طراحی یک کنترل‌کننده تطبیقی افق پیش‌رونده مبتنی بر سیستم استنتاج فازی tsk برای یک سیستم دینامیکی غیرخطی

در این مقاله، مراحل طراحی یک کنترل‌کننده تطبیقی افق پیش‌رونده چند مدلی برای یک سیستم دینامیکی غیرخطی مورد بررسی قرار گرفته است. برای پیاده‌سازی این ساختار کنترلی از سیستم استنتاج فازی تاکاگی-سوگنو-کنگ tsk برای پیش‌بینی کردن رفتار سیستم دینامیکی روی یک افق پیش‌رونده استفاده شده است. در کنترل‌کننده پیشنهادی، بخش خطی مدل فازی tsk به عنوان یک مدل خطی برای پیاده‌سازی کنترل‌کننده افق پیش‌رونده چند مرحله‌ای برای محاسبه دنباله ورودی کنترلی بهینه مورد استفاده قرار می‌گیرد. تخمین پارامترهای این بخش از tsk برعهده یک قانون تطبیق بازگشتی برخط بوده و پارامترهای بخش تالی مدل tsk به صورت برون خط تعیین می گردند. برای تولید مدل فازی، فضای ورودی-خروجی به کمک خوشه‌بندی فازی تقسیم بندی می شود. هر خوشه یک ناحیه عملکردی از سیستم دینامیکی پیچیده را در فضای ورودی-خروجی نمایش می‌دهد. در استراتژی کنترلی پیشنهادی، فرض بر این است که متغیرهای استفاده شده در بخش تالی قواعد همان متغیرهای مورد استفاده در بخش پیرو قواعد هستند. برای کنترل مناسب سیستم غیرخطی از یک مدل چندگانه روی افق پیش رونده استفاده می شود. به منظور ارزیابی استراتژی کنترلی پیشنهادی، ساختار کنترلی پیشنهادی برای کنترل توان یک راکتور هسته‌ای در مسئله تعقیب بار مورد استفاده قرار گرفته است. نتایج شبیه‌سازی نشان‌دهنده عملکرد خوب ساختار کنترلی پیشنهادی است.

design of an adaptive receding horizon controller based on tsk fuzzy inference system for a nonlinear dynamic system

in this paper, the design steps of a multi-model adaptive receding horizon controller for a nonlinear dynamic system are investigated. to implement this control structure, the takagi-sugno-kong (tsk) fuzzy inference system (tsk) has been used to predict the behavior of the dynamic system on a receding horizon. in the proposed controller, the linear part of the tsk fuzzy model is used as a linear model to implement a multi-stage receding horizon controller to calculate the optimal control input sequence. a standard least square algorithm is used to identify the rules consequent parameters of the tsk model. a clustering method is used for partitioning the input-output space in order to generate tsk fuzzy model. each cluster represents a functional area of the complex dynamic system in the input-output space. in the proposed control strategy, it is assumed that the variables which are used in the premise of the rules are also those which are used in linear models that describe the consequents of the rules. for proper control of the nonlinear system, multiple models are used on the receding horizon. in order to evaluate the proposed control strategy, the proposed control structure has been used to control the power of a nuclear reactor in the charge pursuit problem. the simulation results show the good performance of the proposed control structure.