اصل افق کاهنده (Receding Horizon Principle):
دقت کنید که تابع هزینه تعریف شده دارای متغیرهایu(k)تاu(k+p−1) است و با حل مسئله بهینه سازی مقادیر بهینه آن ها محاسبه می شوند.
اما طبق اصل افق کاهنده فقط اولین مقدار محاسبه شده مربوط به سیگنال کنترلی بهینه به پلانت اعمال می شود و در زمان بعدی یعنیk+1، تمام محاسبات قبل دوباره تکرار خواهد شد.
پس فقط(k)u به پلانت اعمال می شود و اثر آن یعنیy(k+1) اندازه گیری می شود.
حال ما اطلاعات خروجی سیستم تا زمانk+1 را داریم و دوباره با طی کردن مسیر قبل، سیگنال کنترلی بهینه جدیدu(k+1) را به دست می آوریم و آن را به پلانت اعمال می کنیم تاy(k+2) به دست آید و همین فرآیند را همواره تکرار می کنیم.
دلیل استفاده از اصل افق کاهنده، کاهش اثر عدم قطعیت ها، اغتشاشات و نویزهای موجود در سیستم است.
زیرا این سیگنال ها اغلب دارای ماهیت تصادفی هستند و تا زمانی که رخ ندهند، نمی توانیم آن ها را اندازه گیری کنیم.
حال اگر کل سیگنال کنترلی یعنی u(k) تا u(k+p−1) به پلانت اعمال شود، بدین معنی است که اثرات اغتشاشات در طول افق پیش بین لحاظ نخواهد شد.
اما با p بار تکرار مسئله بهینه سازی و اندازه گیری اثرات اغتشاشات در هر نمونه برداری می توان اثرات آن ها را نیز جبران کرد.
|
|
|
|
| نماد اعتماد الکترونیک | نشان ملی ثبت | گواهی شامد ارشاد |
© کلیه حقوق مادی و معنوی این وب سایت متعلق به داده پردازان هومان پویان می باشد.
