دانلود مقالات ISI درباره کنترل پیش بین، کنترل پیش بینی مدل + ترجمه فارسی
Model Predictive Control
آشنایی با موضوع
کنترل پیش بین یا MPC نوعی کنترل پیشرفته فرایند است که از دهه ۱۹۸۰ در صنایع فرایند، صنایع شیمیایی و پالایشگاههای نفت به کار میرود. در سالهای اخیر کنترل پیش بین در مدلهای بالانس سیستمهای قدرت نیز به کار رفته است. کنترل کنندههای پیش بین مبتنی بر مدلهای دینامیکی فرایند، عمدتاً مدلهای خطی تجربی، است که با شناسایی سیستم به دست آمدهاند. مهمترین مزیت MPC آن است که امکان بهینهسازی تایم اسلات جاری را با در نظر گرفتن تایم اسلاتهای آینده میدهد. این کار با بهینهسازی یک افق زمانی محدود اما اجرای آن تنها در تایم اسلات جاری انجام میگیرد. MPC توانایی پیش بینی رخدادهای آینده و اتخاذ اعمال کنترلی متناسب با آن را دارد. کنترل کنندههای PID و LQR توانایی پیش بینی را ندارند. MPC نوعی کنترل دیجیتال است.
مدلهای به کاررفته در MPC معمولاً مدلهایی برای نشان دادن رفتار یک سیستم دینامیکی پیچیده هستند. الگوریتم کنترل پیش بین پیچیدگی سیستم را افزایش میدهد و برای کنترل سیستمهای ساده که اغلب با کنترل کنندههای PID به خوبی کنترل میشوند لازم نیست. از مشخصههای دینامیکی رایجی که برای کنترل کنندههای PID مشکل هستند میتوان از تآخیرهای زمانی طولانی و دینامیکهای مرتبه بالا نام برد.
مدلهای MPC تغییرات متغیرهای وابسته را که نتیجه تغییرات متغیرهای نابسته هستند پیش بینی میکنند. در یک فرایند شیمیایی متغیرهای نابستهای که میتوان با کنترلر تغییر داد اغلب یا نقاط تنظیم (set point) کنترل کنندههای PID رگولاتوری (فشار، فلو، دما…) هستند یا عنصر کنترلی نهایی (ولو، دمپر…). متغیرهای نابستهای که نمیتوان با کنترل کننده تنظیم کرد به عنوان اغتشاش به کار میروند. متغیرهای وابسته در این فرایندها دیگر اندازه گیریهایی هستند که یا اهداف کنترلی را نشان میدهند یا محدودیتهای کنترلی. MPC با استفاده از اندازه گیریهای فعلی از سیستم تحت کنترل، حالت دینامیکی فعلی فرایند، مدلهای MPC و اهداف و محدودیتهای متغیر فرایند، تغییرات آتی متغیرهای وابسته را محاسبه میکند. این تغییرات به گونهای محاسبه میشوند که متغیرهای وابسته نزدیک به هدف بمانند و محدودیتها روی متغیرهای نابسته و وابسته رعایت شود. معمولاً MPC تنها اولین تغییر در هر متغیر نابسته را برای اجرا میفرستد و محاسبه را برای تغییر بعدی تکرار میکند. با وجود آنکه بسیاری از فرایندهای واقعی خطی نیستند اغلب میتوان آنها را در بازه کوچکی خطی در نظر گرفت. روشهای MPC خطی در بیشتر کاربردها با مکانیسم فیدبک به کار میروند که خطاهای پیش بینی ناشی از عدم تطبیق بین مدل و فرایند را جبران میکند. در کنترل کنندههای پیش بین که تنها از مدلهای خطی تشکیل میشوند اصل برهم نهی (جمع آثار) جبر خطی امکان میدهد اثر تغییرات متغیرهای نابسته چندگانه برای پیش بینی پاسخ متغیر وابسته با هم جمع شوند. با این کار مسئله کنترلی به یک سری محاسبات جبری ماتریسی مستقیم ساده میشود که سریع و مقاوم هستند. هنگامی که مدلهای خطی به اندازه کافی برای نشان دادن غیرخطی بودن واقعی مدل دقیق نیستند از روشهای گوناگونی میتوان استفاده کرد. در برخی موارد میتوان از تغییر متغیرهای فرایند پیش و/یا پس از مدل خطی برای کاهش غیر خطی بودن استفاده کرد. فرایند را میتوان با MPC غیر خطی که مستقیماً از مدل غیر خطی استفاده میکند کنترل کرد. مدل غیر خطی میتواند به شکل یک برازش منحنی تجربی (مانند شبکههای عصبی مصنوعی) یا یک مدل دینامیکی دقیق بر مبنای توازن بنیادی جرم و انرژی باشد. مدل غیر خطی را می توا ن برای به دست آوردن فیلتر کالمن یا استفاه از آن در MPC خطی، خطی سازی کرد.
در این صفحه تعداد 1419 مقاله تخصصی درباره کنترل پیش بین، کنترل پیش بینی مدل که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید. در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI ترجمه شده کنترل پیش بین، کنترل پیش بینی مدل
مقالات ISI کنترل پیش بین، کنترل پیش بینی مدل (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند. در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Active power control; Consensus protocol; Distributed control; Model predictive control; Reactive power control; Voltage control; Wind farm;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Model Predictive Control; Performance analysis; Parameter tuning; Thermal control; Intelligent buildings; Control design;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Model predictive control; Nonlinear stochastic systems; Markovian jumps; Constraints; Investment portfolio;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Fractional-order systems; Model predictive control; Grünwald-Letnikov derivative; Controlled drug administration; Fractional pharmacokinetics;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Process operational safety; Model predictive control; Control Lyapunov-barrier functions; Nonlinear systems; Chemical processes;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Three-phase four-switch rectifier; Model predictive control; Load current observer; DC voltage; Active power; Reactive power;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Model predictive control; Building energy saving; NARX modeling; Building management system; HVAC control; Multi-zone building;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Refrigeration system; Model predictive control; Disturbance observer; Estimation of ageing process; Nonlinear ageing estimation;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Peak demand limiting; Chiller power limiting; Demand response; Model predictive control; Building thermal mass;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Batch process; Subspace identification; Model predictive control; Big-data; Data driven model predictive control;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Hydraulic hub-motor auxiliary system; Dynamic coordinate; Model predictive control; Nonlinear model; Heavy commercial vehicle;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Model predictive control; Flexible structures; Model order reduction; Experiment; Real-time implementation; Parameter identification; Energy-based modeling;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; DH; District Heating; DSP; District Simulation Platform; MISO; Multiple Input Simple Output; MPC; Model Predictive Control; MSL; Modelica® Standard Library; TES; Thermal Energy Storage; District heating modelling; Detailed physical model; Reduced model;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Model predictive control; Output tracking; System decomposition; Distributed control; Process network; Process control;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Vehicle convoy; Controller synthesis; Model predictive control; Hidden Markov models; Driver behavior classification;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Spacecraft formation flying; Eccentricity/inclination vector separation; Model predictive control; Constraint tightening;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Wave force prediction; Extended Kalman filter; Adaptive Kalman filter; Model predictive control; Wave energy converter;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Dispatch schedule optimization; Probabilistic forecasting; Model predictive control; Chance constraints; Renewable energy; Energy storage system;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Model predictive control; Modular high-temperature gas-cooled nuclear reactor; Power level control; Quadratic programming; Takagi-Sugeno fuzzy system;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Electric ship propulsion; Hybrid energy storage; Multi-objective optimization; Model predictive control; Energy management; Dynamic programming;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; System identification; Subspace identification; Closed-loop identification; Model predictive control; Re-identification;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Hydraulic fracturing; Optimal pumping schedule; Model predictive control; Unified fracture design; Kalman filter;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Motion planning; Autonomous vehicles; Obstacle avoidance; Model predictive control; Lexicographic optimization; Vehicle dynamics and control;
Keywords: کنترل پیش بین، کنترل پیش بینی مدل; Artificial neural network; Multiobjective optimization; Model predictive control; Biventricular assist device;