دانلود ترجمه مقاله طراحی الگوریتم های MPC برای کنترل سرعت موتور DC با جاروبک

1. مقدمه 2. معادلات موتور BDC و مدار پل H 3. طراحی MPC 4. نرم افزار در حلقه 5. نتیجه گیری

چکیده – کنترل پیش بین مدل (MPC) می کوشد با بهینه سازی میان پیش بینی ها بهترین خروجی کنترل را پیدا کند. این پژوهش در مورد کنترل سرعت موتور مینی جاروبک دار جریان مستقیم (BDC) استفاده شده در فعال کننده با MPC بحث می کند. چهار کارکرد متفاوت برای طراحی کارکرد دارای مناسب ترین هزینه برای MPC با در نظر گرفتن پارامترهای موثر در دینامیک موتور مانند سرعت، جریان، قدرت، و وضعیت های سوئیچینگ تعریف شده است. از نرم افزار در حلقه (SIL) به عنوان یکی از روش های آزمایش مبتنی بر مدل سازی در حوزه آزمون الگوریتم ها استفاده شد. مشاهده شده پس از آنکه SIL آزمایش شد، موتور مینی براش جریان مستقیم را می توان به طور موفق با تطبیق های ساده با تابع هزینه MPC کنترل کرد. در نتیجه تحلیل به دست آمده با بهترین نتایج با دو تابع هدف متشکل از خطای سرعت، جریان ارزیابی شده، و تفاوت میان دو مقدار سرعت ارزیابی شده به دست آمد. با این کنترل کننده، موتور مینی براش جریان مستقیم را می توان بدون خطا و با خطای حالت پایدار کمتر از 2% تحت بار کنترل کرد. مقدمه: موتورهای با جاروبک جریان مستقیم به طور گسترده در حوزه های مختلفی مانند پمپ ها، فن ها، مکانیزم های پنجره خودرو، و برف پاک کن ها استفاده شده است. با پیشرفت فناوری، این موتورها در حوزه های فناوری بالا مانند روباتیک، پهپادها، و فعال کننده های موشک کاربرد یافته است [1،2]. یک گام مهم در کنترل موتور دارای جاروبک جریان مستقیم، کموتاسیون است. فرآیند کموتاسیون در این موتورها با تماس جاروبک با یک سطح مکانیکی لغزنده انجام می شود. این روش مکانیکی، مطمئن و قادر به مقاومت در برابر ولتاژ و جریان بالاست. علاوه بر این مزایا، ممکن است جرقه ها و قوس هایی در کموتاسیون مکانیکی روی دهد، و بنابراین یک وضعیت خطرناک ایجاد کند [3].

The model predictive control (MPC) tries to find the best control output by optimizing among the predictions. In this context, determining the objective function of optimization is a critical process. This study discusses the velocity control of the mini brushed direct current (BDC) motor used in the actuator with MPC. Four different functions have been defined to design the most appropriate cost function for MPC by considering the parameters that may be effective in the motor dynamics such as velocity, current, power, and switching states. Software in the Loop (SIL), one of the modeling-based testing methods, was used within the scope of testing the algorithms. After the SIL tests, it has been observed that the mini BDC motor can be successfully controlled with simple adjustments to the cost function of the MPC. As a result of the analysis obtained the best results with the objective function consisting of velocity error, estimated current, and the difference between the two estimated velocity values. With this controller, the BDC motor can be controlled without overshoot and with a steady-state error of less than 2% under load. Introduction: Brushed DC (BDC) motors have been widely used in various fields, such as pumps, air fans, automotive window mechanisms, and windshield wipers. With the development of technology, it has found intensive use in high-technology areas such as robotics, drones, and missile actuators [1,2]. An essential step in controlling the BDC motor is commutation. The commutation process in BDC motors is carried out by the contact of a brush with a sliding mechanical surface. This mechanical method is reliable and able to withstand high voltage and current. In addition to these advantages, sparks or arcs may occur in the mechanical commutator and thus create a risky situation [3].

ترجمه این مقاله در 18 صفحه آماده شده و در ادامه نیز صفحه 7 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.