ارائه روشی جدید در کاهش مرتبه مدل دینامیکی سیستم های مقیاس بزرگ

در این پایان نامه کاهش مرتبه سیستم های مرتبه بالای خطی غیر متغیر با زمان مورد بررسی قرار می گیرد. کاهش مرتبه سیستم ها راهی برای کاهش پیچیدگی آن ها است به طوری که هزینه های بهره برداری، نگهداری، تعمیرات آن ها و همچنین هزینه های طراحی کنترل کننده برای آن ها به میزان قابل توجهی کاهش یابد. از جمله روش هایی که جهت کاهش مرتبه سیستم ها تاکنون ارائه شده اند، روش های تحقق بالانس شده (وانواع آن) و تقریب روث می باشند. روش های کاهش مرتبه حداقل مربعات (least squares)، حداقل مربعات بازگشتی (recursive least squares)، حداقل پراکندگی (minimum variance)، پله ای و ترکیبی از جمله روش های جدیدی هستند که در این پایان نامه ارائه می گردند. این روش ها، مرتبه یک سیستم را با توجه به مینیمم کردن خطای تخمین در حوزه زمان گسسته کاهش می دهند و در واقع ضرایب سیستم کاهش یافته را با توجه به اطلاعاتی که از سیستم اصلی دارند تخمین می زنند. یک مزیت روش های پیشنهادی نسبت به روش های متداول دیگر، می توان عدم نیاز آن ها به محاسبات پیچیده را نام برد. روش های پیشنهادی جهت مقایسه با روش های ارائه شده تاکنون، برروی چند مثال عملی از جمله مدل مربوط به پخش کننده دیسک فشرده پیاده سازی می گردند.