SavedAdd your journal

Journals / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2016 / Cilt: 22 Sayı: 8 Özel Sayı

Artificial neural network based adaptive linear model predictive control

Yapay sinir ağı temelli uyarlamalı doğrusal model-öngörülü kontrol

Meriç Çetin
Selami Beyhan
Bedri Bahtiyar
Pages
650–658
Publication Date
2016-12-27
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Önerilen yapının sonraki çalışmalarda kullanılması öngörülmektedir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Gerçek zamanlı sistemlerin modellenemeyen dinamikleri ve bozucu etkileri sistemin doğru çalışmasını engellemektedir.
📊
Key Findings & Data:Sistemin kontrolü için tasarlanan denetleyiciler, istenmeyen etkileri dikkate alacak şekilde olmalıdır.
💡
Conclusion & Impact:Önerilen yapının sonraki çalışmalarda kullanılması öngörülmektedir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Model-öngörülü denetleyici · Uyarlamalı doğrusal model-öngörülü denetleyici · Uyarlamalı YSA

Özet

Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} 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.

🔖

Cite This Article

Çetin, M., Beyhan, S., Bahtiyar, B. (2016). Artificial neural network based adaptive linear model predictive control. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 22 Sayı: 8 Özel Sayı, 650–658. https://ajindex.com/articles/1058984

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (14)

  1. Adetola V, Guay M. “Robust adaptive mpc for constrained uncertain nonlinear systems”. International Journal of Adaptive Control and Signal Processing, 25(2), 155-167, 2011.
  2. Le Maître OP, Knio OM. Introduction: Uncertainty Quantification and Propagation, Amsterdam, Netherlands Springer, 2010.
  3. Yao B, Tomizuka M. “Adaptive robust control of SISO nonlinear systems in a semi-strict feedback form”. Automatica, 33(5), 893-900, 1997.
  4. Qin SJ, Badgwell TA. “A survey of industrial model predictive control technology”. Control engineering practice, 11(7), 733-764, 2003.
  5. Rawlings JB. “Tutorial overview of model predictive control”. Control Systems, 20(3), 38-52, 2000.
  6. Yan Z, Wang J. “Model predictive control of nonlinear systems with unmodeled dynamics based on feedforward and recurrent neural networks”. IEEE Transactions on Industrial Informatics, 8(4), 746-756, 2012.
  7. Teixeira M, Żak SH. “Stabilizing controller design for uncertain nonlinear systems using fuzzy models”. IEEE Transactions on Fuzzy Systems, 7(2), 133-142, 1999.
  8. Calise AJ, Hovakimyan N, Idan M. “Adaptive output feedback control of nonlinear systems using neural networks”. Automatica, 37(8), 1201-1211, 2001.
  9. Rojo-Álvarez JL, Martínez-Ramón M, Prado-Cumplido D, Artés-Rodríguez A, Figueiras-Vidal AR. “Support vector method for robust ARMA system identification”. IEEE Transactions on Signal Processing, 52(1), 155-164, 2004
  10. Jang JSR, Sun CT, Mizutani E. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence. Upper Saddle River, USA, Pearson, 1997.
  11. Nauck D, Kruse R. “Neuro-fuzzy systems for function approximation”. Fuzzy sets and systems, 101(2), 261-271, 1999.
  12. Klančar G, Škrjanc I. “Tracking-error model-based predictive control for mobile robots in real time”. Robotics and Autonomous Systems, 55(6), 460-469, 2007.
  13. Mohammadkhani MA, Bayat F, Jalali AA. (2014). “Design of explicit model predictive control for constrained linear systems with disturbances”. International Journal of Control, Automation and Systems, 12(2), 294-301, 2014.
  14. Zeltom Real-Time Hardware-in-the-loop Control Platform for Matlab/Simulink. “HILINK Real-Time Control Platform for MATLAB/Simulink”