سلام ببخشید بنده آموزی ترکیبی h2/hinf رو میخواستم.
علی جوادی
–
@حسینی,
با سلام
برای اطلاعات بیشتر در مورد انتخاب نوع فیلتر به کلیپ راهنمای استفاده از جلسات در ابتدای پست مراجعه کنید.
به علاوه من شناختی از سیستم توربین بادی ندارم و صورت مساله رو متوجه نشدم.
حسینی(مهمان)
–
با سلام و احترام
در کنترل توربین بادی برای اندازه گیری سرعت دوار PMSG از پراکسی استفاده می کنیم که پرش دارد و نتیجه را دقیق نشان نمی دهد. لذا از ولتاژ لینک دی سی که در اوایل رابطه خطی با سرعت دوار دارد استفاده می کنیم که بعد از حالت نامی ولتاژ به اشباع می رود و سرعت مدام اضافه می شود و قابل کنترل با ولتاژ نیست. می توانید راهنماییم کنید با کدام یک از فیلتر ها امکان تخمین دقیق سرعت دوار ژنراتور و ولتاژ لینک دی سی را دارم.
سپاس
علی جوادی
–
@ساسان,
سلام
من کسی نمیشناسم که مباحث تخمین به همراه کدنویسی رو با رویکرد موجود در این فیلمها تسلط داشته باشه
ساسان(مهمان)
–
با سلام
من بسیاری از فیلم ها رو دیدم ولی هنوز ابهاماتی دارم و برای تزم نیازمند مشاوره با شخص متخصص(ترجیحا دانشجو و یا فارغ التحصیل ونه استاد)در فیلتر کالمن به خصوص فیلتر غیرخطی می باشم آیا کسی هست که معرفی کنید؟
علی جوادی
–
@ساسان,
سلام
اگر فقط یک حالت دارید، بله تعداد نقاط سیگما 3 تاست
ساسان(مهمان)
–
سلام مدل من يک خروجي(يک حالت) و چندين پارامتر وروردي دارد براي تعيين مقدار nنقاط سيگما در کالمن بی بو برابر3 خواهد بود (2n+1)?
مدیر سایت
–
@محمد,
با سلام و تشکر از لطف شما
در اینجا فرض بر اینه که مدل سیستم معلومه و ماتریسهای سیستم حاوی پارامترهای سیستم هستند. عدم قطعیت در پارامترهای سیستم باعث نامعین شدن ماتریسهای سیستم میشه. اگر ماتریسهای سیستم مستقیما شامل پارامترهای فیزیکی سیستم نباشند، نمیشه فهمید نامعینی چه مفهومی داره و چقدر باید باشه.
بنایراین پیشنهاد من اینه که شما یک ساختار مشخص که ماتریسهای سیستم حاوی پارامترهای سیستم باشند، در نظر بگیرید و سیستم رو طوری شناسایی کنید تا مدل شناسایی شده با داده های واقعی برازش خوبی داشته باشه. بعد باند نامعینی رو پیدا کنید و از روش ارائه شده در اینجا استفاده کنید
محمد(مهمان)
–
سلام جناب آقای دکترجوادی
اول میخوام ازتون واسه تهیه ی این آموزش های عالی خیلی خیلی تشکرکنم.
جناب آقای دکتر بنده یه سیستم MIMO دارم که 12 ورودی و 4خروجی داره ، می خوام این سیستم رو با روش شناسایی سیستم مدلسازی کنم و عدم قطعیت سیستم رو به روشی که شما فرمودید مدلسازی کنم و راهکار کنترل مقاوم رو روی این سیستم پیاده سازی کنم.
خیلی خیلی ممنون میشم یه راهکاری برای شناسایی این سیستم بهم معرفی کنید که بتونم در نهایت از روشی که شما فرمودید استفاده کنم.
متاسفانه تا الان هرچقدر تلاش کردم موفق به شناسایی نشدم.
خیلی ممنونم
علی جوادی
–
@leo,
سلام
داخل سیمولینک بلوکی برای طراحی بهره های کالمن و کنترل کننده وجود نداره و مستقیما نمیشه این کار رو کرد ولی شاید بشه به صورت غیر مستقیم عمل کرد. یعنی از بلوک Interpreted MATLAB Function استفاده کرده و داخلش دستورات مورد نیاز مثل lqr و kalman رو فراخوانی کنید.
البته دقت کنید که تضمینی وجود نداره که برای پارامترهای متغیر با زمان دستورات lqr و kalman بتونند مساله رو (در هر گام زمانی) حل کنند ولی میتونید امتحان کنید
leo
–
در این آموزش شما ابتدا کالمن و k بهینه را پیدا می کنید و سپس اون رو در داخل سیمولینک قرار می دید ولی من می خوام تمام موارد گفته شده در داخل سیمولینک اجرا شود چون ماتریس ضرایب مانند A B C D دائما در حال تغییر هستند مقدار کوواریانس اغتشاش نیز نامعلوم و با اندازه گیری های داخل سیمولینک به دست می آید . حال سوال من اینه که می شه فضای حالت رو که ماتریس های اون در حال تغییر هستند همچنین بهره k رو در داخل سیمولینک انجام داد؟
علی جوادی
–
@پیام,
یک بار با نویز فرایند و اندازهگیری و بدون فیلتر کالمن ببینید آیا سیستم با کنترل کننده پایدار میشه یا نه. ممکنه اصلا خود نویز ها باعث ناپایداری سیستم باشند.
بعد اگه مشکلی نبود فیلتر کالمن رو هم اعمال کنید ولی تو حلقه نباشه یعنی فیلتر کالمن تخمینشو بزنه ولی از خروجی فیلتر کالمن در کنترل کننده استفاده نکنید و خود حالتها رو برای کنترل کننده استفاده کنید.
بعد اگر این حالت هم جواب داد، از خروجی کالمن برای کنترل استفاده کنید.
با این روش گام به گام میشه فهمید مشکل از کجاست
پیام(مهمان)
–
با سلام
ممنونم که وقت میگذارید
من یک کنترلر مناسب گذاشتم ولی باز هم کم کم ناپایدار شد . بدون نویز و بدون فیلتر کالمن کنترلر فازی من به خوبی کار میکند ولی وقتی که نویز فرایند و اندازه گیری اعمال میکنم به سیستم که با کالمن این نویزها را حذف کنم خروجی فیلتر کالمن که متغییرهای حالت پلنت من است سیگنال ورودی را دنبال نمیکند و اهسته اهسته ناپایدار میشود.
به نظر شما مشکل از نحوه ی طراحی فیلتر کالمن من است؟ چه چیزیش مشکل داره؟
با تشکر
علی جوادی
–
@پیام,
سلام
خوب وقتی سیستم ناپایدار باشه طبیعتا بعد یه مدت حالتها به سمت بینهایت میل می کنند مگر اینکه یک ورودی کنترلی مناسب اعمال بشه تا سیستم رو پایدار کنه.
البته حتی اگه سیستم ناپایدار هم باشه تخمین انجام میشه ولی خوب حالتها به سمت بینهایت میل می کنند و تخمینها هم تعقیبش می کنند (به سمت بینهایت میل میکنند)
پیام(مهمان)
–
با سلام. ممنونم بابت اموزش خوبتان. من تا فصل 8 آموزش شما را خرید کرده ام.
من برای یک پلنت خطی پیوسته که ناپایدار است (یک ورودی و دو خروجی و چهار متغییر حالت) یک فیلتر کالمن طراحی کرده ام ( با نویز فرایند و اندازه گیری نا همبسته) . تا ثانیه 9 پایدار از و بعد هر چهار متغییر حالت واقعی پلنت به سمت بی نهایت میل میکند و تخمینها نیز این مقادیر واقعی را دنبال میکند. دلیلش چیست که هر چهار متغییر حالت واقعی پلنت بعد از 9 ثانیه به سمت بی نهایت میل میکند در صورتی که اصلا ورودی کنترلی به سیستم نداده ام . مشکل در چیست و باید چکارش کنم؟
( ورودی کنترلی در پلنت من وجود ندارد. صفر در نظر گرفته ام)
( ماتریس Q را 4*4 و ماتریس R را 2*2 و هر دو را قطری در نظر گرفته ام که تمامی درایه های روی قطر اصلی را یک گرفته ام)
( ماتریس P در حالت اولیه را (eye(4 و حالت اولیه تمامی متغییرهای حالت را صفر در نظر گرفته ام)
با تشکر
علی جوادی
–
@زهرا,
شما باید هدفتون رو مشخص کنید که آیا می خواهید اغتشاش رو تخمین بزنید یا اثر اغتشاش رو بر روی عملکرد سیستم کاهش بدید؟ معمولا تخمین اغتشاش به تنهایی هدف نیست و در نهایت هدف کاهش اثر اغتشاش نامعلومه.
اگر هدف فقط تخمین اغتشاش باشه، باید از روشهای رویت اغتشاش (disturbance observer) استفاده کنید. برای اطلاعات بیشتر در این زمینه با مدیر سایت (که تخصصش همین موضوعه) صحبت کنید.
اما اگر هدفتون کاهش اثر اغتشاش باشه، من تو یه سری فیلم جداگانه کنترل مقاوم این نوع سیستمها رو مفصل بررسی کردم که از ابزار LMI استفاده میکنه. این سری فیلمها رو میتونید تو آدرس زیر ببینید:
https://www.controlref.com/robust-h-infinity
زهرا(مهمان)
–
ممنون از پاسختون.
ممنون میشم راهنماییم بفرمایید. من در تعریف مساله ام مشکل دارمو کمی گیج شدم!!! که اصلا از فیلتر کالمن باید استفاده کنم یا نه!! (با توجه به توضیحات ابتدایی جلسه 14)
x'=Ax+Bu+Gw
A B G ماتریس های ثابت
x حالات قابل اندازه گیری
u ورودی قابل اندازه گیری
w اغتشاش غیر قابل اندازه گیری
درواقع حالت ها رو میتونم اندازه بگیرم و احتیاجی به تخمین حالات نیست. مشکلم اغتشاشات غ ق اندازه گیریه.
راه حل این مشکل فیلتر کالمنه؟ این که اغتشاشات غ ق اندازه گیریو جز حالات سیستم در نظر بگیرم و در واقع اغتشاشات رو تخمین بزنم؟ یا روش دیگه ای هست؟
کدوم جلسه کمک کننده اس؟ جلسات 14 به بعد ؟
سپاس از لطفتون.
علی جوادی
–
@ساسان,
سلام
دکتر بیژن معاونی در دانشکده راه آهن دانشگاه علم و صنعت ایران
ساسان(مهمان)
–
با سلام
می خواستم از فیلتر کالمن در هیدرلوژی در تز دکترام استفاده کنم استادی برای مشاوره در این زمینه می شناسید که معرفی کنید.
علی جوادی
–
@زهرا,
با سلام و تشکر از لطف شما
شما فیلتر کالمن رو میتونید با هر کنترل کننده ای استفاده کنید ولی باید توجه داشته باشید که تضمینی برای پایداری سیستم در اینصورت وجود نداره به جز حالتهای خاص مثل سیستمهای خطی. برای اطلاعات بیشتر در این مورد به جلسه اول (حدودا دقیقه 60) مراجعه کنید.
برای مثالی از این حالت که کنترل کننده غیرخطی با چند توع فیلتر کالمن مختلف کوپل شده به جلسه 108 مراجعه کنید. مشابه کاری که تو این جلسه شده میتونید کنترل کننده های دیگه (از جمله پیش بین) رو هم با انواع تخمینگرها (از جمله کالمن) ترکیب کنید
n (مهمان) –
سلام ببخشید بنده آموزی ترکیبی h2/hinf رو میخواستم.
علی جوادی –
@حسینی, با سلام برای اطلاعات بیشتر در مورد انتخاب نوع فیلتر به کلیپ راهنمای استفاده از جلسات در ابتدای پست مراجعه کنید. به علاوه من شناختی از سیستم توربین بادی ندارم و صورت مساله رو متوجه نشدم.
حسینی (مهمان) –
با سلام و احترام در کنترل توربین بادی برای اندازه گیری سرعت دوار PMSG از پراکسی استفاده می کنیم که پرش دارد و نتیجه را دقیق نشان نمی دهد. لذا از ولتاژ لینک دی سی که در اوایل رابطه خطی با سرعت دوار دارد استفاده می کنیم که بعد از حالت نامی ولتاژ به اشباع می رود و سرعت مدام اضافه می شود و قابل کنترل با ولتاژ نیست. می توانید راهنماییم کنید با کدام یک از فیلتر ها امکان تخمین دقیق سرعت دوار ژنراتور و ولتاژ لینک دی سی را دارم. سپاس
علی جوادی –
@ساسان, سلام من کسی نمیشناسم که مباحث تخمین به همراه کدنویسی رو با رویکرد موجود در این فیلمها تسلط داشته باشه
ساسان (مهمان) –
با سلام من بسیاری از فیلم ها رو دیدم ولی هنوز ابهاماتی دارم و برای تزم نیازمند مشاوره با شخص متخصص(ترجیحا دانشجو و یا فارغ التحصیل ونه استاد)در فیلتر کالمن به خصوص فیلتر غیرخطی می باشم آیا کسی هست که معرفی کنید؟
علی جوادی –
@ساسان, سلام اگر فقط یک حالت دارید، بله تعداد نقاط سیگما 3 تاست
ساسان (مهمان) –
سلام مدل من يک خروجي(يک حالت) و چندين پارامتر وروردي دارد براي تعيين مقدار nنقاط سيگما در کالمن بی بو برابر3 خواهد بود (2n+1)?
مدیر سایت –
@محمد, با سلام و تشکر از لطف شما در اینجا فرض بر اینه که مدل سیستم معلومه و ماتریسهای سیستم حاوی پارامترهای سیستم هستند. عدم قطعیت در پارامترهای سیستم باعث نامعین شدن ماتریسهای سیستم میشه. اگر ماتریسهای سیستم مستقیما شامل پارامترهای فیزیکی سیستم نباشند، نمیشه فهمید نامعینی چه مفهومی داره و چقدر باید باشه. بنایراین پیشنهاد من اینه که شما یک ساختار مشخص که ماتریسهای سیستم حاوی پارامترهای سیستم باشند، در نظر بگیرید و سیستم رو طوری شناسایی کنید تا مدل شناسایی شده با داده های واقعی برازش خوبی داشته باشه. بعد باند نامعینی رو پیدا کنید و از روش ارائه شده در اینجا استفاده کنید
محمد (مهمان) –
سلام جناب آقای دکترجوادی اول میخوام ازتون واسه تهیه ی این آموزش های عالی خیلی خیلی تشکرکنم. جناب آقای دکتر بنده یه سیستم MIMO دارم که 12 ورودی و 4خروجی داره ، می خوام این سیستم رو با روش شناسایی سیستم مدلسازی کنم و عدم قطعیت سیستم رو به روشی که شما فرمودید مدلسازی کنم و راهکار کنترل مقاوم رو روی این سیستم پیاده سازی کنم. خیلی خیلی ممنون میشم یه راهکاری برای شناسایی این سیستم بهم معرفی کنید که بتونم در نهایت از روشی که شما فرمودید استفاده کنم. متاسفانه تا الان هرچقدر تلاش کردم موفق به شناسایی نشدم. خیلی ممنونم
علی جوادی –
@leo, سلام داخل سیمولینک بلوکی برای طراحی بهره های کالمن و کنترل کننده وجود نداره و مستقیما نمیشه این کار رو کرد ولی شاید بشه به صورت غیر مستقیم عمل کرد. یعنی از بلوک Interpreted MATLAB Function استفاده کرده و داخلش دستورات مورد نیاز مثل lqr و kalman رو فراخوانی کنید. البته دقت کنید که تضمینی وجود نداره که برای پارامترهای متغیر با زمان دستورات lqr و kalman بتونند مساله رو (در هر گام زمانی) حل کنند ولی میتونید امتحان کنید
leo –
در این آموزش شما ابتدا کالمن و k بهینه را پیدا می کنید و سپس اون رو در داخل سیمولینک قرار می دید ولی من می خوام تمام موارد گفته شده در داخل سیمولینک اجرا شود چون ماتریس ضرایب مانند A B C D دائما در حال تغییر هستند مقدار کوواریانس اغتشاش نیز نامعلوم و با اندازه گیری های داخل سیمولینک به دست می آید . حال سوال من اینه که می شه فضای حالت رو که ماتریس های اون در حال تغییر هستند همچنین بهره k رو در داخل سیمولینک انجام داد؟
علی جوادی –
@پیام, یک بار با نویز فرایند و اندازهگیری و بدون فیلتر کالمن ببینید آیا سیستم با کنترل کننده پایدار میشه یا نه. ممکنه اصلا خود نویز ها باعث ناپایداری سیستم باشند. بعد اگه مشکلی نبود فیلتر کالمن رو هم اعمال کنید ولی تو حلقه نباشه یعنی فیلتر کالمن تخمینشو بزنه ولی از خروجی فیلتر کالمن در کنترل کننده استفاده نکنید و خود حالتها رو برای کنترل کننده استفاده کنید. بعد اگر این حالت هم جواب داد، از خروجی کالمن برای کنترل استفاده کنید. با این روش گام به گام میشه فهمید مشکل از کجاست
پیام (مهمان) –
با سلام ممنونم که وقت میگذارید من یک کنترلر مناسب گذاشتم ولی باز هم کم کم ناپایدار شد . بدون نویز و بدون فیلتر کالمن کنترلر فازی من به خوبی کار میکند ولی وقتی که نویز فرایند و اندازه گیری اعمال میکنم به سیستم که با کالمن این نویزها را حذف کنم خروجی فیلتر کالمن که متغییرهای حالت پلنت من است سیگنال ورودی را دنبال نمیکند و اهسته اهسته ناپایدار میشود. به نظر شما مشکل از نحوه ی طراحی فیلتر کالمن من است؟ چه چیزیش مشکل داره؟ با تشکر
علی جوادی –
@پیام, سلام خوب وقتی سیستم ناپایدار باشه طبیعتا بعد یه مدت حالتها به سمت بینهایت میل می کنند مگر اینکه یک ورودی کنترلی مناسب اعمال بشه تا سیستم رو پایدار کنه. البته حتی اگه سیستم ناپایدار هم باشه تخمین انجام میشه ولی خوب حالتها به سمت بینهایت میل می کنند و تخمینها هم تعقیبش می کنند (به سمت بینهایت میل میکنند)
پیام (مهمان) –
با سلام. ممنونم بابت اموزش خوبتان. من تا فصل 8 آموزش شما را خرید کرده ام. من برای یک پلنت خطی پیوسته که ناپایدار است (یک ورودی و دو خروجی و چهار متغییر حالت) یک فیلتر کالمن طراحی کرده ام ( با نویز فرایند و اندازه گیری نا همبسته) . تا ثانیه 9 پایدار از و بعد هر چهار متغییر حالت واقعی پلنت به سمت بی نهایت میل میکند و تخمینها نیز این مقادیر واقعی را دنبال میکند. دلیلش چیست که هر چهار متغییر حالت واقعی پلنت بعد از 9 ثانیه به سمت بی نهایت میل میکند در صورتی که اصلا ورودی کنترلی به سیستم نداده ام . مشکل در چیست و باید چکارش کنم؟ ( ورودی کنترلی در پلنت من وجود ندارد. صفر در نظر گرفته ام) ( ماتریس Q را 4*4 و ماتریس R را 2*2 و هر دو را قطری در نظر گرفته ام که تمامی درایه های روی قطر اصلی را یک گرفته ام) ( ماتریس P در حالت اولیه را (eye(4 و حالت اولیه تمامی متغییرهای حالت را صفر در نظر گرفته ام) با تشکر
علی جوادی –
@زهرا, شما باید هدفتون رو مشخص کنید که آیا می خواهید اغتشاش رو تخمین بزنید یا اثر اغتشاش رو بر روی عملکرد سیستم کاهش بدید؟ معمولا تخمین اغتشاش به تنهایی هدف نیست و در نهایت هدف کاهش اثر اغتشاش نامعلومه. اگر هدف فقط تخمین اغتشاش باشه، باید از روشهای رویت اغتشاش (disturbance observer) استفاده کنید. برای اطلاعات بیشتر در این زمینه با مدیر سایت (که تخصصش همین موضوعه) صحبت کنید. اما اگر هدفتون کاهش اثر اغتشاش باشه، من تو یه سری فیلم جداگانه کنترل مقاوم این نوع سیستمها رو مفصل بررسی کردم که از ابزار LMI استفاده میکنه. این سری فیلمها رو میتونید تو آدرس زیر ببینید: https://www.controlref.com/robust-h-infinity
زهرا (مهمان) –
ممنون از پاسختون. ممنون میشم راهنماییم بفرمایید. من در تعریف مساله ام مشکل دارمو کمی گیج شدم!!! که اصلا از فیلتر کالمن باید استفاده کنم یا نه!! (با توجه به توضیحات ابتدایی جلسه 14) x'=Ax+Bu+Gw A B G ماتریس های ثابت x حالات قابل اندازه گیری u ورودی قابل اندازه گیری w اغتشاش غیر قابل اندازه گیری درواقع حالت ها رو میتونم اندازه بگیرم و احتیاجی به تخمین حالات نیست. مشکلم اغتشاشات غ ق اندازه گیریه. راه حل این مشکل فیلتر کالمنه؟ این که اغتشاشات غ ق اندازه گیریو جز حالات سیستم در نظر بگیرم و در واقع اغتشاشات رو تخمین بزنم؟ یا روش دیگه ای هست؟ کدوم جلسه کمک کننده اس؟ جلسات 14 به بعد ؟ سپاس از لطفتون.
علی جوادی –
@ساسان, سلام دکتر بیژن معاونی در دانشکده راه آهن دانشگاه علم و صنعت ایران
ساسان (مهمان) –
با سلام می خواستم از فیلتر کالمن در هیدرلوژی در تز دکترام استفاده کنم استادی برای مشاوره در این زمینه می شناسید که معرفی کنید.
علی جوادی –
@زهرا, با سلام و تشکر از لطف شما شما فیلتر کالمن رو میتونید با هر کنترل کننده ای استفاده کنید ولی باید توجه داشته باشید که تضمینی برای پایداری سیستم در اینصورت وجود نداره به جز حالتهای خاص مثل سیستمهای خطی. برای اطلاعات بیشتر در این مورد به جلسه اول (حدودا دقیقه 60) مراجعه کنید. برای مثالی از این حالت که کنترل کننده غیرخطی با چند توع فیلتر کالمن مختلف کوپل شده به جلسه 108 مراجعه کنید. مشابه کاری که تو این جلسه شده میتونید کنترل کننده های دیگه (از جمله پیش بین) رو هم با انواع تخمینگرها (از جمله کالمن) ترکیب کنید