(2001) Nonlinear predictive control using genetic algorithms. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF 10222.pdf Download (3MB) | Preview

Arabic Abstract

في السنوات الأخيرة ، ازداد الاحتياج لجودة التحكم الأوتوماتيكي في الصناعة العملية بشكل كبير ، نتيجة لازدياد تعقيد المصانع ودقة المواصفات . في الوقت نفسه ، ازدادت المقدرة الحسابية للمعالجات لمستوى مرتفع جداً ، مما يعني أن نماذج الكمبيوتر التي كانت غالية حسابياً ، أصبح بالإمكان استعمالها حتى في المشاكل المعقدة . تم تطوير تقنيات التحكم لتنبؤ النماذج للحصول على تحكم أكثر إحكاماً وتم استعمال هذه التقنيات فعلاً في الكثير من المصانع . (MPC: Model Predictive Control) يوفر التحكم القوي مع الزيادة المتغيرة والديناميكية ، والتفاعل المتعدد المتغيرات ، والأحمال الموزونة ، والإزعاج غير قابل للقياس . تطبيق ال (MPC) يحتاج لحل مشكلة التحسين المرغمة في كل عينة من الوقت . يوجد تقنيات للتحسين مختلفة كالبرمجة الخطية ، والبرمجة التربيعية ، والبرمجة الديناميكية تم استخدامها في ال (MPC) . في هذه الرسالة نستخدم تقنية جديدة لحل المشكلة وهي الخوارزم الجينية . الطريقة المقترحة تصيغ ال (MPC) كمشكلة تحسينية والخوارزم الجينية تستعمل في عملية التحسين . الميزات لاستعمال الخوارزم الجيني تتضمن : إمكانية التطبيق في أي نموذج عملي ، إمكانية تعريف أي هدف للتحكم ، إمكانية معالجة أي قيود . الطريقة المقترحة تم تطبيقها في النظامين (SISO) و (MIMO) مع أنواع مختلفة من النماذج العملية ، النماذج الإزعاجية ، وظائف التكلفة والقيود . وتم مناقشة التطبيق للطريقة المقترحة على العمليات الكيميائية .

English Abstract

In recent years, the requirements for the quality of automatic control in the process industries increased significantly due to increased complexity of the plants and sharper specifications of product. At the same time, the available computing power increased to a very high level. As a result, computer models that were computationally expensive became applicable even to rather complex problems. Model Predictive Control techniques were developed to obtain tighter control and it was introduced successfully in several industrial plants. MPC can provide robust control for processes with variable gain and dynamics, multivariable interaction, measured loads, and unmeasured disturbances. The implementation of MPC requires the solution of a constrained optimization problem at each sampling time. Different optimization techniques including linear programming (LP), quadratic programming (QP) and dynamic programming (DP) have been used in MPC. In this thesis a new approach for the implementation of MPC will be proposed using Genetic Algorithm GA. The proposed method formulates the MPC as an optimization problem and genetic algorithms include: applicability to any process model, possibility of defining any control objective and capability of handling any process constraints. The proposed method is applied to both SISO and MIMO systems with different types of process models, disturbance models, cost functions and process constraints. Application of the proposed algorithm to chemical processes is emphasized.

Item Type:	Thesis (Masters)
Subjects:	Electrical
Department:	College of Engineering and Physics > Electrical Engineering
Committee Advisor:	Al-Duwaish, Hussain N.
Committee Members:	Abdel-Magid, Youssef L. and Al-Baiyat, Samir A.
Depositing User:	Mr. Admin Admin
Date Deposited:	22 Jun 2008 13:59
Last Modified:	01 Nov 2019 13:58
URI:	http://eprints.kfupm.edu.sa/id/eprint/10222