طراحی و پیاده‌سازی کنترل‌کننده فازی مد لغزشی برای کنترل حرکت یک میز لرزه الکتریکی با استفاده از فیلتر کالمن توسعه‌یافته تطبیقی

در این مقاله، یک کنترل‌کننده فازی مد لغزشی به همراه فیلتر کالمن توسعه‌یافته تطبیقی برای کنترل یک سیستم میز لرزه به همراه عملگر الکتریکی و مکانیزم بال‌اسکرو طراحی می‌شود. وجود عدم قطعیت‌های مربوط به پارامترهای مدل و آلوده به نویز بودن داده‌های دو سنسور انکودر و شتاب‌سنج خطی موجب بروز مشکلات فراوانی در کنترل این سیستم می‌شود. از این رو به کارگیری کنترل‌کننده‌ای که مبتنی بر مدل دقیق نباشد و یک فیلتر غیر خطی تطبیقی، امری حیاتی است. روش کنترل فازی مد لغزشی و فیلتر کالمن توسعه‌یافته یک روش مناسب برای کنترل این سیستم می‌باشد. در کنترل مد لغزشی، بروز لرزش در ورودی کنترلی امری اجتناب‌ناپذیر است. در این مقاله برای کاهش پدیده نامطلوب لرزش از یک مکانیزم استنتاج فازی ساده برای تخمین درست حد بالای عدم قطعیت استفاده می‌شود. در ادامه از یک روش بازگشتی برای تعیین ماتریس‌های کواریانس نویز سیستم و اندازه‌گیری استفاده می‌شود. داده‌های دو سنسور انکودر و شتاب‌سنج خطی در فیلتر کالمن توسعه‌یافته تطبیقی ترکیب شده و نتایج حاصل در حذف نویز و تخمین پارامترهای لازم مورد بررسی قرار می‌گیرد. از فیدبک سرعت خطی که توسط فیلتر کالمن در دسترس قرار می‌گیرد به منظور پایدارسازی و کنترل سیستم حلقه بسته استفاده می‌شود. در انتها به منظور بررسی عملکرد ساختار کنترلی ارائه‌شده با آزمایش به کمک میز لرزه مورد بررسی قرار می‌گیرد. نتایج حاصل نشان می‌دهند که روش مطرح‌شده بسیار کارآمد است.

Design and Implementation of Fuzzy Sliding Mode Controller for Motion Control of an Electric Shake Table Using Adaptive Extended Kalman Filter

In this paper, Design of a fuzzy sliding mode controller (FSMC) with adaptive extended Kalman filter (AEKF) for controlling a shake table system with electric actuator and ballscrew mechanism. Due to the uncertainties regarding the model parameters and the noise of the data of the two encoder and accelerometer sensors, there are many problems in controlling this system. Therefore, it is crucial to employ a nonprecise modelbased controller and a nonlinear adaptive filter. The fuzzy sliding mode control and Extended Kalman filter are a good way to control this system. In sliding mode control, chattering at the control input is inevitable. In this paper, a simple fuzzy inference mechanism is used to reduce the undesirable phenomenon of chattering by correctly estimating the upper bound of uncertainty. In the following, a recursive method is used to determine the system and measurement noise covariance matrices. The data of the two encoder and accelerometer sensors are combined in the adaptive extended Kalman filter and the results in noise elimination and parameter estimation are investigated. Linear speed feedback available through the Kalman filter is used to stabilize and control the closed loop system. The end is examined to check the performance of the control structure provided by the seismic table test. The results show that the proposed method is very effective.