Скачать 1.56 Mb.
|
Оптимизация настройки систем управления
Рис. 1. Зависимость отклонения регулируемой величины от настройки регулятора. Очевидно, удовлетворительной следует считать настройку 1, поскольку здесь как максимальное отклонение, так и длительность процесса регулирования существенно меньше, чем при ручном регулировании (кривая 4). Настройка 2 не может быть признана удовлетворительной, вследствие большего отклонения регулируемой величины. И совершенно не приемлемой должна считаться настройка 3, т.к. процесс регулирования величины Х имеет характер расходящихся колебаний и ведет к неустойчивой работе системы регулирования. Физически появление расходящихся колебаний объясняется наличием инерции и запаздывания, с которыми изменение выходного сигнала U(t) регулятора приводит к изменению регулируемой величины Х. Это обстоятельство требует от регулятора умения предсказывать ход изменения величины Х на некоторое время вперед и осуществлять изменения сигнала U(t) с учетом этого прогноза. Рассмотрим, как обычно действует человек-оператор, которому сравнительно быстро и без колебаний удается возвратить регулируемую величину Х к ее заданному значению Хзад (кривая 4 на рис. 1.).
Таким образом, человек-оператор в процессе регулирования пользуется (возможно, даже бессознательно) некоторым выработанным практикой эвристическим законом (алгоритмом) регулирования, в соответствии с которым он перемещает регулирующий орган в зависимости от отклонения регулируемой величины и ее скорости изменения во времени. Автоматический регулятор чаще всего работает по некоторым типовым линейным законам регулирования. , . Правильно спроектировать систему автоматического регулирования – это значит правильно выбрать численные значения коэффициентов Kp, Tд, Tи, так чтобы качество работы системы было наилучшим. Эти коэффициенты называются параметрами настройки регулятора, а процесс определения численных значений параметров настройки, при которых регулирование в некотором смысле будет оптимальным, - динамической настройкой, или настройкой регулятора. Задачу динамической настройки регуляторов приходится решать на разных стадиях создания систем управления Впервые эта задача возникает в процессе проектирования системы и ставится как задача выбора из типовых структур и алгоритмов и определению оптимальных численных значений коэффициентов этих алгоритмов в каждом варианте для выбора наилучшего из них. Второй раз с задачей настройки приходится сталкиваться на стадии внедрения после выполнения монтажа запроектированной системы в процессе пусконаладочных работ. С первого взгляда может показаться, что система настройки на этом этапе должна состоять только в уточнении результатов полученных на стадии проектирования, реально объем работ здесь как показывает опыт, оказывается достаточно большим. Наладочные работы иногда перерастают в серьезные исследования, в процессе выполнения которых не только уточняются параметры настройки, но и изменяется структура системы регулирования. Нужна ли такая двухступенчатая процедура настройки? Не является ли она следствием некачественного проектирования? Ответы на эти вопросы заложены в самой методике решения задачи синтеза системы управления. На стадии проектирования в процедуре синтеза можно выделить следующие этапы:
Основным уязвимым местом этой процедуры является то, что модель регулирования отражает действительные свойства объекта приближенно. Степень приближения определяется выбранным критерием приближения модели к объекту, выбор которого определяется не его целесообразностью, а удобством математических выкладок и вычислений (как правило, это всякого рода интегральные квадратичные критерии). Помимо неопределенности выбора критерия приближения следует отметить две особенности построения моделей:
Из этого следует, что задача построения математической модели объекта является системной задачей, требующей для своего решения системного подхода. Это значит, что выбор критерия приближения модели к реальному объекту должен зависить от алгоритма функционирования регулятора, для отыскания которого и строиться модель объекта. Таким образом, задача построения модели объекта оказывается противоречивой уже в своей постановке: для построения модели объекта требуется знать алгоритм функционирования регулятора, для определения которого нужна модель («парадокс модели» объекта). Наряду с погрешностями математических моделей объектов следует учитывать:
Таким образом, настройка системы при выполнении пусконаладочных работ оказывается необходимой даже тогда, когда свойства объекта не меняются во времени. Реально же из-за нестабильности свойств объекта и др. элементов системы необходимость в периодической настройке возникает и во время эксплуатации системы
С этой целью модель объекта отыскивается в виде его экспериментальной переходной характеристики. Например, вычислив по переходной характеристике отношение a/Ta (рис.2,3) по графикам (рис. 4) находятся оптимальные значения Кu, и ,что при известных значениях Ku и a позволяют легко найти , . Рис. 3. Переходная характеристика объекта. Требования к методам автоматической настройки:
Этим требованиям отвечают методы адаптивной настройки, их отличие от традиционных методов настройки объясняются схемами их реализации (рис. 5.). Рис. 5. Схемы реализации традиционных и адаптивных методов настройки. Традиционные методы (схема а):
1 Адаптивные методы (схема б):
Наиболее важные различия между этими методами:
Необходимо отметить, что адаптивные системы за счет изучения объекта ухудшают качество управления объектом по сравнению с качеством управления, достигаемым при известных свойствах объекта. Реально это появляется в том, что управляющее воздействие адаптивного регулятора должно содержать специальную идентифицирующую (изучающую) составляющую, нарушающую нормальный ход процесса. Поэтому непрерывная адаптация не только нецелесообразна, но и вредна. Адаптивные системы могут быть классифицированы следующим образом:
Поисковый подход к оптимизации параметров настройки состоит в следующем. Критерий оптимальной настройки – выпуклая функция параметров настройки и необходимом условием экстремума является равенство нулю частных производных от критерия оптимальности по всем параметрам настройки. Для ПИ – регулятора и . Параметры настройки регулятора на каждом очередном i+1 шаге вычисляются по результатам экспериментов на предыдущем i шаге по формулам: (1) где к, т – коэффициенты пропорциональности, выбираемые из условия сходимости итерационной процедуры. Содержание блоков в схеме б (рис. 5) в этом случае: блок 3 - оценка частных производных критерия оптимальности по параметрам настройки; блок 4 – выяснение равны ли 0 частные производные; блок 5 - расчет по формулам (1) новых значений параметров; блок 2 – установка этих значений параметров в регуляторе. Следует отметить, что поисковые методы нарушают нормальный режим функционирования объекта, т.к. значения варьирования параметров настройки неизвестны и выбирается случайным образом. Воздействие на систему путем изменения ее параметров называется параметрическим воздействием. Кроме параметрических воздействий при поисковых методах применяются и сигнальные воздействия (специально организованные воздействия). В этом случае на каждом шаге осуществляется двойное активное воздействие на систему – параметрическое и сигнальное. При первоначальной настройке на вход системы подается ступенчатое возмущающее воздействие – изменение отклонение регулируемой величины (рис. 6 (а)). Рис. 6. Реакции системы на ступенчатое воздействие при разных настройках регулятора. После этого производится некоторое изменение параметров, а затем снова подается такое же воздействие (рис. 6 (b)). В качестве критерия оптимальности настройки можно использовать площадь под кривой процесса регулирования, что позволит определить направление дальнейшего изменения параметров настройки.
Поэтому эффективной оказывается процедура адаптации с промежуточной оценкой сю модели объекта и последующим расчетом по ней параметров настройки (здесь не вычисляется значения критерия оптимальности). Блок-схема такой процедуры адаптации приведена на рис.7.: Рис. 7. Схема процедуры адаптпции с промежуточной оценкой модели объекта. Содержание блоков:
Оценка модели может осуществляться либо путем пассивного наблюдения (без нарушения нормально работы объекта), либо путем постановки активного эксперимента Во втором случае процедура настройки во многом совпадает с поисковой, отличие заключается только в информации, которая извлекается из результатов наблюдения за поведением системы до подачи параметрического воздействия и после его подачи. При поисковой процедуре по полученным реализациям вычисляется приращение критерия оптимальности, при адаптации с идентификацией определяется модель объекта Одним из существенных недостатков беспоисковой процедуры является то, что не контролируется показатель конечной цели – критерий оптимального функционирования настраиваемой системы управления. Оценка качества регулирования линейных систем
При исследовании САУ приходится решать задачу обеспечения требуемых показателей качества переходного процесса:
характеризующих точность и плавность протекания процесса. Будем считать, что САУ описывается системой дифференциальных уравнений с постоянными коэффициентами. При изменении воздействия U(t) на входе выходную величину можно записать так: x(t) = xсв(t) + xв(t), где: x(t) – решение дифференциального уравнения, описывающего САУ, xсв(t) – свободная составляющая переходного процесса (соответствующая общему решению однородного дифференциального уравнения), xв(t) – вынужденная состовляющая переходного процесса, обусловленная законом изменения U(t) и определяющая точность САУ.
Установившаяся ошибка регулирования САУ в(t) = U(t) – xв(t), которую можно представить в виде ряда: , где C0 … Cm - коэффициенты ошибок, при этом: С0 = W(0) - коэфф. статической и позиционной ошибки; - коэффициент скоростной ошибки; коэфф. ошибки от ускорения; W - передаточная функция замкнутой САУ. В статических системах С0 0, в САУ с астатизмом 1-го порядка С0 = 0 , С1 0, в САУ с астатизмом 2-го порядка С0 = C1 = 0, С2 0. Увеличение числа интегрирующих звеньев повышает порядок астатизма, что ведет к уменьшению ошибки, но при этом усложняется обеспечение устойчивости системы.
Пусть U(t) = 1(t) , тогда по кривой переходной характеристики можно получить прямые оценки качества переходного процесса:
. Переходные процессы делят на три группы:
А3 - АЧХ замкнутой САУ. Для оценки качества переходного процесса используются следующие характеристики.
.
Если для анализа цифровых систем используется Z - преобразование или уравнение состояния в дискретной форме, то их реакции представляются только в моменты квантования. Поэтому к дискретным данным нужно подходить осторожно, т.к. они могут быть неточным представлением истинной реакции цифровой системы. Из рисунка, на котором изображен типичный выходной сигнал цифровой системы С(t), имеющий максимальное значение Сm и соответствующий ему дискретный сигнал C*(t) видно, что максимальное значение дискретного сигнала: . Чем меньше T, тем меньше различие между и Сm. Но если Т велик, то дискретное представление реакции может быть совершенно ошибочным. Отметим, что выбор Т обычно определяется не правильностью представления её реакции в моменты квантования, а что более важно, соображениями устойчивости, точности и качества системы в целом. Для непрерывных систем известна связь между положением на S - плоскости корней характеристического уравнения и переходной функцией. Например, комплексно-сопряженные корни, расположенные в левой половине S - плоскости, обуславливают экспоненциально затухающие синусоидальные процессы, корни на отрицательной части действительной оси соответствуют монотонно затухающим процессам; простые сопряженные корни на мнимой оси приводят к возникновению незатухающих гармонических колебаний с постоянной амплитудой. Кратные корни на мнимой оси и корни в правой половине S - плоскости соответствуют расходящимся процессам.
Kn, Kv –датчики положения и скорости. Предполагается, что корабль имеет жесткую структуру. Поэтому его можно представить чистым моментом инерции J. По положению c(t) и его производной - скорости V(t) - с помощью соответствующих датчиков осуществляется обратная связь. Обратная связь по скорости часто используется для целей стабилизации. Передаточная функция разомкнутой системы: . Передаточная функция замкнутой системы: . Для реального корабля: Kn = 1,65 106, Kv = 3,17 105, J = 41822. Тогда . Характеристическое уравнение системы: p2 + 8,871p + 39,453 = 0. Корни уравнения положительны при любых положительных Kn, Kv, J, следовательно, непрерывная система будет асимптотически устойчива. Структурная схема соответствующей цифровой системы отличается от предыдущей наличием квантователя нулевого порядка с периодом T. Передаточная функция разомкнутой системы: , где Gn(p) - переходная функция экстраполятора, известно, что: . Тогда: , . Тогда: . Передаточная функция замкнутой системы: . При Kn = 1,65 106, Kv = 3,17 105, J = 41822, , где A = 83644, B = 1,65 106 T2 + 6,34 105 T – 167288, C = 1,65 106 T2 - 6,34 105 T + 83644. Качество цифровой системы зависит от параметров Kn, Kv, J и Т. Если применить критерий Джури к характеристическому уравнению системы Az2 + Bz + C = 0, то диапазон устойчивости по параметру Т будет равен: 0 Т < 264 с Корневой годограф, т.е. диаграмма положения корней характериестического уравнения на плоскости Z при изменении Т от нуля до бесконечности, представлен на рисунке: Переходные функции цифровой системы изображены на рисунке: Из рассмотренного примера, по результатам анализа непрерывной и цифровой систем управления, можно сделать выводы:
Раздел № 2. Лекция 1. Введение. Определение: Искусственный интеллект (ИИ) (с лат. «intellectus» - познание) – раздел информатики, изучающий методы, способы моделирования и воспроизведения с помощью ЭВМ различной деятельности человека, связанной с решением каких-либо задач. Цель ИИ – смоделировать разумную деятельность человека, автоматизировать мышление. Разумная деятельность – сложные задачи. Область применения – применяется для решения слабоформализованных задач. Определение: Слабоформализованные задачи – это задачи, которые обладают следующими свойствами:
- не полные; - ошибочные; - разнородные; - неоднозначные; - противоречивые; - динамичные; Пример: К ним относятся – множество задач управления, проектирования в сложных системах. Определение: Сложная система – система, которая характеризуется большим количеством параметров, иерархичностью структуры, разнородностью элементов. Пример: Любая социально-экономическая система. Управление = Планирование + Прогнозирование + Учет + Контроль + Анализ + Принятие решений. Автоматизированная информационная система (АИС) = слабо формализованная задача + сложная система. Свойства естественного интеллекта (ЕИ). Безусловные и условные рефлексы Инстинкты → (Врожденные программы) Безусловные и условные рефлексы Моторика Сенсорика Цель ИИ воспроизвести черты ЕИ. Моторика – процесс возбуждения моторных центров мозга. Мышление – когнитивные процессы (cognitive - познавательные). 3 Мышление (интеллект) 2 Мнемические (хранение, память) 1 Перцептивные (восприятия) Структура когнитивных процессов. Проблемы:
Определения: ЕИ (Солсо) – способность осмысленно приобретать, воспроизводить, использовать знания, понимать конкретные и абстрактные идеи, постигать отношения между идеями и объектами. ИИ (Солсо) – всякий результат работы компьютера, который сочли бы разумным, если бы он был воспроизведен человеком. Свойства ЕИ:
Лекция 2. НС ЭС НЛ ГА t I II III IV V VI 1956 1963 1969 1979 1989 Тек день Рождение ИИ 1956 Ранний энтузиазм Первое разочарование Новый энтузиазм Приход ИИ в промышленность Победа аккуратистов над неформалами • • • • (ЭС) 1961 (НЛ) 1965 (ГА) 1973 (Сети Копфильда, Кохонена) 1982 (НС) 1943 История развития, исследования в области ИИ. I период: 1943 г. – первая работа по нейронным сетям, авторы: Мак Коллонс, Питс – «Искусственные нейронные сети». 1950 г. – Тьюринг, работа «Вычислительная машина и интеллект». Шеннон – «Программирование компьютера для шахматной игры» 1956 г. – ИИ официально признан самостоятельным научным направлением. II период: Начало работ по ЭС. Ньюэл, Саймон - ill-srtuctured; if-then. 1961 г. – Начата работа по создания GPS (General Problem Solver). III период: 1965 г. – Работа по нечеткой логике – «Нечеткие множества» 1969 г. – «Нечеткие алгоритмы» IV период: Создаются системы DENDRAL – интеллектуальная обработка результатов в области физики. MYCIN – диагностика инфекционных заболеваний в области медицины. HEARSAL – в области лингвистики. V период: Создаются промышленные ЭС. DEC – система управления газопроводом XCON – выявление неисправностей оборудования нефтехимической промышленности. 1982 г. – Сети Копфильда, Кохонена. Возобновились работы по НС. VI период: Аккуратисты – ученые, которые обосновывают работу со строго математическим обоснованием. Неформалы – выдвигают различные идеи, программируя их на компьютере. Резюме: Все направления развития исследований в области ИИ можно объединить в два основных направления, различающихся подходами к моделированию ЕИ: 1-ое направление – нейробионическое. Сущность: моделирование структур и процессов биологического прототипа – головного мозга человека (ГА) 2-ое направление – информационное (черный ящик). Сущность: не нужно моделировать структуру мозга, необходимо познать только внешние проявления работы человеческого мозга (правила, закономерности). (НЛ) Между этими направления существует разрыв, проблема в настоящее время не решена. Направления исследований в области ИИ. ИИ Системы с интеллектуальным интерфейсом Моделирование когнитивных процессов Интегрированные системы производства Интел-ная система в предм-ых областях Программно-аппаратное обеспечение → естественное общение → распознавание и синтез текстов на естественном языке → распознование и синтез речи → машинный перевод → обработка визуальной информации → распознавание образов → интелл-ные БД (при обработке запросов требуется выполнение правил) → гипертекстовые системы (хранится большое кол-во док-ов) → контекстные системы помощи → управление знаниями → технология систем, основанных на знаниях (ЭС) → самообуч-ся системы → НС → ГА → НЛ → адаптивные системы → CASE технологии → компонентные технологии → когнитивная графика → интелл-ные роботы → интелл-ые САПР → реинженеринг бизнеса → ЭС → система поддержки принятия решений → CASE технологии → новые архитектуры компьютеров → новые языки ИИ Примечание: Исследования ученых в последующие годы направлено на ликвидацию разрыва между упомянутыми выше двумя направлениями. В 1994 г. Л. Заде ввел «зонтичный» термин – «мягкие вычисления» (soft computing). Мягкие вычисления – синтез методов (нечеткие системы + НС + ГА + вероятностные вычисления (сети доверия Байеса)). |
Программа по формированию навыков безопасного поведения на дорогах... Фгоу впо сибгути. Раздел 1 Основы теории множеств. Раздел 2 Формулы логики. Раздел 3 Булевы функции. Раздел 4 Предикаты и бинарные... | Рабочая программа учебной дисциплины основы теории управления Дисциплина «Основы теории управления» относится к циклу профессиональных дисциплин, базовая часть. Для изучения дисциплины «Основы... | ||
Протокол 2 Дата 29. 09. 2012 Председатель: Грамотеева Н. А. Опорные... Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания.... | Программа учебной дисциплины основы менеджмента для бакалавров по... «Основы менеджмента» для бакалавров по направлению подготовки «Юриспруденция» 030900 [Текст] / «Государственный университет управления»,... | ||
Курс лекций Концептуальные основы теории и практики управления человеческими ресурсами (8 час.) | Фгбоу впо «удмуртский государственный университет» физико-энергетический... Изучение основ теории методов, апаратурного оформления, примеров практического использования, областей применения, достоинств, ограничений... | ||
Кафедра иностранных языков Профессионально-ориентированное обучение... Утверждено на заседании Совета Института иностранных языков (Протокол №11 от 24. 05. 12) | Кафедра иностранных языков Профессионально-ориентированное обучение... Утверждено на заседании Совета Института иностранных языков (Протокол №11 от 24. 05. 12) | ||
Конспекты лекций по дисциплине: «социология и политология» Раздел I. Социология Информация о технологии обучения и использовании мультимедийных материалов. Перечень и описание предлагаемых курсов: проектирование... | Вопросы к зачету по дисциплине «Ораторское искусство» для студентов заочного отделения Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания.... | ||
Конспекты по тематике лекционных занятий и ответы по темам лекций По дисциплине «История психологии» для студентов третьего курса, обучающихся по специальности 030301. 65 «Психология» на 2011-2012... | Рабочая учебная программа по дисциплине «Основы экономики» Фгбоу впо «Уральский государственный педагогический университет» Екатеринбург, 2012. – 53 с | ||
Национальный проект – производство гениев Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания.... | Рабочая программа По дисциплине: Теория государства и права Для специальности:... | ||
Урок в 8 классе по теме «Квадратные уравнения» Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания.... | 2. Конспекты лекций 32 Теоретический раздел включает в себя основные проблемы бытия, познания, человека, культуры и общества, рассматриваемые как в рефлексивном,... |