عنوان پایان‌نامه
شناسایی و کنترل سیستمهای غیر خطی با استفاده از ویولت و استخراج مدل کاهش مرتبه یافته
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 47016;کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1806
- تاریخ دفاع
- ۲۳ شهریور ۱۳۸۹
- دانشجو
- حمید خدابنده لو
- استاد راهنما
- فرزاد رجایی سلماسی
- چکیده
- چکیده شناسایی و کنترل برخط سیستم¬های دینامیک غیر خطی یکی از زمینه¬های مورد علاقه در کنترل فرایندهای صنعتی مانند صنایع شیمیایی، پتروشیمی و همچنین کنترل ربات است. در حالی که روشهای بسیاری برای شناسایی خارج خط چنین سیستم¬هایی با استفاده از شبکه¬های عصبی معمولی ابداع و به کار برده شده است، مساله زمانبری یادگیری در این شبکه¬ها و مسایلی مانند عدم تضمین کمینه سازی فراگیر تابع هزینه یادگیری و کارکرد نامناسب این شبکه¬ها در حالت تغییر پارامتر¬های سیستم، استفاده از این شبکه¬ها را محدود می¬کند. تبدیل موجک در اواخر دهه 80 معرفی گردید و به علت خواص ویژه و برتری¬اش نسبت به تبدیل فوریه و سایر تبدیل¬های مشابه، کابردهای زیادی در زمینه¬های مختلف از جمله مهندسی کنترل پیدا کرد. در این پایان نامه, ضمن مرور تبدیل موجک وخواص آن، روشهایی برای حل مسایل شناسایی و کنترل سیستم¬های غیرخطی با استفاده از تئوری موجک ارائه و توسعه داده می¬شود. روش مورد نظر در این پایان نامه استفاده از داده های ورودی و خروجی سیستم غیر خطی جهت شناسایی مدل محلی سیستم با استفاده از موجک¬ها و طراحی کنترل کننده جهت کنترل سیستم بر اساس مدل به دست آمده توسط شبکه موجک است. سیستم¬های غیر خطی خود بازگشت دسته وسیعی از سیستم¬های کنترل را شامل می¬شوند. در این پایان نامه به بررسی روش شناسایی و کنترل بر خط این گونه سیستم¬ها با استفاده از تئوری موجک می¬پردازیم. شناسایی سیستم با استفاده از داده¬های ورودی و خروجی سیستم و با استفاده از روش تعقیب تطابقی تطبیقی به صورت برخط انجام می¬شود. نتایج شبیه سازی نشان می¬دهد که استفاده از پایه¬های موجک برای شناسایی این گونه سیستم¬ها به نتایج بهتری نسبت به پایه¬های اسپیلاین منجر خواهد شد.
- Abstract
- Online identification of dynamic systems is an area of considerable interest in process control of numerous industrial systems including chemical, petrochemical as well as robot control systems. Although there exist numerous algorithms for offline system identification techniques using neural networks applied to nonlinear systems, but requirements for training of these networks and lack of sufficient guarantee to achieve global optimization impose considerable constraints on their use in online identification problems and to cope with parameter changes. Wavelet transform is introduced about 1990 and because of its privilege to similar transforms such as Fourier transform, has been widely used in control engineering. In this thesis, wavelet transform and its specifications are reviewed and then a new approach is introduced and developed for identification and control of nonlinear dynamic systems. The cornerstone of the proposed method is based on utilization of input-output data of the system to obtain system’s local model, using wavelets and then design a controller based on this model. NARX systems are well known in control systems. Online identification and control of these systems using wavelets have been studied in this thesis. Identification of system is accomplished based on its input-output data using adaptive matching pursuit. Simulation results show that application of wavelet bases for identification of such systems lead to better results in comparison to spline basis functions.
