Статья опубликована в рамках: Научного журнала «Студенческий» № 23(67)

Рубрика журнала: Технические науки

Секция: Электротехника

Скачать книгу(-и): скачать журнал часть 1, скачать журнал часть 2, скачать журнал часть 3, скачать журнал часть 4

Библиографическое описание:
Джембеев С.В., Рыбаков А.В. СИСТЕМА КОНТРОЛЯ ТЕМПЕРАТУРЫ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ // Студенческий: электрон. научн. журн. 2019. № 23(67). URL: https://sibac.info/journal/student/67/147569 (дата обращения: 23.09.2019).

СИСТЕМА КОНТРОЛЯ ТЕМПЕРАТУРЫ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ

Джембеев Сергей Викторович

студент, физико-технический факультет АГУ,

РФ, г. Астрахань

Рыбаков Алексей Владимирович

канд. физ.-мат. наук, доцент кафедры электротехники, электроники и автоматики,

РФ, г. Астрахань

Аннотация. Контроллер на основе искусственного интеллекта для контроля температуры муфельной печи. Искусственный интеллект с двумя входами и одним выходом предназначен для управления температурной системой. Пятиуровневая нейронная сеть используется для настройки входных и выходных параметров функции принадлежности в регуляторе нечеткой логики. По сравнению с другими регуляторами (ПИД и нечёткий регулятор), нейронная сеть показывает лучшую производительность, достигнутую при ее настройке.

 

Ключевые слова: нечёткий регулятор, ПИД-регулятор, Нейронный регулятор, контроль регулятор, гибридное обучение.

 

ВВЕДЕНИЕ

Системы управления процессом часто бывают нелинейными и их трудно точно контролировать. Их динамические модели сложнее вывести. Хорошо известно, что Пропорционально-интегрально-производные (ПИД) контроллеры могут эффективно использоваться для линейных систем, но обычно не могут использоваться для систем более высокого порядка и нелинейных систем [1].

Нейронная сеть обучается по методу обратного распространения ошибки. Алгоритм обратного распространения ошибки имеет несколько недостатков, среди которых отсутствие гарантированной сходимости. Прежде чем нейронную сеть можно использовать в качестве регулятора, она сначала должна изучить модель установки. [3]

II. ОПИСАНИЕ ТЕМПЕРАТУРНОЙ СИСТЕМЫ УПРАВЛЕНИЯ МУФЕЛЬНОЙ ПЕЧИ

Процесс с муфельной печи состоит из нескольких вещей, в основном, муфеля, датчика, системы сбора данных и (искусственного интеллекта), контроллера labVIEW и нагревателя. Здесь термопара используется в качестве датчика. Цифровое устройство сбора данных (ЦУСБ) используется для связи между датчиком и контроллером, а также контроллером и схемой управления. Выход термопары находится в диапазоне милливольт, поэтому мы используем схему усилителя для увеличения диапазона напряжения. Работа системы описывается следующим образом: когда температура, измеренная термопарой, преобразуется в напряжение, которое подается на контроллер через цифровое устройство сбора данных. Сигнал ШИМ (Широтно-импульсная модуляция) генерируется в соответствии с выходным напряжением 10 вольт датчика. Адаптивная нейро-нечеткая система вывода (АННСВ) используется здесь для контроля температуры процесса муфельной печи, он настраивается автоматически и исправляет ошибку в процессе, как показано на рисунке 1.

 

Рисунок 1. Структурная схема системы контроля температуры муфельной печи

 

III. СИСТЕМНАЯ ИДЕНТИФИКАЦИЯ

А. Шаги для идентификации системы

1. Подать значительное изменение в шаге ввода.

2. Наблюдать за изменением переменной процесса и записать устойчивое состояние.

3. Узнать общее изменение ПЦ (переходной процесса), которое произойдет.

4. Вычислить значение 63,2 % от ПЦ

5. Записать время (t1), когда оно проходит через значение

6. Подчеркнуть это со времени (t2), когда ПЦ начинает наращивать, при заданном изменение входа

7. Постоянная времени (t) = t2-t1

8. КП = изменение в установившемся режиме

9. Время задержки (td) - это время, необходимое для получения выходных данных из системы, когда мы применяем входные данные.

10. Общий вид передаточной функции первого порядка задается

Согласно тесту с разомкнутым контуром, показания перечислены выше. Передаточная функция, полученная из этого чтения, определяется как

IV. ДИЗАЙН И РАСЧЕТЫ

А. ПИД-регулятор

Методы настройки Зиглера-Никольса,

Значение устойчивого состояния = 7,5

28,3 % от установившегося значения t 1 = 2,5424 с.

63,2 % от установившегося значения t 2 = 6,0515 с.

Постоянная времени (T) = (t2 - t1) × 1,5= (6,0515 -2,5424) × 1,5= 5,2636 сек.

Задержка по времени (td) = (t2 -T) = (6,0515 - 5,2636) = 0,7879 сек.

Передаточная функция данного процесса,

Пропорциональный усиление,

Интегральное усиление,

где

Производная усиление,

V. КОНТРОЛЛЕР ДИЗАЙНА.

ПИД-регулятор:

Пропорциональный интегрально-производный контроллер (ПИД-регулятор) представляет собой универсальный механизм обратной связи контура управления (контроллер), широко используемый в промышленных системах управления. [3]

 

http://masters.donntu.org/2013/fkita/rudenko/library/images/6_2.png

Рисунок 2. Блок-схема ПИД-регулятора

 

Схема управления ПИД названа в честь трех корректирующих членов, сумма которых составляет управляемую переменную (УП). Пропорциональные, интегральные и производные звенья суммируются для расчета выходного сигнала ПИД-регулятора. Определение U (t) в качестве выхода контроллера, окончательная форма алгоритма ПИД

Где

Пропорциональный коэффициент усиления, параметр настройки

Интегральное усиление, параметр настройки

Производное усиление, параметр настройки e: Error = SP - MV

t: время или мгновенное время (настоящее)

Значения значений Kp, Ki и Kd ПИД-регулятора приведены в таблице 1 ниже, получены с использованием метода Циглера-Николса.

Таблица 1.

Значения параметра ПИД

Регулятор

Kp

Ki

Kd

ПИД

14,16

8,98

5,57

 

B. Нейронный регулятор

Регулятор нейронной сети создается непосредственно на основе идентификатора нейронной сети. Идентификатор нейронной сети используется в качестве средства для обратного распространения ошибки. Нейронная сеть для контроллера также выполнена в виде трехслойной нейронной сети. Он имеет входной слой, скрытый слой и выходной слой.

VI. РЕЗУЛЬТАТ И ОБСУЖДЕНИЕA.

Замкнутый контур для ПИД-регулятора.

Передаточная функция, полученная с помощью эмпирического метода моделирования Зиглера-Никольса для ПИД контроллера, как показано на рисунке выше для системы контроля температуры для муфельной печи на рисунке 4.

 

tv 

Рисунок 3. Имитационные ответы ПИД-регулятора

 

B. Сравнение контроллера PID и контроллера нейронной сети

 

tv

Рисунок 4 Имитационные ответы нейронной сети

 

Характеристики управления температурой с ПИД регулятором и регулятором нейронной сети сравниваются и сведены в таблицу ниже.

Таблица 2

Параметры контроллера

Регулятор

Время нарастания (сек)

Время регулирования (сек)

ПИД регулятор

35

43

Нейросетевой регулятор

29

34

 

По сравнению с ПИД-контроллером и контроллером нейронной сети, контроллер нейронной сети обеспечивает лучшую производительность для системы контроля температуры.

VII. ЗАКЛЮЧЕНИЕ

В этом исследовании принят температурный процесс и стратегия управления - Искусственный интеллект. Регулятор температуры был идентифицирован с использованием метода кривой реакции процесса. Используя модель передаточной функции, было реализовано моделирование Пропорционально-интегрально-производного регулятора и регулятора нейронной сети. Искусственная нейронная сеть на подходит для адаптивного контроля температуры в муфельной печи. Сравнение с ПИД регулятором нейронной сетью дает лучшую производительность, что проверено. Результат моделирования показывает, что нейронные сети производят более стабильный сигнал управления, чем ПИД-регулятор, и имеют отличную возможность отслеживания температуры.

 

Список литературы:

  1. Горбань А.Н. Обучение нейронных сетей. — М.: СССР-США СП «Параграф», 1990. — 160 с.
  2. Лукас В.А. Теория автоматического управления: Учеб. пособие для вузов. -2-е изд., перераб. и доп. –М.: Недра, 1990. -416 с.
  3. Хайкин С. Нейронные сети: Полный курс. Пер. с англ. Н. Н. Куссуль, А. Ю. Шелестова. 2-е изд., испр. — М.: Издательский дом Вильямс, 2008, 1103 с.

Оставить комментарий