پاورپوینت تفاوت مدل های مختلف

پاورپوینت تفاوت مدل های مختلف (pptx) 22 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 22 اسلاید

قسمتی از متن PowerPoint (.pptx) :

بنام خدا Model Predictive Control (MPC) Introduction… MPC به خانواده ای از کنترل کننده ها اطلاق می شود که با استفاده از مدلی از پروسه و با مینیمم کردن یک تابع هزینه، سیگنال کنترلی را بدست می آوردند مدل تابع هزینه استراتژی receding در هر لحظه افق رو به آینده پیش می رود سیگنال کنترلی در هر لحظه محاسبه می شود تفاوت مدل های مختلف در مدل مورد استفاده برای پروسه و نویز تابع هزینه ای که باید مینیمم شود مزیت های MPC به جهت قابل فهم بودن اصول و مفاهيم پايه اي در اين روش و سادگي تنظيم پارامترهاي آن، تنها نياز به اطلاعات كنترلي محدودي جهت بكارگيري اين روش كنترلي ميباشد. الگوريتمهاي MPC را ميتوان جهت كنترل پروسه هاي مختلفي بكار برد. اين پروسه ها ممكن است داراي ديناميك ساده و يا پيچيده اي از قبيل سيستمهاي داراي تأخير زماني طولاني، سيستمهاي غيركمينة فاز و يا سيستمهاي ناپايدار باشند. به سهولت ميتوان آن را در سيستمهاي چند متغيره بكار برد. اين الگوريتم ذاتاً زمانهاي مرده را جبران ميكند. مزیت های MPC الگوريتمMPC يك روش كنترل feed forward جهت جبران سازي اغتشاشهاي قابل اندازه گيري بكار ميگيرد. قوانين كنترل خطي را بسادگي ميتوان در كنترل كننده هاي حاصل از اين روش بكار برد. اين روش قادر است كه (constraints) محدوديتهاي موجود در پروسة تحت كنترل را بسادگي در نظر بگيرد. هنگاميكه خروجي مرجع در زمانهاي آينده شناخته شده است، عملكرد اين الگوريتم بسيار مناسب است. استراتژی MPC خروجيها در فاصلة زماني مشخص N كه افق پيش بيني ناميده ميشود، با استفاده از مدل پروسه، در هر لحظه t ، پيش بيني ميشود. اين خروجيهاي پيش بيني شده به مقادير معلوم ( وروديها و خروجيهاي تا لحظه t ) و سيگنال كنترل در زمان آينده وابسته هستند كه بايد محاسبه و به سيستم اعمال شوند. مجموعة سيگنالهاي كنترلي در زمان آينده، با مینیمم كردن تابع هزینه مشخصي كه سعي در كاهش خطاي خروجي پروسه نسبت به خط سير مرجع دارد بدست می آید سيگنال كنترل تنها در لحظه t به پروسه اعمال می شود در حاليكه باقي سيگنالهاي كنترلي در زمان آينده، كنار گذاشته ميشوند ساختار MPC اجزای MPC مدل پیش بینی تابع هزینه بدست آوردن قانون کنترلی مدل، پاية اصلي الگوريتم MPC است ديناميك پروسه را نشان دهد قادر به پيش بيني و محاسبة خروجي پروسه در آينده باشد قابل فهم باشد هدف اصلي قوانين کنترلی اين است كه خروجي پروسه در آينده بر روی افق معین، مسير مرجع تعيين شده را دنبال كند و همزمان فرمان كنترل u را براي رسيدن به هدف تعيين کند براي بدست آوردن مقادير سیگنال کنترلی باید تابع J را مینیمم کرد برای این کار باید مقادیر پیش بینی شده خروجی را بصورت تابعي از مقادير گذشتة ورودي و خروجي و سيگنالهاي فرمان كنترلي در فواصل زماني آينده، بدست آورد كه اينكار توسط انتخاب مدل و جايگذاري آن در تابع هدف انجام ميشود. در صورتيكه تابع هدف مربعي و مدل خطي باشد و همچنين محدوديتي وجود نداشته باشد، جوابي بفرم بسته براي فرامين كنترلي بدست مي آيد. در غير اينصورت از روش تكراري كمينه سازي بايد استفاده كرد