آموزش طراحی کنترل پیش بین مبتنی بر مدل MPC در متلب MATLAB
2 ساعت
4.0
در آموزش طراحی کنترل پیش بینی مبتنی بر مدل یا MPC در متلب به بررسی و نحوه طراحی یک کنترل گر پیش بین مبتنی بر مدل می پردازیم که بر روی مورد آزمایشگاهی فرایند چهار مخزن شبیه سازی شده است. در ادامه آن به بحث کدنویسی این استراتژی با استفاده از نرم افزار متلب درحالت های چند متغیره بدون قید می پردازیم و مباحثی نظیر اضافه کردن قید، کدنویسی با جعبه ابزار کنترل پیش بین (MPC Toolbox) و طراحی کنترل پیش بین صریح (Explicit Mpc) آموزش خواهیم داد. در 30 سال اخير تئوری و پيشرفت در زمينه کنترل پيش بين مدل با سرعت زيادي توسعه يافته است. با توجه به پيشرفت در زمينه های اقتصادی و صنعتی و به تناسب آن احتياج به کنترل کننده های بهينه مقيد در اين زمينه ها، تئوری و فناوری کنترل پيش بين مدل در حال حاضر با چالش های فراوانی روبرو است. امروزه MPC يک اسم يا يک الگوريتم کنترلی که بر روی چند سامانه کامپيوتری وجود دارد، نميباشد، بلکه MPC يک ايده خاص در طراحی کنترل کننده ها می باشد که از آن در بسياری از الگوريتم کنترلی سامانه های مختلف از قبيل خطی يا غيرخطی، گسسته يا پيوسته، توزيع شده يا متمرکز استفاده شده است. مشخصه های MPC را می توان مدل استفاده برای پيشبينی و بازخورد برای عدم قطعيت در مدل در نظر گرفت. کنترل پیش بین (Model Predictive Control یا MPC) نوعی کنترل پیشرفته فرایند است که از دهه ۱۹۸۰ در صنایع فرایند، صنایع شیمیایی و پالایشگاه های نفت به کار می رود. در سال های اخیر کنترل پیش بین در مدل های بالانس سیستم های قدرت نیز به کار رفته است. کنترل کننده های پیش بین مبتنی بر مدل های دینامیکی فرایند، عمدتا مدل های خطی تجربی، است که با شناسایی سیستم به دست آمده اند. مهمترین مزیت MPC آن است که امکان بهینه سازی تایم اسلات جاری را با در نظر گرفتن تایم اسلات های آینده می دهد. این کار با بهینه سازی یک افق زمانی محدود اما اجرای آن تنها در تایم اسلات جاری انجام می گیرد. MPC توانایی پیش بینی رخدادهای آینده و اتخاذ اعمال کنترلی متناسب با آن را دارد. کنترل کننده های PID و LQR توانایی پیش بینی را ندارند. MPC نوعی کنترل دیجیتال است. با وجود آن که بسیاری از فرایندهای واقعی خطی نیستند اغلب می توان آن ها را در بازه کوچکی خطی در نظر گرفت. روش های MPC خطی در کاربردها با مکانیسم فیدبک به کار می روند که خطاهای پیش بینی ناشی از عدم تطبیق بین مدل و فرایند را جبران می کند. در کنترل کننده های پیش بین که تنها از مدل های خطی تشکیل می شوند اصل برهم نهی (جمع آثار) جبر خطی این امکان را فراهم می سازد که اثر تغییرات متغیرهای نابسته چندگانه برای پیش بینی پاسخ متغیر وابسته با هم جمع شوند. با این کار مسئله کنترلی به یک سری محاسبات جبری ماتریسی مستقیم ساده می شود که سریع و مقاوم هستند. نکته ضروری در مورد این فرادرس آموزش پایه ای طراحی کنترل پیش بین و آشنایی با کد نویسی آن در متلب می باشد.
