Перейти до вмісту
Наукові вісті КПІ
ISSN 2617-5509 · e‑ISSN 2663-7472 Відкритий доступ · CC BY 4.0
Т. · № 1 · 2021 тра 28, 2021 статті

РОЗРОБЛЕННЯ МОДЕЛЬНО-ПРОГНОЗНОГО РЕГУЛЯТОРА ДЛЯ НЕСТАЦІОНАРНОГО ТЕХНОЛОГІЧНОГО ПРОЦЕСУ

ОС
Олександр Васильович Степанець Відповідальний Igor Sikorsky Kyiv Polytechnic Institute , Ukraine Україна
ЮМ
Юрій Ігорович Маріяш Igor Sikorsky Kyiv Polytechnic Institute , Ukraine Україна
Опублікованотра 28, 2021
PDF
НВКПІ 1 ТОМ · 1
ТОМ · № 1 · 2021 Переглянути випуск

Анотація

Проблематика. Модельно-прогнозне керування (МПК) використовує базову схему зворотного зв’язку, поєднану зі значними адаптивними властивостями, що визначає її успішне застосування в проєктуванні та експлуатації систем управління. Ці переваги дають змогу керувати багатовимірними об’єктами зі складною структурою, що можуть містити нелінійності, оптимізувати цільову функцію в режимі реального часу в рамках обмежень на керовані та керівні змінні, враховувати невизначеності в описі об’єктів і збурень. Мета дослідження. Розробити та проаналізувати систему керування окисленням монооксиду вуглецю в порожнині конвектора на базі МПК із лінійно-квадратичним функціоналом за наявності обмежень. Методика реалізації. Розробка МПК базується на математичній прогнозній моделі об’єкта (повинна бути відносно простою). На поточному кроці прогнозують поведінку об’єкта на певний кінцевий проміжок часу (горизонт прогнозування); оптимізують критерій задля наближення відповіді прогнозної моделі до відповідного завдання на горизонті прогнозування. Далі застосовують перше значення знайденого керувального впливу та вимірюють фактичний стан об’єкта наприкінці кроку. Горизонт прогнозування зміщують на крок уперед, і цей алгоритм повторюють. Результати дослідження. Результати моделювання автоматичної системи керування показують, що МПК-підхід забезпечує підтримання вмісту вуглекислого газу за зміни споживання кисню, а також перерегулювання, спричинене введенням сипучих компонентів, яке не перевищує 0,6 % (це відповідає технологічним вимогам процесу). Висновки. Запропоновано синтез МПК із квадратичним функціоналом з урахуванням обмежень на вхідні сигнали. Проблеми контролю ступеня окислення вуглецю в порожнині конвектора містять нестаціонарність, тому використання класичних методів управління ускладнене. Підхід МПК мінімізує цільову функцію, що характеризує якість процесу. Прогнозована поведінка об’єкта керування зазвичай відрізнятиметься від його фактичного руху. Оптимальне керування ступенем згоряння СО до СО 2 знаходять оптимізацією отриманого лінійно-квадратичного функціонала.

Ключові слова

#модельно-прогнозне керування #лінійно-квадратичний функціонал #модель в просторі станів #система керування

Посилання

  1. J. Richalet et al., “Model predictive heuristic control,” Automatica, vol. 14, no. 5, pp. 413–428, 1978. doi: 10.1016/0005-1098(78)90001-8
  2. C.R. Cutler and B.L. Ramaker, “Dynamic matrix control - A computer control algorithm,” in Proc. Joint Automatic Control Conf., Houston, TX, 1980.
  3. S.J. Qin and T.A. Badgwell, “A survey of industrial model predictive control technology,” Control Eng. Pract., vol. 11, no. 7, pp. 733–764, 2003. doi: 10.1016/S0967-0661(02)00186-7
  4. O. Stepanets and Yu. Mariiash, “Analysis of influence of technical features of a pidcontroller implementation on the dynamics of automated control system,” Eastern-Europ. J. Enterpr. Technol., vol. 3, no. 2 (93), pp. 60–69, 2018. doi: 10.15587/1729-4061.2018.132229
  5. S. Dubljevic and J.P. Humaloja, “Model predictive control for regular linear systems,” Automatica, vol. 119, p. 109066, 2020. doi: 10.1016/j.automatica.2020.109066
  6. F. D. Palma and L. Magni, “A multi-model structure for model predictive control,” Ann. Rev. Control, vol. 28, no. 1, pp. 47–52, 2004. doi: 10.1016/j.arcontrol.2004.01.004
  7. M.M. Morato et al., “Model predictive control design for linear parameter varying systems: A survey,” Ann. Rev. Control, vol. 49, pp. 64–80, 2020. doi: 10.1016/j.arcontrol.2020.04.016
  8. P. Tatjewski and M. Ławryńczuk, “Algorithms with state estimation in linear and nonlinear model predictive control,” Comput. & Chem. Eng., vol. 143, p. 107065, 2020. doi: 10.1016/j.compchemeng.2020.107065
  9. Y. Iino and T. Shigemasa, “Model predictive control with multi-objective cost function considering stabilization and linear cost optimization,” IFAC Proc. Vol., vol. 30, no. 9, pp. 547–552, 1997. doi: 10.1016/S1474-6670(17)43206-X
  10. L. Böhler et al., “Fuzzy model predictive control for small-scale biomass combustion furnaces,” Appl. Energy, vol. 276, p. 115339, 2020. doi: 10.1016/j.apenergy.2020.115339
  11. Y. Shin et al., “Development of model predictive control system using an artificial neural network: A case study with a distillation column,” J. Cleaner Production, vol. 277, p. 124124, 2020. doi: 10.1016/j.jclepro.2020.124124
  12. L. Keviczky and Cs. Bányász, “Optimal structure for model predictive control,” IFAC Proc. Vol., vol. 37, no. 12, pp. 621–626, 2004. doi: 10.1016/S1474-6670(17)31538-0
  13. M. Chen et al., “Cooperative distributed model predictive control based on topological hierarchy decomposition,” Control Eng. Pract., vol. 103, p. 104578, 2020. doi: 10.1016/j.conengprac.2020.104578
  14. A. Maxim et al., “An industrially relevant formulation of a distributed model predictive control algorithm based on minimal process information,” J. Process Control, vol. 68, pp. 240–253, 2018. doi: 10.1016/j.jprocont.2018.06.004
  15. L. Hewing et al., “Learning-based model predictive control: Toward safe learning in control,” Annual Rev. Control, Robotics, Autonom. Syst., vol. 3, no. 1, pp. 269–296, 2020. doi: 10.1146/annurev-control-090419-075625
  16. O. Stepanets and Yu. Mariiash, “Model predictive control application in the energy saving technology of basic oxygen furnace,” Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, vol. 10, no. 2, pp. 70–74, 2020. doi: 10.35784/iapgos.931
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

МЕТОДИКА ФОРМУВАННЯ ІНФОРМАТИВНОГО ПРОСТОРУ ОЗНАК ТЕХНІЧНИХ ІНДИКАТОРІВ ФІНАНСОВИХ ПРОЦЕСІВ НА ОСНОВІ НЕЙРОМЕРЕЖЕВИХ МОДЕЛЕЙ

Роман Тертичний, Денис Чупрін, Петро Бідюк

Проблематика. Фінансові часові ряди характеризуються нелінійністю, нестаціонарністю та високим рівнем шуму, що суттєво ускладнює їх моделювання та прогнозування.…

#методика формування інформативного простору ознак #технічні індикатори #волатильність Паркінсона #нейронні мережі
10.20535/kpisn.2026.3.359610

МЕТОДИ ЗАБЕЗПЕЧЕННЯ ЦІЛІСНОСТІ ОБРОБКИ ТА ПЕРЕДАЧІ ДАНИХ У ПРОМИСЛОВИХ СИСТЕМАХ АВТОМАТИЗАЦІЇ

Ярослав Корпань, Євген Федоров, Ольга Нечипоренко

Проблематика. Сучасні промислові системи контролю характеризуються високим рівнем інтеграції інформаційних і фізичних процесів та використанням розподілених…

#промислові системи автоматизації #SCADA-системи #цілісність даних #кібербезпека ICS
10.20535/kpisn.2026.3.361520

МЕТОДИКА ПАРАМЕТРИЧНОГО СИНТЕЗУ ЗУМ-АФОКАЛЬНИХ СИСТЕМ НА ОСНОВІ НЕРУХОМИХ ВАРІОЛІНЗ

Ігор Г. Чиж

Проблематика Зум-оптичні системи, в яких використовуються механічно нерухомі електрично керовані варіолінзи, не можуть вважатися такими, що мають нерухомі оптичні…

#зум-афокальні системи #головні точки варіолінз #синтез зум-афокальних систем #стабільна афокальність зум-системи
10.20535/kpisn.2026.3.351645

Схожі статті

1-10 з 199

Ви також можете розпочати розширений пошук схожих статей для цієї статті.