طراحی یک کنترل‌کننده تطبیقی افق پیش‌رونده مبتنی بر سیستم استنتاج فازی TSK برای یک سیستم دینامیکی غیرخطی

نوع مقاله : مقاله پژوهشی

نویسنده

دانشکده مهندسی برق و کامپیوتر، دانشگاه بیرجند، بیرجند، ایران

چکیده

در این مقاله، مراحل طراحی یک کنترل‌کننده تطبیقی افق پیش‌رونده چند مدلی برای یک سیستم دینامیکی غیرخطی مورد بررسی قرار گرفته است. برای پیاده‌سازی این ساختار کنترلی از سیستم استنتاج فازی تاکاگی-سوگنو-کنگ (TSK) برای پیش‌بینی کردن رفتار سیستم دینامیکی روی یک افق پیش‌رونده استفاده شده است. در کنترل‌کننده پیشنهادی، بخش خطی مدل فازی TSK به عنوان یک مدل خطی برای پیاده‌سازی کنترل‌کننده افق پیش‌رونده چند مرحله‌ای برای محاسبه دنباله ورودی کنترلی بهینه مورد استفاده قرار می‌گیرد. تخمین پارامترهای این بخش از TSK برعهده یک قانون تطبیق بازگشتی برخط بوده و پارامترهای بخش تالی مدل TSK به صورت برون خط تعیین می گردند. برای تولید مدل فازی، فضای ورودی-خروجی به کمک خوشه‌بندی فازی تقسیم بندی می شود. هر خوشه یک ناحیه عملکردی از سیستم دینامیکی پیچیده را در فضای ورودی-خروجی نمایش می‌دهد. در استراتژی کنترلی پیشنهادی، فرض بر این است که متغیرهای استفاده شده در بخش تالی قواعد همان متغیرهای مورد استفاده در بخش پیرو قواعد هستند. برای کنترل مناسب سیستم غیرخطی از یک مدل چندگانه روی افق پیش رونده استفاده می شود. به منظور ارزیابی استراتژی کنترلی پیشنهادی، ساختار کنترلی پیشنهادی برای کنترل توان یک راکتور هسته‌ای در مسئله تعقیب بار مورد استفاده قرار گرفته است. نتایج شبیه‌سازی نشان‌دهنده عملکرد خوب ساختار کنترلی پیشنهادی است.

کلیدواژه‌ها


[1] Bakibillah, A.S.M., Kamal, M.A.S., Tan, C.P., Hayakawa, T. and Imura, J.I., Fuzzy-tuned model predictive control for dynamic eco-driving on hilly roads, Applied Soft Computing, vol. 99, pp. 106875, 2021.
 
[2] Böhler, L., Krail, J., Görtler, G. and Kozek, M., Fuzzy model predictive control for small-scale biomass combustion furnaces, Applied Energy, vol. 276, pp. 115339, 2020.
 
[3] Boulkaibet, I., Belarbi, K., Bououden,B., Marwala,T. and Chdali, M., A new TS fuzzy model predictive control for nonlinear processes, Expert Systems with Applications, vol. 88, pp. 132–151, 2017.
 
[4] Boulkaibet, I., Belarbi, K., Bououden, S., Chadli, M., and Marwala, T., An adaptive fuzzy predictive control of nonlinear processes based on multi-Kernel least squares support vector regression, Applied Soft Computing, vol. 73, pp. 572-590, 2018.
 
[5] Boulkaibet, I., Belarbi, K., Bououden, S., Marwala, T. and Chadli, M., “A new T-S fuzzy model predictive control for nonlinear processes”, Expert Systems with Applications, vol. 88, pp. 132-151, 2017.
 
[6] Bououden, S., Boulakaibet, I., Aboudi, A. and Chadli, M., Robust Fuzzy Model Predictive Control with time delays for Nonlinear Systems, Procedia Computer Science, vol. 186, pp.109-119, 2021.
 
[7] Bououden, S., Chadli, M., Filali, S. and El Hajjaji, A., Fuzzy Model Based Multivariable Predictive Control of a Variable Speed Wind Turbine: LMI approach, Renewable Energy, vol. 37, no. 1, pp. 434–439, 2012.
 
[8] Bououden, S., Chadli, M. and Karimi, H.R., Control of Uncertain Highly Nonlinear Biological Process Based on Takagi-Sugeno Fuzzy Models, Signal Processing, vol. 108, pp. 195–205, 2015.
 
[9] Eliasi, H., Menhaj, M. B., Davilu, H., “Robust nonlinear model predictive control for a PWR nuclear power plant”, Progress in Nuclear Energy, vol. 54, no. 1, pp. 177-185, 2012.
 
[10] Fele, F., De Paola, A., Angeli, D. and Strbac, G., “A framework for receding horizon control in infinite horizon aggregative games”, Annual Reviews in Control, vol. 45, pp. 191-204, 2018.
 
[11] Isermann, R., Matko, D. and Lachmann, K.H., Adaptive control systems, Prentice-Hall, Inc. 1992.
 
[12] Jeong, S.C. and Park, P.G., Constrained MPC Algorithm for Uncertain TimeVarying Systems with State-Delay, IEEE Transaction on Automatic Control, vol. 50, no. 2, pp. 257–263, 2005.
 
[13] Mahmoud, M. S., Xia, Y. and Zhang, S., Robust Packet-Based Nonlinear Fuzzy Networked Control Systems, Journal of the Franklin Institute, vol. 356, no. 3, pp. 1502–1521, 2019.
 
[14] Makni, S., Robust observer-based Fault Tolerant Tracking Control for T-S uncertain systems subject to sensor and actuator faults, ISA Transactions, vol. 88, pp. 1–11, 2019.
 
[15] Takagi, T. and Sugeno, M., Fuzzy identification of systems and its application to modeling and control, IEEE Trans. Syst. Man Cyber, vol. 15, pp. 116–132,1985.
 
[16] Tanaskovic, M., Fagiano, L., Smith, R. and Morari, M., “Adaptive receding horizon control for constrained MIMO systems”, Automatica, vol. 50, no. 12, pp. 3019-3029, 2014.
 
[17] Zhu, J., Nonlinear dynamic investigation and anti-bifurcation control of a boilerturbine unit via dual-mode fuzzy model predictive control strategy, Journal of the Franklin Institute, 2021. (In Press)