1030- طراحی کنترل کننده بهینه برای توربین ژنراتور

پروژه شبیه سازی شده

 

کد پروژه: 1030

 

موضوع:multiVariable و کنترل چندمتغیره و LQR و LQG و Kalman Filter  فیلتر کالمن

 

شامل:پروِژه اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از روند کار و نتایج شبیه سازی

 

عنوان پروژه:

طراحی کنترل کننده بهینه برای توربین ژنراتور

 

خلاصه:

 

روند کلی

ما در اینجا یک سیستم مرتبه 11 (توربین- ژنراتور) داریم که میخواهیم بوسیله ی کنترل کننده LQR و همچنین با فیلتر کالمن کنترل کننده LQG را طراحی کنیم.

LQG=)LQR(_Kf+)LQR(_Kc

Kf: گین بهینه کالمن فیلتر

Kc: گین بهینه فیدبک

روند کار کنترل کننده LQG در شکل زیر دیده می شود:

 

این توربین- ژنراتور دارای پارامترهای زیر می باشد:

 

ما اینجا 13 پتانسیومتر در اختیار داریم که 11 تای آنها پارامترهای توربین- ژنراتور(که در بالا آمده است) و 2 تا هم ورودی است.

وظیفه طراح بدست آوردن RوQ بمنظور اهداف کنترلی مورد نظر می باشد که این اهداف عبارتند از:

ü     کم کردن اولین نوسان(اورشوت Overshout)

ü     بهبود میرایی سیستم

مهمترین پارامترها در مدل 11؛ q₁,q₂,q₉می باشند؛ و ورودی r₁5تا 10برابر مهمتر از ورودی r₂ است.

بوسیله ی روش سعی و خطا و تغییر پارامترها بهترین q و r ها را پیدا می کنیم(که روش پیدا کردن و نمودارهای آن در ادامه قرار داده شده است)

می دانیم که LQG:

LQG(A,B,C,Q,R,Q_f,R_f)

که Q_f,R_f  مربوط به کالمن فیلتر می باشد که K_fرا می دهد.

 

Q_f,R_f   روی عملکرد سیستم تاثسر زیادی نمی گذارند؛ که هر چه K_f بزرگتر انتخاب شود سرعت تخمین بالا میرود ولی مصونیت در مقابل نویز پایین می آید به همین علت در حاشیه امنیت حرکت می کنیم و K_f را کم می کنیم تا نویز تاثیر نگذارد.

R_f=1 , Q_f=0.1

حال کنترل کننده طراحی شده که بهینه ترین کنترل کننده برای مدل 11 است را بر روی مدل 21 اعمال می کنیم که نمودار حاصل آن نشان می دهد که مدل 21 بسمت بی نهایت می رود و ناپایدار می شود و علت این ناپایداری دینامیک های حذف شده مهم مدل 11 نسبت به مدل 21 است. که نشان می دهد LQG کنترل کننده خوبی نیست توان مقابله با عدم قطعیت را ندارد.

LQR و فیلتر کالمن (بعنوان سیستم فیدبک حالت تصور کنیم) دارای خواص عملکردی مناسبی می باشند؛ ولی نشان داده شد که کنترل LQG که ترکیب دو LQR فیدبک بهینه حالات و کالمن فیلتر می باشند دارای  رباتسنس ضعیف و غیر قابل قبولی می باشد. حال به روش LTR که وادار می نماید که ماتریس گشن حلقه در LQG به ماتریس گین حلقه در LQR میل نماید؛ که بدنبال این هستیم که خواص رباتسنس از دست رفته LQR در LQG را بازیابی نماییم. بعبارت دیگر طراحی LQG/LTR همان طراحی LQG است که در آن کالمن فیلتر به شکل خاص زیر طراحی می شود:

L₂(s)=-K_c(sI-A)^-1B

L₂(s)=K_LQG(s)G(s)

نكات:

1)     در اين پروژه ابتدا مختصري درباره LQR  و LQG و فيلتر كالمن به صورت ساده و كلي توضيح داده شده است.

2)     تمام مطالب ذكر شده با منبع مي باشند كه منبع هر مطلب به طور كامل مشخص شده است.

3)     صحت مطالب منابع در اينجا مورد بررسي قرار نگرفته است.

4)     همراه با اين فايل در CD ارائه شده فايل بعضي از منابع و مطالب مورد بررسي قرار گرفته وجود دارد.

5)     چون چندين برنامه MATLAB براي اين پروژه وجود داشت سورس برنامه هم در CD قرار گرفته تا اعداد با همان برنامه تست شوند.

6)     فايل pdf اين txt نيز در CD موجود است.

7)     در اينجا فقط تعداد محدودي از نمودار ها طراحي آمده است.

8)     اينجانب هيچ ادعايي براي درستي نتايج بدست آمده ندارم و فقط نظر خود را گفته ام.

9)     کار اصلی پروژه در بخش های روند کلی و نمودارها و نتیجه گیری(5و6و7) می باشد.

10) بخش های 1تا 4 ترجمه و چکیده از زبان اصلی(انگلیسی ) می باشد؛ منابع آنها هم ذکر شده است.

11)  پیشاپیش از هر گونه غلط املایی و اشتباهات بازگردانی متون از زبان اصلی عذر خواهم.

فهرست مطالب

1. کنترل کننده LQR........................................................................................................................................4

1.1.  LQR زمان پیوسته متناهی.................................................................................................................4

1.2.  LQR زمان پیوسته نامتناهی .............................................................................................................5

1.3.  LQR زمان گسسته متناهی ...............................................................................................................6

1.4.  LQR زمان گسسته نامتناهی ............................................................................................................6

1. کنترل کننده LQG .......................................................................................................................................7

2.1.  مشکلات LQR و LQG سنتی ..........................................................................................................8

2.2.  فیدبک حالت مطلوب ..........................................................................................................................10

2.3.  فیلتر کالمن ...........................................................................................................................................10

2.4.  برآورد حالت مطلوب ترکیبی و فیدبک حالت مطلوب .................................................................11

1. خصوصیات robustness ..........................................................................................................................11
2. فیلتر کالمن .....................................................................................................................................................12
3. روند کلی ..........................................................................................................................................................13
4. نمودارها ............................................................................................................................................................16
5. نتیجه گیری ....................................................................................................................................................28
6. منابع .................................................................................................................................................................29

 

سفارش پروژه

 

1011- Integral Square Error Minimization Technique for Linear Multi Input and Multi Output Systems

مقاله شبیه سازی شده

کد پروژه:1011

 

موضوع:کنترل چند متغیره

 

شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی

 

عنوان مقاله:

Integral Square Error Minimization Technique for Linear Multi Input and Multi Output Systems

تکنیک به حداقل رساندن خطای  مربع انتگرال برای سیستم خطی با چند ورودی و چند خروجی

 

آدرس:  ieee

 

خلاصه:

 

 Abstract:

 A method is proposed for model order reduction for a linear multivariable system by using the combined advantages of dominant pole reduction method and Particle Swarm Optimization (PSO). The PSO reduction algorithm is based on minimization of integral square error (ISE) pertaining to a unit step input. Unlike the conventional method, ISE is circumvented by equality constraints after expressing it in frequency domain using Parseval's theorem. In addition to this, many existing methods for model order reduction are also considered. The proposed method is applied to the transfer function matrix of a 10th order two-input two-out put linear time invariant model of a power system. The performance of the algorithm is tested by comparing it with the other soft computing technique called Genetic Algorithm and also with the other existing techniques.

 

Keywords:

MIMO systems ;linear systems; minimization; multivariable systems; particle swarm optimization; power systems; reduced order systems; transfer function matrices 

سفارش پروژه