فهرست مطالب

مجله کنترل
سال هفدهم شماره 1 (بهار 1402)

  • تاریخ انتشار: 1402/02/11
  • تعداد عناوین: 6
|
  • علی ابویی*، مهدیه کوفه، مهدی الله بخشی صفحات 1-15

    در این مقاله با استفاده از رویکرد کنترل غیرخطی مقاوم-تطبیقی‎، ساختار کنترلی ترکیبی جدیدی برای حل مسیله‎ ردیابی زمان-متناهی ربات‎ اسکلت بیرونی (با وجود اصطکاک ناشناخته، نامعینی پارامتری، عدم‏ قطعیت مدل ‏سازی و گشتاور انسانی نامعلوم) ارایه می‎ گردد تا جابجایی ‎های زاویه ‏ای مفاصل این نوع ربات‎ بعد از گذشت مدت زمان متناهی دقیقا به مسیرهای موردنظر برسند. در این راستا، ابتدا مدل غیرخطی کاملی برای توصیف رفتار دینامیکی ربات اسکلت بیرونی ارایه شده و ثابت ‏های فیزیکی (هم ‎چون جرم، طول و ممان اینرسی بازوها) همگی نامعلوم فرض می‎ گردند. علاوه بر این، نیروهای اصطکاک نامعلوم، عدم ‏قطعیت مدل ‏سازی و گشتاورهای انسانی نامعلوم (در قالب اغتشاش خارجی) به صورت عبارت ‎های جمعی به مدل اضافه گردیده ‎اند. بخش ‎هایی از مدل که شامل ثابت ‎های فیزیکی نامعلوم و نیروهای اصطکاک ناشناخته هستند به صورت دو فرم جداگانه‎ رگرسوری خطی در پارامتر نوشته می‎ شوند. در ادامه، کنترل کننده ‎های غیرخطی مقاوم-تطبیقی به گونه ‎ای طراحی می‏ شوند که در حضور عوامل نامطلوب مورد اشاره، هدف ردیابی زمان-متناهی برای ربات اسکلت بیرونی برآورده شده و پایداری زمان-متناهی کلی سیستم حلقه-‎بسته‎ تضمین گردد. در ساختار کنترلی ترکیبی پیشنهادی، از تلفیق راهکار کنترل مد لغزشی پایاندار (شامل سطوح لغزشی غیرخطی نوآورانه) و قوانین تطبیقی زمان-متناهی استفاده می ‏شود. این قوانین به منظور تخمین ثابت ‎های فیزیکی مدل، ضرایب نامعلوم نیروهای اصطکاکی، گشتاورهای انسانی نامعلوم و کران بالای نرم اقلیدسی بردار اغتشاش خارجی به کار گرفته می ‎شوند. تحلیل ‎های ریاضیاتی مقاله نشان می ‎دهد که پاسخ‎های زمانی همه‎ ی تخمین ‎ها بعد از سپری شدن زمان متناهی، دقیقا به مقادیر ثابت همگرا خواهند شد. در انتها، ساختار کنتر لی غیرخطی پیشنهادی بر روی یک نوع ربات اسکلت بیرونی دو درجه آزادی مورد شبیه سازی قرار می گیرد تا درستی عملکرد و کارایی آن‎ آشکار گردد.

    کلیدواژگان: پایداری زمان-متناهی کلی، ربات اسکلت بیرونی، نامعینی پارامتری، کنترل مد لغزشی پایاندار، قوانین تطبیقی زمان-متناهی
  • فرهاد محمودی، تورج عباسیان نجف آبادی*، علی معرفیان پور صفحات 17-33

    بویلر 320 مگاواتی نیروگاه بندرعباس به علت طول عمر بالا و انجام بازسازی های متعدد دچار تغییرات پارامتری گردیده و برای بازتنظیم مشخصه های سیستم کنترل، شبیه سازی حوادث و ارزیابی و بهینه سازی عملکرد آن به یک مدل دینامیکی نسبتا دقیق نیاز می باشد. با توجه به عدم وجود مدل های استاندارد برای بویلر با ساختارهای مختلف، این مقاله به مدل سازی این بویلر زیربحرانی با گردش اجباری پرداخته و یک مدل فضای حالت غیرخطی چندمتغیره مرتبه نه با استفاده از روش مدل سازی فیزیکی ساخته می شود. به علت محدودیت متغیرهای اندازه گیری شده و عدم وجود داده های فراوان با محتوای دینامیکی مناسب جهت الگوریتم های شناسایی، برای تعیین پارامترهای نامعلوم مدل، یک رویه محاسباتی که تنها اندازه گیری های حالت ماندگار فرآیند را به کار می برد، معرفی می گردد. کارایی مدل حاصل با پاسخ های پله منطقی و در پیش بینی خروجی های بویلر با استفاده از داده های عملیاتی نیروگاه در یک حادثه کاهش ناگهانی فشار سوخت گاز تایید شده و در نهایت دقت پارامترهای آن با انجام تحلیل حساسیت ارزیابی می شود.

    کلیدواژگان: مدل سازی ریاضی، مدل سازی کنترل گرا، مدل سطح درام، مدل سوپرهیتر، مدل احتراق
  • حمید دهقانی فیروز آبادی، علی اکبرزاده کلات* صفحات 35-49

    در این مقاله یک کنترل کننده مبتنی بر رویتگر برای یک کلاس از سیستم های غیر خطی مرتبه کسری ارایه می گردد. ابتدا با در نظر گرفتن یک سیستم مرتبه کسری پایدار که به عنوان مدل مرجع شناخته می شود، کنترل کننده به گونه ای طراحی می گردد که سیستم حلقه بسته، حالت های سیستم مرجع را تعقیب کند. با توجه به غیرقابل اندازه گیری بودن تعدادی از حالت های سیستم مرتبه کسری، طراحی کنترل کننده، مبتنی بر رویتگر انجام می گیرد. رویتگر پیشنهادی در این تحقیق با استفاده از رویکرد تیوری مقدار میانگین مشتقی، دینامیک خطای غیرخطی رویتگر را به دینامیک خطی و متغیر با پارامتر تبدیل می کند به طوری که تحلیل پایداری آن با استفاده از تابع لیاپانوف و نامساوی ماتریسی خطی به راحتی انجام می گیرد. در ادامه تحلیل پایداری کنترل کننده مبتنی بر رویتگر نیز با استفاده از قضیه لیاپانوف انجام می گیرد. در خاتمه برای نشان دادن کارآیی و موثر بودن کنترل کننده پیشنهادی، نتایج شبیه سازی دو سیستم مرتبه کسری غیرخطی با در نظر گرفتن کنترل کننده طراحی شده نشان داده می شود.

    کلیدواژگان: سیستم مرتبه کسری، نامساوی ماتریسی خطی، تئوری مقدار میانگین مشتقی، رویتگر، قضیه لیاپانوف
  • وحید ضیا*، حسین نورمحمدی صفحات 51-60

    هدایت چند نقطه ای از رایج ترین روش های هدایت برای پیروی از یک مسیر از پیش تعیین شده در انواع ربات است. در این روش علاوه بر نقطه شروع و هدف، چندین نقطه میانی به عنوان نقطه راه تعیین می شود و ربات باید هر یک از نقاط راه میانی را به عنوان مقصد مجازی در نظر گرفته و خود را به آن نقطه برساند. سپس به نقطه راه بعدی سوییچ کرده و با گذر از همه آنها خود را به نقطه هدف نهایی برساند. هدف این مقاله طراحی یک الگوریتم هدایت چندنقطه ای مبتنی بر معادلات هاورسین و مدل کروی زمین برای یک رونده زیرآبی خودگردان است. اجرای انواع طرح های تحقیقاتی، پژوهشی، عکس برداری سوناری از بستر دریا و آبراه ها و مانیتورینگ خطوط انتقال انرژی و مخابراتی از طریق طراحی مسیر متنوع با استفاده از روش پیشنهادی امکان پذیر خواهد بود. الگوریتم هدایت چندنقطه ای پیشنهادی، در تست های میدانی یک رونده زیرآبی خودکار تحقیقاتی پیاده سازی شده و کارایی آن مورد ارزیابی قرار گرفته است.

    کلیدواژگان: هدایت چند نقطه ای، رونده زیرآبی خودگردان، معادلات هاورسین، دایره مقبولیت
  • امید محرابی، احمد فخاریان*، مهدی سیاهی، امین رمضانی صفحات 61-76

    کنترل هوشمند مسایل کنترلی واقعی بر پایه یادگیری تقویتی اغلب نیاز به تصمیم گیری در فضای حالت- عمل بزرگ و یا پیوسته دارد. از آنجا که تعداد پارامترهای قابل تنظیم در یادگیری تقویتی گسسته، رابطه مستقیمی با عدد اصلی فضای متغیرهای حالت- عمل مساله دارد، لذا در چنین مسایلی مشکل تنگنای ابعاد، سرعت کم یادگیری و راندمان پایین وجود دارد. استفاده از روش های آموزش تقویتی پیوسته برای حل این مشکلات مورد توجه محققان است. در همین راستا، در این مقاله یک الگوریتم جدید یادگیری تقویتی عصبی (NRL) بر مبنای معماری نقاد- تنها برای حل مسایل کنترلی معرفی میگردد. روش ارایه شده یک روش مستقل از مدل و نرخ یادگیری است و از ترکیب روش "تکرار سیاست کمترین مربعات" (LSPI) با شبکه توابع پایه شعاعی (RBF) به عنوان یک تقریب زننده ی تابعی حاصل شده است. الگوریتم پیشنهادی "تکرار سیاست کمترین مربعات عصبی" (NLSPI) نامیده می شود. در این روش، با استفاده از توابع پایه تعریف شده در ساختار شبکه عصبی RBF، راهکاری برای رفع چالش تعریف توابع پایه حالت- عمل در LSPI ارایه شده است. ورودی های شبکه جفت حالت و عمل های مساله و خروجی آن تابع ارزش عمل تقریب زده شده می باشد. هدف، به روز رسانی برخط وزن های شبکه عصبی با استفاده از روش ارایه شده به صورتی است که بهترین تقریب از تابع ارزش عمل صورت گیرد. به منظور اعتبارسنجی روش ارایه شده، عملکرد الگوریتم پیشنهادی در مورد حل دو مساله کنترلی با روش های دیگر مقایسه شده است. نتایج بدست آمده، برتری روش در یادگیری سیاست شبه بهینه را بخوبی نشان می دهد.

    کلیدواژگان: یادگیری تقویتی عصبی، معماری نقاد- تنها، تکرار سیاست کمترین مربعات، شبکه توابع پایه شعاعی
  • رعنا حسن پور، میرمحمد خلیلی پور*، جعفر صادقی، بهاره بیدار صفحات 77-91

    توسعه و پیاده سازی روش های پیشرفته نظارت و کنترل نیازمند اندازه گیری متغیرهایی است که تعیین آن ها به روش فیزیکی امکان پذیر نیست یا اینکه سنجش آن ها بسیار دشوار است. حسگرهای نرم می توانند با تخمین متغیرهای دشوار اندازه گیر بوسیله متغیرهای آسان اندازه گیر جایگزین مناسبی برای حسگرهای سخت افزاری باشند. در این مقاله حسگر نرم داده محور بر مبنای مدل سازی پارامتر وابسته به حالت با استفاده از تکنیک متغیر سودمند محلی (LIV) به منظور تخمین کیفیت در فرآیند تنسی ایستمن ارایه گردیده است. این تکنیک ساختاری ساده دارد و نسبت به سایر روش های مدلسازی به تعداد متغیرهای ورودی کمتری نیازمند است، قابلیت شناسایی متغیرهای تاثیرگذار بر روی متغیرهای هدف را نیز داراست. در این مطالعه، مدل های حسگر نرم مبتنی بر LIV به منظور پیش بینی غلظت اجزاء A و E توسط نرم افزار MATLAB توسعه یافتند. نتایج حاصل از ارزیابی مدل های ارایه شده بر روی مجموعه داده ی آزمون، خطای جذر میانگین مربع خطا (RMSE) را به ترتیب 0/3191 و 0/0174 برای جزء A و جزء E گزارش می دهد. مدل LIV پیشنهادی، خطای پیش بینی (RMSE) برای غلظت جزء E را نسبت به روش های کمینه مربعات جزیی (PLS) و کمینه مربعات جزیی درونی پویا (DiPLS) به ترتیب به میزان 98/18 % و 97/6 % کاهش داده است.

    کلیدواژگان: تخمین کیفیت، حسگر نرم داده محور، فرآیند تنسی ایستمن، مدل سازی پارامتر وابسته به متغیر حالت، روش متغیر سودمند محلی
|
  • Ali Abooee*, Mahdiyeh Koofeh, Mehdi Allahbakhshi Pages 1-15

    In this study, by using the adaptive-robust nonlinear control approach, an innovative hybrid finite-time control framework is introduced to tackle the tracking problem for a great group of exoskeleton robots (in the presence of friction forces, two types of uncertainties, and unknown forces generated by the disabled person). According to the tracking aim, angular displacement of robot must exactly tend to required trajectories within the finite time. Firstly, a general nonlinear model is represented to characterize dynamical behavior of a typical exoskeleton robot possessing unknown physical constants. To complete this model, friction forces, modelling uncertainties, and unknown human torques (external disturbances) are considered. Two components of the exoskeleton model (unknown friction forces and parametric uncertainties) are rewritten as two detached linear regression forms. Secondly, a finite-time adaptive-robust nonlinear control structure is proposed to accomplish the aforementioned tracking aim and, as a result, the global finite-time stability is provided for the closed-loop exoskeleton robot. The mentioned finite-time nonlinear controllers are designed by combining the adaptation rules and the terminal sliding mode control strategy (along with new defined sliding manifolds). These adaptation rules estimates model physical constants, unknown coefficients of the friction forces, unknown human torques and upper bound of the Euclidean norm of the external disturbance vector. Mathematical analysis illustrates that time responses of the estimations precisely tend to constant values after the finite-time. Eventually, the combined finite-time control framework is simulated onto the 2-DOF exoskeleton numerically and obtained results reveal that the proposed control structure appropriately provides the finite-time tracking objective. the maximum power point tracking objective.

    Keywords: Global finite-time stability, Exoskeleton robot, Parametric uncertainty, unknown friction, Terminal sliding mode control, Finite-time adaptation rules
  • Farhad Mahmoudi, Tooraj Abbasian Najafabadi*, Ali Moarefianpour Pages 17-33

    The 320 MW boiler of Bandar Abbas power plant has been subjected to parametric variations due to its long lifespan and numerous renovations, so a relatively accurate dynamic model is needed to retune the characteristics of its control system, simulate events, and evaluate and optimize its performance. Due to the lack of standard models for boilers with different structures, this paper deals with the modeling of this forced circulation subcritical boiler. As a result, a ninth order multivariable nonlinear state space model is developed using the physical modeling method. Due to the limitation of the measured variables and the lack of sufficient data with dynamic specifications suitable for identification algorithms, a computational procedure that uses only steady state measurements of the process is introduced to determine the unknown parameters of the model. The resulting model presents reasonable step responses and its ability in predicting the boiler outputs is confirmed using the operational data of the power plant during a sudden gas fuel pressure reduction event. Finally, the accuracy of its parameters is evaluated by performing sensitivity analysis.

    Keywords: Mathematical modeling, Control-oriented modeling, Drum level model, Superheater model, Combustion model
  • Hamid Dehghani, Ali Akbarzadeh Kalat* Pages 35-49

    In this paper, an observer-based controller is introduced for a class of nonlinear fractional order systems. First of all, considering a stable linear fractional order system known as the reference model, the controller is designed so that the closed loop system tracks the states of the reference system. In most systems, some states are unmeasurable or unreachable, so the controller must be designed based on the observer. The observer has been suggested in this research, using the well-known differential mean value theorem approach, converts the nonlinear error dynamics of the observer into linear and parameters-varying, so that the stability analysis is done simply using the Lyapunov quadratic function and linear matrix inequality. The stability analysis of the observer-based controller is also performed using the Lyapunov theorem in the following section. Finally, the efficiency and effectiveness of the proposed controller are shown through the simulation results of two nonlinear fractional order systems.

    Keywords: Fractional-order system, Linear matrix inequality, Differential mean value theorem, Observer, Lyapunov theory
  • Vahid Zia*, Hossein Nourmohammadi Pages 51-60

    Waypoint guidance is one of the most common guidance methods for following a predetermined path in all types of robots. In this method, in addition to the starting point and the goal, several intermediate points are determined as waypoints, and the robot must consider each of the intermediate waypoints as a virtual destination and reach that point. Then Switch to the next waypoint and reach the final destination by passing through all of them. The aim of this paper is to design a multi-point guidance algorithm based on Haversine equations and spherical earth model for an Autonomous Underwater Vehicle. It will be possible to implement all kinds of research projects, sonar photography of the seabed and waterways, and monitoring of energy and telecommunication transmission lines through the design of various routes using the proposed method. The proposed multi-point guidance algorithm has been implemented in the field of a research Autonomous Underwater Vehicle and its efficiency has been evaluated.

    Keywords: Waypoint Guidance, Autonomous Underwater Vehicle, Haversine Equations, Circle of Acceptance
  • Omid Mehrabi, Ahmad Fakharian*, Mehdi Siahi, Amin Ramezani Pages 61-76

    Intelligent control of real control problems based on reinforcement learning often requires decision-making in a large or continuous state-action space. Since the number of adjustable parameters in discrete reinforcement learning has a direct relationship with cardinality of the state-action space of the problem, so in such problems, we are faced with the curse of dimensiality, low learning speed and low efficiency. The use of continuous reinforcement learning methods to overcome these problems have attracted many research interests. In this paper a novel Neural Reinforcement Learning (NRL) scheme is proposed. The presented method is model free and learning rate independent, and is obtained by combining Least Squares Policy Iteration (LSPI) with Radial Basis Functions (RBF) as a function approximator, and we call it "Neural Least Squares Policy Iteration" (NLSPI). In this method, by using the basis functions defined in the RBF neural network structure, we have provided a solution to solve the challenge of defining the state-action basis functions in LSPI. In order to validate the presented method, the performance of the proposed algorithm in solving two control problems has been compared with other methods. The overall results show the superiority of our method in learning the pseudo-optimal policy.

    Keywords: Neural reinforcement learning, Critic-only architecture, Least Square Policy Iteration, RBF network
  • Rana Hassanpour, MirMohammad Khalilipour*, Jafar Sadeghi, Bahareh Bidar Pages 77-91

    Development and implementation of advanced monitoring and control techniques requires measurement of variables which cannot be determined physically or difficult to measure. Soft sensors can be used as a relatively inexpensive alternative for hardware sensors as a suitable solution in the process industries by estimation of easy-to-measure variables using hard-to-measure variables. In this study, design of data-driven soft sensor based on state-dependent parameter modeling method by using local instrumental variable (LIV) have been presented to predict quality variables in Tennessee Eastman (TE) process. Unlike other soft sensor modeling methods, the state dependent parameter modeling method has simple structure and often requires fewer input variables. Moreover, state dependent modeling method using local instrumental variable can identify influencing variables which have been affected the target variables. The performance of identifying technique and proposed soft sensors has been investigated on Tennessee Eastman process. In the present study, LIV based Soft sensor models have been developed using MATLAB software to predict concentration of A and E components. The evaluation results of the proposed models on the test data set report that the root mean squared error (RMSE) for concentration of components A and E are 0.3191 and 0.0174, respectively. The proposed LIV model reduced prediction error (RMSE) for the concentration of component E by 98.18% and 97.6% as compared to Partial Least Squares (PLS) and Dynamic Inner Partial least squares (DiPLS) methods, respectively.

    Keywords: Quality prediction, Data-driven soft sensor, Tennessee Eastman process, State-dependent parameter modeling, Local instrumental variable method