Ryszard Gessing Instytut Automatyki Politechnika Śląska

Slides:



Advertisements
Podobne prezentacje
Sterowanie – metody alokacji biegunów II
Advertisements

Metody badania stabilności Lapunowa
Układ sterowania otwarty i zamknięty
Podstawy Automatyki 2009/2010 Projektowanie układów sterowania Mieczysław Brdyś, prof. dr hab. inż.; Kazimierz Duzinkiewicz, dr hab. inż. 1 Katedra Inżynierii.
REGULATORY Adrian Baranowski Tomasz Wojna.
Mirosław ŚWIERCZ Politechnika Białostocka, Wydział Elektryczny
W1 dr inż. Tadeusz Wiśniewski p. 211 C6.
SYSTEMY CZASU RZECZYWISTEGO Wykłady 2008/2009 PROF. DOMINIK SANKOWSKI.
Stabilność Stabilność to jedna z najważniejszych właściwości systemów dynamicznych W większości przypadków, stabilność jest warunkiem koniecznym praktycznego.
Opis matematyczny elementów i układów liniowych
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów regulacji.
Teoria sterowania Wykład 3
Automatyka Wykład 3 Modele matematyczne (opis matematyczny) liniowych jednowymiarowych (o jednym wejściu i jednym wyjściu) obiektów, elementów i układów.
AUTOMATYKA i ROBOTYKA (wykład 7)
Wykład 6 Charakterystyki czasowe obiektów regulacji
Wykład 5 Charakterystyki czasowe obiektów regulacji
AUTOMATYKA i ROBOTYKA (wykład 4)
Podstawowe elementy liniowe
Opiekun: dr inż. Maciej Ławryńczuk
Metody Lapunowa badania stabilności
AUTOMATYKA i ROBOTYKA (wykład 6)
Wykład 25 Regulatory dyskretne
Stabilność Stabilność to jedno z najważniejszych pojęć teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym praktycznego zastosowania.
Modelowanie – Analiza – Synteza
Modelowanie – Analiza – Synteza
Rozważaliśmy w dziedzinie czasu zachowanie się w przedziale czasu od t0 do t obiektu dynamicznego opisywanego równaniem różniczkowym Obiekt u(t) y(t) (1a)
Wykład 21 Regulacja dyskretna. Modele dyskretne obiektów.
Automatyka Wykład 9 Transmitancja operatorowa i stabilność układu regulacji automatycznej.
AUTOMATYKA i ROBOTYKA (wykład 10)
Kryteria stabilności i jakość układów regulacji automatycznej
Wykład 11 Jakość regulacji. Regulator PID
Stabilność i jakość regulacji
Automatyka Wykład 27 Linie pierwiastkowe dla układów dyskretnych.
Karol Rumatowski d1.cie.put.poznan.pl Sterowanie impulsowe Wykład 1.
Automatyka Wykład 26 Analiza układu regulacji cyfrowej z regulatorem PI i obiektem inercyjnym I-go rzędu.
„Windup” w układach regulacji
Teoria sterowania 2011/2012Stabilno ść Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Stabilność Stabilność to jedno.
Teoria sterowania 2011/2012Sterowanie – metody alokacji biegunów III Kazimierz Duzinkiewicz, dr hab. in ż. Katedra In ż ynierii Systemów Sterowania 1 Sterowanie.
Sterowanie – metody alokacji biegunów
Regulacja dwupołożeniowa i trójpołożeniowa
Wykład 8 Statyczne i astatyczne obiekty regulacji
Wykład 22 Modele dyskretne obiektów.
Modele dyskretne obiektów liniowych
Wykład 23 Modele dyskretne obiektów
Teoria sterowania Wykład 9 Transmitancja operatorowa i stabilność liniowych układu regulacji automatycznej.
Teoria sterowania Wykład 13 Modele dyskretne obiektów regulacji.
Wykład 7 Jakość regulacji
Sterowanie – działanie całkujące
Modelowanie – Analiza – Synteza
SW – Algorytmy sterowania
ISS – Synteza regulatora cyfrowego (minimalnoczasowego)
Stabilność Stabilność to jedno z najważniejszych pojęć dynamiki systemów i teorii sterowania W większości przypadków, stabilność jest warunkiem koniecznym.
Schematy blokowe i elementy systemów sterujących
Wykład nr 1: Wprowadzenie, podstawowe definicje Piotr Bilski
Sterowanie – metody alokacji biegunów
Sterowanie – metody alokacji biegunów III
Podstawy automatyki I Wykład 1b /2016
Podstawy automatyki I Wykład /2016
O ODPORNOŚCI KONWENCJONALNEGO OBSERWATORA LUENBERGERA ZREDUKOWANEGO RZĘDU Ryszard Gessing Instytut Automatyki Politechnika Śląska.
Odporne sterowanie napędami elektrycznymi z wykorzystaniem algorytmów niecałkowitego rzędu Krzysztof Oprzędkiewicz Wydział EAIiIB Katedra Automatyki i.
Teoria sterowania Wykład /2016
Układ ciągły równoważny układowi ze sterowaniem poślizgowym
Podstawy automatyki I Wykład /2016
Sterowanie procesami ciągłymi
Sterowanie procesami ciągłymi
Sterowanie procesami ciągłymi
REALIZOWALNOŚĆ REGULACJI STAŁOWARTOŚCIOWEJ I CZĘŚCIOWE ODSPRZĘGANIE OBIEKTÓW WIELOWYMIAROWYCH Ryszard Gessing Instytut Automatyki, Politechnika Śląska.
Teoria sterowania Materiał wykładowy /2017
Układy regulacji automatycznej
Obiekty dyskretne w Układach Regulacji Automatycznej
Zapis prezentacji:

Ryszard Gessing Instytut Automatyki Politechnika Śląska Fascynujące własności układów z regulatorami wynikającymi z Podstawowej Zasady Sterowania Ryszard Gessing Instytut Automatyki Politechnika Śląska

Co wynika z zastosowania klasycznych regulatorów do przykładów demonstracyjnych MATLAB’a z sieci neuronowych Ryszard Gessing

Plan referatu Wprowadzenie Przykład narmamaglev.mdl Przykład mrefrobotarm.mdl Podstawowa zasada sterowania w układach ze sprzężeniem zwrotnym Przykład predcstr.mdl Wnioski

Wprowadzenie W przykładach MATLAB’a rozpatrywane są modele obiektów nieliniowych dotyczące: lewitacji magnetycznej ramienia robota procesu mieszania Pokażę że zastosowanie klasycznych regulatorów do tych modeli - daje znacznie lepsze rezultaty; potwierdza podstawową zasadę sterowania w układach ze sprzężeniem zwrotnym, której znajomość nie jest rozpowszechniona w literaturze.

Plan referatu Wprowadzenie Przykład narmamaglev.mdl Przykład mrefrobotarm.mdl Podstawowa zasada sterowania w układach ze sprzężeniem zwrotnym Przykład predcstr.mdl Wnioski

Przykład narmamaglev.mdl Obiekt: Równanie sił:

Model lewitacji magnetycznej Charakterystyka statyczna:

Zastosowane regulatory 1. Regulator NARMA-L2 z przykładu MATLAB’a mający ilustrować możliwości sieci neuronowych; 2. Regulator konwencjonalny PD z ograniczeniem sterowania takim samym jak w NARMA-L2: narmamaglev.mdl narmamaglev2,mdl narmamaglev1.mdl maglev.mdl maglev1.mdl

Przebiegi regulacji dla Regulator neuronowy NARMA-L2 Regulator PD

Przebiegi regulacji dla Regulator neuronowy NARMA-L2 Regulator PD

Plan referatu Wprowadzenie Przykład narmamaglev.mdl Przykład mrefrobotarm.mdl Podstawowa zasada sterowania w układach ze sprzężeniem zwrotnym Przykład predcstr.mdl Wnioski

Przykład mrefrobotarm.mdl Równanie momentów:

Model ramienia robota Charakterystyka statyczna: (istnieje dla ) Char. stat. Charakterystyka statyczna: (istnieje dla ) Odpowiedź czasowa y(t) Dla element „astatyczny”:

Zastosowane regulatory 1. Regulator „Model Reference Controller” z przykładu MATLAB’a mający ilustrować możliwości sieci neuronowych; 2. Zmodyfikowany regulator PD z ograniczeniem sterowania takim samym jak w MRC realizujący sterowanie z modelem odniesienia: mrefrobotarm.mdl robotarm0.mdll

Przebiegi regulacji Regulator MRC Regulator PD

Przebiegi regulacji Regulator MRC Regulator PD

Więcej o charakterystyce statycznej modelu ramienia robota; Odpowiedzi czasowe naszego układu w stabilnym i niestabilnym punkcie charakterystyki statycznej obiektu. Pełna charakterystyka statyczna Odpowiedzi układu zamkniętego

Plan referatu Wprowadzenie Przykład narmamaglev.mdl Przykład mrefrobotarm.mdl Podstawowa zasada sterowania w układach ze sprzężeniem zwrotnym Przykład predcstr.mdl Wnioski

Rząd względny (relative degree) Układ liniowy Transmitancja: transformaty Laplace’a d – rząd względny transmitancji (modelu G(s)) Równanie różniczkowe: Skokowa zmiana u daje skokową zmianę

Rząd względny (relative degree) Układ nieliniowy Równania stanu Skokowa zmiana u daje skokową zmianę d - rząd względny

Podstawowa zasada sterowania Obiekt liniowy minimalnofazowy o transmitancji G(s); odpowiednio dobrany wielomian C(s), (C(0)=1) jest stabilny. Podstawowa zasada: rząd względny transmitancji OU C(s)G(s) jest równy jeden (czyli skokowa zmiana u daje skokową zmianę pochodnej e*). wtedy układ zamknięty jest zazwyczaj stabilny dla bardzo dużych wartości wzmocnienia k i posiada bardzo dobre własności.

Podstawowa zasada sterowania Obiekt nieliniowy minimalnofazowy o znanym modelu; odpowiednio dobrany wielomian C(s), (C(0)=1) jest stabilny. Podstawowa zasada: skokowej zmianie u odpowiada skokowa zmiana pochodnej e* (lub rząd względny otwartego układu jest równy jeden). wtedy układ zamknięty jest zazwyczaj stabilny dla bardzo dużych wartości wzmocnienia k i posiada bardzo dobre własności.

Bardzo proste projektowanie Określ rząd względny obiektu d; 2. Zastosuj wielomian: 3. Dobierz stałą czasową T tak że gdzie lub nieco więcej faza transmitancji OU (ukł. liniowy), lub metodą prób w przypadku obiektu nieliniowego. 4. Zastosuj przybliżenie: gdzie lub mniej

Lewitacja magnetyczna Ramię robota (ze schematu lub z równania)

Własności rozważanego układu Działa dla obiektów liniowych i nieliniowych; Jest bardzo odporny na duże i szybkie zmiany parametrów; Posiada szybkie przebiegi nieustalone; Wymaga elementów wykonawczych akceptujących „nerwową pracę”; Szumy pomiarowe stwarzają pewne problemy.

Referaty (autor R. Gessing) Zmodyfikowane sprzężenie zwrotne – jego fascynujące własności. Automation 2004, Warszawa, str.72-81. Czy samo sprzężenie zwrotne może zastąpić adaptację. W ksiązce „Optymalizacja dyskretna, Robotyka i Sterowniki programowalne”, WNT 2004, str. 45-55. Whether Feedback Itself May Replace Adaptation. Proceedings of the Symposium on Large Scale Systems, Theory and Applications, Osaka Japan 2004, pp.560-565. Fascynujące własności układu z pochodnymi wyższego rzedu w regulatorze. Materiały XV KKA 2005, W-wa, str. 69-78 A Feedback Structure with Higher Order Derivatives in Regulator. Int. Conf. on Control, Glasgow, 2006, CD-Rom

Literatura dotycząca sterowania z wykorzystaniem pochodnych wyższego rzędu Vostrikov A. S. Teorija awtomaticzeskogo uprawlenija. Princip lokalizacjii. Novosibirsk 1988. (w j. rosyjskim, pierwsze prace 1977). Yurkevich V. D. Design of Nonlinear Control Systems with Highest Derivative in Feedback. World Scientific, 2004

Przykład (niestacjonarny obiekt trzeciego rzędu)

zmiany parametrów odpowiedzi na skokowe zmiany wartości zadanej ograniczenia sterowania:

Plan referatu Wprowadzenie Przykład narmamaglev.mdl Przykład mrefrobotarm.mdl Podstawowa zasada sterowania w układach ze sprzężeniem zwrotnym Przykład predcstr.mdl Wnioski

Przykład predcstr.mdl h – poziom y - stężenie

Przykład predcstr.mdl charakterystyka statyczna Ymx=21.665

Odpowiedź na skok wejścia yo=0, ho=30 yo=22, ho=30

Zastosowane regulatory 1. NN predictive controller mający ilustrować możliwości sieci neuronowych- skokowo zmieniająca się wartość zadana co 20 jednostek w granicach 20-23, ograniczenia sterowania 0-4; 2. Ponieważ d=1 stosujemy klasyczny regulator P ze zmianami wartości zadanej i ograniczeniami sterowania takimi samymi jak dla regulatora NN. wzmocnienie regulatora P: k=200 predcstr.mdl cstr0.mdl

Przebiegi regulacji (skok co 20 jednostek) NN predictive controller Klasyczny Regulator P

Odpowiedź na skok wejścia yo=0, ho=30 yo=22, ho=30

Przebiegi regulacji (skok co 200 jednostek) NN predictive controller symulacja 15 min Klasyczny regulator P symulacja 5 sek

Przykład predcstr.mdl charakterystyka statyczna Ymx=21.665

Plan referatu Wprowadzenie Przykład narmamaglev.mdl Przykład mrefrobotarm.mdl Podstawowa zasada sterowania w układach ze sprzężeniem zwrotnym Przykład predcstr.mdl Wnioski

Co wynika z zastosowania klasycznych regulatorów do przykładów demonstracyjnych MATLAB’a z sieci neuronowych? Warto znać, chociaż nie zawsze można stosować podstawową zasadę sterowania układów ze sprzężeniem; Do jej stosowania zazwyczaj wystarcza wiedza o rzędzie względnym modelu obiektu (liniowego, bądź nieliniowego); Opinia, że do sterowania obiektów nieliniowych potrzebne są zaawansowane regulatory jest nieprawdziwa; Widać, że regulatory PD a nawet P radzą sobie znacznie lepiej nawet z silnie nieliniowymi obiektami, niż regulatory NN; Zastosowanie regulatorów NN do tych przykładów jest nieuzasadnione; Autorzy tych przykładów nie panują nad nimi -niewielka zmiana warunków pracy zazwyczaj rozstraja układ; brakuje porównania z innymi regulatorami; Chyba wynika stąd również ograniczone znaczenie modeli nieliniowych otrzymanych na drodze uczenia lub identyfikacji za pomocą ogólnych metod.

Wnioski dodatkowe Prace wynikające z głębokiego zrozumienia i modyfikacji istniejących, klasycznych rozwiązań są zazwyczaj niedoceniane, chociaż prowadzą często do lepszych wyników; Niemerytoryczne oceny pracowników naukowych bazujące głównie na liczbie publikacji filadelfijskich nie sprzyjają wzrostowi kadry charakteryzującej się głębią myślenia; W ocenie pracowników naukowych ważniejszą rolę powinna odgrywać głębokość rozumienia przez nich istniejących wartościowych rozwiązań niż pisanie „oryginalnych”, zazwyczaj przyczynkowych prac;

Dodatki

G(s)= 0.0012 s^2 + 0.24 s + 12 ------------------------

Układy minimalnofazowe - liniowe Zera transmitancji = pierwiastki równania: Zera minimalnofazowe: Układ minimalnofazowy ma zera i bieguny o ujemnej części rzeczywistej Jeżeli przynajmniej jedno zero jest nieminimalnofazowe to układ jest nieminimalnofazowy

Układy minimalnofazowe - liniowe Badamy równanie powstające z powyższego przez podstawienie y=0 jeżeli uklad (1) jest stabilny, a równanie opisuje przebiegi u stabilne to układ (1) jest minimalnofazowy, jeżeli – niestabilne – to nieminimalnofazowy Równanie (2) w j. ang. nazywane jest „zero dynamics”

Przykład układu nieminimalnofazowego liniowego: jedno zero nieminimalnofazowe i dwa bieguny stabilne wybieg ujemny (undershot)

Układy minimalnofazowe - nieliniowe Rozważmy układ nieliniowy stabilny w postaci: Tworzymy „zero dynamics” tzn. podstawiamy y=0: Jeżeli równanie (**) opisuje przebiegi u stabilne to mówimy że układ (*) ma zera minimalnofazowe, jeżeli – niestabilne – to ma zera nieminimalnofazowe. W pierwszym przypadku układ (*) jest minimalnofazowy, w drugim – nieminimalnofazowy.

Układy równoważne