Wyniki 1-3 spośród 3 dla zapytania: authorDesc:"Michał AWTONIUK"

Dostrajanie regulatora z pominięciem eksperymentu identyfikacji obiektu przy użyciu Imperialist Competitive Algorithm


  Wyniki badania prowadzone przez najznamienitszych naukowców świata wskazują na to, że 90% pętli regulacji działających w przemyśle bazuje na algorytmie PID [1, 2]. Olbrzymia popularność tego algorytmu nie przekłada się jednak na jakość regulacji. Badania firmy Honeywell wskazują, że wiele spośród pętli regulacji pozostaje otwarta [3]. Sytuację tą można poprawić wykorzystując dostępne w sterownikach PLC procedury automatycznego doboru nastaw. Jest to rozwiązanie korzystne ze względu na to, że takie podejście nie wymaga specjalistycznej wiedzy. Zazwyczaj producenci sterowników udostępniają w ramach wsparcia technicznego dokumentację, która krok po kroku opisuje co należy zrobić aby uruchomić funkcję autotuningu. Innym rozwiązaniem jest ręczny dobór parametrów regulatora. W tym przypadku konieczna jest już niestety pewna wiedza teoretyczna. Zazwyczaj utalentowany automatyk-praktyk jest w stanie dobrać nastawy zdecydowanie lepsze od nawet najskuteczniej działającej procedury strojenia automatycznego. W przytoczonych wcześniej badaniach można również znaleźć informację na temat zamkniętych pętli regulacji. Okazuje się, że zaledwie połowę z nich cechuje zadowalająca jakość [3]. Fakt ten powinien być bodźcem powodującym głębszą analizę tychże układów. Obiekt regulacji Doświadczenia były prowadzone na obiekcie schematycznie przedstawionym na rysunku 1. Jest to zbiornik z regulowanym poziomem wypełnienia wodą przy pomocą pompy. Jej wydatek jest sterowany sygnałem analogowym u pochodzącym ze sterownika PLC. Sygnał rozpatrywany jest w zakresie 0..10 V, gdzie 0 V oznacza całkowite wyłączenie pompy, natomiast 10 V pracę z maksymalnym wydatkiem. W omawianym układzie regulacji, sygnał ten będzie traktowany jako wyjście regulatora. Otwarty zawór Z2 powoduje samoczynny wypływ cieczy ze zbiornika. Stan tego zaworu może diametralnie zmienić obiekt sterownia. W przypadku, gdy zbiornik będzie szczelny, bez żadnego wypływu cieczy, wówczas obiekt [...]

Odwzorowanie dynamiki pracy regulatora PID zaimplementowanego w sterowniku PLC za pomocą Least Squares- Support Vector Machines

Czytaj za darmo! »

Artykuł ma na celu przedstawienie metody umożliwiającej odwzorowanie dynamiki pracy algorytmu PID zaimplementowanego w sterowniku PLC przy wykorzystaniu LS-SVM. W artykule opisano rodzaje algorytmów PID zaimplementowanych w sterownikach PLC, jak również omówiono w skrócie różnice między SVM a LS-SVM. Główny nacisk położono na proces doboru cech i ich wpływ na zdolności uczące i generalizacyjne. Przedstawiono wyniki uczenia i testowania sieci LS-SVM odwzorowującej działanie rzeczywistego algorytmu PID w PLC. Abstract. The following paper presents a new approach to the dynamics mapping of the PID controller implemented in the PLC using the LS-SVM. The article describes the types of PID algorithms implemented in the PLC. The differences between SVM and LS-SVM are also briefly discussed. The process of features selection and their impact on learning ability and testing is mainly emphasized. The results of learning and testing of the LSSVM mapping of the work of the PID controller are demonstrated. (Dynamics mapping of the work of the PID controller implemented in the PLC by means of Least Squares-Support Vector Machines). Słowa kluczowe: PID, PLC, LS-SVM, wektor cech. Keywords: PID, PLC, LS-SVM, features vector. Wstęp Pomimo dużej ilości zaawansowanych teorii i technik sterowania opracowanych w ostatnich kilku dekadach, algorytmy PID zaimplementowane w sterownikach PLC (ang. Programmable Logic Controller) są nadal wykorzystywane na szeroką skalę w przemyśle. Według K.J. Astroma [2], 90% pętli regulacji stosowanych w przemyśle opartych jest o algorytmy PID. Jednak, według badań przeprowadzonych przez firmę Honeywell, zaledwie połowa z działających pętli regulacji cechuje zadowalająca jakość [14]. Przyczyną takiej sytuacji może być zarówno brak odpowiedniego know-how personelu, jak również duża liczba wymaganych do ustawienia parametrów, szczególnie, gdy struktura PID zaimplementowanego w sterowniku jest skomplikowana. Algorytmy PID mog[...]

Black-Box system identification by means of Support Vector Regression and Imperialist Competitive Algorithm

Czytaj za darmo! »

The paper proposes to use SVR network for system identification by means of the Black-Box method. Selection of the optimal network parameters as well as the selection of optimal set of regressors by the Imperialist Competitive Algorithm have been proposed. The accuracy of models built was compared to ARX model for a linear object and NARX model for a non-linear one. The results show that the use of SVR in Black- Box identification can be an useful and efficient alternative for models based on NARX and ARX structures. Streszczenie. W artykule zaproponowano użycie sieci SVR do identyfikacji systemów metodą Black-Box. Do doboru optymalnych parametrów sieci i wyboru optymalnego zestawu regresorów, zaproponowano użycie algorytmu ewolucyjnego Imperialist Competitive Algorithm. Dokładność zbudowanych modeli porównano z modelem typu ARX, dla obiektu liniowego, oraz NARX, dla nieliniowego. Otrzymane wyniki wskazują, że wykorzystanie SVR w identyfikacji Black-Box może być użyteczną i efektywną alternatywą dla modeli o strukturze ARX oraz NARX. (Identyfikacja systemów metodą Black-Box za pomocą Support Vector Regression i Imperialist Competitive Algorithm) Keywords: identification, black-box, support vector machine, evolutionary algorithms. Słowa kluczowe: identyfikacja, black-box, support vector machine, algorytmy ewolucyjne. Introduction Good knowledge of behavior of the system in the control process is essential to provide high quality and achieve low production costs. Objects (plants) identification (considered as components of the system) consists in construction of mathematical description of object dynamics on the basis of measured data and forecasting the behavior of the object for new input data. Mathematical models resulting from the identification are used for the purpose of controlling, simulation tests and forecasting. However, it is difficult to find mathematical model which is capable of accurately mapping a dynamic behaviour of [...]

 Strona 1