23734

طراحي كنترل مد لغزشي بهينه مقيد به كمك شبكه عصبي بازگشتي مبتني بر نظريه تصوير براي كلاسي از سيستم¬هاي غيرخطي SISO

دكتراي تخصصي

مهندسي برق-كنترل

1392

1399/10/24

محمد فرخي

مهندسي برق

در اين رساله، طراحي كنترل مد لغزشي بهينه مقيد براي كلاس معيني از سيستم‌هاي غيرخطي تك¬ورودي-تك-خروجي نامعين، توسعه يافته¬است. الگوريتم بهينه پيشنهادي با تفكيك ديناميك سيستم به دو بخش خطي و غيرخطي و به¬كمك شبكه عصبي بازگشتي مبتني بر نظريه تصوير تحقق يافته¬است. توسعه چنين رويكردي با هدف اجتناب از چترينگ، اجتناب از تكينگي، درنظر گرفتن محدوديت عملگر، كمينه¬سازي هزينه كنترلي و قوام سيستم حلقه¬بسته در مقابل نامعيني در مدل سيستم انجام گرفته¬است. در گام نخست، شاخص عملكرد از ديدگاه پايدارسازي سطح لغزش و كمينه¬سازي هزينه كنترلي تعريف و در حضور محدوديت عملگر، تبديل به مساله برنامه‌ريزي مرتبه دو مقيد شده كه در آن ضرايب وزني شاخص عملكرد و سطح لغزش به‌عنوان پارامترهاي طراحي شناخته شده¬اند. سپس، مدل ديناميكي و جبري شبكه عصبي بازگشتي تعيين شده است. اين شبكه با حل مساله برنامه¬ريزي مرتبه دو مقيد، سيگنال كنترلي را به عنوان متغير بهينه¬سازي به¬شيوه¬ برخط تعيين مي¬كند. تحليل پايداري شبكه عصبي و سيستم حلقه¬بسته به¬كمك نظريه لياپانوف انجام‌گرفته و شرايط مناسب براي پارامترهاي طراحي جهت تضمين پايداري تعيين شده است. رويكرد پيشنهادي، اهداف عملكردي موردنظر را برآورده مي¬كند. با اين حال، تغييرات متغير با زمان پارامترهاي كنترلي ممكن است براي برخي از سيستم¬ها، موجب تغييرات نامطلوب روي متغيرهاي حالت و سيگنال كنترلي شود. بر اين اساس و بر مبناي اصول ارائه¬شده براي طراحي كنترل مد لغزشي بهينه مقيد، استراتژي كنترل مقاوم براي تعيين قطع¬خط پارامترهاي طراحي توسعه يافته¬است. اين كار با فرموله¬كردن ديناميك حلقه¬بسته خطا و تعيين بهره فيدبك خطاي مقاوم انجام مي¬گيرد. اين رويكرد با وجود برخورداري از مزايايي چون تنظيم قطع¬خط پارامترهاي طراحي، پاسخ¬هاي بدون چترينگ و توليد سيگنال كنترلي بهينه مقيد، در قياس با روش بهره متغير با زمان، پيچيدگي بيشتري داشته، قيد ديناميكي وابسته به حالت دارد و ممكن است با مشكل وجود جواب در سيستم¬هاي ديناميكي مرتبه بالا مواجه شود. به‌منظور بهبود مشخصه‌هاي عملكردي و حذف شرط لغزش به‌عنوان قيد ديناميكي، شاخص عملكرد مبتني بر قانون دسترسي نمايي پيشنهاد شده¬است. به¬علاوه، فرايندي خودتنظيم به شيوه قطع¬خط براي تعيين پارامترهاي كنترلي همراه با تحليل گذرا و حالت دائم توسعه يافته¬است. اين استراتژي نيز با وجود حفظ ويژگي¬هاي برجسته روش¬ مبتني بر بهره متغير با زمان و تنظيم مبتني بر ، تنها براي رديابي ورودي¬هاي مرجع پله مناسب بوده و شرط كنترل¬پذيري كامل حالت براي سيستم تحت كنترل، الزامي است. در انتها نيز به‌منظور تعميم‌پذيري و بررسي انطباق با پياده‌سازي ديجيتال، رهيافت جديدي مبتني بر رويكرد مقادير تكين براي تحليل پايداري كنترل مد لغزشي بهينه مقيدِ زمان¬گسسته با تلفيق شبكه عصبي بازگشتي توسعه¬يافته است. جهت بررسي كيفيت عملكرد استراتژي معرفي¬شده از سيستم¬هاي غيرخطي همانند آونگ وارون، راكتور تانك همزن پيوسته، سيستم تعليق مغناطيسي و سرومحرك الكتروهيدروليكي استفاده¬ شده است. علاوه بر آن، نتايج به‌دست‌آمده با جديدترين روش¬هاي پيشرفته مد لغزشي در مقالات مقايسه شده كه نشان از عملكرد بسيار مطلوب روش¬هاي پيشنهادي دارد.

1399/12/19

Constrained Optimal Sliding-Mode Controller Design Using Projection-Theorem-based Recurrent Neural Network for a Class of SISO Nonlinear Systems

1/13/2021 12:00:00 AM

In this thesis, constrained optimal sliding-mode control for a class of single input-single output dynamic nonlinear systems has been designed. The proposed control algorithm has been realized through decomposing the system dynamics into tow linear and nonlinear parts using projection- theory-based recurrent neural network. This approach has been developed with the aim of chattering avoidance, singularity avoidance, considering actuator limitations, minimizing control effort and closed-loop system robustness with respect to the model uncertainties. At the first step, the performance index has been defined based on the stabilization of the sliding surface. Then, minimization of the control effort and has been converted into quadratic programming problem in the presence of actuator limitations, where the weighting coefficients of the performance index and the sliding surface have been considered as the designing parameters. Next, the dynamic and algebraic models of the recurrent neural network have been determined. This network obtains the control signal online as the optimization variable, by solving a constrained quadratic programming problem. The stability analysis of the neural network and the closed-loop system have been performed using Lyapunov theorem. Suitable conditions have been obtained for designing parameters to insure the stability. The proposed approach satisfied the considered performance goals. However, the time varying changes of the control parameters may cause to undesired variations on the state variables and control signal for some systems. According to this and based on the presented principles for designing the constrained optimal sliding-mode control, an robust control strategy has been extended to determine the designing parameters offline. This has been done by formulating the dynamic of the closed-loop error and obtaining the robust error feedback gain. This approach, despite its advantages such as offline adjustment of the designing parameters, chattering-free responses, and obtaining constrained optimal control signal, is more complicated, has state-dependent constraint, and may exhibit feasibility solution problems for high-order dynamic systems. In order to improve the performance specifications and eliminating the sliding condition as a dynamic constraint, a new performance index is proposed based on the exponential reaching law. Moreover, an offline self-tuning process has been developed along with transient and steady-state analysis. This strategy despite having dominant aspects of the time-varying gain based method and the based adjustments, is only suitable for tracking step reference inputs and the complete state controllability condition for the controlled system. At the end, in order to generalize and adapt to the digital implementation, a new method based on singular value approach has been developed for stability analysis of discrete-time constrained optimal sliding-mode control using the recurrent neural network. In order to investigate the performance quality of the presented strategy, nonlinear systems such as inverse pendulum, continues stirred tank reactor, magnetic levitation system, and electro-hydraulic serve actuator have been used. Furthermore, the obtained results have been compared with newest advanced sliding-mode methods in recently developed method in literature. Simulating results show very good performance of the proposed approaches.

كنترل مد لغزشي , شبكه عصبي بازگشتي , چترينگ , قيد كنترلي , كنترل بهينه , نامعيني

Sliding-mode control , recurrent neural network , chattering , control limitations , optimal control , uncertainty