پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 404 |
| تعداد مقالات | 5,423 |
| تعداد مشاهده مقاله | 5,527,094 |
| تعداد دریافت فایل اصل مقاله | 5,023,253 |
استفاده از حاشیه‌های بهره و فاز برای طراحی کنترل‌کننده‌های مقاوم به وسیله تئوری بازخورد کمی | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| دوره 56، شماره 7، مهر 1403، صفحه 931-954 اصل مقاله (2.09 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2024.23255.7736 | ||
| نویسندگان | ||
| محمدرضا هادی پور؛ علی جمالی؛ نادر نریمان زاده* ؛ بهنام میری پور فرد | ||
| دانشکده مهندسی مکانیک، دانشگاه گیلان، رشت، ایران | ||
| چکیده | ||
| مدلسازی عدم‌قطعیت در قالب بهره و فاز اضافی و محاسبه حاشیه‌های مقاومت بر اساس آن‌ها یکی از روش‌های متداول طراحی مقاوم سیستم‌های کنترلی و مقایسه مقاومت آن‌هاست. از طرفی یک روش مرسوم کنترل مقاوم در حوزه‌ی فرکانس، تئوری بازخورد کمی است که به علت مدلسازی عدم‌قطعیت در قالب نامعینی پارامتری با محدوده‌ی مشخص، با چالش‌هایی از جمله عدم امکان مقایسه‌ی کنترل‌کننده‌ها و طراحی غیر خودکار همراه است. همچنین شرایط سیستم به ازای مقادیر نامعینی پارامتری خارج از بازه طراحی مشخص نیست. در این پژوهش با استفاده از مدلسازی عدم‌قطعیت در قالب بهره و فاز در روش تئوری بازخورد کمی این مشکلات مرتفع شده است. به این منظور حاشیه‌ای ترکیبی، متشکل از بهره و فاز، معرفی شده که با استفاده از نمودار نیکولز اصلاح‌شده و نامعادلات مرتبط با معیارهای تئوری بازخورد کمی، محاسبه می‌شود. کنترل موقعیت یک موتور جریان مستقیم به عنوان نمونه‌ی مطالعاتی انتخاب شده و برای آن کنترل‌کننده‌ی تناسبی-مشتق‌گیر بهینه و مقاومی طراحی شده است. بررسی نتایج به دو شیوه عددی و تجربی صورت پذیرفته است. نتایج نشان می‌دهد روش پیشنهادی توانسته است به خوبی نواقص روش تئوری بازخورد کمی را رفع نماید. کنترل‌کننده‌ی طراحی شده در این حالت نسبت به کنترل‌کننده طراحی شده به روش مرسوم تئوری بازخورد کمی نتایج مطلوب‌تری داشته و حتی به ازای مقادیر نامعینی پارامتری بالاتر از محدوده‌ی طراحی، توانسته است عملکرد خود را به نحو بهتری حفظ نماید. | ||
| کلیدواژه‌ها | ||
| کنترل مقاوم؛ عدم‌قطعیت؛ حاشیه بهره؛ حاشیه فاز؛ تئوری بازخورد کمی | ||
| عنوان مقاله [English] | ||
| Application of Gain and Phase Margins for Designing Robust Controllers within Quantitative Feedback Theory | ||
| نویسندگان [English] | ||
| Mohammadreza Hadipour؛ Ali Jamali؛ Nader Nariman-zadeh؛ Behnam Miripour Fard | ||
| Faculty of Mechanical Engineering, Guilan University, Rasht, Iran | ||
| چکیده [English] | ||
| Modeling uncertainty in the form of additional gain and phase and calculating robustness margins based on them is one of the standard methods in designing robust control systems and comparing their robustness. On the other hand, one of the prevalent methods of robust control in the frequency domain is “Quantitative Feedback Theory”, which, due to modeling uncertainty in the form of parametric uncertainty with a specified range, faces challenges such as the inability to compare controllers and non-automated design. Additionally, the system's conditions for parametric uncertainty values outside the design range are unknown. This research addresses these issues using uncertainty modeling in the form of gain and phase within the quantitative feedback theory method. To this end, a combined margin consisting of gain and phase is introduced and calculated using a modified Nichols chart and inequalities related to design criteria in the quantitative feedback theory method. The position control of a DC motor is selected as a case study, and an optimal and robust proportional-derivative controller is designed for it. The results are examined both numerically and experimentally which show that the proposed method effectively overcomes the shortcomings of the quantitative feedback theory method. The controller designed in this manner gains more favorable results than the controller designed using the conventional quantitative feedback theory method and even maintains its performance better for parametric uncertainty values higher than the design range. | ||
| کلیدواژه‌ها [English] | ||
| Robust Control, Uncertainty, Gain Margin, Phase Margin, Quantitative Feedback Theory | ||
| مراجع | ||
|
[1] Y. Gao, J. Wang, S. Gao, Y. Cheng, An integrated robust design and robust control strategy using the genetic algorithm, IEEE Transactions on Industrial Informatics, 17(12) (2021) 8378-8386. [2] C. Polton, E. Boje, Quantitative feedback theory design of valve position control for co-ordinated superheater control of main steam temperatures of power plant boilers, IFAC-PapersOnLine, 53(2) (2020) 13070-13075. [3] M. Honari-Torshizi, H. Rahmani, H. Moeinkhah, M.R. Gharib, J. Jahanpour, A QFT robust controller as a remedy for TRMS, Aviation, 24(4) (2020) 137-148. [4] I.R. Petersen, R. Tempo, Robust control of uncertain systems: Classical results and recent developments, Automatica, 50(5) (2014) 1315-1335. [5] S. Bhattacharyya, Robust control under parametric uncertainty: An overview and recent results, Annual Reviews in Control, 44 (2017) 45-77. [6] D. Wang, H. He, D. Liu, Adaptive critic nonlinear robust control: A survey, IEEE transactions on cybernetics, 47(10) (2017) 3429-3451. [7] J. Moos, K. Hansel, H. Abdulsamad, S. Stark, D. Clever, J. Peters, Robust reinforcement learning: A review of foundations and recent advances, Machine Learning and Knowledge Extraction, 4(1) (2022) 276-315. [8] M. Harutyunyan, F. Holweck, D. Sugny, S. Guérin, Digital Optimal Robust Control, Physical Review Letters, 131(20) (2023) 200801. [9] M. Garcia-Sanz, Robust control engineering: practical QFT solutions, CRC press, 2017. [10] I. Horowitz, Fundamental theory of automatic linear feedback control systems, IRE Transactions on Automatic Control, 4(3) (1959) 5-19. [11] I.M. Horowitz, Synthesis of feedback systems, Elsevier, 2013. [12] J.C. Doyle, Quantitative feedback theory (QFT) and robust control, in: 1986 American Control Conference, IEEE, 1986, pp. 1691-1698. [13] W.-H. Chen, D.J. Ballance, QFT design for uncertain non-minimum phase and unstable plants revisited, International journal of control, 74(9) (2001) 957-965. [14] Z. Li, W. Zhou, H. Liu, Robust controller design of non-minimum phase hypersonic aircrafts model based on quantitative feedback theory, The Journal of the Astronautical Sciences, 67 (2020) 137-163. [15] T. Kobaku, R. Poola, V. Agarwal, Design of robust PID controller using PSO-based automated QFT for nonminimum phase boost converter, IEEE Transactions on Circuits and Systems II: Express Briefs, 69(12) (2022) 4854-4858. [16] Y.-J. Wang, Determination of all feasible robust PID controllers for open-loop unstable plus time delay processes with gain margin and phase margin specifications, ISA transactions, 53(2) (2014) 628-646. [17] N. Sayyaf, M.S. Tavazoei, Desirably adjusting gain margin, phase margin, and corresponding crossover frequencies based on frequency data, IEEE Transactions on Industrial Informatics, 13(5) (2017) 2311-2321. [18] M. Giaccagli, V. Andrieu, S. Tarbouriech, D. Astolfi, Infinite gain margin, contraction and optimality: an LMI-based design, European Journal of Control, 68 (2022) 100685. [19] F. Somers, C. Roos, F. Sanfedino, S. Bennani, V. Preda, Extension of probabilistic gain, phase, disk and delay margins for multi-input multi-output space control systems, in: 12th International Conference on Guidance, Navigation & Control Systems, 2023. [20] P. Seiler, A. Packard, P. Gahinet, An introduction to disk margins [lecture notes], IEEE Control Systems Magazine, 40(5) (2020) 78-95. [21] M.F. Barrett, Conservatism with robustness tests for linear feedback control systems, in: 1980 19th IEEE Conference on Decision and Control including the Symposium on Adaptive Processes, IEEE, 1980, pp. 885-890. [22] Z. Chen, B. Yao, Q. Wang, $\mu $-Synthesis-Based Adaptive Robust Control of Linear Motor Driven Stages With High-Frequency Dynamics: A Case Study, IEEE/ASME Transactions on Mechatronics, 20(3) (2014) 1482-1490. [23] K. Zhou, P.P. Khargonekar, J. Stoustrup, H.H. Niemann, Robust performance of systems with structured uncertainties in state space, Automatica, 31(2) (1995) 249-255. [24] J. Li, T.-C. Tsao, Robust performance repetitive control systems, J. Dyn. Sys., Meas., Control, 123(3) (2001) 330-337. [25] M. Doostmohammadian, H. Zarrabi, H.R. Rabiee, U.A. Khan, T. Charalambous, Distributed detection and mitigation of biasing attacks over multi-agent networks, IEEE Transactions on Network Science and Engineering, 8(4) (2021) 3465-3477. [26] M. Doostmohammadian, H. Zarrabi, T. Charalambous, Sensor fault detection and isolation via networked estimation: rank-deficient dynamical systems, International Journal of Control, 96(11) (2023) 2853-2870. [27] P. Nataraj, G. Sardar, Computation of QFT bounds for robust sensitivity and gain-phase margin specifications, J. Dyn. Sys., Meas., Control, 122(3) (2000) 528-534. [28] J.L. Guzmán, J.C. Moreno, M. Berenguel, F. Rodríguez, J. Sánchez-Hermosilla, A frequency domain quantitative technique for robust control system design, Robust Control, Theory and Applications, (2011) 391-405. [29] Y. Chait, O. Yaniv, Multi‐input/single‐output computer‐aided control design using the quantitative feedback theory, International Journal of Robust and Nonlinear Control, 3(1) (1993) 47-54. [30] R. Čápková, A. Kozáková, M. Minár, K. Ondrejička, Robust QFT-based control of the DC motor laboratory model, in: 2020 Cybernetics & Informatics (K&I), IEEE, 2020, pp. 1-6. [31] J.L. Krishnankutty, A.A.P. Thomas, S. Srivastava, Quantitative feedback theory based robust speed control of vector controlled induction motor, Bulletin of Electrical Engineering and Informatics, 12(1) (2023) 121-130. | ||
|
آمار تعداد مشاهده مقاله: 181 تعداد دریافت فایل اصل مقاله: 188 |
||