کتاب کنترل پیش بین غیرخطی

مدل کنترل پیش‌بین، برای چندین دهه، عرصه‌ی پرثمری از تحقیق بوده است اما فراتر از همه‌ی اینها ثابت شده که کنترل پیش‌بین تا حد زیادی در صنعت به‌ویژه در زمینه‌ی کنترل فرایند موفق بوده است. کلید محبوبیت آن، توانایی‌اش در گرفتن تخمین نظام‌یافته از محدودیت‌ها می‌باشد که به موجب آن اجازه می‌دهد فرایندها در محدودیت‌های عملکرد قابل حصول، عمل کنند از لحاظ مدل‌های خطی، این زمینه به کمال رسیده است همانطور که ظاهرا در نوشته‌های زیادی از مقالات و کتابهای تحقیقاتی مشهود شده‌است. فرض کنید که حرکات واقعی‌ترین دستگاه، غیر خطی باشد، طبیعی بود که محققان بپرسند آیا مزایای MPC خطی می‌توانست به نمونه‌ی غیر خطی منتقل شود این امر، برخی مشکلات چالش‌آور را هم به صورت نظری و هم عملی ارائه می‌دهد. اما دهه‌ی گذشته، ظهور برخی نتایج مهم بخصوص از نظر تضمین پایداری حلقه‌ی بسته بوجود آورد. اکنون یک سلسله کلی از روش‌ها وجود دارد که برخی از آنها استفاده از پیش‌بینی‌های حالت دوتایی در اتصال با خطاهای پایانی را به وجود می‌آورند یا به طور مثبت توابع لیاپانوف (Lyapunov)، مجموعه‌های نامتغیر و قیدهای پایداری‌ و بقیه مواردی که خطی‌سازی فیدبک یا سطح دیفرانسیلی را گسترش می‌دهند، کنترل می‌نمایند.
خواننده مثال‌هایی برای همه‌ی این موارد در بخش‌هایی از این کتاب پیدا خواهد کرد. اما، تنها نظریه نمی‌تواند کنترل پیش‌بین مدل غیر خطی (NMPC) را به عنوان یک استاندارد صنعتی ثابت کند و کتاب برای نگاه انداختن به برخی از مسایل کلیدی دیگر از جمله: محاسبه، بهینه‌سازی و مدلسازی، پیش می‌رود. پیچیدگی محاسبه‌ای موجود یک مفهوم اصلی در NMPC می‌باشد بخصوص برای کاربردهای نمونه‌برداری سریع، سیستم‌های با بعد بالا و مسائل کنترلی که استفاده از افق‌های پیش‌بینی بزرگ را می‌طلبند. هزینه‌ها و قیدهای عملکردی در توابع غیر محدب، ورودی‌های پیش‌بینی شده، می‌باشند و بهینه‌سازی آنها استفاده از روش‌های عددی را می‌طلبد که ماهیت تقاضا‌کننده‌ی آنها زمان موجود برای محاسبه‌ی کنونی را افزایش دهد. بنابراین برای یافتن راه‌حل‌های نیمه بهینه ضروری می‌باشد. بخش‌هایی از کتاب، سلسله رویکردهای زیر بهینه را بر اساس خطی‌کردن در اطراف مسیرهای پیش‌بینی شده، خطی‌کردن فیدبک درج و ارزیابی توابع لیاپانوف کنترل بهینه، مورد بحث قرار می‌دهد.
به‌طور حل نشدنی در ارتباط با تخمین‌ها سوال زیربهینگی (sub…) می‌باشد و تحلیلی کمّی از این مورد، در برخی از فصل‌های کتاب هم از لحاظ هزینه‌های حلقه‌ی بسته و هم حلقه باز نشان داده می‌شود. رویکردهای مختلف، مورد بحث قرار می‌گیرند، برخی کران‌های بالا را برروی هزینه گسترش می‌دهند، بقیه روش‌ها، بهینه‌سازی معکوس را می‌طلبند یا فاصله‌ی بین توابع مقدار تخمین و بهینه را اندازه‌گیری می‌کنند. موفقیت MPC تا حد زیادی به در دسترس بودن نمونه‌های قابل اعتماد بستگی دارد و برای نمونه‌ی دستگاه غیر خطی، می‌تواند کاملا چالش برانگیز باشد. از یک طرف مدلسازی مرتبط با پدیده‌شناسی می‌تواند پرهزینه باشد و ممکن است به توصیفات سیستم پیچیده منجر شود، از طرف دیگر، توصیفات ورودی- خروجی تجربی نیازمند انتخاب مناسب ساختارهای مدل، سیگنال‌های آزمایشی و پروسه‌های معتبر‌سازی می‌باشد. سوالات به تفصیل در بخش‌های مختلف کتاب در نظر گرفته می‌شود، که ابزارهای نظام یافته طبقات مدلسازی فرایندها را از طریق شبکه‌های عصبی پیشنهاد می‌کنند. کارایی چنین مدل‌هایی و راهکارهای MPC مربوطه از لحاظ کاربردهایی نظیر کنترل موتور IC، کنترل عصبی‌سازی pH، کنترل فرایند بازیافت اسید، کنترل ترکیب دوتایی تقطیر و کنترل CSTR غیر هم‌دما، نشان داده می‌شود. بخش­هایی از کتاب متمایز می‌باشند اما به‌طور غیر قابل اجتنابی تا حدی کمی با یکدیگر تطابق دارند. سه فصل اول، سه فصل گسترده را در بر می‌گیرد. که تعدادی از گرایش‌های علمی و نظری را در این زمینه مورد بررسی قرار می‌دهد. مفاد فصل­های 4 تا 8 اکثرا به نظریه پرداز رجوع خواهد کرد اگرچه در هر فصل نظریه به شکل یک کاربرد عملی نشان داده شده است. مضمون اصلی فصل­های 8 و 9 و 10 اشتقاق استراتژی‌های NMPC می‌باش