ОБРАБОТКА И ХРАНЕНИЕ ДАННЫХ
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И АНАЛИЗ ДАННЫХ
НЕЛИНЕЙНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ
РАСПОЗНАВАНИЕ ОБРАЗОВ
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ
Ю.И. Еременко, А.И. Глущенко, А.В. Фомин, В.А. Петров "О применении нейросетевого настройщика параметров ПИ регулятора для отработки возмущающих воздействий для объектов с различной динамикой"
ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ И СЕТИ
ПРИЛОЖЕНИЯ
Ю.И. Еременко, А.И. Глущенко, А.В. Фомин, В.А. Петров "О применении нейросетевого настройщика параметров ПИ регулятора для отработки возмущающих воздействий для объектов с различной динамикой"

Аннотация.

В большинстве случаев при управлении промышленными нелинейными объектами и для выполнения графика уставок, и для компенсации возмущающих воздействий используется один набор параметров ПИ-регулятора, подобранный для решения первой из указанных задач, что ведет к увеличению времени на отработку возмущений и повышению расхода энергоносителя. В данной работе предлагается с помощью нейросетевого настройщика с момента возникновения возмущения производить подстройку ПИ-регулятора. Разработаны усовершенствованные структура и алгоритм работы настройщика. Проведены эксперименты на моделях нагревательной печи и электропривода постоянного тока прокатной клети, а также на действующей электронагревательной печи.

Ключевые слова:

возмущающее воздействие, нейросетевой настройщик, адаптивное управление, нейронная сеть.

Стр. 83-94.

Литература

1. Astrom K.J., Hagglund T. Advanced PID Control. – Research Triangle Park: ISA, 2006. – 461 p.
2. Mimura K., Shiotsuki T. Experimental study of PID autotuning for unsymmetrical processes. Proceedings of ICCAS-SICE 2009. – IEEE, 2009. – P. 2967-2971.
3. Сташинов Ю.П. К вопросу о настройке системы управления электропривода постоянного тока на модульный оптимум. Часть 1 // Электротехника. – 2016.– №. 1. – С. 2-7.
4. Pfeiffer B.–M. Towards «plug and control»: self–tuning temperature controller for PLC // International journal of Adaptive Control and Signal Processing. – 2000. – № 14.– P. 519-532.
5. Тюкин И.Ю., Терехов В.А. Адаптация в нелинейных динамических системах. – М.: ЛКИ, 2008. – 384 с.
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. – № 26(1). – P. 42–54.
7. Александров А.Г., Паленов М.В. Состояние и перспективы развития адаптивных ПИД регуляторов в технических системах //Автоматика и телемеханика. – 2014. – № 2. – С. 16-30.
8. Шубладзе А.М., Кузнецов С.И. Автоматически настраивающиеся промышленные ПИ и ПИД регуляторы // Автоматизация в промышленности. – 2007. – № 2. – С. 15–17.
9. Schaedel H.M. A new method of direct PID controller design based on the principle of cascaded damping ratios. European Control Conference (ECC). – IEEE, 1997. – P. 1265–1271.
10. Alexandrov A.G., Palenov M.V. Self–tuning PID–I controller. Proceedings of the 18th IFAC World Congress. – IFAC, 2011. – P. 3635-3640.
11. Ротач В.Я., Кузищин В.Ф., Петров С.В. Настройка регуляторов по переходным характеристикам систем управления без их аппроксимации аналитическими выражениями // Автоматизация в промышленности. – 2009. – № 11.– С.9-12.
12. Allaoua B., Gasbaoui B., Mebarki B. Setting up PID DC motor speed control alteration parameters using particle swarm optimization strategy // Leonardo Electronic Journal of Practices and Technologies. – 2009. – Vol. 14. – P. 19–32.
13. Bindu R., Namboothiripad M.K. Tuning of PID controller for DC servo motor using genetic algorithm // Emerging Technology and Advanced Engineering. – 2012. – Vol. 2. – № 3. – P. 310–314.
14. Erenoglu I., Eksin I., Yesil E., Guzelkaya M. An intelligent hybrid fuzzy PID controller. European Conference on Modelling and Simulation. – Bonn: ECMS, 2006. – P. 62–67.
15. Кудинов Ю.И., Келина А.Ю. Упрощенный метод определения параметров нечетких ПИД регуляторов // Мехатроника, автоматизация, управление. – 2013. – № 1. – С. 12–22.
16. Ahmed H., Rajoriya A. Performance Assessment of Tuning Methods for PID Controller Parameter used for Position Control of DC Motor // International Journal of u- and e-Service, Science and Technology. – 2014. – Vol. 7. – № 5. – P. 139-150.
17. Anderson K.L., Blankenship G.I., Lebow L.G. A rule–based adaptive PID controller. Proc. 27th IEEE Conf. Decision. Control. – IEEE, 1988. – P. 564-569.
18. Omatu S.,Khalid M.,Yusof R. Neuro–Control and its Applications. – London: Springer,1995. – 255 p.
19. Chen J., Huang T. Applying neural networks to on–line updated PID controllers for nonlinear process control // Journal of Process Control. – 2004. – № 14. – P. 211-230.
20. Reyes J., Astorga C., Adam M., Guerrero G. Bounded neuro–control position regulation for a geared DC motor // Engineering Applications of Artificial Intelligence. – 2010. – № 23. – P. 1398-1407.
21. Макаров И.М., Лохин В.М. Интеллектуальные системы автоматического управления. – М.: ФИЗМАТЛИТ, 2001. – 576 с.
22. Еременко Ю.И., Глущенко А.И., Петров В.А. О нейросетевой адаптации параметров ПИ-регулятора контура тока системы управления прокатной клетью в реальном времени // Системы управления и информационные технологии. – 2016. – Т.65. – № 3. – С.62-68.
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. Song Y., Guo J., Huang X. Smooth Neuroadaptive PI Tracking Control of Nonlinear Systems With Unknownand Nonsmooth Actuation Characteristics // IEEE Transactions on neural networks and learning systems. – 2016. – Vol. 99. – P.1-13.
25. Еременко Ю. И., Глущенко А. И. О разработке метода выбора структуры нейронной сети для решения задачи адаптации параметров линейных регуляторов // Управление большими системами. – 2016. – Вып. 62.– С.75-123.
26. Huang G.B., Wang D.H., Lan Y. Extreme learning machines: a survey // International Journal of Machine Learning Cybernetics. – 2011. – № 2. – P. 107-122.

2018 / 02
2018 / 01
2017 / 04
2017 / 03

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".