مینیمم واریانس قابل دسترسی به ازای کنترلکنندهPID با استفاده از روش تکاملی تطبیق ماتریس کواریانس
Publish place: 20th Iranian Conference on Electric Engineering
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,522
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICEE20_226
Index date: 4 August 2012
مینیمم واریانس قابل دسترسی به ازای کنترلکنندهPID با استفاده از روش تکاملی تطبیق ماتریس کواریانس abstract
ایده اولیه برای ارزیابی عملکرد کنترلکننده، مقایسه رفتار آن با کنترلکننده مینیمم واریانس میباشد. این مقایسه نمیتواند بیانگر رفتار واقعی کنترلکنندهPID باشد چرا که ساختار این کنترلکننده محدودیتهای جدی را بر روی عملکرد قابل دسترسی تحمیل میکند که منجر به بدتر شدن واریانس خروجی در مقایسه با معیار مینیمم واریانس میشود. به همین خاطر میتوان رفتار کنترلکننده را با یک کنترل کننده با همان ساختار ولی با پارامترهای بهینه مقایسه کرد. مشکل در به دست آوردن پارامترهای بهینه کنترلکنندهPID غیرمحدب بودن مسئله بهینهسازی میباشد. برای حل مشکل غیرمحدب بودن از روش تکاملی تطبیق ماتریس کواریانس استفاده کردهایم که روش قدرتمندی درحل مسائل بهینهسازی غیرمحدب میباشد. چون در بهینهسازی از دادههای خروجی استفاده میشود نیازی به رفع مشکل غیرمحدب بودن وجود ندارد. در این مقاله، ابتدا پارامترهای بهینهPID را به ازای مینیممکردن واریانس خروجی و بار دیگر به ازای مینیمم واریانس خروجی به همراه سیگنال کنترل با اختصاص توابع وزنی مناسب به دست آوردهایم. دلیل لحاظ کردن سیگنال کنترل در تابع هزینه، خشن شدن سیگنال کنترل در مینیمم کردن واریانس خروجی میباشد. هرچند در این روش، واریانس خروجی افزایش مییابد ولی سیگنال کنترل معقولیتری به دست میآید.
مینیمم واریانس قابل دسترسی به ازای کنترلکنندهPID با استفاده از روش تکاملی تطبیق ماتریس کواریانس Keywords:
مینیمم واریانس قابل دسترسی به ازای کنترلکنندهPID با استفاده از روش تکاملی تطبیق ماتریس کواریانس authors
علی صادق
دانشجوی کارشناسی ارشد- دانشگاه علم و صنعت
هومن سجادیان
استادیار دانشکده مهندسی برق- دانشگاه علم وصنعت
علی اکبر جلالی
دانشیار دانشکده مهندسی برق- دانشگاه علم وصنعت
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :