ارائه روشي جديد براي كاهش مجموعه مدل‌هاي محلي در روش مدل‌هاي چندگانه مبتني بر آستانه پايداري بيشينه و Gap Metric

A New Method to Reduce the Multi-Model Set Based on Maximum Stability Margin and Gap Metric

در اين مقاله، كنترل سيستم‌هاي خطي نامتغير با زمان داراي عدم قطعيت گسترده با استفاده از روش مدل‌هاي چندگانه مورد توجه واقع شده و روشي جديد، موثر و سرراست براي يافتن مجموعه مدل‌هاي محلي پيشنهاد مي‌شود. در تعيين مدل‌هاي محلي، از ابزار gap metric براي اندازه‌گيري فاصله ميان مدل‌ها و از آستانه پايداري براي شبكه‌بندي و تعيين حداكثر فاصله مجاز ميان مدل‌ها استفاده شده است. روش پيشنهادي، اصلاح آستانه پايداري بيشينه مدل‌هاي محلي را تضمين مي‌دهد كه بر كاهش تعداد مدل‌هاي محلي و در نتيجه كاهش حجم محاسبات تاثير مستقيم مي‌گذارد. براي ارزيابي عملكرد روش پيشنهادي، كنترل سيستم معيار جرم-فنر-دمپر مورد مطالعه قرار گرفته و نشان داده مي‌شود كه با استفاده از الگوريتم ارائه شده در اين پژوهش، تنها يك مدل محلي كافي است. اين در حالي است كه در روش‌هاي موجود پنج مدل محلي براي كنترل اين سيستم بكار رفته است.

In this paper the multiple model control of linear time invariant systems with wide uncertainty is studied and a new straightforward and systematic method is proposed to select the local models. The gap metric is used to measure the distance between local models and the maximum stability margin is employed to grid the uncertainty space and measure the permissible distance between local models. The proposed method guarantees the improvement of the maximum stability margin which has direct influence on the reduction of the number of local models and computational complexity loads. To evaluate performance of the proposed method, control of a mass-spring-dashpot system is considered and it is shown that based on our algorithm only a single local model is adequate to control this system while the existing methods in the literature require five local models.