انجام پایان نامه بهینه سازی یک تابع هدف مشخص برای تعیین سیگنال توسط کنترل پیش بین
موضوع پایان نامه مهندسی مکانیک: بهینه سازی یک تابع هدف مشخص برای تعیین سیگنال کنترلی :
کنترل پیش بین
استفاده از بهینه سازی یک تابع هدف مشخص برای تعیین سیگنال کنترلی به دنبال گسترش ایده های کنترل مدرن در اواسط قرن بیستم رخ داد. اولین سری از این کنترل کننده ها به نام کنترل کننده های خطی گوسی مربعی (LQG) یا کنترل پیش بین شناخته می شوند.
در این نوع از کنترل کننده ها سیستم به صورت مدل خطی فضای حالت زمان گسسته بیان می شود. تایع هدف به صورت مجموع وزن گذاری شده تفاضل متغیرهای حالت از مقدار حالت مطلوب و سیگنال کنترلی در نظر گرفته می شود.
با تنظیم مقادیر وزن ها می توان عمل تنظیم را انجام داد. با وجود این که این روش برای حل مسائل کنترلی تئوری در رنج وسیعی به کار رفت اما در عمل با استقبال چندانی روبرو نشد. یکی از عمده ترین دلایل عدم موفقیت این روش نیاز به وجود یک مدل فضای حالت صریح از پروسه است.
اجزا مختلف یک پروسه معمولا پیچیده، غیرخطی و دارای محدودیت هستند و علاوه بر آن اکثرا سیستم ها چند متغیره ای هستند که رفتار دینامیکی آن ها با تغییر در شرایط کاری و فرسودگی بر اثر گذشت زمان یا فعل و انفعالات شیمیایی تغییر می کند.
بنابراین گسترش مدل های پروسه از روی قوانین فیزیکی و شیمیایی مشکل تر از آن است که صرفه اقتصادی داشته باشد. نواحی عملکرد این روش در حوزه هایی مانند ، صنایع هوایی است، که به صورت تکنیکی و اقتصادی امکان پذیر است که برای آنها مدل های صحیح بدست بیاوریم.
همچنین اجزا مختلف پروسه ممکن است که محدودیت های رفتاری داشته یاشند که بیان آن ها در غالب مسئله LQG مشکل است و نیازمند وزن گذاری های خروجی به صورت متغیر با زمان یا استفاده از یک منطق اضافی برای معین کردن شرایط کاری مختلف پروسه است.
این مشکلات منجر به تلاش برای ارائه نوع جدیدی از کنترل کننده ها شد که بهینه سازی ، پویا در هر وقفه کنترلی در آن به صورت روی خط حل می شد. ورودی های فرآیند به گونه ای محاسبه می شدند که رفتار آینده نیروگاه در یک بازه زمانی به نام افق پیش بینی را بهینه کنند.
عملکرد یک کنترلر پیش بین کاملا وابسته به توانایی مدل کنترلر داخلی اسن که به اندازه کافی نشان دهنده نیروگاه بویلر باشد. بهترین کنترلر داخلی محبوب مدل CARIMA است (هاگ و ال-رابای (۱۹۹۰))، (ال رابای و هاگ (۱۹۹۱))، (دینگ و هاگ (۱۹۹۱))، (هاگ و ال-رابای (۱۹۹۱) )، (وو و همکاران (۱۹۹۲))، زنگکیانگ و همکاران (۱۹۹۳))، (مانایادارا و همکاران (۱۹۹۴)) و برادریک و همکاران (۱۹۹۵)). این مدل برای استخراج کنترلرهای با عمل انتگرالی ذاتی، که به صورت خودکار قادر به رد اختلالات گام می باشند، استفاده می شود.
مدل های پیش بین به دلیل سادگی در حل مسئله بهینه سازی به طو گسترده ای به کار رفته اند. برخی از متداول ترین کنترل کننده های پیش بین خطی توسط آلبرتو بمپارد مورد بررسی قرار گرفته اند.
اما در حضور غیرخطی گری های شدید فرآیند، مدل های پیش بین خطی ممکن است نتیجه مطلوبی نداشته باشند و در چنین حالتی استفاده از مدل های غیرخطی در ساختار کنترل کننده ضروری به نظر می رسد. مدل های غیر خطی متفاوتی در مقالات کنترل کننده پیش بین غیرخطی به کار رفته اند که در مقالات جانسن و فیندسیان به آنها اشاره شده است.
در میان انواع مدل های غیرخطی، شبکه های عصبی به دلیل خاصیت تقریب جامع بسیار متداول و پرکاربرد هستند. اگرچه انتخاب یک ساختار بهینه برای ، شبکه عصبی هنوز لاینجل باقی مانده است. ساختار شبکه باید به گونه ای انتخاب شود که با وجود صحت مدل سازی، از پیچیدگی بیش از حد مدل اجتناب شود. روش جستجوی کور در میان کاربران شبکه های عصبی بسیار متداول است.
پارامترهای وزن گذاری تابع هدف نیز می تواند به نحو چشمگیری بر روی رفتار کنترلی اثر داشته باشند. روش های تنظیم مختلفی در مقالات معرفی شده اند.
در تمام روش های گفته شده، از یک مدل خطی برای تنظیم پارامترها استفاده شده است. در سال های اخیر برخی از محقیق تلاش کرده اند تا روش های تنظیمی با استفاده مستقیم از مدل های غیرخطی فرآیند ارائه کنند.