novtexmechМехатроника, автоматизация, управлениеMekhatronika, Avtomatizatsiya, Upravlenie1684-64272619-1253Commercial Publisher «New Technologies»10.17587/mau.24.181-189novtexmech-1351Research ArticleАВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИAUTOMATION AND CONTROL TECHNOLOGICAL PROCESSESПроектирование и оптимизация генетическими алгоритмами промышленной системы с адаптивным нечетким ПИД регулятором уровня жидкостиDesign and Genetic Algorithms Based Optimisation of Industrial Adaptive PID FLC System of Liquid LevelЙордановаС. Т.YordanovaS. T.

д-р техн. наук, проф.

София

Sofia, 1000

sty@tu-sofia.bgСлавовМ. Н.SlavovM. N.

аспирант

София

PhD Student, Faculty of Automation, Projects manager and metrologist in "Solvay Sodi" AD

Industrial zone, Devnia, 9160

milen.slavov@solvay.comСтоицева-ДеличеваД. Т.Stoitseva-DelichevaD. R.

канд. техн. наук, доц.

София

Sofia, 1000

stoitseva@tu-sofia.bgТехнический университет Софии, Факультет „Автоматикa"БолгарияTechnical University of Sofia, Faculty of AutomationBulgariaТехнический университет Софии,Факультет „Автоматикa"БолгарияTechnical University of Sofia, Faculty of AutomationBulgaria202312042023244181189Copyright © Commercial Publisher «New Technologies», 20232023Commercial Publisher «New Technologies»Commercial Publisher «New Technologies»https://mech.novtex.ru/jour/about/submissions#copyrightNoticehttps://mech.novtex.ru/jour/article/view/1351

Задача регулирования уровня предварительно карбонизированного раствора на технологической установке по производству кальцинированной соды требует применения не традиционных, классических, а современных интеллектуальных подходов, позволяющих учитывать сложность процесса, его нелинейность и воздействия промышленных помех. Для решения данной задачи в работе предлагается использовать безмодельные контроллеры нечеткой логики FLC с эмпирической онлайн-настройкой, реализованные в режиме реального времени в программируемом логическом контроллере общего назначения PLC. Целью исследования является параметрическая оптимизация генетическим алгоритмом стратегии адаптивного PID FLC регулятора. При этом для адаптации параметров настройки PID FLC используется модель Sugeno. Здесь PD FLC регулятор, в зависимости от значения регулируемого уровня, эмпирически определяет с помощью своих функций принадлежности три зоны линеаризации и выполняет для каждой зоны мягкое смешивание коэффициентов передачи усилителя и интегратора. Предложены две стратегии адаптации для онлайн- автоматической настройки постоянной времени интегратора совместно с коэффициентами передачи усилителя и дифференциатора PD FLC. Локальные параметры системы регулирования технологической установки, в свою очередь, автоматически оптимизируются генетическим алгоритмом. Компьютерное моделирование и промышленные эксперименты показали высокую эффективность синтезированной системы регулирования за счет автоматической настройки параметров PID FLC с оптимизированными локальными значениями.

The level control of the precarbonised solution in a soda ash production plant requires intelligent approaches that can tackle process complexity, nonlinearity and industrial environment impact. Therefore, model-free fuzzy logic controllers (FLC) with empirical tuning are suggested which are implemented in a general purpose programmable logic controller (PLC) and operate in real time control. Online adaptation improves the FLC parameters tuning. The aim of the present research is to optimise the adaptation strategy and the parameters of an adaptive PLC PID FLC using genetic algorithms (GA) and simulations for reducing both the system error and the control variance. The PID FLC is based on a PD FLC and a parallel integrator of the system error. A Sugeno model is used for adaptation of the PID FLC tuning parameters. Depending on the level it defines empirically via its input membership functions three linearisation zones and performs soft blending of the local for each zone PD FLC gains and integrator time-constants. Two adaptation strategies are suggested for online auto-tuning of the integrator time-constant only, and together with the PD FLC gain. The local parameters, in turn, are GA optimised. Simulations show that the best system performance is achieved by auto-tuning both PID FLC parameters with optimised local values.

технологический процесс карбонизацииадаптивное управление с нечеткой логикойпараметрическая оптимизация генетическим алгоритмомкомпьютерное моделированиепромышленные экспериментыcarbonisationfuzzy logic adaptive controlgenetic algorithms optimisationindustrial implementationsystem simulationsReferencesThieme Ch. Sodium carbonates, Ullmann’S encyclopedia of industrial chemistry, Vol. 33. Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim, Germany, 2012.Thieme Ch. Sodium carbonates, Ullmann’S encyclopedia of industrial chemistry, Vol. 33. Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim, Germany, 2012.Jantzen J. Foundations of fuzzy control. A practical approach, Second Edition, John Wiley and Sons, Chichester, 2013.Jantzen J. Foundations of fuzzy control. A practical approach, Second Edition, John Wiley and Sons, Chichester, 2013.Ahmad D., Ahmad A., Redhu V., Gupta U. Liquid level control by using fuzzy logic controller, International Journal of Advances in Engineering and Technology, 2012, vol. 4, no. 1, pp. 537—549.Ahmad D., Ahmad A., Redhu V., Gupta U. Liquid level control by using fuzzy logic controller, International Journal of Advances in Engineering and Technology, 2012, vol. 4, no. 1, pp. 537—549.Kanagasabai N., Jaya N. Fuzzy gain scheduling of PID controller for a MIMO process, International Journal of Computer Applications, 2014, vol. 91, no. 10, pp. 13—20.Kanagasabai N., Jaya N. Fuzzy gain scheduling of PID controller for a MIMO process, International Journal of Computer Applications, 2014, vol. 91, no. 10, pp. 13—20.Venkataraman A. Design and implementation of adaptive PID and adaptive fuzzy controllers for a level process station, Advances in Technology Innovation, 2021, vol. 6, no. 2, pp. 90—105.Venkataraman A. Design and implementation of adaptive PID and adaptive fuzzy controllers for a level process station, Advances in Technology Innovation, 2021, vol. 6, no. 2, pp. 90—105.Kumar B., Dhiman R. Optimization of PID controller for liquid level tank system using intelligent techniques, Canadian Journal on Electrical and Electronics Engineering, 2011, vol. 2, no. 11, pp. 531—535.Kumar B., Dhiman R. Optimization of PID controller for liquid level tank system using intelligent techniques, Canadian Journal on Electrical and Electronics Engineering, 2011, vol. 2, no. 11, pp. 531—535.Aydogmus Z. A real-time robust fuzzy-based level control using programmable logic controller, Elektronika Ir Elektrotechnika, 2015, vol. 21, no. 1, pp. 13—17.Aydogmus Z. A real-time robust fuzzy-based level control using programmable logic controller, Elektronika Ir Elektrotechnika, 2015, vol. 21, no. 1, pp. 13—17.Chabni F., Taleb R., Benbouali A., Bouthiba M. A. The application of fuzzy control in water tank level using, International Journal of Advanced Computer Science and Applications, 2016, vol. 7, no. 4, pp. 261—265.Chabni F., Taleb R., Benbouali A., Bouthiba M. A. The application of fuzzy control in water tank level using, International Journal of Advanced Computer Science and Applications, 2016, vol. 7, no. 4, pp. 261—265.Ahmad S., Ali S., Tabasha R. The design and implementation of a fuzzy gain-scheduled PID controller for the Festo MPS PA compact workstation liquid level control, Engineering Science and Technology, 2020, vol. 23, pp. 307—315.Ahmad S., Ali S., Tabasha R. The design and implementation of a fuzzy gain-scheduled PID controller for the Festo MPS PA compact workstation liquid level control, Engineering Science and Technology, 2020, vol. 23, pp. 307—315.Yordanova S., Gueorguiev B., Slavov M. Design and industrial implementation of fuzzy logic control of Level in soda production, Engineering Science and Technology, an International Journal, 2020, vol. 23, no. 3, pp.691—699.Yordanova S., Gueorguiev B., Slavov M. Design and industrial implementation of fuzzy logic control of Level in soda production, Engineering Science and Technology, an International Journal, 2020, vol. 23, no. 3, pp.691—699.Yordanova S., Slavov M., Prokopiev G. Disturbance compensation in fuzzy logic control of level in carbonisation column for soda production, WSEAS Transaction on Systems and Control, 2020, vol. 15, no. 8, pp. 64—72.Yordanova S., Slavov M., Prokopiev G. Disturbance compensation in fuzzy logic control of level in carbonisation column for soda production, WSEAS Transaction on Systems and Control, 2020, vol. 15, no. 8, pp. 64—72.Slavov M. Design and investigation of adaptive fuzzy level control system for carbonisation column, Proceedings of the Technical University of Sofia, 2022, vol. 72, no. 2, DOI: 10.47978/TUS.2022.72.02.004Slavov M. Design and investigation of adaptive fuzzy level control system for carbonisation column, Proceedings of the Technical University of Sofia, 2022, vol. 72, no. 2, DOI: 10.47978/TUS.2022.72.02.004Experion overview, Release 300.1, Honeywell Int., May 5, 2006.Experion overview, Release 300.1, Honeywell Int., May 5, 2006.Fuzzy logic toolbox: User’s guide for use with MATLAB, The MathWorks, Inc., Natick, MA, 1998.Fuzzy logic toolbox: User’s guide for use with MATLAB, The MathWorks, Inc., Natick, MA, 1998.MATLAB — Genetic algorithm and direct search toolbox. User’s guide, The MathWorks, Inc. 2004.MATLAB — Genetic algorithm and direct search toolbox. User’s guide, The MathWorks, Inc. 2004.Feng G. Analysis and synthesis of fuzzy control systems: A model based approach, Bosa Roca, US, CRC Press, Taylor & Francis, 2017.Feng G. Analysis and synthesis of fuzzy control systems: A model based approach, Bosa Roca, US, CRC Press, Taylor & Francis, 2017.Tanaka K., Wang H. O. Fuzzy control systems design and analysis: A linear matrix inequality approach, New York, John Wiley and Sons,2001.Tanaka K., Wang H. O. Fuzzy control systems design and analysis: A linear matrix inequality approach, New York, John Wiley and Sons,2001.Haupt R. L., Haupt S. El. Practical genetic algorithms, Second edition, Hoboken, New Jersey, John Wiley and Sons, 2004.Haupt R. L., Haupt S. El. Practical genetic algorithms, Second edition, Hoboken, New Jersey, John Wiley and Sons, 2004.

The authors declare that there are no conflicts of interest present.