DuEPublico 2

Dies ist unser neues Repositorium, derzeit für E-Dissertationen und ausgewählte weitere Publikationen. Weitere Informationen...

Design and implementation of a soft computing-based controller for a complex mechanical system

Tamimi, Hammam

Soft-Computing basierende Regler beinhalten Algorithmen, die im Bereich des Maschinellen Lernens einzuordnen sind. Diese Regler sind in der Lage eine geeignete Steuerungsstrategie durch direkte Interaktion mit einer dynamischen Regelstrecke zu entwerfen. Sowohl klassische als auch moderne Reglerentwurfsmethoden hangen von der Genauigkeit des verwendeten dynamischen Systemmodells ab, was insbesondere bei steigender Komplexitat des Systems und auftretenden Modellunsicherheiten nicht mehr uneingeschrankt gewahrleistet werden kann. Die Ziele von Soft- Computing basierenden Reglern sind die Verbesserung der Gute des Regelverhaltens und eine geeignete Anpassung der Regler ohne eine mathematische Modellbildung auf Grundlage von physikalischen Gesetzen. Im Rahmen dieser Arbeit werden funf Algorithmen zur Modellbildung und Regelung dynamischer Systeme untersucht, welche auf dem Mehrschichten-Perzeptron-Netzwerk (Multi-Layer Perceptron network, MLP), auf der Methode der Support Vector Machine (SVM), der Gau-Prozesse, der radialen Basisfunktionen (Radial Basis Functions, RBF) sowie der Fuzzy-Inferenz-Systeme basieren. Im Anschluss an die Darstellung der zugrunde liegenden mathematischen Zusammenhange dieser Methoden sowie deren Hauptanwendungsfelder im Bereich der Modellbildung und Regelung dynamischer Systeme wird eine systematische Evaluierung der funf Methoden diskutiert. Anhand der Verwendung quantitativer Gutekennziern werden diese Methoden fur die Verwendung in der Modellbildung und Regelung dynamischer Systeme vergleichbar gegenubergestellt. Basierend auf den Ergebnissen der Evaluierung wird der SVM-basierte Algorithmus als Kernalgorithmus des Soft-Computing basierenden Reglers verwendet. Der vorgestellte Regler besteht aus zwei Hauptteilen, wobei der erste Teil aus einer Modellfunktion der dynamischen Regelstrecke und einem SVM-basierten Beobachter besteht, und der zweite Teil basierend auf dem Systemmodell eine geeignete Regelstrategie generiert. Die Verikation des SVM-basierten Regleralgorithmus erfolgt anhand eines FEM-Modells eines dynamischen elastischen Balken bzw. einseitig eingespannten elastischen Balkens. Dieses Modell kann z. B. als Ersatzmodell fur das mechanische Verhalten eines exiblen Roboterarms oder einer Flugzeugtrag ache verwendet werden. Der Hauptteil der Modellfunktion besteht aus einem automatischen Systemidentikationsalgorithmus, der auch die Integration eines systematischen Modellbildungsansatzes fur dynamische Systeme ermoglicht.Die Ergebnisse des SVM-basierten Beobachter zeigen ahnliches Verhalten zum Kalman- Bucy Beobachter. Auch die Sensitivitatsanalyse der Parameter zeigt eine bessere Gute der SVM-basierten Beobachter im Vergleich mit den Kalman-Bucy Beobachtern. Im Anschluss wird der SVM-basierte Regler zur Schwingungsregelung des Kragtragers verwendet. Hierbei werden vergleichbare Ergebnisse zum LQR-Regler erzielt. Eine experimentelle Validierung des SVM basierten Reglers erfolgt an Versuchsst anden eines elastischen Biegebalkens sowie eines invertierten Biegebalkens. Die Zustandsbeobachtung fuhrt zu vergleichbaren Ergebnissen verglichen mit einem Kalman-Bucy Beobachter. Auch die Modellbildung des elastischen Balkens fuhrt zu guten Ubereinstimmungen. Die Regelgute des Soft-Computing basierenden Reglers wurde am Versuchsstand des invertierten Biegebalkens experimentell erprobt. Es wird deutlich, dass Ergebnisse im Rahmen der erforderlichen Vorgaben erzielt werden konnen.

The focus of this thesis is to obtain a soft computing-based controller for complex mechanical system. soft computing based controllers are based on machine learning algorithm that able to develop suitable control strategies by direct interaction with targeted dynamic systems. Classical and modern control design methods depend on the accuracy of the system dynamic model which cannot be achieved due to the dynamic system complexity and modeling uncertainties. A soft computing-based controller aims to improve the performance of the close loop system and to give the controller adaptation ability as well as to reduce the need for mathematical modeling based on physical laws. In this work ve dierent softcomputing algorithms used in the eld of modeling and controlling dynamic systems are investigated.These algorithms are Multi-Layer Perceptron(MLP) network, Support Vector Machine (SVM),Gaussian process, Radial Basis Function (RBF), and Fuzzy Inference System (FIS). The basic mathematical description of each algorithm is given. Additionally, the most recent applications in modeling and controlling of dynamic system are summarized. A systematic evaluation of the ve algorithms is proposed. The goal of the evaluation is to provide quantitative measure of the performance of soft computing algorithms when used in modeling and controlling a dynamic system. Based on the evaluation, the SVM algorithm is selected as the core learning algorithm for the soft computing based controller. The controller has two main units. The rst unit has two functions of modeling dynamic system and obtaining a SVM-based observer. The second unit is in charge of generating suitable control strategy based on the dynamic model obtained. The verication of the controller using SVM algorithm is done using an elastic cantilever beam modeled using Finite Element Method (FEM). An elastic cantilever beam can be considered as a representation of exible single-link manipulator or aircraft wing. In the core of the modeling unit, an automatic system identication algorithm which allows a systematic modeling approach of dynamic systems is implemented. The results show that the system dynamic model using SVM algorithm is accurate with respect to the FEM model. As for the SVM-based observer the results show that it has good estimation in comparison with to dierent Kalman-Bucy observers. The sensitivity to parameters variations analysis shows that the SVM-based observer has better performance than Kalman-Bucy observer. The SVM based controller is used to control the vibration of the cantilever beam; the results show that the model reference controller using SVM has a similar performance to LQR controller. The validation of the controller using SVM algorithm is carried out using the elastic cantilever beam test rig and the inverted cantilever beam test rig. The states estimation using SVM-based observer of the elastic cantilever beam test rig is successful and accurate compared to a Kalman-Bucy observer. Modeling of the elastic cantilever beam using the SVM algorithm shows good accuracy. The performance of controller is tested on the inverted cantilever beam test rig. The results show that required performance objective can be realized using this control strategy.

Share and cite

Citation style:

Tamimi, Hammam: Design and implementation of a soft computing-based controller for a complex mechanical system. 2016.

Rights

Use and reproduction:
All rights reserved

Export