فهرست مطالب

کنترل - سال ششم شماره 1 (بهار 1391)

مجله کنترل
سال ششم شماره 1 (بهار 1391)

  • تاریخ انتشار: 1391/08/08
  • تعداد عناوین: 7
|
  • سید محمد مهدی عباسی، علی وحیدیان کامیاد صفحه 1
    روش های کلاسیک برای حل مسائل کنترل غیر خطی و مخصوصا مسائل کنترل بهینه سیستم های پارامتر توزیعی غیر خطی در حالت کلی معمولا کارآمد نیستند. در این مقاله رهیافتی جدید برای حل تقریبی این دسته از مسائل با استفاده از برنامه ریزی غیر خطی معرفی می کنیم. در ابتدا، مسئله اصلی را به یک مسئله معادل درحساب تغییرات تبدیل می کنیم و سپس مسئله جدید را گسسته سازی کرده و با استفاده از برنامه ریزی غیر خطی آن را حل می کنیم. علاوه براین می توان مسئله برنامه ریزی غیر خطی را به یک مسئله برنامه ریزی خطی تبدیل نموده و این امکان را داشت که از نرم افزارهای برنامه ریزی خطی نیز استفاده کرد، در آخر کارآمدی روش با حل مثال عددی نشان داده شده است.
    کلیدواژگان: کنترل بهینه، سیستم های پارامتر توزیعی، حساب تغییرات، برنامه ریزی غیرخطی
  • محمد علی باقری، غلامعلی میتظر صفحه 9
    سیستمهای دسته بندی شورایی، رویکردی موثر در یادگیری ماشین است که در آن با ترکیب نتایج چند دسته بند سعی می شود تقریب بهتری از یک دسته بند بهینه فراهم شود. در حوزه ترکیب خروجی شورای دستهبندها، رویکرد «انتخاب دستهبند» توجه کمتری را در مقایسه با رویکرد «ادغام دسته بند» به خود جلب کرده است. همچنین، اغلب روش های موجود در این حوزه، هزینه محاسباتی بالایی دارند. در این مقاله، روشی موثر در دسته بندی مسائل چنددسته ای بر اساس رویکرد انتخاب ویژگی پیشنهاد شده است. روش پیشنهادی ابتدا با استفاده از 14 مجموعه داده تراز از پایگاه UCI آزمون شده و پس از اثبات توانایی آن، برای شناسایی رایحه های سه نوع شیرین بیان به کار گرفته شده است. مقایسه نتایج روش پیشنهادی و روش های دیگر سیستمهای شورایی بر اساس دو معیار صحت شناسایی و زمان محاسباتی، کارایی بهتر روش را در دسته بندی مسائل چنددسته ای نشان می دهد.
    کلیدواژگان: دسته بندی، مساله چنددسته ای، سیستم شورایی، انتخاب دسته بند، شناسایی بو
  • حامد ملااحمدیان کاسب، علی کریم پور، ناصر پریز صفحه 21
    در بسیاری از موارد، سیستم های تکه ای خطی تبار (Piece-Wise Affine) از تقریب یک سیستم غیرخطی با تعدادی زیرسیستم خطی تبار (Affine) به دست می آیند. تقریبی بودن و عدم امکان تحلیل پایداری دقیق از معایب سیستم حاصل بوده و در این مقاله کلاس جدیدی از سیستم های هایبرید به عنوان راه حل معرفی گردیده است. کلاس پیشنهادی به طور مستقیم و بدون استفاده از متوسط گیری از سیستم سوئیچ شونده به دست می آید، از این رو سیستم تکه ای خطی تبار مستقیم (Direct Piece-Wise Affine) نام گذاری شده است. کلاس هایبرید پیشنهادی دارای زیرسیستم های خطی تبار و مرزهای کلیدزنی قابل تنظیم و ثابت در صفحه حالت است. موارد کاربردی بسیاری از جمله مبدل های الکترونیک قدرت و فرآیندهای شیمیایی وجود دارند که در فرم پیشنهادی قابل مدلسازی هستند. جهت تحلیل پایداری کلاس پیشنهادی، قضایایی مبتنی بر تابع لیاپانف مربعی ارائه شده است. مسئله تحلیل پایداری و طراحی در مورد این سیستم ها به حل یک مسئله بهینه سازی محدب از نوع نامساوی های ماتریسی خطی منجر می گردد. همچنین در این مقاله، مدل ارائه شده با کلاس های هایبرید متداول مقایسه شده است. کاربرد کلاس پیشنهادی در مدلسازی و تحلیل پایداری یک مبدل الکترونیک قدرت dc-dc رزونانسی ارائه شده است.
    کلیدواژگان: سیستم تکه ای خطی تبار، مرز کلیدزنی قابل تنظیم، تابع لیاپانف مربعی، نامساوی ماتریسی خطی
  • محمد میران بیگی*، بهزاد مشیری، علی میران بیگی صفحه 31
    در کاربردهای مقیاس بزرگ گاها ضروری است که نظریه های کنترلی، توزیع شده یا غیرمتمرکز باشند. با توجه به بزرگ بودن مقیاس سیستم های قدرت و همچنین مزایای کنترل پیش بین (MPC) در بکارگیری با این سیستم ها، در این مقاله از یک نوع کنترل کننده پیش بین مقید تحت عنوان کنترل افق جلورونده (RHC)، برای کنترل فرکانس بار در یک سیستم قدرت دو ناحیه ای در دو ساختار متمرکز و غیرمتمرکز استفاده شد. مزیت اصلی کنترل غیرمتمرکز، کاهش بار محاسباتی و پیچیدگی محاسباتی است. از سوی دیگر در بکارگیری متمرکز کنترل پیش بین، محاسبه برخط ورودی ابعاد بالا، بسیار پیچیده و غیرعملی به نظر می رسد. درنهایت به کمک شبیه سازی ها، ساختارهای متمرکز و غیرمتمرکز کنترلی و همچنین دو روش بکارگرفته شده برای هماهنگی دو ناحیه ی سیستم، از لحاظ محاسباتی و عملیاتی تحت تنوعی از اغتشاشات با یکدیگر مقایسه شدند.
    کلیدواژگان: سیستم های قدرت، کنترل پیش بین مدل، کنترل افق جلورونده، کنترل غیرمتمرکز، اغتشاش
  • سید محمد جواد آل هاشر، محمد تشیه لب صفحه 41
    در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم های غیرخطی آشوبی ارائه شده است. شبکه های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون های راف طراحی می شوند. یک نرون راف را می توان بصورت زوجی از نرون ها در نظر گرفت، که به نرون های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه ای در شبکه عصبی را امکان پذیر می سازد، بنابراین می توان آنرا به عنوان نگرشی نوین در زمینه طراحی شبکه های عصبی تلقی نمود. همانند شبکه های پرسپترون چندلایه، شبکه های عصبی راف نیز می توانند با استفاده از الگوریتم پس انتشار خطا مبتنی بر گرادیان نزولی آموزش داده شوند، با این حال این الگوریتم دارای مشکلاتی مانند کمینه محلی است. در این مقاله روش یادگیری با نظارت جدیدی براساس احتمال خطای موثر نرون ها، برای آموزش شبکه های عصبی ارائه شده است که آنرا یادگیری احتمالاتی می نامیم. جهت ارزیابی این تحقیق، کارایی شبکه عصبی راف بهبود یافته و الگوریتم یادگیری پیشنهادی برحسب خطای شناسایی سری های زمانی آشوبی مورد بررسی قرار گرفته است.
    کلیدواژگان: نرون راف، شبکه عصبی راف، یادگیری احتمالاتی، شناسایی سیستم غیرخطی و سری های زمانی آشوبی
  • محمدحسن آسمانی، وحید جوهری مجد صفحه 51
    در این مقاله، برای اولین بار طراحی یک کنترلگر H∞ فازی غیر-PDC مبتنی بر رویتگر برای سیستمهای فازی T-S دارای اغتشاش با متغیرهای مقدم قواعد نامعلوم ارائه می گردد. بر خلاف روش های غیر-PDC موجود، در روش ارائه شده از متغیرهای واقعی فرایند در معادلات کنترلگر استفاده نگردیده است. هم چنین با بهرهگیری از رویکرد افزونگی توصیفگر، بهرههای رویتگر و کنترلگر از طریق حل تعدادی از نابرابریهای ماتریسی خطی اکید قابل محاسبه می باشد. برای بدست آوردن شرایط طراحی کنترلگر با محافظه کاری کمتر نسبت به روش های قبل از تحلیل مبتنی بر تابع لیاپانوف فازی استفاده می شود. همچنین برای برقراری یک کران بالایی دلخواه بر اندازه سیگنال کنترل، شرایط اضافی وابسته به کران بالایی بر روی حالت اولیه بردار رویتگر بدست می آید. کارآیی روش ارائه شده توسط یک شبیهسازی عددی نشان داده می شود.
    کلیدواژگان: کنترل ∞H بر پایه رویتگر، رویکرد افزونگی توصیفگر، سیستم فازی T، S، تابع لیاپانوف فازی، نابرابری ماتریسی خطی
  • سید محمد جواد معافی مدوی، ایمان محمد زمان صفحه 61
    در این مقاله یک روش جدید درونیابی پایدار برای طراحی خودخلبان مقاوم یک رهگیر ارائه شده است. روش ارائه شده برمبنای درونیابی بین نواحی مشترک پایدار کنترل کننده های محلی بوده و تضمین پایداری سیستم حلقه بسته را در کل فضا می نماید. برای پیدا کردن نواحی پایدار هر کنترل کننده محلی از ابزار v-gap metric استفاده شده و از روش کنترل کننده استاتیکی شکل دهی حلقه H∞ برای طراحی کنترل کننده های محلی استفاده شده است. همچنین پیچیدگی روش ارائه شده نسبت به سایر روش های درونیابی حفظ کننده پایداری کمتر می باشد. نتایج شبیه سازی سه درجه آزادی نشان دهنده تضمین کارآیی و پایداری سیستم حلقه بسته در طول مسیر پرواز می باشد.
    کلیدواژگان: خودخلبان مقاوم، درونیابی حفظ کننده پایداری، کنترل کننده زمان بندی بهره، v، gap metric
|
  • Seyed Mehdi Abasi, Ali Vahidian Kamyad Page 1
    Classical methods are not usually efficient, to solving nonlinear control problems and especially Nonlinear distributed parameter systems Optimal Control Problems (NOCP). In this paper we introduce a new approach for solving this class of problems by using NonLinear Programming Problem (NLPP). First, we transfer the original problem to a new problem in form of calculus of variations. The next step we discrete the new problem and solve it by using NLPP packages. Moreover, a NLPP is transferred to a Linear Programming Problem (LPP) which empowers us to use powerful LP software. Finally, efficiency of our approach is confirmed by some numerical examples.
    Keywords: optimal control, distributed parameter systems, calculus of variations, nonlinear programming
  • Mohammad Ali Bagheri, Gholamali Montazer Page 9
    Individual classification models have recently been challenged by ensemble of classifiers, also known as multiple classifier system, which often shows better classification accuracy. In terms of merging the outputs of an ensemble of classifiers, classifier selection has not attracted as much attention as classifier fusion in the past, mainly because of its higher computational burden. In this paper, we propose a novel technique for improving classifierselection. In our method, the simple divide-and-conquer strategy is adapted in that a complex classification problem is divided into simpler binary sub-classification problems. We conduct extensive experiments on a series of multi-class datasets from the UCI (University of California, Irvine) repository and on odor database. The experimental results demonstrate the advanced performance of the proposed method.
    Keywords: classification, multi, class, ensemble system, classifier selection, odor recognition
  • Hamed Molla Ahmadian Kaseb, Ali Karimpour, Naser Pariz Page 21
    For many applications, Piece-Wise Affine (PWA) systems are made from approximation of nonlinear dynamics by affine subsystems. Approximation and non-exact stability analysis are the main disadvantages of derived PWA system and as a solution, a new class of hybrid systems are introduced in this article. The proposed class is derived directly from switched model and without averaging then it is named as Direct PWA (DPWA). The new hybrid class has affine subsystems and regulable and/or constant switching boundaries. Many applications such as power electronics and process engineeringcan be modeled as proposed class. Some theorems are presented for stability analysis that are based on quadratic Lyapunov function. The problem of stability analysis and controller design is redounded to convex optimization in form of linear matrix inequality. The proposed model is compared with conventional hybrid models. Proposed model is used for modeling and stability analysis of a dc-dc resonant power converter.
    Keywords: Piece, Wise Affine System, Regulable Switching Boundary, Quadratic Lyapunov Function, Linear Matrix Inequality
  • Mohammad Miranbeigi, Behzad Moshiri, Ali Miranbeigi Page 31
    In the large scale applications, sometimes it is essential that the control theories be distributed or decentralized. In this paper, regarding large scale of power systems and advantages of model predictive control (MPC), a constraint predictive control method that is called “Receding Horizon Control (RHC)”, used for load frequency control in a two-area power system with two cooperating methods of agents. The main advantage of decentralized control is complexity reduction in computations. Moreover, in the application of centralized control, online computation of inputs (high dimensions) is complex, and non-flexible, and impractical. Finally using of simulations, centralized and decentralized control methods, cooperative methods are compared under a variety of disturbances.
    Keywords: Power systems, Model predictive control, Receding horizon control, Decentralized control, Disturbances
  • Seyyed Mohammad Javad Alehasher, Mohammad Teshnehlab Page 41
    In this paper an improved rough neural network is presented for identification ofchaotic system. Rough neural networks are a type of neural stractures that they are designed based on rough neurons. A rough neuron is considered as a pair of neurons that called lower boandry neuron and upper boandry neuron. Rough neuron approach, allows use of interval computing in neural networks, therefore it can be considered as a new opinion in designing neural networks. The same as multilayer perceptron, rough neural networks also can be trained using by back propagation algorithm based on gradient descending, however, this algorithm has problems such as local minima. In this paper, a new supervised learning method based on effective error of neuron is presented for training of neural networks, which it is called probabilistic learning. To evaluate thisstudy, performance of rough neural network improved, and proposed learning algorithm have been examined in terms of error detection of chaotic time series.
    Keywords: Rough Neural Networks, Probabilistic Learning, Nonlinear System Identification
  • Mohammad Hassan Asemani, Vahid Johari Majd Page 51
    In this paper, non-PDC H∞ observer-based controller design for disturbed T-S fuzzy systems with unknown premise variables is addressed for the first time. Unlike the available non- PDC-based approaches, real state variables are not used in the controller equation. Moreover, using the descriptor redundancy approach, the observer and controller gains are calculated by solving some strict linear matrix inequalities (LMIs). A fuzzy Lyapunov function approach is utilized to obtain less conservative design conditions than previous methods. Furthermore, in order to satisfy an arbitrary upper bound on the absolute value of the control signal, additional design conditions are obtained which depend on the upper bounds of the initial states of the observer. The effectiveness ofthe proposed method is shown via a numerical simulation.
    Keywords: H∞ observer, based control, Descriptor redundancy approach, T, S fuzzy system, fuzzy Lyapunov function, linear matrix inequality (LMI)
  • Mohammad Javad Moafi Madani, Iman Mohammadzaman Page 61
    This paper presents a new stability preserving interpolation technique for robust gain scheduling autopilot design. The interpolation method is based on interpolation in the common stability region of local controllers and generates a gain-scheduled controller that is stabilizing at every operating point of a closed loop system. For selection of stability region of local controllers, the notion of the v-gap metric and its connection to robust loop-shaping theory is used. The proposed method facilitates the design of gain-scheduled controllers that preserves stability of the closed loop system. The simulation results given show the generality and effectivneness of the proposed control strategy in terms of the stability, performance and robustness, of the system.
    Keywords: Robust autopilot, stable interpolation, gain scheduling controller, v, gap metric