پروژه متلب طراحی کنترلر براساس مدل کنترل پیشبین برای یک فرآیند غیر خطی
شبیه‌سازی کنترلر براساس مدل کنترل پیشبین برای یک فرآیند غیر خطی با متلب | MATLAB
کنترل پيشبين مدل يا بر مبنای مدل به هفتاد سال پيش برمیگردد و پس از آن به سرعت پیشرفت نموده است. عبارت کنترل پیشبین بیانگر استراتژی کنترلی خاصی نمیباشد، بلکه دربرگيرنده رنج وسیعی از روش های کنترلی است که یک مدل صریح و روشن از پروسه مورد نظر را جهت بدست آوردن سیگنال کنترل با مينيموم کردن يک تابع هدف بکار میگيرد. اين روشها منجر به طراحی کنترلکنندههايی میشود که ساختارهايی مشابه دارند و درجه های آزادی مناسبی را معرفی مینمايند.
آنچه که در تمام خانواده کنترل پيشبين وجود دارد، عبارت است از:
- استفاده صريح از يک مدل برای پيشبينی خروجی پروسه در لحظات آينده (افق)؛
- محاسبات مينيمومسازی يک توالی کنترلی در يک تابع هدف؛
- يک استراتژی کاهشی؛ تا با ادامه روند آن، سيکنال کنترلی بهينه را در هر لحظه محاسبه و به سيستم اعمال نماييم.
در واقع مبنای کنترل پيشبين مدل استفاده از مدل سيستم برای پيشبينی آينده است. با داشتن ورودی‌های قبلی و خروجی‌های قبلی يک سيستم میتوان خروجی آينده را تخمين زد. مدل به دست آمده خروجی لحظات بعدی را به صورت تابعی از ورودی‌ها محاسبه میکند. بنابراين با تغيير ورودی‌های سيستم میتوان خروجی‌های آينده سيستم را به سمت خروجی‌های مطلوب سوق داد.
در اين پروژه از کنترل پيشبين مدل شبکه عصبی که مدلی غيرخطی است، استفاده شده است. در اين فصل نيز به عنوان مقدمه کار، به بررسی کنترل پيشبين مدل خطی، به دليل تشابه ساختاری با نوع غيرخطی آن، میپردازيم. در کنترل پيشبين مدل خطی، سيستم با مدل خطی تقريب زده میشود، که اين مدل می‌تواند پاسخ ضربه سيستم، پاسخ پله، مدل فضای حالت و يا تابع تبديل گسسته سيستم باشد.
پيش از معرفی کنترل پيشبين مدل، به طور مختصر اهداف کلی کنترلی که در هر کنترل کنندهای حداقل يکی از آنها دنبال میشود، ارائه میگردد. سپس به لزوم استفاده از کنترل پيشبين، کاربردها، مزايا و مشکلات استفاده از آن اشاره شده است. در ادامه استراتژی کنترل پيشبين مدل، اجزای الگوريتمهای آن و برخی از الگوريتمهای کنترل پيشبين مدل معرفی میشود و در نهايت به دليل وابستگی اين کنترلکننده به مدل، مختصری به بحث شناسايی و مدلسازی میپردازيم.
این روزها صنایع فرآیند نیازمند عملیات دقیق، کارآمد و انعطاف‌پذیر گیاهان هستند. نیاز به توسعه فن‌آوری‌های نوین برای مدلسازی فرآیند، بهینه‌سازی مسیر پویا و کنترل فرآیند عملکرد بالا همیشه یک چالش است. فرآیند در نظر گرفته‌شده برای مدلسازی یک سیستم سطح مایع مخزن مخروطی است. کنترل سطح مایع در یک مخزن مخروطی به دلیل تغییر در سطح مقطع عرضی با تغییر شکل غیر خطی است. مدلسازی جعبه سیاه برای شناسایی سیستم مورد استفاده قرار می‌گیرد که غیرخطی است و تقریب درجه اول مدل زمان مرده (FOPDT)تخمین زده میشود. در اینجا طراحی کنترلکننده براساس روش انتگرال گیری متعارف (PI)براساس تنظیمات Skogestad’s با کنترل پیشگویانه مدل (MPC)مقایسه شده‌است.
Controller design based on Model Predictive Control for a nonlinear process
Abstract:
Nowadays process industries require accurate, efficient and flexible operation of the plants. The need for development of innovative technologies for process modeling, dynamic trajectory optimization and high performance industrial process control is always a challenge. The process considered for modeling is a conical tank liquid level system. Control of liquid level in a conical tank is nonlinear due to the variation in the area of cross section with change in shape. Black box modeling is used to identify the system, which is identified to be nonlinear and approximated to be a First Order Plus Dead Time (FOPDT) model. Here the controller design is compared based on conventional Proportional Integral (PI) based on Skogestad’s settings with Model Predictive Control (MPC).
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد