مرجع مهندسی كنترل | دانش با کیفیت در مرز علم
همونطور که میدونید در سیستمهایی که با کنترل کننده فیدبک حالت پایدارسازی انجام میشه، باید تمامی حالتها اندازه‌گیری شده و در دسترس باشند. در برخی از سیستمهای کنترل، امکان به کارگیری کنترل کننده فیدبک حالت وجود نداره. حداقل دو دلیل برای این مساله وجود داره:
- شاید بعضی متغیرهای فیزیکی قابل اندازه‌گیری نباشند یا با دقت مورد نظر نشه اندازه گیری کرد.
- اندازه‌گیری تمام حالتها نیاز به سنسورهای فراوان (به تعداد حالتها) داشته و عملا هزینه سیستم کنترل رو افزایش میده بنابراین شاید بلحاظ اقتصادی به صرفه نباشه که همه حالتها رو اندازه گرفت.
بنابراین باید سیستم کنترل رو بنحوی اصلاح کرد تا بتونه با اندازه‌گیری های کمتر هم بتونه سیستم رو پایدار کنه و به عملکرد مطلوب برسه. راه حل استفاده از کنترل فیدبک خروجیه که از یک رویتگر (یا تخمین‌گر) استفاده میکنه تا حالتها رو تخمین بزنه. رویتگر لیونبرگر به عنوان یکی از رویتگرهای خطی، یک دینامیک شبیه دینامیک خود سیستم تحت کنترل هستش که ورودی و خروجی سیستم بعلاوه پارامترهای سیستم رو دریافت کرده و تخمین حالتها رو محاسبه میکنه. البته رویتگرهایی هم وجود دارند که فقط ورودی ویا فقط خروجی سیستم رو دریافت میکنند و حالتها رو تخمین میزنند ولی عموما عملکرد خوبی ندارند و به ندرت از اونها استفاده میشه.
در این سری فیلمها قراره رویتگرهای لیونبرگر مرتبه کامل و مرتبه کاهش یافته به همراه کنترل کننده متناسب با هر کدوم به گونه‌ای طراحی بشن که همزمان هم پایداری سیستم حلقه بسته تضمین بشه و هم تخمین حالتها به خود حالتها همگرا بشه. برای این کار از روش مستقیم لیاپونوف مساله به چند تا نامساوی ماتریسی خطی (LMI) تبدیل میشه که در صورت حل‌پذیری اونها، بهره کنترل کننده و رویتگر هر دو محاسبه میشن. در نهایت هر دو روش بالا روی سیستم گوی و میله پیاده شده و سیستم حلقه بسته هم در محیط m-file و هم در سیمولینک شبیه سازی شده و نتایج دو سیستم کنترل باهم مقایسه میشه.
با امید به رضایت شما عزیزان…
پیشنیازها: آشنایی اولیه با جبر خطی و تئوری پایداری لیاپونوف – آشنایی با کدنویسی در محیط متلب – آشنایی با نامساویهای ماتریسی خطی (LMI)
جلسه اول:
معرفی انواع رویتگرها و تحلیل فرکانسی
جلسه دوم:
استخراج LMI های مورد نیاز برای تضمین همگرایی رویتگر
جلسه سوم:
طراحی کنترل کننده فیدبک خروجی از طریق رویتگر مرتبه کامل برای سیستم گوی و میله و شبیه‌سازی در متلب
جلسه چهارم:
طراحی رویتگر مرتبه کاهش یافته و استخراج LMI های مورد نیاز
جلسه پنجم:
طراحی کنترل کننده فیدبک خروجی از طریق رویتگر مرتبه کاهش یافته برای سیستم گوی و میله و شبیه‌سازی در متلب
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
هادی
سلام آقای دکتر. وقت شما بخیر.
چرا در مراجع بیان می شود که اصل تفکیک (Separation principle) برای سیستم های دارای نامعینی یا سیستم های دارای ترم غیرخطی صادق نیست؟
ممنون می شوم راهنمایی بفرمایید.
دکتر علی جوادی
سلام
به خاطر اینکه اثبات ارائه شده فقط برای سیستم خطی و بدون نامعینی صادق است
امیر
با عرض سلام و ادب
بنده بر روی سیستم توربین بادی مبتنی بر ژنراتور دو سو تغذیه هستم
و قصد بررسی رویتگر اغتشاش بر روی این سیستم را دارم ایا جنابعالی اموزشی در این راستا ارایه داده اید؟
با تشکر
علی جوادی
با سلام
در اینجا و مجموعه های دیگه صرفا رویتگر حالت بحث شده و مجموعه ای در مورد رویتگر اغتشاش تهیه نکردم
امیر
ممنون و سپاس گزارم از لطف شما
جسارتا اگر منبعی در این راستا به بنده معرفی کنید ممنون خواهم شد
علی جوادی
من در این زمینه تخصصی ندارم و متاسفانه منبعی نمیشناسم
امیر
ممنونم
مهدی
سلام آقای جوادی ، امیدوارم حالتون خوب باشه ، من دنبال یک مقاله ریو جدید در مورد observers و filters باشه، مقاله ای مثل مقاله A Survey of State and Disturbance Observers for Practitioners نوشته Aaron Radke and Zhiqiang Gao اما با منابع جدیدتر و 2018 یا 2019 باشه. ممنون میشم اگر همچین مقاله ای دارین بهم بگین.
با تشکر
علی جوادی
سلام
من جدیدا در این زمینه سرچ نکردم.
پیشنهاد من اینه که ببینید کدوم مقالات به این مقاله ارجاع دادند. اگر همچین مقاله جامعی که شما دنبالش هستید، وجود داشته باشه اصولا باید به این مقاله ارجاع بده
saeed
سلام
ببخشید در مورد جمله ای که توی این صفحه نوشتید سوال دارم
جمله ای که نوشته شده اینه: البته رویتگرهایی هم وجود دارند که فقط ورودی ویا فقط خروجی سیستم رو دریافت میکنند و حالتها رو تخمین میزنند ولی عموما عملکرد خوبی ندارند و به ندرت از اونها استفاده میشه.
می شه بفرمایید چه رویتگرهایی هستند که فقط با خروجی سیستم حالت رو می تونند تخمین بزنند؟
مثلا از فیلتر کالمن هم می شه استفاده کرد یعنی با این که معادله حالت مشاهده و ورودی رو نداریم و فقط یک تعداد measurment داریم می تونیم تخمین حالت رو انجام بدیم؟
علی جوادی
سلام
مثلا میشه با استفاده از dual estimation حالتها و پارامترها رو به صورت همزمان تخمین زد.
برای اطلاعات بیشتر به جلسه 88 مجموعه تخمین بهینه حالت مراجعه کنید
پیام
Input to SVD must not contain NaN or Inf.
این خطا رو هنگام اجرای ماتریس T میده و نمیدونم دلیلش چیه
علی جوادی
شاید مشکل به solver بر میگرده. mosek رو امتحان کنید ببینید جواب میده یا نه