شناسایی و کنترل سیستم های ناپایدار با ایجاد حلقه های داخلی و خارجی پیاده سازی بر روی مولتی روتور

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران

2 استادیار، دانشکده مهندسی هوافضا ، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران

چکیده

شناسایی سیستم‌های ناپایدار همواره موضوعی پر چالش در زمینه‌ی طراحی کنترل کننده‌ها بوده‌است، چرا که روش‌های معمول شناسایی برای سیستم‌های ناپایدار، مدل مناسبی را ارائه نمی‌دهند. علاوه بر این لازم است داده برداری جهت شناسایی این نوع سیستم‌ها در حلقه بسته کنترلی صورت گیرد که خود با چالش‌های بیشتری روبروست و نیازمند الگوریتم‌های پیچیده و رویکردهای متفاوت می‌باشد. هدف از این تحقیق ارائه روشی جدید برای شناسایی سیستم و طراحی کنترل سیستم‌های ناپایدار در حلقه می‌باشد. برای این منظور دینامیک ناپایدار را در یک حلقه درونی قرار می‌دهیم و پس از پایدار‌سازی اولیه سیستم به وسیله کنترل‌کننده‌‌ی درونی (Inner Controller)، به شناسایی حلقه‌ی درونی به عنوان دینامیک جدید پرداخته و سپس برای این حلقه یک کنترل‌کننده‌ی بیرونی (Outer Controller) طراحی می‌شود. برای اعتبار‌سنجی، این روش بر روی یک آونگ معکوس طراحی و شبیه‌سازی شده است و همچنین بر روی یک سیستم آزمایشگاهی (میز‌کار یک درجه آزادی مولتی روتور) پیاده‌سازی شده ‌است. از آنجا که دینامیک پرنده مورد مطالعه ذاتا ناپایدار است؛ کنترل‌گر درونی بر روی مدلی با دقت پایین طراحی و عملکرد آن شبیه‌سازی می‌شود. پس از پیاده‌سازی کنترل‌کننده‌ درونی بر روی سیستم واقعی و داده برداری، مدل دینامیکی حلقه درونی شناسایی می‌شود و در انتها با در دست داشتن مدل دقیق حلقه‌ی درونی، طراحی کنترل‌گر‌ بیرونی به گونه ای انجام می‌شود تا پایداری را افزایش و عملکرد را بهبود ببخشد. نتایج شبیه‌سازی و آزمایش حاکی از عملکرد جالب توجه و بسیار خوب این روش می‌باشند.

کلیدواژه‌ها

موضوعات


[1] Hof V. P., Closed-Loop Issues in System Identification. Annual Reviews in Control, Vol. 22, No. 1, pp. 173-186, 1998.
[2] Mandloi R. and Shah P., Methods for Closed Loop System Identification in Industry. Journal of Chemical and Pharmaceutical,  Vol. 7, No. 1, pp. 892-896, 2015.
[3] Hof V. P. and Schrama R. J., An Indirect Method for Transfer Function Estimation from Closed Loop Data. Automatica, Vol. 29, No. 6, pp. 1523-1527, 1993.
[4] Donkelaar E. T. and Hof V. P., Analysis of Closed Loop Identification with a Tailor-made Parameterization. European Journal of Control, Vol. 6, No. 1, pp. 54-62, 2000.
[5]  Hof V. P., Schrama R. J., Bosgra O. H. and Callafon R. A., Identification of Normalized Coprime Plant Factors for Iterative Model and Controller Enhancement. In  32nd IEEE Conference on Decision and Control, San Antonio, USA, 1993.
[6]  Hof V. P., Callafon R. A. and Donkelaar E., Closid - A Matlab Toolbox for Closed-Loop System Identification. IFAC Proceedings, Vol. 33, No. 15, pp. 857-861, 2000.
[7]  Noormohammadi A., Esrafilian O., Arzati A. M. and Taghirad H. D., System Identification and H∞-based Control of Quadrotor Attitude. Mechanical Systems and Signal Processing, Vol. 135, No. 10, pp. 58-63, 2020.
[8]  Oliveira R. M., Identification and Validation of a Quadrotor’s Model Dynamics, Technical Report, 2014.
[9]  Li Q. Y., Grey-box System Identification of a Quadrotor Unmanned Aerial Vehicle, MSc. Thesis, Delft University of Technology, 2014.
[10]         Yoon M., Experimental Identification of Thrust Dynamics for a Multi-Rotor Helicopter. Inernational Journal of Engineering Research and Technology, Vol. 4, No. 11, pp. 206-209, 2015.
[11]         Panizza P., Riccardi F. and Lovera M., Black-box and Grey-box Identification of the Attitude Dynamics for a Variable-pitch Quadrotor. IFAC Proceedings, Vol. 28, No. 9, pp. 61–66, 2015.
[12]         Cao N. and Lynch A. F., Inner-Outer Loop Control for Quadrotor UAVs with Input and State Constraints. IEEE Transactions on Control Systems and Technology, Vol. 24, No. 5, pp. 1797-1804, 2016.
[13]         Xia D., Cheng L., and Yao Y., A Robust Inner and Outer Loop Control Method for Trajectory Tracking of a Quadrotor. Sensors, Vol. 17, No. 9, 2017.
[14]         Chovancová A., Fico T., Chovanec E., and Hubinský P., Mathematical Modelling and Parameter Identification of Quadrotor. Procedia Engineering, Vol. 96, No. 1, pp. 172–181, 2014.
[15]         McCrink M. H. and Gregory J. W., Blade Element Momentum Modeling of Low-reynolds Electric Propulsion Systems. Journal of Aircraft, Vol. 54, No. 1, pp. 163-176, 2017.
[16]         Musa S., Techniques for Quadcopter Modelling and Design. Journal of Unmanned System Technology, Vol. 5, No. 3, 2018.
[17]         Bouzgou K., Bestaoui Y., Benchikh L., Ibari B., and Foitih Z. A., Dynamic Modeling Simulation and PID Controller of Unmanned Aerial Vehicle UAV. In 7th INTECH, Luton, UK, 2017.
[18]         Chan A. L., Tan S. L., and Kwek C. L., Sensor Data Fusion for Attitude Stabilization in a Low Cost Quadrotor System. In 15th International Symposium on Consumer Electronics, Singapore, 2011.