی بر مشاهده گر- آشفتگی (DOBFMPC) را برای فرایندهای غیرخطی با آشفتگی ها و محدودیت های ورودی ارائه می کند. مدل فازی T-S با دقت تقریبی مناسب و پیچیدگی با روش فرضی مبتنی بر شکاف سیستمی، ایجاد می شود.

مقاله انگلیسی+ترجمه فارسی

فهرست مطالب

نکات برجسته

چکیده گرافیکی

چکیده

مقدمه

۲-مدلسازی فازی T-S مبتنی بر شکاف

۳-کنترل پیش بینانه مدل فازی مبتنی بر مشاهده گر- آشفتگی فرایندهای غیرخطی

۳-۱- قانون کنترل پیش بینانه مدل فازی پایه

۳-۲-قانون کنترل پیش بینانه مدل فازی مبتنی بر مشاهده گر- آشفتگی

۴-نمونه شبیه سازی

۴-۱- مدل فازی T-S از BTS زیربحرانی

۴-۲- Dobfmpc از bts زیربحرانی

۵- نتیجه گیری ها

منابع

چکیده

این مقاله، یک طرح کنترل پیش بینانه مدل فازی مبتنی بر مشاهده گر-آشفتگی (DOBFMPC) را برای فرایند غیرخطی با توجه به آشفتگی ها و محدودیت های ورودی پیشنهاد می کند. طرح کنترل پیشنهادی، متشکل از قانون کنترل پیش بینانه مدل فازی پایه (FMPC) طراحی شده بر روی مدل فازی تاکاگی-سوگنو و قانون جبران آشفتگی است. برای ایجاد یک مدل فازی از پیچیدگی و دقت مناسب برای مدل فرایند غیرخطی، یک روش سیستمی از طریق معیار شکاف ایجاد می شود تا نقاط خطی سازی را تعیین کند. نظریه مجانبی با FMPC از نظر تئوری ثابت می شود، محدودیت های ورودی، متغیرهای کنترلی آزاد و ورودی های کنترلی آینده را به شکل قانون بازخورد حالت برآورده می کنند. سود جبران آشفتگی به گونه ای طراحی می شود که تاثیر آشفتگی از کانال های خروجی توسط قانون مرکب DOBFMPC در حالت پایدار حذف می شود. کاربرد یک سیستم بویلر-توربین زیر بحرانی ، اثربخشی طرح کنترلی پیشنهادی را نشان می دهد.

Abstract

This paper proposes a disturbance-observer-based fuzzy model predictive control (DOBFMPC) scheme for the nonlinear process subject to disturbances and input constraints. The proposed control scheme is composed of the baseline fuzzy model predictive control (FMPC) law designed on the Takagi–Sugeno fuzzy model and the disturbance compensation law. To build a fuzzy model of appropriate complexity and accuracy for the nonlinear process model, a systematic approach is developed via the gap metric to determine the linearization points. With FMPC, the asymptotic stability is theoretically proved, and the input constraints are satisfied by both the free control variables and the future control inputs in the form of the state feedback law. The disturbance compensation gain is designed such that the influence of the disturbance is removed from the output channels by the composite DOBFMPC law at the steady state. The application to a subcritical boiler–turbine system demonstrate the effectiveness of the proposed control scheme.

نمونه ترجمه مقاله:دانلود ترجمه مقاله کنترل پیش بینانه مدل فازی مبنی براختلال-مشاهده کننده

امروزه، فرایندهای صنعتی با نیازمندی دقیق تر و بیشتر در مورد ایمنی و کارایی در عملکرد مواجه می شوند. به منظور پاسخگویی به نیاز، دستگاه ها اغلب توسط کنترل کننده تناسبی-انتگرالی-مشتقی[1] (PID) معمولی، تنظیم می شوند [1-3]. با این حال، کنترل کننده PID زمانی بی اثر می شود که رفتارهای فرایندی، مانند محدودیت سخت ورودی، غیرخطی بودن شدید در محدوده گسترده عملیاتی، و آشفتگی شامل آشفتگی های خارجی و عدم قطعیت های مدل، در نظر گرفته می شوند [2-6]. بنابراین، توسعه طرح های کنترلی جدید برای بهبود عملکرد فرایندها غیرخطی، ضروری است.

کنترل پیش بینانه مدل (MPC) می تواند با محدودیت ورودی در مرحله ترکیب ارتباط داشته باشد و بنابراین به یک روش کنترل فرایند غالب تبدیل می شود [9-7]. در [7]، کنترل کننده ماتریس پویا براساس مدل پاسخ مرحله ای فرایند غیرخطی توسعه می یابد. در [9،8]، کنترل کننده پیش بینانه تعمیم یافته برای فرایندهای غیرخطی مبتنی بر مدل خود همبسته میانگین متحرک کنترل شده[2]، پیشنهاد می شود. نتایج شبیه سازی نشان می دهند که MPCهای خطی می توانند به عملکرد کنترل کننده بهتری نسبت به کنترل کننده PID دست یابند. با این حال، MPC خطی ممکن است هیچ مشخصه طراحی را در محدوده وسیع عملیاتی با توجه به غیر خطی بودن فرایند، برآورده نکند. با توجه به این موضوع، کنترل کننده غیر خطی MPC با بهینه سازی عددی غیرخطی در هر ثابت نمونه گیری پیشنهاد می شود [11،10]. در [12]، الگوریتم غیرخطی MPC براساس خطی سازی آنلاین متوالی مدل غیرخطی اصلی، توسعه می یابد. اگرچه عملکرد کنترلی بهبود می یابد، MPCهای غیرخطی به علت بهینه سازی غیرخطی و خطی سازی آنلاین، کاملا وقت گیر هستند.

برای کاهش تلاش محاسباتی، مدل فازی تاکاگی-سوگنو (T-S) [13]، که مدل های خطی محلی را با تابع عضویت برای تقریب رفتار غیرخطی دستگاه، ترکیب می کند، به صورت گسترده ای در طراحی کنترل کننده غیرخطی استفاده می شود [15،14]. بعنوان یک تقریب کلی، مدل فازی T-S می تواند هر تابع هموار[3] را با دقت دلخواه با قوانین کافی تقریب کند [17،16]. با این حال، با افزایش تعداد قانون، پیچیدگی مدل فازی و بنابراین بار محاسباتی کنترل کننده مبتنی بر مدل، نیز افزایش خواهد یافت. بنابراین، باید در تعیین نقاط خطی سازی دقت کرد. با این حال، برای مدلسازی فازی معمولی، نقاط خطی سازی یا براساس تجربه تعیین می شوند، یا از طریق بررسی غیرخطی بودن دستگاه تنها در چند نقطه عملیاتی مشترک تعیین می شوند [19،14]. بنابراین، کمبود روش سیستماتیک برای تعیین نقاط خطی سازی برای مدلسازی فازی T-S وجود دارد.

[1] conventional proportional–integral–derivative

[2] integrated moving average model  controlled auto-regressive

[3] smooth function