Professional Documents
Culture Documents
Fasl1 Kamacho
Fasl1 Kamacho
ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ )ﻣﺒﺘﻨﯽ ﺑﺮ ﻣﺪل( ﮐﻪ ﺑﻪ اﺧﺘﺼﺎر MPCﯾﺎ MBPCﺧﻮاﻧﺪه ﻣﯿﺸﻮد؛ در اواﺧﺮ دﻫﻪ ﻫﻔﺘﺎد اﯾﺠﺎد ﺷﺪ و از آن زﻣﺎن ﺗﺎ
ﮐﻨﻮن ﺑﻪ ﺷﮑﻞ ﭼﺸﻢ ﮔﯿﺮي ﮔﺴﺘﺮش ﯾﺎﻓﺘﻪ اﺳﺖ .اﺻﻄﻼح ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺑﻪ ﻣﻌﻨﺎي ﮐﺎرﺑﺮد ﯾﮏ روش ﮐﻨﺘﺮﻟﯽ واﺣﺪ ﻧﯿﺴﺖ؛ ﺑﻠﮑﻪ
اﯾﻦ روﻧﺪ ﻣﺘﺸﮑﻞ از داﻣﻨﻪ وﺳﯿﻌﯽ از روش ﻫﺎي ﮐﻨﺘﺮﻟﯽ اﺳﺖ ﮐﻪ ﺑﻪ ﻣﻨﻈﻮر دﺳﺖ ﯾﺎﺑﯽ ﺑﻪ ﺳﯿﮕﻨﺎل ﮐﻨﺘﺮل و ﺑﺎ ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن ﺗﺎﺑﻊ
ﻫﺪف ،ﺑﻪ ﺷﮑﻠﯽ ﺻﺮﯾﺢ از ﻣﺪل ﻓﺮآﯾﻨﺪ اﺳﺘﻔﺎده ﻣﯿﮑﻨﺪ .ﮐﺎرﺑﺮد اﯾﻦ روش ﻫﺎي ﻃﺮاﺣﯽ ﻣﻨﺠﺮ ﺑﻪ دﺳﺘﯿﺎﺑﯽ ﺑﻪ ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎي ﺧﻄﯽ
ﻣﯿﺸﻮد ﮐﻪ از ﻟﺤﺎظ ﻋﻤﻠﯽ ﺳﺎﺧﺘﺎري ﻣﺸﺎﺑﻪ داﺷﺘﻪ و ﻣﯿﺰان آزادي 1اراﺋﻪ ﺷﺪه ﺗﻮﺳﻂ آﻧﻬﺎ در ﺣﺪ ﻣﻄﻠﻮب اﺳﺖ .ﻫﻤﻪ اﯾﺪه ﻫﺎﯾﯽ ﮐﻪ ﭼﻪ
در ﻣﻘﯿﺎس ﺑﺰرﮔﺘﺮ و ﭼﻪ در ﻣﻘﯿﺎس ﮐﻮﭼﮑﺘﺮ در ﺧﺎﻧﻮاده روش ﻫﺎي ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺑﻮﺟﻮد ﻣﯽ آﯾﻨﺪ داراي ﺧﻮاص اوﻟﯿﻪ زﯾﺮ ﻫﺴﺘﻨﺪ:
*ﺑﻬﺮه ﮔﯿﺮي از ﯾﮏ ﻣﺪل ﺑﻪ ﻣﻨﻈﻮر ﭘﯿﺶ ﺑﯿﻨﯽ ﺧﺮوﺟﯽ ﻓﺮآﯾﻨﺪ در ﺑﺎزه ﻫﺎي زﻣﺎﻧﯽ آﺗﯽ)اﻓﻖ (2
*ﺑﻪ ﮐﺎر ﺑﺮدن اﺳﺘﺮاﺗﮋي ﺧﺰﺷﯽ 3ﺑﺪﯾﻦ ﻣﻨﻈﻮر ﮐﻪ در ﻫﺮ ﻟﺤﻈﻪ ،اﻓﻖ ﻓﺮآﯾﻨﺪ در راﺳﺘﺎي آﯾﻨﺪه ﺟﺎﺑﻪ ﺟﺎ ﺷﻮد ،اﻟﺒﺘﻪ ﺑﺮاي اﯾﻦ ﻣﻬﻢ ﺑﻪ
ﮐﺎرﮔﯿﺮي اوﻟﯿﻦ ﺳﯿﮕﻨﺎل ﮐﻨﺘﺮﻟﯽ ﺗﻮاﻟﯽ ﮐﻪ در ﻫﺮ ﻗﺪم ﻣﺤﺎﺳﺒﻪ ﻣﯿﺸﻮد ﺿﺮوري اﺳﺖ.
ﺗﻔﺎوت اﺻﻠﯽ ﻣﯿﺎن اﻟﮕﻮرﯾﺘﻢ ﻫﺎي ﻣﺨﺘﻠﻒ ) MPCﻫﻤﺎﻧﻨﺪ ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ دراز ﻣﺪت ﯾﺎ (LRPCدر ﻣﺪل ﻣﻮرد اﺳﺘﻔﺎده ﺑﺮاي اراﺋﻪ
ﻓﺮآﯾﻨﺪ و ﻧﻮﯾﺰ و ﺗﻮاﺑﻊ ﻫﺰﯾﻨﻪ اي اﺳﺖ ﮐﻪ ﺑﺎﯾﺴﺘﯽ ﺑﻪ ﺣﺪاﻗﻞ ﺑﺮﺳﻨﺪ .اﯾﻦ ﻧﻮع از ﮐﻨﺘﺮل را "ﮐﻨﺘﺮل ﺑﺎ ﻣﺎﻫﯿﺖ آزاد" 4ﻣﯽ ﻧﺎﻣﻨﺪ ﮐﻪ در
ﺑﻄﻦ آن ﮐﺎرﻫﺎي زﯾﺎدي اﻧﺠﺎم ﺷﺪه اﺳﺖ .ﺟﻮاﻣﻊ آﮐﺎدﻣﯿﮏ و ﺻﻨﻌﺘﯽ ﻧﯿﺰ اﻗﺒﺎل ﺧﻮﺑﯽ در ﺑﺮاﺑﺮ اﯾﻦ ﻧﻮع از روش ﻫﺎ ﻧﺸﺎن داده اﻧﺪ .در
ﺣﺎل ﺣﺎﺿﺮ ،ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﮐﺎرﺑﺮد ﻫﺎي ﻓﺮاوان و ﻣﻮﻓﻘﯽ ﻧﻪ ﺗﻨﻬﺎ در ﺻﻨﺎﯾﻊ ﻓﺮآﯾﻨﺪ ﺑﻠﮑﻪ در زﻣﯿﻨﻪ ﻫﺎﯾﯽ ﻫﻤﭽﻮن ﻫﺪاﯾﺘﮕﺮ ﻫﺎي
روﺑﺎت ﻫﺎ] [63و ﺑﯿﻬﻮﺷﯽ ﺑﺎﻟﯿﻨﯽ ] [67دارد .ﮐﺎرﺑﺮد ﻫﺎي اﯾﻦ روش در ﺻﻨﻌﺖ ﺳﯿﻤﺎن و ﺑﺘﻮن ،ﺑﺮج ﻫﺎي ﺧﺸﮏ ﮐﻨﻨﺪه و ﺑﺎزو روﺑﺎت
ﻫﺎ در ] [31ﻣﻄﺮح ﺷﺪه و ﭘﯿﺸﺮﻓﺖ ﻫﺎي اﻧﺠﺎم ﮔﺮﻓﺘﻪ در زﻣﯿﻨﻪ ﻫﺎي ﺳﺘﻮن ﻫﺎي ﺗﻘﻄﯿﺮ ،ﺗﺠﻬﯿﺰات ﭘﯽ وي ﺳﯽ ،دﯾﮓ ﻫﺎي ﺑﺨﺎر ﯾﺎ
ﻓﺮﻣﺎن ﯾﺎر ﻫﺎ در ﺑﺨﺶ ﻫﺎي ] [102و ] [105ﺑﯿﺎن ﻣﯿﺸﻮﻧﺪ .ﻋﻤﻠﮑﺮد 5ﻗﺎﺑﻞ ﻗﺒﻮل در ﮐﺎرﺑﺮدﻫﺎي ﺑﺎﻻ ﻧﺸﺎن دﻫﻨﺪه ﻇﺮﻓﯿﺖ ﻫﺎي
1
degree of freedom
2
Horizon
3
Receding strategy
4
Open nature
5
Performance
ﮔﺴﺘﺮده MPCﺑﺮاي دﺳﺖ ﯾﺎﺑﯽ ﺑﻪ ﺳﯿﺴﺘﻢ ﻫﺎي ﮐﻨﺘﺮﻟﯽ اﺳﺖ ﮐﻪ ﻣﯿﺘﻮاﻧﻨﺪ ﺑﺮاي ﻣﺪت ﻫﺎي ﻃﻮﻻﻧﯽ و ﺗﻘﺮﯾﺒﺎ ﺑﺪون ﻫﯿﭻ ﮔﻮﻧﻪ اﺧﺘﻼﻟﯽ
ﺑﻪ ﮐﺎر ﺧﻮد اداﻣﻪ دﻫﺪ.
روش MPCﻣﺰﯾﺖ ﻫﺎي ﻓﺮاواﻧﯽ ﻧﺴﺒﺖ ﺑﻪ دﯾﮕﺮ روش ﻫﺎ داﺷﺘﻪ ﮐﻪ از ﻣﯿﺎن آﻧﻬﺎ ﻣﯿﺘﻮان ﺑﻪ ﻣﻮارد زﯾﺮ اﺷﺎره ﮐﺮد:
*اﯾﻦ روش ﺣﺘﯽ ﺑﺮاي اﻓﺮادي ﮐﻪ از داﻧﺶ ﮐﻨﺘﺮﻟﯽ ﺑﺎﻻﯾﯽ ﺑﺮﺧﻮردار ﻧﯿﺴﺘﻨﺪ ﺟﺬاب اﺳﺖ ﭼﺮاﮐﻪ ﻣﻔﺎﻫﯿﻢ ﻣﻮﺟﻮد در آن در ﻋﯿﻦ
ﺷﻬﻮدي ﺑﻮدن ﺑﺴﯿﺎر ﺳﺎده ﺗﻨﻈﯿﻢ ﻣﯿﺸﻮﻧﺪ.
*از اﯾﻦ روش ﻣﯿﺘﻮان ﺑﺮاي ﮐﻨﺘﺮل رﻧﺞ وﺳﯿﻌﯽ از ﺳﺎزوﮐﺎرﻫﺎ از ﺳﯿﺴﺘﻢ ﻫﺎﯾﯽ ﺑﺎ رواﺑﻂ ﺳﺎده ﮔﺮﻓﺘﻪ ﺗﺎ ﺳﯿﺴﺘﻢ ﻫﺎي ﭘﯿﭽﯿﺪه ،و
ﻫﻤﭽﻨﯿﻦ از ﺳﯿﺴﺘﻢ ﻫﺎي ﺑﺎ ﻣﺪت زﻣﺎن ﺗﺎﺧﯿﺮ ﺑﺎﻻ ﯾﺎ ﻧﺎﻣﯿﻨﯿﻤﻢ ﻓﺎز ﺗﺎ ﺳﯿﺴﺘﻢ ﻫﺎي ﻧﺎﭘﺎﯾﺪار اﺳﺘﻔﺎده ﮐﺮد.
*ﺑﺎ ﺑﻬﺮه ﮔﯿﺮي ازاﯾﻦ روش ﻣﯿﺘﻮان ﺑﻪ راﺣﺘﯽ ﺑﺎ ﺳﯿﺴﺘﻢ ﻫﺎي ﭼﻨﺪ ﻣﺘﻐﯿﺮه) (MIMO6ﮐﺎر ﮐﺮد.
* اﯾﻦ ﺳﯿﺴﺘﻢ ذاﺗﺎً ﻗﺎﺑﻠﯿﺖ ﺟﺒﺮان زﻣﺎن ﻫﺎي ﻣﺮده 7را دارد.
*اﯾﻦ ﺳﯿﺴﺘﻢ ﺑﻪ ﺷﮑﻠﯽ ﻃﺒﯿﻌﯽ ورودي ﮐﻨﺘﺮﻟﯽ)ﮐﻨﺘﺮل ﭘﯿﺶ ﺧﻮر (8را ﺑﻪ ﮔﻮﻧﻪ اي ﻓﺮاﻫﻢ ﻣﯿﮑﻨﺪ ﮐﻪ ﻗﺎﺑﻠﯿﺖ ﺟﺒﺮان اﻏﺘﺸﺎﺷﺎت ﻗﺎﺑﻞ
اﻧﺪازه ﮔﯿﺮي ﺑﻮﺟﻮد آﯾﺪ.
* ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﺣﺎﺻﻠﻪ ،ﯾﮏ ﻗﺎﻧﻮن ﮐﻨﺘﺮل ﺧﻄﯽ ﺳﺎده را ﺑﺮاي ﭘﯿﺎده ﺳﺎزي اراﺋﻪ ﻣﯽ دﻫﺪ.
*ﮔﺴﺘﺮش روش ﭘﯿﺶ ﺑﯿﻦ ﺑﻪ ﻣﻨﻈﻮر در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻣﺤﺪودﯾﺖ ﻫﺎ از ﻟﺤﺎظ ﻣﻔﻬﻮﻣﯽ ﺳﺎده ﺑﻮده و ﻗﺎﺑﻠﯿﺖ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻣﺤﺪودﯾﺖ ﻫﺎ
ﺑﻪ ﺻﻮرت ﺳﯿﺴﺘﻤﺎﺗﯿﮏ در ﻃﺮاﺣﯽ را ﻓﺮاﻫﻢ ﻣﯿﮑﻨﺪ.
*در ﺻﻮرت ﻣﻌﻠﻮم ﺑﻮدن ورودي ﻣﺮﺟﻊ در زﻣﺎن ﻫﺎي آﯾﻨﺪه )ﻣﺜﻞ ﻋﻠﻢ روﺑﺎﺗﯿﮏ ﯾﺎ ﻓﺮآﯾﻨﺪﻫﺎي ﺧﻮدﮐﺎر(اﺳﺘﻔﺎده از اﯾﻦ روش ﺑﺴﯿﺎر
ﻣﺜﻤﺮ ﺛﻤﺮ ﺧﻮاﻫﺪ ﺑﻮد.
*روش ﺷﻨﺎﺳﯽ روﯾﮑﺮد ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺑﻪ ﺷﮑﻞ ﺑﺎز و ﺑﺮ ﭘﺎﯾﻪ اﺻﻮﻟﯽ ﻣﺸﺨﺺ ﻃﺮاﺣﯽ ﺷﺪه ﮐﻪ اﻣﮑﺎن ﮔﺴﺘﺮش اﯾﻦ روش در آﯾﻨﺪه
را ﻣﯿﺴﺮ ﻣﯿﺴﺎزد.
روش ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ در ﻋﯿﻦ ﻣﻨﻄﻘﯽ ﺑﻮدن ،اﺷﮑﺎﻻت ﺧﺎص ﺧﻮد را ﻧﯿﺰ دارد .ﯾﮑﯽ از ﻣﻌﺎﯾﺐ آن اﯾﻦ اﺳﺖ ﮐﻪ ﺑﺎوﺟﻮد اﺟﺮاي آﺳﺎن
ﻗﺎﻧﻮن ﮐﻨﺘﺮل ﺧﺮوﺟﯽ وﻋﺪم ﻧﯿﺎز ﺑﻪ اﻧﺠﺎم ﻣﺤﺎﺳﺒﺎت زﯾﺎد ،ﻧﺘﯿﺠﻪ ﮔﯿﺮي ) (Derivationاز اﯾﻦ روش ﭘﯿﭽﯿﺪه ﺗﺮ از ﻧﺘﯿﺠﻪ ﮔﯿﺮي از
ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎي ﮐﻼﺳﯿﮏ PIDاﺳﺖ .در ﺻﻮرت ﻋﺪم ﺗﻐﯿﯿﺮ دﯾﻨﺎﻣﯿﮏ ﻓﺮآﯾﻨﺪ ،ﻣﯽ ﺗﻮان ﻗﺒﻞ از اﺟﺮاي ﻓﺮآﯾﻨﺪ ﻧﺘﯿﺠﻪ ﮔﯿﺮي را اﻧﺠﺎم
داد؛ اﻣﺎ در روش ﮐﻨﺘﺮل ﺗﻄﺒﯿﻘﯽ ﺑﺎﯾﺴﺘﯽ در ﻫﺮ ﻣﺮﺣﻠﻪ از ﻧﻤﻮﻧﻪ ﺑﺮداري ﺗﻤﺎﻣﯽ ﻣﺤﺎﺳﺒﺎت را اﺟﺮا ﮐﺮد .ﻋﻼوه ﺑﺮاﯾﻦ ،ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ
6
Multi input-Multi output
7
Dead times
8
Feed forward control
ﻣﺤﺪودﯾﺖ ﻫﺎ ،ﺣﺠﻢ ﻣﺤﺎﺳﺒﺎت ﺑﯿﺶ از ﭘﯿﺶ ﺧﻮاﻫﺪ ﺷﺪ .ﻫﺮﭼﻨﺪ ،ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻗﺪرت ﻣﺤﺎﺳﺒﺎﺗﯽ ﻣﻮﺟﻮد در ﺑﺎزار ،اﯾﻦ ﯾﮏ ﻣﺸﮑﻞ
اﺳﺎﺳﯽ ﺑﻪ ﺷﻤﺎر ﻧﻤﯽ آﯾﺪ ،اﻣﺎ ﺑﺎﯾﺪ ﺑﻪ ﺧﺎﻃﺮ داﺷﺖ ﮐﻪ ﺑﺴﯿﺎري از ﮐﺎﻣﭙﯿﻮﺗﺮﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ﮐﻨﺘﺮل ﻓﺮآﯾﻨﺪ ﻫﺎي ﺻﻨﻌﺘﯽ ﻧﻤﯿﺘﻮاﻧﻨﺪ
ﺣﺪاﮐﺜﺮ ﻗﺪرت ﻣﺤﺎﺳﺒﺎﺗﯽ را ﻓﺮاﻫﻢ ﮐﻨﻨﺪ و ﻣﻬﻤﺘﺮ از آن اﯾﻨﮑﻪ ﺑﯿﺸﺘﺮ زﻣﺎن ﻣﻮﺟﻮد در ﻓﺮآﯾﻨﺪ ﻣﺤﺎﺳﺒﻪ و ﮐﻨﺘﺮل ،ﺻﺮف اﻧﺠﺎم ﮐﺎرﻫﺎﯾﯽ
ﺑﻪ ﺟﺰ ﮐﻨﺘﺮل ﺧﻮد اﻟﮕﻮرﯾﺘﻢ)ﻫﻤﺎﻧﻨﺪ ﺑﺮﻗﺮاري ارﺗﺒﺎط ﺑﺎ اﭘﺮاﺗﻮر ،ﻫﺸﺪار دﻫﯽ ،ﺛﺒﺖ وﻗﺎﯾﻊ و ﻏﯿﺮه( ﻣﯿﺸﻮد .ﺣﺘﯽ در ﺻﻮرت رﻓﻊ ﻣﺸﮑﻼت
ﺑﺎﻻ ،ﺑﺰرﮔﺘﺮﯾﻦ ﻣﺸﮑﻞ اﯾﻦ روش ﻧﯿﺎز ﺑﻪ ﯾﮏ ﻣﺪل ﻣﻨﺎﺳﺐ و ﻣﻮﺟﻮد از ﻓﺮآﯾﻨﺪ اﺳﺖ .اﻟﮕﻮرﯾﺘﻢ ﻃﺮاﺣﯽ ﺑﺮﭘﺎﯾﻪ ﯾﮏ داﻧﺶ اﺑﺘﺪاﯾﯽ و اوﻟﯿﻪ
از ﻣﺪل ﻃﺮاﺣﯽ ﺷﺪه و از ﻣﺪل ﭘﺮوﺳﺲ ﻣﺴﺘﻘﻞ اﺳﺖ ،اﻣﺎ ﭘﺮ واﺿﺢ اﺳﺖ ﮐﻪ ﻣﺰﯾﺖ ﻫﺎي ﺑﺪﺳﺖ آﻣﺪه ﺑﻪ ﺷﮑﻞ ﻣﺴﺘﻘﯿﻢ ﺗﺤﺖ ﺗﺎﺛﯿﺮ
اﺧﺘﻼف ﻣﯿﺎن ﻓﺮآﯾﻨﺪ واﻗﻌﯽ و ﻣﺪل ﻣﻮرد اﺳﺘﻔﺎده اﺳﺖ.
روش ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﻋﻠﯿﺮﻏﻢ اﯾﻨﮑﻪ از ﮐﻤﺒﻮد ﻧﺘﺎﯾﺞ ﻧﻈﺮي درﻣﻮرد ﺑﺮﺧﯽ ﺣﻮزه ﻫﺎي ﺣﯿﺎﺗﯽ ﻫﻤﺎﻧﻨﺪ ﭘﺎﯾﺪاري ﯾﺎ ﻣﻘﺎوم ﺑﻮدن ﻣﯿﺒﺮد،
اﻣﺎ در ﻋﻤﻞ ﺑﻪ ﻋﻨﻮان ﯾﮏ اﺳﺘﺮاﺗﮋي ﻣﻌﻘﻮل ﺑﺮاي ﻓﺮآﯾﻨﺪ ﮐﻨﺘﺮل ﺻﻨﻌﺘﯽ درﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﯿﺸﻮد.
1,1اﺳﺘﺮاﺗﮋي MPC
روش ﺷﻨﺎﺳﯽ ﺗﻤﺎﻣﯽ ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎي ﻣﺘﻌﻠﻖ ﺑﻪ ﺧﺎﻧﻮاده MPCﺑﺎ اﺳﺘﻔﺎده از اﺳﺘﺮاﺗﮋي زﯾﺮ ﮐﻪ در ﺷﮑﻞ 1,1ﻧﯿﺰ آﻣﺪه اﺳﺖ ،ﻗﺎﺑﻞ
ﺗﻌﯿﯿﻦ اﺳﺖ:
.1ﺧﺮوﺟﯽ ﻫﺎي آﯾﻨﺪه ﺑﺮاي ﯾﮏ اﻓﻖ ﻣﺸﺨﺺ Nﮐﻪ اﻓﻖ ﭘﯿﺶ ﺑﯿﻨﯽ 9ﻧﺎﻣﯿﺪه ﻣﯿﺸﻮد ،ﺑﺎ اﺳﺘﻔﺎده از ﻣﺪل ﻓﺮآﯾﻨﺪ در ﻫﺮ زﻣﺎن tﭘﯿﺶ
ﺑﯿﻨﯽ ﻣﯽ ﺷﻮﻧﺪ .اﯾﻦ ﺧﺮوﺟﯽ ﻫﺎي ﭘﯿﺶ ﺑﯿﻨﯽ ﺷﺪه ) y(t+k|tﺑﺮاي k=1…Nواﺑﺴﺘﻪ ﺑﻪ ﻣﻘﺎدﯾﺮ ﻣﺸﺨﺺ ﺗﺎ ) tﺧﺮوﺟﯽ و ورودي ﻫﺎي
ﮔﺬﺷﺘﻪ( و ﺳﯿﮕﻨﺎل ﻫﺎي آﺗﯽ u(t+k|t), k=0…N-1ﺧﻮاﻫﺪ ﺑﻮد .اﯾﻦ ﺳﯿﮕﻨﺎل ﻫﺎ در واﻗﻊ ورودي ﻫﺎﯾﯽ ﻫﺴﺘﻨﺪ ﮐﻪ ﻗﺮار اﺳﺖ ﺑﻪ
ﺳﯿﺴﺘﻢ ارﺳﺎل ﺷﻮﻧﺪ و ﺗﻮﺳﻂ روش ﮐﻨﺘﺮﻟﯽ ﻣﺤﺎﺳﺒﻪ ﻣﯿﺸﻮﻧﺪ .در ﻧﺸﺎن ﮔﺬاري ﺑﺎﻻ y(t+k|t) ،ﻣﻘﺪار ﭘﯿﺶ ﺑﯿﻦ ﺷﺪه ﻣﺘﻐﯿﺮ yرا در
ﻟﺤﻈﻪ t+kﻣﯽ ﺑﺎﺷﺪ ،در ﺻﻮرﺗﯽ ﮐﻪ در ﻟﺤﻈﻪ tﻗﺮار داﺷﺘﻪ ﯾﺎﺷﯿﻢ
.2ﻣﺠﻤﻮﻋﻪ ﺳﯿﮕﻨﺎل ﻫﺎي ﮐﻨﺘﺮﻟﯽ آﺗﯽ ﺑﻮاﺳﻄﻪ اﺻﻼح ﯾﮏ ﻣﻌﯿﺎر ﻣﺸﺨﺺ ،ﺑﻪ ﻣﻨﻈﻮر ﻧﺰدﯾﮏ ﮐﺮدن ﻫﺮﭼﻪ ﺑﯿﺸﺘﺮ ﺧﺮوﺟﯽ ﻓﺮآﯾﻨﺪ ﺑﻪ
) ،w(t+kﻣﺤﺎﺳﺒﻪ ﻣﯽ ﺷﻮد w(t+k) .ﻣﯽ ﺗﻮاﻧﺪ ﻣﺴﯿﺮ ﻣﺮﺟﻊ 10و ﯾﺎ ﯾﮏ ﺗﻘﺮﯾﺐ ﻧﺰدﯾﮏ ﺑﻪ ﻣﺴﯿﺮ ﻣﺮﺟﻊ ﺑﺎﺷﺪ .اﯾﻦ ﻣﻌﯿﺎر ﻋﻤﻮﻣﺎ ﺑﻪ
ﺷﮑﻞ ﺗﺎﺑﻊ درﺟﻪ دوم 11از ﺧﻄﺎﻫﺎي رخ داده ﻣﯿﺎن ﺳﯿﮕﻨﺎل ﺧﺮوﺟﯽ ﺗﺨﻤﯿﻨﯽ و ﻣﺴﯿﺮ ﻣﺮﺟﻊ ﭘﯿﺶ ﺑﯿﻨﯽ ﺷﺪه اﺳﺖ .در اﮐﺜﺮ ﻣﻮارد ﻧﯿﺰ
ﺗﻼش ﻫﺎي ﮐﻨﺘﺮﻟﯽ ﺑﻪ ﻋﻨﻮان ﯾﮏ ﺗﺮم در ﺗﺎﺑﻊ ﻫﺪف ﺗﻌﺮﯾﻒ ﻣﯽ ﺷﻮد .در ﺻﻮرت درﺟﻪ دو ﺑﻮدن ﻣﻌﯿﺎر ،ﺧﻄﯽ ﺑﻮدن ﻣﺪل و ﻋﺪم وﺟﻮد
ﻣﺤﺪودﯾﺖ ،راه ﺣﻠﯽ ﺻﺮﯾﺢ ﺑﺪﺳﺖ ﺧﻮاﻫﺪ آﻣﺪ ،اﻣﺎ در ﻏﯿﺮ اﯾﻦ ﺻﻮرت ﺑﺎﯾﺴﺘﯽ از ﯾﮏ روش ﺑﻬﯿﻨﻪ ﺳﺎزي ﺗﮑﺮاري اﺳﺘﻔﺎده ﮐﺮد .در
ﺑﺮﺧﯽ ﻣﻮارد در ﻣﻮرد ﺳﺎﺧﺘﺎر ﻗﺎﻧﻮن ﮐﻨﺘﺮﻟﯽ آﺗﯽ ﺣﺪس ﻫﺎﯾﯽ زده ﻣﯿﺸﻮد ،ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﺣﺘﻤﺎل ﻣﯿﺮود اﯾﻦ ﻗﺎﻧﻮن ﭘﺲ از ﯾﮏ زﻣﺎن
ﻣﺸﺨﺺ ﺣﺎﻟﺖ ﺛﺎﺑﺖ ﺑﻪ ﺧﻮد ﮔﯿﺮد.
.3ﺳﯿﮕﻨﺎل ﮐﻨﺘﺮﻟﯽ ) u(t|tﺑﻪ ﻓﺮآﯾﻨﺪ ارﺳﺎل ﻣﯽ ﺷﻮد در ﺣﺎﻟﯽ ﮐﻪ ﺳﯿﮕﻨﺎل ﻫﺎي ﮐﻨﺘﺮﻟﯽ ﺑﻌﺪي دور رﯾﺨﺘﻪ ﻣﯽ ﺷﻮد .در زﻣﺎن ﻧﻤﻮﻧﻪ
ﺑﺮداري ﺑﻌﺪي y(t+1) ،ﻣﻌﻠﻮم ﺑﻮده و ﻣﺮﺣﻠﻪ 1ﺑﺎ اﯾﻦ ﻣﻘﺎدﯾﺮ ﺟﺪﯾﺪ ﺗﮑﺮار و ﻧﺘﺎﯾﺞ ﺑﺮﭘﺎﯾﻪ آﻧﻬﺎ ﺑﻪ روز ﻣﯽ ﺷﻮﻧﺪ .ﺑﻨﺎﺑﺮاﯾﻦu(t+1 | ،
)) t+1ﮐﻪ در اﺻﻞ و ﺑﻪ دﻟﯿﻞ وﺟﻮد اﻃﻼﻋﺎت ﺟﺪﯾﺪ ،ﻣﺘﻔﺎوت از ) u(t+1 | tاﺳﺖ( ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ ﻣﻔﻬﻮم اﻓﻖ ﺧﺰﺷﯽ 12ﻣﺤﺎﺳﺒﻪ
ﻣﯿﺸﻮد.
ﺑﺮاي اﺟﺮاي اﯾﻦ اﺳﺘﺮاﺗﮋي ،ﺳﺎﺧﺘﺎر ﭘﺎﯾﻪ اي ﻣﻮﺟﻮد در ﺷﮑﻞ 1,2ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﯿﮕﯿﺮد .از ﯾﮏ ﻣﺪل ﺑﺮاي ﭘﯿﺶ ﺑﯿﻨﯽ ﺧﺮوﺟﯽ
ﻫﺎي آﺗﯽ ﭘﻼﻧﺖ ﺑﺮﭘﺎﯾﻪ ﻣﻘﺎدﯾﺮ ﭘﯿﺸﯿﻦ و ﮐﻨﻮﻧﯽ و ﻧﯿﺰ ﺑﺮ اﺳﺎس اﻋﻤﺎل ﮐﻨﺘﺮﻟﯽ آﺗﯽ ﺑﻬﯿﻨﻪ ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺘﻔﺎده ﻣﯿﮕﺮدد .اﯾﻦ ﮐﺎر
ﺗﻮﺳﻂ ﺑﻬﯿﻨﻪ ﺳﺎز و ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺗﺎﺑﻊ ﻫﺰﯾﻨﻪ) ﮐﻪ در آن ﺧﻄﺎي ﺗﺮاﮐﯿﻨﮓ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﺳﺖ( و ﻧﯿﺰ ﻣﺤﺪودﯾﺖ ﻫﺎ ﻣﺤﺎﺳﺒﻪ
ﻣﯽ ﺷﻮﻧﺪ.
9
Prediction horizon
10
Set point
11
Quadratic Function
12
Receding Horizon
در ﻧﺘﯿﺠﻪ ﻣﺪل ﻓﺮآﯾﻨﺪ ﻧﻘﺸﯽ ﺗﻌﯿﯿﻦ ﮐﻨﻨﺪه در ﮐﻨﺘﺮل ﮐﻨﻨﺪه اﯾﻔﺎ ﻣﯿﮑﻨﺪ .ﻣﺪل اﻧﺘﺨﺎﺑﯽ در ﻋﯿﻦ ﺳﺎدﮔﯽ در اﺟﺮا و آﺳﺎن ﻓﻬﻢ ﺑﻮدن ﺑﺎﯾﺪ
ﺗﻮاﻧﺎﯾﯽ درﯾﺎﻓﺖ دﯾﻨﺎﻣﯿﮏ ﻓﺮآﯾﻨﺪ را داﺷﺘﻪ ﺑﺎﺷﺪ ﺗﺎ ﺑﺘﻮاﻧﺪ ﺧﺮوﺟﯽ ﻫﺎي آﺗﯽ را ﺑﻪ دﻗﺖ ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﺪ .ﺑﺎﯾﺪ ﺗﻮﺟﻪ داﺷﺖ ﮐﻪ MPC
ﯾﮏ ﺗﮑﻨﯿﮏ ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد ﻧﺒﻮده ،ﺑﻠﮑﻪ دﺳﺘﻪ اي از روش ﻫﺎي ﻣﺘﻔﺎوت اﺳﺖ ﮐﻪ ﮔﺴﺘﺮه ﻣﺪل ﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده و ﻓﺮﻣﻮل ﻫﺎي
ﻣﺤﺎﺳﺒﺎﺗﯽ آن ﺑﺴﯿﺎر وﺳﯿﻊ اﺳﺖ.
ﯾﮑﯽ از راﯾﺞ ﺗﺮﯾﻦ ﻣﺪل ﻫﺎي ﻣﻮرد اﺳﺘﻔﺎده در ﺻﻨﻌﺖ ،ﻣﺪل ﭘﺎﺳﺦ ﺿﺮﺑﻪ ﺑﺮﯾﺪه ﺷﺪه 13اﺳﺖ .ﺑﺮاي دﺳﺖ ﯾﺎﺑﯽ ﺑﻪ اﯾﻦ ﻣﺪل ﮐﺎﻓﯽ اﺳﺖ
ﺧﺮوﺟﯽ ﻓﺮآﯾﻨﺪ را در زﻣﺎﻧﯽ ﮐﻪ ﯾﮏ ورودي ﺿﺮﺑﻪ آن را ﺗﺤﺮﯾﮏ ﻣﯿﮑﻨﺪ ،اﻧﺪازه ﮔﯿﺮي ﮐﻨﯿﻢ .اﯾﻦ ﻣﺪل ﺑﻪ دﻟﯿﻞ ﻣﺎﻫﯿﺖ ﺷﻬﻮدي ﺧﻮد و
ﻗﺎﺑﻠﯿﺖ اﺟﺮا ﺑﺮاي ﻓﺮآﯾﻨﺪﻫﺎي ﭼﻨﺪﻣﺘﻐﯿﺮي ،ﺑﺮاي ﮐﺎرﺑﺮدﻫﺎي ﺻﻨﻌﺘﯽ ﺑﺴﯿﺎر ﻣﻮرد اﺳﺘﻘﺒﺎل ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ ،ﻫﺮﭼﻨﺪ ﻣﻮاردي ﻫﻤﭽﻮن
ﺗﻌﺪاد ﺑﺎﻻي ﭘﺎراﻣﺘﺮﻫﺎي ﻣﻮرد ﻧﯿﺎز و ﻣﺤﺪود ﺑﻮدن ﺑﻪ ﻓﺮآﯾﻨﺪ ﻫﺎي ﭘﺎﯾﺪار ﺣﻠﻘﻪ ﺑﺎز 14از ﻧﻘﺎط ﺿﻌﻒ اﺻﻠﯽ اﯾﻦ روش ﻣﺤﺴﻮب ﻣﯿﺸﻮﻧﺪ.
ﻣﺪل ﭘﺎﺳﺦ ﭘﻠﻪ اي 15ﮐﻪ در آن ورودي ﯾﮏ ﭘﻠﻪ اﺳﺖ ،ﯾﮑﯽ از ﻣﺪل ﻫﺎي ﺑﺴﯿﺎر ﻧﺰدﯾﮏ ﺑﻪ ﻣﺪل ﻣﺬﮐﻮر اﺳﺖ.
ﺑﻪ اﺣﺘﻤﺎل ﻗﺮﯾﺐ ﺑﻪ ﯾﻘﯿﻦ ،ﻣﺪل ﺗﺎﺑﻊ اﻧﺘﻘﺎل راﯾﺞ ﺗﺮﯾﻦ ﻣﺪل در ﺑﯿﻦ ﺟﺎﻣﻌﻪ آﮐﺎدﻣﯿﮏ ﺑﻮده و در ﺗﻤﺎﻣﯽ روش ﻫﺎي ﻃﺮاﺣﯽ ﮐﻨﺘﺮل
ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﯿﮕﯿﺮد ،ﭼﺮا ﮐﻪ اﯾﻦ ﻣﺪل ﺗﻨﻬﺎ ﺑﻪ ﺗﻌﺪاد اﻧﺪﮐﯽ ﭘﺎراﻣﺘﺮ ﻧﯿﺎز داﺷﺘﻪ و ﺑﺮاي ﺗﻤﺎﻣﯽ ﻓﺮآﯾﻨﺪ ﻫﺎ ﭘﺎﺳﺨﮕﻮ ﻣﯽ ﺑﺎﺷﺪ .ﻣﺪل
ﻓﻀﺎي ﺣﺎﻟﺖ ﻧﯿﺰ در ﺑﻌﻀﯽ ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﯽ ﮔﯿﺮد .اﯾﻦ ﻣﺪل ﺑﻪ راﺣﺘﯽ ﭘﺮوﺳﺲ ﻫﺎي ﭼﻨﺪ ﻣﺘﻐﯿﯿﺮه را ﺗﻮﺻﯿﻒ
ﻣﯽ ﮐﻨﺪ.
13
Truncated Impulse Response
14
Open Loop
15
Step Response Model
ﺑﻬﯿﻨﻪ ﺳﺎز)ﺑﻬﯿﻨﻪ ﮐﻨﻨﺪه( ﯾﮑﯽ دﯾﮕﺮ از ﻗﺴﻤﺖ ﻫﺎي اﺳﺎﺳﯽ اﺳﺘﺮاﺗﮋي اﺳﺖ ﭼﺮاﮐﻪ اﻋﻤﺎل ﮐﻨﺘﺮﻟﯽ را ﻣﻤﮑﻦ ﻣﯽ ﺳﺎزد .اﮔﺮ ﺗﺎﺑﻊ ﻫﺰﯾﻨﻪ
درﺟﻪ 2ﺑﺎﺷﺪ ،ﻣﯿﻨﯿﻤﻢ آن ﺑﻪ ﻋﻨﻮان ﺗﺎﺑﻌﯽ ﺻﺮﯾﺢ )ﺧﻄﯽ( از ورودي و ﺧﺮوﺟﯽ ﻫﺎي ﭘﯿﺸﯿﻦ و ﻣﺴﯿﺮ ﻣﺮﺟﻊ آﺗﯽ درﻧﻈﺮ ﮔﺮﻓﺘﻪ ﻣﯿﺸﻮد.
در ﺻﻮرت وﺟﻮد ﻣﺤﺪودﯾﺖ ﻫﺎي ﻧﺎﻣﺴﺎوي ،16ﺑﻪ دﺳﺖ آوردن راه ﺣﻞ ،ﻧﯿﺎزﻣﻨﺪ اﺳﺘﻔﺎده از اﻟﮕﻮرﯾﺘﻢ ﻫﺎي ﻋﺪدي ﺑﺎ اﻧﺠﺎم ﻣﺤﺎﺳﺒﺎت
ﺑﯿﺸﺘﺮ اﺳﺖ .ﺳﺎﯾﺰ ﻣﺴﺎﻟﻪ ﺑﻬﯿﻨﻪ ﺳﺎزي واﺑﺴﺘﻪ ﺑﻪ ﺗﻌﺪاد ﻣﺘﻐﯿﺮ ﻫﺎ و اﻓﻖ ﻫﺎي ﭘﯿﺶ ﺑﯿﻨﯽ ﻣﻮرد اﺳﺘﻔﺎده ﺑﻮده و ﻋﻤﻮﻣﺎ ﺑﻪ آن اﻧﺪازه ﺣﺎد
ﻧﯿﺴﺘﻨﺪ ﮐﻪ ﻧﯿﺎزﻣﻨﺪ ﻣﺤﺎﺳﺒﺎﺗﯽ ﭘﯿﭽﯿﺪه ﺑﺎﺷﻨﺪ .ﺑﺎاﯾﻦ وﺟﻮد ،زﻣﺎن ﻣﻮرد ﻧﯿﺎز ﺑﺮاي ﻣﺪل ﻫﺎي ﺑﺎ وﺟﻮد ﻣﺤﺪودﯾﺖ و ﻣﻘﺎوم ﺑﻪ ﺷﮑﻞ ﻗﺎﺑﻞ
ﺗﻮﺟﻬﯽ ﺑﯿﺸﺘﺮ از زﻣﺎن ﻣﺸﺎﺑﻪ ﺑﺮاي ﻣﺪل ﻫﺎي ﺑﺪون ﻣﺤﺪودﯾﺖ ﺑﻮده و ﭘﻬﻨﺎي ﺑﺎﻧﺪ ﭘﺮوﺳﺴﯽ ﮐﻪ MPCﺑﺎ وﺟﻮد ﻣﺤﺪودﯾﺖ ﺑﺮ روي آن
اﻋﻤﺎل ﻣﯿﺸﻮد ،ﺷﺪﯾﺪا ﮐﺎﻫﺶ ﻣﯽ ﯾﺎﺑﺪ.
ذﮐﺮ اﯾﻦ ﻧﮑﺘﻪ ﻻزم اﺳﺖ ﮐﻪ اﺳﺘﺮاﺗﮋي MPCﺑﺴﯿﺎر ﺷﺒﯿﻪ ﺑﻪ روش ﮐﻨﺘﺮل ﯾﮏ وﺳﯿﻠﻪ ﻧﻘﻠﯿﻪ اﺳﺖ .راﻧﻨﺪه از ﻣﺴﯿﺮ ﻣﺮﺟﻊ ﻣﻄﻠﻮب ﺑﺮاي
ﯾﮏ اﻓﻖ ﮐﻨﺘﺮﻟﯽ ﻣﺤﺪود آﮔﺎه اﺳﺖ و ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﻣﺸﺨﺼﺎت وﺳﯿﻠﻪ ﻧﻘﻠﯿﻪ )ﻣﺪل ذﻫﻨﯽ از وﺳﯿﻠﻪ ﻧﻘﻠﯿﻪ( ﺗﺼﻤﯿﻢ ﻣﯽ ﮔﯿﺮد از ﮐﺪام
روش ﮐﻨﺘﺮﻟﯽ )ﺳﺮﻋﺖ ﮔﺮﻓﺘﻦ ،ﺗﺮﻣﺰ زدن ﯾﺎ ﺗﻐﯿﯿﺮ ﺟﻬﺖ دادن( ﺑﺮاي دﻧﺒﺎل ﮐﺮدن ﻣﺴﯿﺮ ﻣﺮﺟﻊ اﺳﺘﻔﺎده ﮐﻨﺪ .در ﻫﺮ ﺑﺎزه زﻣﺎﻧﯽ ﺗﻨﻬﺎ
اﻋﻤﺎل ﮐﻨﺘﺮﻟﯽ اوﻟﯿﻪ اﻧﺠﺎم ﺷﺪه و ﺑﺮاي ﺗﺼﻤﯿﻤﺎت ﮐﻨﺘﺮﻟﯽ ﺑﻌﺪي ﻫﻤﯿﻦ روﻧﺪ و ﺑﺎ ﺣﺎﻟﺖ اﻓﻘﯽ ﺧﺰﺷﯽ ﺗﮑﺮار ﻣﯿﺸﻮد .ﺑﺎﯾﺪ ﺗﻮﺟﻪ داﺷﺖ
در زﻣﺎن اﺳﺘﻔﺎده از روش ﻫﺎي ﮐﻨﺘﺮﻟﯽ ﮐﻼﺳﯿﮏ ﻫﻤﺎﻧﻨﺪ PIDﻫﺎ ،اﻋﻤﺎل ﮐﻨﺘﺮﻟﯽ ﺑﺮﭘﺎﯾﻪ اﺷﺘﺒﺎﻫﺎت ﭘﯿﺸﯿﻦ اﺗﺨﺎذ ﻣﯿﺸﻮﻧﺪ .اﮔﺮ ﻣﺜﺎل
ﮐﻨﺘﺮل وﺳﯿﻠﻪ ﻧﻘﻠﯿﻪ را ﺑﺴﻂ دﻫﯿﻢ ،ﻫﻤﺎﻧﻄﻮر ﮐﻪ ﯾﮑﯽ از ﺗﺎﻣﯿﻦ ﮐﻨﻨﺪﮔﺎن MPCدر ﺗﺒﻠﯿﻐﺎت ﺧﻮد اﯾﻨﮑﺎر را اﻧﺠﺎم داده ﺑﻮدﻧﺪ ]،[71
ﮐﻨﺘﺮل وﺳﯿﻠﻪ ﻧﻘﻠﯿﻪ ﺑﺎ روش PIDﺑﺮاﺑﺮ راﻧﺪن ﯾﮏ اﺗﻮﻣﻮﺑﯿﻞ ﺑﺎ اﺳﺘﻔﺎده از آﯾﯿﻨﻪ ﻋﻘﺐ ﺧﻮاﻫﺪ ﺑﻮد)ﺷﮑﻞ .(1,3ﻣﻘﺎﯾﺴﻪ اﯾﻦ روش ﺑﻪ
PIDﻋﺎدﻻﻧﻪ ﻧﯿﺴﺖ ﭼﺮاﮐﻪ MPCاز اﻃﻼﻋﺎت ﺑﯿﺸﺘﺮي اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﺪ .ﺑﺎﯾﺪ ﺗﻮﺟﻪ داﺷﺖ ﮐﻪ در ﺻﻮرت در ﻧﻈﺮ ﮔﺮﻓﺘﻦ ﯾﮏ ﻧﻘﻄﻪ در
آﯾﻨﺪه )ﺑﻪ ﻋﻨﻮان ﻧﻘﻄﻪ ﻣﺸﺨﺺ ﮐﻨﻨﺪه ﻣﺴﯿﺮ ﻣﺮﺟﻊ( ﺑﺮاي ،PIDﺗﻔﺎوت ﻫﺎي ﻣﻮﺟﻮد ﻣﯿﺎن اﺳﺘﺮاﺗﮋي ﻫﺎي ﮐﻨﺘﺮﻟﯽ ﻣﺬﮐﻮر ﮐﻢ رﻧﮓ
ﺧﻮاﻫﺪ ﺷﺪ.
16
Inequality Constraint
2,1دﯾﺪﮔﺎه ﺗﺎرﯾﺨﯽ
از اواﺧﺮ دﻫﻪ 70ﻣﯿﻼدي ﻣﻘﺎﻟﻪ ﻫﺎﯾﯽ ﺑﻪ ﭼﺎپ رﺳﯿﺪ ﮐﻪ در آﻧﻬﺎ اﻗﺒﺎل ﻧﻮﭘﺎي ﺟﺎﻣﻌﻪ ﺻﻨﻌﺘﯽ ﻧﺴﺒﺖ ﺑﻪ MPCﮐﺎﻣﻼ ﻫﻮﯾﺪا ﺑﻮد .از ﺟﻤﻠﻪ
اﯾﻦ ﻣﻘﺎﻟﻪ ﻫﺎ ،ﺗﺤﻘﯿﻖ رﯾﭽﺎﻟﺖ و ﻫﻤﮑﺎران ﭼﺎپ ﻫﺎي ][104و ] [105ﮐﻪ ﺑﻪ ﮐﻨﺘﺮل اﺑﺘﮑﺎري ﭘﯿﺶ ﺑﯿﻦ ﻣﺪل ) (MPHC 17اﺧﺘﺼﺎص
داﺷﺖ )ﭼﺎپ 105ﺑﻪ ﻋﻨﻮان ﮐﻨﺘﺮل اﻟﮕﻮرﯾﺘﻤﯽ ﻣﺪل) (MAC 18ﻣﺸﻬﻮر اﺳﺖ( .و ﮐﻮﺗﻠﻮ و رﯾﻤﺎرﮐﺘﺮ ] [37ﮐﻪ درﺑﺎره ﮐﻨﺘﺮل ﻣﺎﺗﺮﯾﺲ
ﭘﻮﯾﺎ ) (DMC19ﺑﻮد ﻗﺎﺑﻞ ذﮐﺮ اﺳﺖ .ﯾﮏ ﻣﺪل ﻓﺮآﯾﻨﺪ دﯾﻨﺎﻣﯿﮑﯽ ﺑﻪ ﺷﮑﻠﯽ ﺻﺮﯾﺢ در ﻫﺮ دو اﻟﮕﻮرﯾﺘﻢ ﭘﺎﺳﺦ ﺿﺮﺑﻪ و ﭘﺎﺳﺦ ﭘﻠﻪ اﺳﺘﻔﺎده
ﻣﯿﺸﻮد ﺗﺎ ﺗﺎﺛﯿﺮ ورودي ﻫﺎي ﮐﻨﺘﺮﻟﯽ آﺗﯽ را ﺑﺮ ﺧﺮوﺟﯽ ﻫﺎ ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﺪ .اﯾﻦ ورودي ﻫﺎ ﺑﺎ ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن ﺧﻄﺎﻫﺎي ﺗﺨﻤﯿﻨﯽ ﺑﺎ
ﺗﻮﺟﻪ ﺑﻪ ﻣﺤﺪودﯾﺖ ﻫﺎي ﺳﯿﺴﺘﻢ ﺗﻌﯿﯿﻦ ﻣﯽ ﺷﻮﻧﺪ .ﻓﺮآﯾﻨﺪ ﺑﻬﯿﻨﻪ ﺳﺎزي در ﻫﺮ ﻣﻘﻄﻊ از ﻧﻤﻮﻧﻪ ﺑﺮداري و ﺑﺎ اﻃﻼﻋﺎت ﺑﻪ روز ﺷﺪه درﺑﺎره
ﻓﺮآﯾﻨﺪ اﺻﻠﯽ ﺗﮑﺮار ﻣﯽ ﺷﻮد .اﯾﻦ ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎ اﺑﺘﮑﺎري و اﻟﮕﻮرﯾﺘﻤﯽ ﺑﻮدﻧﺪ و ﻣﯽ ﺗﻮاﻧﺴﺘﻨﺪ از ﭘﺘﺎﻧﺴﯿﻞ رو ﺑﻪ اﻓﺰاﯾﺶ ﻣﺤﺎﺳﺒﺎت
دﯾﺠﯿﺘﺎل در آن زﻣﺎن ﺑﻬﺮه ﺑﺒﺮﻧﺪ.
اﯾﻦ ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎ ﺑﻪ ﺷﮑﻠﯽ ﻧﺰدﯾﮏ ﺑﺎ ﻣﺴﺎﻟﻪ ﮐﻨﺘﺮل ﺑﻬﯿﻨﻪ زﻣﺎن ﺑﺎ زﻣﺎن ﻣﯿﻨﯿﻤﻢ و ﺑﺮﻧﺎﻣﻪ ﻧﻮﯾﺴﯽ ﺧﻄﯽ در ارﺗﺒﺎط ﺑﻮدﻧﺪ .اﺻﻞ اﻓﻖ
ﺧﺰﺷﯽ ﮐﻪ ﯾﮑﯽ از اﯾﺪه ﻫﺎي ﭘﺎﯾﻪ اي MPCاﺳﺖ ،در ﺳﺎل 1963ﺗﻮﺳﻂ ﭘﺮوﭘﻮي ﭘﯿﺸﻨﻬﺎد ﺷﺪ] .[97اﯾﻦ اﺻﻞ در ﭼﻬﺎرﭼﻮب "ﻓﯿﺪﺑﮏ
ﺑﻬﯿﻨﻪ ﺣﻠﻘﻪ ﺑﺎز" در دﻫﻪ 70ﺑﻪ ﺷﮑﻠﯽ وﺳﯿﻊ ﻣﻮرد ﺑﺤﺚ واﻗﻊ ﺷﺪ.
17
Model Predictive Heuristic Control
18
Model Algorithmic Control
19
Dynamic Matrix Control
روش MPCﺑﻪ ﺧﺎﻃﺮ ﺳﺎدﮔﯽ اﻟﮕﻮرﯾﺘﻢ ﻫﺎ و اﺳﺘﻔﺎده از ﻣﺪل ﻫﺎي ﭘﺎﺳﺦ ﺿﺮﺑﻪ ﯾﺎ ﭘﻠﻪ ﮐﻪ ﻋﻠﯿﺮﻏﻢ داﺷﺘﻦ ﭘﺎراﻣﺘﺮﻫﺎي ﺑﯿﺸﺘﺮي ﻧﺴﺒﺖ
ﺑﻪ ﻓﺮآﯾﻨﺪ ﻫﺎي ﻓﺮﻣﻮل ﺑﻨﺪي ﻣﻮﺟﻮد در ﺣﯿﻄﻪ ﻓﻀﺎي ﺣﺎﻟﺖ ﯾﺎ ﺣﻮﺿﻪ ورودي-ﺧﺮوﺟﯽ ،ﺑﻪ ﻋﻠﺖ ﺷﻬﻮدي ﺑﻮدن و ﻧﯿﺎز ﮐﻤﺘﺮ ﺑﻪ اﻃﻼﻋﺎت
ﺑﺮاي ﺷﻨﺎﺳﺎﯾﯽ ،ﺑﺎ اﻗﺒﺎل ﺑﯿﺸﺘﺮي ﻣﻮاﺟﻪ ﻣﯽ ﺷﺪﻧﺪ .ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ MPCدر ﺣﻮزه ﻫﺎي ﻣﺨﺘﻠﻒ ﺻﻨﻌﺖ از ﺟﻤﻠﻪ ﺻﻨﺎﯾﻊ ﺷﯿﻤﺎﯾﯽ ﺑﻪ
ﺳﺮﻋﺖ رواج ﭘﯿﺪا ﮐﺮد .ﮔﺰارش ﮐﺎﻣﻠﯽ از ﮐﺎرﺑﺮدﻫﺎي اﯾﻦ روش در ﺑﺨﺶ ﭘﺘﺮوﺷﯿﻤﯽ در دﻫﻪ 80ﻣﯿﻼدي در ] [43ﻣﻮﺟﻮد اﺳﺖ .ﺑﺨﺶ
اﻋﻈﻢ اﯾﻦ ﮐﺎرﺑﺮدﻫﺎ در ﺳﯿﺴﺘﻢ ﻫﺎي ﭼﻨﺪﻣﺘﻐﯿﺮه ﮐﻪ داراي ﻣﺤﺪودﯾﺖ ﻫﺎﯾﯽ ﻧﯿﺰ ﺑﻮدﻧﺪ ،ﻣﺸﺎﻫﺪه ﻣﯽ ﺷﻮد .ﺑﺮﺧﻼف اﯾﻦ ﻣﻮﻓﻘﯿﺖ ،اﯾﻦ
ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎ ﻓﺎﻗﺪ ﺗﺌﻮري ﻫﺎﯾﯽ ﺑﻮدﻧﺪ ﺗﺎ ﭘﺎﯾﺪاري و ﻣﻘﺎوم ﺑﻮدن ﻧﺘﺎﯾﺞ آﻧﻬﺎ را ﺗﺎﯾﯿﺪ ﮐﻨﺪ .در ﺣﻘﯿﻘﺖ ،ﺗﺤﻠﯿﻞ ﭘﺎﯾﺪاري در ﮐﻨﺘﺮل
ﭘﯿﺶ ﺑﯿﻦ ﺑﺎ اﻓﻖ ﻣﺤﺪود ﺑﻪ ﺟﺰ در ﻣﻮارد ﺑﺴﯿﺎر ﺧﺎص ،ﺑﺴﯿﺎر ﻣﺸﮑﻞ ﺑﻮد.
ﻣﺴﯿﺮ ﺗﺤﻘﯿﻘﺎﺗﯽ دﯾﮕﺮ ﺑﻪ ﺷﮑﻞ ﻣﺴﺘﻘﻞ و در ﻣﺤﺪوده اﯾﺪه ﻫﺎي ﮐﻨﺘﺮل ﺗﻄﺒﯿﻘﯽ و ﺑﺮاي ﻓﺮآﯾﻨﺪ ﻫﺎي ﺗﮏ ﻣﺘﻐﯿﺮي ﮐﻪ ﺑﺎ ﻣﺪل ﻫﺎي
ورودي/ﺧﺮوﺟﯽ ﺗﻮﺻﯿﻒ ﻣﯽ ﺷﺪﻧﺪ،اﯾﺠﺎد ﺷﺪ .ﮐﻨﺘﺮل ﺧﻮد ﺗﻨﻈﯿﻢ ﻣﺒﺘﻨﯽ ﺑﺮ ﭘﯿﺶ ﺑﯿﻨﯽ ﭘﺘﺮﮐﺎ] [94ﻧﯿﺰ ﺟﺰء اﯾﻦ ﻃﺒﻘﻪ ﺑﻨﺪي ﻗﺮار ﻣﯽ
ﮔﯿﺮد .اﯾﻦ روش ﺑﻪ ﻣﻨﻈﻮر ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن ﻣﻌﯿﺎر درﺟﻪ 2در ﯾﮏ اﻓﻖ ﮐﻨﺘﺮﻟﯽ ﻣﻌﯿﻦ)ﻣﺤﺪود ﯾﺎ در ﺣﺪود ﻧﺎﻣﺤﺪود( ﻃﺮاﺣﯽ ﺷﺪه
ﺑﻮد.ﮐﻨﺘﺮل ﺗﻄﺒﯿﻘﯽ اﻓﻖ ﺑﺴﻂ ﯾﺎﻓﺘﻪ ) (EHAC20ﻧﯿﺰ ﺟﺰء در اﯾﻦ دﺳﺘﻪ ﻗﺮار ﻣﯿﮕﯿﺮد .اﯾﻦ روش ﺗﻼش ﻣﯽ ﮐﻨﺪ ﺗﺎ ﭘﺲ از ﺗﺎﺧﯿﺮ
ﺳﯿﺴﺘﻢ ،ﺧﺮوﺟﯽ آﺗﯽ را )ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ ﻣﻌﺎدﻟﻪ دﯾﻮﻓﺎﻧﺘﯽ ﻣﺤﺎﺳﺒﻪ ﺷﺪه( ﻧﺰدﯾﮏ ﺑﻪ ﻧﻘﻄﻪ ﻣﺮﺟﻊ ﻧﮕﺎه داﺷﺘﻪ و ﻫﻤﭽﻨﯿﻦ اﺟﺎزه ﺑﻪ
ﮐﺎر ﺑﺮدن اﺳﺘﺮاﺗﮋي ﻫﺎي ﮐﻨﺘﺮﻟﯽ ﮔﻮﻧﺎﮔﻮﻧﯽ را ﻣﯽ دﻫﺪ .ﮐﻨﺘﺮل ﺧﻮد ﺗﻨﻈﯿﻢ ﺑﺎ ﭘﯿﺶ ﺑﯿﻨﯽ ﺗﻮﺳﻌﻪ ﯾﺎﻓﺘﻪ )) ((EPSAC 21ﮐﻪ ﺗﻮﺳﻂ
ﮐﯿﺴﺮ و ﻫﻤﮑﺎران اراﺋﻪ ﺷﺪ ] [55ﯾﮏ ﺳﯿﮕﻨﺎل ﺛﺎﺑﺖ ﮐﻨﺘﺮﻟﯽ را ﭘﯿﺸﻨﻬﺎد ﻣﯽ ﮐﻨﺪ ﮐﻪ از ﻟﺤﻈﻪ اﮐﻨﻮن ) (tآﻏﺎز ﺷﺪه و ﺑﻪ ﺟﺎي ﺣﻞ
ﻣﻌﺎدﻟﻪ دﯾﻮﻓﺎﻧﺘﯽ ،از ﯾﮏ ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﻨﺪه زﯾﺮﻣﻄﻠﻮب اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﺪ .ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺗﻌﻤﯿﻢ ﯾﺎﻓﺘﻪ ) (GPC 22ﮐﻪ ﺗﻮﺳﻂ ﮐﻼرك و
ﻫﻤﮑﺎران در ﺳﺎل 1987اراﺋﻪ ﺷﺪ ﻧﯿﺰ در ﻫﻤﯿﻦ ﺑﺴﺘﺮ ﺣﺮﮐﺖ ﻣﯽ ﮐﻨﺪ ] .[34اﯾﻦ روش از اﯾﺪه ﻫﺎي وارﯾﺎﻧﺲ ﻣﯿﻨﯿﻤﻮم ﺗﻌﻤﯿﻢ
ﯾﺎﻓﺘﻪ) [32] (GMV 23اﺳﺘﻔﺎده ﮐﺮده و ﺑﻪ ﻃﻮر ﻗﺮﯾﺐ ﺑﻪ ﯾﻘﯿﻦ راﯾﺞ ﺗﺮﯾﻦ روش ﻣﻮﺟﻮد اﺳﺖ و ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ ﻣﻮﺿﻮع اﺻﻠﯽ ﺗﺤﻘﯿﻘﺎت
اراﺋﻪ ﺷﺪه در ﺑﺨﺶ ﻫﺎي آﺗﯽ اﯾﻦ ﮐﺘﺎب ﺧﻮاﻫﺪ ﺑﻮد .ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﭘﯿﺶ ﺑﯿﻦ زﯾﺎدي ﺑﺮ ﭘﺎﯾﻪ اﯾﺪه ﻫﺎي ﻣﺸﺎﺑﻪ ﺳﺎﺧﺘﻪ
ﺷﺪه اﻧﺪ ﮐﻪ از ﺟﻤﻠﻪ آﻧﻬﺎ ﻣﯿﺘﻮان ﺑﻪ ﻣﻮارد زﯾﺮ اﺷﺎره ﮐﺮد :ﮐﻨﺘﺮل ﺗﻄﺒﯿﻘﯽ ﭼﻨﺪﻣﺘﻐﯿﺮي ﭼﻨﺪﻣﺮﺣﻠﻪ اي ) ،[47](MUSMAR 24ﮐﻨﺘﺮل
ﺗﻄﺒﯿﻘﯽ اﻓﻖ ﺧﺰﺷﯽ داراي ﭼﻨﺪ ﭘﯿﺶ ﺑﯿﻨﯽ ﮐﻨﻨﺪه) ،[66](MURHAC 25ﮐﻨﺘﺮل ﻓﺎﻧﮑﺸﻨﺎل ﭘﯿﺶ ﺑﯿﻦ) (PFC 26ﯾﺎ ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ
ﯾﮏ ﺷﮑﻞ).[115](UPC 27
روش MPCﻫﻤﭽﻨﯿﻦ در ﺑﺴﺘﺮ ﻓﻀﺎي ﺣﺎﻟﺖ ﻧﯿﺰ ﺷﮑﻞ داده ﺷﺪه اﺳﺖ .اﯾﻦ اﻣﺮ ﻧﻪ ﺗﻨﻬﺎ ﮐﺎرﺑﺮد ﻗﻀﯿﻪ ﻫﺎي ﻣﻌﺮوف ﻓﻀﺎي ﺣﺎﻟﺖ را
اﻣﮑﺎن ﭘﺬﯾﺮ ﻣﯽ ﺳﺎزد ،ﺑﻠﮑﻪ ﺗﻌﻤﯿﻢ دﻫﯽ آﻧﻬﺎ را ﺑﺮاي ﻣﻮارد ﭘﯿﭽﯿﺪه ﺗﺮ ﻫﻤﭽﻮن ﺳﯿﺴﺘﻢ ﻫﺎي داراي اﻏﺘﺸﺎﺷﺎت ﺗﺼﺎدﻓﯽ و ﻧﻮﯾﺰ در
ﻣﺘﻐﯿﺮﻫﺎي اﻧﺪازه ﮔﯿﺮي ﺷﺪه را ﺗﺴﻬﯿﻞ ﻣﯿﮑﻨﺪ .ﺑﺎ ﺑﺴﻂ دادن ﻣﺪل ﭘﺎﺳﺦ ﭘﻠﻪ و اﺳﺘﻔﺎده از ﺗﮑﻨﯿﮏ ﻫﺎي ﺗﺨﻤﯿﻦ ﺣﺎﻟﺖ ﺷﻨﺎﺧﺘﻪ ﺷﺪه
ﻣﯽ ﺗﻮان ﻓﺮآﯾﻨﺪﻫﺎي داراي ﺗﺮم اﻧﺘﮕﺮال ﮔﯿﺮ را ﻧﯿﺰ ﺗﺤﺖ ﮐﻨﺘﺮل درآورد .ﺗﮑﻨﯿﮏ ﻫﺎي ﺗﺨﻤﯿﻦ ﺣﺎﻟﺖ ﮐﻪ از ﮐﻨﺘﺮل ﺑﻬﯿﻨﻪ ﺗﺼﺎدﻓﯽ
20
Extended Horizon Adaptive Control
21
Extended Prediction Self Adaptive Control
22
Generalized Predictive Control
23
Generalized Predictive Control
24
Multistep Multivariable Adaptive Control
25
Multipredictior Receding Horizon Adaptive Control
26
Predictive Functional Control
27
Unified Predictive Control
اﯾﺠﺎد ﻣﯽ ﺷﻮﻧﺪ ،ﻗﺎدرﻧﺪ ﺑﺪون اﯾﺠﺎد ﭘﯿﭽﯿﺪﮔﯽ ﺑﯿﺸﺘﺮ ،ﺑﺮاي اﻧﺠﺎم ﭘﯿﺶ ﺑﯿﻨﯽ ﻫﺎ ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﺑﮕﯿﺮﻧﺪ .اﯾﻦ دﯾﺪﮔﺎه راه را ﺑﻪ ﺳﻤﺖ
ﻗﻮاﻧﯿﻦ ﺗﻨﻈﯿﻤﯽ ﺳﺎده ﺑﺮاي ﭘﺎﯾﺪاري و ﻣﻘﺎوم ﺑﻮدن ﻣﺪل ﻫﻤﻮار ﻣﯽ ﮐﻨﺪ :ﮐﻨﺘﺮل ﮐﻨﻨﺪه MPCﻣﯿﺘﻮاﻧﺪ ﺑﻪ ﻋﻨﻮان ﯾﮏ ﺟﺒﺮان ﮔﺮ ﺑﺮ ﭘﺎﯾﻪ
ﯾﮏ ﻣﺸﺎﻫﺪه ﮐﻨﻨﺪه ﺣﺎﻟﺖ درﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه و ﭘﺎﯾﺪاري ،ﮐﺎراﯾﯽ و ﻣﻘﺎوم ﺑﻮدن آن ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻗﻄﺐ ﻫﺎي ﻣﺸﺎﻫﺪه ﮔﺮ )ﮐﻪ ﺑﺎ
ﭘﺎراﻣﺘﺮﻫﺎي ﻗﺎﺑﻞ ﺗﻨﻈﯿﻢ ﺑﻪ راﺣﺘﯽ ﺗﻨﻈﯿﻢ ﻣﯽ ﺷﻮﻧﺪ( و ﻗﻄﺐ ﻫﺎي رﮔﻼﺗﻮر )ﮐﻪ ﺑﺎ اﻓﻖ ﻫﺎي ﭘﯿﺶ ﺑﯿﻦ و ﮐﻨﺘﺮل و ﻣﺎﺗﺮﯾﺲ ﻫﺎي وزﻧﯽ و
ﻏﯿﺮه ﺗﻌﯿﯿﻦ ﻣﯽ ﺷﻮﻧﺪ ( ﻣﺸﺨﺺ ﺷﻮد .ﺗﺠﺰﯾﻪ ﺗﺤﻠﯿﻞ ﻣﺸﺨﺼﻪ ﻫﺎي ذاﺗﯽ ﺗﻤﺎﻣﯽ اﻟﮕﻮرﯾﺘﻢ ﻫﺎي ) MPCو ﺑﻪ وﯾﮋه (GPCاز ﻧﻘﻄﻪ ﻧﻈﺮ
ﺗﺌﻮري ﺧﻄﯽ ﺑﻬﯿﻨﻪ درﺟﻪ 2ﮔﺎوﺳﯽ را ﻣﯿﺘﻮان در ﮐﺘﺎب ﺑﯿﺘﻤﯿﺪ و ﻫﻤﮑﺎران ] [12ﯾﺎﻓﺖ.
ﮔﺮﭼﻪ ﺗﺤﻘﯿﻘﺎت اوﻟﯿﻪ در ﻣﻮرد ) GPCﻣﺤﺘﺎدي ] ([74ﺑﺎ اﺳﺘﻔﺎده از رواﺑﻂ ﻓﻀﺎي ﺣﺎﻟﺖ ﺑﺮﺧﯽ ﻗﻀﯿﻪ ﻫﺎي ﭘﺎﯾﺪاري را ﺑﻪ اﺛﺒﺎت رﺳﺎﻧﺪ و
ﺗﺎﺛﯿﺮ ﭼﻨﺪﺟﻤﻠﻪ اي ﻫﺎي ﻓﯿﻠﺘﺮي را ﺑﺮ ﺑﻬﺒﻮد ﻣﻘﺎوم ﺑﻮدن روش ﺑﺮرﺳﯽ ﮐﺮد ،اﻣﺎ ﮐﻤﺒﻮد اوﻟﯿﻪ ﻧﺘﺎﯾﺞ ﭘﺎﯾﺪاري ﮐﻠﯽ ﺑﺮاي ﮐﻨﺘﺮل ﮐﻨﻨﺪه
ﻫﺎي ﺧﺰﺷﯽ اﻓﻖ ﻣﺤﺪود ﺑﻪ ﻋﻨﻮان ﻧﻘﻄﻪ ﺿﻌﻒ اﯾﻦ روش ﺗﻠﻘﯽ ﺷﺪ.ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ ،در دﻫﻪ 90ﻣﯿﻼدي ،روﯾﮑﺮدي ﻧﻮ در ﺗﺤﻘﯿﻘﺎت
ﻣﺮﺑﻮط ﺑﻪ روش ﻫﺎي ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺑﺎ ﭘﺎﯾﺪاري ﺗﻀﻤﯿﻦ ﺷﺪه ﭘﺪﯾﺪار ﺷﺪ .روش ﻫﺎي ) CRHPCﮐﻼرك و اﮐﺎﺗﻮﻟﯽ ] ([30و
) SIORHCﻣﻮﺳﮑﺎ ] ([79ﺑﻪ ﺻﻮرت ﻣﺴﺘﻘﻞ اﯾﺠﺎد ﺷﺪه و ﺑﺎ اﻋﻤﺎل ﻣﺤﺪودﯾﺖ ﻫﺎﯾﯽ ﺑﺮ ﺧﺮوﺟﯽ ﺳﯿﺴﺘﻢ ﭘﺲ از اﻓﻖ ﻣﺤﺪود ،ﭘﺎﯾﺪاري
آﻧﻬﺎ اﺛﺒﺎت ﺷﺪ .اﯾﻦ ﻣﺤﺪودﯾﺖ ﻫﺎ در ﻏﺎﻟﺐ ﻣﻌﺎدﻟﻪ ﻧﻘﻄﻪ ﭘﺎﯾﺎﻧﯽ در ﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪ .ﮐﻮارﯾﺘﺎﮐﯿﺲ و ﻫﻤﮑﺎران ] [58ﺑﺎ ﻫﻤﯿﻦ ﻫﺪف GPC
ﭘﺎﯾﺪار را ﻣﻄﺮح ﮐﺮدﻧﺪ .روش ﮐﺎر آﻧﻬﺎ ﺑﻪ ﺻﻮرت اراﺋﻪ ﯾﮏ ﻓﺮﻣﻮل ﺑﻨﺪي ﺑﻮد ﮐﻪ ﭘﺎﯾﺪاري ﺣﻠﻘﻪ ﺑﺴﺘﻪ را ﺑﺎ ﭘﺎﯾﺪار ﺳﺎﺧﺘﻦ ﻓﺮآﯾﻨﺪ اﺻﻠﯽ،
ﻗﺒﻞ از ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن ﺗﺎﺑﻊ ﻫﺪف ﺗﻀﻤﯿﻦ ﻣﯽ ﮐﺮد.
اﺧﯿﺮا ﻧﺘﺎﯾﺞ ﺑﺴﯿﺎر ﺷﮕﻔﺖ آوري ﺑﺮاي ﻣﺸﮑﻞ ﭘﺎﯾﺪاري ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎي اﻓﻖ ﺧﺰﺷﯽ ﺑﺎ وﺟﻮد ﻣﺤﺪودﯾﺖ ﮐﻪ ﺣﻞ آن ﺑﺴﯿﺎر ﻣﺸﮑﻞ ﺑﻪ
ﻧﻈﺮ ﻣﯿﺮﺳﯿﺪ ،ﺑﻪ دﺳﺖ آﻣﺪه اﺳﺖ ] .[108, 130, 100ﻫﻤﭽﻨﯿﻦ ﮐﻤﭙﻮ و ﻣﺮاري ] [25و آﻟﺮاﯾﺖ ] [3ﻧﯿﺰ ﺑﻪ ﻧﺘﺎﯾﺞ ﺟﺎﻟﺐ ﺗﻮﺟﻬﯽ در
ﻣﻮرد ﮐﺎرﺑﺮد روﯾﮑﺮدﻫﺎي ﻃﺮاﺣﯽ ﮐﻨﺘﺮل ﻣﻘﺎوم دﺳﺖ ﯾﺎﻓﺘﻪ اﻧﺪ .اﯾﺪه اﺻﻠﯽ ﺑﺮاي دﺳﺖ ﯾﺎﺑﯽ ﺑﻪ اﯾﻦ ﻧﺘﺎﯾﺞ ،ﺑﺮﺧﻮرد ﺻﺮﯾﺢ ﺑﺎ ﺗﻤﺎﻣﯽ
ﻣﻮارد ﻋﺪم اﻃﻤﯿﻨﺎن ﻣﻮﺟﻮد در ﻓﺮآﯾﻨﺪ اﺻﻠﯽ و ﻃﺮاﺣﯽ MPCﺑﻪ ﮔﻮﻧﻪ اي اﺳﺖ ﮐﻪ ﺗﺎﺑﻊ ﻫﺪف را ﺑﺮاي ﺷﺮاﯾﻄﯽ ﮐﻪ ﺑﯿﺸﺘﺮﯾﻦ ﻣﯿﺰان
ﻋﺪم اﻃﻤﯿﻨﺎن در آن وﺟﻮد دارد ﺑﻬﯿﻨﻪ ﮐﻨﺪ .اﯾﻦ ﻧﺘﺎﯾﺞ ﭼﺎﻟﺶ ﺑﺮاﻧﮕﯿﺰ ﺑﺎﻋﺚ ﻣﯿﺸﻮد ﺗﺎ MPCﭼﻪ در ﺟﺎﻣﻌﻪ آﮐﺎدﻣﯿﮏ و ﭼﻪ در ﺣﻮﺿﻪ
ﻋﻤﻠﯽ و ﮐﻨﺘﺮﻟﯽ ﻗﺎدر ﺑﻪ ﭘﺎﺳﺨﮕﻮﯾﯽ ﺑﻪ رﻧﺞ وﺳﯿﻊ ﺗﺮي از ﭼﺎﻟﺶ ﻫﺎ ﺑﺎﺷﺪ .در اﯾﻦ ﺑﺎب ،ﻫﺎﻧﯽ ول ﯾﮑﯽ از ﺗﻮﻟﯿﺪ ﮐﻨﻨﺪﮔﺎن ﭘﯿﺸﺮو در
زﻣﯿﻨﻪ ﺳﺎﺧﺖ وﺳﺎﯾﻞ ﮐﻨﺘﺮل ﺗﻮزﯾﻊ ﺷﺪه از روش ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﭼﻨﺪﻣﺘﻐﯿﺮي ﻣﻘﺎوم) (RMPCدر ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل TDC3000ﺧﻮد
ﺑﻬﺮه ﺑﺮده و از آن ﺑﻪ ﻋﻨﻮان ﯾﮑﯽ از روش ﻫﺎي ﺧﻂ ﺷﮑﻦ در ﻋﺮﺻﻪ ﻓﻨﺎوري ﯾﺎد ﮐﺮده اﺳﺖ.
ﻣﺒﺤﺚ اﺻﻠﯽ در اﯾﻦ ﺑﺨﺶ ﺑﻪ آن دﺳﺘﻪ از ﺗﮑﻨﻮﻟﻮژي ﻫﺎي ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ اﺧﺘﺼﺎص دارد ﮐﻪ ﺗﺎﺛﯿﺮي ﻋﻤﯿﻖ ﺑﺮ دﻧﯿﺎي ﺻﻨﻌﺖ داﺷﺘﻪ
و ﻗﺎﺑﻞ ﺧﺮﯾﺪاري ﻫﺴﺘﻨﺪ .آﻧﭽﻪ در اﯾﻦ ﺑﺨﺶ از ﻧﻈﺮﺗﺎن ﻣﯿﮕﺬرد ﺧﻼﺻﻪ اي از ﮐﺎرﺑﺮدﻫﺎي اﯾﻦ روش ﻫﺎ و ﻣﺤﺪودﯾﺖ ﻫﺎي ﻓﻨﺎوري ﻫﺎي
ﺣﺎﺿﺮ اﺳﺖ.
اﮔﺮﭼﻪ ﺷﺮﮐﺖ ﻫﺎﯾﯽ وﺟﻮد دارﻧﺪ ﮐﻪ از ﻓﻨﺎوري ﻫﺎي اﯾﺠﺎد ﺷﺪه در داﺧﻞ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﻨﺪ) ،و ﮐﺎر ﺑﺎ آﻧﻬﺎ ﺑﻪ ﺻﻮرت ﺧﺎرﺟﯽ ﺗﻮﺻﯿﻪ
ﻧﻤﯽ ﺷﻮد( اﻣﺎ در ﻟﯿﺴﺖ زﯾﺮ ﻧﺎم ﺷﺮﮐﺖ ﻫﺎﯾﯽ آورده ﺷﺪه ﮐﻪ ﺑﻪ ﻋﻨﻮان ﭘﯿﺸﺮو در ﺻﻨﻌﺖ ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺷﻨﺎﺧﺘﻪ ﻣﯽ ﺷﻮﻧﺪ:
:DMC Corp.-ﮐﻨﺘﺮل ﻣﺎﺗﺮﯾﺲ ﭘﻮﯾﺎ)(DMC
:Adersa-ﺷﻨﺎﺳﺎﯾﯽ و دﺳﺘﻮر دﻫﯽ ) ،(IDCOM28ﮐﻨﺘﺮل ﺑﺎ وﺟﻮد ﻗﯿﺪ و ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺒﯽ ) (HIECON 29و ﮐﻨﺘﺮل ﻓﺎﻧﮑﺸﻨﺎل ﭘﯿﺶ
ﺑﯿﻦ ).(PFC
:Honeywell Profimatics-ﻓﻨﺎوري ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﻣﻘﺎوم) (RMPCT 30و ﻓﻨﺎوري ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ) .(PCT31
در ﻓﺼﻞ ﻫﺎي آﺗﯽ ﺑﻪ ﺗﻮﺿﯿﺢ دﻗﯿﻖ ﺑﺮﺧﯽ از اﯾﻦ اﻟﮕﻮرﯾﺘﻢ ﻫﺎ ﺧﻮاﻫﯿﻢ ﭘﺮداﺧﺖ .ذﮐﺮ اﯾﻦ ﻧﮑﺘﻪ ﻻزم اﺳﺖ ﮐﻪ ﻫﺮﮐﺪام از اﯾﻦ ﻣﺤﺼﻮل ﻫﺎ
اﻟﮕﻮرﯾﺘﻢ ﻣﺤﺾ ﻧﺒﻮده ﺑﻠﮑﻪ ﺑﺎ ﭘﮑﯿﺞ ﻫﺎي اﻟﺤﺎﻗﯽ ﻫﻤﺎﻧﻨﺪ ﭘﮑﯿﺞ ﺷﻨﺎﺳﺎﯾﯽ ﯾﺎ ﺑﺴﺘﻪ ﺗﺴﺖ ﭘﻼﻧﺖ ﻫﻤﺮاه ﻫﺴﺘﻨﺪ.
ﮐﯿﻦ و ﺑﺪول ] [98در ﺗﺤﻘﯿﻖ ﺧﻮد ﻧﺘﺎﯾﺞ ﭘﮋوﻫﺶ ﺻﻨﻌﺘﯽ اﻧﺠﺎم ﺷﺪه در ﺳﺎل 1997را ﺑﺎزﺗﺎب داده اﻧﺪ .ﺗﻌﺪاد ﮐﻞ ﻣﺼﺎرف ﮐﻨﺘﺮل
ﭘﯿﺶ ﺑﯿﻦ ذﮐﺮ ﺷﺪه دراﯾﻦ ﺗﺤﻘﯿﻖ ﺑﯿﺶ از 2200ﻋﺪد ﺑﻮده و ﻫﻨﻮز ﻫﻢ درﺣﺎل ﮔﺴﺘﺮش اﺳﺖ .ﺑﺨﺶ اﻋﻈﻢ اﯾﻦ ﮐﺎراﯾﯽ ﻫﺎ ﯾﻌﻨﯽ در
ﺣﺪود %67ﻣﺮﺑﻮط ﺑﻪ ﺣﻮﺿﻪ ﭘﺎﻻﯾﺶ اﺳﺖ .اﯾﻦ ﺣﻮﺿﻪ زﻣﯿﻨﻪ اﺻﻠﯽ ﻓﻌﺎﻟﯿﺖ MPCﺑﻮده و اﯾﻦ روش ﭘﯿﺸﯿﻨﻪ ﻗﻮي در اﯾﻦ ﺑﺴﺘﺮ دارد.
ﻋﻤﺪه ﮐﺎراﯾﯽ ﻫﺎي دﯾﮕﺮ ﻧﯿﺰ ﺑﻪ ﻣﺼﺎرف ﭘﺘﺮوﺷﯿﻤﯽ و ﺷﯿﻤﯽ ﻣﺮﺑﻮط اﺳﺖ .ﻫﻤﭽﻨﯿﻦ در ﻓﺮآﯾﻨﺪ ﺗﻮﻟﯿﺪ ﺧﻤﯿﺮ ﮐﺎﻏﺬ و ﮐﺎﻏﺬ ،ﺗﻬﯿﻪ ﻣﻮاد
ﻏﺬاﯾﯽ ،ﻫﻮا ﻓﻀﺎ و ﺻﻨﺎﯾﻊ ﺧﻮدروﺳﺎزي ﻧﯿﺰ ﮐﺎرﺑﺮد روز اﻓﺰون روش ﻫﺎي ﮐﻨﺘﺮﻟﯽ ﻣﺸﺎﻫﺪه ﻣﯽ ﺷﻮد .ﺑﺴﺘﺮﻫﺎي دﯾﮕﺮي ﻫﻤﭽﻮن ﮔﺎز،
ﺻﻨﺎﯾﻊ ﻫﻤﮕﺎﻧﯽ ،ﻋﻤﻠﯿﺎت ﻫﺎي ﮐﻮره اي ﯾﺎ ﻣﻌﺪن ﮐﺎري و ﻣﺘﺎﻟﻮژي ﻧﯿﺰ در ﮔﺰارش ﻣﺬﮐﻮر دﯾﺪه ﻣﯿﺸﻮﻧﺪ .در ﮔﺰارش ] [71ﻣﯽ ﺗﻮاﻧﯿﺪ
ﮐﺎرﺑﺮدﻫﺎي روش ﻫﺎي ﮐﻨﺘﺮﻟﯽ را در ﺻﻨﻌﺖ ﺳﯿﻤﺎن و ﺑﺘﻦ و ﻧﯿﺰ ﮐﺎرﺧﺎﻧﺠﺎت ﺗﻮﻟﯿﺪ ﺧﻤﯿﺮ ﮐﺎﻏﺬ ﻣﻼﺣﻈﻪ ﮐﻨﯿﺪ.
ﺷﺮﮐﺖ DMCﺑﯿﺸﺘﺮﯾﻦ ﺳﻬﻢ ﮐﺎرﺑﺮدﻫﺎ را ﮐﻪ ﭼﯿﺰي در ﺣﺪود %26اﺳﺖ ﺑﻪ ﺧﻮد اﺧﺘﺼﺎص داده و 4ﺷﺮﮐﺖ ﺗﺎﻣﯿﻦ ﮐﻨﻨﺪه دﯾﮕﺮ ﻧﯿﺰ
ﺳﻬﻤﯽ ﺗﻘﺮﯾﺒﺎ ﻣﺴﺎوي از ﮐﺎر ﮐﺮدﻫﺎ را ﺑﻪ ﺧﻮد اﺧﺘﺼﺎص داده اﻧﺪ.
ﺑﻨﺎ ﺑﻪ ﻧﻈﺮ ﻣﻮﺳﮑﻪ و راوﻟﯿﻨﮕﺰ ] [82ﻓﻨﺎوري MPCﺻﻨﻌﺘﯽ ﻣﻮﺟﻮد ،ﻣﺤﺪودﯾﺖ ﻫﺎﯾﯽ دارد ﮐﻪ از ﺟﻤﻠﻪ آﻧﻬﺎ ﻣﯽ ﺗﻮان ﺑﻪ ﻣﻮارد زﯾﺮ اﺷﺎره
ﮐﺮد:
28
Identification and Command
29
Hierarchical Constraint Control
30
Robust Model Predictive Control
31
Predictive Control Technology
32
Setpoint Multivariable Control Architeture
33
)Optimum Predicrive Control (OPC
34
Adaptive Predictive Control System
*روش ﻫﺎي ﺑﯿﺶ از ﺣﺪ ﭘﺎراﻣﺘﺮي ﺷﺪه :اﮐﺜﺮ ﮐﺎﻻي ﺗﺠﺎري از روش ﭘﺎﺳﺦ ﺿﺮﺑﻪ ﯾﺎ ﭘﻠﻪ اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﻨﺪ ﮐﻪ ﺑﻨﺎ ﺑﻪ ﺑﺎور ﻋﻤﻮﻣﯽ ﺑﯿﺶ
از ﺣﺪ ﭘﺎراﻣﺘﺮي ﺷﺪه ﻫﺴﺘﻨﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ،ﯾﮏ ﻓﺮآﯾﻨﺪ درﺟﻪ 1را ﻣﯽ ﺗﻮان ﺑﺎ ﮐﻤﮏ ﯾﮏ ﻣﺪل ﺗﺎﺑﻊ اﻧﺘﻘﺎل ﮐﻪ ﺗﻨﻬﺎ از 3
ﭘﺎراﻣﺘﺮ)ﮔﯿﻦ ،ﺛﺎﺑﺖ زﻣﺎﻧﯽ و زﻣﺎن ﺗﺎﺧﯿﺮ( ﺑﻬﺮه ﻣﯽ ﺑﺮد ﺗﻮﺻﯿﻒ ﮐﺮد ،در ﺣﺎﻟﯽ ﮐﻪ ﻣﺪل ﭘﺎﺳﺦ ﺿﺮﺑﻪ ﺑﺮاي ﺗﻮﺻﯿﻒ دﯾﻨﺎﻣﯿﮏ ﻣﺸﺎﺑﻪ
ﻧﯿﺎزﻣﻨﺪ ﺣﺪاﻗﻞ 30ﺿﺮﯾﺐ اﺳﺖ .ﻋﻼوه ﺑﺮاﯾﻦ ،ﻧﺘﺎﯾﺞ اﯾﻦ ﻣﺪل ﻫﺎ ﺑﺮاي ﻓﺮآﯾﻨﺪ ﻫﺎي ﻧﺎﭘﺎﯾﺪار ﻣﻌﺘﺒﺮ ﻧﯿﺴﺘﻨﺪ .ﺑﺎ ﺑﻪ ﮐﺎرﮔﯿﺮي ﯾﮏ ﻣﺪل
ﭘﺎراﻣﺘﺮي اﺗﻮرﮔﺮﺳﯿﻮ )35ﺧﻮدﺑﺎزﮔﺸﺖ( ﻣﯽ ﺗﻮان ﻣﺸﮑﻼت ﻓﻮق را ﺣﻞ ﮐﺮد.
*ﻓﺮآﯾﻨﺪ ﺗﻨﻈﯿﻢ :روﻧﺪ ﺗﻨﻈﯿﻢ اﯾﻦ ﻣﺪل ﻫﺎ ﺑﻪ روﺷﻨﯽ ﺗﻌﺮﯾﻒ ﻧﺸﺪه ،ﭼﺮاﮐﻪ ﻣﺼﺎﻟﺤﻪ 36ﻣﯿﺎن ﭘﺎراﻣﺘﺮﻫﺎي ﺗﻨﻈﯿﻢ و رﻓﺘﺎر ﺣﻠﻘﻪ ﺑﺴﺘﻪ
واﺿﺢ ﻧﯿﺴﺖ .ﺗﻨﻈﯿﻢ ،در زﻣﺎن وﺟﻮد ﻗﯿﺪ ﻫﺎ)ﻣﺤﺪودﯾﺖ ﻫﺎ( ﺑﺴﯿﺎر ﻣﺸﮑﻞ ﺑﻮده و ﺣﺘﯽ ﺑﺮاي ﻣﻮارد ﻧﺎﻣﯽ ،ﺗﻀﻤﯿﻦ وﺟﻮد ﭘﺎﯾﺪاري ﺑﺮاي
ﻓﺮآﯾﻨﺪ ﺣﻠﻘﻪ ﺑﺴﺘﻪ آﺳﺎن ﻧﺨﻮاﻫﺪ ﺑﻮد و ﺑﻪ ﻫﻤﯿﻦ دﻟﯿﻞ اﺳﺖ ﮐﻪ ﺗﻼش ﻫﺎي زﯾﺎدي ﺑﺮاي ﺷﺒﯿﻪ ﺳﺎزي ﻫﺎي اﺑﺘﺪاﯾﯽ ﻣﻮرد ﻧﯿﺎز اﺳﺖ.
اﻣﺮوزه ﻗﺎﺑﻠﯿﺖ ﺣﻞ ﺷﺪن ﻣﺴﺎﻟﻪ ﺑﻬﯿﻨﻪ ﺳﺎزي ﯾﺎ در اﺻﻄﻼح ﺷﺪﻧﯽ ﺑﻮدن ﻣﺴﺎﻟﻪ ،37ﯾﮑﯽ از ﭼﺎﻟﺶ ﺑﺮاﻧﮕﯿﺰ ﺗﺮﯾﻦ ﻣﻮﺿﻮﻋﺎت MPCﺑﻮده
و در ﻓﺼﻞ 7ﺑﻪ ﺗﻔﺼﯿﻞ درﺑﺎره آن ﺳﺨﻦ ﺧﻮاﻫﯿﻢ ﮔﻔﺖ.
*زﯾﺮ ﺑﻬﯿﻨﻪ 38ﺑﻮدن ﻣﺴﺎﻟﻪ ﺑﻬﯿﻨﻪ ﺳﺎزي ﭘﻮﯾﺎ :ﭘﮑﯿﺞ ﻫﺎي زﯾﺎدي وﺟﻮد دارﻧﺪ ﮐﻪ راه ﺣﻞ ﻫﺎي زﯾﺮﺑﻬﯿﻨﻪ ﺑﺮاي ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن ﺗﺎﺑﻊ
ﻫﺰﯾﻨﻪ ﺑﻪ ﻣﻨﻈﻮر ﺗﺴﺮﯾﻊ رﺳﯿﺪن ﺑﻪ ﺟﻮاب اراﺋﻪ ﻣﯽ دﻫﻨﺪ .اﯾﻦ وﯾﮋﮔﯽ در ﮐﺎرﺑﺮدﻫﺎﯾﯽ ﺑﺎ ﺳﺮﻋﺖ ﺑﺎﻻ) ﻫﻤﺎﻧﻨﺪ ﺳﯿﺴﺘﻢ ﻫﺎي ردﯾﺎﺑﯽ( ﮐﻪ
ﺣﻞ ﻣﺴﺌﻠﻪ در ﻫﺮ ﺑﺎزه زﻣﺎﻧﯽ اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﯿﺴﺖ ،ﻗﺎﺑﻞ ﻗﺒﻮل اﺳﺖ .اﻣﺎ ﺗﻮﺟﯿﻪ ﺑﮑﺎرﮔﯿﺮي اﯾﻦ روش ﻫﺎ ،ﺗﻨﻬﺎ در ﺻﻮرﺗﯽ اﻣﮑﺎن ﭘﺬﯾﺮ
اﺳﺖ ﮐﻪ راه ﺣﻞ زﯾﺮﺑﻬﯿﻨﻪ ﺗﺎ ﺣﺪ اﻣﮑﺎن ﺑﻪ ﺣﺪ ﺑﻬﯿﻨﻪ ﻧﺰدﯾﮏ ﺑﺎﺷﺪ.
*ﻋﺪم ﻗﻄﻌﯿﺖ ﻣﺪل :اﮔﺮﭼﻪ ﭘﮑﯿﺞ ﻫﺎي ﺷﻨﺎﺳﺎﯾﯽ ﻣﺪل ﻗﺎدرﻧﺪ ﺗﺎ در ﻣﻮرد ﻋﺪم ﻗﻄﻌﯿﺖ ﻣﺪل ﺗﺨﻤﯿﻦ ﻫﺎﯾﯽ اراﺋﻪ ﮐﻨﻨﺪ ،اﻣﺎ ﺗﻨﻬﺎ ﯾﮏ
ﻣﺤﺼﻮل ) (RMPCTاز اﯾﻦ اﻃﻼﻋﺎت ﺑﺮاي ﻃﺮاﺣﯽ ﻓﺮآﯾﻨﺪ ﮐﻨﺘﺮﻟﯽ اﺳﺘﻔﺎده ﻣﯿﮑﻨﺪ .ﺗﻤﺎﻣﯽ ﻣﺤﺼﻮﻻت دﯾﮕﺮ را ﻣﯽ ﺗﻮان ﺑﻪ ﻣﻨﻈﻮر
ﺑﻬﺒﻮد ﻣﻘﺎوم ﺑﻮدن از ﺣﺎﻟﺖ ﺗﻨﻈﯿﻤﺎت ﭘﯿﺶ ﻓﺮض ﺧﺎرج ﮐﺮد .اﻣﺎ راﺑﻄﻪ ﻣﯿﺎن ﮐﺎراﯾﯽ و ﻣﻘﺎوم ﺑﻮدن ﻓﺮآﯾﻨﺪ واﺿﺢ ﻧﯿﺴﺖ.
*ﻓﺮض اﻏﺘﺸﺎش ﺛﺎﺑﺖ :اﮔﺮﭼﻪ ﻣﻌﻘﻮل ﺗﺮﯾﻦ ﻓﺮﺿﯿﻪ ،اﺣﺘﻤﺎل ﺛﺎﺑﺖ ﻣﺎﻧﺪن اﻏﺘﺸﺎش ﺧﺮوﺟﯽ در زﻣﺎن آﯾﻨﺪه اﺳﺖ ،اﻣﺎ ﺑﺎ ﺗﺸﺨﯿﺺ دﻗﯿﻖ
ﺗﻮزﯾﻊ اﻏﺘﺸﺎﺷﺎت ﻣﯽ ﺗﻮان ﻓﯿﺪﺑﮏ ﻣﻨﺎﺳﺐ ﺗﺮي ﺑﻪ دﺳﺖ آورد.
*آﻧﺎﻟﯿﺰ :اﻧﺠﺎم آﻧﺎﻟﯿﺰ ﺳﯿﺴﺘﻤﺎﺗﯿﮏ ﺑﺮاي ﭘﺎﯾﺪاري و ﻣﻘﺎوم ﺑﻮدن MPCدر ﺑﺴﺘﺮ اﻓﻖ ﻣﺤﺪود اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﯿﺴﺖ .ﻗﺎﻧﻮن ﮐﻨﺘﺮﻟﯽ ﭘﯿﺶ
ﺑﯿﻦ ﺑﻪ ﻃﻮر ﮐﻠﯽ در زﻣﺎن ﺗﻐﯿﯿﺮ ﭘﺬﯾﺮ اﺳﺖ .اﯾﻦ ﻗﺎﻧﻮن ﮐﻨﺘﺮﻟﯽ ﺑﻪ ﻃﻮر ﮐﻠﯽ ﺑﻪ ﻓﺮم ﺣﺎﻟﺖ ﺣﻠﻘﻪ ﺑﺴﺘﻪ)ﺻﺮﯾﺢ( ،ﺑﻮﯾﮋه ﺑﺮاي ﻣﻮارد ﺑﺎ
وﺟﻮد ﻣﺤﺪودﯾﺖ ،ﻗﺎﺑﻞ ﺑﯿﺎن ﻧﯿﺴﺖ .
اﯾﻦ ﻓﻨﺎوري ﻧﯿﺰ ﺑﻪ ﻣﺎﻧﻨﺪ دﯾﮕﺮ ﻓﻨﺎوري ﻫﺎي ﻣﻮﺟﻮد در ﺻﻨﻌﺖ در ﺣﺎل ﭘﯿﺸﺮﻓﺖ ﺑﻮده و ﻧﺴﻞ ﺑﻌﺪي روش ﻫﺎ ﺑﺎﯾﺴﺘﯽ ﺑﺎ ﭼﺎﻟﺶ ﻫﺎي
ﺟﺪﯾﺪي در ﺑﺴﺘﺮﻫﺎي آزاد ﺗﺮ ﻫﻤﺎﻧﻨﺪ ﺷﻨﺎﺳﺎﯾﯽ ﻣﺪل ،ﺗﺨﻤﯿﻦ و ﭘﯿﺶ ﺑﯿﻨﯽ اﻏﺘﺸﺎش اﻧﺪازه ﮔﯿﺮي ﻧﺸﺪه ،ﺗﺼﺤﯿﺢ ﺳﯿﺴﺘﻤﺎﺗﯿﮏ ﺧﻄﺎي
ﻣﺪل ﺳﺎزي،ﻋﺪم ﻗﻄﻌﯿﺖ و ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﻏﯿﺮ ﺧﻄﯽ ﻣﻮاﺟﻪ ﺷﻮﻧﺪ.
35
Auto- regressive
36
Trade- Off
37
Feasibility
38
Sub-Optimality
4,1ﺧﻼﺻﻪ ﻓﺼﻞ ﻫﺎ
ﮐﺘﺎب ﺣﺎﺿﺮ ﻗﺼﺪ دارد ﺗﺎ ﺑﺎ ﻧﻈﺮ ﺑﻪ ﮐﺎرﺑﺮدﻫﺎي روش MPCدر ﺑﺨﺶ ﮐﻨﺘﺮل ﻓﺮآﯾﻨﺪ ،ﻣﻬﻤﺘﺮﯾﻦ ﻣﻮﺿﻮﻋﺎت ﻣﻮﺟﻮد در ﺣﻮﺿﻪ اﯾﻦ روش
را ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﻗﺮار دﻫﺪ .ﺑﺮاي ﻧﯿﻞ ﺑﻪ اﯾﻦ ﻣﻘﺼﻮد ،ﻓﺼﻞ ﻫﺎي اﯾﻦ ﮐﺘﺎب ﺑﻪ ﺷﺮح زﯾﺮ ﭼﯿﺪه ﺷﺪه اﻧﺪ:
ﻓﺼﻞ 2اﺻﻠﯽ ﺗﺮﯾﻦ اﺟﺰاء ﻣﻮﺟﻮد در ﺗﻤﺎﻣﯽ ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎي MPCرا ﺗﻮﺻﯿﻒ و ﺑﻬﺘﺮﯾﻦ روش ﻫﺎ را ﻣﻮرد ﺑﺎزﺑﯿﻨﯽ ﻗﺮار ﻣﯽ دﻫﺪ.
ﻫﻤﭽﻨﯿﻦ ﺧﻼﺻﻪ اي از ﺑﺎزﺑﯿﻨﯽ ﻣﻮﺛﺮﺗﺮﯾﻦ روش ﻫﺎ ﻧﯿﺰ ﺗﻬﯿﻪ ﺷﺪه اﺳﺖ .ﻣﻮﺿﻮع اﺻﻠﯽ ﻓﺼﻞ ،3ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎي ﭘﯿﺶ ﺑﯿﻦ ﻫﺴﺘﻨﺪ
ﮐﻪ ﻣﯽ ﺗﻮان آﻧﻬﺎ را ﺧﺮﯾﺪاري ﮐﺮد .در ﻓﺼﻞ 4ﻧﯿﺰ ﺑﻪ دﻟﯿﻞ ﻣﺤﺒﻮﺑﯿﺖ روش ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ﺗﻌﻤﯿﻢ ﯾﺎﻓﺘﻪ) (GPCﺑﻪ ﺗﻔﺼﯿﻞ در ﺑﺎره
آن ﺳﺨﻦ ﺧﻮاﻫﯿﻢ ﮔﻔﺖ .ﻫﻤﭽﻨﯿﻦ دو روش CRHPCو SGPCﮐﻪ از ﭘﺎﯾﺪاري ﺧﻮﺑﯽ ﺑﺮﺧﻮردار ﻫﺴﺘﻨﺪ ﻧﯿﺰ در ﻫﻤﯿﻦ ﺑﺨﺶ ﻣﻌﺮﻓﯽ
ﻣﯽ ﺷﻮﻧﺪ.
در ﻓﺼﻞ 5ﺧﻮاﻫﯿﻢ دﯾﺪ ﮐﻪ ﭼﮕﻮﻧﻪ ﺑﺎ اﺳﺘﻔﺎده از ﺑﺮﺧﯽ اﺻﻮل ﺗﻨﻈﯿﻤﯽ زﯾﮕﺮ-ﻧﯿﮑﻮﻟﺰ ﻣﯽ ﺗﻮان روش GPCرا ﺑﺮاي داﻣﻨﻪ وﺳﯿﻌﯽ از
ﭘﻼﻧﺖ ﻫﺎي ﻣﻮﺟﻮد در ﺻﻨﻌﺖ ﻓﺮآﯾﻨﺪ ﺑﻪ ﮐﺎر ﺑﺮد .ﺑﺎ ﺑﻬﺮه ﮔﯿﺮي از اﯾﻦ اﺻﻮل ،اﺟﺮاي GPCﺑﻪ ﺷﮑﻞ ﭼﺸﻤﮕﯿﺮي ﺗﺴﻬﯿﻞ ﺷﺪه و ﻣﯿﺰان
زﻣﺎن و ﻋﻤﻠﯿﺎت ﻫﺎي ﻣﺤﺎﺳﺒﺎﺗﯽ ﻣﻮرد ﻧﯿﺎز ﺑﺮاي اﺟﺮاي ﻋﻤﻮﻣﯽ روش GPCﺷﺪﯾﺪا ﮐﺎﻫﺶ ﻣﯽ ﯾﺎﺑﺪ .اﯾﻦ اﺻﻮل ﺑﺮاي ﭘﻼﻧﺘﯽ ﺗﻌﺮﯾﻒ
ﺷﺪه ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از روش ﻣﻨﺤﻨﯽ ﭘﺎﺳﺦ 39ﻗﺎﺑﻞ ﻣﺪل ﺳﺎزي ﺑﻮده و ﭘﻼﻧﺖ داراي ﺗﺮم اﻧﺘﮕﺮال ﮔﯿﺮ ﺑﺎﺷﺪ)ﺗﻘﺮﯾﺒﺎ ﺗﻤﺎﻣﯽ ﭘﻼﻧﺖ ﻫﺎي
ﻣﻮﺟﻮد در ﺻﻨﻌﺖ ﻓﺮآﯾﻨﺪ در اﯾﻦ دﺳﺘﻪ ﻗﺮار ﻣﯽ ﮔﯿﺮﻧﺪ( .ﻫﻤﭽﻨﯿﻦ ﻣﻘﺎوم ﺑﻮدن ﻣﺪل ﻧﯿﺰ ﻣﻮرد ﻣﻄﺎﻟﻌﻪ ﻗﺮار ﻣﯽ ﮔﯿﺮد .ﺑﺮاي اﻧﺠﺎم اﯾﻦ
ﻣﻬﻢ ،ﻋﺪم ﻗﻄﻌﯿﺖ ﻫﺎي ﺑﺎ ﺳﺎﺧﺘﺎر و ﺑﺪون ﺳﺎﺧﺘﺎر درﻧﻈﺮ ﮔﺮﻓﺘﻪ ﺷﺪه اﻧﺪ .ﻓﺮآﯾﻨﺪ ﺣﻠﻘﻪ ﺑﺴﺘﻪ ﻣﻮرد ﺑﺮرﺳﯽ ﻗﺮار ﻣﯽ ﮔﯿﺮد و ﻣﺤﺪودﯾﺖ
ﻫﺎي ﻋﺪم ﻗﻄﻌﯿﺖ ﺑﻪ ﮔﻮﻧﻪ اي ﻣﺸﺨﺺ ﻣﯽ ﺷﻮد ﮐﻪ ﭘﺎﯾﺪاري ﻓﺮآﯾﻨﺪ ﺣﻔﻆ ﺷﻮد .در اﯾﻦ ﺣﺎﻟﺖ GPCﺑﺮاي ﻣﺪل ﻧﺎﻣﯽ ﻃﺮاﺣﯽ ﺷﺪه
اﺳﺖ.
روش اﺟﺮاي GPCدر ﻓﺮآﯾﻨﺪ ﻫﺎي ﭼﻨﺪﻣﺘﻐﯿﺮي ،ﮐﻪ ﻋﻤﻮﻣﺎ در ﺷﺎﺧﻪ ﻫﺎي ﺻﻨﻌﺖ ﻣﺸﺎﻫﺪه ﻣﯽ ﺷﻮﻧﺪ ،در ﻓﺼﻞ 6ﺑﯿﺎن ﺷﺪه اﺳﺖ.
ﻫﻤﭽﻨﯿﻦ ﻣﺜﺎل ﻫﺎﯾﯽ در ﻣﻮرد ﻣﻮﺿﻮﻋﺎت اﺟﺮاﯾﯽ ﻫﻤﭽﻮن زﻣﺎن ﻫﺎي ﻣﺮده دراﯾﻦ ﻓﺼﻞ آورده ﺷﺪه اﺳﺖ.
ﮔﺮﭼﻪ در ﻋﻤﻞ ،ﺑﺮاي ﺗﻤﺎﻣﯽ ﻓﺮآﯾﻨﺪ ﻫﺎ ،ﻣﺤﺪودﯾﺖ ﻫﺎ و ﻗﯿﺪ ﻫﺎﯾﯽ وﺟﻮد دارد ،اﻣﺎ ﺑﯿﺸﺘﺮ ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻫﺎ ﺑﻪ ﺷﮑﻞ ﺻﺮﯾﺢ اﯾﻦ
ﻣﺤﺪودﯾﺖ ﻫﺎ را درﻧﻈﺮ ﻧﻤﯽ ﮔﯿﺮﻧﺪ .ﯾﮑﯽ از ﻣﺰﯾﺖ ﻫﺎي MPCﺗﻮاﻧﺎﯾﯽ آدرس دﻫﯽ و روﯾﺎﯾﯽ ﺻﺮﯾﺢ ﺑﺎاﯾﻦ ﻣﺤﺪودﯾﺖ ﻫﺎﺳﺖ .ﻓﺼﻞ 7
ﭼﮕﻮﻧﮕﯽ اﺟﺮاي روش MPCﺑﺮاي ﻓﺮآﯾﻨﺪ ﻫﺎﯾﯽ را ﺗﻮﺿﯿﺢ ﻣﯽ دﻫﺪ ﮐﻪ داراي ﻣﺤﺪودﯾﺖ ﻫﺴﺘﻨﺪ .ﻫﺮﭼﻨﺪ ﻣﺤﺪودﯾﺖ ﻫﺎ ﻧﻘﺶ اﺳﺎﺳﯽ
در ﺻﻨﻌﺖ اﯾﻔﺎ ﻣﯽ ﮐﻨﻨﺪ ،اﻣﺎ در اﮐﺜﺮ ﻓﺮﻣﻮل ﺑﻨﺪي ﻫﺎ ﻟﺤﺎظ ﻧﻤﯽ ﺷﻮﻧﺪ .در اﯾﻦ ﺣﺎﻟﺖ ،ﺑﻪ ﺣﺪاﻗﻞ رﺳﺎﻧﺪن ﺗﺎﺑﻊ ﻫﺪف ﺑﻪ ﺷﮑﻞ ﺻﺮﯾﺢ
دﯾﮕﺮ اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﯿﺴﺖ و دﺳﺖ ﯾﺎﺑﯽ ﺑﻪ راه ﺣﻞ ﻫﺎي ﻋﺪدي ﭼﺎره ﻣﺸﮑﻞ اﺳﺖ .ﺗﮑﻨﯿﮏ ﻫﺎي ﻋﺪدي ﻣﻮﺟﻮد در اﯾﻦ ﻓﺼﻞ ﻣﻮرد
ﺑﺎزﺑﯿﻨﯽ و اﺻﻼح ﻗﺮار ﮔﺮﻓﺘﻪ و ﻣﺜﺎل ﻫﺎ و اﻟﮕﻮرﯾﺘﻢ ﻫﺎﯾﯽ ﻧﯿﺰ ﭘﯿﺸﻨﻬﺎد ﺷﺪه اﺳﺖ.
ﻓﺼﻞ 8ﺷﺎﻣﻞ ﻓﺮآﯾﻨﺪ ﭘﯿﺎده ﺳﺎزي ﻣﻘﺎوم روش MPCاﺳﺖ .ﮔﺮﭼﻪ در ﻓﺼﻞ 5ﺑﺮاي ﻓﺮآﯾﻨﺪﻫﺎﯾﯽ ﮐﻪ از ﻃﺮﯾﻖ روش ﻣﻨﺤﻨﯽ ﭘﺎﺳﺦ ﻗﺎﺑﻞ
ﺗﻮﺻﯿﻒ ﻫﺴﺘﻨﺪ و ﺗﻮﺳﻂ GPCﮐﻨﺘﺮل ﻣﯽ ﺷﻮﻧﺪ ،ﯾﮏ آﻧﺎﻟﯿﺰ ﻣﻘﺎوم ﺑﻮدن اﻧﺠﺎم ﺷﺪ ،اﻣﺎ اﯾﻦ ﻓﺼﻞ ﻧﯿﺰ ﺑﺎ درﻧﻈﺮ ﮔﺮﻓﺘﻦ ﺻﺮﯾﺢ ﻋﺪم دﻗﺖ
و ﻋﺪم ﻗﻄﻌﯿﺖ ﻫﺎي ﻣﻮﺟﻮد در ﻣﺪل ،ﻃﺮﯾﻘﻪ اﺟﺮاي MPCرا ﻧﻤﺎﯾﺶ ﻣﯽ دﻫﺪ.
39
Reaction Curve Method
آﻧﭽﻪ ﻣﺴﻠﻢ اﺳﺖ اﯾﻦ اﺳﺖ ﮐﻪ ﻧﻤﯽ ﺗﻮان ﺑﺪون اﺟﺮاي ﻋﻤﻠﯽ GPCاﯾﻦ ﮐﺘﺎب را ﺑﻪ ﭘﺎﯾﺎن ﺑﺮد .از ﻫﻤﯿﻦ روي ،ﻓﺼﻞ 9درﺑﺮﮔﯿﺮﻧﺪه
ﻧﺘﺎﯾﺞ اﺟﺮاي روش ﻣﺬﮐﻮر در ﭘﻼﻧﺖ ﻫﺎي ﻣﺨﺘﻠﻒ ﺧﻮاﻫﺪ ﺑﻮد .اﺑﺘﺪا ﮐﺎرﺑﺮد واﻗﻌﯽ روش GPCدر ﯾﮏ ﭘﻼﻧﺖ ﺗﺎﻣﯿﻦ اﻧﺮژي ﺧﻮرﺷﯿﺪي
اراﺋﻪ ﻣﯽ ﺷﻮد .در اﯾﻦ ﻓﺮآﯾﻨﺪ اﺧﺘﻼﻻت ﻣﺘﻐﯿﺮي دﯾﺪه ﻣﯽ ﺷﻮد و ﻫﻤﯿﻦ اﻣﺮ ﺑﺎﻋﺚ ﺷﺪه ﺗﺎ ﺑﺮاي اﺟﺮاي روش ﮐﻨﺘﺮل ﺗﻄﺒﯿﻘﯽ ﻣﻨﺎﺳﺐ
ﺑﺎﺷﺪ .ﯾﮏ ﮐﻨﺘﺮل ﮐﻨﻨﺪه ﻣﺸﺎﺑﻪ ﻧﯿﺰ ﺑﺮﭘﺎﯾﻪ ﯾﮏ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮل ﺗﻮزﯾﻊ ﺷﺪه ﺗﺠﺎري اﯾﺠﺎد ﺷﺪه و ﺑﺮاي آزﻣﺎﯾﺶ ﺑﻪ ﭘﻼﻧﺖ اﻋﻤﺎل ﻣﯽ
ﺷﻮد .ﻧﺘﺎﯾﺞ ﻋﻤﻠﯿﺎﺗﯽ ﻧﺸﺎن ﻣﯽ دﻫﻨﺪ ﮐﻪ ﺗﮑﻨﯿﮏ ﮐﻨﺘﺮل ﭘﯿﺶ ﺑﯿﻦ ،ﮐﻪ ﮔﺎﻫﯽ اوﻗﺎت ﺑﻪ دﻟﯿﻞ ﭘﯿﭽﯿﺪﮔﯽ از ﺳﻮي ﺻﻨﻌﺘﮕﺮان رد ﺷﺪه
اﺳﺖ ،ﻣﯽ ﺗﻮاﻧﺪ ﺑﻪ راﺣﺘﯽ ﺑﺮاي ﻫﺮ ﺳﯿﺴﺘﻢ ﮐﻨﺘﺮﻟﯽ اﺳﺘﺎﻧﺪارد ﺑﺮﻧﺎﻣﻪ رﯾﺰي ﺷﻮد و ﻧﺘﺎﯾﺞ ﺑﻬﺘﺮ و ﮐﺎراﯾﯽ آﺳﺎن ﺗﺮي ﻧﺴﺒﺖ ﺑﻪ ﮐﻨﺘﺮل
ﮐﻨﻨﺪه ﻫﺎي PIDﮐﻼﺳﯿﮏ داﺷﺘﻪ ﺑﺎﺷﺪ .ﻧﻬﺎﯾﺘﺎ ،ﮐﺎرﺑﺮد روش GPCﺑﺮاي ﻓﺮآﯾﻨﺪ ﭘﺨﺶ ﯾﮏ ﮐﺎرﺧﺎﻧﻪ ﺗﻮﻟﯿﺪ ﺷﮑﺮ ﻧﯿﺰ دراﯾﻦ ﻓﺼﻞ اراﺋﻪ
ﺧﻮاﻫﺪ ﺷﺪ.