Adaptive model predictive control for single input/ single output systems

Abstract

IV ÖZET Bu çalışmada, model parametrelerini güncelleştirmek için özyineli en küçük kareler algoritması ve uzlaşımsal model denetimi birleştirilmiş olup çevrimci parametre kestirimi ile, uyarlanır (değişken modelli) öngörücü model denetim yaklaşımı sunulmuştur. Önerilen yaklaşım i) doğrusal, ii) doğrusal olmayan süreçlere uygulanmış ve sabit modelli uzlaşımsal öngörücü model denetimi ile karşılaştırılmıştır. Doğrusal süreçte, kazançtaki model/süreç farklılığı fazla olduğu durumlarda, değişken modelin başarımı nicel olarak ölçülmüş ve sabit modele oranla daha iyi olduğu bulunmuştur. Eğer süreç ve modelin kazanç işaretleri ters ise, kararlı çalışma için değişken model kullanılması zorunludur. Doğrusal olmayan süreçte girdi çokluğu olduğundan, doğrusal olmayan öngörücü model tekniklerine girmeden, basit bir doğrusal model özyineli en küçük kareler yöntemi kullanılarak, uyarlanır öngörücü model denetimi ile iyi bir denetim başarımı sağlanmıştır.

Ill ABSTRACT An adaptive (variable model) controller which combines on-line parameter estimation using a recursive least squares algorithm to update the model parameters and conventional Model Predictive Control is presented. The proposed approach is applied to i) a linear, ii) a nonlinear process and is compared with the fixed model conventional Model Predictive Control. For the linear process it is found that if the model/process mismatch in the gain is significant then variable model performance measured quantitatively as the loss function is superior to that of the fixed model. When the mismatch is small, then the converse is true. However, variable model must be used for stable operation if the process and the model gain signs are opposite. As for the nonlinear process which exhibits input multiplicity, it is shown that without resorting to nonlinear model predictive control techniques, a simple linear model with recursively identified parameters can be used to achieve good control performance.