Pengawal Fuzzy Adaptif

Dalam bab ini, kita akan membincangkan apakah Pengawal Fuzzy Adaptif dan bagaimana ia berfungsi. Pengawal Fuzzy Adaptif direka dengan beberapa parameter laras bersama dengan mekanisme tertanam untuk menyesuaikannya. Pengawal adaptif telah digunakan untuk meningkatkan prestasi pengawal.

Langkah-langkah Asas untuk Melaksanakan Algoritma Adaptif

Marilah kita membincangkan langkah-langkah asas untuk melaksanakan algoritma penyesuaian.

  • Pengumpulan data yang boleh dilihat - Data yang dapat dilihat dapat dikira untuk mengira prestasi pengawal.

  • Pelarasan parameter pengawal - Sekarang dengan bantuan prestasi pengawal, pengiraan pelarasan parameter pengawal akan dilakukan.

  • Peningkatan prestasi pengawal - Dalam langkah ini, parameter pengawal diselaraskan untuk meningkatkan prestasi pengawal.

Konsep Operasi

Reka bentuk pengawal adalah berdasarkan model matematik yang diandaikan yang menyerupai sistem sebenar. Kesilapan antara sistem sebenar dan perwakilan matematiknya dikira dan jika ia agak tidak penting daripada model yang dianggap berkesan.

Terusan ambang yang menetapkan sempadan untuk keberkesanan pengawal, juga wujud. Input kawalan dimasukkan ke dalam kedua-dua sistem sebenar dan model matematik. Di sini, andaikan $ x \ left (t \ right) $ adalah output sistem sebenar dan $ y \ left (t \ right) $ adalah output model matematik. Kemudian ralat $ \ epsilon \ left (t \ right) $ boleh dikira seperti berikut -

$$ \ epsilon \ left (t \ right) = x \ left (t \ right) - y \ left (t \ right) $$

Di sini, $ x $ yang dikehendaki adalah output yang kita mahu dari sistem dan $ \ mu \ left (t \ right) $ adalah output yang datang dari pengawal dan akan menjadi model sebenar dan juga matematik.

Rajah berikut menunjukkan bagaimana fungsi ralat dikesan antara keluaran sistem sebenar dan model Matematik -

Model Matematik

Parameterization of System

Pengawal fuzzy reka bentuk yang berdasarkan kepada model matematik kabur akan mempunyai bentuk peraturan kabur berikut -

Peraturan 1 - IF $ x_1 \ left (t_n \ right) \ in X_ {11} \: AND ... AND \: x_i \ left (t_n \ right) \ in X_ {1i} $

THEN $ \ mu _1 \ left (t_n \ right) = K_ {11} x_1 \ left (t_n \ right) + K_ {12} x_2 \ left (t_n \ right) \: + ... + \: K_ {1i } x_i \ left (t_n \ right) $

Peraturan 2 - IF $ x_1 \ left (t_n \ right) \ in X_ {21} \: AND ... AND \: x_i \ left (t_n \ right) \ in X_ {2i} $

THEN $ \ mu _2 \ left (t_n \ right) = K_ {21} x_1 \ left (t_n \ right) + K_ {22} x_2 \ left (t_n \ right) \: + ... + \: K_ {2i } x_i \ left (t_n \ right) $

.

.

.

Rule j - IF $ x_1 \ left (t_n \ right) \ in X_ {k1} \: AND ... AND \: x_i \ left (t_n \ right) \ in X_ {ki} $

THEN $ \ mu _j \ left (t_n \ right) = K_ {j1} x_1 \ left (t_n \ right) + K_ {j2} x_2 \ left (t_n \ right) \: + ... + \: K_ {ji } x_i \ left (t_n \ right) $

Set parameter di atas mencirikan pengawal.

Pelarasan mekanisme

Parameter pengawal diselaraskan untuk meningkatkan prestasi pengawal. Proses pengiraan pelarasan kepada parameter adalah mekanisme penyesuaian.

Matematik, biarkan $ \ theta ^ \ left (n \ right) $ menjadi satu set parameter yang akan disesuaikan pada masa $ t = t_n $. Pelarasan boleh menjadi pengiraan semula parameter,

$$ \ theta ^ \ left (n \ right) = \ Theta \ left (D_0, \: D_1, \: ..., \: D_n \ right) $$

Di sini $ D_n $ adalah data yang dikumpulkan pada masa $ t = t_n $.

Sekarang perumusan ini diformulasikan oleh kemas kini set parameter berdasarkan nilai sebelumnya sebagai,

$$ \ theta ^ \ left (n \ right) = \ phi (\ theta ^ {n-1}, \: D_n) $$

Parameter untuk memilih Pengawal Fuzzy Adaptif

Parameter berikut perlu dipertimbangkan untuk memilih pengawal kabur adaptif -

  • Bolehkah sistem diselaraskan sepenuhnya oleh model kabur?

  • Sekiranya sistem boleh dihamparkan sepenuhnya oleh model kabur, apakah parameter model kabur ini sedia ada atau mesti ditentukan secara dalam talian?

  • Sekiranya sistem tidak boleh dianggarkan sepenuhnya oleh model kabur, bolehkah ia disamakan dengan satu set model kabur?

  • Jika sistem boleh dihampiri oleh satu set model kabur, apakah model-model ini mempunyai format yang sama dengan parameter yang berlainan atau adakah mereka mempunyai format yang berbeza?

  • Jika sistem boleh dihampiri oleh satu set model kabur yang mempunyai format yang sama, masing-masing dengan satu set parameter yang berbeza, apakah parameter ini tersedia atau mesti ditentukan secara dalam talian?