Abstract
An approach to control design for nonlinear system working under repetitive regime is presented. The general iterative learning control scheme is enhanced with a neural network controller to reduce the uncertainty of the model used for the control design. To achieve this goal an effective data-driven technique for training neural controller is developed. In result, in each process trial, both the control performance and process model can be substantially improved. Also, the stability issues of the neural controller are discussed. Finally, as an illustration of the proposed approach the application to nonlinear pneumatic servomechanism is given
چکیده
روشی برای طراحی کنترل سیستم‌های غیرخطی که بر اساس روش تکراری عمل می‌کند، ارائه شده است. الگوی کنترل آموزش تکراری در حالت کلی با یک کنترل‌کننده شبکه عصبی مجهز شده است که هدف آن کاهش عدم قطعیت مدل مورد استفاده برای طراحی کنترل می‌باشد. به‌منظور دست‌یابی به این هدف، یک روش داده محور برای آموزش کنترل‌کننده عصبی ارائه می‌شود. در نتیجه، هر در پروسه آموزش، هم عملکرد کنترل و هم مدل پروسه را می‌توان به میزان قابل‌توجهی بهبود داد. همچنین، مسائل مربوط به پایداری کنترل‌کننده عصبی مورد بحث قرار می‌گیرد. در نهایت، به عنوان یک نمونه ترسیمی از مدل، کاربرد این کنترل‌کننده برای یک سرومکانیزم پنوماتیک غیرخطی ارائه می‌شود.
1-مقدمه
رشد سریع پیچیدگی در سیستم‌های مهندسی مدرن باعث شده است که مشکلات زیادی در طراحی سیستم‌های کنترلی رخ دهد. بنابراین، استراتژی‌های کنترلی دقیق‌تر، که قادر به تطبیق با این شرایط محیطی غیرقطعی هستند، مورد نیاز است. با این حال، فاکتورهای متعددی ممکن است در عدم قطعیت مدل‌سازی این سیستم‌ها دخیل باشند (Quinn et al., 2005), مثلاً نویز اندازه‌گیری، دینامیک‌های غیرخطی طرح، خطاهای مدل‌سازی و غیره. روش‌های متعددی برای طراحی سیستم‌های کنترلی در سیستم‌های خطی ارائه شده است که برای دست‌یابی به کیفیت مورد نظر کافی نبوده و یا از نظر پیاده‌سازی دینامیک‌های سیستم‌های پیچیده‌تر، آسان نیستند. بنابراین، روش‌های کنترل مقاوم مدرن ظهور کرده و موضوع بسیاری از تحقیقات اخیر بوده‌اند. در حالت خاص، روش کنترل تکرار آموز (ILC) در مقوله پروسه‌های تکراری بیشتر مورد توجه قرار گرفته است....