تنظیم پارامترهای کنترلکننده پیشبین تصادفی برای سیستمهای خطی
Parallel Title Proper
Tuning of stochastic model predictive control for linear systems
First Statement of Responsibility
/علی اسماعیلپور
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
: مهندسی برق و کامپیوتر
Date of Publication, Distribution, etc.
، ۱۳۹۹
Name of Manufacturer
، میرزائی
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
۷۳ص
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی - الکترونیکی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
برق-بکنترل
Date of degree
۱۳۹۹/۰۶/۱۱
Body granting the degree
تبریز
SUMMARY OR ABSTRACT
Text of Note
کنترل پیشبین مبتنی بر مدل با ویژگیهایی از قبیل حل مسئله قید و کاربرد در سیستمهای چند متغیره بیش از چهار دهه است که مطرح شده است .هدف کنترلکننده پیشبین استفاده از مدل سیستم برای تخمین رفتار سیستم در آینده و یافتن مقدار سیگنال کنترلی برای دستیابی به حداقل اختلاف مسیر ردیابی و مسیر سیستم پیشبینی شده است .کنترل پیشبین در تضمین پایداری سیستم، افزایش کارایی سیستم در افق پیشصبینی و تضمین رفتار مناسب سیستم با وجود محدودیتها و تأخیر سیستم کاربرد فراوانی دارد .بنابراین این روش کنترلی در حوزه اتوماسیون صنعتی، هواشناسی و همچنین صنایع مختلف از جمله نفت، پتروشیمی و خودروسازی کاربرد وسیعی دارد .با توجه به وجود نامعینی، اغتشاش و نویز در دنیای واقعی، کنترل پیشبین کلاسیک با مشکلاتی روبرو است که استفاده از کنترل پیشبین تصادفی ایدهای برای حل این مشکلات میصباشد .در این روش با توجه به توزیع احتمالی نامعینیهای موجود در دینامیک یا اغتشاشات سیستم، قانون کنترلی بهینه برای آینده سیستم بهصدست میآید .در کنار همه این مطالب، لازم به ذکر است که کارکرد مطلوب هر کنترلصکنندهای به تنظیم مناسب پارامترهای آن وابسته است .مسئله تنظیم پارامترصهای کنترل پیشبین با توجه به ارتباط پیچیده و غیرخطی پارامترهای آن با پایداری، عملکرد و مقاومت سیستم حلقه بسته مسئلهای دشوار است .بررسی تأثیر هر کدام از پارامترها بر رفتار کنترل پیشبین و مطالعه روشصهای مختلف تنظیم پارامترهای کنترل پیشبین کلاسیک و راهصکارهای نوین در این زمینه در سالهای اخیر مورد توجه قرار گرفته است .معمولا تنظیم پارامترهای کنترل کننده پیشبین تصادفی بیشتر با سعی و خطا و شبیهصسازیهای مکرر صورت میگیرد و میتوان ادعا کرد که هیچ روش اصولی و مدونی برای تنظیم پارامترهای کنترلکنندههای پیشبین تصادفی وجود ندارد و این حوزه تحقیقاتی کمتر مورد توجه قرار گرفته است .هدف این پایانصنامه مطالعه روشهای تنظیم پارامترهای کنترلکننده پیشبین و ارائه روشی برای تنظیم پارامترهای کنترلکننده پیشبین تصادفی است .همچنین با مثالهای شبیهسازی، قابلیت روش ارائه شده نشان داده شده است
Text of Note
Model predictive control has been around for more than four decades with features such as solving constrained problem and application in multi-input multi-output systems. The goal of the predictive controller is to use the system model to estimate the behavior of the system in the future and to find the amount of control signal to achieve the minimum difference between the tracking path and the predicted system path. Predictive control is widely used to ensure system stability, increase system efficiency on the optimization horizon, and ensure proper system behavior despite system constraints and delays. Therefore, this control method is widely used in the fields of industrial automation, meteorology, as well as various industries such as oil, petrochemicals and automobiles. Given the uncertainty, turmoil, and noise in the real world, classic model predictive controllers are facing difficulties, and using stochastic model predictive control is an ideal solution. In this method, the optimal control law for the future of the system is obtained due to the possible distribution of the uncertainties in the dynamics or disturbances of the system. In addition to all this, it should be noted that the optimal function of each controller depends on the proper tuning of its parameters. The problem of tuning predictive control parameters is difficult due to the complex and nonlinear relationship of its parameters with the stability, performance and robustness of the closed loop system. The effect of each of the parameters on the behavior of the predictive control and the study of different methods of adjusting the parameters of the classical predictive control and new solutions in this field in recent years have been considered. Advanced predictive control parameters are usually adjusted with more trial and error and repeated simulations, and it can be argued that there are no fundamental and codified methods for setting stochastic predictive control parameters, and this area of methods of tuning predictive control parameters and providing a way to tune has received less attention. The aim of this study is to study the stochastic model predictive control parameters. Also, with simulation examples, the capability of the proposed method is shown
PARALLEL TITLE PROPER
Parallel Title
Tuning of stochastic model predictive control for linear systems