اپلیکیشن زینگ | باربری آنلاین
زینگ - سامانه جامع حمل و نقل

تماس تلفنی

دانلود زینگ
خانه اپلیکیشن زینگ سامانه صادرات و واردات فروشگاه خدمات اطلاعاتی
خدمات جانبی
تماس با ما
زینگ - سامانه جامع حمل و نقل کشوری

تماس تلفنی

دانلود زینگ

جستجو
عضویت در سامانه صادرات، واردات، تجارت
گروه بازرگانی هومان پویان

الگوریتم های حل مسئله بهینه سازی:
اگر کنترل پیش بین مدل نامقید باشد، می توان به صورت تحلیلی مسئله بهینه سازی را حل کرد. کافی است که از تابع هزینه نسبت به متغیرهای تصمیم مشتق گرفته و ریشه مشتق را محاسبه کرد.

مقایسه_کنترل5

اما اگر تابع هزینه کنترل پیش بین مدل مقید باشد، اغلب از روش های تکراری برای بهینه سازی آن استفاده می کنند.

معروف ترین الگوریتم های بهینه سازی تکراری Interior-point، SQP و Active-Set هستند که در نرم افزار مهندسی متلب (MATLAB) در دستور fmincon گنجانده شده است.

نرم افزارهای تجاری نیز برای بهینه سازی تابع هزینه، هنگام پیاده سازی صنعتی کنترل پیش بین مدل وجود دارند که یکی از مهم ترین آنها تولباکس yalmip است که با استفاده از این نرم افزار بسیاری از مسائل بهینه سازی نامقید، مقید، خطی و غیرخطی قابل حل است.

بهینه‌سازی در نرم‌افزار MATLAB

انواع استراتژی های کنترل پیش بین مدل:
استراتژی های مختلفی برای کنترل پیش بین مدل ذکر شده اند که در همه آنها از سه اصل زیر استفاده می شود:

  • استفاده صریح از مدل دینامیکی فرآیند به منظور پیش بینی رفتار آینده سیستم.
  • محاسبه سیگنال کنترلی بهینه با بهینه سازی تابع هزینه و در نظر گرفتن قیود آن.
  • اصل افق کاهنده.

اما تفاوت آنها در موارد زیر است:

  • نوع مدل فرآیند برای پیش بینی: برخی از الگوریتم ها از پاسخ پله سیستم، برخی دیگر از مدل تابع تبدیل و برخی دیگر از مدل فضای حالت سیستم برای پیش بینی استفاده می کنند.
  • شیوه در نظر گرفتن اغتشاشات وارد بر سیستم.
  • نوع تابع هزینه: اغلب از مجموع مربعات خطای ردیابی و سیگنال کنترلی به عنوان تابع هزینه استفاده می شود. اما می توان مجموع قدرمطلق های خطای ردیابی و سیگنال کنترلی و یا هر تابع هزینه ای دیگری را بسته به نوع پلانت در نظر گرفت.

با توجه به این تفاوت ها، مهم ترین استراتژی های کنترل پیش بین مدل عبارتند از:

  • الگوریتم MAC: استفاده از پاسخ ضربه تجربی سیستم برای پیش بینی سیستم.
  • الگوریتم DMC: استفاده از پاسخ پله تجربی سیستم برای پیش بینی سیستم.
  • الگوریتم PFC: استفاده از مدل سازی فضای حالت سیستم برای پیش بینی سیستم.
  • الگوریتم GPC: استفاده از مدل سازی تابع تبدیل گسسته سیستم برای پیش بینی سیستم.
  • الگوریتم کنترل پیش بین مدل غیرخطی NMPC: کنترل پیش بین مدل برای سیستم های غیرخطی.
کشتیرانی
حمل زمینی
وانت
حمل هوایی
نظر شما
نام و نام خانوادگی:

شماره تماس (نمایش داده نمی شود):

کد امنیتی: captcha

متن پیام: (نظر شما پس از بررسی منتشر خواهد شد)


مطالب مرتبط:
مخفی کردن >>