دانلود شبیه سازی مقاله کاربرد ناظر ورودی ناشناخته برای سیستم غیرخطی در تشخیص خطا

تشخیص خطا با استفاده از ناظر ورودی ناشناخته

یک ناظر استاندارد نمی تواند حالت های یک سیستم را تخمین بزند هنگامی که تحت تاثیر نویز و عدم قطعیت قرار گیرد. ناظرهای برپایه «نامساوی ماتریسی خطی» (LMI) کاربرد گسترده ای برای تخمین حالت سیستم های غیرقطعی و نویزدار دارند. هنگامی که اندازه گیری همه سیگنال های ورودی امکان پذیر نباشد، یک ناظر ورودی مجهول (UIO)، که قادر به تخمین حالت ها صرفنظر از ورودی های مجهول است، برای تخمین حالت ها استفاده می شود. محققان، انواع مختلفی از UIO ها را برای سیستم های خطی و غیرخطی ایده آل، توسعه داده اند. کارهای پژوهشی قابل توجهی برای شامل کردن نویز و عدم قطعیت در فرآیند تخمین سیستم ها با ورودی های مجهول انجام شده اند. محققین یک UIO را برای سیستم های نویزدار خطی از طریق بهینه سازی محدب، توسعه داده است. اما، یک UIO برای یک سیستم غیرخطی با نویز و عدم قطعیت، هنوز نیاز است. UIO ها به یک ابزار تشخیص چندمنظوره در زمینه آشکار سازی و تفکیک خطا (FDI) تبدیل شده است. انواع مختلف روش های FDI مبتنی بر مبدل برای تشخیص انواع مختلف خطاها، توسعه یافته اند. ناظرهای برپایه LMI با موفقیت برای تشخیص انواع مختلف خطاهای سیستم های غیرخطی استفاده شده اند. در این پروژه، ابتدا، یک UIO مقاوم برای سیستم های غیرخطی با نویز و عدم قطعیت ارائه شده است. ناظر برای یک سیستم غیرخطی طراحی شده است که تابع غیرخطی آن در شرایط لیپسیتز، صدق می کنند. دوم اینکه، یک روش شناسایی و تفکیک خطای اجزاء (CFDI)، که شامل دو مرحله است، با استفاده از این ناظرها توسعه یافته است. در مرحله 1، خطا شناسایی می شود و زون دچار خطا، تفکیک می شود. در مرحله بعدی، پارامتر دارای خطا تفکیک می شود. مزیت های اصلی این روش FID این است که مرحله 2 ، تنها هنگامی انجام می شود که یک خطا در هر کدام از سیستم های فرعی رخ دهد. بنابراین، پیچیدگی تفکیک خطا، به میزان قابل توجهی در مقایسه با روش های FDI مبتنی بر شناسایی پارامتر استاندارد، کاهش می یابد، جایی که همه پارامترهای سیستم در هر لحظه زمانی برآورد می شوند. الگوریتم FDI برای آشکار سازی خطای اجزاء یک فعال ساز (بوبین) الکتروهیدرولیک، بکار گرفته می شود. نتایج شبیه سازی اثربخشی ناظر و همچنین روش FDI را نشان می دهند.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از نتایج خروجی آن قرار داده شده است: