طراحي كنترل كننده LQG مبتني بر شبكه هاي عصبي براي سيستم بويلر

LQG controller based on neural network for boiler system

در اين پژوهش كنترل مهمترين فاكتور در عملكرد سيستم بويلر با استفاده از كنترل كننده مبتني بر شبكه عصبي پيشنهاد شده است. بويلر يا همان ديگ بخار يك مخزن تحت فشار است كه در آن سيال عامل (معمولاً آب) گرم شده و به نقطه جوش خود مي رسد و بخار خروجي از آن جهت مصارف مختلفي از جمله توليد برق، حركت لوكوموتيو، گرمايش محيط، پزشكي و غيره استفاده مي شود. سطح آب مخزن بويلر تاثير زيادي در ايمني و پايداري عملكرد سيستم بويلر دارد و بنابراين كنترل سطح آب درام از اهميت ويژه اي برخوردار مي باشد. در اين مقاله، كنترل سطح آب سيستم بويلر با استفاده از كنترل كننده LQG و شبكه هاي عصبي مورد بررسي قرار گرفته است. جهت تخمين متغيرهاي حالت سيستم بجاي استفاده از مشاهده گر كالمن از شبكه هاي عصبي كه توانايي بالايي در شناسايي سيستم دارند استفاده نموده ايم و نتايج حاصل از راهكار پيشنهادي را با كنترل كننده LQG مبتني بر فيلتر كالمن مقايسه نموده ايم.

In this research, control is the most impirtant factor in boiler system using of neural-network-based controller. Boiler is a device in which liquid (usually water) gets hit and reachs the boiling point. Boiler is an impacted tank in which liquid teach desired temoerature and output steam is used as making electricity, locomotive movement, environmental heating, medical and etc. Water level of tank has a great impact on security and stability of boiler performance, hence controlling of dram water level is so significant. In this thesis, controlling of water level of boiler using LQG and neural network is studied. For estimation of system variables, neural networks is used instead of system condition, because neural networks has a high ability in recognizing system, and the results of suggested solution are compared with Calman-filter-based LQG controller.