طراحی کنترل کننده داده محور تطبیقی پیش‌بین برای سیستم‌های غیرخطی ناشناخته در حضور پدیده اشباع خروجی

امروزه سیستم های صنعتی همواره با محدودیت های متنوعی همراه هستند. پدیده اشباع خروجی و عدم دسترسی به مدل دقیق سیستم، نمونه ای از این محدودیت ها می باشند. در این مقاله یک کنترل کننده داده محور تطبیقی پیش بین برای گروه خاصی از سیستم های غیرخطی ناشناخته در حضور پدیده اشباع خروجی ارائه می شود. طراحی سیگنال کنترلی تنها وابسته به داده های ورودی و خروجی سیستم می باشد و از مدل سیستم هیچ استفاده ای نمی‌شود. به همین منظور یک مدل جدید خطی دینامیکی از سیستم نامعلوم توسعه می یابد که اثر اشباع خروجی در آن لحاظ شده است. سپس با استفاده از مدل خطی دینامیکی بدست آمده یک ساختار داده محور تطبیقی پیش بین ارائه و اثبات می‌شود که با گذشت زمان برای سیگنال مرجع ثابت یا متغیر با زمان، خطای تعقیب به ترتیب به صفر و یک مقدار محدود همگرا می‌شود. با توجه به عدم وابستگی روش پیشنهادی به مدل سیستم، روش پیشنهاد شده نسبت به روش های کنترلی مبتنی بر مدل در برابر تغییرات سیستم مقاوم تر است. همچنین شبیه سازی های انجام شده کارایی روش پیشنهادی را نسبت به چند روش کنترلی داده محور مشخص می نماید.

The design of Data-Driven Adaptive Predictive Controller for a class of unknown no-linear system featuring output saturation

Nowadays, industrial systems deal with a wide range of constraints. Output saturation and lack of system model are two types of these constraints. In this paper, a DataDriven Adaptive Predictive Control (DDAPC) is propounded for a family of unknown nonlinear systems featuring output saturation. The design of the control signal only dependent on the input and output data of the system. In this regard, a new adaptive predictive control scheme is suggested using the new developed dynamic linearization model. The stability analysis of the proposed method is provided by proving the boundedness of the tracking error for both time varying and constant desired reference signal and considering the output saturation data, which is a common physical constraint in industrial systems. Furthermore, the proposed method is more robust against the model uncertainties and nonlinearities, in comparison with the common modelbased adaptive methods, since its controller design procedures as well as the stability analysis are independent of plant model. To verify the efficiency and applicability of the suggested approach some applicational and numerical simulation examples are provided.