عنوان مقاله :
پيادهسازي كنترلكنندة فازي عصبي تطبيقي در يك سيستم كنترل دما براساس روش مدل مبنا
عنوان به زبان ديگر :
Design and Real-time Implementation of the Adaptive-Neuro-Fuzzy Controller for a Temperature Control System using Model-Based Design
پديد آورندگان :
شريفي، عليرضا دانشگاه صنعتي شريف - دانشكدة مهندسي هوافضا , فروغي، مهدي دانشگاه صنعتي شريف - دانشكدة مهندسي هوافضا , نوبهاري، هادي دانشگاه صنعتي شريف - دانشكدة مهندسي هوافضا
كليدواژه :
روش مدل مبنا , ابزار توليد خودكار كد , كنترلكنندة فازي عصبي تطبيقي , سيستم كنترل دما
چكيده فارسي :
زيرسيستم كنترل دماي يك ماهواره وظيفه حفظ دماي ساير زيرسيستمها را در محدودة مجاز بر عهده دارد. هدف از اين مقاله، طراحي و پيادهسازي كنترلكنندة دما مبتني بر شناسايي مدل در يك سيستم كنترل دما با استفاده از ابزار توليد خودكار كد است. كنترلكنندة پيشنهادي اين مقاله، كنترلكنندة فازي- عصبي- تطبيقي است. بهمنظور طراحي كنترلكننده، مدل ديناميكي محفظة آزمايشگاهي با اعمال وروديهاي مختلف با استفاده از مولد حرارتي و همچنين قرائت دماي محفظه توسط حسگر دما شناسايي ميشود. كنترلكننده با دريافت دماي محفظه، فرمان كنترلي مناسب را توليد و به مولد حرارتي ارسال ميكند. سپس، بلوك دياگرامهاي طراحي شده در محيط سيمولينك به كد C ترجمه شده و بر سختافزار ميكروكنترلر كه قابليت پشتيباني توسط محيط سيمولينك را دارد، پيادهسازي ميشود. در نهايت، با نصب اين سختافزار در محفظه آزمايشگاهي، عملكرد كنترلكنندة دما در تعقيب دماي مطلوب و حذف اغتشاش ورودي بررسي و با عملكرد كنترلكنندة تناسبي- مشتقي- انتگرالي مقايسه ميشود.
چكيده لاتين :
In this paper, an adaptive-neuro-fuzzy controller is implemented online for a temperature control system using model-based design. First, the time domain identification approaches are utilized for the dynamic model identification. Then, the identified model is used in the adaptive-neuro-fuzzy controller. The simulated model of the proposed controller, created in the Simulink environment, is translated into C code using Simulink Coder. The generated C code is compiled into a hardware device and is successfully embedded on a microcontroller. In the next step, the experimental setup of a temperature controller is done to verify the adaptive-neuro-fuzzy controller. Finally, a comparison was made between the proposed controller and a classical proportional-integral-derivative controller to investigate the performance of the proposed approach. The results demonstrate that the proposed approach provides an excellent performance for a temperature control system.
عنوان نشريه :
علوم و فناوري فضايي
عنوان نشريه :
علوم و فناوري فضايي