کنترل پیش بین برای سیستم های غیرخطی سریع با ورودی مقید

مواجه شدن با عدم قطعیت مدل در بسیاری از سیتم ها منجر به کاهش کیفیت تعقیب در آن سیستم می شود یکی از روشهای کنترلی که قادر به مواجه با این عدم قطعیت می باشد روش کنترل پیش بینی می باشد در این راستا کنترل پیش بین برای سیستم های خطی تکامل خوبی داشته است. بسیاری سیستم های ذاتا غیر خطی بوه و مدلهای خطی قادر به بیان کامل ویژگی های سیستم غیر خطی نمی باشند لذا استفاده از مدلهای غیر خطی شده است (1) اما این روشها دارای ممعایبی نیز می باشند یکی از این معایب و مهمترین آنها نیز تحمل حجم محاسباتی سنگین می باشد که خود دو مشکل را در پیاده سازی کنترل پیش بینی غیر خطی به همراه دارد یکی تاخیر محاسباتی است که قابل اجتناب نمی باشد و دیگری مشکل مساله مقدار بهینه کلی است که دست یافتن به آن در این روشها تضمین نمی شود این مسالیه اعمال این شوه به سیستم های نسبتا سریع نظیر سیستمهای رباتیک را مشکل زا می کند. در حل روی خط مسیله کنترل بهینه سازی پویا بسیار مورد استفاده است اما نیاز محاسباتی بالای این روش منجر به محدود شدن فرکانس به روز شدن بهینه سازی می شود لذا روشهای مبتنی بر این شیوه های بهینه سازی مطلوب نمی باشند برای غلبه بر مشکل مدت زمان لازم برای بهینه سازی در nmpc برای سیستم های غیر خطی سریع روشهای زیادی موجود نیست تحقیاتی که در این زمینه صورت گرفته بیشتر مبتی بر استفاده از روش بهینه سازی نیوتنی است که یک iteration از این روش استفاده می شود و پاسخ های بهینه محلی مورد استفاده قرار می گیرد (2) در مسایل پیچیده قابلیت اطمینان پاسخهای این نوع بهینه ساز بسیار پایین بودوه و پاسخها کاملا وابسته به شرایط اولیه می باشد همچنیندر بعضی سیستم ها پاسخ حاصل از بهینه ساز محلی قابل اعمال نیست. در این پایان نامه روشی برای حل سریع تر مساله بهینه سازی کلی در سیستم های غیر خطی که ورودی آنها مفید می باشد ارایه می شود که برخلاف شیوه های موجود که سعی در استفاده از روشهای بهینه سازی سریع تر می کنند (این امر محدود شدن به نقاط بیهنه محلی را نیز افزایش می دهد ) روش پیشنهادی در این پایان نامه از روشهای بهینه سازی کلی استفاده می کند الته در حل مساله بهینه فرض می کنیم که پاسخ قابل اعمال برای مساله وجود دارد ما به دنبال این پاسخ هستمیم.در این جا یک الگوریتم کنترل پیش بین غیر خطی بر مبنای استفاده از روش بهینه سازی بهینه کلی پیشنهاد شده است الگوریتم بهینه سازی دارای دو مرحله می باشد مرحله اول بهینه سازی کلی با استفاده از روشهای جستجو و مرحله دوم بهینه سازی محلی بر مبنای روش گرادیان در حول و حوش پاسخ هایی که بهینه ساز کلی یافته است. نتایج شبیه سازی کامپیوتری نشان دهند کاهش بار محاسباتی و افزایش یسرعت محاسبات نسبت به روشهای متداول می باشد