کنترل مدل-پیش بین دقیق سیستم های چند-متغیره نامعین سوییچ شده بر پایه شبکه های عصبی فازی- موجک

در این تحقیق، روشی جدید جهت کنترل مدل-پیش بین (Model Predictive Control و به اصطلاح MPC) سیستم های سوییچ شده چند-متغیره تحت سیگنال های سوییچ نامشخص مطرح می گردد. در این روش، از الگوریتم تخمین دقیق ارایه شده بر پایه شبکه های عصبی فازی-موجک (Fuzzy-Wavelet Neural Networks  و به اصطلاح FWNN) استفاده شده که این الگوریتم در این تحقیق برای سیستم های چند-متغیره ارایه می شود. با توجه به تخمین دینامیک فعال سیستم سوییچ شده، در ادامه توابع لغزش پیش بینی شده محاسبه شده و با توجه به توابع کاندیدای لیاپانوف تعریف شده به ازای درجات آزادی مختلف، قیود پایدارسازی کنترل مدل-پیش بین مشخص می گردد. روش های موجود در کنترل سیستم های با سیگنال سوییچ نامشخص بر پایه طراحی برحسب بدترین حالت سوییچ بوده که موجب محافظه کاری الگوریتم کنترل می شوند. با توجه به طراحی الگوریتم کنترلی بر اساس حالت سوییچ فعال در این تحقیق، مشکل محافظه کاری کنترل برطرف شده و در نتیجه سیگنال های کنترلی کوچک تر شده و دقت تعقیب ورودی های مرجع افزایش می یابد.