Difference between revisions of "Dp 364 cz"

From DCEwiki
Jump to: navigation, search
Line 4: Line 4:
 
   
 
   
 
[[Diplomové práce 2009]]
 
[[Diplomové práce 2009]]
 +
 +
[[Image:364_dp_cz.gif]]
  
 
Prediktivní řízení (MPC) je populární metoda, která dokáže přirozeně brát v úvahu
 
Prediktivní řízení (MPC) je populární metoda, která dokáže přirozeně brát v úvahu
Line 13: Line 15:
 
omezení, takže rychle vzrůstá  i složitost zákona řízení explicitnčího MPC regulátoru.
 
omezení, takže rychle vzrůstá  i složitost zákona řízení explicitnčího MPC regulátoru.
 
Konflikt toho, že je třeba zajistit existenci řešení optimalizace splňující zadaná omezení i přes neurčitost modelu a vliv poruch při malé složitosti zákona řízením MPC regulátoru, může  být vyřešen použitím algoritmu, který je popsán v této práci.
 
Konflikt toho, že je třeba zajistit existenci řešení optimalizace splňující zadaná omezení i přes neurčitost modelu a vliv poruch při malé složitosti zákona řízením MPC regulátoru, může  být vyřešen použitím algoritmu, který je popsán v této práci.
 +
 +
* '''Šantin Ondřej''', mailto:ondrej.santin@gmail.com
 +
* '''Pekař Jaroslav''', mailto:Jaroslav.Pekar@Honeywell.com

Revision as of 16:57, 5 May 2010

Vliv neurčitosti modelu na splnění omezení veličin při prediktivní regulaci

Autor: Šantin Ondřej

Diplomové práce 2009

364 dp cz.gif

Prediktivní řízení (MPC) je populární metoda, která dokáže přirozeně brát v úvahu omezení a na základě definovaného kritéra optimality zprostředkovat optimální řídící zásah. Hlavní nevýhodou tohoto přístupu je výpočetně náročná optimalizace, která se řeší v průbehu řízení pro každý aktivační zásah, tak že není takto možné řídit rychlé systémy. 0Tento nedostatek částečně odstraňuje explicitní formulace MPC. Zde je však limitujím faktorem složitost výsledného zákona řízení, která roste s počtem omezení, které jsou na systém kladeny. Další nevýhodou MPC je potřeba dostatečně přesného modelu řízeného systému, protože ten je použit pro predikci budoucího vývoje systému. Pokud je model nepřesně určen a vyskytují-li se poruchy, kvalita řízení ůže být nízká a a pro systémy s omezeními nemusí existovat výsledek optimalizace splňující zadaná omezení. Proto mnoho praktických aplikací MPC používá a tzv. řízení ”set range”, kde je umožněno aby se řízené veličiny pohybovaly v určitém rozsahu a jakékoliv porušení tohoto rozsahu je penalizováno nějakou kvadratickou funkcí. Bohužel, ”set range” řízení vyžaduje přidání velkého množství omezení, takže rychle vzrůstá i složitost zákona řízení explicitnčího MPC regulátoru. Konflikt toho, že je třeba zajistit existenci řešení optimalizace splňující zadaná omezení i přes neurčitost modelu a vliv poruch při malé složitosti zákona řízením MPC regulátoru, může být vyřešen použitím algoritmu, který je popsán v této práci.