In this paper, a new control method is presented for the 4-poster test systems. The primary aim of the paper is to improve the convergence speed and decrease the error rate for model-based iterative learning control (ILC), a widely used method as a tracking control. First, the dynamic equations of the system are generated, and the control problem is formulated. Then, an inverse model of the system is established directly through the adaptive neuro-fuzzy inference system (ANFIS) with auxiliary parameter (piston position) as a serial combination of two sub-models. In order to construct a neuro-fuzzy ILC (NFILC) structure, these sub-models are integrated into the neuro-fuzzy inverse controller (NFIC). Because of this new structure, the modified ILC rule has two layers. In the first layer, the controlled parameter, namely, the acceleration is iterated, whereas, in the second layer, the auxiliary parameter is iterated. The outcomes of the proposed control method are scrutinized by testing through a numerical simulation. Finally, it is demonstrated that the modified ILC rule dramatically increase the convergence speed and reduce the final error rate.
Bu çalışmada, ürünlerin dayanım ve performanslarının belirlenmesi için kullanılan hidrolik test sistemlerinin kontrolü için Model Öngörülü Kontrol (Model Predictive Control-MPC) tasarımı yapılmıştır Sistem kısıtlarının optimal kontrol kuralına dahil edilmesiyle test sistemi uygulamalarında karşılaşılan doyum problemleri için performans artımı sağlanması hedeflenmiştir. Bu amaçla, ilk olarak örnek sistem için sistemin doğrusal olmayan dinamik denklemleri oluşturulmuştur. Model çalışma noktası etrafında doğrusallaştırılarak, ivme durum değişkeni olacak şekilde durum uzayı modeli oluşturulmuştur. Elde edilen model, örnek sisteme ait model parametreleri kullanılarak, MPC içerisinde kullanılmak üzere ayrıklaştırılmıştır. MPC kuralı, yığın metodu (batch method) yardımı ile oluşturularak, kısıtlamalı optimal kontrol problemi arama algoritması yardımı ile çözülmüştür. Kontrol performansının tespiti amacı ile LQR ile karşılaştırmalı sayısal benzetim sonuçları sunulmuştur. Ayrıca sayısal benzetim testleri model belirsizliği ve ölçüm gürültüsü koşulları altında tekrarlanmış ve sonuçlar sunulmuştur. Elde edilen sonuçlar yorumlanmıştır ve gelecek çalışmalar için önerilerde bulunulmuştur.In this study, Model Predictive Control (MPC) is designed for the control of hydraulic test systems that are used for determining the strength and performance of the product. It is aimed to increase the performance of the saturation problems faced during the test system applications while including the system constraints in the optimal control rule. For this purpose, the nonlinear dynamic equations are first obtained for the considered test system. The state space model is obtained by linearizing the model around the equilibrium point in a way that the design variable is considered to be acceleration. The obtained model is discretized for employing it in MPC by using the model parameters of the considered system. MPC rule is solved via constituting batch approach method through constrained optimal control problem search algorithm. The simulation result of the comparisons with LQR is presented with the aim of examining the control performance. In addition, numerical simulations are repeated under parametric model uncertainty and measurement noise conditions and results are presented. The obtained results are discussed, and future studies are suggested.Anahtar kelimeler: Hidrolik test sistemi, Model öngörülü kontrol, Kısıtlamalı optimizasyon
In this paper, we propose a novel method to solve the model predictive control (MPC) problem for linear time-invariant (LTI) systems with input and output constraints. We establish an algebraic control rule to solve the MPC problem to overcome the computational time of online optimization methods. For this purpose, we express system constraints as a continuous function through the tangent-hyperbolic function, hence the optimization problem is reformulated.There are two steps for the solution of the optimization problem. In the first step, the optimal control signal is determined by the use of the necessary condition for optimality, assuming that there is only input constraint. In the latter, the solution obtained in the first step is revised to keep the system states in a feasible region. It is shown that the solution is suboptimal. The proposed solution method is simulated for three different sample systems, and the results are compared with the classical MPC, which show that the new algebraic method dramatically reduces the computational time of MPC.
Bu çalışmada, doğru akım (DA) raylı ulaşım sistemlerinde rejeneratif enerji kazanımını gerçekleştiren şebeke bağlantılı üç fazlı evirici birimine yönelik yeni bir kontrol mekanizması önerilmiştir. DA raylı ulaşım sistemlerinde trenlerin frenleme sırasında üretmiş olduğu rejeneratif enerjiye bağlı olarak hat gerilimi hızlı şekilde değişebilmektedir. Hat gerilimindeki bu değişimlere hızlı cevap vermek amacıyla evirici birimi kontrol yapısı içerisinde, baskın kutup atama yöntemine göre tasarlanan bir oransal-integral-türevsel (PID) kontrolör kullanılmıştır. PID içerisinde yer alan türevsel etki ile sistem tepkisi hızlandırılmış böylelikle hat gerilimindeki değişimlere hızlı cevap verilmesi sağlanmıştır. Ayrıca literatürdeki sabit gerilim değerinde çalışmasını gerçekleştiren sistemlerden farklı olarak iki farklı gerilim değerini dikkate alan yeni bir çalışma stratejisi önerilmiştir. Böylece, evirici çalışma bölgesi artırılarak daha fazla rejeneratif enerji kazanımı ile enerji verimliliğine katkı sağlanmıştır. Son olarak, Matlab/Simulink ortamında gerçek bir sistemin ayrıntılı modeli oluşturulmuş ve önerilen yöntemin uygulanabilirliğini göstermek amacıyla PID tabanlı kontrol yapısının performansını PI tabanlı kontrol ile karşılaştıran benzetim çalışmaları sunulmuştur.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.