Статья

Название статьи ОБ ОЦЕНКЕ УСТОЙЧИВОСТИ СИСТЕМЫ УПРАВЛЕНИЯ С НЕЙРОСЕТЕВЫМ НАСТРОЙЩИКОМ П-РЕГУЛЯТОРА ПРИ УПРАВЛЕНИИ ЭЛЕКТРОПРИВОДОМ ПОСТОЯННОГО ТОКА
Автор А. И. Глущенко
Рубрика РАЗДЕЛ II. ПРОЕКТИРОВАНИЕ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ И АВТОМАТИЗИРОВАННЫХ СИСТЕМ
Месяц, год 09, 2017
Индекс УДК 004.89 + 681.5.037
DOI 10.23683/2311-3103-2017-9-34-44
Аннотация Нейросетевой настройщик позволяет осуществлять в реальном времени подстройку П- и ПИ-регулятора для повышения качества переходных процессов для электромеханических объектов управления в процессе функционирования. Основной составляющей настройщика является нейронная сеть, обучение которой осуществляется в оперативном режиме в реальном времени с помощью метода обратного распространения ошибки. Скорость такого обучения определяется базой правил ситуаций, отражающей опыт инженера АСУ ТП по настройке рассматриваемых регуляторов. Значение скорости может оказаться чрезмерным для текущей ситуации, что может привести к значительному изменению параметров регулятора сетью, и, как следствие, к потере устойчивости системой управления. Для исключения такой ситуации предлагается оценивать устойчивость рассматриваемой системы управления путем применения функций Ляпунова. В отличие от существующих подходов, в данном случае не требуется знание модели объекта управления, а сама оценка производится в реальном времени, что позволяет ограничивать текущую скорость обучения нейронной сети. Предложенный подход апробирован на модели электропривода реверсивной прокатной клети в контуре управления скоростью вращения ро-тора. Эксперименты проведены в условиях изменения задания по скорости для ситуаций, когда модель электропривода имеет номинальные значения параметров, в то время как П-регулятор скорости настроен неоптимально. Задачей настройщика являлся возврат значения параметра П-регулятора к значению, полученному в результате расчета по критериям технического оптимума. Полученные результаты подтверждают адекватность предложенного подхода, поскольку достаточное условие устойчивости системы управления не нарушалось в течение всех проведенных экспериментов.

Скачать в PDF

Ключевые слова Адаптивное управление; устойчивость; второй метод Ляпунова; нейросетевой настройщик; электропривод постоянного тока; контур скорости.
Библиографический список 1. Astrom K.J., Wittenmark B. Adaptive Control. – New York: Dower Publications, 2008. – 573 p.
2. Александров А.Г., Паленов М.В. Состояние и перспективы развития адаптивных ПИД-регуляторов в технических системах // Автоматика и телемеханика. – 2014. – №. 2.
– С. 16-30.
3. Новиков Н.И., Новикова Г.В. Топливо-энергетическая составляющая черной металлургии: проблемы и тенденции // Вестник Кемеровского государственного университета.
– 2013. – Т. 1, № 4 (56). – С. 257-263.
4. Ротач В.Я. Теория автоматического управления. – 5-е изд., перераб. и доп. – М.: Изд-во МЭИ, 2008. – 396 с.
5. Astrom K.J., Hagglund T. Advanced PID Control. – Research Triangle Park: ISA – The Instrumentation, Systems, and Automation Society, 2006. – 461 p.
6. Li Y., Ang K., Chong C. Patents, software, and hardware for PID control – an overview and analysis of the current art // IEEE Control Systems Magazine. – 2006. – No. 26 (1). – P. 42-54.
7. Calvo-Rolle J.L. et al. A hybrid intelligent system for PID controller using in a steel rolling process // Expert Systems with Applications. – 2013. – Vol. 40, No. 13. – P. 5188-5196.
8. Кудинов Ю.И. и др. Построение и настройка нечеткого адаптивного ПИД-регулятора // Информатика и системы управления. – 2016. – № 3 (49). – С. 86-96.
9. Erenoglu I., Eksin I., Yesil E. and etc. An intelligent hybrid fuzzy PID controller. European Conference on Modelling and Simulation. – Bonn: European Council for Modelling and Simulation, 2006. – P. 62-67.
10. Chen J., Huang T. Applying neural networks to on-line updated PID controllers for nonlinear process control // Journal of Process Control. – 2004. – No. 14. – P. 211-230.
11. Song Y., Guo J., Huang X. Smooth Neuroadaptive PI Tracking Control of Nonlinear Systems with Unknown and Nonsmooth Actuation Characteristics // IEEE Transactions on neural net-works and learning systems. – 2016. – Vol. 99. – P. 1-13.
12. Еременко Ю.И., Полещенко Д.А., Глущенко А.И. О применении нейросетевого оптимизатора параметров ПИ-регулятора для управления нагревательными печами в различных режимах работы // Управление большими системами. – 2015. – Вып. 56. – С. 143-175.
13. Еременко Ю.И., Глущенко А.И. О разработке метода выбора структуры нейронной сети для решения задачи адаптации параметров линейных регуляторов // Управление большими
14. Lyapunov A.M. The general problem of stability of motion // International journal of control.
– 1992. – Vol. 55. – P. 531-534.
15. Макаров И.М., Лохин В.М., Манько С.В., Романов М.П., Ситников М.С. Устойчивость интеллектуальных систем автоматического управления. Приложение к журналу // Информационные технологии. – 2013. – № 2. – 32 с.
16. Cong S., Liang Y. PID-like neural network nonlinear adaptive control for uncertain multivariable motion control systems // IEEE Transactions on Industrial Electronics. – 2009. – Vol. 56, No. 10. – P. 3872-3879.
17. Kang J. et al. An adaptive PID neural network for complex nonlinear system control // Neurocomputing. – 2014. – Vol. 135. – P. 79-85.
18. Сташинов Ю.П. К вопросу о настройке системы управления электропривода постоянного тока на модульный оптимум // Электротехника. – 2016. – №. 1. – С. 2-7.
19. Еременко Ю.И., Глущенко А.И., Петров В.А. Об использовании нейросетевого настройщика для адаптации П-регулятора скорости электропривода прокатной клети // Мехатроника, автоматизация, управление. – 2017. – № 10 (18). – С. 685-692.
20. Huang G.B., Wang D.H., Lan Y. Extreme learning machines: a survey // International Journal of Machine Learning Cybernetics. – 2011. – No. 2. – P. 107-122.

Comments are closed.