دانلود رایگان ترجمه مقاله جایگزینی برای کنترل PID (آی تریپل ای ۲۰۱۶)

 

 

این مقاله انگلیسی در نشریه آی تریپل ای  در ۶ صفحه در سال ۲۰۱۶  منتشر شده و ترجمه آن ۱۹ صفحه بوده و آماده دانلود رایگان می باشد.

 

دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)
عنوان فارسی مقاله:

راه حلی برای کنترل PID: آموزشی بر کنترل پیش بینانه فانکشنال

عنوان انگلیسی مقاله:

An Alternative for PID control: Predictive Functional Control – A Tutorial

دانلود رایگان مقاله انگلیسی
دانلود رایگان ترجمه با فرمت pdf
دانلود رایگان ترجمه با فرمت ورد

 

مشخصات مقاله انگلیسی و ترجمه فارسی
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۱۶
تعداد صفحات مقاله انگلیسی ۶ صفحه با فرمت pdf
نوع نگارش مقاله پژوهشی (Research article)
نوع ارائه مقاله کنفرانس
رشته های مرتبط با این مقاله مهندسی برق – مهندسی کامپیوتر – مهندسی شیمی
گرایش های مرتبط با این مقاله مهندسی کنترل – مهندسی الگوریتم ها و محاسبات – شبیه سازی و کنترل فرایند
چاپ شده در مجله (ژورنال)/کنفرانس کنفرانس کنترل آمریکا (ACC)
کلمات کلیدی کنترل فرآیند – مدل ریاضی – مسیر – تنظیم – استحکام – الگوریتم های پیش بینی – مدل های پیش بینی
کلمات کلیدی انگلیسی Process control – Mathematical model – Trajectory – Tuning – Robustness – Prediction algorithms – Predictive models
ارائه شده از دانشگاه دانشکده مهندسی فرآیند، انرژی و سیستم های مکانیکی، دانشگاه علمی کاربردی کلن
شناسه دیجیتال – doi https://doi.org/10.1109/ACC.2016.7526765
لینک سایت مرجع https://ieeexplore.ieee.org/document/7526765
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
نشریه آی تریپل ای – IEEE
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۱۹ صفحه با فونت ۱۴ B Nazanin
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود رایگان
کیفیت ترجمه

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

کد محصول F2349

 

بخشی از ترجمه

توجه ۱ : با یک تغییر پلکانی در سیگنال مرجع (یا اختلال)، یک MV ثابت می تواند برای آن فرض گردد. با نوع دیگری از سیگنال مرجع (یعنی مجموع توابع چندجمله ای) این MV شامل توابع مشابه اصطلاحاً پایه ای می باشد؛ نام PFC از این بیان بر می خیزد. در این مورد یک تابع هزینه (درجه دوم) بایستی مینیمم شود که شامل جمع مربعات خطاهای کنترلی پیش بینی شده در نقاط متفاوت اصطلاحاً نقاط انطباقی می باشد ]۲[.

۳٫ الگوریتم PFC برای فرآیندهای SISO
A. فرآیند مرتبه اول بدون زمان مرده
معادله تفاضلی از یک مدل مرتبه اول که در آن ym خروجی مدل می باشد، u ورودی مدل، am پارامتر مدل زمان گسسته بوده و Km بهره استاتیک مدل می باشد. با فرض آنکه سیگنال ورودی واقعی u در طول مدت گستره پیش بینی ثابت نگه داشته می شود، با این وجود، خروجی پیش بینی شده مدل پس از np گام عبارتست فرآیند مرتبه اول با زمان مرده در مورد زمان مرده dm، y(k) بایستی با در معادله (a7) جایگزین گردد. اختلاف بین خروجی فرآیند کنونی و تأخیر یافته توسط اختلاف بین مقادیر خروجی مدل کنونی و مقادیری که پیش تر تأخیر یافته اند تقریب زده می شود.

B. فرآیند نامتناوب مرتبه دوم
یک فرآیند نامتناوب مرتبه دوم مرتبه دوم می تواند توسط یک اتصال موازی از دو فرآیند مرتبه اول با ثابت های زمانی متفاوت توصیف گردد، همانطور که در شکل ۳ نشان داده شده است.

توجه ۲ : در مورد یک فرآیند با میرایی پایین تابع تبدیل می تواند همانند فرآیندهای نامتناوب در یک روش مشابهی تجزیه گردد، اما ثابت های زمانی و بهره های این زیر مدل، جفت های مزدوج مختلف هستند. می تواند نشان داد که الگوریتم کنترل (۱۳) هنوز معتبر است و برخی از پارامترها مختلف هستند. MV (البته) حقیقی است.
C. فرآیندهای مرتبه بالاتر از جمله زمان مرده
کارخانه های شیمیایی، گرمایی، تهویه و مطلوب سازی هوا اغلب توسط یک فرآیند نامتناوب از مرتبه بالاتر توصیف می گردند. تکنیک یکسانی همانند با فرآیندهای مرتبه دوم می تواند به کار برده شود ]۳[. همچنین زمان مرده همانند (۹) می تواند در نظر گرفته شود.

۴٫ تنظیم پارامترهای کنترل کننده
مسیر متغیر کنترل شده به موارد زیر بستگی دارد :
• : گستره پیش بینی
• : نرخ کاهش خطاهای کنترلی پی در پی
ریچالت ]۲[ انتخاب گستره (افق) پیش بینی را بدین صورت پیشنهاد می کند :
برای فرآیندهای مرتبه اول
نقطه گسسته زمان نقطه خمیدگی پاسخ پله برای فرآیندهای نامتناوب از مرتبه بالاتر
شکل ۵ انتخاب گام، از پاسخ های پله و ضربه فرآیند مرتبه دوم شبیه سازی شده را نشان می دهد (نقطه خمیدگی در ).
توجه ۳ : این پیشنهاد مربوط به تنظیم پارامتر برای فرآیندهای مرتبه اول و همچنین فرآیندهای نامتناوب به خوبی کار می کند، لیکن در هنگامیکه برای برخی از فرآیندها بکار می رود، از قبیل همراه با شرایط میرایی ضعیف، می تواند سبب فراجهش های بزرگ یا حتی ناپایداری گردد. در ]۴[ چندین مثال از این مسئله نشان داده می شوند. خوشبختانه بسیاری از فرآیندهای صنعتی همانند گرم کردن و خنک سازی و غیره، نامتناوب هستند.

۵٫ مدیریت قیود
A. قیود و محدودیت هایی بر متغیرهای تنظیم شده به صورت دستی
هم MV و هم رشد آن می توانند به آسانی محدود گردند. مهم است که مدل فرآیند توسط MV محدود شده تغذیه گردد. این نوع از محدودسازی MV نسبت به تکنیک عدم پایان دهی با کنترل PI، بسیار آسانتر می باشد. شکل ۶ محدودکننده سطح و سرعت را نشان می دهد ]۵[.

قیودی بر متغیر کنتر ل شده
قیودی بر CV (متغیر کنترلی یا کنترل شده) می تواند با استفاده از دو کنترل کننده PFC که به صورت موازی عمل نموده و همچنین از یک ناظر منطقی که جهت انتخاب کنترل کننده فعال استفاده می کنند، اجرا گردد ]۲[، شکل ۷ را ببینید. نخستین کنترل کننده PFC-1، MV آتی را جهت ارضای سیگنال مرجع محاسبه می کند و این در حالی است که در مورد همه قیود اعمال شده بر متغیر تنظیم شده به صورت دستی در این حلقه وجود دارد. مورد دوم، کنترل کننده سریع (بالقوه) PFC-2 سیگنال خروجی فرآیند پیش بینی شده مقیدی را به عنوان سیگنال مرجع داراست. ناظر منطقی سیگنال کنترلی کنترل کننده نخست را انتخاب می کند و این در صورتی است که اگر سیگنال خروجی پیش بینی شده از فرآیند قیود خود را رعایت نماید، مگر آنکه، سیگنال کنترلی کنترل کننده دوم توسط ناظر انتخاب گردد. متغیر انتخابی که به صورت دستی تنظیم شده است جهت فرآیند و مدل های درونی کنترل کننده بکار برده می شود. این وظیفه ناظر منطقی، به پیش بینی سیگنالهایی نیاز دارد که نمی توانند در مورد کنترل کننده های PI(D) بکار روند.

۶٫ کد برنامه الگوریتم PFC
این لیست نمونه هایی از کد Matlab محاسباتی بلادرنگ را بر اساس یک فرآیند مرتبه دوم با زمان مرده و با اتخاذ قیود MV ارزانی می دارد.

مشاهده می گردد که این کد جهت بکارگیری یک قانون کنترل PFC ساده است و محاسبات بی پایان نیاز نیست.

۷٫ مقایسه با کنترل PI(D)
در یک بویلر افزایش آب سرد به طور موقت منجر به یک کاهشی در سطح آن می گردد و این چنانست که حبابها در آب جوشان ترکیده می شوند. اگر آب تغذیه گرم تر شود، این سطح افزایش می یابد و به مقدار حالت ماندگار جدید و بالاتر خود دست می یابد. این قبیل فرآیند، تکرار معکوس یا غیر مینیمم فاز نامیده می شود، شکل ۸ را ببینید. شکل ۹ به ترتیب کنترل PID و PFC را نشان می دهد. در هر دو مورد قوانین میزان سازی استاندارد استفاده گردیده اند. روشن است که PFC بهتر عمل می کند. جدول ۱ PFC را با PI(D) مقایسه می کند.

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا