دانلود ترجمه مقاله کنترل بهینه یک سیستم MIMO روتور دوقلو با LQR با عمل انتگرالی

1. مقدمه 2. سیستم MIMO روتور دوقلو 3. کنترل بهینه 4. طرح کنترل LQR 5. نتایج شبیه سازی 6. نتایج تجربی 7. نتیجه گیری

چکیده – سیستم MIMO روتور دوقلو (TRMS) یک سیستم هلیکوپتر مانند است که به دو درجه آزادی ، محور عمودی و محور عرضی محدود می شود. TRMS، یک سیستم MIMO غیر خطی پیچیده است که برای شناسایی سیستم‌ها و تایید روش‌های کنترل و ناظران استفاده می‌شود. این مقاله روش طراحی کنترل کننده ردیاب زیربهینه با استفاده از تنظیم کننده خطی درجه دوم (LQR) را با عمل انتگرالی شرح می دهد. یافته ها نشان داد که کنترل کننده LQR با عمل انتگرالی (LQI) عملکرد برتری را در مقایسه با کنترل کننده های بهینه موجود در مقالات ارائه می دهد. مقدمه: TRMS یک مسئله کنترل مشترک برای اعتبارسنجی روشهای کنترل جدید است. ساده ترین راه حل برای این مسئله استفاده از کنترل PID در سیستم است. همچنین پژوهش های زیادی در زمینه استفاده از یادگیری ماشین در سیستم برای یافتن پارامترهای بهینه جهت تضمین بهترین عملکرد انجام شده است [1]. با این حال، این الگوریتم های یادگیری ماشین عملکرد قوی را که در برنامه های هوافضا مطلوب است، تضمین نمی کنند. برای اطمینان از عملکرد قوی، از روشهای مختلفی نظیر کنترل بی نوسان [2] ، کنترل بهینه [3] [4] [5]، و H∞ [6] و مود/حالت لغزشی [7] [8] [9] [10] نیز در سیستم استفاده شده است. ساده ترین راه حل برای هر مسئله کنترل، استفاده از کنترل کننده PID با تنظیم دستی است و TRMS از این قاعده مستثنی نیست. اما برای تنظیم غیر دستی، کنترل کننده PID به طور معمول از طریق فرایند یادگیری ماشین تنظیم می شود. در سال 2012 مون ام اس و همکاران روشی را تحت عنوان کنترل نیروی فعال PIDپیشنهاد کردند که در آن یک سیستم اختلالات گشتاور خارجی را تخمین زده و از یک شبکه عصبی و منطق فازی برای بهینه سازی کنترل کننده PID استفاده می کند. با این حال کنترل کننده فقط در شبیه سازی پیاده سازی شده است و نتایج مربوط به زیر سیستم محور عمودی هرگز گزارش نشده است [1].

The twin rotor MIMO system (TRMS) is a helicopterlike system that is restricted to two degrees of freedom, pitch and yaw. It is a complicated nonlinear, coupled, MIMO system used for system identification, the verification of control methods and observers. This paper details the design procedure for a suboptimal tracking controller using a linear quadratic regulator (LQR) with integral action. It was found that the LQR controller with integral action (LQI) provided performance superior to existing optimal controllers in the literature. INTRODUCTION: The TRMS is a common control problem for validating new control methodologies. The simplest solution to the problem is to apply PID control to the system. There has also been a lot of research into applying machine learning to the system to find the optimal parameters to guarantee the best performance [1]. However these machine learning algorithms do not ensure robust performance, which is desired in aerospace applications. To ensure robust performance various control methods such as deadbeat control [2], optimal control [3] [4] [5], Hoo [6] and sliding mode control [7] [8] [9] [10] has been applied to the system as well. The simplest solution to most any control problem is to use a hand tuned PID controller, the TRMS is no exception. However in an effort to take the human out of the slow tuning process the PID controller is typically tuned via a machine learning process. In 2012 Meon M. S. et al proposed a method called PID Active Force Control [1] in which a system estimated the external torque disturbances and a neural network and fuzzy logic were used to optimize the PID controller. The method provided a smooth, albeit slow, response that worked well at rejecting disturbances. However the controller was only implemented in simulation and the results for the yaw subsystem were never reported [1].

ترجمه این مقاله در 11 صفحه آماده شده و در ادامه نیز صفحه 10 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.