هزینه آموزش
۳۵,۰۰۰ تومان

آموزش کنترل پیش بین مدل با متلب

آموزش کنترل پیش بین مدل با متلب

تعداد دانشجو
۱,۳۱۴ نفر
مدت زمان
۱۱ ساعت و ۳۴ دقیقه
هزینه آموزش
۳۵,۰۰۰ تومان
محتوای این آموزش
۲۰ بازخورد (مشاهده نظرات)
آموزش کنترل پیش بین مدل با متلب

کنترل مدل پیش بین، در دو دهه اخیر پیشرفت چشم گیری هم در حوزه تحقیقات و هم در حوزه کنترل پروسه های صنعتی پیدا کرده است. دلیل این موفقیت را می توان در توانایی بالای کنترل مدل پیش بین برای حل مشکلات کنترل پروسه های صنعتی در حوزه زمان دانست. کنترل مدل پیش بین، شاخه های مختلف مهندسی کنترل را اعم از: کنترل بهینه، کنترل تصادفی، کنترل چند متغیره، کنترل سیستم های تاخیردار و… را در بر می گیرد. یکی دیگر از ویژگی های مهم کنترل مدل پیش بین، طراحی مقید است که این امکان را فراهم می آورد تا کنترلی را طوری طراحی نمود که محدوده سیگنال های کنترلی تولید شده، کنترل شوند.

آموزش کنترل پیش بین مدل با متلب

تعداد دانشجو
۱,۳۱۴ نفر
مدت زمان
۱۱ ساعت و ۳۴ دقیقه
هزینه آموزش
۳۵,۰۰۰ تومان
محتوای این آموزش
۲۰ بازخورد (مشاهده نظرات)
مدرس
امید زندی

دانشجوی دکتری تخصصی مهندسی برق – کنترل

ایشان موفق به کسب رتبه اول (مدال طلا) المپیاد علمی دانشجویی مهندسی برق کشور در سال ۹۴ و همچنین رتبه سوم (مدال برنز) المپیاد علمی دانشجویی کشوری در سال ۱۳۹۳ در رشته برق شده‌اند و در زمینه تدریس آنلاین دروس مهندسی برق، کنترل، الکترونیک و ریاضیات جزء فعال‌ترین مدرسین فرادرس به شمار می‌روند.

چکیده آموزش


توضیحات تکمیلی

کنترل مدل پیش بین، در دو دهه اخیر پیشرفت چشم گیری هم در حوزه تحقیقات و هم در حوزه کنترل پروسه های صنعتی پیدا کرده است. دلیل این موفقیت را می توان در توانایی بالای کنترل مدل پیش بین برای حل مشکلات کنترل پروسه های صنعتی در حوزه زمان دانست. کنترل مدل پیش بین، شاخه های مختلف مهندسی کنترل را اعم از: کنترل بهینه، کنترل تصادفی، کنترل چند متغیره، کنترل سیستم های تاخیر دار و… را در بر می گیرد. یکی دیگر از ویژگی های مهم کنترل مدل پیش بین، طراحی مقید است که این امکان را فراهم می آورد تا کنترلی را طوری طراحی نمود که محدوده سیگنال های کنترلی تولید شده، کنترل شوند.

در واقع، اصطلاح کنترل مدل پیش بین یک استراتژی کنترلی را تعیین نمی کند، بلکه محدوده وسیعی از استراتژی های کنترلی را در بر می گیرد که با استفاده از مدل پروسه، سیگنال کنترلی را طوری صادر می کنند که یک تابع هزینه تعریف شده را حداقل سازی کند. الگوریتم های مختلف کنترل مدل پیش بین تنها در نوع ارائه مدل فرایند، نویز، اغتشاشات و تابع هزینه تفاوت دارند.

امروزه از کنترل مدل پیش بین در کنترل خیلی از فرایندهای صنعتی مانند: صنعت سیمان، برج های خنک کننده، PVC ها و حتی در کنترل بازوهای رباتیکی برای بیهوشی بالینی و… استفاده می شود. چند مورد از ویژگی های مهم کنترل مدل پیش بین به صورت زیر می باشند:

  • تنها به اطلاعات محدودی درباره سیستم های کنترلی، برای کار کردن با آن نیاز هست، در نتیجه تنظیم کنترل کننده های پیش بین برای کاربران آن آسان خواهد بود.
  • برای محدوده وسیعی از سیستم های کنترلی از قبیل: سیستم های تاخیردار، سیستم های تک متغیره و چند متغیره، سیستم های غیر حداقل فاز و سیستم های ناپایدار، قابل استفاده است.
  • این استراتژی ذاتا برای کنترل سیستم های تاخیر دار است.
  • استراتژی کنترلی منتج شده، به راحتی قابل پیاده سازی عملی است.
  • برای طراحی سیستم های کنترلی مقید کاملا کاربردی است.

اساس کار کنترل مدل پیش بین به این صورت است که با تعیین سیگنال کنترلی مناسب سعی می کند که خروجی های آینده سیستم، مقادیر مشخصی بشوند. بر همین اساس الگوریتم های متنوعی برای پیاده سازی کنترل مدل پیش بین ارائه شده اند که از میان آن ها می توان به الگوریتم های زیر اشاره کرد:

1- Dynamic Matrix Control

این الگوریتم از پاسخ پله سیستم استفاده می کند و بر اساس این الگوریتم مقدار تغییرات سیگنال کنترلی برای حداقل سازی تابع هزینه مشخص می شود.

2- Model Algorithmic Control

این الگوریتم از پاسخ ضربه سیستم استفاده می کند و بر اساس این الگوریتم مقدار سیگنال کنترلی برای حداقل سازی تابع هزینه مشخص می شود.

3- Predictive Functional Control

کنترلر PFC برای تعیین بهترین استراتژی کنترل که بتواند انحرافات بین نقاط انطباقی واقع شده بر روی یک خط سیر مرجع در افق HC و سطح آینده را کاهش دهد، در نظر گرفته می شود.

4- Generalized Predictive Control

این استراتژی از مدل تابع تبدیل سیستم در حوزه فرکانس برای پیش بینی رفتار آینده پلانت استفاده می کند و کارایی وسیع تری نسبت به الگوریتم های دیگر دارد.

الگوریتم های بالا قابل استفاده برای سیستم های خطی و برای سیستم های غیرخطی نیز الگوریتم هایی نظیر: EMDC ,NMPC و استفاده از الگوریتم های هوشمند نظیر، عصبی است.

در این فرادرس سعی شده است مباحث تئوری و عملی الگوریتم کنترلی بالا را به صورت کامل مورد بررسی قرار دهیم و برنامه های لازم در محیط نرم افزار متلب برای تست آن ها نوشته می شود.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: معرفی کنترل پیش بین مدل
    • ساختار کنترل پیش بین مدل
    • المان های کنترل پیش بین مدل
    • مقایسه کنترل پیش بین مدل با سایر استراتژی های کنترلی
    • آشنایی با چند نمونه از ساختارهای کنترل پیش بین مدل معروف
  • درس دوم: کنترل پیش بین مدل DMC
    • فرمولاسیون کنترل پیش بین مدل DMC
    • بررسی کارکرد کنترل پیش بین مدل DMC در حضور اغتشاش
    • شبیه سازی کنترل پیش بین مدل DMC در محیط نرم افزار متلب
    • بهینه سازی کنترل پیش بین مدل DMC با استفاده از توابع بهینه سازی متلب
  • درس سوم: کنترل پیش بین مدل MAC
    • فرمولاسیون کنترل پیش بین مدل MAC
    • بررسی کارکرد کنترل پیش بین مدل MAC در حضور اغتشاش
    • شبیه سازی کنترل پیش بین مدل MAC در محیط نرم افزار متلب
    • بهینه سازی کنترل پیش بین مدل MAC با استفاده از توابع بهینه سازی متلب
  • درس چهارم: کنترل پیش بین مدل PFC
    • بیان کنترلر پیش بین مدل در فضای حالت
    • بهینه سازی در فضای حالت
    • شبیه سازی در کنترلر پیش بین مدل در فضای حالت
    • تعمیم کنترلر پیش بین مدل به سیستم های چند متغیره
    • معرفی توابع لاگر
    • فرمولاسیون کنترل پیش بین مدل PFC مبتنی بر توابع لاگر
    • شبیه سازی کنترل پیش بین مدل PFC در محیط نرم افزار متلب
  • درس پنجم: کنترل پیش بین مدل GPC
    • ساختارهای مختلف بیان مدل های دینامیکی
    • فرمولاسیون کنترل پیش بین مدل GPC
    • بررسی کارکرد کنترل پیش بین مدل GPC در حضور اغتشاش و عدم قطعیت
    • شبیه سازی کنترل پیش بین مدل GPC در محیط نرم افزار متلب (حالت خاص)
    • شبیه سازی کنترل پیش بین مدل GPC در محیط نرم افزار متلب (حالت کلی)
  • درس ششم: تنظیم پارامترهای کنترل پیش بین مدل
    • بررسی اثر پارامترهای کنترلر پیش بین مدل بر روی پاسخ سیستم حلقه بسته
    • ارائه پارامترهای بهینه برای سیستم درجه اول تاخیردار
  • درس هفتم: کنترل پیش بین مدل مقید
    • بررسی اثر وجود قیدهای ورودی و خروجی بر روی عملکرد سیستم حلقه بسته
    • بیان انواع قیدهای دینامیکی به صورت فرم استاندارد
    • مقدمه ای بر بهینه سازی مقید در نرم افزار متلب
    • کنترل پیش بین مقید
    • شبیه سازی چند مثال کنترل پیش بین مدل مقید در نرم افزار متلب با قیدهای مختلف
  • درس هشتم: کنترل پیش بین مدل غیر خطی
    • لزوم استفاده از کنترلر پیش بین غیر خطی
    • فرمولاسیون کنترل پیش بین ماتریس دینامیکی تعمیم یافته (EMDC)
    • شبیه سازی کنترل پیش بین غیرخطی DMC تعمیم یافته در محیط نرم افزار متلب
    • بیان کلی کنترل پیش بین غیرخطی مقید
    • طراحی کنترلر LQR برای پلانت ناپایدار غیرخطی و مقایسه با MPC
    • حل مثال برای کنترل پیش بین غیرخطی مقید در محیط نرم افزار متلب
  • درس نهم: کنترل پیش بین مدل هوشمند
    • ساختار کلی کنترل پیش بین مدل با استفاده از الگوریتم های هوشمند
    • مدل سازی عصبی پلانت
    • پیش بینی عصبی رفتار پلانت
    • ارائه مثال برای کنترل پیش بین غیرخطی مقید با استفاده از الگوریتم های هوشمند و پلانت با درجه غیر خطی بالا

مفید برای رشته های
  • مهندسی برق

در ادامه لیست کتب انگلیسی منتشر شده در این زمینه معرفی شده اند:

  • Eduardo F. Camacho, Carlos Bordons Alba; Model Predictive Control (Advanced Textbooks in Control and Signal Processing); 2009
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

۱. معرفی کنترل پیش بین مدل

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۸ مگابایت -- (کلیک کنید +))

۲. کنترل پیش بین مدل DMC

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۹ مگابایت -- (کلیک کنید +))

۳. کنترل پیش بین مدل MAC

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۸۳ مگابایت -- (کلیک کنید +))

۴. کنترل پیش بین مدل PFC (الف)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۵ مگابایت -- (کلیک کنید +))

۵. کنترل پیش بین مدل PFC (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. کنترل پیش بین مدل PFC (پ)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. کنترل پیش بین مدل GPC (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. کنترل پیش بین مدل GPC (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. تنظیم پارامترهای کنترل پیش بین مدل
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. کنترل پیش بین مدل مقید (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۱. کنترل پیش بین مدل مقید (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۲. کنترل پیش بین مدل غیرخطی (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۳. کنترل پیش بین مدل غیرخطی (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۴. کنترل پیش بین مدل هوشمند
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش کنترل پیش بین مدل با متلب
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۵۷۲۴۶ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVCTR95013
مدت زمان ۱۱ ساعت و ۳۴ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۱۰۶۴ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۱,۳۱۴ نفر از این آموزش استفاده کرده اند و ۲۰ نظر ثبت شده است.
افشین خداداد
افشین خداداد

سلام و احترام

آیا امکان استفاده از توابع fminunc و یا fminsearch با استفاده از سیمولینک وجود دارد؟

پلنت داخل سیمولینک و کنترلر پیش بین داخل m file نوشته شده است

سینا
سینا

خوب و مفید بود. الان 80 درصدشو دیدم. به نظرم آموزش کامل و جامعیه.

سهیل
سهیل

ممنون از شما و امید زندی. او نکته ای را فراموش نمیکند. لطفا با اردینو هم بسازید عالی است.

نیک
نیک

سلام.
بار اول که ویدئو ها رو دیدم، اصلا راضی نبودم.
ولی بار دوم و سوم که مجددا آموزش رو دیدم، نظرم عوض شد. میشه گفت تا 80 در صد مطالب رو متوجه شدم.

محمد
محمد

استاد خوب و دانش خوب و فن بیان عالی و کیفیت آموزشی بالا. واقعا راضی بودم و به همه دوستان پیشنهاد می کنم.

سامان
سامان

سلام
آموزش عالی بود.

حسین
حسین

خیلی خوب بود برای آموزش متلب هم مفید بود و مکمل درس های دانشگاه هست
یا علی

مهرداد
مهرداد

با سلام و تشکر بابت آموزش بسیار عالی

موسوی
موسوی

با سلام و خسته نباشید،
تشکر به خاطر زحمتی که متحمل شدین،

امیر حسین
امیر حسین

سلام
خیلی ممنون بابت آموزش عالیتون.


امید زندی
امید زندی

سلام
بله هیچ مشکلی وجود ندارد. اگر مدل خطی بود قیدها را میشه در ماتریس های A و B وارد کرد و اگر غیرخطی بود یک تابع غیرخطی می نویسید که قیدها را در بردارهای C و Ceq ذخیره کند وسپس تابع تعریف شده را در ورودی های fmincon قرار می دهید.

الهام
الهام

با سلام و عرض ادب.
مجموعه جامع و کاملی هم از لحاظ محتوی و هم از لحاظ کاربرد می باشد.
فقط یه سوالی برای بنده پیش امده، میخواستم ببینم اگر روی متغییرهای حالت هم قید داشته باشیم بازهم می توان از تابع fmincon استفاده کرد؟
با احترام

رامین اکبری
رامین اکبری

مطالب گفته شده در آموزش فوق العاده بود
ما در دانشگاه چند میلیون باید پول بدیم برای این درس و آخرشم کامل متوجه نمی‌شویم.
ولی این آموزش عالی بود

شادی
شادی

اموزش پیش بین کیفیت مورد انتظار را ندارد لطفا به فکر اموزش های بهتر باشید.

باقری
باقری

ممنون بابت این اموزش عالی.

رضا
رضا

با سلام. بسته آموزشی بسیار کامل می باشد و برنامه نویسی هم به خوبی ارائه شده ولی متاسفانه استاد محترم خیلی کتابی و سریع آموزش می دهند و این مساله می تواند برای افرادی که در سطح پایینتری هستند مشکل ساز باشد. ولی درکل بسیار آموزنده و کامل می باشد.با تشکر از فرادرس

سید وحید چاوشی
سید وحید چاوشی

سلام.

در مبحث قسمت FVCTR95013F ، دو ایراد در دقایق 25 و 39 فیلم وجود دارد.

1- دقیقه 25: در این دقیقه هنگام محاسبه ماتریس phi برای تابع لاگر، به اندیس j دقت نشده و با فایل pdf تدریس مغایرت دارد، به گونه ای که اگر مثلا i را برابر 2 قرار دهیم و ماتریس phi را محاسبه کنیم، حاصل با فایل تدریس نوشتاری مغایرت دارد.

2- دقیقه 39: در این دقیقه هنگام اعمال uncertainty یا عدم قطعیت، دقت نشده است. چون عدم قطعیت جایی اعمال شده است که ماتریس های F و phi قبل از آن و بر اساس مقادیر قبلی A و B و C محاسبه شده اند، درصورتی که باید براساس تابع جدید سیستم محاسبه شوند.

روابط عمومی
روابط عمومی

با سلام.

ممنون از سوالی ظریفی که فرمودین.

1. در مورد سوال اول باید بگم رابطه مورد نظر درست نوشته شده است، شما دقت کنید که داخل فایل pdf اندیس ها از صفر شروع می شوند ولی در داخل متلب اندیس ها باید از یک شروع شوند (شماره سطرها و ستون ها داخل متلب همیشه از یک شروع میشه) پس درواقع L0 در داخل pdf با L1 در متلب متناظر است. (تابع لاگر)

2. در مورد سوال دوم باید عرض کنم؛ هدف از اعمال عدم قطعیت این است که بررسی کنیم که اگر ما کنترلر پیش بین را بر اساس یک مدل نامی طراحی کنیم و سپس کنترلر پیش بین طراحی شده را بر روی همان مدل نامی اما دارای عدم قطعیت تست کنیم، چه اتفاقی می افتد. در عمل، ما که مقدار عدم قطعیت را نداریم تا آنرا اندازه گیری کنیم و سپس کنترلر پیش بین را بر اساس آن دوباره تنظیم می کنیم. در اینجا ما یک کنترلر پیش بین بر اساس مدل نامی طراحی می کنیم و حالا می خواهیم ببینیم که اگر مدل پلانت واقعی (که بروز رسانی حالت ها بر اساس آن انجام می شود(خط 69)) با مدل نامی(مدلی که کنترلر بر اساس آن

الهام
الهام

با سلام
من بسته آموزشیتون رو تهیه کردم، عالی بود.

زهرا
زهرا

عالییه تا به حال چنین آموزشی ندیده بودم.


برچسب‌ها:
Constrained Control | DC | DMC | Dynamic Matrix Control | EMساختار کنترل پیش بین مدل | Generalized Predictive Control | MAC | Model Algorithmic Control | Model Predictive Control | MPC | NMPC | Nonlinear Model Predictive Control | Nonlinear Optimization | PFC | Predictive Control | Predictive Functional Control | PVC | استراتژی های کنترلی | الگوریتم های هوشمند | المان های کنترل پیش بین مدل | برج های خنک کننده | بهینه سازی | بهینه سازی در فضای حالت | بهینه سازی غیرخطی | بهینه سازی کنترل پیش بین مدل | بهینه سازی مقید در نرم افزار متلب | پیش بین | تنظیم پارامترهای کنترل پیش بین مدل | توابع بهینه سازی متلب | ساختارهای کنترل پیش بین مدل | سیستم های کنترلی | سیگنال کنترلی | شبیه سازی | شبیه سازی کنترل پیش بین غیرخطی DMC | شبیه سازی کنترل پیش بین مدل | شبیه سازی کنترل پیش بین مدل GPC | طراحی سیستم های کنترلی | طراحی کنترلر LQR | کارکرد کنترل پیش بین مدل DMC | کنترل پروسه های صنعتی | کنترل پیش بین | کنترل پیش بین غیرخطی مقید | کنترل پیش بین مدل | کنترل پیش بین مدل DMC | کنترل پیش بین مدل GPC | کنترل پیش بین مدل MAC | کنترل پیش بین مدل PFC | کنترل پیش بین مدل غیرخطی | کنترل پیش بین مدل مقید | کنترل پیش بین مقید | کنترل مدل پیش بین | کنترل مقید | کنترلر PFC | کنترلر پیش بین مدل در فضای حالت | مدل های دینامیکی | نرم افزار متلب
مشاهده بیشتر مشاهده کمتر
فهرست جلسات ۱۵ جلسه ویدئویی ×