Prediktivní regulátory s principy umělé inteligence v prostředí MATLAB - B&R

Abstract

Diplomová práce se zabývá problematikou prediktivního řízení zvláště Model (Based) Predictive Control (MBPC nebo MPC). V první části jsou porovnány identifikační metody. Algoritmus rekurzivní metody nejmenších čtverců je porovnán s identifikačními metodami založenými na neuronových sítí. Další části jsou věnovány prediktivnímu řízení. Je zde popsáno vytvoření MPC se sumační složkou a adaptivního MPC. Pevně nastavený PSD regulátor je porovnán s MPC. Jsou porovnány odezvy na poruchu a na změnu dynamiky regulované soustavy. Porovnání je provedeno na simulačních modelech v prostředí MATLAB/Simulink a na fyzikálním modelu připojeného k PLC firmy B&R.Master’s thesis deals with problems of predictive control especially Model (Based) Predictive Control (MBPC or MPC). Identifications methods are compared in the first part. Recursive least mean squares algorithm is compared with identification methods based on neural networks. Next parts deal with predictive control. There is described creation MPC with summing element and adaptive MPC. There is also compared fixed setting PSD controller with MPC. Responses on disturbance and changes of parameters of controlled plant are compared. Comparing is made on simulation models in MATLAB/Simulink and on physical model connected to PLC B&R.