دوره 15، شماره 3 - ( مجله کنترل، جلد 15، شماره 3، پاییز 1400 )
جلد 15 شماره 3,1400 صفحات 33-23 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asadi Y, Maghfoori M, Bijami E. The design of Data-Driven Adaptive Predictive Controller for a class of unknown no-linear system featuring output saturation. JoC 2021; 15 (3) :23-33
URL: http://joc.kntu.ac.ir/article-1-735-fa.html
URL: http://joc.kntu.ac.ir/article-1-735-fa.html
اسدی یاسین، مغفوری ملیحه، بی جامی احسان. طراحی کنترل کننده داده محور تطبیقی پیشبین برای سیستمهای غیرخطی ناشناخته در حضور پدیده اشباع خروجی. مجله کنترل. 1400; 15 (3) :23-33
یاسین اسدی1 
، ملیحه مغفوری* 1، احسان بی جامی2
، ملیحه مغفوری* 1، احسان بی جامی2
1- بخش مهندسی برق، گروه کنترل، دانشگاه شهید باهنر کرمان
2- بخش مهندسی برق، گروه کنترل، دانشگاه جیرفت
2- بخش مهندسی برق، گروه کنترل، دانشگاه جیرفت
چکیده: (6205 مشاهده)
امروزه سیستمهای صنعتی همواره با محدودیتهای متنوعی همراه هستند. پدیده اشباع خروجی و عدم دسترسی به مدل دقیق سیستم، نمونهای از این محدودیتها میباشند. در این مقاله یک کنترل کننده داده محور تطبیقی پیشبین برای گروه خاصی از سیستمهای غیرخطی ناشناخته در حضور پدیده اشباع خروجی ارائه میشود. طراحی سیگنال کنترلی تنها وابسته به دادههای ورودی و خروجی سیستم میباشد و از مدل سیستم هیچ استفادهای نمی‌شود. به همین منظور یک مدل جدید خطی دینامیکی از سیستم نامعلوم توسعه مییابد که اثر اشباع خروجی در آن لحاظ شده است. سپس با استفاده از مدل خطی دینامیکی بدست آمده یک ساختار داده محور تطبیقی پیشبین ارائه و اثبات میشود که با گذشت زمان برای سیگنال مرجع ثابت یا متغیر با زمان، خطای تعقیب به ترتیب به صفر و یک مقدار محدود همگرا میشود. با توجه به عدم وابستگی روش پیشنهادی به مدل سیستم، روش پیشنهاد شده نسبت به روشهای کنترلی مبتنی بر مدل در برابر تغییرات سیستم مقاومتر است. همچنین شبیه سازیهای انجام شده کارایی روش پیشنهادی را نسبت به چند روش کنترلی داده محور مشخص مینماید.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1398/11/15 | پذیرش: 1399/8/11 | انتشار الکترونیک پیش از انتشار نهایی: 1399/9/12 | انتشار: 1400/11/12
دریافت: 1398/11/15 | پذیرش: 1399/8/11 | انتشار الکترونیک پیش از انتشار نهایی: 1399/9/12 | انتشار: 1400/11/12
فهرست منابع
1. Benner, Peter, et al., 2017, "Model reduction and approximation: theory and algorithms", SIAM, Vol. 15. [DOI:10.1137/1.9781611974829]
2. [2] Tympakianaki, A., Koutsopoulos, HN., Jenelius, E., 2018, "Robust SPSA algorithms for dynamic OD matrix estimation", Procedia computer science, Vol. 130, pp. 57-64. [DOI:10.1016/j.procs.2018.04.012]
3. [3] Mišković, L., Karimi, A., Bonvin, D., 2003, "Correlation-based tuning of a restricted complexity controller for an active suspension system", European journal of control, Vol. 9, pp. 77-83. [DOI:10.3166/ejc.9.77-83]
4. [4] Karimi, A., Mišković, L., Bonvin, D., 2004, "Iterative correlation‐based controller tuning", International journal of adaptive control and signal processing, Vol. 18, No. 8, pp. 645-664. [DOI:10.1002/acs.825]
5. [5] Li, X., Chen, S.L., Ma, J., et al., "Data-Driven Model-Free Iterative Tuning Approach for Smooth and Accurate Tracking", 2018 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM). IEEE, 2018. [DOI:10.1109/AIM.2018.8452239]
6. [6] Mircea-Bogdan, R., Precup, R. E. and Petriu, M., 2015, "Constrained data-driven model-free ILC-based reference input tuning algorithm", Acta Polytechnica Hungarica, Vol. 12. No. 1, pp. 137-160. [DOI:10.12700/APH.12.1.2015.1.9]
7. [7] Chi, R., et al, 2017, "Constrained data-driven optimal iterative learning control" Journal of Process Control, Vol. 55, pp. 10-29. [DOI:10.1016/j.jprocont.2017.03.003]
8. [8] Rui, Z., Song, X. Wen, D., and Sun, C., 2013, "Optimal tracking control for a class of unknown discrete-time systems with actuator saturation via data-based ADP algorithm", Acta Automatica Sinica, Vol. 39, No. 9, pp. 1413-1420. [DOI:10.1016/S1874-1029(13)60070-1]
9. [9] Hui, Y., Chi, R., Huang, B., Hou, Z. and Jin S., 2020 "Observer-Based Sampled-Data Model-Free Adaptive Control for Continuous-Time Nonlinear Nonaffine Systems With Input Rate Constraints" in IEEE Transactions on Systems, Man, and Cybernetics: Systems, Vol. 10, pp. 1-10.
10. [10] Bu, X., Wang, Q., Hou, Z., et al.,2018, "Data driven control for a class of nonlinear systems with output saturation", ISA transactions, Vol. 81, pp. 1-7. [DOI:10.1016/j.isatra.2018.07.009]
11. [11] Hou, Z., Yuanming, Z., 2013, "Controller-dynamic-linearization-based model free adaptive control for discrete-time nonlinear systems", IEEE Transactions on Industrial Informatics, Vol. 9, No. 4, pp. 2301-2309. [DOI:10.1109/TII.2013.2257806]
12. [12] Bu, X., Hou, Z., Yu, Q., et al., 2018, "Quantized Data Driven Iterative Learning Control for a Class of Nonlinear Systems With Sensor Saturation", IEEE Transactions on Systems, Man, and Cybernetics: Systems, pp. 1-11.
13. [13] Bu, Xuhui, et al, 2018, "Model free adaptive control for a class of nonlinear systems using quantized information." Asian Journal of Control, Vol. 20, No. 2, pp. 962-968. [DOI:10.1002/asjc.1610]
14. [14] Xu, D., Shi, Y., Ji, Z., 2018, "Model-Free Adaptive Discrete-Time Integral Sliding-Mode-Constrained-Control for Autonomous 4WMV Parking Systems", IEEE Transactions on Industrial Electronics, Vol. 65, No. 1, pp. 834-843. [DOI:10.1109/TIE.2017.2739680]
15. [15] Qiu, X., et al, 2020, "Resilient Model-Free Adaptive Control for Cyber-physical Systems Against Jamming Attack", Neurocomputing. [DOI:10.1016/j.neucom.2020.04.043]
16. [16] Yu, W., et al, 2020, "Model Free Adaptive Control for a Class of Nonlinear Systems with Fading Measurements", Journal of the Franklin Institute. [DOI:10.1016/j.jfranklin.2020.05.041]
17. [17] Guo, Y., et al, 2019, "Data-Driven Model-Free Adaptive Predictive Control for a Class of MIMO Nonlinear Discrete-Time Systems with Stability Analysis", IEEE Access, Vol. 7, pp. 102852-102866. [DOI:10.1109/ACCESS.2019.2931198]
18. [18] Wang, D., 2018, "A Novel Controller Dynamic Linearization-Based Model Free Adaptive Predictive Control for A Class Of Discrete Nonlinear Systems", International Conference on Mechanical, Electronic, Control and Automation Engineering, (MECAE 2018), Atlantis Press. [DOI:10.2991/mecae-18.2018.80]
19. [19] Hou, Z., Ronghu, C., Huijun, G., 2017, "An overview of dynamic-linearization-based data-driven control and applications", IEEE Transactions on Industrial Electronics, Vol. 64, No. 5, pp. 4076-4090. [DOI:10.1109/TIE.2016.2636126]
20. [20] Hou, Z., and Shuangshuang X., 2019, "On model free adaptive control and its stability analysis", IEEE Transactions on Automatic Control, Vol. 64, No. 11, pp. 4555-4569. [DOI:10.1109/TAC.2019.2894586]
21. [21] Hou, Z., and Shangtai J., 2013, "Model free adaptive control: theory and applications. CRC press. [DOI:10.1201/b15752]
22. [22] Narendra, K. S. and Parthasarathy, K., 1990, "Identification and control for dynamic systems using neural networks", IEEE Transactions on Neural Networks, vol. 1, no. 1, pp. 4-27.. [DOI:10.1109/72.80202]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
