أنظمة التحكم المتقدمة (MPC, H∞)

دورة متخصصة في أنظمة التحكم المتقدمة MPC وH∞، تهدف إلى تمكين المشاركين من فهم وتطبيق تقنيات التحكم الحديثة في الأنظمة الصناعية والهندسية. تركز الدورة على التحكم التنبؤي بالنموذج، تصميم المتحكمات المتينة، التعامل مع القيود والاضطرابات وعدم اليقين في النماذج، وتحسين الاستقرار والأداء التشغيلي للعمليات المعقدة باستخدام منهجيات تحليلية وتطبيقات عملية.

شهادة متضمنة

تدريب بقيادة خبراء

تعلم تطبيقي

دعم في التسجيل

أيام

5 أيام

اللغة

العربية والإنجليزية

ملخص الدورة

اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

تاريخ البدء

مرن / متاح دائماً

الشهادة

شهادة معتمدة

أيام

5 أيام

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب

تفاصيل الدورة

نظرة عامة

تُعد دورة "أنظمة التحكم المتقدمة (MPC, H∞)" برنامجًا تدريبيًا متخصصًا يهدف إلى تمكين المشاركين من فهم وتطبيق تقنيات التحكم المتقدمة في التطبيقات الصناعية والهندسية. التحكم التنبؤي بالنموذج (Model Predictive Control – MPC) هو استراتيجية تحكم متقدمة تستخدم نموذجًا ديناميكيًا للعملية للتنبؤ بسلوكها المستقبلي، ثم تحسب سلسلة من إجراءات التحكم المثلى التي تزيد من أداء العملية مع الالتزام بالقيود. يتم استخدام (H∞) (H-infinity) لتصميم وحدات تحكم متينة (Robust Controllers) تحقق استقرارًا وأداءً في ظل وجود شكوك في النموذج واضطرابات خارجية.

سوف يدرس المشاركون في هذه الدورة: أساسيات التحكم التنبؤي بالنموذج (MPC) والتحكم المتين (Robust Control) (H∞)، نمذجة الأنظمة الديناميكية (في المجال الزمني والمكان)، تصميم وحدات تحكم (MPC) للأنظمة متعددة المتغيرات (MIMO) باستخدام أدوات مثل (MATLAB/Simulink، Python with CVXPY، Gekko)، وتصميم وحدات تحكم (H∞) لمعالجة الشكوك في النموذج. تم تصميم البرنامج ليكون تطبيقيًا بنسبة 60%، من خلال تمارين على صياغة مشاكل (MPC) وحلها، ومحاكاة وحدات تحكم (MPC) و (H∞)، ودراسات حالة من الصناعات (البتروكيماويات، الطاقة، الروبوتات، الفضاء).

الأهداف

أهداف البرنامج

بنهاية هذه الدورة، سيكون المشارك قادرًا على:

فهم الحاجة إلى التحكم المتقدم وقيود التحكم (PID) التقليدي – مراجعة متحكم (PID) (نسبة-تكامل-تفاضل). القيود: (1) أداء محدود للأنظمة متعددة المتغيرات (MIMO). (2) التعامل الضعيف مع القيود (الحدود (Saturation)، معدلات التغيير). (3) غير قادر على التنبؤ بالتغيرات المستقبلية. متى نحتاج إلى (MPC) أو (H∞)؟
فهم نظرية (Model Predictive Control – MPC) – المبادئ: (1) استخدام نموذج تنبؤي (Prediction Model) للتنبؤ بسلوك العملية خلال أفق زمني (N steps). (2) حل مشكلة تحسين (Optimization Problem) في كل خطوة زمنية لحساب تسلسل التحكم الأمثل (u(t)، u(t+1)، ...). (3) تطبيق إجراء التحكم الأول فقط (u(t))، ثم تكرار العملية في الخطوة الزمنية التالية (Receding Horizon Control). الصياغة الرياضية: دالة التكلفة (Cost Function) (معاقبة الأخطاء (Errors) وإجراءات التحكم)، القيود (Constraints) (على مخرجات العملية، وإجراءات التحكم، ومعدلات التغيير).
تصميم وتنفيذ وحدات تحكم (MPC) للأنظمة الخطية وغير الخطية – اختيار المعلمات (أفق التنبؤ (Np)، أفق التحكم (Nc)، دالة التكلفة (Q، R)). ضبط وحدة التحكم (MPC) (Tuning). تطبيق (MPC) على أنظمة (SISO) و (MIMO). استخدام (MATLAB/Simulink) و (Python) مع مكتبات (Gekko، Do-MPC، CVXPY) لتصميم ومحاكاة وحدات تحكم (MPC).
فهم نظرية التحكم المتين (Robust Control) و (H∞) – معالجة الشكوك في النموذج (المعلمات غير المؤكدة، الديناميكيات غير النموذجية، الاضطرابات الخارجية). معيار الأداء (H∞): تقليل أسوأ تأثير للاضطراب على الإخراج. تصميم متحكم (H∞) باستخدام (Linear Matrix Inequalities – LMIs) أو أوامر (MATLAB) مثل (hinfsyn). تطبيق (H∞) على أنظمة (SISO) و (MIMO).
تطبيق التحكم المتقدم على حالات استخدام عملية (عملية كيميائية (CSTR)، نظام طاقة (Power System)، روبوت (Robot)) – نمذجة النظام، تصميم (MPC)، تصميم (H∞)، محاكاة، مقارنة الأداء (مع (PID)).

الفئة المستهدفة

يستهدف هذا البرنامج التدريبي الفئات التالية:

مهندسو التحكم (Control Engineers) والأتمتة (Automation Engineers) في الصناعات (البتروكيماويات، الطاقة، التصنيع، الروبوتات، الطيران).
مهندسو العمليات (Process Engineers) الذين يرغبون في تحسين كفاءة العمليات.
مهندسو أنظمة الطاقة (Power Systems Engineers) (للتحكم في الجهد والتردد وتدفق الطاقة).
مهندسو الروبوتات (Robotics Engineers).
باحثو وأكاديميو الهندسة الكهربائية والميكانيكية وهندسة الحاسوب.
خريجو الهندسة الكهربائية والميكانيكية وهندسة الحاسوب.

الكفاءات

الكفاءات الأساسية

صياغة وحل مشكلة (MPC) لنظام خطي (SISO) (نظام الخزان الأول والثاني - Two-Tank System)

صياغة دالة التكلفة (معاقبة خطأ المستوى وإجراءات التحكم (موضع الصمام)). تحديد أفق التنبؤ (5) وأفق التحكم (2). حل مشكلة التحسين (باستخدام (CVXPY) أو (MATLAB)). تنفيذ محاكاة (MPC) (في (Simulink)).

ضبط معلمات (MPC) (Np، Nc، Q، R) لتحقيق التوازن بين سرعة الاستجابة، والزمن المستقر، وقوة التحكم

زيادة Np يحسن التنبؤ طويل المدى (ولكن يزيد الحساب). زيادة Nc يزيد من قوة التحكم (ولكن يمكن أن يتسبب في عدم الاستقرار). زيادة Q تعاقب الأخطاء بشدة (استجابة سريعة). زيادة R تعاقب إجراءات التحكم بشدة (استقرار، تقليل النفقات). تطبيق عملي: ضبط معلمات (MPC) لنموذج المفاعل (CSTR).

تصميم متحكم (H∞) لنظام غير مؤكد باستخدام (MATLAB)

تحديد النموذج الاسمي (Nominal Model) وعدم اليقين (مضاعف (Multiplicative)، إضافي (Additive)). استخدام أمر (hinfsyn) لتصميم متحكم (H∞). تقييم الأداء (تحليل القيمة المفردة (Singular Value)، وظائف الحساسية (Sensitivity)، وظائف الحساسية التكميلية (Complementary Sensitivity)).

محاكاة أداء (MPC) مقابل (PID) (نظام المفاعل CSTR - تحكم في درجة الحرارة)

نمذجة نظام (CSTR) غير الخطي. تصميم متحكم (PID) (باستخدام طريقة Ziegler-Nichols). تصميم متحكم (MPC) (باستخدام نموذج خطي مفرد). محاكاة استجابة النظام لكل من (MPC) و (PID) في ظل تغيير في نقطة التحديد (Setpoint) واضطراب في التحميل (Load Disturbance). مقارنة الوقت المستقر (Settling Time)، التجاوز (Overshoot)، خطأ الحالة المستقرة (Steady-State Error).

تطبيق (MPC) على نظام طاقة (Microgrid) – تحسين تدفق الطاقة بين الألواح الشمسية والتخزين والشبكة

صياغة مشكلة (MPC) للتنبؤ بالطلب على الطاقة (Load) في الـ 24 ساعة القادمة (بناءً على البيانات التاريخية والتنبؤ الجوي). تقرير أوامر البطارية (الشحن/التفريغ) لتقليل الاعتماد على الشبكة (أو بيع الطاقة الفائضة). محاكاة (MPC) مقابل استراتيجية التحكم على أساس القاعدة (Rule-Based).

تطبيق (H∞) على نظام تعليق السيارة (Active Suspension) لتحسين راحة الركوب والتعامل

تصميم متحكم (H∞) لتقليل تأثير اضطرابات الطريق (حفرة، مطب) على هيكل السيارة. محاكاة أداء (H∞) (تسارع الهيكل، تسارع العجلة، مسافة التعليق) ومقارنته مع نظام التعليق السلبي (Passive Suspension).

رحلة التعلم

محتوى البرنامج

مقدمة المحاور المتقدمة للبرنامج

تصميم البرنامج ومدته

تم تصميم الدورة على مدى 5 أيام (25 ساعة تدريبية).

اليوم الأول: أساسيات التحكم (PID) ومقدمة إلى التحكم المتقدم (MPC)

مراجعة متحكم (PID) (نسبة-تكامل-تفاضل)

متحكم (P) (نسبة): u(t) = Kp × e(t) (حيث e(t) هو الخطأ). التأثير: يقلل وقت الاستجابة ولكنه يترك خطأ ثابتًا. متحكم (PI) (نسبة-تكامل): يلغي الخطأ الثابت (باستخدام التكامل). متحكم (PID) (نسبة-تكامل-تفاضل): يحسن الاستقرار ويقلل التجاوز (باستخدام التفاضل). ضبط (PID) (طرق Ziegler-Nichols، التجربة والخطأ). محاكاة (PID) لنظام الترتيب الثاني.

قيود التحكم (PID) – الحاجة إلى (MPC)

(1) أداء محدود للأنظمة متعددة المتغيرات (MIMO) (مثل نظام (2×2) حيث يؤثر الإدخال 1 على الإخراج 2 والعكس). (2) عدم القدرة على معالجة القيود (على سبيل المثال، موضع الصمام يجب أن يكون بين 0 و 100%، ووتيرة التغيير يجب أن تكون محدودة). (3) غير قادر على التنبؤ بالتغيرات المستقبلية (قد يحدث تأخير في الاستجابة). (4) متحكم (PID) لا يعمل بشكل جيد للأنظمة غير الخطية. أمثلة: المفاعلات الكيميائية (CSTR)، المفاعلات الحيوية، تحكم الطيران، تحكم الروبوت.

مقدمة إلى التحكم التنبؤي بالنموذج (Model Predictive Control – MPC)

مبدأ (MPC): (1) استخدم نموذج النظام للتنبؤ بالمخرجات المستقبلية (Np steps ahead). (2) في كل خطوة زمنية، قم بحل مشكلة تحسين (Optimization Problem) لإيجاد تسلسل التحكم الأمثل (Nc steps) الذي يقلل من دالة التكلفة. (3) قم بتطبيق أول خطوة تحكم فقط. (4) قم بتحديث الحالة وكرر العملية (Receding Horizon). المتغيرات الرئيسية: أفق التنبؤ (Prediction Horizon – Np)، أفق التحكم (Control Horizon – Nc)، دالة التكلفة (Cost Function). مزايا (MPC): (1) يتعامل مع القيود بشكل طبيعي. (2) ينطبق على الأنظمة متعددة المتغيرات (MIMO). (3) يمكنه تضمين التنبؤات المستقبلية (لنقطة التحديد أو الاضطراب). (4) يعمل بشكل جيد للأنظمة غير الخطية (مع النماذج غير الخطية).

صياغة مشكلة (MPC) – نظام (SISO)

**دالة التكلفة J = Σ ( y(t+k t) – r(t+k) )² × Q + Σ Δu(t+k-1)² × R**. حيث y(t+k t) هي المخرجات المتوقعة في الوقت (t+k) بناءً على المعلومات المتاحة في الوقت (t)، r(t+k) هي نقطة التحديد المستقبلية، Δu هي تغيير إجراء التحكم، Q و R هما أوزان الترجيح. القيود: u_min ≤ u(t+k) ≤ u_max (قيمة التحكم)، Δu_min ≤ Δu(t+k) ≤ Δu_max (معدل تغيير التحكم). y_min ≤ y(t+k) ≤ y_max (المخرجات). أداة حل مشكلة (QP – Quadratic Programming) شائعة الاستخدام. تطبيق عملي: صياغة مشكلة (MPC) لنظام الخزان الأول والثاني (SISO) (التحكم في المستوى).

ورشة عمل عملية (محاكاة (PID) مقابل (MPC) في (MATLAB/Simulink) لنظام الخزان الأول والثاني)

المطلوب (فرق عمل صغيرة): (1) في (Simulink)، قم ببناء نموذج لنظام الخزان الأول والثاني (مع ثابت الوقت 20 ثانية، وكسب 1). (2) صمم متحكم (PI) (باستخدام طريقة Ziegler-Nichols). (3) صمم متحكم (MPC) (باستخدام كتلة (MPC Controller) في (Simulink) مع Np=20، Nc=5، Q=1، R=0.1). (4) قم بمحاكاة استجابة النظام لتغيير نقطة التحديد من 0 إلى 1 في الوقت (t=10 ثانية). (5) أضف اضطراب خطوة في الحمل (على سبيل المثال، تدفق دخول إضافي) في الوقت (t=100 ثانية). (6) قارن بين منحنيات الاستجابة (التجاوز، الوقت المستقر، خطأ الحالة المستقرة). (7) ناقش متى يتفوق (MPC) على (PID).

اليوم الثاني: (MPC) للأنظمة متعددة المتغيرات (MIMO) والأنظمة غير الخطية

(MPC) للأنظمة متعددة المتغيرات (MIMO)

مثال على نظام (MIMO) (2×2): مفاعل (CSTR) حيث تؤثر كل من تدفق التبريد (u1) وتدفق المادة المتفاعلة (u2) على كل من درجة الحرارة (y1) والتركيز (y2). (MPC) يعالج التفاعل بين الحلقات (Loop Interaction) بشكل طبيعي (على عكس (PID)، الذي قد يتطلب مصفوفة إلغاء تشابك (Decoupling Matrix)). صياغة دالة التكلفة (MIMO): J = Σ ( y(t+k t) – r(t+k) ²_Q ) + Σ ( Δu(t+k-1) ²_R ). Q و R هما مصفوفات وزن (يجب ضبطها). تطبيق عملي: تصميم متحكم (MPC) لنظام (2×2) (نظام عمود التقطير).

(MPC) للأنظمة غير الخطية (Nonlinear MPC – NMPC)

القيود على نموذج (MPC) الخطي: نموذج خطي لا يمكنه التنبؤ بدقة بسلوك النظام غير الخطي. نهج (NMPC): استخدام نموذج غير خطي (على سبيل المثال، النموذج القائم على الفيزياء، الشبكة العصبية (Neural Network)) داخل حلقة التحسين. حل مشكلة (NMPC): أكثر صعوبة من الناحية الحسابية (غالبًا ما يتطلب (Sequential Quadratic Programming – SQP) أو (Interior Point) مع ميزات غير خطية). تطبيق عملي: تصميم متحكم (NMPC) لنظام (CSTR) غير الخطي (مع الحركة الحرارية (Exothermic Reaction)). استخدم نموذجًا غير خطيًا (دالة في (Python) أو (MATLAB)). قارن أداء (NMPC) مع (MPC) الخطي (المبني على نموذج خطي مفرد حول نقطة التشغيل).

اختيار معلمات (MPC) وتأثيراتها

أفق التنبؤ (Np): يؤثر على قدرة التنبؤ طويل المدى والثبات. Np صغير (تحكم قصير النظر)، Np كبير (مستقر، ولكن أكثر تكلفة من الناحية الحسابية). أفق التحكم (Nc): عدد الإجراءات الحرة. Nc = 1 (تحكم بسيط)، Nc = Np (تحكم معقد). أوزان دالة التكلفة (Q، R): نسبة (Q/R) تحدد المفاضلة بين خطأ التتبع (Tracking Error) وجهد التحكم (Control Effort). Q عالية (خطأ صغير)، R عالية (تحكم ناعم). ضبط (MPC): الطريقة التجريبية أو استخدام الاستراتيجيات الآلية (مثل Bayesian Optimization).

ورشة عمل عملية (تصميم (MPC) لنظام المفاعل الكيميائي (CSTR) باستخدام (Python) أو (MATLAB))

المطلوب (فرق عمل صغيرة): (1) تم توفير نموذج نظام (CSTR) (غير الخطي). (2) قم بصياغة مشكلة (MPC) (متغير الحالة: درجة الحرارة، التركيز؛ التحكم: تدفق التبريد). (3) استخدم (CasADi) أو (Gekko) مع (Python) (أو أداة (MPC) في (MATLAB)) لحل مشكلة (MPC). (4) قم بمحاكاة (MPC) لتغيير نقطة التحديد في درجة الحرارة. (5) أضف قيودًا على تدفق التبريد (قيمة قصوى ومعدل تغيير). (6) أضف اضطرابًا (على سبيل المثال، تغير في درجة حرارة المادة المتفاعلة الداخلة). (7) لاحظ كيف يتكيف (MPC) للتعامل مع الاضطراب مع الحفاظ على القيود.

دمج معلومات الاضطراب المستقبلية (Feedforward MPC)

معرفة الاضطراب مسبقًا (Known Disturbance): على سبيل المثال، توقع الحمل (Load) في الـ 24 ساعة القادمة (في الشبكة الذكية)، أو تغيير نقطة التحديد المخطط (Planned Setpoint Change). (MPC) يمكنه تضمين هذه المعلومات المستقبلية مباشرة في مشكلة التحسين. تطبيق عملي: شبكة صغيرة بها طاقة شمسية وبطارية وتحميل (Load). توقع (Load) في الـ 4 ساعات القادمة. استخدم (MPC) لتقرير ما إذا كان يجب شحن البطارية أو تفريغها لتقليل الاعتماد على الشبكة.

اليوم الثالث: نظرية التحكم المتين (Robust Control) و (H∞)

الحاجة إلى التحكم المتين (Robust Control) – الشكوك (Uncertainties) في النمذجة

مصادر الشكوك (Uncertainties): (1) معلمات غير مؤكدة (على سبيل المثال، الكتلة، والصلابة، والاحتكاك). (2) ديناميكيات غير مؤكدة (على سبيل المثال، أوضاع عالية التردد غير النموذجية). (3) اضطرابات خارجية (ضوضاء القياس، اضطرابات الحمل). الهدف من التحكم المتين (Robust Control): تصميم متحكم واحد يعمل بشكل جيد لجميع النباتات الممكنة ضمن مجموعة محددة من عدم اليقين (Uncertainty Set).

تمثيل عدم اليقين (Uncertainty Representation)

عدم اليقين المضاعف (Multiplicative Uncertainty): G(s) = G₀(s) × (1 + W(s) × Δ(s))، حيث G₀(s) هو النموذج الاسمي، W(s) هو وزن عدم اليقين (يشكل حجم عدم اليقين)، Δ(s) هو عدم اليقين "الوحدة" ( Δ ∞ ≤ 1). عدم اليقين الإضافي (Additive Uncertainty): G(s) = G₀(s) + W(s) × Δ(s). يستخدم تحليل (H∞) تمثيل عدم اليقين لتصميم متحكم متين (Robust Controller).

معيار (H∞) (H-infinity Norm)

تعريف معيار (H∞) للنظام (G(s)): G ∞ = max_ω G(jω) (قمة الحجم عبر جميع الترددات). تفسير (H∞) في المجال الزمني: الجذر التربيعي للطاقة (RMS) للإخراج مقارنة بالإدخال لأسوأ إشارة إدخال (ذو طاقة محدودة). تطبيق (H∞) في تصميم متحكم: الهدف هو تصميم متحكم (K) بحيث يكون معيار (H∞) لوظيفة معينة (حساسية (S)، حساسية تكميلية (T)، حساسية التحكم (KS)، حساسية الاضطراب (GS)) أقل من 1.

تصميم متحكم (H∞) باستخدام (MATLAB) (hinfsyn)

الخطوات: (1) تحديد النموذج الاسمي (G₀(s)). (2) تحديد عدم اليقين (W(s)). (3) تشكيل نظام معمم (Generalized Plant) (P) الذي يدمج النموذج الاسمي والأوزان والمتحكم. (4) استخدام أمر (hinfsyn) لحساب متحكم (K) الذي يحقق F_l(P, K) ∞ < 1. (5) التحقق من المتانة (Robustness) (تحليل القيمة المفردة (Singular Value)، دوائر الحساسية). تطبيق عملي: تصميم متحكم (H∞) للنظام (Distillation Column) بنموذج معاملات غير مؤكدة (±20%).

ورشة عمل عملية (تصميم متحكم (H∞) لنظام التعليق النشط (Active Suspension) باستخدام (MATLAB))

المطلوب (فرق عمل صغيرة): (1) النموذج الاسمي لربع سيارة (Quarter Car Model) (معاملات: m_s، m_u، k_s، c_s). (2) حدد عدم اليقين في (k_s) (صلابة الزنبرك) و (c_s) (معامل التخميد) (±30%). (3) استخدم (hinfsyn) لتصميم متحكم (H∞) لتقليل تسارع الهيكل (لتحسين الراحة) مع الحفاظ على مسافة التعليق ضمن الحدود. (4) قم بمحاكاة أداء (H∞) لاضطراب نموذجي للطريق (مطبات (Bump)). (5) قارن مع التعليق السلبي (Passive Suspension) (متحكم (H∞) يعمل على تحسين الراحة بنسبة 30-50%).

مقارنة (H∞) مع (MPC)

(MPC) نقاط القوة: التعامل مع القيود، التنبؤ بالسلوك المستقبلي (الترقب (Feedforward))، قابل للتطبيق على الأنظمة غير الخطية. نقاط قوة (H∞): المتانة الرياضية (Robustness) (ضمان أداء في وجود شكوك في النموذج)، باستخدام أدوات تصميم منظمة. القواسم المشتركة: يمكن التعبير عن (MPC) في إطار (H∞) لنماذج معينة (خطية). غالبًا ما يتم دمج (MPC) مع دوائر (H∞) لتحقيق المتانة.

اليوم الرابع: تطبيقات (MPC) و (H∞) في أنظمة الطاقة (Smart Grid, Microgrid)

(MPC) لإدارة الطاقة في المباني (Building Energy Management)

الهدف: توقع الحمل (Load) في المبنى (الإضاءة، التدفئة والتهوية وتكييف الهواء (HVAC)، الأجهزة) وضبط استهلاك الطاقة لتقليل التكلفة (مع الأخذ في الاعتبار التعريفة المتغيرة حسب الوقت (Time-of-Use) وأهداف الاستجابة للطلب (Demand Response)). المتغيرات: درجة حرارة الغرفة (مخرجات)، تدفق التبريد (HVAC) (تحكم)، الحمل الكهربائي (اضطراب مقيس). صياغة (MPC): دالة التكلفة = Σ (تكلفة الطاقة × الطاقة المستهلكة) + Σ (انتهاك القيود على الراحة (درجة الحرارة خارج النطاق)). تطبيق عملي: محاكاة (MPC) لمبنى تجاري صغير باستخدام توقعات الحمل لمدة 24 ساعة.

(H∞) لتحكم الجهد في شبكة التوزيع (Distribution Grid Voltage Control)

المشكلة: توليد الطاقة المتجددة المتقطع (PV، الرياح) يسبب تقلبات في الجهد. الهدف: تصميم متحكم لتنظيم الجهد عند العقد (Buses) عن طريق ضبط إعدادات (tap) للمحول (Transformer) وحقن القدرة غير الفعالة من محولات الطاقة المتجددة (Inverters). تطبيق (H∞): تعامل مع تقلبات الطاقة المتجددة كاضطراب غير مؤكد. صمم متحكمًا متينًا للحفاظ على الجهد ضمن الحدود (0.95-1.05 p.u.) لجميع سيناريوهات التوليد الممكنة. محاكاة: شبكة توزيع بها 5 عقد (Buses)، مع 3 أنظمة PV (بقدرة 100 كيلوواط لكل منها). أظهر أداء (H∞) تحت تقلبات PV السريعة.

(MPC) لتحسين تدفق الطاقة في (Microgrid)

نظام (Microgrid): يتضمن PV، وبطارية، ومولد ديزل (اختياري)، والحمل (Load). الهدف: إدارة تدفق الطاقة لتقليل تكلفة الوقود (للديزل) والاعتماد على الشبكة الرئيسية (Main Grid). صياغة (MPC): دالة التكلفة = Σ (تكلفة شراء الكهرباء من الشبكة – إيرادات بيع الكهرباء إلى الشبكة) + Σ (تكلفة وقود الديزل). القيود: حدود قدرة العاكس (Inverter) للبطارية، حدود (SoC) للبطارية، حدود خط الشبكة. تطبيق عملي: محاكاة (MPC) لـ (Microgrid) لمدة 24 ساعة (مع توقعات (PV) وحمل يومي).

ورشة عمل عملية (تصميم (MPC) لـ (Microgrid) باستخدام (Python) أو (MATLAB))

المطلوب (فرق عمل صغيرة): (1) حدد (Microgrid) مع PV (50 كيلوواط)، بطارية (100 كيلوواط/ساعة، حد (SoC) 20-80%)، وحمل (Load) (متوسط 50 كيلوواط). (2) توقع (PV) والحمل (Load) لمدة 24 ساعة (ساعة بساعة). (3) صمم دالة التكلفة (MPC) لتقليل تكلفة الكهرباء (باستخدام تعريفات الوقت من شركة الكهرباء السعودية). (4) حل مشكلة (MPC) (باستخدام (CVXPY) أو (Gekko)). (5) جدول شحن/تفريغ البطارية وشراء/بيع الطاقة من الشبكة. (6) قارن استراتيجية (MPC) مع استراتيجية التحكم على أساس القاعدة (Rule-Based) (على سبيل المثال، شحن البطارية عندما يكون (PV) فائضًا). (7) احسب التوفير في التكلفة من (MPC).

دمج (MPC) و (H∞) في نظام تحكم هجين (Hybrid Control)

الدافع: يمكن لـ (MPC) التعامل مع القيود، ولكن قد يكون حساسًا للشكوك في النموذج. يمكن لـ (H∞) ضمان المتانة. النهج: استخدم (H∞) لتصميم متحكم (Loop-Shaping) مسبقًا (Pre-filter) حول نظام الحلقة المغلقة (Closed-Loop) لجعله متينًا. ثم صمم (MPC) للتعامل مع القيود. تطبيق عملي: نظام سيرفو (Servo) عالي الدقة (محرك DC) به احتكاك غير مؤكد وقيود على الجهد. استخدم (H∞) لجعل حلقة السرعة متينة، ثم استخدم (MPC) للتحكم في الموضع مع قيود على السرعة والتيار.

اليوم الخامس: مواضيع متقدمة (Nonlinear MPC، Economic MPC) ودراسات حالة

التحكم التنبئي بالنموذج غير الخطي (Nonlinear MPC – NMPC) (مراجعة وتعمق)

التحديات: (1) حل مشكلة تحسين غير خطية في كل خطوة زمنية (على سبيل المثال، استخدام (Sequential Quadratic Programming – SQP) أو (Interior Point)). (2) التقارب المحلي (قد لا يجد الحل الأمثل العالمي). (3) التكلفة الحسابية عالية (قد لا تكون مناسبة للأنظمة سريعة النبض). أدوات (NMPC) في (MATLAB): (nlmpc). في (Python): (CasADi) مع (Ipopt)، (Gekko)، (do-mpc). تطبيق عملي: (NMPC) لـ (CSTR) مع تفاعل قوي طارد للحرارة. قارن (NMPC) مع (MPC) الخطي (المبني على النمذجة عند نقطة التشغيل). أظهر أداء أفضل لـ (NMPC) لتغيير نقطة التحديد الكبيرة.

التحكم التنبئي بالنموذج الاقتصادي (Economic MPC – EMPC)

(MPC) التقليدي: يقلل من خطأ التتبع (Tracking Error) باستخدام دالة تكلفة تربيعية. (EMPC): يقلل مباشرة من المقياس الاقتصادي (التكلفة، الإنتاج، الكفاءة). على سبيل المثال، في (CSTR)، قلل من تكلفة المواد المتفاعلة مع زيادة إنتاج المنتج إلى أقصى حد. دالة تكلفة (EMPC): J = Σ (تكلفة الإدخال) – Σ (إيرادات الإخراج) (قد تكون غير تربيعية). تطبيق عملي: (EMPC) لـ (CSTR) مع معادلة تكلفة/إيرادات خطية. قارن (EMPC) مع (MPC) التربيعي التقليدي. أظهر أن (EMPC) يمكن أن يحقق ربحًا أعلى (ولكن ربما مع زيادة تقلب درجة الحرارة).

دراسة حالة 1: (MPC) لتحكم الطيران (Flight Control – Quadcopter)

النظام: (Quadcopter) مع 4 محركات (مدخلات). المخرجات: الموقع (x، y، z) والزاوية (yaw، pitch، roll). (MPC) يمكنه التعامل مع القيود (زوايا قصوى، سرعات قصوى للمحرك) وتحديد الأولويات بين المهام المختلفة (التتبع مقابل الاستقرار). تطبيق عملي: محاكاة (Quadcopter) الذي يتتبع مسارًا مرغوبًا (على سبيل المثال، طيران على شكل "8"). استخدم (MPC) مع Np=20، Nc=5. أظهر المتانة ضد الرياح العاتية (اضطراب).

دراسة حالة 2: (H∞) لتحكم التوربين الريحي (Wind Turbine Control)

النظام: توربين ريحي مع سرعة رياح متغيرة. الأهداف: (1) تنظيم سرعة الدوار عند النطاق الأمثل (لتحقيق أقصى قدرة). (2) تقليل الأحمال المتعبة (Fatigue Loads) على هيكل التوربين. تطبيق (H∞): تعامل مع سرعة الرياح على أنها اضطراب غير مؤكد. صمم متحكمًا يقلل من التغيرات في السرعة وأحمال الهيكل. محاكاة: باستخدام نموذج توربين بسيط (كسب 1، ثابت زمني 0.5 ثانية)، أظهر تحسن (H∞) مقارنة بمتحكم (PI) في تخفيف التغيرات في سرعة الرياح.

اختبار ختامي ومراجعة الدورة الرابعة عشرة

أسئلة موضوعية قصيرة حول مفاهيم (MPC) و (H∞)، صياغة دالة التكلفة، معلمات (MPC)، معيار (H∞)، المتانة. مراجعة لأبرز النقاط في الأيام الخمسة.

ملخص التسجيل

تسجيل آمن في الدورة

اطلب الجدول وعرض السعر

لا يوجد دفع إلكتروني مفتوح لهذه الدورة حالياً. يمكن لفريقنا إرسال عرض السعر المناسب لك.

اسم الشركة

الاسم الكامل

البريد الإلكتروني

رقم الهاتف

+966

المقاعد

المنصب الوظيفي / المسمى

مكان التدريب المفضل

نوع الشهادة المطلوبة

عدد الدورات المطلوبة

التاريخ المتوقع لعقد الدورة

رسالة (اختياري)

تحقق أمني سريع — أكمله لتفعيل الإرسال

يصلكم العرض عبر البريد وبوابة العملاء

استفسر عبر واتساب

أنظمة التحكم المتقدمة (MPC, H∞)

شهادة متضمنة

تدريب بقيادة خبراء

تعلم تطبيقي

دعم في التسجيل

أيام

5 أيام

اللغة

العربية والإنجليزية

نظرة عامة

أهداف البرنامج

بنهاية هذه الدورة، سيكون المشارك قادرًا على:

فهم الحاجة إلى التحكم المتقدم وقيود التحكم (PID) التقليدي – مراجعة متحكم (PID) (نسبة-تكامل-تفاضل). القيود: (1) أداء محدود للأنظمة متعددة المتغيرات (MIMO). (2) التعامل الضعيف مع القيود (الحدود (Saturation)، معدلات التغيير). (3) غير قادر على التنبؤ بالتغيرات المستقبلية. متى نحتاج إلى (MPC) أو (H∞)؟
فهم نظرية (Model Predictive Control – MPC) – المبادئ: (1) استخدام نموذج تنبؤي (Prediction Model) للتنبؤ بسلوك العملية خلال أفق زمني (N steps). (2) حل مشكلة تحسين (Optimization Problem) في كل خطوة زمنية لحساب تسلسل التحكم الأمثل (u(t)، u(t+1)، ...). (3) تطبيق إجراء التحكم الأول فقط (u(t))، ثم تكرار العملية في الخطوة الزمنية التالية (Receding Horizon Control). الصياغة الرياضية: دالة التكلفة (Cost Function) (معاقبة الأخطاء (Errors) وإجراءات التحكم)، القيود (Constraints) (على مخرجات العملية، وإجراءات التحكم، ومعدلات التغيير).
تصميم وتنفيذ وحدات تحكم (MPC) للأنظمة الخطية وغير الخطية – اختيار المعلمات (أفق التنبؤ (Np)، أفق التحكم (Nc)، دالة التكلفة (Q، R)). ضبط وحدة التحكم (MPC) (Tuning). تطبيق (MPC) على أنظمة (SISO) و (MIMO). استخدام (MATLAB/Simulink) و (Python) مع مكتبات (Gekko، Do-MPC، CVXPY) لتصميم ومحاكاة وحدات تحكم (MPC).
فهم نظرية التحكم المتين (Robust Control) و (H∞) – معالجة الشكوك في النموذج (المعلمات غير المؤكدة، الديناميكيات غير النموذجية، الاضطرابات الخارجية). معيار الأداء (H∞): تقليل أسوأ تأثير للاضطراب على الإخراج. تصميم متحكم (H∞) باستخدام (Linear Matrix Inequalities – LMIs) أو أوامر (MATLAB) مثل (hinfsyn). تطبيق (H∞) على أنظمة (SISO) و (MIMO).
تطبيق التحكم المتقدم على حالات استخدام عملية (عملية كيميائية (CSTR)، نظام طاقة (Power System)، روبوت (Robot)) – نمذجة النظام، تصميم (MPC)، تصميم (H∞)، محاكاة، مقارنة الأداء (مع (PID)).

الفئة المستهدفة

يستهدف هذا البرنامج التدريبي الفئات التالية:

مهندسو التحكم (Control Engineers) والأتمتة (Automation Engineers) في الصناعات (البتروكيماويات، الطاقة، التصنيع، الروبوتات، الطيران).
مهندسو العمليات (Process Engineers) الذين يرغبون في تحسين كفاءة العمليات.
مهندسو أنظمة الطاقة (Power Systems Engineers) (للتحكم في الجهد والتردد وتدفق الطاقة).
مهندسو الروبوتات (Robotics Engineers).
باحثو وأكاديميو الهندسة الكهربائية والميكانيكية وهندسة الحاسوب.
خريجو الهندسة الكهربائية والميكانيكية وهندسة الحاسوب.

الكفاءات الأساسية

صياغة وحل مشكلة (MPC) لنظام خطي (SISO) (نظام الخزان الأول والثاني - Two-Tank System)

ضبط معلمات (MPC) (Np، Nc، Q، R) لتحقيق التوازن بين سرعة الاستجابة، والزمن المستقر، وقوة التحكم

تصميم متحكم (H∞) لنظام غير مؤكد باستخدام (MATLAB)

محاكاة أداء (MPC) مقابل (PID) (نظام المفاعل CSTR - تحكم في درجة الحرارة)

تطبيق (MPC) على نظام طاقة (Microgrid) – تحسين تدفق الطاقة بين الألواح الشمسية والتخزين والشبكة

تطبيق (H∞) على نظام تعليق السيارة (Active Suspension) لتحسين راحة الركوب والتعامل

محتوى البرنامج

مقدمة المحاور المتقدمة للبرنامج

تصميم البرنامج ومدته

تم تصميم الدورة على مدى 5 أيام (25 ساعة تدريبية).

اليوم الأول: أساسيات التحكم (PID) ومقدمة إلى التحكم المتقدم (MPC)

مراجعة متحكم (PID) (نسبة-تكامل-تفاضل)

قيود التحكم (PID) – الحاجة إلى (MPC)

مقدمة إلى التحكم التنبؤي بالنموذج (Model Predictive Control – MPC)

صياغة مشكلة (MPC) – نظام (SISO)

ورشة عمل عملية (محاكاة (PID) مقابل (MPC) في (MATLAB/Simulink) لنظام الخزان الأول والثاني)

اليوم الثاني: (MPC) للأنظمة متعددة المتغيرات (MIMO) والأنظمة غير الخطية

(MPC) للأنظمة متعددة المتغيرات (MIMO)

(MPC) للأنظمة غير الخطية (Nonlinear MPC – NMPC)

اختيار معلمات (MPC) وتأثيراتها

ورشة عمل عملية (تصميم (MPC) لنظام المفاعل الكيميائي (CSTR) باستخدام (Python) أو (MATLAB))

دمج معلومات الاضطراب المستقبلية (Feedforward MPC)

اليوم الثالث: نظرية التحكم المتين (Robust Control) و (H∞)

الحاجة إلى التحكم المتين (Robust Control) – الشكوك (Uncertainties) في النمذجة

تمثيل عدم اليقين (Uncertainty Representation)

معيار (H∞) (H-infinity Norm)

تصميم متحكم (H∞) باستخدام (MATLAB) (hinfsyn)

ورشة عمل عملية (تصميم متحكم (H∞) لنظام التعليق النشط (Active Suspension) باستخدام (MATLAB))

مقارنة (H∞) مع (MPC)

اليوم الرابع: تطبيقات (MPC) و (H∞) في أنظمة الطاقة (Smart Grid, Microgrid)

(MPC) لإدارة الطاقة في المباني (Building Energy Management)

(H∞) لتحكم الجهد في شبكة التوزيع (Distribution Grid Voltage Control)

(MPC) لتحسين تدفق الطاقة في (Microgrid)

ورشة عمل عملية (تصميم (MPC) لـ (Microgrid) باستخدام (Python) أو (MATLAB))

دمج (MPC) و (H∞) في نظام تحكم هجين (Hybrid Control)

اليوم الخامس: مواضيع متقدمة (Nonlinear MPC، Economic MPC) ودراسات حالة

التحكم التنبئي بالنموذج غير الخطي (Nonlinear MPC – NMPC) (مراجعة وتعمق)

التحكم التنبئي بالنموذج الاقتصادي (Economic MPC – EMPC)

دراسة حالة 1: (MPC) لتحكم الطيران (Flight Control – Quadcopter)

دراسة حالة 2: (H∞) لتحكم التوربين الريحي (Wind Turbine Control)

اختبار ختامي ومراجعة الدورة الرابعة عشرة

أنظمة التحكم المتقدمة (MPC, H∞)

اطلب الجدول وعرض السعر

نظرة عامة

أهداف البرنامج

الفئة المستهدفة

الكفاءات الأساسية

صياغة وحل مشكلة (MPC) لنظام خطي (SISO) (نظام الخزان الأول والثاني - Two-Tank System)

ضبط معلمات (MPC) (Np، Nc، Q، R) لتحقيق التوازن بين سرعة الاستجابة، والزمن المستقر، وقوة التحكم

تصميم متحكم (H∞) لنظام غير مؤكد باستخدام (MATLAB)

محاكاة أداء (MPC) مقابل (PID) (نظام المفاعل CSTR - تحكم في درجة الحرارة)

تطبيق (MPC) على نظام طاقة (Microgrid) – تحسين تدفق الطاقة بين الألواح الشمسية والتخزين والشبكة

تطبيق (H∞) على نظام تعليق السيارة (Active Suspension) لتحسين راحة الركوب والتعامل

محتوى البرنامج

مقدمة المحاور المتقدمة للبرنامج

اليوم الأول: أساسيات التحكم (PID) ومقدمة إلى التحكم المتقدم (MPC)

اليوم الثاني: (MPC) للأنظمة متعددة المتغيرات (MIMO) والأنظمة غير الخطية

اليوم الثالث: نظرية التحكم المتين (Robust Control) و (H∞)

اليوم الرابع: تطبيقات (MPC) و (H∞) في أنظمة الطاقة (Smart Grid, Microgrid)

اليوم الخامس: مواضيع متقدمة (Nonlinear MPC، Economic MPC) ودراسات حالة

دورات أخرى متاحة للحجز الآن

استكشف جدول البرامج التدريبية الشهرية

أنظمة التحكم المتقدمة (MPC, H∞)

اطلب الجدول وعرض السعر

نظرة عامة

أهداف البرنامج

الفئة المستهدفة

الكفاءات الأساسية

صياغة وحل مشكلة (MPC) لنظام خطي (SISO) (نظام الخزان الأول والثاني - Two-Tank System)

ضبط معلمات (MPC) (Np، Nc، Q، R) لتحقيق التوازن بين سرعة الاستجابة، والزمن المستقر، وقوة التحكم

تصميم متحكم (H∞) لنظام غير مؤكد باستخدام (MATLAB)

محاكاة أداء (MPC) مقابل (PID) (نظام المفاعل CSTR - تحكم في درجة الحرارة)

تطبيق (MPC) على نظام طاقة (Microgrid) – تحسين تدفق الطاقة بين الألواح الشمسية والتخزين والشبكة

تطبيق (H∞) على نظام تعليق السيارة (Active Suspension) لتحسين راحة الركوب والتعامل

محتوى البرنامج

مقدمة المحاور المتقدمة للبرنامج

اليوم الأول: أساسيات التحكم (PID) ومقدمة إلى التحكم المتقدم (MPC)

اليوم الثاني: (MPC) للأنظمة متعددة المتغيرات (MIMO) والأنظمة غير الخطية

اليوم الثالث: نظرية التحكم المتين (Robust Control) و (H∞)

اليوم الرابع: تطبيقات (MPC) و (H∞) في أنظمة الطاقة (Smart Grid, Microgrid)

اليوم الخامس: مواضيع متقدمة (Nonlinear MPC، Economic MPC) ودراسات حالة

دورات أخرى متاحة للحجز الآن

استكشف جدول البرامج التدريبية الشهرية