طراحی یک ساختار جدید در کنترل‌کننده مدل پیش‌بین صریح با کاربرد در سیستم مبدل باک

در این مقاله، ساختار جدیدی از کنترل پیش‌بین برای سیستم‌های تکه‌ای افاین به عنوان کلاس خاصی از سیستم‌های هیبریدی مطرح شده است. به دلیل زمانبر بودن محاسبات آنلاین در مساله بهینه‌سازی پیش‌بین و پیچیدگی محاسبات آن، ساختار صریح الگوریتم پیش‌بین به منظور کنترل مبدل باک در این مقاله استفاده شده است. چون کنترل پیش‌بین صریح به جای حل مکرر آنلاین مساله بهینه‌سازی، فقط یکبار و بصورت آفلاین محاسبات بهینه‌سازی را انجام می‌دهد، برای سیستم‌های هیبریدی با دینامیک‌های سریع مناسب است. در واقع در این الگوریتم به جای استفاده از درایه اول بردار ورودی کنترلی ، از تمامی درایه‌های آن به صورت وزندار برای به روزرسانی قانون کنترل استفاده می‌شود. برخلاف الگوریتم پیش‌بین صریح متداول که فقط از یک درایه از بردار ورودی کنترلی بهینه استفاده می‌کند، کنترل پیش‌بین صریح پیشنهادی از تمام درایه‌های بردار ورودی کنترلی بهینه به همراه ضرایب وزنی بهینه استفاده می‌کند. الگوریتم پیش‌بین صریح پیشنهادی در هر مرحله، دو مساله بهینه‌سازی به صورت مجزا حل می‌کند. مساله اول، مربوط به حل مساله بهینه‌سازی پیش‌بین صریح است و مساله بهینه‌سازی دوم مربوط به یافتن ضرایب وزنی بهینه در جهت کاهش مقدار سیگنال خطا در هر مرحله از الگوریتم می‌باشد. همگرایی روش پیش‌بین صریح پیشنهادی به سمت مقادیر موردنظر در این مقاله اثبات شده و نتایج شبیه‌سازی، برتری روش پیش‌بین صریح پیشنهادی را نسبت به پیش‌بین صریح متداول به شرط تنظیم مناسب ضرایب وزنی الگوریتم و انتخاب مناسب افق‌های کنترلی را نشان داده است.

designing a novel structure of explicit model predictive control with application in a buck converter system

this paper proposes a novel structure of model predictive control algorithm for piecewise affine systems as a particular class of hybrid systems. due to the time consuming and computational complexity of online optimization problem in mpc algorithm, the explicit form of mpc which is called explicit mpc (empc) is applied in order to control of buck converter. since the empc solves the optimization problem only once and in offline manner, this strategy is suitable for hybrid systems with fast dynamics. as opposed to typical empc that is uses only the first element of optimal input vector, the proposed strategy uses all entries of the control sequence with optimal weighting factors. in proposed empc, two separate optimization problems are solved at each algorithm step. the first one is related to empc optimization problem and the second optimization problem is concerned to finding optimal weighting factors so as to minimize the error signal at each step. the convergence property of the proposed empc towards to the desired value has been proved and the simulation results shows the better performance of the proposed empc strategy than the typical one, if the weighting factors and control horizons are adjusted properly.