لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه77
بخشی از فهرست مطالب
فهرست
بررسی روشهای کنترل پیشبین و مقایسهی آن با کنترلکنندههای کلاسیک: 6
انواع روشهای کنترل پیشبین:.. 9
انواع مدلهای مورد استفاده در کنترل پیشبین.. 11
سیگنالهای فرمان، عمل کنترل، تابع هزینه:.. 13
ماتریسهای وزنی و تابع هزینه:.. 14
کنترل پیش بین مبتنی بر مدل غیرمتمرکز فرکانس – بار در یک سیستم قدرت مقیاس بزرگ 22
کنترلکننده پیشبین غیر متمرکز.. 25
مدل ریاضی کنترل پیشبین غیرمتمرکز:.. 29
روشهای هماهنگی کنترل پیش بین غیرمتمرکز:.. 30
اعمال کنترل پیش بین مقاوم به ژنراتور DC تحریک مستقل بمنظور طراحی منبع جریان توان بالا.. 52
مدل سازی سیستم دارای عدم قطعیت: 54
طراحی RMPC با استفاده از PDLF:.. 61
تاریخچه و مقدمه:
تاریخچهی ابداع و بکارگیری کنترل پیشبین به قرار زیر است:
- تئوری کنترل پیشبین (اواخر دههی 50)
- کامپیوترهای دیجیتال (دههی 60)
- تخمین و پیشبینی (دههی 60)
- روش مینیمم واریانس (1970)
- روش کنترل پیشبین (1976)
- توسعهی الگوریتمهای مختلف کنترل پیشبین (اوایل دههی 80)
- پایداری و مقاومت در سیستمهای کنترل پیشبین ( دههی 80 و دههی 90)
- روشهای پیشرفته در طاراحی سیستمهای کنترل پیشبین (اواسط دههی 90)
- کاربردهای صنعتی
راهکارهای کنترل پیشبین:
سیستمهای کنترل پیشبین به طرق مختلف میتوانند بحث کنترل را در یک سیستم مشخص اعمال نمایند. این سیستمهای کنترلی با بهبود پارامترهای مختلف، پایداری یک سیستم را موجب میشوند. اصولا یک کنترلکنندهی پیشبین بصورت زیر عمل میکند:
- استفاده از یک مدل صریح از سیستم جهت پیشبینی خروجی آیندهی فرآیند
- کمینهکردن یک تابع هدف مربعی جهت ایجاد سیگنال کنترل
- ادامه استراتژی و بدست آوردن سیگنال کنترل بهینه در هر لحظه
شکل زیر، نمونهای از راهکار کنترل پیشبین را نشان میدهد:
- برخورد هوشمند با قیود و در نظر گرفتن آنها در حین طراحی کنترلکننده
- ساده و قابل فهم بودن روش
- قابلیت تعمیم به حالت چند متغیره بدون تغییر زیاد
- قابل اعمال به دستهی وسیعی از فرآیندها مانند سیستمهای تاخیردار، غیر مینیمم فاز و ناپایدار
- تنظیم سادهی پارامترها
- لزوم استفاده از یک مدل مناسب و صریح از فرآیند
- وجود محاسبات پیچیده در حل مسائل بهینهسازی
- اثبات پایداری
مزایای کنترل پیشبین:معایب کنترل پیشبین:روشهای کنترل پیشبین:
الگوریتمهای مختلف کنترل پیشبین تنها از نظر موارد زیر با یکدیگر تفاوت دارند:
- مدلی که چایگزین فرآیند مورد نظر شود.
- مدلی که جایگزین نویز شود
- تابع هزینهای که باید کمینه شود
روش مدل فرآیند که شامل حالتهای زیر است:
- مدل پاسخ ضربه
- مدل پاسخ پله
- مدل تابع تبدیل
- مدل فضای حالت
روش مدل اغتشاش که شامل حالتهای زیر است:
- اغتشاش ثابت
- مدل تابع تبدیل
روش معیار عملکرد که شامل حالتهای زیر است:
- تابع هزینهی تکپلهای
- تابع هزینهی چند پلهای
بررسی روشهای کنترل پیشبین و مقایسهی آن با کنترلکنندههای کلاسیک:
امروزه نحوهی کنترل فرآیندهای صنعتی و انتخاب روش مناسب جهت این منظور اهمیت بسزایی دارد. الگوریتم کنترل مورد استفاده در صنعت میبایستی دارای تواناییهای مطلوب از جمله سهولت بکارگیری توسط اپراتور و تنظمی سادهی آن باشد که در واقع خود معیاری برای گسترش کاربرد صنعتی آن خواهد بود. اگرچه استفاده از کنترلکنندهی PID در صنعت رایج میباشد، ولی فرآیندهای صنعتی از نظر دینامیکی طیف وسیعی از رفتارهای مختلف را شامل میگردند که کاربرد چنین کنترلکنندهای را محدود میسازد.
دلیل گسترش رفتارهای دینامیکی احتمالا ناشی از عوامل مختلفی چون وجود صفرهای خارج ناحیهی پایدار، قطبهای ناپایدار، تاخیر زیاد که متغیر با زمان و نامشخص باشد و نیز وجود محدودیتهایی بر متغیرهای فرآیند میباشد، که این مورد باعث غیرخطی شدن فرآیند خواهد شد.
الگوریتم کنترل پیشبین روشی برای مقابله با چنین فرآیندهای پیچیدهای است که در آن مسیر بنا به اندازهی افق پیشبینی، از قبل مشخص میباشد. حال بایستی خروجی کنترلکننده را چنان تعیین نمود تا خروجی پیشبینی شده فرآیند تاحد ممکن به مسیر مبنا نزدیک باشد. روشهای نسبتا زیادی تحت عنوان کنترل پیشبین تا به حال ارائه گردیده که در واقع سیر تکاملی و برخورد بهتر و دقیقتر آن را با مشکلات میرساند.
روش کنترل پیشبین توانایی کنترل سیستمهای تکورودی-تکخروجی (SISO) و چندورودی-چندخروجی(MIMO) در حالتهای پیوسته و گسسته را دارا میباشد. مهمترین مدعای این الگوریتم در اعمال آن به فرآیند غیرخطی و توانایی کنترل آنها میباشد. قابلیت کنترل فرآیندهای غیرخطی، که تغییرپذیر با زمان نیز میباشند، و در شرایطی که محدودیتهای متنوع بر متغیرهای فرآیند مد نظر باشد، این کنترلکنندهها را بصورت یک روش متمایز و برتر از دیگر روشها میسازد.
در حالت کلی این الگوریتم که متعلق به کنترلکنندههای بر اساس مدل (Model Based) میباشد، تعمیمی بر روشهای جایابی قطب و کنترل بهینه بوده، ضمن اینکه نقاط ضعف آنها را تا حد ممکن از بین برده و بعلت مقاوم بودن، توانایی بیشتری را در آنها ایجاد میکند. بعلاوه در فرآیندهای چندمتغیره که شرایط دکوپلهسازی در آنها برقرار میباشد، با اعمال کنترلکنندهی پیشبین، میتوان مسیرای مبنای متفاوتی را برای هریک از خروجیها بطور مطلوب دنبال و اغتشاشات ناخواسته را در خروجی حذف نمود.
علاوه بر موارد فوق که تواناییهای مطلوب این الگوریتم را در کنترل سیستمهای پیچیده نشان میدهد، خصوصیات دیگر آن از جمله آسانبودن نحوهی تنظیم پارامترهای کنترلکننده نیز خود عامل مهمی در کاربردهای عملی آن میباشد.
روش طراحی MPC:
روش طراحی MPC بر سه مفهوم اصلی بنا نهاده شده است:
- مدل- استفاده از یک مدل برای پیشبینی سیگنالهای خروجی فرآیند.
- تابع هدف- محاسبهی یک رشته از سیگنالهای کنترل از روی کمینه کردن یک تابع هدف معینشده
- روند بهینهسازی- معمولا از استراتژی افق دورشونده استفاده میشود. به این معنی که از رشته کنترل بهینهکنندهی تابع هدف، تنها اولین فرمان کنترلی رشته به فرآیند اعمال میگردد و برای مراحل بعدی مجددا عملیات بهینهسازی تکرار میگردد.
مدل:
مدل فرآیند باید بتواند بخوبی رفتار و وضعیت سیگنالهای خروجی آن را تشریح کند. در یک افق پیشبینی HP، خروجیهای آینده با استفاده از مدل فرآیند پیشبینی میشوند. این مقادیر به حالت فعلی فرآیند و سیگنالهای کنترل آینده بستگی دارند که در آن بوده وافق کنترل نامیده میشود. سیگنالهای کنترل فقط تا افق کنترل محاسبه شده و پس از آن ثابت در نظر گرفته میشوند. به عبارت دیگر سیگنال کنترل همان در زمانهای میباشد.
تابع هدف:
رشته سیگنالهای کنترل آینده به بهینهسازی یک تابع هدف داده شده محاسبه میشوند. تابع هزینه، هدف فرآیند را از زمان K+1 تا k+HP تعریف میکند. در بسیاری از حالتها، اختلاف بین خروجیهای سیستم و یک مسیر مرجع به همراه یک تابع هزینه از سیگنالهای کنترل، جهت بیان تابع هدف مورد استفاده قرار میگیرند. تابع هدف به فرم کلی مربعی بصورت زیر در نظر گرفته میشود:
که در آن Pi و Qi ماتریسهای وزنی مثبت و میباشد. بخش اول تابع هزینه اختلاف بین مرجع و خروجی سیستم را کمینه نموده در حالی که بخش دوم، جریمهای بر روی عمل کنترل نمایش میدهد که در ارتباط با مصرف انرژی بوده و سعی بر هموار نمودن سیگنالهای کنترلی در حد امکان دارد.
در ادامه به بررسی انواع الگوریتمهای کنترل پیشبین که که از استراتژی فوق استفاده میکنند، میپردازیم.
انواع روشهای کنترل پیشبین:
انواع الگوریتمهای کنترل پیشبین عبارت است از:
- Model Algorithmic Control(MAC)
- Dynamic Matrix Control(DMC)
- Predictive Control Algorithm(PCA)
- Extended Horizon Adaptive Control(EHAC)
- Extended Prediction Self Adaptive Control(EPSAC)
- Generalized Predictive Control(GPC)
- Receding Horizon Tracking Control(RHTC)
هریک از روشهای کنترل پیشبین فوق بر مبنای پارامترهای زیر از یکدیگر متمایز میگردند:
- مدل فرآیند
- تابع هزینه
- فرضیات مربوط به ورودیهای کنترل در آینده
- فرضیات مربوط به سیگنالهای مرجع
- روش پیشبینی
تحقیق درباره بررسی کنترل پیش بین
