پديد آورنده :
عباسي، ناهيد
عنوان :
كنترل تطبيقي - عصبي سيستمهاي غيرخطي به روش DSC در حضور اشباع عملگر و اغتشاش‌هاي خارجي
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
هفت، 79ص.: مصور، جدول، نمودار
يادداشت :
ص. ع. به فارسي و انگليسي
استاد راهنما :
مرضيه كمالي
توصيفگر ها :
شبكه عصبي RBF , سطح ديناميكي , اشباع عملگر
تاريخ ورود اطلاعات :
1395/11/19
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده عملگر يكي از اجزا بسيار مهم سيستمهاي كنترلي است كه فرمان كنترل را صادر ميكند درعمل هر دستگاه الكترومكانيكي ميتواند ظرفيتي محدود نيرو گشتاور ضربه جريان يا سرعت زاويهاي خطي را توليد كند اشباع در سيستمهاي كنترل يعني شرايطي كه حداقل يكي از المانهاي فيزيكي مورد استفاده در حلقۀ كنترلي در حداكثر كارايي خود در نقاط خاصي از زمان استفاده كرده است از ابتداي شكلگيري مهندسي كنترل به صورت امروزي بحث اشباع به خصوص در عملگر به دليل گريز ناپذير بودن مواجهه با آن و جدي بودن مشكالت ناشي از آن مطرح بوده است همچنين بسياري از سيستمهاي كاربردي در مهندسي كنترل به علت ارتباط پيچيدۀ بين متغيرهاي حالت ديناميك غيرخطي دارند طراحي كنترلكننده براي سيستمهاي غيرخطي هم در تحقيقات تئوري و هم در عمل گسترش يافته است يك روش طراحي كنترل مطلوب براي اين سيستمها اين است كه كنترلكننده قادر باشد خود را براي مقابله با نامعينيهاي سيستم تطبيق دهد بنابراين استفاده از كنترلكنندههاي تطبيقي يكي از روشهاي بسيار مهم براي كنترل سيستمهاي غيرخطي داراي نامعيني ميباشد در حوزهي كنترل تطبيقي عصبي از شبكههاي عصبي به عنوان تقريبزنهاي روي خط براي تقريب توابع غيرخطي نامشخص با توابع غيرخطي كه به صورت خطي برحسب پارامترهاي نامعين پارامتريزه شدهاند استفاده شده است با استفاده از ايدۀ طراحي با تكنيك گام به عقب كنترلكنندههاي تطبيقي عصبي جالبي براي دستههايي از سيستمهاي غيرخطي نامعين به فرم فيدبك اكيد بدون نياز به شرايط انطباق ارائه شده است اما در روش گام به عقب با افزايش درجۀ سيستم به دليل وجود مشتقهاي مكرر از وروديهاي مجازي در هر گام پيچيدگي كنترلكننده افزايش مييابد اين مشكل را ميتوان با استفاده از روش كنترل سطح ديناميكي DSC حل كرد هدف اصلي اين تحقيق كنترل مقاوم تطبيقي عصبي سيستمهاي غيرخطي نامعين در حضور اشباع عملگر با استفاده از روش DSC ميباشد سيستمهاي مورد مطالعه در حضور اشباع عملگر و اغتشاش خارجي و بدون در نظر گرفتن اين عوامل بررسي ميشوند در اين سيستمها از شبكههاي عصبي RBF براي تقريب توابع نامعين استفاده ميشود قانون كنترل و قوانين تطبيق تعريف ميشوند و با معرفي يك تابع لياپانوف مناسب پايداري UUB براي هر سه طرح پيشنهادي بررسي ميشود كلمات كليدي سيستمهاي غيرخطي به فرم فيدبك اكيد كنترل تطبيقي عصبي شبكه عصبي RBF كنترل سطح ديناميكي اشباع عملگر
چكيده انگليسي :
79 Neural adaptive control using DSC approach in the presence of actuator saturation and external disturbances Nahid Abasi n abasi@ec iut ac ir Date of Submission 2017 1 10 Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Marzieh Kamali m kamali@cc iut ac irAbstract All real world applications of feedback control involve control actuators with amplitude limitation Inpractice any electromechanical device can produce a limited capacity of force torque hit flow or linearangular velocity Saturation in control systems is the conditions that at least one of the physical elementsreaches the maximum of its performance in the control loop at certain points of time Since the formationof modern control engineering the control problem of systems with saturation is a significant and challengingresearch topic as actuators are always subject to limits Also in control engineering many practical systemshave dynamic non linear behavior because they have complex coupling state variables Investigation aboutController design for nonlinear systems has been developed from both in theoretical and practical points ofview A method of designing desired control of these systems is that the controller can be able to adapt itselfwith uncertain systems Therefore adaptive control is one of the very important methods which is used tocontrol uncertain nonlinear systems In adaptive neural control neural networks have been used as online approximators to approximate the unknown nonlinear functions using the ideaof backstepping technique without the need for matching conditions adaptive neural controllers is providedfor a class of uncertain nonlinear systems in strict feedback form However a drawback with the backsteppingtechnique is the problem of explosion of complexity That is the complexity of controller grows drasticallyas the order of the system increases This problem can be solved by using dynamic surface control DSC The main objective of this research is to developed robust adaptive neural control nonlinear systems in thepresence of actuator saturation by using the DSC method The studied systems which are strict feedbackform in the presence of actuator saturation and external disturbances and without considering these factors RBF neural networks are used to approximate the uncertain functions Control law and adaptation laws aredefined and by introducing a suitable Lyapunov function system stability is investigated Keywords Nonlinear systems in strict feedback form Adaptive neural control RBF neural network Dynamic surface control Actuator saturation
استاد راهنما :
مرضيه كمالي
