حذف اثر نوسانات ناخواسته با استفاده از ترکیب کنترل مد لغزشی و شبکه عصبی برای کلاس خاصی از کوره القایی

کوره القایی روشی برای ایجاد حرارت از طریق القای الکترومغناطیسی است. امروزه کوره های القایی به دلیل داشتن بازده بالا، دقت خوب و عدم آلودگی، به طور گسترده در صنایع فلزی برای فرآیند ذوب یا گرمایش مواد مورد استفاده قرار می گیرند. دمای ذوب یکی از مهم ترین عوامل کنترل ترکیب آلیاژ است که به طور مستقیم بر کیفیت محصول و تولید آن تاثیر می گذارد. بنابراین مهم ترین بخش کنترل فرآیند ذوب کوره، کنترل حرارت ذوب است. در حالت کلی سیستم های دینامیکی موجود در طبیعت بصورت غیرخطی می باشند که بیان ریاضی آ نها همواره توصیفی غیر دقیق از سیستم دینامیکی را ارائه میدهد. کوره القایی نمونهای از سیستم های غیرخطی است. این عوامل غیر خطی بهدلیل ماهیت فیزیکی فرآیندها وجود دارد که خود شامل بسیاری از نامعینی ها است. کنترل مد لغزشی یک روش غیرخطی برای کنترل و پایدارسازی سیستم های غیرخطی در حضور نامعینی های غیرساختاری است. بزرگ ترین مشکل کنترل کننده مدلغزشی، پدیده نوسانات ناخواسته است. علت اصلی این پدیده دینامیک های مدل نشده سیستم است که درجه نسبی آن را نیز بالا برده و حرکت مدل غزشی موجود در سیستم را منحرف می کند. به منظور کاهش این پدیده و حذف نامعینی ها، به تخمین قسمت نامعلوم سیستم نیاز است. از کنترل کننده مدلغزشی به همراه شبکه عصبی برای تخمین نامعینی های سیستم استفاده می شود تا مشکلات ناشی از نوسانات ناخواسته را برطرف کند. در شبکه عصبی RBF، یک الگوریتم یادگیری بر اساس پایداری لیاپانوف طراحی شده است که در آن مراکز مناسب و انحراف معیار (شعاع ها) تعیین می شود و سپس ضرایب وزنی شبکه تنظیم می شود. یادگیری این شبکه عصبی به صورت آنلاین بوده و ضرایب وزن ی لایه خروجی و پارامترها RBF در مراحل یادگیری به روز می شوند. کنترل کننده ارائه شده، پایداری و همگرایی سیستم را تضمین می کند. شبیه سازی ها برای ارزیابی و کارایی عملکرد کنترلکنند ه پیشنهادی و در نرم افزار Matlab انجام شده است

کلیدواژه ها:

کوره القایی ، کنترل غیرخطی ، کنترل مدلغزشی فراپیچشی ، شبکه عصبی RBF