مجله مهندسی برق و الکترونیک ایران - جلد 22 شماره 2
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
دانشگاه علم و صنعت ایران
چکیده: (125 مشاهده)
در این مقاله به مسئله طراحی کنترل وضعیت بهینه برای پرنده کوادروتور با دینامیک غیرخطی که در معرض عیوب عملگر و اجزا قرار دارد پرداخته شده است. سیستم کنترل وضعیت بهینه تحمل‌پذیر عیب پیشنهادی مبتنی بر یادگیری تقویتی است و بدون نیاز به شناخت قبلی از دینامیک پرنده و به صورت یکپارچه طراحی می‌شود. بدین معنی که آشکارسازی عیب و بازطراحی کنترل‌کننده را به طور همزمان مورد بحث قرار می‌دهد. به منظور حل برخط معادله همیلتون-ژاکوبی-بلمن (HJB) بدون نیاز به شناخت دینامیک پرنده، از یک ساختار تخمین با دو شبکه عصبی شناساگر-نقاد استفاده شده است. ضریب فراموشی در قانون به‌روزرسانی شبکه شناساگر متغیر و تابعی از خطای تخمین حالات و تخمین نویز اندازه‌گیری می‌باشد که باعث بهبود مشخصه‌های حالت گذرا و پایدار آن می‌شود. از سوی دیگر به منظور حذف نیازمندی فرآیند آموزش به کنترل‌کننده پایدارساز اولیه، از یک جمله پایدارساز در قانون به‌روزرسانی شبکه نقاد استفاده شده است که امکان شروع فرآیند آموزش را از کنترل‌کننده بهینه پیشین فراهم می‌کند که لزوما پایداری سیستم معیوب جدید را تضمین نمی‌کند. همچنین در این ساختار، آشکارسازی عیب بدون نیاز به هیچگونه بانکی از مدل و صرفا مبتنی بر مقدار باقی مانده معادله HJB انجام می‌پذیرد. پایداری فراگیر یکنواخت وزن‌های هر دو شبکه و در نتیجه همگرایی قانون کنترل به پاسخ بهینه با استفاده از قضیه لیاپانوف اثبات شده و کارایی آن با استفاده از شبیه‌سازی مورد ارزیابی قرار گرفته است.
واژه‌های کلیدی: کنترل وضعیت کوادروتور، عیب اجزا و عملگر، کنترل بهینه تحمل‌پذیر عیب، آشکارسازی وقوع عیب، یادگیری تقویتی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License (CC BY NC 4.0) قابل بازنشر است. |
