Skip to content
بازگشت به نتایج جست‌وجو

کنترل تطبیقی

معرفی‌شده توسط
Karl J. Astrom
سال
1983
نوع
algorithm
خانواده
Adaptive Control

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

کنترل تطبیقی یک راهبرد کنترلی است که پارامترهای کنترل‌کننده را بر اساس شناسایی بلادرنگ سیستم (online system identification) در لحظه تنظیم می‌کند تا عملکرد را علی‌رغم تغییر دینامیک گیاه (plant) یا پارامترهای نامعلوم حفظ نماید. کنترل تطبیقی که توسط آستروم و ویتنمارک پیشگام شد، امکان عملکرد پایدار را در محیط‌های متغیر با زمان، از هواپیماها با کاهش سوخت گرفته تا سیستم‌های صنعتی با اجزای فرسوده، فراهم می‌آورد.

شهود پشت روش

کنترل تطبیقی دو حلقه را ترکیب می‌کند: یک حلقه بازخورد داخلی سریع برای تثبیت فوری، و یک حلقه خارجی کندتر که پارامترهای متغیر سیستم را تخمین زده و بهره‌های کنترل‌کننده را به‌روزرسانی می‌کند. با تغییر گیاه (سوخت هواپیما می‌سوزد، اصطکاک با افزایش سن بیشتر می‌شود)، حلقه تطبیقی خطاهای خروجی را اندازه‌گیری کرده، تغییرات پارامتر را از طریق شناسایی سیستم استنتاج می‌کند و کنترل‌کننده را برای حفظ عملکرد تنظیم می‌کند. این روش پیچیده‌تر از کنترل مقاوم ثابت (که پارامترهای بدترین حالت را فرض می‌کند) و عملی‌تر از تنظیم مجدد دستی است.

تاریخ

آستروم در دهه 1980 نظریه کنترل تطبیقی را تدوین کرد و شرایط همگرایی و پایداری را برقرار نمود. کنترل تطبیقی مقاوم Ioannou (1996) مسائل پایداری را با تضمین اینکه تخمین‌های پارامتر در دامنه‌های محدود باقی می‌مانند، مورد بررسی قرار داد. کنترل تطبیقی مدرن شامل رویکردهای مدل-مرجع (MRAC)، زمان‌بندی بهره (gain-scheduling) برای کنترل وابسته به پارامتر، و روش‌های یادگیری ماشین برای یادگیری قوانین کنترل است.

چه زمانی استفاده شود

هنگامی از کنترل تطبیقی استفاده کنید که پارامترهای سیستم در طول زمان به طور قابل توجهی تغییر می‌کنند (فرسودگی، تغییرات دما، تغییرات بار)، زمانی که پارامترها ناشناخته هستند اما ساختار سیستم معلوم است، و زمانی که پایداری تضمین‌شده علی‌رغم عدم قطعیت پارامتری مورد نیاز است. ایده‌آل برای کنترل هواپیما (کاهش سوخت، تغییر مرکز ثقل)، کنترل فرآیندهای صنعتی (فرسودگی کاتالیزور) و سیستم‌های انرژی تجدیدپذیر (تغییرات باد/خورشید). از کنترل تطبیقی اجتناب کنید اگر پارامترها سریع‌تر از آنچه شناسایی بتواند ردیابی کند تغییر می‌کنند، اگر حاشیه‌های پایداری باید بسیار محافظه‌کارانه باشند، یا اگر یک کنترل‌کننده مقاوم ثابت کافی است.

محدودیت‌ها و ملاحظات

  • فاز شناسایی به تحریک پایدار (persistent excitation) نیاز دارد (ورودی با تنوع کافی)؛ در محیط‌های آرام کند است.
  • همگرایی تخمین پارامتر می‌تواند کند باشد؛ بی‌ثباتی گذرا در طول تطبیق ممکن است.
  • نیاز به اندازه‌گیری دقیق خروجی‌ها دارد؛ نویز و تأخیرها شناسایی را مختل می‌کنند.
  • اثبات‌های پایداری پیچیده هستند؛ سیستم‌های تطبیقی می‌توانند علی‌رغم پایدار بودن اجزای منفرد، ناپایدار باشند.
  • نرخ تطبیق باید کندتر از حلقه کنترل باشد؛ با الزامات ردیابی سریع در تضاد است.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • عملکرد را با انحراف پارامترهای سیستم حفظ می‌کند؛ نیازی به تنظیم مجدد دستی نیست.
  • پاسخ سریع‌تر به تغییرات پارامتر نسبت به کنترل‌کننده‌های مقاوم ثابت.
  • خطای حالت پایدار را بدون طراحی بیش از حد برای بدترین حالت کاهش می‌دهد.
  • امکان کشف پارامترهای ناشناخته در حین عملیات را فراهم می‌کند.
  • به طور طبیعی داده‌های اندازه‌گیری را برای یادگیری بلادرنگ در بر می‌گیرد.

کاربردها

  • هوافضا: کنترل هواپیما با کاهش سوخت و تغییر مرکز ثقل، خلبان خودکار تطبیقی برای شرایط آیرودینامیکی متغیر.
  • فرآیندهای صنعتی: کنترل راکتور با فعالیت متغیر کاتالیزور، بهینه‌سازی تطبیقی فرآیند.
  • سیستم‌های قدرت: کنترل ژنراتور با پارامترهای متغیر ژنراتور، کنترل فرکانس بار.
  • سیستم‌های دریایی: حفظ مسیر کشتی با تغییرات باد و شرایط دریا.
  • انرژی تجدیدپذیر: کنترل توربین بادی که با آمارهای متغیر سرعت باد تطبیق می‌یابد.

چگونه کار می‌کند

چگونه کار می‌کند

1

داده‌های ورودی-خروجی را جمع‌آوری کرده و پارامترهای فعلی سیستم را با استفاده از کمترین مربعات بازگشتی (recursive least-squares) یا سایر الگوریتم‌های شناسایی بلادرنگ تخمین بزنید.

2

بردار پارامتر تخمین‌زده‌شده θ_hat را بر اساس خطای اندازه‌گیری‌شده بین پیش‌بینی مدل و خروجی واقعی به‌روزرسانی کنید.

3

بهره‌های جدید کنترل‌کننده را بر اساس تخمین‌های پارامتر فعلی با استفاده از روش‌هایی مانند جایابی قطب (pole placement)، LQR، یا سایر روش‌های طراحی محاسبه کنید.

4

کنترل‌کننده به‌روزرسانی‌شده با بهره‌های جدید را به سیستم اعمال کنید؛ شناسایی و بازطراحی را با نرخ کندتر (مثلاً هر ثانیه در حالی که کنترل با فرکانس 100 هرتز اجرا می‌شود) تکرار کنید.

دام‌های رایج

  • بهره تطبیق بیش از حد تهاجمی؛ باعث بی‌ثباتی می‌شود زمانی که تخمین‌ها از مقادیر واقعی فراتر می‌روند.
  • تحریک پایدار ناکافی؛ پارامترها همگرا نمی‌شوند و کنترل تطبیقی عملکرد را بهبود نمی‌بخشد.
  • استفاده از کنترل تطبیقی در محیط غیر ایستا؛ شناسایی هرگز همگرا نمی‌شود اگر گیاه همچنان در حال تغییر باشد.
  • نادیده گرفتن خطای تخمین؛ عدم قطعیت در تخمین پارامترها عملکرد حلقه بسته را مختل می‌کند.

پرسش‌های متداول

تحریک پایدار چیست و چرا مورد نیاز است؟

تحریک پایدار به این معنی است که ورودی کنترل دارای تنوع کافی (غنای طیفی) است تا پارامترهای سیستم به طور منحصر به فردی قابل شناسایی باشند. نوسان تصادفی (random dither) یا تغییرات گهگاهی نقطه تنظیم (set-point) همگرایی شناسایی را تضمین می‌کنند. بدون تحریک پایدار، سیستم غیرمبهم به نظر می‌رسد و تخمین‌های پارامتر همگرا نمی‌شوند.

روش‌های مرتبط

منابع

  1. Astrom, K. J., & Wittenmark, B. (1983). Computer-Controlled Systems: Theory and Design. Prentice Hall.

    باز کردن مرجع انتشار
    کپی شد.
  2. Ioannou, P. A., & Sun, J. (1996). Robust Adaptive Control. Prentice Hall.

    باز کردن مرجع انتشار
    کپی شد.