Yapay sinir ağı temelli uyarlamalı doğrusal model-öngörülü kontrol
Meriç Çetin1, Selami Beyhan2, Bedri Bahtiyar31Pamukkale Üniversitesi Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Denizli2Pamukkale Üniversitesi Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Denizli
3Pamukkale Üniversitesi Denizli Teknik Bilimler Meslek Yüksekokulu, Elektrik Ve Enerji Bölümü, Denizli
Gerçek zamanlı sistemlerin modellenemeyen dinamikleri ve bozucu etkileri sistemin doğru çalışmasını engellemektedir. Sistemin kontrolü için tasarlanan denetleyiciler, istenmeyen etkileri dikkate alacak şekilde olmalıdır. Bu çalışmada, doğrusal sistemler için uyarlamalı belirsizlik modelleyici temelli model-öngörülü denetleyici (UMPC) önerilmiştir. Modelleyicide yapay sinir ağı (YSA) yapısı kullanılarak belirsizlik fonksiyonunun uyarlamalı öğrenme adımı ile hızlı şekilde yaklaşıklanması sağlanmıştır. Uyarlamalı belirsizlik modelleyici temelli model-öngörülü denetleyicinin kararlılığı Lyapunov aday fonksiyonu ile gösterilmiştir. Standart MPC ve önerilen UMPC gerçek-zamanlı DC/DC güç dönüştürücü kontrolüne uygulanmıştır. Standart MPC kullanıldığında bilinmeyen parametreler ve ortam gürültüsünden kaynaklı DC/DC dönüştürücü iyi izleme sağlayamamıştır. Fakat önerilen yapının uygulanması ile belirsizlikler tahmin edilerek ve etkisi sistem dinamiklerinde kullanılarak hassas ve başarılı izleme sonuçları elde edilmiştir. Önerilen yapının sonraki çalışmalarda kullanılması öngörülmektedir.
Anahtar Kelimeler: Model-öngörülü denetleyici, Uyarlamalı doğrusal model-öngörülü denetleyici, Uyarlamalı YSA, Kararlılık, Gerçek zamanlı DC/DC güç dönüştürücü.Artificial neural network based adaptive linear model predictive control
Meriç Çetin1, Selami Beyhan2, Bedri Bahtiyar31Pamukkale University, Department Of Computer Engineering, Denizli2Pamukkale University, Department Of Electrical And Electronics Engineering, Denizli
3Pamukkale University, Denizli Vocational School Of Technical Sciences, Department Of Electricity And Energy, Denizli
The effect of the unmodeled dynamics and unknown disturbances prevent the accurate control of the real-time systems. The designed controllers must undertake the effect of these undesired uncertainties. In this paper, adaptive uncertainty modeling based model predictive controller is proposed for the control of uncertain linear systems. The uncertainty modeling structure uses an artificial neural network with adaptive learning rate for fast approximation. The stability of the proposed adaptive uncertainty modeling based model predictive control (UMPC) is shown using Lyapunov candidate function. Conventional MPC and proposed UMPC are applied to the control of a real-time DC/DC buck power converter. The conventional MPC cannot accurately control the DC/DC converter due to the unknown parameters and unmodeled dynamics. However, the proposed UMPC controller can accurately control the system with modeling the uncertainties in controller dynamics. The proposed controller is promising to control uncertain systems in future applications.
Keywords: Model predictive control, Adaptive linear model predictive control, Adaptive neural networks, Stability, Real-time DC/DC converter.Sorumlu Yazar: Meriç Çetin, Türkiye
| ARAÇLAR |
 Tam Metin PDF Yazdır Alıntıyı İndir RIS EndNote BibTex Medlars Procite Reference Manager E-Postala Paylaş Yazara e-posta gönder
Benzer makaleler Google Scholar |