ADAPTIVE, WITH HIGH LEVEL OF ARTIFICIAL INTELLIGENCE CONTROL SYSTEM OF THE SHIP ELECTRIC DRIVE
Abstract and keywords
Abstract (English):
Adaptive control systems of ship electric drives are objects of the research The aim of the study is to develop a concept based on self-organizing optimum regulator with extrapolation, proposed by Academician A. A. Krasovskiy, adaptive high-level of artificial intelligence, ship electric drive control system. The features of the adaptive control system with self-organizing optimum regulator with extrapolation, its structural schemes, algorithmic support and the results of synthesis of the self-organizing system control of specific marine electric drive are given. The modes of the self-organizing system in the presence of both parametric and structural perturbations are considered. It is shown by means of simulation that the developed algorithms provide not only parametric, and structural-parametric adaptation of the system, unlike the systems with conventional control algorithms. The results of the research lead to the conclusion about the effectiveness of the developed adaptive self-organizing control systems and the prospects of the proposed approach.

Keywords:
adaptive control system, self-organizing regulator, ship electric drive
Text
Состояние проблемы Разработка высокопроизводительных, компактных и экономичных систем электропривода является приоритетным направлением развития современной техники. Рост степени интеграции в микропроцессорной технике и переход от микропроцессоров к микроконтроллерам с встроенным набором специализированных периферийных устройств, значительные успехи силовой электроники сделали необратимой тенденцию массовой замены аналоговых систем управления (СУ) приводами на системы прямого цифрового управления. Судовые электроприводы как объекты управления относятся к классу сложных нестационарных объектов с нелинейными характеристиками различного вида, т. к. во время эксплуатации практически все элементы привода подвергаются внешним возмущающим воздействиям [1]. Следует учесть, что диапазоны изменения ряда параметров достигают больших значений. Для таких объектов СУ с постоянной настройкой малоэффективны, поэтому применяют адаптивные СУ, в большинстве своем основанные на использовании математических моделей (ММ) и реализующие принципы только параметрической адаптации. Разработка ММ сложных объектов требуемого уровня адекватности, их идентификация и сертификация (верификация) связаны с очень высокими интеллектуальными и материальными затратами. Поэтому традиционные направления в адаптивном управлении не могут решить эту проблему, когда даже структура ММ априори неизвестна. По характеру изменений в управляющем устройстве адаптивные системы делятся, как известно, на две большие группы: самонастраивающиеся и самоорганизующиеся. В 1980 г. была опубликована книга Дж. Саридиса «Самоорганизующиеся стохастические системы управления» [2]. Он предложил вместо термина «адаптивные системы» применять более широкий, но более конкретный термин «самоорганизующиеся системы с параметрической или функциональной адаптацией», причем второй подкласс самоорганизующихся систем - «системами с высоким уровнем искусственного интеллекта». Проблема адаптивных СУ до настоящего времени относится к числу фундаментальных проблем, не получивших пока исчерпывающего решения, несмотря на полувековую историю развития и огромное число публикаций. В современных условиях актуальность создания высокосовершенных адаптивных, приспосабливающихся к условиям эксплуатации, СУ сложными непрерывными процессами не только не уменьшается, но и возрастает. В связи с этим весьма перспективным представляется подход к построению адаптивных СУ на основе принципов самоорганизации, предложенный в 1994 г. академиком РАН А. А. Красовским [3]. Этот подход основан на концепции разработки и применения самоорганизующегося оптимального регулятора с экстраполяцией (СОРЭ). Адаптивные системы с этим регулятором получили название самоорганизующихся СУ с высоким уровнем искусственного интеллекта (по терминологии Дж. Саридиса) [4]. Строгой теории автоматических контуров с СОРЭ пока не существует. Вся идеология СОРЭ наиболее подробно и системно была представлена в трудах А. А. Красовского [5]. Мы приводим результаты нашей разработки конкретных адаптивных СУ судовыми электроприводами на основе принципов самоорганизации, предложенных А. А. Красовским. Цель, задачи и методы исследования Целью исследования является разработка на основе концепции СОРЭ адаптивной, с высоким уровнем искусственного интеллекта, СУ судовым электроприводом. Для достижения поставленной цели были сформулированы следующие задачи: - выполнить анализ особенностей и принципа действия адаптивных систем общего назначения с СОРЭ; - разработать общую методику синтеза самоорганизующейся СУ судовым электроприводом на основе концепции СОРЭ, реализующей структурно-параметрическую адаптацию; - разработать СУ с самоорганизующимися алгоритмами для конкретных электроприводов; - выполнить сравнительный анализ функционирования традиционной и самоорганизующейся СУ при параметрических и структурных возмущениях. В ходе исследования использовались принципы системного подхода, в частности, методы, основанные на использовании результатов классической и современной теории управления, методы и алгоритмы оценивания и идентификации динамических систем, методы и алгоритмы оптимального и адаптивного управления, методы имитационного моделирования. Проверка эффективности полученных в ходе работы теоретических результатов осуществлялась средствами компьютерного моделирования в среде MATLAB. Самоорганизующийся оптимальный регулятор с экстраполяцией имеет ряд принципиальных особенностей, которые необходимо учитывать при разработке СУ [6-8]. В основе СОРЭ используется структурная схема универсальной системы автоматического управления (рис. 1). Рис. 1. Структурная схема универсальной системы автоматического управления Принятые обозначения: X - внутренние переменные состояния объекта управления; Z - контролируемые переменные состояния объекта управления; U - управление; индексы о, ш, а, м - соответственно «оптимальное управление», «оптимальное управление в штатном режиме», «оптимальное управление в аварийном режиме», «переменные модели». Представленная схема отличается от схемы традиционной СУ, содержащей только измерительные устройства (датчики) и блок с алгоритмами управления, наличием дополнительных блоков с алгоритмами оптимального оценивания и идентификации. Оптимальное управление возможно лишь при оптимальной обработке информации. Эти функции - оптимальное оценивание состояния и идентификация варианта [4] - представлены на рис. 2. Рис. 2. Структурная схема самоорганизующегося регулятора с высоким уровнем искусственного интеллекта На рис. 2 обозначены: ФКБ - блок фильтров Калмана - Бьюси; Экстр. - блок экстраполяции; n = argmin (x, -z) - блок определения порядка модели; х - координаты объекта управления; z - сигнал с датчика; u - сигнал управления. Учитывая особенности нестационарных нелинейных объектов, связанные с трудностями разработки их ММ, мы использовали в работе подход с так называемым «безмодельным управлением». При этом подходе нет необходимости в знании ММ объекта управления ни на стадии проектирования СУ, ни при ее эксплуатации. Сигнал рассогласования поступает на вход нескольких параллельно работающих циклических фильтров Калмана - Бьюси (ФКБ). Они различаются порядком и синтезированы для полиномиальных приближений сигнала рассогласования. На основе сравнения результатов работы ФКБ и сигнала рассогласования осуществляется выбор порядка полиномиальной модели объекта управления. Переменные состояния выбранного ФКБ используются для формирования оптимального по квадратичному критерию управления. Порядок выбранного ФКБ изменяется с течением времени, за счет этого и происходит адаптация регулятора. Далее, при известном порядке полиномиальной модели на следующем цикле можно найти оптимальное управление. В этом и заключается адаптация и оптимизация сигнала управления и самого регулятора. Существуют ММ алгоритмов регулятора как с непрерывным временем функционирования, так и с дискретным. В нашей работе применялись дискретные алгоритмы, т. к. они более удобны для реализации в микропроцессорной технике. Организация их работы следующая. Непрерывное время разбивается на циклы, самым коротким интервалом времени является шаг. Входной величиной регулятора является сигнал рассогласования между задающим воздействием и выходной величиной регулируемого объекта. Сигнал рассогласования с помощью параллельно работающих алгоритмов оценивания на основе ФКБ обрабатывается на каждом шаге. В блоке оптимальной идентификации по выбранному показателю, измеряемому и вычисляемому в ходе самого процесса регулирования, связанного с качеством, точностью регулирования на каждом цикле или на протяжении ряда циклов, осуществляется автоматический выбор порядка модели оцениваемого процесса. Исполнительная часть оптимального регулятора имеет алгоритм, синтезированный на основе интегрального квадратичного критерия. На выходе регулятора устанавливается экстраполятор нулевого порядка, обеспечивающий кусочно-постоянную экстраполяцию и обновление сигнала управления на каждом цикле. В течение цикла положение органа управления считается неизменным. Самоорганизация СУ, следовательно, осуществляется с помощью взаимосвязанных принятых алгоритмов оценки состояния системы, фильтрации входной информации, структурной и параметрической адаптации автоматически формируемой модели и, наконец, автоматически определяемых оптимальных управляющих воздействий. Именно по такому функционалу происходит вычисление управляющего воздействия в СОРЭ. Регулятор (рис. 2) назван самоорганизующимся, т. к. организация его структуры и определение оптимальных параметров, необходимых для достижения цели управления, происходят автоматически в соответствии со структурой, порядком и параметрами неопределенного объекта. Фактически СОРЭ представляет собой самоорганизующийся адаптивный алгоритм (СОА). Результаты исследования Синтез адаптивной СУ с высоким уровнем искусственного интеллекта осуществлялся применительно к электродвигателю постоянного тока как нестационарного объекта управления частотой вращения [9]. Из всех способов построения СУ такими двигателями, как известно, преимущественное распространение получили системы с подчиненным управлением, однако они имеют определенные ограничения, в первую очередь связанные с их стационарностью и линейными ММ. В ходе сравнительного анализа мы рассмотрели два варианта синтеза систем - с традиционным ПИ-регулятором на основе метода подчиненного управления в одноконтурной скоростной системе и самоорганизующимся регулятором при учете различных параметрических и структурных возмущений (рис. 3 и 4). Рис. 3. Структурная схема системы управления с ПИ-регулятором Рис. 4. Структурная схема системы управления с СОРЭ-регулятором В качестве параметрических возмущений рассматривалось увеличение постоянной времени якоря двигателя Тя от исходного значения Тяи в 5, 10 и 20 раз (5Тяи, 10Тяи, 20Тяи соответственно), а в качестве структурных возмущений - отсутствие обратной связи двигателя по частоте вращения КЕ1 = 0. На рис. 5, 6 представлены графики переходных процессов в системах для режимов с параметрическими и структурно-параметрическими возмущениями соответственно. Рис. 5. Графики переходных процессов в системах управления с ПИ-регулятором и СОРЭ-регулятором при изменении постоянной времени якоря двигателя (параметрическая адаптация) На рис. 5 обозначены: (1)-(4) - кривые переходного процесса в системе с ПИ-регулятором при Тяи, 5Тяи, 10Тяи, 20Тяи; (5)-(8) - кривые переходного процесса в системе с СОРЭ-регулятором при Тяи, 5Тяи, 10Тяи, 20Тяи. Рис. 6. Графики переходных процессов в системах управления с ПИ-регулятором и СОРЭ-регулятором при отсутствии обратной связи и изменении постоянной времени якоря двигателя (структурно-параметрическая адаптация) На рис. 6 обозначены: (1)-(4) - кривые переходного процесса в системе с ПИ-регулятором при Тяи, 5Тяи, 10Тяи, 20Тяи и отсутствии обратной связи; (5)-(8) - кривые переходного процесса с СОРЭ-регулятором при Тяи, 5Тяи, 10Тяи, 20Тяи и отсутствии обратной связи. Из данных рис. 5, 6 следует, что при наличии параметрических и структурных возмущений система с ПИ-регулятором становится неработоспособной, а система с СОРЭ - обеспечивает требуемые показатели качества регулирования. Выводы В результате исследований на основе концепции СОРЭ разработана адаптивная, с высоким уровнем искусственного интеллекта, СУ судовым электроприводом. Имитационное моделирование подтвердило высокую эффективность самоорганизующихся алгоритмов, с помощью которых обеспечивается структурно-параметрическая адаптация СУ. Принципиальное отличие алгоритмического обеспечения этих СУ от известных адаптивных систем состоит в том, что они построены на основе сочетания алгоритмов структурной (функциональной) адаптации с алгоритмами параметрической адаптации и оптимальным управлением. Результаты моделирования демонстрируют потенциальные возможности СУ судовыми электроприводами, построенных на основе принципов самоорганизации, что позволяет их считать автоматизированными электроприводами нового поколения.
References

1. Pankratov V. V. Avtomaticheskoe upravlenie elektroprivodami / V. V. Pankratov. Novosibirsk: Izd-vo NGTU, 2013. 200 s.

2. Saridis Dzh. Samoorganizuyuschiesya stohasticheskie sistemy upravleniya / Dzh. Saridis. M.: Nauka, 1980. 400 s.

3. Krasovskiy A. A. Adaptivnyy optimal'nyy regulyator s peremennymi poryadkom nablyudatelya i vremenem ekstrapolyacii / A. A. Krasovskiy // AiT. 1994. № 11. S. 97-112.

4. Krasovskiy A. A. Analiticheskaya teoriya samoorganizuyuschihsya sistem upravleniya s vysokim urovnem iskusstvennogo intellekta / A. A. Krasovskiy, A. I. Naumov // Izv. akad. nauk. Teoriya i sistemy upravleniya. 2001. №1. S. 69-75.

5. Krasovskiy A. A. Izbrannye trudy. Samye rannie. Samye novye / A. A. Krasovskiy. M.: Nauka, 2003. 614 s.

6. Turkin I. I. Samoorganizuyuschiesya sistemy upravleniya slozhnymi tehnicheskimi ob'ektami / I. I. Turkin, E. B. Bykov // Industriya. 2005. № 1. C. 2-3.

7. Turkin I. I. Samoorganizuyuschiesya sistemy upravleniya slozhnymi sudovymi tehnicheskimi sredstvami / I. I. Turkin // Morskie intellektual'nye tehnologii. 2008. № 1. S. 66-68.

8. Turkin I. I. Eksperimental'naya proverka rabotosposobnosti i effektivnosti adaptivnoy na principah samoorganizacii sistemy avtomaticheskogo upravleniya / I. I. Turkin, S. N. Kiryuhin // Materialy 23-y mezhvuz. nauch.-tehn. konf. «Voennaya radioelektronika: opyt ispol'zovaniya i problemy» (Petrodvorec, 13-14 marta 2012 g.). SPb: 2012. Ch. 3. S. 209-215.

9. German-Galkin S. G. MATLAB & SIMULINK. Proektirovanie mehatronnyh sistem na PK: uchebnoe posobie dlya vuzov / S. G. German-Galkin. SPb.: KORONA-Vek, 2008. 367s.


Login or Create
* Forgot password?