Skip to main content
SUPERVISOR
Marzieh Kamali,Maryam Zekri
مرضیه کمالی (استاد راهنما) مریم ذکری (استاد مشاور)
 
STUDENT
Nahid Abasi
ناهید عباسی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1393

TITLE

Neural adaptive control of Non-linear systems using DSC approach in the presence of actuator saturation and external disturbances
All real-world applications of feedback control involve control actuators with amplitude limitation. In practice any electromechanical device can produce a limited capacity of force, torque, hit, flow or linear angular velocity. Saturation in control systems, is the conditions that at least one of the physical elements reaches the maximum of its performance in the control loop at certain points of time. Since the formation ofmodern control engineering, the control problem of systems with saturation is a significant and challenging research topic as actuators are always subject to limits. Also in control engineering, many practical systems have dynamic non-linear behavior because they have complex coupling state variables. Investigation about Controller design for nonlinear systems has been developed from both in theoretical and practical points of view. A method of designing desired controlofthese systems is that the controller can be able to adapt itself with uncertain systems. Therefore, adaptive control is one of the very important methods which is used to control uncertain nonlinear systems. In adaptive neural control, neural networks have been used as on lineapproximators to approximate the unknown nonlinear functions using the idea ofacksteppingtechnique, without the needformatching conditions adaptive neural controllers is provided for a stroked="f" filled="f" path="m@4@5l@4@11@9@11@9@5xe" o:preferrelative="t" o:spt="75" coordsize="21600,21600" of the system increases. This problem can be solved by using dynamic surface control (DSC). The main objective of this research is to developed robust adaptive neural control nonlinear systems in the presence of actuator saturation by usingthe DSC method. The studied systems, which are strict feedback form in the presence of actuator saturation and external disturbances and without considering these factors. RBF neural networks are used to approximate the uncertain functions. Control law and adaptation laws are defined, and by introducing a suitable Lyapunov function, system stability is investigated. Keywords: Nonlinear systems in strict feedback form, Adaptive neural control, RBF neural network, Dynamic surface control, Actuator saturation.
عملگر یکی از اجزاء بسیار مهم سیستم‌های کنترلی است که فرمان کنترل را صادر می‌کند. درعمل هر دستگاه الکترومکانیکی می‌تواند ظرفیتی محدود نیرو،گشتاور، ضربه، جریان یا سرعت زاویه‌ای خطی را تولید کند. اشباع در سیستم‌های کنترل یعنی شرایطی که حداقل یکی از المان‌های فیزیکی مورد استفاده در حلق? کنترلی در حداکثر کارایی خود، در نقاط خاصی از زمان استفاده کرده است. از ابتدای شکل‌گیری مهندسی کنترل به صورت امروزی، بحث اشباع، به خصوص در عملگر به دلیل گریز ناپذیر بودن مواجهه با آن و جدی بودن مشکلات ناشی از آن مطرح بوده است. همچنین بسیاری از سیستم‌های کاربردی در مهندسی کنترل به علت ارتباط پیچید? بین متغیرهای حالت، دینامیک غیرخطی دارند. طراحی کنترل‌کننده برای سیستم‌های غیرخطی، هم در تحقیقات تئوری و هم در عمل گسترش یافته است. یک روش طراحی کنترل مطلوب برای این سیستم‌ها این است که کنترل‌کننده قادر باشد خود را برای مقابله با نامعینی‌های سیستم، تطبیق دهد. بنابراین، استفاده از کنترل‌کننده‌های تطبیقی، یکی از روش‌های بسیار مهم برای کنترل سیستم‌های غیرخطی دارای نامعینی می‌باشد. در حوزه‌ی کنترل تطبیقی-عصبی، از شبکه‌های عصبی به عنوان تقریب‌زن‌های روی خط برای تقریب توابع غیرخطی نامشخص، با توابع غیرخطی که به صورت خطی برحسب پارامترهای نامعین، پارامتریزه شده‌اند، استفاده شده است. با استفاده از اید? طراحی با تکنیک گام به عقب، کنترل‌کننده‌های تطبیقی-عصبی جالبی برای دسته‌هایی از سیستم‌های غیرخطی نامعین به فرم فیدبک اکید، بدون نیاز به شرایط انطباق، ارائه شده است. اما در روش گام به عقب، با افزایش درج? سیستم به دلیل وجود مشتق‌های مکرر از ورودی‌های مجازی در هر گام، پیچیدگی کنترل‌کننده افزایش می‌یابد. این مشکل را می‌توان با استفاده از روش کنترل سطح دینامیکی (DSC) حل کرد. هدف اصلی این تحقیق، کنترل مقاوم تطبیقی-عصبی سیستم‌های غیرخطی نامعین در حضور اشباع عملگر با استفاده از روش DSC می‌باشد. سیستم‌های مورد مطالعه در حضور اشباع عملگر و اغتشاش خارجی و بدون در نظر گرفتن این عوامل بررسی می‌شوند. در این سیستم‌ها از شبکه‌های عصبی RBF برای تقریب توابع نامعین استفاده می‌شود. قانون کنترل و قوانین تطبیق تعریف می‌شوند و با معرفی یک تابع لیاپانوف مناسب، پایداری UUB برای هر سه طرح پیشنهادی بررسی می‌شود. کلمات کلیدی: سیستم‌های غیرخطی به فرم فیدبک اکید، کنترل تطبیقی-عصبی، شبکه عصبی RBF ، کنترل سطح دینامیکی، اشباع عملگر.

ارتقاء امنیت وب با وف بومی