45468

Эффективное управление технологических процессов с использованием методов теории автоматического управления (ТАУ)

Доклад

Коммуникация, связь, радиоэлектроника и цифровые приборы

Однако различие методов идентификации этим не исчерпывается. Методы идентификации технологических процессов различаются кроме того в зависимости от наличия той или иной априорной информации о процессе а также делятся на активные и пассивные. Активные методы идентификации основаны на проведении специальных заранее спланированных экспериментов позволяющих проводить целенаправленное изучение исследуемых свойств процесса. Как показывает опыт пассивные методы идентификации технологических процессов на действующих производствах с экономической...

Русский

2013-11-17

105.5 KB

11 чел.

Эффективное управление технологических процессов с использованием методов теории автоматического управления (ТАУ) возможно лишь тогда, когда известно математическое описание этого процесса. Поэтому построение математического описания - идентификация технологического процесса - это важнейший этап создания любой автоматизированной или автоматической системы управления технологическим процессом.

Выбор характера математического описания, т.е. вида модели, зависят от природы самого процесса и от решаемой задачи управления. Так, модель процесса можно задать в виде таблицы, связывающей входные и выходные переменные, описать функциональными зависимостями, дифференциальными уравнениями, передаточными функциями и т.п. В каждом случае методы получения математического описания оказываются различными. Однако различие методов идентификации этим не исчерпывается.

Методы идентификации технологических процессов различаются, кроме того, в зависимости от наличия той или иной априорной информации о процессе, а также делятся на активные и пассивные. Активные методы идентификации основаны на проведении специальных заранее спланированных экспериментов, позволяющих проводить целенаправленное изучение исследуемых свойств процесса. Пассивные методы предполагают изучение технологического процесса в режиме нормальной работы. При этом увеличивается время, необходимое для сбора экспериментальных данных, достаточных для построения адекватной модели процесса, однако снижаются затраты на проведение эксперимента. Кроме того, при использовании пассивных методов оказывается возможным использовать архивный материал. Как показывает опыт, пассивные методы идентификации технологических процессов на действующих производствах с экономической точки зрения более предпочтительны.

Для управления технологическим процессом необходимо знать, как влияет то или иное входное воздействие, управляющее процессом, на выходную переменную, характеризующую его протекание.

Поэтому идентификация процесса сводится к построению математического описания зависимости между этими величинами, которое состоит из двух этапов. Первоначально необходимо определить характер искомой зависимости и вид ее математического описания, а затем найти конкретные значения параметров такого описания. Первый этап обычно называется структурной идентификацией, а второй - параметрической.

Исходными данными для построения математической модели технологического процесса могут служить как теоретические представления о природе физических явлений, происходящих при протекании этого процесса, так и экспериментально измеряемые зависимости между входными и выходными переменными. В принципе каждый из этих подходов может использоваться для идентификации процесса. Однако использование только теоретического подхода осложнено тем, что на практике, как правило, оказывается невозможным учесть все многообразие реально действующих на процесс факторов. В то же время идентификация процесса только на основании экспериментальных данных оказывается весьма сложной с вычислительной точки зрения. Поэтому при идентификации технологических процессов целесообразно комплексное использование всей имеющейся информации о процессе, причем теоретические представления следует относить к структурной идентификации. При этом оцениваются динамические свойства процесса, его линейность, стационарность и др., на которых основывается выбор вида математического описания. Экспериментальные данные используются для параметрической идентификации.

При разработке систем управления технологическими процессами в основном приходится рассматривать задачи параметрической идентификации. Поэтому изложим лишь ряд методов параметрической идентификации, наиболее пригодных для построения модели технологических процессов на действующих производствах.   

                  

Статистическая идентификация динамического объекта в частной области

Рассмотрим схему

                               X(t)                                                  Y(t)

                                                           W(j)

                              Sx()                                               Sy()

                                                          Рис.5.1

Здесь W(j) - частотная характеристика динамического объекта; X(t) - случайный стационарный сигнал на входе объекта;  Y(t) - случайный стационарный сигнал на выходе объекта;   Sx(), Sy() - двухстороннее спектральные плотности сигналов X(t) и Y(t). Сигналы X(t),  Y(t) имеют нулевое математическое ожидание.

Первый способ  решения задачи статистической идентификации динамического объекта заключается в следующем. Известны вероятностные характеристики случайных процессов X(t), Y(t), например их спектральные плотности Sx(), Sy(). Требуется определить частотную характеристику  W(j), передаточную функцию W(s) динамического объекта. Кроме того требуется определить дифференциальные уравнения, описывающие работу динамического объекта.

                               W(j)  W(-j) = .       

Второй способ решения задачи статистической идентификации динамического объекта заключается в использовании формулы

                                     W(j) =                                               

Рассмотрим третий способ решения задачи статистической идентификации динамического объекта (способ Райбмана). Пусть Kx(t) - корреляционная функция случайного процесса X(t) на входе объекта;  Kyx(t) -  взаимная корреляционная функция случайных процессов   X(t) и Y(t).  Представим Kx(t)  и  Kyx(t) в виде

                              

                                                                         (5.11)

                                     .                                (5.12)

Тогда передаточная функция W(s) динамического объекта будет определятся соотношением [12]

                                  W(s) =                                 (5.13)

где

                         

                                                                                                              (5.14)

                          

Здесь L{...}- преобразование Лапласа выражения в фигурных скобках.

Статистическая идентификация динамического объекта во временной области

Современное состояние теории и практики идентификации характеризуется интенсивной разработкой статистических методов идентификации, ориентированных на применение ЭВМ. К этим методам относится и метод минимума статистической неопределенности, рассматриваемый в данном разделе. Он является непараметрическим временным методом идентификации динамического объекта.

Рассмотрим одномерный динамический объект в условиях нормального функционирования. Функция x(t), описывающая воздействие на объект, и функция y(t), описывающая реакцию объекта на это воздействие, определены на некотором множестве моментов времени T, зависящем от характера эксперимента. В общем случае x(t) и y(t)являются реализациями случайных процессов на входе и выходе объекта. Будем называть функции x(t) и y(t) входным и выходным сигналами объекта. Тогда задачу статистической идентификации можно сформулировать следующим образом.

В процессе нормального функционирования одномерного объекта синхронно (непрерывно или дискретно) измеряются входной x(t) и выходной y(t) сигналы. По результатам измерения необходимо определить хотя бы приближенное значение оператора, ставящего в однозначное соответствие входной и выходной сигналы, т.е. нужно получить математическую модель объекта.

основное уравнение статистической идентификации принимает вид

.  (5.23)

При непараметрической идентификации динамических объектов решение уравнения Винера-Хопфа получают в виде последовательности значений ИПФ. Наиболее часто применяют численные методы решения уравнения (5.23) во временной и частотной областях.

Идентификация путем анализа импульсной реакции (весовой функции)

Рассмотрим систему, описываемую соотношением вида (рис.5.4)

,   (5.45)

где u(t) - скалярный входной сигнал; y(t) - скалярный выходной сигнал; g0(k) - истинная импульсная реакция или весовая функция, которая полностью определяет поведение системы; t = 0,1,2,... - дискретные моменты времени; v(t) - помеха в момент времени t.

Рис. 5.4.

Если к системе, описываемой соотношением (5.45), приложить импульсное воздействие

   (5.46)

то выходной сигнал y(t) будет равен

y(t) =a × g0(t)+ v(t).    (5.47)

Из (5.47) имеем

,    (5.48)

где - оценка весовой функции g0(t); v(t)/a - ошибка определения g0(t).Чтобы уменьшить v(t)/a, необходимо увеличить a.

При идентификации по импульсному воздействию часто возникают технические трудности, связанные с формированием и использованием импульсных входных сигналов. Этот метод нельзя применить к линеаризованным системам, так как амплитуда импульса по определению не может быть малой. Другими словами, при таком входном сигнале система может проявить нелинейные эффекты, нарушающие линеаризованное поведение, положенное в основу модели системы.

Этот метод предполагает идентификацию вне процесса управления.

Идентификация путем определения реакции на ступенчатое воздействие

Приложим к системе, описываемой соотношением (5.45), ступенчатое входное воздействие

   (5.49)

Тогда выходной сигнал y(t) будет равен

.   (5.50)

Из (5.50) имеем

.   (5.51)

Из (5.50), (5.51) получим

y(t) - y(t-1)=a × g0(t)+ v(t) - v(t-1).   (5.52)

Из (5.52) имеем

,  (5.53)

где - оценка весовой функции g0(t); [v(t) - v(t-1)]/a - ошибка определения g0(t). Если определение коэффициентов весовой функции действительно является целью, использование (5.53) может сопровождаться значительными ошибками в большинстве практических приложений.

Ступенчатый входной сигнал является наиболее простым для применения (он соответствует, например, открыванию или закрыванию входного клапана либо включению или выключению входного напряжения).

                    


 

А также другие работы, которые могут Вас заинтересовать

64180. Изучение взаимоотношений агрессивных подростков со сверстниками 850.5 KB
  Достоверно установлено что жестокое обращение с ребенком в семье не только повышает агрессивность его поведения в отношении со сверстниками но и способствует развитию склонности к насилию в более зрелом возрасте превращая физическую агрессию в жизненный стиль личности...
64181. Снижение пожарной опасности на автозаправочной станции «Нефтересурсы» 2.97 MB
  Расчет концентрацию паров бензина при открывании горловины автоцистерны. С целью снижения вредных выбросов автомобилями их стали оборудовать каталитическими системами нейтрализации отработавших газов что потребовало ужесточения требований к качеству применяемого бензина.
64182. Анализ конструктивного оформления стадии копчения мясных изделий 2.75 MB
  В процессе собственно копчения накапливаются и перераспределяются коптильные вещества в продукте. Целью выпускной работы является анализ конструктивного оформления стадии копчения мясных изделий.
64183. Организация работы ресторан на 100 посадочных мест 955.94 KB
  Многие рестораны кафе и столовые снабжаются натуральными панированными и рублеными мясными полуфабрикатами. Рыбный фарш и изделия из него готовят на рабочем месте оборудованном весами мясорубкой разделочными досками ящиками для специй и панировочных сухарей ножами поварской тройки.