Авторизация:
Логин:
Пароль:
  



АНОНС
ГДЕ ПРОИЗВОДСТВО, ТАМ И НАУКА
На Ставровском карьере по добыче щебня, расположенном в Калужской области, планируется организовать работу научно-исследовательских коллективов. Руководство карьера стремится предложить им...



ОБЗОР
СОВЕРШЕНСТВОВАНИЕ ДЕЯТЕЛЬНОСТИ МЕТАЛЛУРГИЧЕСКОГО ПРЕДПРИЯТИЯ В УСЛОВИЯХ КОНКУРЕНЦИИ
Рассмотрены проблемы развития российских металлургических предприятий, а также состояние сталелитейной промышленности в мире. Отмечается, что в условиях рынка и жесткой конкуренции...
МИРОВЫЕ ТЕНДЕНЦИИ К ПЕРЕХОДУ НА СЖИЖЕННЫЙ ГАЗ
Показано состояние в мире с производством и потреблением сжиженного газа в настоящее время. Приведена динамика изменения производства его объемов за последние годы. Перечислены...

ПОДРОБНАЯ ИНФОРМАЦИЯ

 

О ПРИМЕНЕНИИ НЕЙРОСЕТЕВОГО НАСТРОЙЩИКА ПАРАМЕТРОВ ПИ-РЕГУЛЯТОРА НА ТЕПЛОВЫХ ОБЪЕКТАХ ГОРНО-МЕТАЛЛУРГИЧЕСКОЙ ОТРАСЛИ В РЕЖИМЕ ОТРАБОТКИ ВОЗМУЩЕНИЙ



Рассмотрена проблема адаптации параметров ПИ-регулятора для отработки возмущений, действующих на систему управления. Проведен краткий анализ современного состояния адаптивных систем. Адаптацию предложено осуществлять с помощью нейросетевого настройщика, включающего три нейронных сети, отвечающих за вычисление коэффициентов KP, KI для переходных процессов при нагреве, охлаждении объекта управления и отработке возмущений соответственно. Описана структура предлагаемой системы: структура нейронной сети, функции активации нейронов скрытого и выходного слоя. Представлена функциональная схема предлагаемой системы. На данный момент нейросетевой настройщик параметров ПИ-регулятора реализован в пакете математического моделирования Matlab, что делает невозможным его использование на реальном производстве. Одной из целей работы является реализация нейросетевого настройщика на базе микроконтроллерной техники, а именно контроллеров семейства Simatic S7-300/400 фирмы Siemens, широко распространенных на действующих тепловых объектах горнометаллургической отрасли. Приведено описание программной реализации, с учетом особенностей семейства контроллеров S7-300/400. Представлены результаты проведения сравнительного эксперимента на лабораторной муфельной печи в режиме отработки возмущения.

Исследование проведено при финансовой поддержке прикладных научных исследований Министерством образования и науки Российской Федерации, договор № 14.575.21.0133 (RFMEFI57517X0133).


Номер: 12
Год: 2017
УДК: 004.89 + 669.162
DOI: 10.25018/0236-1493-2017-12-0-122-133
Авторы: Еременко Ю. И., Глущенко А. И., Фомин А. В.

Информация об авторах:
Еременко Юрий Иванович — доктор технических наук,
профессор, e-mail: erem49@mail.ru,
Глущенко Антон Игоревич — кандидат технических наук,
доцент, e-mail: strondutt@mail.ru,
Фомин Андрей Вячеславович — аспирант,
e-mail: verner444@yandex.ru,
Старооскольский технологический институт им. А.А. Угарова (филиал),
НИТУ «МИСиС».

Ключевые слова:
Нейросетевой настройщик, адаптивные системы, тепловые объекты управления, отработка возмущающих воздействий, нейронные сети, ПИ-регулятор, Siemens Simatic S7-300/400.

Библиографический список:
1. Vilanova R., Visioli A. PID Control in the Third Millennium. Lessons Learned and New Approaches. - London: Springer, 2012. - 595 p.
2. Astrom K. J., Hagglund T. Advanced PID Control. - Research Triangle Park: The Instrumentation, Systems, and Automation Society, 2006. - 461 p.
3. Mimura K., Shiotsuki T. Experimental study of PID auto-tuning for unsymmetrical processes. Proceedings of ICCAS-SICE 2009. - IEEE, 2009. - Pp. 2967-2971.
4. Салихов З. Г., Арунянц Г. Г., Рутковский А. Л. Системы оптимального управления сложными технологическими объектами. - М.: Теплоэнергетик, 2004. - 496 с.
5. Оморов Т. Т., Джолдошев Б. О. Краткий обзор методов анализа и синтеза нелинейных САУ // Известия Кыргызского государственного технического университета им. И. Раззакова. - 2012. - № 26. - С. 172-183.
6. Романова И. К. Применение аналитических методов к исследованию парето-оптимальных систем управления // Наука и образование. - 2014. - № 4. - С. 238-266. DOI: 10.7463/0414.0704897.
7. Morse A. S. Global stability of parameter-adaptive control systems // IEEE Trans. on Automat. Control. - 1980. - Vol. 25. - No 3. - Pp. 433-439.
8. Колюбин С. А., Ефимов Д. В., Никифоров В. О., Бобцов А. А. Двухканальное адаптивное гибридное управление соотношением воздух-топливо и крутящим моментом автомобильных двигателей // Автоматика и телемеханика. - 2012. - № 11. - С. 42-59.
9. Narendra K. S., Valavani L. S. Stable adaptive controller design - direct control // IEEE Trans. on Automat. Control. - 1978. - Vol. 23. - No.4. - Pp. 570-583.
10. O'Dwyer A. Handbook of PI and PID controller tuning rules. London, UK: Imperial college press, 2009.
11. Chien K. L., Hrones J. A., Reswick J. B. On the Automatic Control of Generalized Passive Systems // Transactions of the American Society of Mechanical Engineers. - 1952. - Vol. 74. - Pp. 175-185.
12. Ротач В. Я. Адаптация в системах управления технологическими процессами // Промышленные АСУ и контроллеры. - 2005. - № 1. - С. 4-10.
13. Alexandrov A. G., Palenov M. V. Self-tuning PID-I controller // Proceedings of the 18th IFAC World Congress. Milano, Italy, 2011. - Pp. 3635-3640.
14. Begum K. G., Rao A. S., Radhakrishnan T. K. Maximum sensitivity based analytical tuning rules for PID controllers for unstable dead time processes. Chemical Engineering Research and Design, 2016, vol. 109, pp. 593-606.
15. Кудинов Ю. И., Келина А. Ю. Упрощенный метод определения параметров нечетких ПИД регуляторов // Мехатроника, автоматизация, управление. - 2013. - № 1. - С. 12-22.
16. Андриевская Н. В., Резников А. С., Черанев А. А. Особенности применения нейро-нечетких моделей для задач синтеза систем автоматического управления // Фундаментальные исследования. - 2014. - № 11-7. - С. 1445-1449.
17. Шулаева Е. А., Шулаев Н. С. Система управления температурными режимами электродинамического реактора // Нефтегазовое дело. - 2013. - № 11-4. - С. 133-136.
18. Кудинова Ю. И., Кудинов И. Ю., Келина А. Ю. Адаптивный нечеткий регулятор температуры отжига стали в электрической колпаковой печи // Промышленные АСУ и контроллеры. - 2005. - № 9. - С. 37-40.
19. Effati S., Pakdaman M. Optimal control problem via neural networks // Neural Computing and Applications. - 2013. - Vol. 23. - № 7-8. - С. 2093-2100.
20. Егупов Н. Д. Методы робастного, нейро-нечеткого и адаптивного управления. изд. 2-е. - М.: Изд-во МГТУ им. Баумана, 2002. - 744 с.
21. Chen J., Huang T. Applying neural networks to on-line updated PID controllers for nonlinear process control // J. of Process Control. - 2004. - № 14. - Pp. 211-230.
22. Omatu S., Khalid M., Yusof R. Neuro-Control and its Applications. - London: Springer, 1995. - 255 p.
23. 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.
24. Еременко Ю. И., Глущенко А. И., Фомин А. В. Применение нейросетевого настройщика параметров ПИ-регулятора нагревательной печи для отработки возмущающих воздействий различных типов // Системы управления и информационные технологии. - 2016. - № 2 (64). -
С. 86-91.
25. Еременко Ю. И., Полещенко Д. А., Глущенко А. И. О разработке метода определения значений задержек входных сигналов нейронной сети при реализации нейросетевого оптимизатора параметров ПИ-регулятора // Известия ЮФУ. Технические науки. - 2015. - № 10 (116). -
С. 157-168.
вернуться назад
Карта сайта