使用智能技术优化控制器的非线性过程

D.Mercy¹,S.M.Girirajkumar²

易爱易学系副教授,硕士工程学院,Siruganur、Trichy Tamilnadu,印度
教授和负责人、部门的冰,Saranathan工程学院Panjappur, Trichy Tamilnadu、印度

文摘

本文的优化控制器等复杂的非线性过程的锥形槽过程。锥形罐的控制提出了一个具有挑战性的问题由于其非线性行为和不断变化的横截面面积。非线性行为通过应用不同的控制技术是可以克服的。该控制策略包括PID控制器的优化使用zn方法和智能技术遗传算法。遗传算法提供优化的解决方案为各种复杂的非线性过程。比较与其他传统技术的智能技术提供更好的结果的高稳定、健壮和可靠的。

关键字

PID控制器、zn方法、非线性控制、遗传算法。

介绍

液位控制系统主要控制液位的控制参数,在工业上有广泛的应用在各个领域。在工业生产过程中,有许多地方需要控制液面,使液面保持准确的对于一个给定的值。传统的方法是使用经典PID方法。然而,输出的实际应用还不确定,为了输入跟踪输出的变化,然后我们需要一个不断检测数量,实现液体的精确控制。实现一个PID控制器,三个参数(Kp比例增益;获得的积分,Ki;导数,Kd)必须认真确定。许多方法被开发出来以确定PID控制器参数单输入单输出系统的输出。其中著名的方法Ziegler-Nichols (zn)方法,科恩- Coon方法,加权误差平方的积分时间规则(伊势),绝对误差的积分规则(IAE),基于内模控制(IMC)的方法,积分时间平方误差(ITSE),时间绝对误差积分(ITAE)。一些新的方法从人工智能的方法,如遗传算法、算法,安和模糊逻辑、遗传算法的应用和算法扩展到各个领域。 With the abilities for global optimization and good robustness, and without knowing anything about the underlying mathematics, GA and PSO are expected to overcome the weakness of traditional PID tuning techniques and to be more acceptable for industrial practice [1].

锥形坦克主要用于各种加工工业、冶金等行业,食品加工行业,混凝土搅拌行业和污水处理行业。锥形罐基本上是一个非线性过程由于截面面积的变化和系统水平的变化形状。常规控制器常用在工业过程简单、健壮、熟悉运营商。实时系统不精确线性但可以表示为线性化模型在名义操作点。控制器参数调整,操作点可能不反映实时系统由于工艺参数的变化特征。工艺参数的变化可以克服连续调整控制器的参数使用遗传算法等智能技术[8]。

建模的坦克

一个过程的数学模型是一种描述使用数学概念。开发一个数学模型的过程称为数学模型。数学建模是用来解释识别系统和研究不同组件的影响,并对这个过程进行预测行为。数学模型可以有多种形式,包括但不限于动力系统,统计模型,微分方程等。本文提出的系统包括面积的锥形槽过程变量在整个高度。

锥形罐的数学模型是由以下假设。

水平作为控制变量

流入水箱作为被控变量。这可以通过控制输入流的锥形槽。

流入的坦克(鳍)监管使用通过锥形阀和输入流槽判明每个高度的锥形槽半径可能会有所不同。这是由于槽的形状。流入和出流率之间的差异将基于横截面面积的坦克和坦克对时间的水平。流和坦克的水平可以由适当的造型。

操作参数,

鳍——流入水箱

输出端流出的坦克

H -总高度的锥形槽。

R -锥形罐的半径

h -名义水平的坦克

r -半径在名义水平

是由质量平衡方程

半径,半径r =(顶部的锥形槽)2(名义水平槽)2 /(锥形罐的总高度)2因此,r = R2h2 / H2吗

锥形罐的数学模型所描述的一组微分方程。微分方程描述过程对时间(即)的时域。系统的传递函数可以获得通过转换过程从时域到频域。传递函数的锥形槽是由线性化方程的偏微分法及其相应的拉普拉斯变换,

传递函数是FOPTD过程和适当的调优技术是用来稳定系统。根据规范给出了传递函数

PID调优

答:PID控制器:-

代表Proportional-Integral-Derivative PID控制器。个人P, I, D条款组成的标准让控制器。这位连任三届的PID控制器广泛应用于各种工业过程。甚至复杂的工业控制系统使使用控制网络的主要构建块是一个PID控制器的控制。这位连任三届的PID控制器有幸存下来的变化技术从模拟时代向数字计算机控制系统年龄以令人满意的方式。这是主控制器的大规模生产高市场容量,在这个过程中存在的产业。PID控制器作为类型的反馈控制器的输出,控制变量(CV),通常是基于误差(e)之间的一些用户定义的工作点(SP)和测量过程变量(PV)。每个元素的PID控制器是指一个特定的行动上的错误。

比例控制器:

在这个控制器错误价值乘以增益,Kp。这也称为可调放大器。在大多数系统Kp负责过程的稳定。如果流程稳定性很低然后PV可以游离,如果它很高那么PV开始振荡。

积分控制器:

积分误差乘以一个吻。在许多系统Ki负责传动误差为零,但Ki很高是邀请振荡或不稳定或积分器终结或执行机构饱和。

微分控制器:

误差的变化率乘以一个增益,Kd。在许多系统Kd负责系统响应:过高和光伏将振荡;过低的光伏响应缓慢。设计师也应该注意,微分作用放大任何噪声误差信号[7]。

b .调优方法:-

优化的PID调整涉及Kp, Ki和Kd实现用户定义的„optimalA¢字符的系统响应。

zn方法

控制器可能是一个标准化的方法调整管理参数比例增益、积分增益和剥离增益。控制器标准化响应要求所需的管理需要。通常需要响应的稳定性和过程不能摆动过程条件和设置点的任意组合。有各种PID调优方法是可用的。在这些方法zn方法执行。这种传统的方法,也称为闭环方法(或)在线齐格勒和尼克尔斯提出的调优方法。

像所有其他调优方法,zn的方法包括两个步骤:

控制回路的动态特性的测定。

控制器调优参数估计生产所需的响应的动态特性决定在第一步中,换句话说,匹配控制器的特点,其他元素的循环。

zn方法的优化公式怎么所示。

zn方法更加健壮,因为它不需要一个特定的流程模型。使用zn方法来优化控制器PID控制器的积分和微分元素将被忽略。比例元件用于找到Kc将维持振荡。这个值被认为是骨,或者最终的收获。振荡周期是聚氨酯或终极[25]。

技术的才华

介绍遗传算法:-

遗传算法是一种全局搜索技术用于优化过程。它模仿自然的过程评估。遗传算法是受达尔文的进化理论。由遗传算法解决问题的解决方案。遗传算法从一组解决方案称为人口。解决方案从一个人口和用于形成一个新的人口。这是出于希望,新的人口将比旧的更好。选择解决方案,形成新的解决方案选择根据他们的健康。更适合他们的更多的机会。重复此过程,直到满足一些条件。

遗传算法是一个随机搜索的智能开发用于解决优化问题。虽然随机、气体绝不是随机的,相反,他们利用历史信息直接搜索到该地区的搜索空间中更好的性能。气体的基本技术是用来模拟自然系统所必需的进化过程;尤其是那些遵循原则首先由查尔斯·达尔文的“适者生存”。由于在自然界中,个人缺乏的资源之间的竞争导致较弱的适者个人支配。遗传算法比传统的人工智能,它是更健壮。与旧的AI系统不同的是,他们不轻易打破即使输入发生了微妙的变化,或在合理的噪声的存在。在搜索一个大整数,综合状态,或者n维表面,遗传算法可以提供显著的好处多的典型搜索优化技术[13]。

b .实现细节

遗传算法是通过3个运营商实现:“

选择相当于适者生存。

跨界代表个体之间的交配。

介绍了随机修改的基因突变。

选择运营商

关键概念:提供偏好长大的人来说,允许他们死亡基因的一代。

每一个人的美好取决于其健康。

健身也可以由客观或主观判断执行。

交叉算子

'杰出的问题从不同的改进遗传算法技术。

两人从人口中选择虐待的选择算子。

一个交叉的长字符串是随意选择的网站。

两个字符串的值改变当前的目的如果S1 = 000000和s2 = 111111,因此交叉的目的是2然后S1 \ = 001111 = 110000和s2 \。

从这个创建的两个新的后代交配放入下一代的人口由重组部分个人好,这个过程可能会创造更好的个人。

变异算子

与一些较低的机会,新人们可以有很多自己的位翻转。

它的目的是保持多样性在人口和抑制早熟收敛。

单独突变诱发随机过程通过搜索房子。

突变和选择(没有交叉)产生平行,noise-tolerant,爬山算法。

c .总装工艺流程图

流程图代表逐步过程寻找最佳解决方案,一个复杂的过程。GA过程开始时的初始化人口Kp, Ki & Kd。健身的人口是决定通过选择、交叉和变异操作符。如果健身聚合提供优化的解决方案。如果健身不是聚合GA操作将重复创建下一代。

实验装置

实验设置如图由锥形槽,一个蓄水池,离心泵,转子流量计和一个电气动转换器(I / P转换器)。供应这个I / P转换器提供外部。在此设置中,个人电脑(PC)加载与MATLAB软件允许用户监控和控制的工作过程。

系统规范

结果与讨论

答:调优参数

锥形罐过程包括传统的控制器和调整使用传统优化方法如zn方法。优化结果与遗传算法等智能优化技术相比。调优参数进行分析和响应曲线绘制,控制器在table.2调优值列表。

b .响应曲线

比较传统和智能技术,输出曲线是关于时间。

目标函数及误差值

这是最困难的部分遗传算法程序。目标需要执行法官最简单的PID控制器对系统。客观表现很可能是为了寻找一个PID控制器提供了小小过头,最快最快上升时间或下沉。但以混合所有的目标绝对是风格客观执行将最小化误差的控制系统。每个人都在人口传递到目标执行一次。身体然后评估和分配各种代表其健身、大范围越高其健康。染色体遗传算法程序使用的健身价值做出更换适当的成员组成的人群。

积分误差通常被认为是一个诚实的活系统的性能。ItA¢s帮助具备标准的地方很少的重量在初始误差。这些积分是有限的,只要稳定,状态误差为零。不喜欢简单的标准,使用完全孤立的动态响应特征,类的标准支持完整的响应。以下是一些使用标准支持并参与积分误差点或扰动步反应:

d时域规范

从时域响应曲线规范上升时间、%在射击和沉降时间值获得,它是列在表4。

结论

提出了一种传统的调优技术和智能优化方法对非线性锥形罐的过程。通过比较结果基于遗传算法的非线性过程调优提供了更好的结果。从仿真结果,遗传算法被证明是令人满意的响应的上升时间,超过比例&沉降时间与传统的技术相比。使用遗传算法误差值也降低。从系统响应,可以看出遗传算法跟踪设置点与平稳过渡和振荡与zn方法相比更少。从仿真结果可以看出遗传算法更好的性能的非线性锥形罐的过程。

引用

一个。Ganesh Ram和亚伯拉罕·林肯,”一个模型Reference-Based模糊自适应Pi控制器非线性处理系统”,国际期刊在应用科学的研究和评论,问题2,卷14日- 2013年2月。雷竞技网页版雷竞技苹果下载
P。阿拉,M。Valluvan, S。Ranganathan,“非线性建模和模拟坦克”,国际先进研究期刊》的研究电气、电子、仪器仪表工程、卷。2,问题2,2013年2月。
Pushpaveni, S。Srinivasulu Raju, N。医生,M。Chandana”,锥形罐系统的建模和控制使用自适应与传统PID控制器和性能比较,国际科学和工程研究期刊》的研究,卷4,问题5 - 2013。
M。Lavanya, P。阿拉,M。Valluvan Dr.B。伊丽莎白·卡洛琳,”毫无关系的水平基于模型的交互控制和过程使用虚拟仪器”,国际先进研究期刊》的研究电气、电子和仪器仪表工程、卷。2,问题7,2013年7月。
阿布Sharma Nithya斯根”,比较非线性PI控制器性能过程模型”,国际工程趋势和技术杂志》卷4期3 - 2013。
R。Arivalahan, S。Hosimin Thilagar和d . Devaraj调查模糊逻辑控制器的锥形槽过程”,欧洲科学研究杂志》,第二卷。92,pp.191 - 202, 2012年12月。
H。Kiren Vedi K。Ghousiya女王,D。仁慈,E。Kalaiselvan”,一个比较新颖的方法,增强优化非线性控制器的过程”,国家系统会议,页,2012年12月。
Tsonio Slavov奥林匹亚Roeva”,应用遗传算法优化PID控制器对葡萄糖浓度控制”,圆柱交易系统,问题7卷11,2012年7月。
Ganesh Ram和亚伯拉罕·林肯,“模糊自适应PI控制器的单输入单输出非线性系统”,ARPN工程和应用科学杂志》7卷,第10页。1273 - 1280年,2012年10月。
k . BarrilJawatha”两个坦克锥形交互系统的自适应控制技术”,计算和控制工程国际会议(ICCCE 2012), 2012年4月12和13。
可变电阻拉维,T。Thyagarajan”应用程序相互作用的非线性系统的自适应控制技术的“电子计算机技术(ICECT), 2011年第三国际会议于2012年4月8 - 10页:386 - 392。
Sukanya r .谨慎Sivanandam Venkatesh”设计的控制器基于MPC锥形罐系统”,民国的发展工程,科学和管理(ICAESM -2012) 3月30日,31日,2012年。
R。Valarmathi,公关Theerthagiri, S。Rakeshkumar”,基于遗传算法的控制器设计与分析非线性液体罐系统”,民国进展会议工程、科学和管理(ICAESM -2012) 3月30日,31日,2012年。
K。Sundaravadivu, K。萨拉瓦南和V。Jeyakumar”,分数阶比例积分控制器设计球形储罐的液位控制建模为分数阶系统”IEEE, ICCSCE 2011年,马来西亚、页面(s): 522 - 525
Bijay Kumar Rohtash Dhiman”,优化PID控制器使用智能液位罐系统技术”,加拿大《电气与电子工程2卷,2011年11月11号。
可变电阻拉维,T。Thyagarajan, M。莫妮卡Darshini”,多模型自适应控制策略,为相互作用的非线性系统模型预测控制器”,过程自动化国际会议上,控制和计算(扣带皮层部位),2011年7月。
Subhransu Padhee Yaduvir辛格:“使用虚拟仪器数据日志记录和监控的过程,”在2011年学报IEEE StudentA¢年代技术研讨会,(海报会议),IIT Kharagpur, 2011年1月
可变电阻拉维,T。Thyagarajan”,分散PID控制器非线性系统进行交互。“ICETECT 2011页297 - 302。
年代。Nithya, N。Sivakumaran, T.K.Radhakrishnan, N。Anantharaman”控制的非线性过程使用软计算”IUP 2010。
w·d . Chang和s . p . Shih PID控制器设计的非线性系统使用一种改进的粒子群优化方法”通信在非线性科学和数值模拟、15卷,没有。11日,第3639 - 3632页,2010年。
拉维V。R, ThyagarajanT”相互作用的非线性系统的自适应控制技术的应用”,国际期刊的控制和自动化4号卷,2010年12月。
年代。Nithya, N。Sivakumaran, T。Balasubramanian, N。Anantharaman”,设计控制器的非线性过程使用软计算”,仪器科学与技术、36卷,没有。4、437 - 450年,2008页。
n Bhuvaneswari, g·乌玛& T.R. Rangaswamy神经基础”模型参考自适应控制的锥形槽水平过程”,控制和智能系统,36卷,1号,2008年,页1 - 9。
B。Wayne-Bequette、过程控制模型,设计和仿真,新世纪,新德里,印度,2003。
艾丹oA¢Dwyer,“手书PI和PID控制器的优化规则”,3 rd edition。