در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

“M.Sc” سمینار برای دریافت درجه کارشناسی ارشد

مهندسی برق – کنترل

عنوان:

مطالعه طراحی ماتریس وزن دهی در تنظیم کننده های مربعی خطی LQR مبنی بر الگوریتم تدریجی چند منظوره

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی گردد

تکه هایی از متن به عنوان نمونه : (ممکن می باشد هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود اما در فایل دانلودی همه چیز مرتب و کامل می باشد)
چکیده:
با در نظر داشتن معضلات طراحی ماتریس های وزنی برای LQR، راهکاری مبتنی بر یک الگوریتم تکامل تدریجی چند منظوره پیشنهاد می گردد. ماتریس های وزن دهی LQR کنترل فیدبک حالت و کنترک کننده بهینه از طریق بنا کردن مدل بهینه سازی با اهداف چند منظوره و با بهره گیری از MOEA به دست می آید که موجب می گردد سیستم کنترلی ساخته شده به صورت همزمان به معیارهای عملکرد درخواست شده نائل گردد. کنترلر برای سیستم پاندول معکوس دوبل با بهره گیری از روش پیشنهاد شده طراحی شده می باشد. نتایج شبیه سازی نشان می دهد که زمان خیز و اورشوت کوچکتر از روش طراحی ماتریس وزن دهی LQR در جایابی و تعیین قطب ها دارد. پس صحت روش ارائه شده مورد تائید قرار می گیرد.
مقدمه:
در میان روش های طراحی سیستم کنترل فیدبک چند متغیره، محققین روی طراحی مبتنی بر LQR بیشتر متمرکز شده اند زیرا دارا حاشیه دامنه بی نهایت و حاشیه فاز بیشتر از 60 درجه می باشد.
طراحی ماتریس های وزن دهی Q و R در توابع هزینه مربعی خطی وقتی از LQR بهره گیری می گردد چندان ساده نیست. روش های متداول مبتنی بر تجربه های صنعتی و نیز روش کوشش و خطا، پیچیدگی طراحی را به داخل پروسس می برد. بدین خاطر گاهی بهره گیری از الگوریتم ژنتیک و نیز بهره گیری از جایابی قطب برای طراحی ماتریس وزن دهی LQR پیشنهاد می گردد.
MOEA در میان روش های حل مسائل بهینه سازی با اهداف چند منظوره مزایای ویژه ای دارد و می تواند تعدادی جواب بهینه پارتو را در یک زمان به دست آورد. در سال های اخیر دو محقق چینی MOEA را بر پایه بهینه سازی با اهداف چند منظوره در حوزه کنترل به کار بردند و به نتایج تحقیقی ارزشمندی دست یافتند.
Qingliang و MOEA را برای کنترل هیبریدی H& / H2 به کار برد. که نتایجی بهتر از روش LMI به دست آورد. Zhenyu Zhou و MOEA را برای بهینه سازی پارامترهای کنترل FACTS به کار برد، که مشکل عملکرد متناسب تریستور جبران کننده سری کنترل شده و جبران کننده VAR ایستا را برطرف نمود. Bufu Huang و MOEA را برای بهینه سازی پارامترهای کنترل قدرت از سری وسائل الکتریکی هیبریدی به کار برد.
کارهای مفید دیگری نیز با بهره گیری از روش MOEA توسط A.Gambier و Low در صنایع مختلف انجام شده می باشد.
1- ماتریس های وزن دهی Q و R در LQR
مدل خطی شده برای یک کلاس از سیستم غیرخطی چند ورودی – چند خروجی به صورت زیر می باشد:
(x(t)=Ax(t)+Bu(t
(y(t)=Cx(t)+Du(t
که (x(t و (y(t و (u(t به ترتیب بردار حالت با بعد m، بردار خروجی با بعد r و بردار ورودی با بعد n می باشد. A و B و C و D ماتریس های حالت می باشد و تابع هزینه مربعی خطی نیز به صورت زیر می باشد:
J=&0[xT(t)Qx(t)+uT(t)Ru(t)]dt
 Q ماتریس غیرمنفی متقارن با ابعاد m*m می باشد که ماتریس وزن دهی به متغیرهای حالت X در تابع هزینه J می باشد. R ماتریس مثبت متقارن با ابعاد n*n می باشد که ماتریس وزن دهی به متغیرهای ورودی u در تابع هزینه J می باشد.
طبق روش LQR کنترلر بهینه که مقدار J توصیف شده در فرمول (2) را مینیمم می کند به صورت معادلات زیر می باشد:
u(t)=-kx(t
k=R-1BTP
k، نرخ کنترلر بهینه فیدبک حالت می باشد و P ماتریس مثبت متقارن می باشد که از حل معادله جبری ریکاتی معادله زیر به دست می آید:
PA+ATP+Q-PBR-1BTP=0
در آغاز برای طراحی کنترلر بهینه، تابع هزینه مربعی J بایستی تشکیل گردد. به این معنا که آغاز بایستی ماتریس های وزن دهی Q و R طراحی گردند. با جایگزاری حل معادله (5) در معادله (4)، نرخ فیدبک حالت بهینه k و کنترل بهینه فراهم می گردد. بدیهی می باشد وقتی از روش LQR بهره گیری می گردد نرخ فیدبک حالت بهینه k به وسیله ماتریس های وزن دهی Q و R قطعی می گردد. بعلاوه موقعیت قطب های سیستم حلقه بسته و حیطه پاسخ زمانی تابع هزینه اساسا تحت تاثیر k می باشد. پس انتخاب ماتریس های وزن دهی Q و R در J نقشی مهم در فرآیند طراحی کنترلر بهینه متناظر اعمال می کند.
تعداد صفحه : 31
قیمت : 14700 تومان

 

این مطلب رو هم توصیه می کنم بخونین:   سمینار ارشد رشته برق قدرت: تحلیل رفتار مغناطیسی ماشین القایی تحت ولتاژ هارمونیکی

***

—-

دسته‌ها: مهندسی برق