Identification and Control Using Volterra Models

در مورد دشواری کلی توسعه مدل‌های مورد نیاز برای کنترل مبتنی بر مدل فرآیندهایی که دینامیک آنها غیرخطی بودن قابل توجهی را نشان می‌دهد، مطالب زیادی نوشته شده است (برای بحث بیشتر و مراجع، به فصل 1 مراجعه کنید). در واقع، توسعه این مدل‌ها به‌عنوان یک مانع عملی مهم برای کاربرد گسترده تکنیک‌هایی مانند کنترل پیش‌بینی مدل غیرخطی (NMPC)، که همتای خطی آن عمل صنعتی را عمیقاً تغییر داده است، می‌باشد. یکی از دلایل این دشواری در تنوع بسیار زیاد \"مدل‌های غیرخطی\" نهفته است که کلاس‌های مختلف آن‌ها نسبت به کلاس مدل‌های خطی می‌توانند کمتر به یکدیگر شباهت داشته باشند. در نتیجه، اگر می‌خواهیم در توسعه، درک و استفاده از مدل‌های غیرخطی به‌عنوان مبنایی برای طرح‌های کنترل عملی موفق شویم، محدود کردن توجه به یک یا چند کلاس مدل غیرخطی خاص، یک ضرورت عملی است. از آنجایی که آنها توسعه بسیار ساختار یافته ای از کلاس مدل های پاسخ ضربه محدود خطی (FIR) را ارائه می دهند که پیاده سازی MPC خطی محبوب صنعتی بر اساس آن است، این کتاب به کلاس مدل های زمان گسسته Volterra و چند کلاس مدل غیرخطی دیگر، نزدیک به هم اختصاص داده شده است. . هدف این کتاب ارائه یک مرجع مفید برای محققان در زمینه کنترل فرآیند و حوزه‌های مرتبط نزدیک است، و طیف گسترده‌ای از نتایج را جمع‌آوری می‌کند که ممکن است در بخش‌های مختلف ادبیات بزرگی که در مورد موضوعات کلی فرآیند وجود دارد یافت شود. کنترل، نظریه سیستم های غیرخطی، مدل های سری زمانی آماری، مهندسی زیست پزشکی، و پردازش سیگنال دیجیتال، از جمله.

Much has been written about the general difficulty of developing the models required for model-based control of processes whose dynamics exhibit signif­ icant nonlinearity (for further discussion and references, see Chapter 1). In fact, the development ofthese models stands as a significant practical imped­ iment to widespread industrial application oftechniques like nonlinear model predictive control (NMPC), whoselinear counterpart has profoundly changed industrial practice. One ofthe reasons for this difficulty lies in the enormous variety of "nonlinear models," different classes of which can be less similar to each other than they are to the class of linear models. Consequently, it is a practical necessity to restrict consideration to one or a few specific nonlinear model classes if we are to succeed in developing, understanding, and using nonlinear models as a basis for practical control schemes. Because they repre­ sent a highly structured extension ofthe class oflinear finite impulse response (FIR) models on which industrially popular linear MPC implementations are based, this book is devoted to the class of discrete-time Volterra models and a fewother, closelyrelated, nonlinear model classes. The objective ofthis book is to provide a useful reference for researchers in the field of process control and closely related areas, collecting a reasonably wide variety of results that may be found in different parts of the large literature that exists on the gen­ eral topics of process control, nonlinear systems theory, statistical time-series models, biomedical engineering, and digital signal processing, among others.