چکیده
در این مقاله، کنترل مد لغزشی برای سیستمهای گسسته از زمان با نویز تصادفی در کانال ورودی، مورد بحث قرار گرفته است. ایدۀ کنترل فرایند با استفاده از نمودارهای کنترل، این رویکرد جدید را در رابطه با سیستمهایی با نویز تصادفی تحت تأثیر قرار داده است. این رویکرد جدید نویز تصادفی را مانند یک عدم اطمینان محدود، مشابه کراندار در نمودارهای کنترل برای دادههای کنترل فرایند تصادفی برآورد میکند. برای سیستمهای گسسته از زمان، این امر منجر به یک پایداری محدود در احتمال مد شبه لغزشی میشود که به عنوان پایداری محدود N-سیگما به آن اشاره میشود. احتمال مربوط به مفاهیم پایداری ثابت نیست، و مهندس کنترل ممکن است به میزان کمتر یا بیشتری از پایداری از نظر این احتمال نیاز داشته باشد. بنابراین، ممکن است یک نفر دارای انعطافپذیری در طراحی باشد و در عین حال تئوری را بهطور عملی اجرا کند، درجاییکه یک شخص دیگر ممکن است با توجه به محدودیتهای سختافزاری مجبور به تغییر میزان پایداری موردنظر خود شود.
1. مقدمه
سیستمهای تصادفی در طی سالها توجه زیادی را در نظارت جامعه به خود معطوف کردهاند. محققان تلاش کردهاند تا نظریه و کنترل را برای پایداری چنین سیستمهایی در زمان گسسته و زمان پیوسته توسعه دهند (1،2،4-8). رویکردهای متعددی توسط محققان بکار گرفته شدهاند که میتوانند تا حد گستردهای در مواجهه با پویایی سیستم با استفاده از اختلاف عادی (5-8) در خصوص سیستمهای گسسته از زمان و دیفرانسیل تصادفی (1،2،4) در خصوص سیستمهای پیوسته با زمان تفکیک شوند. همه آنها قادر بودهاند تا به مفهوم پایداری با احتمال قطعی (7،8) دست یابند، یا اینکه توانستهاند میانگین و واریانس را به آنها اختصاص دهند.
Abstract
In this paper, sliding mode control for discrete time systems with stochastic noise in their input channel has been discussed. The idea of process control using control charts has influenced this new approach towards dealing with systems with stochastic noise. The new approach approximates the stochastic noise as a bounded uncertainty, similar to having bounds in the control charts for stochastic process control data. For discrete time systems, this results in a bounded stability in probability of the quasi sliding mode, which is referred to as the N-sigma bounded stability. The probability associated with the stability notions is not fixed and the control engineer may desire lower or higher degrees of stability in terms of this probability. Thus one has design flexibility while implementing the theory in practice, where one might have to adjust the desired degree of stability due to hardware limitations.
1. Introduction
Stochastic systems have been finding quite a lot of interest in the control community over the years. Researchers have attempted to develop the theory and control for stabilization of such systems in both continuous time and discrete time [1,2,4–8]. Several approaches have been taken by researchers, which can be broadly separated into their dealing of the system dynamics using ordinary difference [5–8] in case of discrete time systems and stochastic differential [1,2,4] in case of continuous time systems. All of them have been able to achieve either a notion of stability with certain probability [7,8] or have been able to assign the mean and covariance to them [6].
چکیده
1- مقدمه
2- مروری بر ادبیات موجود
2.1 آمار سیگنال تصادفی
2.2 پایداری محدود نهایی با احتمال یک
3- پایداری N-سیگما
4- نمونهای از شبیهسازی
4.1 با N=2
4.2 با N=3
4.3 با N=4.5
5- نتیجهگیری
Abstract
1. Introduction
2. Review of available literature
2.1. Stochastic signal statistics
2.2. Ultimately bounded stability with probability one
3. N-sigma stability
4. Simulation example
4.1. With N=2
4.2. With N=3
4.3. With N=4.5
5. Conclusions