کنترل مدل-پیشبین دقیق سیستمهای چند-متغیره نامعین سوییچ شده بر پایه شبکههای عصبی فازی- موجک
نویسندگان
1 دانشجوی دکترا، دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
2 دانشیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
doi
10.22034/jmeut.2023.35457.2539چکیده
در این تحقیق، روشی جدید جهت کنترل مدل-پیشبین (Model Predictive Control و بهاصطلاح MPC) سیستمهای سوییچ شده چند-متغیره تحت سیگنالهای سوییچ نامشخص مطرح میگردد. در این روش، از الگوریتم تخمین دقیق ارائهشده بر پایه شبکههای عصبی فازی-موجک (Fuzzy-Wavelet Neural Networks و به اصطلاح FWNN) استفاده شده که این الگوریتم در این تحقیق برای سیستمهای چند-متغیره ارائه میشود. با توجه به تخمین دینامیک فعال سیستم سوییچ شده، در ادامه توابع لغزش پیشبینیشده محاسبه شده و با توجه به توابع کاندیدای لیاپانوف تعریف شده به ازای درجات آزادی مختلف، قیود پایدارسازی کنترل مدل-پیشبین مشخص میگردد. روشهای موجود در کنترل سیستمهای با سیگنال سوییچ نامشخص بر پایه طراحی برحسب بدترین حالت سوییچ بوده که موجب محافظهکاری الگوریتم کنترل میشوند. با توجه به طراحی الگوریتم کنترلی بر اساس حالت سوییچ فعال در این تحقیق، مشکل محافظهکاری کنترل برطرف شده و در نتیجه سیگنالهای کنترلی کوچکتر شده و دقت تعقیب ورودیهای مرجع افزایش مییابد.