حذف اثر نوسانات ناخواسته با استفاده از ترکیب کنترل مد لغزشی و شبکه عصبی برای کلاس خاصی از کوره القایی

کوره القایی روشی برای ایجاد حرارت از طریق القای الکترومغناطیسی است. امروزه کوره های القایی به دلیل داشتن بازده بالا، دقت خوب و عدم آلودگی، به طور گسترده در صنایع فلزی برای فرآیند ذوب یا گرمایش مواد مورد استفاده قرار می گیرند. دمای ذوب یکی از مهم ترین عوامل کنترل ترکیب آلیاژ است که به طور مستقیم بر کیفیت محصول و تولید آن تاثیر می گذارد. بنابراین مهم ترین بخش کنترل فرآیند ذوب کوره، کنترل حرارت ذوب است. در حالت کلی سیستم‌های دینامیکی موجود در طبیعت بصورت غیرخطی می‌باشند که بیان ریاضی آن‌ها همواره توصیفی غیر دقیق از سیستم دینامیکی را ارائه می‌دهد. کوره القایی نمونه ای از سیستم های غیرخطی است. این عوامل غیر خطی به دلیل ماهیت فیزیکی فرآیندها وجود دارد که خود شامل بسیاری از نامعینی ها است. کنترل مد لغزشی یک روش غیرخطی برای کنترل و پایدارسازی سیستم های غیرخطی در حضور نامعینی‌های غیرساختاری است. بزرگ‌ترین مشکل کنترل‌کننده‌ مد لغزشی، پدیده نوسانات ناخواسته است. علت اصلی این پدیده دینامیک‌های مدل نشده سیستم است که درجه نسبی آن را نیز بالا برده و حرکت مد لغزشی موجود در سیستم را منحرف می‌کند. به منظور کاهش این پدیده و حذف نامعینی‌ها، به تخمین قسمت نامعلوم سیستم نیاز است. از کنترل‌کننده مد لغزشی به همراه شبکه عصبی برای تخمین نامعینی‌های سیستم استفاده می شود تا مشکلات ناشی از نوسانات ناخواسته را برطرف کند. در شبکه عصبیrbf، یک الگوریتم یادگیری بر اساس پایداری لیاپانوف طراحی شده است که در آن مراکز مناسب و انحراف معیار (شعاع‎‌ها) تعیین می‌شود و سپس ضرایب وزنی شبکه‌ تنظیم می‌شود. یادگیری این شبکه عصبی به‌صورت آنلاین بوده و ضرایب وزنی‌ لایه خروجی و پارامترهای rbf در مراحل یادگیری به‌روز می‌شوند. کنترل‌کننده‌ ارائه شده، پایداری و همگرایی سیستم را تضمین می‌کند. شبیه‌سازی‌ها برای ارزیابی و کارایی عملکرد کنترل‌کننده‌ پیشنهادی و در نرم‌افزار matlab انجام شده است.