АНАЛІЗ СИСТЕМИ ПАРАЛЕЛЬНОГО НЕЙРОУПРАВЛІННЯ ДИНАМІЧНИМИ ОБ'ЄКТАМИ
DOI:
https://doi.org/10.17721/2519-481X/2023/78-13Ключові слова:
динамічний об'єкт, система автоматичного керування, нейромережевий контролер, ПІД–регулятор, адаптація, перехідний процес, парове навантаженняАнотація
У статті проводиться аналіз ефективності роботи нейромережевої системи управління, яка реалізує спільно з ПІД-регуляторомпринцип паралельного управління динамічним об'єктом. Як правило, більшість промислових об'єктів характеризуються нелінійними залежностями, наявністю неконтрольованих шумів та збурень, частою зміною режимів роботи обладнання та наявністю суттєвих нелінійностей. Як об'єкт дослідження використовувалася модель підсистеми розрядження водотрубного парового котла. Навчання нейромережевого контролера (НМК) та нейроемулятора проводилося на моделі САУ з ПІД–регулятором за методикою експертного коригування настроювальних коефіцієнтів: пропорційності, сталої інтегрування та диференціювання на основі аналізу показників якості перехідного процесу. Зміна значень параметрів моделі об'єкта по каналах керування та збурення відповідала динамічним режимам роботи парового котла в діапазоні парового навантаження (25 – 110 %) від номінального. Аналіз перехідних процесів отриманих на основі комп'ютерного моделювання дозволяє стверджувати, що навчена нейромережева система управління компенсує збурення на всьому діапазоні зміни значень параметрів об'єкта по каналах управління і збурення (імітація зміни парового навантаження), а також при значеннях параметрів моделі які виходять за діапазон навчальної вибірки.
Таким чином, нейромережевий контролер може успішно виконувати функції адаптивного контуру, налаштованого на найбільш несприятливі збурення в САУ паралельної дії складним виробничим об'єктом. А впровадження нейромережевої системи паралельної дії разом із типовими регуляторами у технологічні процеси теплоенергетики може дозволити знизити аварійні ситуації, пов'язані з частими змінами парового навантаження енергоблоків, викликаних військовими діями в нашій країні.
Посилання
1. Ziegler, J.C. and Nichols, N.B. (1942), “Optimumsettingsforautomaticcontrollers”,ASME. Transactions,Vol. 64. № 8. pp. 101 – 108.
2. Denisenko, V.V. (2007), “RaznovidnostiPIDregulyatorov” [Varietiesof PID controllers],Avtomatizatsiya v promyshlennosti, №6,pp. 45 – 50.
3. Kopelovich, A.P.(1960),“Inzhenernyyemetodyraschetaavtomaticheskikhregulyatorov” [Engineeringmethodsforcalculatingautomaticregulators],GNTI, Moskva, 190 p.
4. Arya, Y. (2019), “AGC ofrestructuredmulti-areamulti-sourcehydrothermalpowersystemsincorporatingenergystorageunitsviaoptimalfractional-orderfuzzy PID controller”,NeuralComputingandApplications, № 31 (3). pp. 851 – 872.
5. Astrom, Karl J. andHagglund, Tore. (2006),Advanced PID Control. ISA - The Instrumentation, Systems and Automation Society.
6. Astrom K.J andWittenmark B.F. (1989), “AdaptiveControl”,Ed. Addison-WesleyPublishing,Vol. 10, pp. 355 – 359.
7. Mikhailenko, V.S.(2014), “Analysisofmethodsforadaptationofindustrialcontrolsystemsofthermalprocesses”, NaukovyyvisnykNatsionalʹnohohirnychohouniversytetu, № 4. Pp. 58 – 65. URL: http://nbuv.gov.ua/UJRN/Nvngu_2014_4_11.
8. Abe, N. And Yamanaka, K. (2003),“Smithpredictorcontrolandinternalmodelcontrol” A tutorial SICE 2003 AnnualConference,Vol. 2, pp. 1383 – 1387.
9. Ho, H.F.,Wong, Y.K. and A. B. Rad (2013),“Adaptive PID controllerfornonlinearsystemwithtrackingperformance”, PhysicsandControl.
10. Mikhailenko, V.S. and Kharchenko,R.Yu. (2014)“AnalysisofTraditionalandNeuroFuzzyAdaptiveSystemofControllingthePrimarySteamTemperatureintheDirectFlowSteamGeneratorsinThermalPowerStations”,AutomaticControlandComputerSciences,Vol. 48, №. 6,pp. 334 – 344.
11. Ho, S. J.,Shu, L.S. andHo, S.Y. (2016), “Optimizingfuzzyneuralnetworksfortuning PID controllersusinganorthogonalsimulatedannealingalgorithm OSA”, IEEE TransactionsonFuzzySystems, Vol. 14, Issue 3, pp. 421 –434.
12. Yang, P.,Peng, D. G., Yang, Y.H. and Wang, Z.P. (2017) “Neuralnetworksinternalmodelcontrolforwaterlevelofboilerdruminpowerstation”,Proceedingsof 2017 InternationalConferenceonMachineLearningandCybernetics, Vol. 5, pp. 3300 – 3303.
13. Zhang, Y., Chen, Z.Q., Yang, P. and Yuan, Z.Z. (2017),“Neuralnetwork-based PID predictivecontrolfornonlineartime-delaysystems”,ProceedingsofInternationalConferenceonMachineLearningandCybernetics, Vol. 2, pp. 1014 – 1018.
14. Yongquan, Y.A.,Ying, H. and Bi, Z. (2017), “PID neuralnetworkcontroller”,ProceedingsoftheInternationalJointConferenceonNeuralNetworks, Vol. 3, pp. 1933 – 1938.
15. Klyuev, A.S.andTovarnov, A.G. (1970),“Naladka system avtomaticheskogoregulirovaniyaparovykhkotloagregatov” [Adjustmentofautomaticcontrolsystemsforsteamboilers], Energiya, Moskow, 270 p.
16. Ross, T.J. and Chua, L.O. (2016), “FuzzyLogicwithEngineeringApplications,Hoboken”, NJ: Wiley, 580 p.
17. Yang, T. (2016), “Fuzzycellularneuralnetworks”, A survey, JournalofSignalProcessing, Vol. 4, no. 1, pp. 7 – 20.
