دانلود با لینک مستقیم و پر سرعت .
این محصول در قالب پی دی اف و 108 صفحه می باشد.
این سمینار جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی برق-کنترل طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز سمینار ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این سمینار را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.
چکیده
کنترل کننده های پیش بین از پیش بینی انجام شده توسط مدل سیستم در ساختار کنترل کننده استفاده می کنند. کنترل کننده های پیش بین دارای حجم محاسباتی بالایی هستند برای استفاده از این کنترل کننده ها در سیستم های سریع، لازم است تا با استفاده از ترفندهایی از حجم محاسبات آنها کاسته شود.
در این پایان نامه سعی شده است تا حجم محاسبات الگوهای کنترل کننده های پیش بین محاسبه شود. و با استفاده از روش هایی این حجم محاسبات کاهش داده شوند.
مقدمه
کنترل پیش بین MPC شامل تعدادی از الگوریتم های کنترلی است که براساس مفهوم خاصی عمل می کند. در یک کنترل کننده MPC، تعدادی از ورودی های آینده به گونه ای تعیین می شوند که خروجی پروسه در طول فاصله زمانی معینی، براساس یک تابع معیار به ورودی نزدیک باشد. این محاسبات طی هر زمان نمونه برداری انجام می شود و معمولا اولین عنصر محاسبه شده از سیگنال کنترلی به پروسه اعمال می شود. برای این عمل نیاز به یک مدل در کنار پروسه می باشد تا ورودی های آینده را به آن داده و خروجی های آینده پروسه را طبق آن پیش بینی کرد. از مشکلات اساسی کنترل کننده های پیش بین، حجم بالای محسبات آنها در هر زمان نمونه برداری می باشد. این محاسبات، معمولا به پیچیدگی مدل و فرآیند بهینه سازی تابع معیار ربط دارد. در بهینه سازی، نیاز به ضریب ماتریس ها و معکوس سازی ماتریسی است. همین فرآیند حجم محاسبات بالایی را به خود اختصاص می دهد. شاید همین امر، عامل اساسی محدود شدن استفاده از این نوع کنترل کننده به فرآیندهای کم سرعت و از جمله به فرآیندهای شیمیایی شده است. پیاده سازی این نوع کنترل کننده ها در سرعت های خیلی زیاد از اهمیت بسزایی می تواند برخوردار باشد. در این سمینار حجم محاسبات الگوهای مختلف کنترل کننده های پیش بین مانند MAC و DMC و GPC و D-DMC و FFC و Armakov-PFC برای سیستم های SISO و MIMO بررسی می شود.
فصل دوم
مروری بر الگوریتم کنترل کننده پیش بین و پارامترهای آن
کنترل پیش بین MPC شامل تعدادی از الگوریتم های کنترلی است که براساس مفهوم خاصی عمل می کند. در یک کنترل کننده MPC، تعدادی از ورودی های آینده به گونه ای تعیین می شوند که خروجی پروسه در طول فاصله زمانی معینی، براساس یک تابع معیار به ورودی مرجع نزدیک باشد. این محاسبات طی هر زمان نمونه برداری انجام می شود و معمولا اولین عنصر محاسبه شده از سیگنال کنترلی به پروسه اعمال می شود. برای این عمل نیاز به یک مدل در کنار پروسه می باشد تا ورودی های آینده را به آن داده، و خروجی های آینده پروسه را طبق آن پیش بینی کرد.
کنترل پیش بین در حوزه زمان و به صورت گسسته طراحی می گردد. برای پیاده سازی الگوریتم کنترل کننده پیش بین، در هر زمان نمونه برداری مراحل زیر باید اجرا گردد:
1- مسیر مطلوب آینده محاسبه شود.
2- با استفاده از مدل پروسه خروجی های آینده پیش بینی گردد.
3- برای به دست آوردن سیگنال کنترلی، یک مساله بهینه سازی حل گردد. بهینه سازی به صورت حلقه باز انجام می شود در نتیجه نسبت به کنترل بهینه که در حالت حلقه بسته کار می کند از محاسبات ساده تری برخوردار است.
تفاوت الگوریتم های مختلف کنترل پیش بین را می توان در نوع مدل مورد استفاده برای پیش بینی پاسخ پروسه و در تابع هزینه ای که کمینه می گردد، دانست. در کنترل کننده DMC برای پیش بینی خروجی پروسه از مدل ضرایب پاسخ پله پروسه استفاده می شود. کنترل کننده های پیش بین معروف دیگر، MAC و GPC و DDMC و PFC هستند که به ترتیب از مدل های پاسخ ضربه، تابع تبدیل، پاسخ پله واحد و تابع تبدیل استفاده می کنند.
آنچه که باعث استقبال روزافزون از این نوع کنترل کننده ها شده است را می توان در موارد زیر برشمرد:
– قابل اعمال به سیستم های پیچیده (حلقه باز ناپایدار، نامشخص، دارای صفر سمت راست، تاخیر متغییر و…) است.
– قابل اعمال به سیستم هایی که محدودیت هایی روی ورودی و یا خروجی آنها وجود دارد.
– قابل اعمال به سیستم های خطی و غیرخطی است.
– خطای مدلسازی و اغتشاشات را می تواند جبران کند.
– در مواردی که مسیر مرجع در زمان های آینده، از قبل مشخص باشد، کنترل کننده پیش بین می تواند از این اطلاعات استفاده کند و نسبت به تغییرات مسیر مرجع عکس العمل نشان دهد. بنابراین اثرات نامطلوبی مانند اثر تاخیر زمانی را جبران کند. نتایج به دست آمده بهتر از حالت بدون پیش بینی است.
