|
|
|
|
پیادهسازی کنترلکننده فازی عصبی تطبیقی در یک سیستم کنترل دما براساس روش مدل مبنا
|
|
|
|
|
|
|
|
نویسنده
|
شریفی علیرضا ,فروغی مهدی ,نوبهاری هادی
|
|
منبع
|
علوم و فناوري فضايي - 1396 - دوره : 10 - شماره : 4 - صفحه:9 -17
|
|
چکیده
|
زیرسیستم کنترل دمای یک ماهواره وظیفه حفظ دمای سایر زیرسیستمها را در محدوده مجاز بر عهده دارد. هدف از این مقاله، طراحی و پیادهسازی کنترلکننده دما مبتنی بر شناسایی مدل در یک سیستم کنترل دما با استفاده از ابزار تولید خودکار کد است. کنترلکننده پیشنهادی این مقاله، کنترلکننده فازی عصبی تطبیقی است. بهمنظور طراحی کنترلکننده، مدل دینامیکی محفظه آزمایشگاهی با اعمال ورودیهای مختلف با استفاده از مولد حرارتی و همچنین قرائت دمای محفظه توسط حسگر دما شناسایی میشود. کنترلکننده با دریافت دمای محفظه، فرمان کنترلی مناسب را تولید و به مولد حرارتی ارسال میکند. سپس، بلوک دیاگرامهای طراحی شده در محیط سیمولینک به کد c ترجمه شده و بر سختافزار میکروکنترلر که قابلیت پشتیبانی توسط محیط سیمولینک را دارد، پیادهسازی میشود. در نهایت، با نصب این سختافزار در محفظه آزمایشگاهی، عملکرد کنترلکننده دما در تعقیب دمای مطلوب و حذف اغتشاش ورودی بررسی و با عملکرد کنترلکننده تناسبی مشتقی انتگرالی مقایسه میشود.
|
|
کلیدواژه
|
سیستم کنترل دما، کنترلکننده فازی عصبی تطبیقی، ابزار تولید خودکار کد، روش مدل مبنا
|
|
آدرس
|
دانشگاه صنعتی شریف, دانشکده مهندسی هوافضا, ایران, دانشگاه صنعتی شریف, دانشکده مهندسی هوافضا, ایران, دانشگاه صنعتی شریف, دانشکده مهندسی هوافضا, ایران
|
|
پست الکترونیکی
|
nobahari@sharif.edu
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Design and Realtime Implementation of the AdaptiveNeuroFuzzy Controller for a Temperature Control System using ModelBased Design
|
|
|
|
|
Authors
|
Sharifi Alireza ,Foroughi Mahdi ,Nobahari H.
|
|
Abstract
|
In this paper, an adaptiveneurofuzzy controller is implemented online for a temperature control system using modelbased design. First, the time domain identification approaches are utilized for the dynamic model identification. Then, the identified model is used in the adaptiveneurofuzzy controller. The simulated model of the proposed controller, created in the Simulink environment, is translated into C code using Simulink Coder. The generated C code is compiled into a hardware device and is successfully embedded on a microcontroller. In the next step, the experimental setup of a temperature controller is done to verify the adaptiveneurofuzzy controller. Finally, a comparison was made between the proposed controller and a classical proportionalintegralderivative controller to investigate the performance of the proposed approach. The results demonstrate that the proposed approach provides an excellent performance for a temperature control system.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|