Открытый доступ
Только для подписчиков
Проектирование и оптимизация генетическими алгоритмами промышленной системы с адаптивным нечетким ПИД регулятором уровня жидкости
https://doi.org/10.17587/mau.24.181-189
Аннотация
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.
Об авторах
С. Т. Йорданова
Технический университет Софии, Факультет „Автоматикa"
Болгария
Болгария
д-р техн. наук, проф.
София
М. Н. Славов
Технический университет Софии,Факультет „Автоматикa"
Болгария
Болгария
аспирант
София
Д. Т. Стоицева-Деличева
Технический университет Софии,Факультет „Автоматикa"
Болгария
Болгария
канд. техн. наук, доц.
София
Список литературы
1. Thieme Ch. Sodium carbonates, Ullmann’S encyclopedia of industrial chemistry, Vol. 33. Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim, Germany, 2012.
2. Jantzen J. Foundations of fuzzy control. A practical approach, Second Edition, John Wiley and Sons, Chichester, 2013.
3. 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.
4. 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.
5. 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.
6. 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.
7. 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.
8. 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.
9. 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.
10. 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.
11. 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.
12. 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.2022.72.02.004
13. Experion overview, Release 300.1, Honeywell Int., May 5, 2006.
14. Fuzzy logic toolbox: User’s guide for use with MATLAB, The MathWorks, Inc., Natick, MA, 1998.
15. MATLAB — Genetic algorithm and direct search toolbox. User’s guide, The MathWorks, Inc. 2004.
16. Feng G. Analysis and synthesis of fuzzy control systems: A model based approach, Bosa Roca, US, CRC Press, Taylor & Francis, 2017.
17. Tanaka K., Wang H. O. Fuzzy control systems design and analysis: A linear matrix inequality approach, New York, John Wiley and Sons,2001.
18. Haupt R. L., Haupt S. El. Practical genetic algorithms, Second edition, Hoboken, New Jersey, John Wiley and Sons, 2004.
Рецензия
Для цитирования:
Йорданова С.Т., Славов М.Н., Стоицева-Деличева Д.Т. Проектирование и оптимизация генетическими алгоритмами промышленной системы с адаптивным нечетким ПИД регулятором уровня жидкости. Мехатроника, автоматизация, управление. 2023;24(4):181-189. https://doi.org/10.17587/mau.24.181-189
For citation:
Yordanova S.T., Slavov M.N., Stoitseva-Delicheva D.R. Design and Genetic Algorithms Based Optimisation of Industrial Adaptive PID FLC System of Liquid Level. Mekhatronika, Avtomatizatsiya, Upravlenie. 2023;24(4):181-189. https://doi.org/10.17587/mau.24.181-189
Просмотров: 174
.png)
Послать статью по эл. почте 