УДК 681.5

МОДИФИЦИРОВАННЫЙ ПРЕДИКТОР СМИТА ДЛЯ ОБЪЕКТА С ПЕРЕМЕННОЙ ЗАДЕРЖКОЙ

М.В. Бураков, В.Ф. Шишлаков

Аннотация


При управлении системами с переменным временем задержки традиционный предиктор Смита обладает плохой устойчивостью. Предлагается разработка усовершенствованного адаптивного ПИД-Смит предиктора, который использует ПИД-регулятор в качестве основного контроллера и, кроме того, блок оценки неизвестного времени задержки. Цель состоит в том, чтобы гарантировать стабильность работы системы и устойчивость к ошибкам моделирования.
Рассматриваются два варианта организации блока оценки: на базе нейронной сети и на базе нечеткого регулятора. В первом варианте генетический алгоритм применяется для поиска оптимальных параметров блока оценки в автономном режиме. Во втором варианте нечеткий регулятор типа Такаги — Сугено использует множество моделей с различным временем задержки. В каждый момент времени вычисляется ошибка выхода для каждой модели. Выходной сигнал блока оценки рассчитывается по правилу дефаззификации. Результаты моделирования показывают эффективность предложенного метода.

Ключевые слова


система с запаздыванием; предиктор Смита; адаптивное управление; нейронная сеть; генетический алгоритм; нечеткий логический регулятор Такаги - Сугено

Полный текст:

PDF

Литература


  1. Smith O.J.M. Close Control of Loops with Dead Time // Chemical Engineering Progress. 1957. vol. 53. pp. 217–235.
  2. Гурецкий Х. Анализ и синтез систем управления с запаздыванием // М.: Машиностроение. 1973. 328 с.
  3. Вундер Н.А., Ушаков А.В. Анализ чувствительности к вариации запаздывания систем с последовательным компенсатором, включённым по схеме Смита // Автометрия. 2016. № 3. С. 71–78.
  4. Фуртат И.Б., Цыкунов А.М. Адаптивное управление объектами с запаздыванием по выходу // Известия ВУЗов. Приборостроение. 2005. № 7. С. 15–19.
  5. Kamali M., Askari J., Sheikholeslam F. An Output-feedback adaptive actuator failure compensation controller for systems with unknown state delays // J. Nonlinear Dyn. 2012. vol. 64. no. 4. pp. 2397–2410.
  6. Бобцов А.А. Стабилизация нелинейных систем по выходу в условиях запаздывания // Известия РАН. Теория и системы управления. 2008. № 2. С. 21–28.
  7. Бобцов А.А., Пыркин А.А. Адаптивное и робастное управление c компенсацией неопределенностей // СПб: НИУ ИТМО. 2013. 135 с.
  8. Wei Q., Wang W. Research on fuzzy self-adaptive PI-Smith control in long time-delay system // Journal of China Universities of Posts and Telecommunications. 2011. vol. 18(5). pp. 114–117.
  9. Wang P.G., Feng H.P., Zong X.P. Smith predictive control based on NN // Proceedings of 2005 International Conference on Machine Learning and Cybernetics. Guangzhou. 2005. pp. 4179–4183.
  10. Chen H., Zouaoui Z., Chen Z. A modified Smith predictive scheme based back-propagation neural network approach for FOPDT processes control // Journal of Process Control. 2013. vol. 23(9). pp. 1261–1269.
  11. Padhan D.G., Majhi S. Modified Smith predictor based cascade control of unstable time delay processes // ISA Transactions. 2012. vol. 51. no. 1. pp. 95–104.
  12. Ren H., Cao X., Guo J. Modified Smith Predictor Design and Its Applications to Long Time Delay Systems // International Journal of Signal Processing, Image Processing and Pattern Recognition. 2015. vol. 8. no. 5. pp. 151–160.
  13. Abuzaid O.M., Emheisen M.A., Ammar A.A. Design of Fuzzy Self-adaptive PI-Smith Predictor Process Controller // International Journal of Engineering Trends and Technology (IJETT). 2016. vol. 31. no. 1. pp. 18–21.
  14. Бураков М.В., Кирпичников А.П. Нечеткий регулятор ПИД-типа для нелинейного объекта // Вестник Казанского технологического университета. 2015. Т.18. № 4. C. 242–244.
  15. Burakov M.V., Kurbanov V.G. Fuzzy PID controller for nonlinear plant // ARPN Journal of Engineering and Applied Sciences. 2016. vol. 11. no. 9. pp. 5745–5748.
  16. Бураков М.В., Коновалов А.С., Яковец О.Б. Эволюционный синтез нечетких регуляторов // Информационно-управляющие системы. 2015. № 6. С. 28–33.
  17. Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control // IEEE Trans. Systems Man Cybernet. 1985. vol. 15. no. 116. pp. 116–132.
  18. Gao Q., Feng G., Wang Y. Universal fuzzy controllers based on generalized T–S fuzzy models // Fuzzy Sets and Systems. 2012. vol. 201. pp. 55–70.
  19. Klug M., Castelan E.B., Leite V.J., Silva L.F. Fuzzy dynamic output feedback control through nonlinear Takagi–Sugeno models // Fuzzy Sets and Systems. 2015. vol. 263. pp. 92–111.
  20. Бураков М.В., Брунов М.С. Структурная идентификация нечеткой модели // Труды СПИИРАН. 2014. Вып. 3 (34). С. 232–246.


Михаил Владимирович Бураков - к-т техн. наук, доцент, доцент кафедры управления в технических системах Института инновационных технологий в электромеханике и робототехнике, Санкт-Петербургский Государственный университет аэрокосмического приборостроения (СПбГУАП).
Область научных интересов: адаптивные и нечеткие системы, нейронные сети, генетические алгоритмы.
Число научных публикаций: 150.

Адрес (E-mail): bmv@sknt.ru
Почтовый адрес: ул. Б. Морская, 67, Санкт-Петербург, 190000
Телефон: +7(812)4947031


Владислав Федорович Шишлаков - д-р техн. наук, профессор, директор института инновационных технологий в электромеханике и робототехнике, Санкт-Петербургский Государственный университет аэрокосмического приборостроения (СПбГУАП), заведующий кафедрой управления в технических системах Института инновационных технологий в электромеханике и робототехнике, Санкт-Петербургский Государственный университет аэрокосмического приборостроения (СПбГУАП).
Область научных интересов: методы синтеза нелинейных систем управления, электроэнергетические комплексы, сверхпроводимость, энергоэффективность.
Число научных публикаций: 170.

Адрес (E-mail): svfmail@yandex.ru
Почтовый адрес: ул. Б. Морская, 67, Санкт-Петербург, 190000
Телефон: +7(812)4947031




DOI: http://dx.doi.org/10.15622/sp.51.3