شناسایی فازیonline برج تقطیر MIMO با استفاده از مدل TS – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:95
قالب بندی:word قابل ویرایش

نحوه خرید

شناسایی فازیonline برج تقطیر MIMO با استفاده از مدل TS – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب

چکيده…………………….…………………………………………… 13
مقدمه ……………………………………………………………. 15

فصل اول : کليات………………………………………………………………17
1-1) هدف…………………………………………………………………………. 18
1-2) پيشينه تحقيق………………………………………………………………….18
1-3) روش کار و تحقيق…………………………………………………………..20

فصل دوم : روش شناسايی فازی سيستم های چند متغيره………………..22
2-1) مقدمه ………………………………………………………………………… 23
23 …………………………………………………rule based مدلهای فازی ( 2-2
2-2-1 ) مدل فازی زبانی…………………………………………………….. 24
24 ……………………………………..Takagi-Sugeno مدل فازی ( 2-2-2
25 ……………………………………MISO Takagi-Sugeno مدل فازی ( 3-2
26………………………………… MIMO Takagi-Sugeno مدل فازی ( 4-2
2-5 )الگوريتم RLS………………………….ا…………………………………… 28
2-5-1 )گسترش RLS به سيستم های MIMO………………….ا………… 29
30 ……………………………………………………………….NARX مدل ( 6-2
2-7 ) خلاصه………………………………………………………………………. 30

فصل سوم :شناسايی فازی online با استفاده ازpotential clustering..31
3-1 ) مقدمه ……………………………………………………………………….. 32
32 ………………………………… potential clustering روش شناسايی ( 2-3
33 ……………………………………. online clustering الگوريتم ( 1-2-3
3-2-2 ) محاسبه بازگشتی online پارامترهای تالی مدل eTS ……..ا….. 37

3-2-2-1 ) محاسبه پارامترهای تالی (حالت 3) …………………………. 38
3-2-2-1 ) محاسبه پارامترهای تالی (حالت 2) …………………………. 38
3-2-2-3 ) محاسبه پارامترهای تالی (حالت 1) …………………………. 39
3-2-3 ) روش بازگشتی برای آموزش online مدل eTS ………..ا……… 40
3-3 ) مکانيزم تکامل rule base …………ا…………………………………….. 41
3-3-1 ) سناريوهای مختلف توليد rule …………….ا……………………….. 41
3-3-2 ) مدل اصلاح شده توليد rule ……………ا…………………………… 41
3-4 ) روش کاهش rule ……………..ا…………………………………………. 42
3-5 )خلاصه ………………………………………………………………………. 43
فصل چهارم : بررسی آناليز برهم کنش سيستم های غيرخطی MIMO با استفاده از روش شناسايی eTS………………………………ا……….. 44
4-1 ) خلاصه ………………………………………………………………………. 45
4-2 ) مدلسازی سيستم غيرخطی MIMO با استفاده ازeTS ……………..ا…… 45
47 ……………………………………………………………………….. RGA ( 3-4
4-4 ) بررسی آناليز برهم کنش مدل فازی MIMO ……………….ا……………. 48
4-5 ) خلاصه ………………………………………………………………………. 52
53 ………………………..  فصل پنجم : آشنايی با distillation column
5-1 ) مقدمه ……………………………………………………………………………..54
54……………………………………………distillation column مروری بر ( 2-5
55 …………………………………………. distillation column اصول کار ( 3-5
5-4 ) معادلات حالت ديناميکی ………………………………………………………. 56
57 …………………………………………………………………. Column A ( 5-5
58 ………………………………………………………….. LV-Cofiguration (6-5

5-7 ) خلاصه ……………………………………………………………………….. 59

فصل ششم : استفاده از مدل فازی MIMO TS در شناسايی distillation column ……………..ا…………  60
6-1 ) مقدمه …………………………………………………………………………. 61
61 ……………………………………………………………… online شناسايی (2-6
6-2-1 ) معيارهای اعتبارسنجی ………………………………………………..61
6-2-2 ) آزمايش شناسايی………………………………………………………. 62
62 ……………………………………. uncontrolled column ( 1-2-2-6
64 ………………………………………… LV-configuration ( 2-2-2-6
6-2-3 ) کاربرد روش شناسايی original eTS ……..ا………………………..65
65. ……………………….. uncontrolled column : 1 حالت ( 1-3-2-6
70……………………………… LV-configuration : 2 حالت ( 2-3-2-6
6-2-4 ) کاربرد روش شناسايی فازی eTS بهبود يافته ……………………….72
72…………………………. uncontrolled column : 1 حالت ( 1-4-2-6
73. ……………………………. LV-configuration : 2 حالت ( 2-4-2-6
6-2-5 ) مکانيزم جديد کاهش rule ……………ا………………………………. 74
6-3 ) استفاده از مدل فازی eTS برای بدست آوردن RGA در distillation column 76
6-4 )خلاصه ………………………………………………………………………….77

فصل هفتم : نتيجه گيری و پيشنهادات ………………………………… 78
نتيجه گيری …………………………………………………………………………. 79

پيشنهادات ………………………………………………………………………….. 81

منابع و ماخذ …………………………………………………………………………… 82

فهرست منابع لاتين ……………………………………………………………………..83
چکيده انگليسی ………………………………………………………………………… 89

چکيده
در اين پايان نامه , شناسايی فازی سيستم غيرخطی MIMO برج تقطير بر اساس مدل فازی ,Takagi-Sugeno(TS) بررسی خواهدشد و بر روی مدل عمومی distillation column شبيه سازی شده در دو حالت uncontrolled column ,LV-configuration مورد آزمايش قرار خواهد گرفت. لازم به تذکر است که در اين پايان نامه شناسايی و کاربرد آن در سيستم های online مورد توجه اساسی ميباشد.
در حالت offline يعنی هنگاميکه کل داده ها در ابتدای پروسه آموزش در دسترس است, ساختن مدل فازی TS در دو مرحله انجام می گيرد. در مرحله اول مجموعه های فازی (توابع عضويت) در قسمت مقدم rule تعيين ميشوند. ميتوان اين مرحله را با استفاده از اطلاعات اوليه از پروسه و يا بوسيله تکنيکهای data-driven انجام داد. در مرحله دوم پارامترهای مقدم هريک از زير مدلهای خطی با استفاده از الگوريتم RLS محاسبه ميشود. مشکل اصلی بدست آوردن مدل , شناسايی توابع عضويت مقدم است که در حقيقت مسئله بهينه سازی غير خطی است. چونکه مدل فازی TS بدست آمده وابسته به توابع عضويت است, انتخاب مجموعه های فازی بر دقت مدل اثر خواهد گذاشت. بنابراين يکی از نکات اساسی برای بهبود دقت مدل , تنظيم دقيق مجموعه های فازی , بگونه ای است که خطای متوسط مربعی
(mean-square) بين مدل تخمين زده شده و سيستم واقعی مينيمم شود.
در حالت online تمام داده ها را در ابتدای پروسه آموزش در اختيار نداريم, بنابراين آموزش مدل فازی TS بايد با اولين نمونه داده شروع شود. در اين شرايط , ساختار مدل در ابتدا در دست نيست و به صورت تدريجی در خلال پروسه شناسايی تکامل می يابد. آموزش پيوسته online مدل TS , بر پايه متد clustering بازگشتی و غير تکرارشونده بنا شده است که قسمت مقدم را تخمين می زند و الگوريتم RLS که پارامترهای زير مدلهای خطی تالی را محاسبه می کند. در اين روش, ساختار مدل در ابتدا شناخته شده نيست و در طی پروسه شناسايی تکامل می يابد. (قابل ذکر است که اين تکامل بسيار آهسته تر از تکامل پارامترهای مدل صورت می گيرد.) در مدل eTS , پتانسيل داده جديد برای update کردن پايگاه قوانين استفاده ميشود. در اين الگوريتم داده های پرت هيچگونه شانسی برای اينکه به عنوان مرکز rule انتخاب شوند, ندارند. دليل اين مسئله روش خاص تعريف مراکز rule است. اين مسئله بسيار مهم است که آموزش بدون هيچ گونه دانش اوليه از سيستم و فقط با استفاده از اولين داده آغاز ميشود. اين ويژگی جالب توجه کاربرد اين شيوه را در بسياری از سيستم های adaptive سودمند ميسازد.
مشکل اصلی در اين شيوه, توليد نامحدود rule در طی پروسه شناسايی مخصوصا در شرايط اوليه است. در اين پايان نامه, دو شيوه برای مقابله با اين مسئله ارايه شده است. در روش اول, شرايط ايجاد rule در الگوريتم اصلی به گونه ای اصلاح شده است که بتواند نرخ توليد rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعدادrule می شود. اين اصلاح باعث می شود که الگوريتم در شرايط اوليه با احتياط بيشتری اضافه کردن rule را انجام دهد. سپس هنگاميکه اطلاعات بيشتری بدست آمد و پروسه شناسايی پيشرفت کرد, شرايط توليد rule به حالت اوليه اش برميگردد وهمانند الگوريتم اصلی عمل ميکند. روش دوم , يک مکانيزم جديد نظارت برای شناسايی و از بين بردن rule های غير ضروری با استفاده
.ارايه شده است forgetting factor از
همچنين در اين پايان نامه, متد آناليز برهم کنش برای سيستم های چندمتغيره ارايه شده است.
در بسياری از کاربردهای عملی , مدل کمی دقيق سيستم در دست نيست ويا بدست آوردن آن بسيار مشکل است. در اين متد, سيستم غيرخطی MIMO ابتدا با استفاده از الگوريتم eTS مدلسازی ميشود, سپس برهم کنش سيستم چندمتغيره حول يک نقطه کار خاص بر اساس RGA بررسی ميشود.

مقدمه
بسياری از پروسه های صنعتی دارای سيستم های غيرخطی چند متغيره با چندين ورودی و چندين خروجی می باشند که کوپلينگ متقابل پيچيده ای دارند. مدلسازی چنين پروسه پيچيده ای کار بسيار سختی می باشد . بکار بستن تکنيک های متداول مدلسازی سخت و يا حتی غير قابل استفاده در چنين مسايل عملی می باشد . يک راه حل مفيد ديگر استفاده از شيوه های شناسايی data-driven است که از داده های تجربی به دست آمده و از ورودی و خروجی پروسه استفاده می کند.
روش های مدلسازی فازی rule base به دليل انعطاف پذيری ذاتی شان در ساختن مدلها ازداده های ورودی و خروجی توجه بسياری را به خود جلب کرده اند . از ميان متدهای مختلف فازی، تکنيک مدلسازی TS به دليل قابليت بالای محاسباتی بيشتر مورد توجه قرار گرفته است . مدل فازی TS شامل قانون های اگر- آنگاه در مقدم و توابع رياضی در بخش تالی خود می باشد. بنابراين وظيفه شناسايی مدل فازی TS تعيين پارامترهای غيرخطی توابع عضويت مقدم و پارامترهای خطی قانون های تالی می باشد.
تحقيقات اخير بر روی تکنيک های data-driven که در آن مدل های فازی ديناميکی با استفاده از داده های ورودی – خروجی اندازه گيری شده قابل آموزش هستند ، متمرکز شده است .
آموزش Online مدل فازی TS نيازمند شناسايی بازگشتی برای تخمين ساختار مدل و همچنين تخمين پارامترهای تالی می باشد . از آن رو که تمام داده های ورودی- خروجی در آغاز پروسه آموزش در دسترس نيست ، ارائه روش شناسايی Online که در آن ساختار مدل و پارامترها به صورت تدريجی تکامل می يابند ضروری است که اين روش بدون در اختيار داشتن دانش اوليه از پروسه ، با اولين داده ورودی شناسايی را آغاز می کند. اين ويژگی جالب ، اين شيوه را تبديل به يک مکانيزم کارآمد در سيستم های adaptive و self-tuning ساخته است . تاکنون توجه اندکی به شناسايی فازی پروسه های صنعتی چند متغيره (MIMO ) شده است . در اين پايان نامه شناسايی فازی Online برای پروسه های چند متغيره ارائه شده در
[3]و اصلاحات و نکات لازم جهت بهبود کارايی آن ارائه شده است .
مشکل اصلی در اين شيوه, توليد نامحدود rule در طی پروسه شناسايی مخصوصا در شرايط اوليه است. در اين پايان نامه, دو شيوه برای مقابله با اين مسئله ارايه شده است. در روش اول, شرايط ايجاد rule در الگوريتم اصلی به گونه ای اصلاح شده است که بتواند نرخ توليد rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعدادrule می شود. اين اصلاح باعث می شود که الگوريتم در شرايط اوليه با احتياط بيشتری اضافه کردن rule را انجام دهد. سپس هنگاميکه اطلاعات بيشتری بدست آمد و پروسه شناسايی پيشرفت کرد, شرايط توليد rule به حالت اوليه اش برميگردد وهمانند الگوريتم اصلی عمل ميکند. روش دوم , يک مکانيزم جديد نظارت برای شناسايی و از بين بردن rule های غير ضروری با استفاده
.ارايه شده است forgetting factor از
برهم کنش در بسياری از سيستم های صنعتی وجوددارد و اين بدين معنی است که تغيير يک متغير کنترل بر بيش از يک خروجی سيستم اثر خواهد داشت.در اين پايان نامه, با متمرکز شدن بر آناليز برهم کنش خروجی, يک شيوه جديد برای بدست آوردن RGA ارايه شده است که درجه برهم کنش متغيرها را حول يک نقطه کار خاص ارايه می دهد.

نتيجه گيری
در اين پايان نامه, شناسايی سيستم غيرخطی چندمتغيره با استفاده از مدل فازی Takagi-Sugeno در خالت online مورد بررسی قرار گرفته است. داده های موردنياز برای استفاده از اين شيوه, از distillation column شبيه سازی شده, که يک معيار عمومی است , استخراج شده است.
در حالت online , تمام داده ها در ابتدای پروسه شناسايی در دسترس نيست. بنابراين آموزش مدل فازی TS بايد با اولين داده شروع شود. در اين شرايط , ساختار دل در ابتدا شناخته شده نيست و در طول پروسه شناسايی به صورت تدريجی تکامل می يابد. آموزش پيوسته online مدل TS بر پايه clustering بازگشتی وغير تکرارشونده بنا شده است که مسئول آموزش ساختار مدل به صورت online ميباشد والگوريتم RLS که پارامترهای قسمت تالی را تخمين ميزند. ساختار مدل, درابتدا در دسترس نيست وبه صورت تدريجی تکامل می يابد.( لازم به تذکراست که اين تکامل بسيار آهسته تر از تکامل پارامترهای مدل انجام می شود.)
در الگوريتم آموزش eTS , احتمال اينکه داده های پرت مرکز rule شوند وجود ندارد.اين امر امر به دليل روش تعريف خاص مورد استفاده در آن برای مراکز rule است. اين مسئله دارای اهميت است که آموزش هيچ داده اوليه و تنها با اولين داده آغاز می شود. اين ويژگی قابل توجه, کاربرد اين شيوه را در بسياری از سيستم های adaptive سودمند ميسازد.
دو مکانيزم در الگوريتم eTS , برای تکامل تدريجی ساختار در طی پروسه آموزش ارايه شده است که شامل اضافه کردن rule به ساختار فعلی ويا جايگزين کردن مرکز rule با يک داده جديد می باشد.
مشکل اصلی در اين شيوه, توليد نامحدود rule در طی پروسه شناسايی مخصوصا در شرايط اوليه است. در اين پايان نامه, دو شيوه برای مقابله با اين مسئله ارايه شده است. در روش اول, شرايط ايجاد rule در الگوريتم اصلی به گونه ای اصلاح شده است که بتواند نرخ توليد rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعدادrule می شود. اين اصلاح باعث می شود که الگوريتم در شرايط اوليه با احتياط بيشتری اضافه کردن rule را انجام دهد. سپس هنگاميکه اطلاعات بيشتری بدست آمد و پروسه شناسايی پيشرفت کرد, شرايط توليد rule به حالت اوليه اش برميگردد وهمانند الگوريتم اصلی عمل ميکند. روش دوم , يک مکانيزم جديد نظارت برای شناسايی و از بين بردن rule های غير ضروری با استفاده
.ارايه شده است forgetting factor از
برهم کنش در بسياری از سيستم های صنعتی وجوددارد و اين بدين معنی است که تغيير يک متغير کنترل بر بيش از يک خروجی سيستم اثر خواهد داشت.در اين پايان نامه, با متمرکز شدن بر آناليز برهم کنش خروجی, يک شيوه جديد برای بدست آوردن RGA ارايه شده است که درجه برهم کنش متغيرها را حول يک نقطه کار خاص ارايه می دهد.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت