Dokument z 1987 roku.
Od lat szeroko stosuje sie analogowe a ostatnio cyfrowe regulatory PI oraz PID. Dla niezbyt trudnych obiektow regulacji - sterowania o niezbyt duzym opoznieniu faktycznie nie ma dla nich alternatywy. Do poprawnego nastrojenia regulatora na obiekcie potrzebny jest doświadczony personel. Nastrojenie regulatora jest czasochłonne i sporo kosztuje. Jest to trudne zadanie. Akademickiej metody Zieglera-Nicholsa raczej nie mozna stosowac bowiem duze zaburzenia procesu przemyslowego moze miec oplakane i kosztowne rezultaty. Astrom w 1984 roku zaproponowal automatyzacje eksperymentu Zieglera-Nicholsa z polepszeniem bezpiecznestwa. Oscylacje z obiektem wytwarza dwupolozeniowy regulator z histereza. Metoda jest wiec toporna.
Skutkiem tego 30-40 % zainstalowanych regulatorów pracuje w trybie sterowania ręcznego. Zas 25-30% regulatorow ma nastawy wybrane ze srodka zakresu czyli tak zwane nastawy fabryczne co prowadzi dio prostego wniosku ze nikt nawet nie probowal ich nastroic. Prawie wszystkie powolne regulatory w trybie manulnym daja lepsze efekty niz w trybie automatycznym. Oczywiscie skutkiem ich nienastrojenia. Szczegolny niepokoj budzi wsrod operatorow praca automatyczna w czasie rozruchow gdzie duze przeregulowania skutkiem slabego panowania nad calkowaniem (wind - up czy lapanie wiatru w zagiel) moga byc niebezpieczne.
Czesc obiektow sterowania wykazuje znaczne zmiany w zachowaniu. Innaczej zachowuje sie samolot do pelna zatankowany z ladunkiem a innaczej bez paliwa i ladunku. Tak samo statek morski z pelnymi ladowaniami zachowuje sie odmiennie niz tylko z minimalnym balastem. W tych sytuacjach jednak samonastrajanie czy adaptacja sa zbedne bowiem informacja o zmianie dynamiki obiektu jest dostepna.
Rozwiazaniem jest idea samonastrajania - Self Tuning Regulator lub adaptacji. Praca magisterska autora poswiecona jest wlasnie komputerowej analizie takich dyskretnych systemow STR. Systemy maja zdolnosc uczenia sie zatem jest to pogranicze sztucznej inteligencji. STR nie sa jeszcze dopracowane na tyle aby wkroczyc do masowej produkcji.
Najprostsza idea Model Reference Adaptive System znana jest od poczatku lat szescdziesiatych z laboratoriow MIT. Usytematyzowano i rozwinieto ja znacznie. Wykorzystuje sie gradienty i funkcje wrazliwosci na parametry odpowiedzi dostrajanej transmitancji. "Laboratorium Teori Sterowania ", praca PS IAP, 1980 pod redakcja prof Adama Zuchowskiego na stronach 208-214 daje przyklad zastosowania tej idei do ukladu II rzedu gdzie dostrajane sa dwa parametry. Mankamentem jest znaczna komplikacja (schemat symulacyjny na stronie 213) i niezbyt dobre rezultaty dostrajania .
Wspolczesnie idea MRAC jest stosowania analogowo z czasem ciaglym i w realizacji cyfrowej z czasem dyskretnym.
Od klku lat znany jest nowoczesny ogolny sposob syntezy ukladu MRAS dla obiektow liniowych SISO korzystajacy z metody Lapunowa. Z reguly system jest prosty i zagwarantowana jest stabilnosc BIBO przy dowolnym wzmocnieniu petli adaptacji.
Znana jest analogia miedzy systemem ciaglym MRAS a systemem cyfrowym - dyskretnym STR Zawsze i w kazdym systemie aby zachodzila adaptacja wymagane sa zmiany sygnalu sterujacego.
Idee MRAS mozna stosowac do sterowania autopilotami samolotow i statkow morskich. Mozna wykonac bezsensorowe sterowniki do silnikow pradu stalego i silnikow asynchronicznych. Z reguly dostrajane sa 2,3 parametry.
W przykladzie (czas ciagly) dostrajane jest wzmocnienie obiektu i jego stala czasowa.
Jedna estymata (kolory zolty i czerwony) poczatkowo poprawna druga zerowa. Poprawne wartosci to 1 i 2.
% simple and effective adjustment rule origin from Lyapunow theory.
% th1 is a Gain adaptation - Red on diagram
% th2 is a time constant adaptation of object, Yellow on diagram
% Arbitrary value od g1 (adaptation gain for th1)
% and g2 (adaptation gain for th2) can be used for stability.
% But response of course depend on g1 i g2 gain. So, optimal value occur
% Input is a 1 or -1 changed after 400 steps.
N=2000; t=1:1:N; w=t; x=t; y=t; z=t; j=0; th1=0.5; th2=0; u=1; e=0; a=0.01; yo=0;ym=0;
g1=1; g2=1;
% ym=Model output, Bluse on diagram yo=object output, Green on diagram
Przyklad = 'D'; % Wybor przykladow. Moze byc ich dowolnie duzo
switch(Przyklad)
case 'A'
th1=2; th2=1;
% Wartosc poczatkowa estymat rowna rzeczywistej
case 'B'
th1=2; th2=0;
% Jedna estymata poczatkowo poprawna druga zerowa
case 'C'
th1=0; th2=1;
% Jedna estymata poczatkowo poprawna druga zerowa
case 'D'
th1=1.8; th2=1.1;
% Poczatkowy stan estymat z bledem 10% od wartosci rzeczywistej
otherwise
end
for i=1:N
ym=ym+a*(u-ym);
yo=yo+0.5*a*(th1*u-yo*th2-yo);
e=yo-ym;
th1=th1-g1*a*e*u;
th2=th2+g2*a*e*yo;
x(i)=yo; y(i)=ym; z(i)=th1; w(i)=th2;
% Zmiana biegunowosci wejsciowego skoku jednostkowego co 400
j=j+1; if j>400 j=0; u=-u; end % Zmiana biegunowosci skoku jednostkowego
end
plot(t,x,'g-',t,y,'b-',t,z,'r-', t,w,'y-'); grid;
title('Model Reference Adaptive System. Gain & time const adaptation');
Brak komentarzy:
Prześlij komentarz