فهرست مطالب

کنترل - سال پنجم شماره 2 (تابستان 1390)
  • سال پنجم شماره 2 (تابستان 1390)
  • تاریخ انتشار: 1390/11/06
  • تعداد عناوین: 7
|
  • حسین بیک زاده، حمیدرضا تقی راد صفحه 1
    تا کنون به کارگیری رویت گر SDRE و تحلیل پایداری و عملکرد آن در محیط قطعی و بدون نویز مورد توجه محققان قرار گرفته، اما در عمل وجود نامعینی فرآیند و نویز اندازه گیری غیر قابل اجتناب است. در این مقاله با توجه به دست آوردهای حاصل برای پایداری فیلتر کالمن-باسی و نتایج مربوط به تحلیل پایداری اتفاقی در مسائل تخمین غیرخطی، به تحلیل رفتار خطای تخمین یک فیلتر SDRE تفاضلی زمان-گسسته پرداخته شده است. در تحلیل پایداری ارائه شده شرایط کافی به منظور کراندار باقی ماندن خطای تخمین این فیلتر با تعبیر میانگین مربعات ارائه شده است. همچنین نشان داده شده است که اگر خطای تخمین اولیه و اندازه ترم های نویز مزاحم هر دو به اندازه کافی کوچک باشند، این شرایط محقق می شوند. این یافته های تئوری از طریق شبیه سازی یک سیستم غیرخطی نمونه راست آزمایی شده اند.
    کلیدواژگان: رویت گر غیر خطی، رویت گر SDRE، پایداری اتفاقی سیستمهای غیر خطی، فیلتر تفاضلی زمان، گسسته، تحلیل پایداری، کرانداری با تعبیر میانگین مربعات
  • حامد ملااحمدیان کاسب*، علی کریم پور، ناصر پریز صفحه 12
    کلاس خاصی از سیستم های سوئیچ شونده خطی دارای قانون کلیدزنی مقید به حالت-ورودی منطقی بوده و در مدلسازی دسته وسیعی از سیستم ها قابل استفاده هستند. در این مقاله روشی جهت تحلیل پایداری و طراحی کنترل کننده برای این کلاس از سیستم های هایبرید ارائه شده است. روش پیشنهادی مبتنی بر طراحی بر اساس تابع لیاپانف مربعی می باشد. مساله تحلیل پایداری و طراحی در مورد این سیستم ها به حل یک مساله بهینه سازی محدب از نوع نامساوی های ماتریسی خطی منجر شده است. نتایج شبیه سازی بر روی مبدل dc-dc باک، کارآیی روش پیشنهادی را نشان می دهد.
    کلیدواژگان: سیستم خطی سوئیچ شونده، قانون کلیدزنی مقید، تابع لیاپانف مربعی، نامساوی ماتریسی خطی
  • آرمیتا فاطمی مقدم *، آرش شریفی، محمد تشنه لب صفحه 22
    با توجه به اهمیت کوره دوار سیمان در صنعت و عدم وجود یک مدل قابل قبول برای آن، شناسایی و پیش بینی وضعیت کوره از ملزومات شبیه سازی و اتوماسیون سیستم کوره دوار سیمان می باشد. کوره دوار سیمان یک سیستم غیرخطی و متغیر با زمان می باشد. در این نوشتار به منظور شناسایی و پیش بینی وضعیت کوره دوار سیمان از شبکه عصبی- فازی تطبیقی ANFIS استفاده شده است. از آنجا که داده های استخراج شده مرتبط با سیستم واقعی است، لذا انجام عملیات پیش پردازش بر روی داده های موجود یکی از مهمترین و دشوارترین مراحل شناسایی می باشد. علاوه بر ورودی های سیستم، دینامیک های سیستم که از روش لیپشیتز انتخاب شده با تاخیر خالص سیستم با یک گام عقب تر به عنوان ورودی های شبکه عصبی- فازی اعمال شده است. با توجه به مساله تعداد قوانین در سیستم فازی در زمان حضور تعداد زیادی متغیر ورودی و همچنین با وجود زیاد بودن تعداد ورودی ها مورد نیاز برای اعمال آنها به شبکه عصبی-فازی، از الگوریتم ژنتیک بعنوان روش انتخاب ویژگی به منظور کاهش تعداد متغیرهای ورودی سیستم فازی استفاده شده است. نتایج حاصل از اعمال روش مطرح شده بر روی داده های واقعی کوره دوار سیمان ساوه نشان دهنده کارایی بالای روش ارائه شده در پیش بینی عملکرد این سیستم صنعتی و غیرخطی دارد.
    کلیدواژگان: شناسایی سیستم، انتخاب ویژگی، کوره دوار سیمان، شبکه عصبی، فازی ANFISو الگوریتم ژنتیک
  • علی لاری *، علیرضا خسروی صفحه 34
    طراحی کنترل کننده به روش سنتز μ، مسئله ای است که بدلیل مشکلات موجود در محاسبه مقادیر ویژه ساختار یافته هنوز به طور کامل حل نشده است. رایج ترین روش حل مسئله سنتز μ تکرار D-K نام دارد. با وجود آنکه این روش، حل کامل مسئله سنتزμ نیست ولی کنترل کننده های بدست آمده از آن به لحاظ معیارهای پایداری و عملکرد از قویترین روش های کنترل مقاوم هستند.از سوی دیگر بالا بودن درجه کنترل کننده، مهمترین اشکال روش تکرار D-K است. در این مقاله از یک الگوریتم بهینه سازی سیر تکاملی به نام الگوریتم بهینه سازی اجتماع پرندگان، به منظورطراحی یک کنترل کننده مقاوم استفاده شده است. هدف آنستکه حلی برای مسئله سنتزμ پیدا شود که در میزان پایداری و عملکرد مقاوم، نسبت به کنترل کننده هم درجه (درجه کاهش یافته) بدست آمده از روش تکرارD-K، وضعیت بهتری داشته باشد.به منظور ارزیابی الگوریتم پیشنهادی، از آن برای طراحی کنترل کننده یک سیستم محک جرم-فنر-میراگر استفاده می شود. نتایج شبیه سازی موید آنستکه کنترل کننده های بدست آمده با این روش از نظر پایداری و عملکرد مقاوم سیستم حلقه بسته بسیارکاراتر از کنترل کننده های تکرار D-K هم درجه هستند.
    کلیدواژگان: کنترل مقاوم، سنتز ?، مقادیر ویژه ساختاریافته، الگوریتم اجتماع پرندگان
  • محمد توسلی*، محمد توکلی بینا، مسعود علی اکبر گلکار صفحه 44
    SVM یک تکنیک مدولاسیون شناخته شده برای مبدل های قدرت با توان متوسط و ولتاژ بالا می باشد. باید توجه داشت که تمام فرآیند مدولاسیون برای هدف پیاده سازی می تواند زمان بر باشد که علت آن یافتن موقعیت بردار مرجع به علاوه اجرای محاسبات ضروری برای مدولاسیون می باشد. علاوه بر آن با افزایش تعداد سطوح در مبدل های چند سطحی، زمان این محاسبات برای SVM های متداول افزایش می یابد. این مقاله یک تکنیک مدولاسیون را که بر روی دو ولتاژ خط مستقل، متمرکز می شود، معرفی می کند به نحوی که به طور مستقیم از ولتاژهای خط در فرآیند یافتن بردارهای سوئیچینگ و نسبت وظیفه های آنها استفاده می کند. مدولاسیون پیشنهادی نه تنها سریع و ساده می باشد بلکه به فرآیند جایابی بردار مرجع که برای مدولاسیون SVM متداول دارای نقش حیاتی است، احتیاجی ندارد. با ارائه دو مثال صحت روش ارائه شده با استفاده از نرم افزار MATLAB مورد بررسی قرار می گیرد.
    کلیدواژگان: مدولاسیون SVM، تکنیک جایابی بردار مرجع، مدولاسیون تک فاز، مدولاسیون چند سطحی
  • جعفر طاووسی*، محمدعلی بادامچی زاده، سحرانه قائمی صفحه 52
    شبکه های عصبی فازی نوع-2 توانایی بالایی در شناسایی و کنترل سیستم های غیرخطی، سیستم های تغییرپذیر با زمان و نیز سیستم های دارای نامعینی دارند. در این مقاله روش طراحی کنترل کننده معکوس تطبیقی عصبی فازی نوع-2 جهت کنترل برخط سیستم های دینامیکی غیرخطی مورد بررسی قرار گرفته است. ابتدا ساختار کلاسی از شبکه های عصبی فازی نوع-2 بازه ای مدل T-S نمایش داده می شود. این شبکه هفت لایه دارد که عملیات فازی سازی توسط دو لایه اول که شامل عصب های فازی نوع-2 و با نامعینی در مرکز توابع عضویت گوسی هستند، انجام می شود. لایه سوم لایه قواعد است و در لایه چهارم عملیات کاهش مرتبه توسط گره های تطبیقی انجام می شود. لایه های پنجم، ششم و هفتم به ترتیب لایه قسمت نتیجه، لایه محاسبه مرکز ثقل قواعد و لایه خروجی است. برای آموزش شبکه از الگوریتم گرادیان کاهشی با نرخ آموزش تطبیقی استفاده شده است. نهایتا در قسمت شبیه سازی کنترل معکوس تطبیقی برخط با شبکه عصبی فازی نوع-2 فاصله ای مدل T-S و شبکه عصبی فازی تطبیقی (ANFIS) برای سیستم دینامیکی غیرخطی دمای آب هم با پارامترهای معین و هم با پارامترهای نامعین با هم مقایسه شده اند. نتایج شبیه سازی نشان دهنده کارایی روش پیشنهادی می باشد.
    کلیدواژگان: شبکه عصبی فازی نوع، 2، کنترل معکوس تطبیقی، سیستم دمای آب حمام
  • وحید آیین فر*، حمیدرضا مومنی صفحه 60
    یک نقطه ضعف مهم در ارتباط با طراحی کنترل کننده مقاوم برای مدل های به دست آمده از شناسایی به روش خطای پیش بینی این است که روش های طراحی کنترل مقاوم بسیار قلیلی مستقیما با نواحی عدم قطعیت بیضوی، به دست آمده از آزمایش شناسایی سیستم سازگار هستند. مدل های به دست آمده از آزمایش شناسایی سیستم در چارچوب خطای پیش بینی در یک مجموعه عدم قطعیت بیضوی جای می گیرند. در این مقاله یک روش توام طراحی سیگنال ورودی/کنترل کننده مقاوم ارائه می شود که پایداری سیستم حلقه-بسته و ارضای کارایی مقاوم مورد نظر را با استفاده از مدل های به دست آمده از داده های آزمایش تضمین کند. از پارامتری کردن بعد محدود طیف سیگنال ورودی برای نمایش مسئله طراحی ورودی به صورت یک مسئله بهینه سازی محدب استفاده شده است. همچنین از روش طراحی کنترل کننده مقاوم برای سیستم های با عدم قطعیت بیضوی استفاده شده و ویژگی های داده شده بر روی تابع تبدیل حلقه بسته به صورت شروط کافی بر روی سیگنال ورودی مورد استفاده در آزمایش شناسایی سیستم تعبیر می گردند.
    کلیدواژگان: شناسایی برای کنترل، کنترل مقاوم، عدم قطعیت بیضوی، بهینه سازی محدب، بهینه سازی LMI
|
  • Hossein Beikzadeh, Hamid D. Taghirad Page 1
    Stability of SDRE observers is usually analyzed in a deterministic framework, where the performance of the observer is not perturbed by external noises. However, plant uncertainty and measurement noises are not negligible in real implementations. In this paper based on the stability results developed for Kalman-Bucy filters and stochastic stability analysis of nonlinear systems, the stability of an SDRE filter is analyzed in discrete-time domain. Sufficient conditions are given to limit the estimation errors in sense of mean-squared measure. Furthermore, it is shown that in practical situations there exist feasible regions to satisfy the stability conditions, provided that the initial error and the norm of plant uncertainty and measurement noises are sufficiently small. Finally, the stability conditions are verified through simulation of a typical nonlinear system.
    Keywords: Nonlinear observer, SDRE observer, stochastic stability of nonlinear systems, discrete, time nonlinear observer, stability analysis, bound of mean squared error
  • Hamed Molla, Ahmadian*, Ali Karimpour, Naser Pariz Page 12
    The class of switched linear systems with state-input logic constrained can be used for modeling of many systems. This article presents a new stability analysis and controller design method for this class of hybrid systems. Proposed method is based on quadratic lyapunov function. Computational approach for stability analysis and design is convex optimization (Linear Matrix Inequality type). Simulation results on dc-dc buck converter show the effectiveness of the proposed method.
    Keywords: Switched Linear Systems, Constrained Switching Law, Quadratic Lyapunov Function, Linear Matrix Inequality
  • Armita Fatemimoghadam*, Arash Sharifi, Mohammad Teshnehlab Page 22
    Due to the status of Rotary Kiln Cements (RKCs) in different industries and lack of a mature model for these systems, identification and prediction of the Kiln system are necessary for any simulation and automation approaches. Intrinsically, RKCs are non-linear and time variant systems. This paper proposes a novel approach of using ANSFI to predict the status of a RKC system in a scale of few minutes in advance. Since the data used in this research has been extracted from a real system, pre-analysis of data is one of the critical parts of identification process. In addition to the system inputs, dynamic of the system which has been selected according to the LIPSCHITZ method with a system’s genuine delay are applied as inputs for Neural Network system with one step phase lag. Genetic algorithm has been utilized as a characteristic selection and phasor rules reduction method due to the existing challenges on the number of rules in phasor systems specifically with a large number of variables to be applied to the Neural Network. To verify the performance of the proposed identification and prediction method on a non-linear industrial system, simulation results have been carried out on a real data extracted from SAVEH Cement Company.
    Keywords: System Identification, Feature Selection, Cement Rotary Kiln, Algorithm Genetic
  • Ali Lari*, Alireza Khosravi Page 34
    The μ synthesis problem has not been completely solved, and this is attributed to existing challenges and issues in calculation of the structure singular value. The most common solution for μ Synthesis problem is called D-K Iteration. Even though this specific method is not the complete solution for the μ Synthesis, but the controllers obtained through this method have proven to be one of the most complete forms of robust control technique, based on robust stability and performance. One of the major disadvantages with the D-K Iteration is a high order controller. In this paper an evolutionary algorithm called PSO has been used to design a robust controller. The main objective is to find a solution for μ Synthesis that can better improve the robust stability and performance compared to same order (reduced order) controller obtained through D K Iteration. To evaluate the proposed algorithm, it has been used on the mass-spring-damper benchmark system. The simulation results from the proposed algorithm show that this method has a more robust stability and performance for closed loop systems than the same order controllers obtained through D-K Iteration.
    Keywords: robust control, μ synthesis, structured singular value, particle swarm optimization algorithm
  • Mohammad Tavasoli*, Mohammad Tavakoli Bina, Masoud Ali Akbar Golkar Page 44
    The SVM is the well known technique for power converters with medium power and high voltage. However, the whole modulating procedure could be time-consuming for implementation purposes because of seeking the location of the reference vector in addition to performing so many necessary computations. Furthermore, computational cost for conventional SVM rises when level numbers of the multilevel converters increases. This paper proposes a modulation technique that directly concentrates on a three-phase system, engaging two independent line voltages in the procedure of finding switching states and their duty ratios. Interestingly, the proposed method is not only simple and fast, but also nearly eliminates the procedure of positioning the reference vector for multilevel converters that is vital for the conventional SVM. Through examples and simulations, the validity of the proposed method in modulation process is demonstrated.
    Keywords: SVM modulation, positioning technique of reference vector, single, phase modulation, multilevel modulatio
  • Jafar Tavoosi*, Mohammad Ali Badamchizadeh, Sehraneh Ghaemi Page 52
    Type-2 fuzzy neural networks have a good ability in identification and control of nonlinear systems, time varying systems and also system with uncertainties. In this paper a new method for designing adaptive inverse type 2 fuzzy neural controllers for online control of nonlinear dynamical system has been introduced. The proposed network has seven layers that the first two layers consist of type-2 fuzzy neurons with uncertainty in mean of Gaussian membership functions, are used for fuzzification part. Third layer is the fuzzy rules layers. Reduction type is done in fourth layer with adaptive nodes. Reminder layers are used for consequent left–right firing points, two end-points and output of network respectively. In this paper, gradient descent with adaptive learning rate backpropagation is used for learning phase. Finally, Type-2 online Sugeno fuzzy neural network is used for tracking control of nonlinear dynamical water bath temperature system. Results are compared with Adaptive-Network-Based Fuzzy Inference System (ANFIS). Simulation results show the proposed method has a good efficiency.
    Keywords: Type, 2 Fuzzy Neural Networks, Adaptive Inverse Control, Water Bath Temperature System
  • Vahid Aeinfar*, Hamidreza Momeni Page 60
    An important shortcoming about designing robust control for models generated from prediction error identification is that very few control design methods directly match the ellipsoidal parametric uncertainty regions that are generated by such identification methods. Models obtained from identification experiments in prediction error framework lie in an ellipsoid uncertainty region. In this contribution we present a joint robust control/input design procedure which guaranties stability and prescribed closed-loop performance using models identified from experimental data. Finite dimensional parameterization of the input spectrum is used to represent the input design problem as a convex optimization. A method for fixed-order H controller design for systems with ellipsoidal uncertainty is used and given H specifications on the closed-loop transfer function are translated into sufficient requirements on the input signal used to identify the system.
    Keywords: Identification for Control, Robust Control, Ellipsoidal Uncertainty, Convex Optimization, LMI Optimization