Robust fuzzy predictive control structure

• Autorzy: Domek S.

Warianty tytułu

PL

Odporny układ rozmytej regulacji predykcyjnej

• Języki publikacji: EN

Abstrakty

EN

An effective method is proposed for robust predictive control of nonlinear processes that is easily implementable on commonly used equipment, such as PLC and PAC. The method is based on a two-loop model following control (MFC) system containing a nominal model of the controlled plant and two controllers: the nonlinear, suboptimal fuzzy predictive one as the main controller and the proposed robust controller as an auxiliary one. In the paper ways of employing Takagi-Sugeno fuzzy models to synthesize Model Predictive Control with State equations (MPCS) for nonlinear processes and basic features exhibited by the MFC structure are presented. The resulting controller has been incorporated into the MFC structure, and then a method for synthesizing the auxiliary controller has been given. The proposed control structure has been tested for its performance on control plants with perturbed parameters. Results of tests lend support to the view that the proposed control method may find wide application to robust control of nonlinear plants with time-varying parameters.

PL

W artykule zaproponowano efektywną metodę odpornej regulacji predykcyjnej procesów nieliniowych, łatwą do implementacji w powszechnie stosowanym komputerowym sprzęcie automatyki takim jak sterowniki PLC oraz PAC. Metoda wykorzystuje dwupętlowy układ sterowania ze śledzeniem modelu (ang. Model Following Control - MFC) zawierający model nominalnego nieliniowego obiektu oraz dwa regulatory: główny - nieliniowy, suboptymalny predykcyjny regulator rozmyty oraz proponowany odporny regulator pomocniczy. Pokazano sposób wykorzystania do budowy regulatora głównego obiektów nieliniowych rozmytych modeli Takagi-Sugeno w przestrzeni stanu oraz podstawowe zalety struktury MFC. Przedstawiono sposób syntezy regulatora pomocniczego. Proponowana struktura została przetestowana ze względu na jakość regulacji obiektów perturbowanych. Wyniki badań pokazują, że może ona znaleźć zastosowanie do odpornej regulacji obiektów nieliniowych o parametrach zmiennych w czasie.

Słowa kluczowe

EN

robustness; model predictive control; model following control (MFC); fuzzy control

PL

odporność; regulacja predykcyjna; regulacja ze śledzeniem modelu; regulacja rozmyta

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2007
• Tom: R. 53, nr 6
• Strony: 52--55
• Opis fizyczny: Bibliogr. 22 poz., rys., wzory

Twórcy

autor

Domek S.

• Institute of Control Engineering, Szczecin University of Technology,

Bibliografia

• [1] R. Bars, P. Colaneri, C. E. de Souza, F. AllgOwer, A. Kleimenov, C. Scherer: Theory, algorithms and technology in the design of control systems. In: Proc. 16th IFAC World Congress. Prague 2005, CD-ROM.
• [2] E. F. Camacho, C. Bordons: Model predictive control in the process industry. Advances in industrial control, Berlin, Springer-Verlag 1995.
• [3] D. W. Clarke, R. Scattolini: Constrained receding horizon predictive control. Proceedings IEE, Part D, 1991, Vol. 138, s. 347-354.
• [4] S. J. Qin, T. A. Badgwell: A survay of industrial model predictive control technology. Contr. Eng. Pract., 2003, Vol. 11(7), s. 733-764.
• [5] S. Domek: Odporna regulacja predykcyjna obiektów nieliniowych. Prace naukowe Politechniki Szczecińskiej, Zeszyt nr 593, Szczecin, Wydawnictwo Uczelniane PS 2006.
• [6] R. Findeisen, F. AllgOwer: An introduction to nonlinear model predictive control. In: Proc. 21st Benelux Meeting on System and Control. Veldhoven 2002, CD-ROM.
• [7] L. Magni, G. De Nicolao, R. Scattolini, F. AfigOwer: Robust model predictive control of nonlinear discrete-time systems. Int. J. Robust and Nonlinear Contr., 2003, Vol. 13, s. 229-246.
• [8] D. Q. Mayne: Nonlinear model predictive control: challenges and opportunities. In: Nonlinear Predictive Control, eds. F. AllgOwer, A. Zheng. Basel, Birkhauser 2000, s. 23-44.
• [9] P. Tatjewski: Sterowanie zaawansowane obiektów przemysłowych. Struktury i algorytmy. Seria: Monografie Komitetu Automatyki i Robotyki PAN, Warszawa, Akademicka Oficyna Wydawnicza ELIT 2002.
• [10] P. Tatjewski, M. Ławryńczuk: Soft computing in model-based predictive control. /nt. J. Appl. Math. Comput. Sci., 2006, Vol. 160), s. 7-26.
• [11] R. Babuška, H. B. Verbrungen: An overwiew of fuzzy modelling for control. Control Eng. Practice, 1996, Vol. 4( / I), s. 1593-1606.
• [12] Z. Huaguang, L. Cai: Multivariable fuzzy generalized predictive control. Cybernetics & Systems, 2002, Vol. 33 (1), s. 66-99.
• [13] P. Marusak, P. Tatjewski: Stability analysis of nonlinear control systems with unconstrained fuzzy predictive controllers. Arch. Contr. Sci., 2002, Vol. 12, s. 267-288.
• [14] T. Takagi, M. Sugeno: Fuzzy identification of systems and its application to modeling and control. IEEE Trans. Systems, Man, and Cybernetics, 1985, Vol. 15, s. 116-132.
• [15] J. H. Lee, M. Moran, C. E. Garda: State space interpretation of model predictive control. Automatica, 1994, Vol. 30(4), s. 707-717.
• [16] S. Li, K. Lim, D. Fisher: A state-space formulation for model predictive control. AIChE Journal, 1989, Vol. 35, s. 241-249.
• [17] A. W. Ordys, D. W. Clarke: A state-space description for GPC controllers. Int. J. Syst. Sci., 1993, Vol. 24(9), s. 1727-1744.
• [18] P. M. Makild, J. R. Partington: On linear models for nonlinear systems. Automatica, 2003, Vol. 39, s. 1-13.
• [19] P. Orłowski: Convergence of the optimal non-linear GPC method with iterative state-dependent, linear time-varying approximation. In: Prep. Int. Workshop on assessment and future directions of nonlinear model predictive control. Freudenstadt-Lauterbad 2005, s. 491-497.
• [20] S. Skoczowski, S. Domek: Robustness of a model following control system. In: Proc. Int. Conf. Mathematical Theory of Networks and Systems—MTNS. Perpignan 2000, CD-ROM.
• [21] S. Skoczowski, S. Domek, K. Pietrusewicz, B. Broel-Plater: A metod for improving the robustness of PID control. IEEE Trans. Industrial Electronics, 2005, Vol. 52(6), s. 1669-1676.
• [22] T. Sugie, K. Osuka: Robust model following control with prescribed accuracy for uncertain nonlinear systems. Int. J. Contr., 1993, Vol. 58, s. 991-1009.