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


XML English Abstract Print


Download citation:
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
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) :33-23

URL: http://joc.kntu.ac.ir/article-1-735-fa.html


1- بخش مهندسی برق، گروه کنترل، دانشگاه شهید باهنر کرمان
2- بخش مهندسی برق، گروه کنترل، دانشگاه جیرفت
چکیده:   (4885 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.
متن کامل [PDF 826 kb]   (944 دریافت)    
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

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 نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2022 CC BY-NC 4.0 | Journal of Control

Designed & Developed by : Yektaweb