Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Robust algorithms for predictive control under uncertainty circumstances of the model for the controlled object

Sztyber K.

Journal of KONBiN

2009

No. 3-4 (11-12)

55-86

The paper is logically divided into three parts. In the first part the following question is considered. How a standard Model Predictive Control algorithm would perform in a case of model-process discrepancy? It turns out that this discrepancy could lead to control performance deterioration and even to instability of a predictive control system. In the sequel Uncertainty is described as model uncertainty, and then is introduced mathematical description of uncertainty as an analytical uncertainty model. The analytical uncertainty model can be directly used during predictive control algorithm design. In the third part some new ideas and solutions are proposed. First of all, to efficiently cope with negative effects of model-process mismatch the model uncertainty should be taken into account already during predictive control algorithm design. It can be done by the use of the analytical uncertainty model. According to the above solutions like: a fast model selection, dynamical switching sector, and a dual-phase approach to a predictive control algorithm design are presented.

Referat jest logicznie podzielony na trzy części. W pierwszej części rozpatrywane jest następujące pytanie: jak standardowy algorytm MPC będzie funkcjonował w przypadku rozbieżności między obiektem sterownia a jego modelem? Okazuje się, że rozbieżność ta może doprowadzić do pogorszenia jakości regulacji, a nawet do niestabilności predykcyjnego układu regulacji. W dalszej części, opisywana jest niepewność modelu i wprowadzony zostaje matematyczny opis niepewności jako analityczny model niepewności. Model ten może być bezpośrednio użyty podczas projektu predykcyjnego algorytmu regulacji. W części trzeciej zaproponowano pewne nowe idee i rozwiązania, które mogą poprawić jakość i niezawodność predykcyjnego systemu sterowania. Przede wszystkim, żeby skutecznie radzić sobie z negatywnymi efektami rozbieżności między procesem a modelem niepewność modelu powinna być uwzględniona już na etapie projektu predykcyjnego algorytmu sterowania, co można zrobić używając analitycznego modelu niepewności. Zgodnie z powyższym, zaprezentowano idee takie jak: szybka selekcja modelu, dynamiczny sektor przełączenia, dwu fazowe podejście do projektu predykcyjnego algorytmu sterowania.