شکل ‏۶٫۹- مقایسۀ پاسخهای کنترل کنندههای فازی تطبیقی و PI : (a) ولتاژ خروجی؛ (b) خطای ولتاژ؛ © جریان سلف؛ (d) چرخۀ کار کنترل کننده ۱۳۹
شکل ‏۶٫۱۰- مقایسۀ پاسخهای کنترل کنندههای فازی تطبیقی و PI در حضور بار کوچکتر: (a) ولتاژ خروجی؛ (b) خطای ولتاژ؛ © جریان سلف؛ (d) چرخۀ کار کنترل کننده ۱۴۰
شکل ‏۶٫۱۱- مقایسۀ پاسخهای کنترل کنندههای فازی تطبیقی و PI در حضور بار بزرگتر: (a) ولتاژ خروجی؛ (b) خطای ولتاژ؛ © جریان سلف؛ (d) چرخۀ کار کنترل کننده ۱۴۱
شکل ‏۶٫۱۲- مقایسۀ پاسخهای کنترل کنندههای فازی تطبیقی و PI با تغییر اندازۀ سلف: (a) ولتاژ خروجی؛ (b) خطای ولتاژ؛ © جریان سلف؛ (d) چرخۀ کار کنترل کننده ۱۴۲
شکل ‏۶٫۱۳- مقایسۀ پاسخهای کنترل کنندههای فازی تطبیقی و PI با تغییر اندازۀ خازن: (a) ولتاژ خروجی؛ (b) خطای ولتاژ؛ © جریان سلف؛ (d) چرخۀ کار کنترل کننده ۱۴۳
شکل ‏۶٫۱۴- شمای کنترل تطبیقی باس DC 145
شکل ‏۶٫۱۵- شمای کنترل کنندۀ PI سری شده ۱۴۶
؛ (d) چرخۀ کار کنترل کننده ؛ (e) تخمین پارامتر تطبیقی ۱۴۷
؛ (d) چرخۀ کار کنترل کننده ؛ (e) تخمین پارامتر تطبیقی ۱۴۸
؛ (d) خطای تخمین SOC. 152
؛ (d) خطای تخمین SOC. 153
؛ (d) خطای تخمین SOC. 154
شکل ‏۶٫۲۱- مدار معادل مبدل باک ۱۵۹
شکل ‏۶٫۲۲- شمای کنترل مبدل ۱۵۹
شکل ‏۶٫۲۳- پاسخ سیستم SOC تطبیقی: (a) ولتاژ معکوس کننده ؛ (b) چرخۀ کار ؛ © ولتاژ باطری ؛ (d) جریان باطری ؛ (e) خطای تخمین ولتاژ باطری ؛ (f) ولتاژ تخمینی مدار باز . ۱۶۰
شکل ‏۶٫۲۴- بلوک دیاگرام شماتیک سیستم کنترل نظارت فازی برای مدیریت انرژی ۱۶۳

 ۱۶۵
شکل ‏۶٫۲۶- پاسخ سیستم مدیریتی فازی تحت توان وروی : (a) ولتاژ باس DC ، ؛ (b) جریان باطریها ؛ © چرخه های کار ؛ (d) حالت شارژ ؛ (e) و پارامتر سیستم ۱۶۷
فصل اول
مقدمه‌

مقدمه

روش­های طراحی کنترل کننده برای سیستم­های غیرخطی را می­توان به سه دسته تقسیم کرد. روش اول شامل خطی سازی سیتم­های غیرخطی حول نقطۀ کار است [۱]. در این حالت قوانین کنترل کلاسیک برای سیستم­های تقریبی استفاده می­ شود. با وجود سادگی این قوانین سیستم کنترل به صورت کلی کارایی تضمین شده­ای ندارد. روش دوم طراحی کنترل کننده بر اساس دینامیک سیستم­های غیر خطی است. در این روش خصوصیات سیستم­های غیر خطی حفظ می­ شود، که همین امر به دلیل وجود دینامیک پیچیدۀ این سیستم­ها طراحی را بسیار سخت می­ کند [۲]. علاوه بر این، روش­های فوق، از مدل­سازی ریاضی دقیقی بهره می­برند که در حالت تئوری کارایی بسیار خوبی دارد، اما در عمل به علل مختلفی از جمله تغییر در شرایط عملیاتی، عدم قطعیت­های دینامیک اعم از ساختار یافته و ساختار نیافته، و اغتشاشات خارجی، دچار افت عملکردی می­شوند. در حقیقت به دست آوردن یک مدل ریاضی دقیق برای فرآیندهای سیستم­های پیچیدۀ صنعتی بسیار سخت است. به علاوه عوامل دیگری هم وجود دارند که قابل پیش ­بینی نیستند، مانند اغتشاش، دما، تغییرات پارامترهای سیستم و غیره. بنابراین دینامیک سیستم را نمی­ توان فقط بر اساس مدل احتمالاً دقیق ریاضی بیان کرد. روش سوم کنترل کننده­ های غیر خطی را توسط ابزار محاسباتی هوشمند از جمله شبکه ­های عصبی مصنوعی^[۱] (ANNs) و سیستم­های منطق فازی^[۲] (FLSs) پیاده­سازی می­ کند [۳-۸]. این تکنیک­ها در بسیاری از کاربردهایشان به خوبی نتیجه داده­اند و به عنوان ابزاری قدرتمند توانسته ­اند مقاومت بالایی را برای سیستم­هایی که به لحاظ ریاضی خوش تعریف نبوده و در معرض عدم قطعیت قرار گرفته­اند، ایجاد کنند [۹,۱۰]. تئوری تقریب عمومی^[۳] عامل اصلی افزایش استفادۀ اینگونه مدل­ها است و بیان می­دارد که با این روش­ها به لحاظ تئوریک قادر به تخمین هر تابع حقیقی و پیوسته­ای با دقت دلخواه هستند. مدل­های مختلف شبکه ­های عصبی مصنوعی و منطق فازی برای حل بسیاری از مشکلات پیچیده به کار می­روند و نتایج نیز عموماً مطلوب است [۱۱-۱۴]، و می­توان به این نکته معترف بود که این روش­ها جایگزینی بر روش‌های کنترلی معمولی و کلاسیک خواهند بود. به عنوان نمونه ­ای از قدرت­نمایی و کاربرد هوش مصنوعی می­توان به طراحی کنترل کننده­هایی برای فضاپیماها و ماهواره­ها اشاره کرد که مثالی از آن را در [۱۵] آورده شده است.

پیشینۀ پژوهشی

در ادامۀ بررسی پیشینۀ پژوهشی در موضوع تحقیق به بررسی کارهای انجام شده به صورت گزینشی و خلاصه می­پردازیم:
شاید یکی از قدیمی­ترین طراحی­ها برای سیستم­های ناشناخته که با موفقیت همراه بود در مقاله­ای که در [۲۷] آورده شده است، ارائه گشته است. این طراحی توسط Gregory C. Chow در سال۱۹۷۳ برای سیستم­های خطی با پارامترهای نامشخص و بر اساس تئوری کنترل بهینه صورت گرفته و به لحاظ تئوری نتایج مطلوبی را از خود نشان داده است. طراحی فوق فقط برای سیستم­های خطی جواب­گو بود و در عالم واقع و در عمل کاربرد چندانی نداشت اما زیر بنای طراحی­های جدید و بهتر را بنا نهاد.
بعد از سال ۷۳ و در تلاش برای طراحی برای سیستم­های ناشناختۀ غیرخطی مقالات، پایان نامه­ ها و کتب زیادی منتشر شد که اگر بخواهیم به همۀ آنها اشارۀ کوچکی هم داشته باشیم فرصت زیادی را می­طلبد. در اینجا با توجه به امکانات و منابع موجود و به ترتیب تاریخ انتشار مواردی را در حد اشاره­ای مختصر و بیان کلی نقاط ضعف و قوت بیان می­کنیم.
در ابتدا می­توان به رسالۀ دکتری آقای Moon Ki Kim از دانشگاه ایلینویز شیکاگو [۲۸] اشاره کرد، که در آن زمان (۱۹۹۱) استراتژی جدیدی را در صنعت ماشین­سازی مورد بررسی و تحقیق قرار داد. کار او روش جدیدی در طراحی سیستم­های کنترل به نام کنترل­کنندۀ فازی تطبیقی (AFC)^[4] بود که با توجه به قدمت آن مزایا و معایب کار تا حدود زیادی مشخص است و نیازی به توضیح اضافه نیست.
کارهای مشابه زیادی تا سال ۲۰۰۶ انجام گرفت که از توضیح در مورد آنها اجتناب می­کنیم و فقط چند نمونه را به عنوان مثال برای بررسی علاقه­مندان در مراجع می­آوریم [۲۹-۳۵].
منابع اصلی ما که در حقیقت معیارهای عملکردی و مقایسه­ ای برای ما محسوب می­شوند از سال ۲۰۰۷ به بعد خصوصاً ۳ سال اخیر هستند که چند مورد از آن­ها را با بیان مزایا و معایبشان به اختصار بیان می­کنیم.

1. 1. اولین مورد، مقاله­ای است که در سال ۲۰۰۷ به چاپ رسیده است [۴۷]. در این مقاله به کمک قوانین فازی و ترکیب آن با کنترل تطبیقی کنترل کننده ­ای برای ردگیری خروجی سیستم MIMO با دینامیک نامشخص طراحی شده است. ایدۀ اصلی این کار رفع مشکل ردگیری این سیستم­ها در حالت بلوک­_مثلثی بوده است. مشکل مشخص نبودن تابع تبدیل به دلیل غیرخطی بودن به کمک منطق فازی تا حدودی کم اثر شده و تقریب مناسبی صورت گرفته است. با بهره گرفتن از روش طراحی پس­گام، کنترل کنندۀ تطبیقی فازی برای سیستم­های غیرخطی MIMO قابل اجرا شده است. در این طراحی تعقیب ورودی از سوی خروجی در حالت حلقه بسته تضمین شده است. این روش با توجه به استفاده از فازی تا حدودی ار پیچیدگی­های ریاضی مساله کاسته اما با این وجود با بهره گرفتن از فازی نوع دوم و شبکه ­های عصبی باز هم می­توان آن را ساده­تر کرد ضمناً برای تضمین پایداری سیستم می­توان از روش لیپانوف و . . . استفاده نمود.

1. 1. دومین مورد مقاله­ایست که در سال ۲۰۰۸ در مجلۀ بین ­المللی Information & Mathematic Science به چاپ رسیده است[۴۸]. در این مقاله می­توان گفت مطلبی را که ما در بالا در مورد مقالۀ قبلی بیان کردیم، مد نظر قرار گرفته شده و به کمک فازی نوع دوم ساده­سازی به حد مطلوب رسیده و به کمک تکنیک لیاپانوف پایداری هم تضمین شده است. نتایج شبیه­سازی نیز بیان­گر تاثیر کنترل کنندۀ تطبیقی بر کارایی کل سیستم می­باشند. شاید ایرادی که بتوان به این طراحی وارد دانست این باشد که این کنترل کننده در سیستم­ها با تأخیر زمانی به خوبی عمل نمی­کند. که در مورد بعدی راه حل این مشکل هم تا حدودی بیان شده است.

1. 1. در سال ۲۰۰۹ مقاله­ای منتشر شد که به کمک کنترل تطبیقی کنترل کننده ­ای را در آن طراحی کرده بودند که عمل ردگیری را در سیستم­های غیرخطی ناشناخته که دارای تأخیر طولانی هستند را به خوبی انجام می­داد [۴۸]. این طراحی توانست که به خوبی خطای حالت ماندگار را نیز کاهش دهد. اما مشکل این کار در مواجهه با سیستم­های پیچیده آشکار می­شد. شاید دلیل آن هم ناتوانی این روش در ساده­سازی ریاضی سیستم باشد.

1. 1. حضور و تأثیر توأم شبکه ­های عصبی، منطق فازی و کنترل تطبیقی (ANFIS)^[5] به خوبی نقش خود را در کنترل سرعت موتور القایی در مقاله­ای که در سال ۲۰۱۰ به چاپ رسید [۴۹] نشان می­دهد. این ترکیب از کنترل کننده­ها به قدری مفید واقع شده که تولباکسی در Matlab به همین نام موجود است. به این نحوه که با تنظیم خودبه­خودی پارامترهای سیستم و انتخاب بهینه­ترین حالت از نظر خود با در نظر گرفتن خروجی­های سیستم کارایی بسیار مناسبی را نیز به دست می­دهد. این مقاله علاوه بر این می ­تواند منبع آموزشی مناسبی برای علاقه­مندان باشد. سادگی ریاضی، کارایی مناسب، سرعت عمل و دقت خوب از ویژگی­های این نوع طراحی است. اما شاید بتوان گفت که تنها موردی که برای این نوع طراحی ایراد محسوب می­ شود این است که سیستم در کاربردهای متنوع ممکن است در انتخاب بهینه­ترین حالت دچار مشکل شود. راه حل مستقیمی برای این مشکل وجود ندارد ولی با بهره گرفتن از تئوری کنترل بهینه و با صرف کمی خلاقیت ریاضی به بهای پیچیدگی کمی بیشتر، این نقیصه به راحتی قابل رفع است.

از سال ۲۰۱۰ به بعد کارهای جدی­تری و البته در کاربردهای خاص در این زمینه انجام گرفته و هر کدام نیز نتایج خوبی را به دست داده­اند. بعضی از تحقیقات نیز جنبۀ کلی­تری داشتند که بررسی آن­ها می ­تواند در این پایان نامه کمک حال ما باشد. در ادامه به چند مورد به اختصار اشاره کرئه و توضیحات تکمیلی و تحلیلی را به آینده و متن اصلی پایان نامه واگذار می‌کنیم.

1. 1. مقالۀ اول در سال ۲۰۱۱ به چاپ رسیده و طراحی کنترل کنندۀ تطبیقی را برای سیستم­های T-S فازی با پارامترهای نامعلوم و خطای عملیاتی را بیان می­ کند [۵۱].

1. 1. مورد بعدی و در سال ۲۰۱۲ طراحی کنترل کنندۀ تطبیقی برای سیستم­های غیرخطی است که در آن تابع تبدیل سیستم به کمک منطق فازی تقریب زده شده است [۵۲].

1. 1. و مقالۀ بعدی استفاده از تکنیک کنترل تطبیقی مقاوم در طراحی برای سیستم­های غیرخطی نامعلوم است که بیانی کلی از این طراحی را به خوبی آورده است و می ­تواند منبع تحقیقی مناسبی باشد. این مقاله نیز در سال ۲۰۱۲ به چاپ رسیده است [۵۳].

مقالات و پایان نامه­ های دیگری هم هستند که در این زمینه اشاراتی دارند اما موارد مذکور شاید در نوع خود به لحاظ ارتباط با موضوع تحقیق ما نزدیکتر و قابل حصول­تر باشند. اما در اگر آینده نیز منبع مناسب دیگری را هم به دست بیاوریم در به کارگیری و تحلیل آن و استفاده در بهبود کار خود درنگ نخواهیم کرد.

رئوس مطالب

این پایان نامه در چارچوب زیر تنظیم خواهد شد:
فصل اول مقدمه و مثالی از کاربرد هوش مصنوعی در طراحی سیستم کنترل را شامل می‌شود.
در فصول ۲ و ۳ کلیاتی از سیستم­های کنترل غیر خطی، کنترل تطبیقی، تئوری لیاپانوف و همچنین شبکه ­های عصبی مصنوعی و سیستم­های منطق فازی به عنوان تکنیک­های محاسبات نرم، و را ارائه می­دهیم.
در فصل چهارم سیستم بازوی رباتیک انعطاف­پذیر با در نظر گرفتن اصطکاک و تداخل را به این شرح مورد بررسی قرار می­دهیم. ابتدا سیستم­های صلب و منعطف را مدل­سازی و مقایسه می­کنیم، سپس کنترل تطبیقی را برای بازوی صلب طراحی می­نماییم. بعد از این مرحله طراحی تطبیقی برای جبران­سازی اثر اصطکاک و تداخل را با روش­های جبران اصطکاک تطبیقی^[۶] و جبران اغتشاش تطبیقی^[۷]، انجام خواهیم داد. در قدم بعدی کنترل کنندۀ فازی را برای کنترل بازوی رباتیک منعطف به کار برده و درنهایت با ترکیب دو روش تطبیقی و فازی به طراحی نهایی در این بخش خواهیم رسید و نتایج گویای توفیق طراحی خواهند بود.
در فصل پنجم برای ماشین سنکرون با آهنربای دائم (PMSM) استراتژی­ های مختلف کنترلی، که اساس آن­ها تئوری لیاپانوف و کنترل تطبیقی است را مورد بررسی قرار می­دهیم. روند کار به این صورت خواهد بود که، در ابتدا مدلی را برای شروع کار انتخاب می­کنیم (این مدل در همین گزارش آورده شده است). در ادامه برای کنترل سرعت و جریان از طراحی بردار کنترل تطبیقی و کنترل تطبیقی بر اساس روئیتگر، استفاده می­کنیم. برای توسعۀ کار در مرحلۀ بعد طراحی را در حالتی که پارامترهای سیستم ناشناخته است، تعمیم می­دهیم. در قدم بعدی و همان­طورکه قبلاً هم گفته شد از شبکۀ عصبی مصنوعی برای بالا بردن مقاومت سیستم و هوشمند شدن آن در کنار کنترل تطبیقی و بردار تطبیقی، که متضمن پایداری خواهد بود بهره خواهیم برد. در ادامه کنترل کنندۀ فازی تطبیقی برای اینکه هم به مقاومت و پایداری لازم دست یافت و هم اینکه از پیچیدگی سیستم کنترل کاست، استفاده می­کنیم. در آخر نیز نتایج با هم مقایسه خواهند شد.
در فصل ششم طراحی هوشمند برای یک سیستم تولید انرژی مد نظر است. مانند دو فصل قبل، اولین مرحله مدل­سازی است که به مقدمات آن اشاره شده است. در ادامه طراحی کنترل کنندۀ تطبیقی فازی برای مبدل DC-DC و کنترل کنندۀ تطبیقی برای باس DC مورد نظر می­باشد که هدف آن ایجاد مقاومت، جریان صاف خروجی، حذف ریپل و … است. از سوی دیگر در بحت مصرف انرژی، باید گفت که استفادۀ بهینه نه تنها باعث صرفه­جویی در مصرف می­ شود بلکه موجبات افزایش طول عمر کل سیستم و کاهش اثرات تخریبی و آلودگی را فراهم می ­آورد. در اینجا عملکرد بهینۀ باطری و باس DC بر اساس الگوریتم حالت شارژ (SOC)برنامه­ ریزی می­ شود. برای این منظور از روئیتگر حالت و یا کنترل تطبیقی می­توان بهره جست. در حالتی که برای تولید انرژی از چند وسیلۀ مختلف استفاده شود برای مدیریت مناسب و بهره­وری بالا می­توان از کنترل کنندۀ فازی استفاده کرد، که در بخش آخر به آن پرداخته خواهد شد. نتایج نیز در انتها بررسی خواهند شد.
نهایتاً در فصل هفتم و انتهایی نتیجه گیری و کارهای آینده را بیان می­نماییم.
فصل دوم