МЕТОДИКА СИНТЕЗУ НЕЧІТКОЇ АДАПТИВНОЇ СИСТЕМИ УПРАВЛІННЯ СКЛАДНИМ ОБ'ЄКТОМ
DOI:
https://doi.org/10.17721/2519-481X/2024/84-06Ключові слова:
методика,, синтез, система адаптивного управління, нечітка логіка, складний об’єктАнотація
Відомо, що багато складних суднових об'єктів, зокрема, парогенеруючі об'єкти, мають нелінійні характеристики, складні для моделювання динамічні елементи, неконтрольовані шуми і перешкоди, безліч зворотних і перехресних зв’язків та інші фактори, що ускладнюють реалізацію оптимальних систем автоматичного управління (САУ). За останні два десятиліття нові методи управління розвивалися на основі сучасної та класичної теорій управління. Як сучасна (зокрема, технології адаптивного і оптимального управління), так і класична теорія управління в значній мірі ґрунтувалися на ідеї лінеаризації систем. Однак, практично прийнятними до впровадження без подальшої адаптації можуть бути тільки об'єкти з лінійними параметрами і з низькою чутливістю до зовнішніх і внутрішніх збурень. Забезпечити цю якість для нелінійних суднових об'єктів, які працюють в складних специфічних і часто несприятливих навігаційних умовах і на різних режимах в широкому діапазоні парового навантаження, розробникам, що використовують традиційні методи проектування САУ, досить складно, а з урахуванням всіх факторів і неможливо.
Через зазначені недоліки традиційних суднових САУ, для підвищення їх ефективності при роботі в специфічних умовах, стає актуальним використання симбіозу традиційних і нових інтелектуальних технологій на основі апарату нечітких або нейро-нечітких систем, які успішно зарекомендували себе при роботі з промисловими складними об’єктами. В роботі запропонована методика синтезу нечіткої адаптивної САУ складним судновим об’єктом (паровим котлом), якій працює тривалий час зі зміною парового навантаження. Проведено моделювання запропонованої системи для трьох режимів роботи суднового об’єкта та проведено оцінку показників якості адаптивної САУ.
Посилання
1. Åström, K.J., Wittenmark, B. (2018), “Systemy z komp'yuternym keruvannyam, teoriya ta proektuvannya. Prentis-Kholl, Enhlvudsʹki skeli” [Computer controlled systems, theory and design. Prentice-Hall, Englewood Cliffs], (https://bayanbox.ir/view/8821671619590593184/Adaptive-Control-Astrom-2nd-edition.pdf).
2. Mikhailenko, V.S., Kharchenko, R. Yu. (2014), “Analysis of traditional and neuro-fuzzy adaptive system of controlling the primary steam temperature in the direct flow steam generators in TPS”, Automatic Control and Computer Sciences, Vol. 48, No. 6, pp. 334–344. doi: 10.3103/S0146411614060066.
3. Mikhailenko, V., Kharchenko, R., Shcherbinin, V., Leshchenko, V. (2021), “Using Neural Network Technologies to Simulate the Working Processes of Ship Steam Boilers”, Information Resources CEUR Workshop Proceedingsthis link is disabled, urn:nbn:de:0074-3126-7, 2021, 3126, pp. 367–373.
4. Li, Y., Ang, K.H, Chong, G.C.Y. (2006), “Patents, Software, and Hardware for PID control. An overview and analysis of the current art”, IEEE Control Systems Magazine. 2006. 142 p.
5. Kharchenko, R. Y., Kochetkov, A. V., Mikhaylenko, V. S. (2022), ”Analysis of methods for automated research of dc voltage converters of modular structure”, Radio Electronics, Computer Science, Control, (3), 7. https://doi.org/10.15588/1607-3274-2022-3-1.
6. Kharchenko, R. Yu., Mykhailenko, V. S., Kochetkov, A. V. (2023), “Development of a Neuro-Fuzzy Intelligent Network for Monitoring and Control of Microclimate Systems”, Automatic Control and Computer Sciences, 57(1), 27–36. https://doi.org/10.3103/s0146411623010066.
7. Xiangjie, L., Felipe, L.-R. (2018), “Generalized Minimum Variance Control of Steam-Boiler Temperature using NeuroFuzzy Approach”, Proceedings of the 5'WorId Congress on Intelligent Control and Automation, Hangzhou, P.R. China, June 15 – 19, 2018. – P. 134 – 148.
