کنترل پیش بین مبتنی بر فیلتر کالمن و ملاحظه اثر اشباع عملگر در کنترل فعال ساختمان نه طبقه مبنای sac

کنترل پیش‌بین یک الگوریتم کنترل بهینه‌ای می‌باشد که نیروی کنترلی به دست آمده از این روش با حل یک مسئله بهینه‌یابی در حضور محدودیت‌های سخت و نرم حاصل می‌شود. به دلیل وجود عدم‌قطعیت در معادله فرآیند و همچنین ساختار حسگرهای حالت و از طرفی وجود محدودیت‌هایی در ظرفیت عملگرهای کنترلی نیاز به ایجاد یک فرآیند کنترلی می‌باشد که همه این شرایط و محدودیت‌ها را به نحو مطلوبی در خود بگنجاند. به همین جهت، در این پژوهش، یک روش کنترل پیش‌بین گسسته مبتنی بر فیلتر کالمن و ملاحظه اثر اشباع عملگر ارائه می‌شود. فیلتر کالمن به عنوان یک تخمین زننده حالت قادر است، حالت‌های نزدیک‌تر به واقعیت را ارائه نماید. از سویی اعمال محدودیت‌های عملکردی در فرآیند کنترل باعث می‌شود تا اشباع عملگرها نیز به صورت بهینه ملاحظه گردند. در تحقیق حاضر، برای بررسی کارایی روش کنترلی پیشنهادی در کاهش پاسخ‌های لرزه‌ای از یک سازه نه طبقه فولادی مبنا (sac) تحت بارگذاری لرزه‌ای استفاده شده است. سپس، نتایج به دست آمده از روش ارائه‌‌‌ شده با ملاحظه سه سناریوی محدودیت‌ نیروی کنترلی مختلف با نتایج حالت کنترل نشده مورد مقایسه قرار گرفته است. نتایج مطالعات عددی حاکی از عملکرد مناسب فرآیند کنترلی پیشنهادی در کاهش پاسخ‌های لرزه‌ای بودند. همچنین جایگزینی عملگرهای با ظرفیت پایین به جای عملگرهای با ظرفیت بالا ضمن اقتصادی‌تر کردن فرآیند کنترل، از لحاظ پاسخ‌ها تغییر قابل‌توجهی در کاهش نسبت پاسخ‌های سیستم کنترل شده به کنترل نشده ایجاد نکردند. برای نمونه بیشترین تغییرات شاخص عملکردی نسبت دریفت (j1) برای حالت کنترل شده با محدودیت کنترلی به حالت کنترل شده بدون محدودیت کنترلی برای زلزله السنترو برابر با 4درصد بود، در حالیکه همین شرایط برای شاخص حداکثر نیروی کنترلی (j12) برابر با 78 درصد بود.

A Kalman Filter-based model predictive control scheme with actuator saturation consideration for active control of a nine-story benchmark SAC building

Model predictive control is one of the optimal control methods for systems based on their behavior on future horizons. One of the salient features of this control method is the optimal consideration of control constraints in the system control process. Accurate states are required to perform an optimal control performance with this technique. On the other hand, state sensors are unable to provide accurate states due to the uncertainty in their structures. This shortcoming causes problems in the optimal control process. In this study, a discretetime Kalman filterbased model predictive control scheme with actuator saturation consideration is presented. As a state estimator, the Kalman filter is able to provide more accurate states. On the other hand, the application of performance constraints in the control process causes the saturation of the actuators to be optimally regarded. In the present study, to investigate the effectiveness of the proposed control method in reducing seismic responses, a ninestory benchmark steel structure (SAC) under seismic excitation is utilized. Then, the results obtained from the proposed method considering three different control force constraint scenarios are compared with the results of the uncontrolled case. The results of numerical studies demonstrate the appropriate performance of the proposed control process in reducing seismic responses. Also, the replacement of lowcapacity actuators with highcapacity ones, while making the control process more economical, do not significantly change the other responses quantity. For example, the highest change in the Drift Ratio Index (J1) for the controlled case with control force constraints to the controlled case without control force constraints for the Elcentro earthquake is by up to 4%, while the same conditions for the maximum control force index (J12) is 78%.