LQG

کنترل فیدبک خروجی بهینه LQG

در آموزشهای قبلی، کنترل فیدبک حالت بهینه LQR مورد بررسی قرار گرفت که فرض اساسی آن در دسترس بودن تمام حالتهاست. با توجه به محدود کننده بودن این فرض، در آموزش حاضر، کنترل فیدبک خروجی بهینه (LQG (Linear Quadratic Gaussian معرفی می‌شود که محدودیت LQR را نداشته و اندازه‌گیری همه حالتها مورد نیاز نیست. در واقع LQG از یک کنترل‌کننده بهینه LQR و یک فیلتر کالمن تشکیل شده است که فیلتر کالمن از خروجیهای سیستم تخمین حالتها را در هر لحظه محاسبه کرده و در اختیار کنترل‌کننده LQR قرار می‌دهد. مشابه LQR، LQG هم تنها برای سیستمهای خطی بهینه است اما می‌توان با استفاده از خطی‌سازی ژاکوپی برای سیستمهای غیرخطی نیز از آن استفاده کرد. در این مجموعه آموزشی نحوه طراحی و پیاده‌سازی کنترل‌کننده LQG برای سیستمهای خطی و غیرخطی در محیط نرم‌افزار متلب آموزش داده می‌شود.

پیشنیاز: آشنایی اولیه با نرم افزار متلب – تئوری سیستمهای خطی – کنترل فیدبک حالت بهینه LQR


جلسه اول: در این جلسه انواع سیستمهای کنترل فیدبک خروجی بهینه یا کنترل‌کننده گوسی مربعی خطی (LQG (Linear Quadratic Gaussian اعم از پیوسته، گسسته، هیبریدی، زمان محدود (Finite-Horizon) و زمان نامحدود (Infinite-Horizon) معرفی می‌شوند. ابتدا ساختار کنترل‌کننده LQG که متشکل از کنترل‌کننده بهینه LQR و فیلتر کالمن (Kalman Filter) است، تشریح شده و سپس تمام دستورات متلب مرتبط با LQG (پیوسته، گسسته و هیبریدی) معرفی شده و ورودیها و خروجیهای آنها تشریح می‌شوند.

مدت زمان آموزش: یک ساعت و نه دقیقه

حجم فایل: ۱۲۴ مگابایت

محتویات درس: فیلم با کیفیت ۷۲۰p، پاورپوینت درس و مراجع

پیش نمایش جلسه اول:

تمام پیش نمایشها دارای کیفیت ۷۲۰p هستند ولی ممکن است به علت سرعت کم اینترنت شما با کیفیت پایینتر نمایش داده شوند.
 با نگهداشتن نشانگر بر روی گزینه Capture در نوار پایین صفحه نمایش، می‌توانید کیفیت دلخواه را انتخاب کنید

1

جلسه دوم: در این جلسه یک رگولاتور LQG و یک سروو کنترلر انتگرالی LQG برای سیستم پاندول معکوس (Inverted Pendulum) طراحی می‌شود. ابتدا سیستم پاندول معکوس گرفته شده از سایت CTMS معرفی شده و یک مدل خطی برای آن در نظر گرفته می‌شود. سپس با استفاده از دستور lqg متلب یک رگولاتور LQG برای پاندول معکوس طراحی شده و در محیط متلب شبیه‌سازی می‌شود. در ادامه یک سروو کنترلر انتگرالی با استفاده از دستور lqg متلب برای پاندول معکوس طراحی می‌شود که امکان ردیابی سیگنال مرجع را امکانپذیر می‌سازید. سیستم پاندول معکوس با سروو کنترلر انتگرالی نیز در محیط سیمولینک متلب شبیه‌سازی شده و نتایج تحلیل می‌شوند.

مدت زمان آموزش: یک ساعت و بیست دقیقه

حجم فایل: ۱۴۴ مگابایت

محتویات درس: فیلم با کیفیت ۷۲۰p، پاورپوینت درس و فایلهای متلب

پیش نمایش جلسه دوم:

تمام پیش نمایشها دارای کیفیت ۷۲۰p هستند ولی ممکن است به علت سرعت کم اینترنت شما با کیفیت پایینتر نمایش داده شوند.
 با نگهداشتن نشانگر بر روی گزینه Capture در نوار پایین صفحه نمایش، می‌توانید کیفیت دلخواه را انتخاب کنید

جلسه سوم: در این جلسه یک رگولاتور هیبریدی LQG و یک سروو کنترلر هیبریدی LQG برای سیستم پاندول معکوس (Inverted Pendulum) طراحی می‌شود. ابتدا با استفاده از دستورات lqrd و kalmd به ترتیب بهره کنترل‌کننده بهینه و فیلتر کالمن هیبریدی برای پاندول معکوس طراحی شده و با دستور lqgreg باهم ترکیب می‌شوند و رگولاتور هیبریدی LQG برای سیستم پاندول معکوس طراحی می‌شود. سپس در محیط سیمولینک شبیه‌سازی انجام شده و نتایج مقایسه و تحلیل می‌شوند. در ادامه، با معرفی روش تغییر متغیر نحوه طراحی سررو کنترلر هیبریدی برای ایجاد ردیابی تشریح شده و با این روش یک سروو کنترلر هیبریدی برای پاندول معکوس طراحی می‌شود. در نهایت سروو کنترلر بدست آمده در محیط سیمولینک به سیستم پاندول معکوس اعمال شده و نتایج برای زمان نمونه‌برداری و سیگنالهای مرجع مختلف تحلیل می‌شوند.

مدت زمان آموزش: یک ساعت و بیست و سه دقیقه

حجم فایل: ۱۵۳ مگابایت

محتویات درس: فیلم با کیفیت ۷۲۰p، پاورپوینت درس و فایلهای متلب

پیش نمایش جلسه سوم:

تمام پیش نمایشها دارای کیفیت ۷۲۰p هستند ولی ممکن است به علت سرعت کم اینترنت شما با کیفیت پایینتر نمایش داده شوند.
 با نگهداشتن نشانگر بر روی گزینه Capture در نوار پایین صفحه نمایش، می‌توانید کیفیت دلخواه را انتخاب کنید

1

جلسه چهارم: در این جلسه نحوه طراحی کنترل‌کننده بهینه LQG برای سیستمهای غیرخطی تشریح می‌شود. ابتدا نحوه انتقال نقطه نامی (Nominal point) به مبدا برای یک سیستم غیرخطی در حالت کلی تشریح شده و نحوه خطی‌سازی آن حول نقطه نامی توضیح داده می‌شود. سپس برای سیستم خطی شده با استفاده از روشهای موجود یک کنترل‌کننده LQR و یک فیلتر کالمن طراحی می‌شود. برای نشان دادن روند طراحی، سیستم شناور مغناطیسی (Magnetic Levitation) معرفی شده و سپس حول نقطه نامی خطی می‌شود. سپس برای دو حالت پیوسته و هیبریدی کنترل‌کننده‌های بهینه LQR و فیلترهای کالمن برای آن طراحی می‌شود. در نهایت همه حالتها در محیط سیمولینک پیاده‌سازی شده و نتایج تحلیل و مقایسه می‎شوند.

مدت زمان آموزش: یک ساعت و دوازده دقیقه

حجم فایل: ۱۳۶ مگابایت

محتویات درس: فیلم با کیفیت ۷۲۰p، پاورپوینت درس، فایلهای متلب و مقاله Sinha2004

پیش نمایش جلسه چهارم:

تمام پیش نمایشها دارای کیفیت ۷۲۰p هستند ولی ممکن است به علت سرعت کم اینترنت شما با کیفیت پایینتر نمایش داده شوند.
 با نگهداشتن نشانگر بر روی گزینه Capture در نوار پایین صفحه نمایش، می‌توانید کیفیت دلخواه را انتخاب کنید

برای خرید کل جلسات با ۱۰ درصد تخفیف گزینه آخر را انتخاب کنید

خرید

۶ نظر

  1. با سلام و خسته نباشید خدمت دوستان،
    من دانشجوی دکتری کشاورزی هستم. برای پایان نامه م نیاز دارم که از فیلتر کالمن استفاده کنم.
    خلاصه کار من به اینصورت هست که: مدل شبیه سازی رشد گیاه رو ران میکنیم، همزمان از داده های ماهواره ای هم استفاده میکنیم، هر زمانی که داده ماهواره ای وجود داشته باشه، باید متغیر شبیه سازی شده در مدل، بر اساس داده ماهواره ای آپدیت بشه. مقالاتی که من خودندم، همگی فیلتر کالمن رو پیشنهاد کردند.
    ممنون میشم که کمکم کنید که از کجا باید شروع کنم.

    با تشکر
    حسین

    [پاسخ]

    علی جوادی پاسخ در تاريخ شهریور ۲۸ام, ۱۳۹۶ ۸:۱۴ ب.ظ:

    @حسین,
    سلام
    برای شروع به کار با کالمن به صفحه تخمین بهینه حالت مراجعه کنید و در قدم اول راهنمای استفاده از جلسات رو حتما ببینید. اگر باز سوالی داشتید داخل همون صفحه مطرح کنید

    [پاسخ]

  2. سلام
    در شبیه سازی یه مقاله که میشه گفت در حوزه کنترل مقاوم هست به مشکل خوردم، البته مثال مقاله رو شبیه سازی کردم اما وقتی پارامترهای سیستم رو تغییر میدم و کنترلر رو باز طراحی میکنم خروجی سیستم ناپایدار میشه. از لحاظ تئوری سیستم باید پایدار باشه اما در عمل این اتفاق نمی افته. خواستم ببینم شبیه سازی هم انجام میدین؟ البته فایل هاش آمادس و زیاد وقتتون رو نمیگیره؟
    با تشکر

    [پاسخ]

    علی جوادی پاسخ در تاريخ شهریور ۲۲ام, ۱۳۹۶ ۸:۴۳ ب.ظ:

    @امیر,
    سلام
    الان درگیر پیش دفاع هستم و اصلا فرصت ندارم. عذرخواهی منو بپذیرید

    [پاسخ]

  3. سلام آقای جوادی
    ممنون از موضوع خوبی که انتخاب کردید.
    robust optimal control هم جز آموزشتون هست ؟
    چون آموزش های مقاوم رو هم خودتون روی سایت قرار دادید

    [پاسخ]

    علی جوادی پاسخ در تاريخ مرداد ۱۲ام, ۱۳۹۶ ۱۰:۱۷ ب.ظ:

    @رضا,
    با سلام و تشکر از لطف شما
    اگر مشکل خاصی پیش نیاد، بعد از تاخیر (که در حال آماده سازیش هستم)، نوبت ∞H2/H هستش که هم مقاومه و هم بهینه

    [پاسخ]

یک پاسخ بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *