طراحی کنترل‌کننده پیش‌بین تابعی مرتبه‌کسری برای سیستم شناور مغناطیسی

نوع مقاله : گرایش دینامیک، ارتعاشات و کنترل

نویسندگان

1 گروه مهندسی برق-کنترل، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

2 موسسه آموزش عالی کارون ، اهواز ، ایران

چکیده

 سیستم شناور مغناطیسی در سال­های اخیر به طور گسترده در صنایع مختلف مورد توجه قرار گرفته است. این سیستم به صورت حلقه­باز به شدت غیرخطی و ناپایدار است؛ از این رو مدل­سازی و طراحی کنترل­کننده برای چنین سیستمی مسئله­ای چالشی محسوب می­شود. در این مقاله با استفاده از مدل خطی شناور مغناطیسی کنترل­کننده­ی پیش­بین تابعی مرتبه­کسری برای آن طراحی شده است. ابتدا سیستم ناپایدار به دو سیستم پایدار تجزیه می­شود، سپس با استفاده از سیستم­های بدست آمده کنترل­کننده‫ی پیش­بین تابعی با تابع هزینه‫ی مرتبه­کسری طراحی می­شود. از آنجا که استفاده از حسابان مرتبه‫­کسری باعث افزایش درجه­ی آزادی در سیستم کنترلی می­شود، طراحی این کنترل­کننده سبب بهبود عملکرد سیستم حلقه­بسته می­گردد. همپنین بررسی پایداری مقاوم سیستم حلقه­بسته با در نظر گرفتن به نامعینی و خطای مدلسازی با استفاده از قضیه­ی بهره­کوچک صورت می­گیرد. نتایج شبیه­سازی، عملکرد مناسب کنترل­کننده در شرایط نامی و وجود نامعینی را نشان می­دهد. با توجه به نتایج، با استفاده از کنترل کننده پیشنهادی، بالازدگی حذف شده و معیارهایی مانند زمان صعود و زمان نشست بیش از 50%  نسبت به کنترل‫کننده‫های یک درجه و دو درجه آزادی تناسبی-مشتقی-انتگرالی مرتبه صحیح و مرتبه کسری مطرح شده در مراجع، بهبود یافته است.

کلیدواژه‌ها

عنوان مقاله [English]

The Design of a Fractional-order Predictive Functional Controller for the Magnetic Levitation System

نویسندگان [English]

  • Nooshin Bigdeli 1
  • Mahsa Sanatizadeh 2
1 Control Engineering Department, Faculty of Technical & Engineering, Imam Khomeini International University, Qazvin, Iran
2 karoon
چکیده [English]

Magnetic levitation systems (Maglev) are widely used in various industries. The open loop Maglev system is highly nonlinear and unstable. Therefore, designing a simple, but effective controller for such a system is a challenging issue. In this paper, a fractional order predictive functional controller (FPFC) is proposed for the control of the magnetic levitation system based on its linearized unstable model. At first, the unstable plant is decomposed into two stable models. Then, using these two stable models and employing fractional order cost function, the PFC controller is designed. Because of more degrees of freedom and its flexibility of fractional order calculus, the proposed fractional PFC would improve the performance of closed loop systems, noticeably. Robust stability of closed-loop systems has also been studied considering the uncertainties and model mismatches via the small gain theorem. Simulation results show good performance of the proposed controller in nominal and perturbed conditions. Based on provided simulations, via the proposed controller, overshoot has been omitted and performance indices have been improved more than 50% with respect to the first and second orderof freedom integer/fractional order PID controllers, designed for this system, in the literature.

کلیدواژه‌ها [English]

  • Magnetic levitation system
  • unstable system
  • Predictive functional controller
  • Fractional order controller

مراجع

1. Yaghoubi, H. “The most important maglev applications”, Journal of Engineering, Vol. 2013, pp. 1-19, 2013.##
2. Qin, Y., Peng , H., Ruan,W., Wu, J., and Gao, J. “A modeling and control approach to magnetic levitation system based on state-dependent ARX model”, J. Process Contr., Vol. 24, No. 1, pp. 93-112, 2014.##
3. Abdel-Hady, F., Abuelenin, S. “Design and simulation of a fuzzy-supervised PID controller for a magnetic levitation system”, Stud. Inform. Control, Vol. 17, No. 3, pp. 315-328, 2008.##
4. Lin, CM., Lin, MH., and Chen, CW. “SoPC-based adaptive PID control system design for magnetic levitation system”, IEEE Systs. J., Vol. 5, No. 2, pp.278–87, 2011.##
5. Marjan, G., Tovornik, B. “Modelling and control of the magnetic suspension system”, ISAT., Vol. 42, No.1, pp. 89–100, 2003.##
6. Ghosh, A., Rakesh Krishnan, T., Tejaswy, P., Mandal, A., Pradhan, J. K., and Ranasingh, S. “Design and implementation of a 2-DOF PID compensation for magnetic levitation systems”, ISAT., Vol. 53, No. 4, pp. 1216-1222, 2014.##
7. Swain, S. K., Sain, D., Mishra, S. K., and Ghosh, S. “Real Time Implementation of Fractional Order PID Controllers for a Magnetic Levitation Plant”, Int. J. Electron., Vol. 78, pp. 141-156, 2017.##
8. Lin, FJ., Chen, SY., and Shyu, KK. “Robust dynamic sliding-mode control using adaptive RENN for magnetic levitation system”,IEEE T. Neur. Network., Vol. 20, No. 6, pp. 938–5, 2009.##
9. Gutierrez, HM., Ro, PI. “Magnetic servo levitation by sliding-mode control of nonaffine systems with algebraic input invertibility”, IEEE T. Ind. Electron., Vol. 52, No. 5, pp. 1449–1455, 2005.##
10. Shieh. HJ., Siao, JH., and Liu. YC. “A robust optimal sliding mode control approach for magnetic levitation systems”, Asian J. Control, Vol. 12, No. 4, pp. 480–487, 2010.##
11. Delavari, H., Heydarinejad, H. “Adaptive fractional order Backstepping sliding mode controller design for a magnetic levitation system”, Modares Mechanical Engineering, Vol. 17, No. 3, pp. 195-187, 2017 (in Persian).##
12. Tufa, L. D., Ka, C. Z. “Effect of Model Plant Mismatch on MPC Performance and Mismatch Threshold Determination”, Procedia Engineering, Vol. 148, pp. 1008–1014, 2006.##
13. Liu, A., Yu, L., and Zhang, W. “Switched model predictive control for networked control systems with time delays and packet disordering”, South Africa. August 24-29, 2014, Proceedings of the 19th World Congress, the International Federation of Automatic Control Cape Town.##
14. Zhang, Z., Hu, L. “Performance assessment for the water level control system in steam generator of the nuclear power plant”, Ann. Nucl. Energy, Vol. 45, pp. 94–105, 2012.##
15. Sarhadi, P., Salahshoor, K.,and Khaki-Sedigh, A. “Robustness analysis and tuning of generalized predictive control using frequency domain approaches”, Appl. Math. Model, Vol. 36, No.12, pp. 6167–6185, 2012.##
16. Vu, K. M. “A Model Predictive Controller for Inverse Response Control Systems”, IFAC Papers OnLine 48-8, pp. 562–567, 2015.##
17. Oliveira, J.B., Boaventura-Cunha, J., Moura Oliveira, P.B., and Freire, H. “A swarm intelligence-based tuning method for the sliding mode generalized predictive control”, ISA T., Vol. 53, No. 5, pp.1501-1515, 2014.##
18. Wiese, A. P., Blom, M. J., Manzie, C., Brear, M. J., and Kitchener, A. “Model reduction and MIMO model predictive control of gas turbine systems”, Control Eng. Pract., Vol. 45, pp.194–206, 2015.##
19. He, N., Shi, D., Forbes, M., Backström, J., and Chen, T. “Robust tuning for machine-directional predictive control of MIMO paper-making processes”, Control Eng. Pract., Vol. 55, pp.1–12, 2016.##
20. Martins, M., Odloak, D. “A robustly stabilizing model predictive control strategy of stable and unstable processes”, Automatica, Vol. 67, pp. 132–143, 2016.##
21. Camacho, E. F., Bordons, C. “Model Predictive Control”, Springer Verlag Ltd., New York, 1999.##
22. Montazeri-Gh, M., Jafari, A., Rasti Jahromi, A.  “Design and Implementation of Model Predictive Controller for Turbofan Engine Fuel Control”,

فایل ها

سابقه مقاله

  • تاریخ دریافت: 11 شهریور 1399
  • تاریخ پذیرش: 11 شهریور 1399
  • تاریخ انتشار: 01 دی 1399

هم رسانی

ارجاع به این مقاله

آمار