پیاده‌سازی کنترل‌کنندة فازی عصبی تطبیقی در یک سیستم کنترل دما براساس روش مدل مبنا

نوع مقاله: مقالة‌ تحقیقی‌ (پژوهشی‌)

نویسندگان

1 دینامیک پرواز و کنترل، دانشکده مهندسی هوافضا، دانشگاه صنعتی شریف، تهران، ایران

2 دانشکده مهندسی هوافضا، دانشگاه صنعتی شریف، تهران، ایران

چکیده

زیرسیستم کنترل دمای یک ماهواره وظیفه حفظ دمای سایر زیرسیستم‌ها را در محدودة مجاز بر‌ عهده دارد. هدف از این مقاله، طراحی و پیاده‌سازی کنترل‌کنندة دما مبتنی بر شنا‌سایی مدل در یک سیستم کنترل دما با استفاده از ابزار تولید خودکار کد است. کنترل‌کنندة پیشنهادی این مقاله، کنترل‌کنندة فازی‌-‌ عصبی‌- تطبیقی است. به‌‌‌منظور طراحی کنترل‌کننده، مدل دینامیکی محفظة آزمایشگاهی با اعمال ورودی‌های مختلف با استفاده از مولد حرارتی و همچنین قرائت دمای محفظه توسط حسگر دما شنا‌سایی می‌شود. کنترل‌کننده با دریافت دمای محفظه، فرمان کنترلی مناسب را تولید و به مولد حرارتی ارسال می‌کند. سپس، بلوک دیاگرام‌های طراحی شده در محیط سیمولینک به کد C ترجمه شده و بر سخت‌افزار میکروکنترلر که قابلیت پشتیبانی توسط محیط سیمولینک را دارد، پیاده‌سازی می‌شود. در نهایت، با نصب این سخت‌افزار در محفظه آزمایشگاهی، عملکرد کنترل‌کنندة دما در تعقیب دمای مطلوب و حذف اغتشاش ورودی بررسی و با عملکرد کنترل‌کنندة تناسبی- مشتقی- انتگرالی مقایسه می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Design and Real-time Implementation of the Adaptive-Neuro-Fuzzy Controller for a Temperature Control System using Model-Based Design

نویسندگان [English]

  • Alireza Sharifi 1
  • Mahdi Foroughi 2
  • H. Nobahari 2
1 Department of Aerospace Engineering, Sharif University of Technology, Tehran, Iran.
2 Department of Aerospace Engineering, Sharif University of Technology, Tehran, Iran.
چکیده [English]

In this paper, an adaptive-neuro-fuzzy controller is implemented online for a temperature control system using model-based design. First, the time domain identification approaches are utilized for the dynamic model identification. Then, the identified model is used in the adaptive-neuro-fuzzy controller. The simulated model of the proposed controller, created in the Simulink environment, is translated into C code using Simulink Coder. The generated C code is compiled into a hardware device and is successfully embedded on a microcontroller. In the next step, the experimental setup of a temperature controller is done to verify the adaptive-neuro-fuzzy controller. Finally, a comparison was made between the proposed controller and a classical proportional-integral-derivative controller to investigate the performance of the proposed approach. The results demonstrate that the proposed approach provides an excellent performance for a temperature control system.

کلیدواژه‌ها [English]

  • Temperature control system
  • Adaptive-neuro-fuzzy controller
  • Model-based design

[1]   VanOutryve, C.B., A Thermal Analysis and Design Tool for Small Spacecraft, San Jose State University, 2008.

[2]   Bolandi, H., Mirzaghetaghi, A., Esmailzadeh, B. and Talaee, M., “Modeling and Thermal Satellite Analysis using a Grid-Electric Method,” Journal of Space Science and Technology, Vol. 5, No. 1, 2013 (in persian).

[3]   Saghari, A., Vesi, H. and Kosari, A., “Circuit Optimal Design for a Remote Sensing Satellite based on the Power Requirements and Thermal Load Control,” Journal of Space Science and Technology, Vol. 9, No. 3, 2017 (in persian).

[4]   Baturkin, V., “Micro-satellites Thermal Control—Concepts and Components,” ActaAstronautica, Vol. 56, No. 1, 2005, pp. 161-170.

[5]   Gilmore, DG. and Donabedian, M. editors., Spacecraft Thermal Control Handbook: Cryogenics, Vol. 2. AIAA, 2003.

[6]   Dekany, J., Johnson, RH., Wilson, G., Evans, A., Dennison, JR., “Ultrahigh Vacuum Cryostat System for Extended Low-Temperature Space Environment Testing,” IEEE Transactions on Plasma Science, Vol. 42, No. 1, 2014, pp. 266-271.

[7]   Dennison, JR., Hartley, K., Montierth Phillipps, L., Dekany, J., Dyer, JS. and Johnson, RH., “Small Satellite Space Environments Effects Test Facility,” 2014.

[8]   Herrington, J., Code Generation in Action, Manning Publications Co, 2003.

[9]   Bucher, R., and Balemi, S., “Rapid Controller Prototyping with Matlab/Simulink and Linux,” Control Engineering Practice, Vol. 14, No. 2, 2006, pp. 185-192.

[10]  Nobahari, H. and Sharifi, AR., Lab Manual for Control System, Sharif University Technology, Aerospace Engineering Department, 2016 (in persian).

[11]  Wati, DA. and Hidayat, R., “Genetic Algorithm-based PID Parameters Optimization for Air Heater Temperature Control,” Robotics, Biomimetics, and Intelligent Computational Systems (ROBIONETICS), 2013 IEEE International Conference on. IEEE, 2013, pp. 30-34.

[12]  Wati, DA., “Design of Type-2 Fuzzy Logic Controller for Air Heater Temperature Control,” Science and Technology (TICST), 2015 International Conference on. IEEE, 2015, pp. 360-365.

[13]  Yu, E. and Hu, Y., “A Novel Modified PID Controller Applied to Temperature Control with Self-Tuning Ability,” In Control and Decision Conference (CCDC), IEEE, 2016, pp. 7025-7029.

[14]  Marwedel, P. and Goossens, G., editors., “Code Generation for Embedded Processors,” Springer Science and Business Media, Vol. 317, 2013.

[15]  Ogata, K., Modern Control Engineering, Third Edition, perntice Hall, 1997.

[16]  Atkinson, P., Feedback Control Theory for Engineers, Springer Science and Business Media, 2012.

[17]  Rashidi, F., Sheraktmasoum, M. and Rahmati, A., “Adaptive Fuzzy Controller Design for DC-DC Exchangers,” 18th International Power System Conference, 2004 (in persian).

[18]  Kim, J. and Kasabov, N., “HyFIS: Adaptive Neuro-Fuzzy Inference Systems and their Application to Nonlinear Dynamical Systems,” Neural Networks, Vol. 12, No. 9, 1999, pp. 1301-1319.

[19]  Gilmore, DG., Spacecraft Thermal Control Handbook, Fundamental Technologies, Vol. I The Aerospace Press/American Institute of Aeronautics and Astronautics, 2002.

[20]  Ahmed, HE., Kamal, E. and Elsayed, A., “Telemetry Microcomputer Application in Satellites OBC,” In Internet, 2009. AH-ICI 2009. First Asian Himalayas International Conference on. IEEE, 2009, pp. 1-6.