Application of Model Predictive Controller to Magnetic Levitation
Konferenční objektOmezený přístuppeer-reviewedpostprintSoubory
Datum publikování
2023
Autoři
Novotný, Aleš
Honc, Daniel
Vedoucí práce
Oponent
Název časopisu
Název svazku
Vydavatel
IEEE (Institute of Electrical and Electronics Engineers)
Abstrakt
Model Predictive Control (MPC) is an advanced process control method that is widely used for controlling both linear and under some modifications for non-linear systems. The aim of this work is to show a way how to apply MPC to a non-linear Magnetic Levitation System (MLS) and its capability of stabilization and closed-loop performance. This work is a continuation of the previous article where the laboratory plant CE 152 MLS was identified, and a non-linear model was designed. This paper proposes a control circuit consisting of linearized discretized non-linear MLS model, Extended Kalman Filter (EKF) algorithm for state estimation and linear MPC. The results are verified in simulation and real-world experiment.
Rozsah stran
p. 90-95
ISSN
Trvalý odkaz na tento záznam
Projekt
SGS_2023_016/Výzkum a vývoj nových algoritmů, postupů a metod v oblasti detekce, lokalizace, identifikace a klasifikace objektů využitím strojového učení a prvků umělé inteligence pro oblast radarové techniky, dopravy a výrobních technologií
Zdrojový dokument
Process control 23 : proceedings of the 2023 24th international conference on process control (PC)
Vydavatelská verze
https://ieeexplore.ieee.org/document/10217631
Přístup k e-verzi
Práce není přístupná
Název akce
24th International Conference on Process Control, PC 2023 (06.06.2023 - 09.06.2023, Štrbské Pleso)
ISBN
979-8-3503-4762-3
Studijní obor
Studijní program
Signatura tištěné verze
Umístění tištěné verze
Přístup k tištěné verzi
Klíčová slova
extended Kalman filter, laboratory plant CE 152, magnetic levitation system, model predictive control, non-linear system, rozšířený Kalmanův filtr, laboratorní zařízení CE 152, magnetický levitační systém, prediktivní řízení, nelineární systém