رویکرد جدیدی جهت بهبود کارایی کنترل تطبیقی مدل آزاد
/سعید پزشکی نجف آبادی
تبریز :دانشگاه تبریز ، دانشکده مهندسی برق و کامپیوتر ،گروه کنترل
۱۰۱ص
چاپی
کارشناسی ارشد
رشته برق - کنترل
۱۳۹۰/۱۰/۲۱
تبریز :دانشگاه تبریز ، دانشکده مهندسی برق و کامپیوتر ،گروه کنترل
کنترل تطبیقی مدل آزاد یک روش تطبیقی است که هیچ نیازی به اطلاعات در مورد سیستم و تنظیمات مدل فرآیند ندارد .این کنترلر از اطلاعات ورودی- خروجی سیستم کنترل شده برای طراحی کنترلر استفاده میکند .لزوم استفاده از این کنترلکننده و مشخصههای این نوع کنترل به قرار زیر میباشد شناخت کمی دقیقی از فرآیند لازم نمیباشدهیچ شناسایی کننده یا مکانیزمی شناسایی فرآیندی در سیستم موجود نیستهیچ طراحی کنترلکنندهای برای فرآیند خاصی مورد نیاز نیستشاخص و آنالیز پایداری سیستم حلقه بسته موجود استدر حالت کلی استفاده از کنترل تطبیقی وابسته به یافتن مدل ریاضی سیستم است، اما پیدا کردن مدل ریاضی بعضی سیستمها کاری دشوار است، بر طبق این امر، ارائه یک کنترلکننده تطبیقی مدل آزاد بهبود یافته براساس یک روش هوشمند مثل فازی یا عصبی و یا قوانین ابتکاری میتواند باعث وابستگی کمتر و یا تقریبا ناچیز کنترلر به مدل ریاضی سیستم گردد، این امر در فصل دوم و سوم این پایاننامه به صورت نظری بررسی شده و در فصل چهارم این کنترلر پیشنهادی بر روی چند سیستم پیاده و شبیهسازی گردیده است
Model Free Adaptive Control (MFAC) is an adaptive control method that control law does not require any knowledge of mathematical model of the system. It uses I/O data of the controlled system to design controller. The necessity of using this controller and its features is described below:1) No precise quantitative knowledge of the process is available;2) No process identification mechanism or identifier is included in the system;3) No controller design for a specific process is needed; 4) Closed-loop system stability analysis and criteria should be existed to guarantee the system stability.In general, adaptive control is depended on mathematical model of the system, but it is difficult to find a mathematical model of system dynamics, according to this real fact and the structure of the algorithm, an improved model free adaptive controller based on an intelligent method such as fuzzy, neural and son on can be caused less dependent of controller on the mathematical model, which will examine in section two and three and the performance of proposed controller on some nonlinear systems are simulated in section four. Hopefully, with applying the smart or empirical algorithm that is initiative of this project causes more better performance, speeding up the process and etc