Алгоритмы управления

    • Сергей Сорокин
      30.01.2015
      19:06
    • MeL
      19.09.2014
      19:06

      Робастное управления сервоконтроллером для двигателя постоянного тока

      В следующем примере рассмотрим, как использовать неопределенные объекты (uncertain objects) в Robust Control Toolbox ™ для моделирования неопределенных систем и автоматизировать расчет робастности системы, используя средства анализа надежности.

      Contents

      Читать подробнее...

    • MeL
      26.08.2013
      18:59
           
      ·    В следующем примере рассмотрим, как можно автоматически оптимизировать  параметры системы по заданному критерию. Как и в случае задачи оценки параметров, мы воспользуемся  Simulink Design Optimization. Теперь это будет называться Response Optimization. Дальнейший пример показан в этом видео

           
      Загрузка плеера

               Как видите, область применения данного инструмента не ограничивается только подбором параметров при идентификации. Теперь дело обстоит следующим образом – есть модель, в ней используются переменные, есть заданные требования по выходу системы при заданном входе. Нужно подогнать параметры, что бы процесс на выходе уложился в эти требования. Т.е. по сравнению с задачей идентификации здесь мы на выходе задаем не экспериментальные данные, а определенные нами границы и требования.
      Теперь мы будем мучить систему управления элероном.

      Она состоит из электромеханического привода с ПИ регуляторами по току и по скорости +
      трехмерная механическая модель самого элерона. Настраивать будем регулятор, хотя в принципе можно настраивать все, что задается параметрами.

      Вообще для ПИД регуляторов есть и другие инструменты со своими методами, но здесь будут использоваться алгоритмы оптимизации.
      ·     
      Когда мы запускаем моделирование и сравниваем результаты с требованиями, то видим, что угол не отслеживает задающий сигнал.


      Наша задача состоит в том, что нужно оптимизировать параметры регулятора скорости для удовлетворения двух требований: одно по отработке угла, другое по ограничению приложенной силе (Force, нижний рисунок).
      Дальше просто, все что нужно – описать наши требования, указать переменные для изменения в инструменте Response Optimization.

      Ждем какое-то время и вуа ля - получаем то, что просили (или не получаем, если все совсем сложно и ничего не сходится, но это надо постараться).


      В процессе можем созерцать всю магию алгоритмов оптимизации за их работой, т.к. процессы будут итерационными и при каждом прогоне система будет все лучше и лучше справляться с поставленной задачей.
      FIN.

    • MeL
      12.08.2013
      14:24
      Приветствую Вас.

      Сегодня рассмотрим задачу параметрической идентификации или оценки параметров модели на основе экспериментальных данных. В нашем примере суть задачи в следующем – есть модель, есть ее структура, но нет самих значений параметров, которыми эта модель описывается. Зато имеются какие-то реальные данные в виде снятых опытных точек, что очень ценно, если мы хотим управлять чем-то хорошо и особенно хорошо, если у нас еще имеется аналитическая зав

      исимость этих параметров и объект для нас не черный ящик. Необходимо получить эти параметры из эксперимента, а еще лучше - автоматизировать оценку параметров имеющейся модели. Вообще решению задаче оценки параметров посвящено множество методов (МНК, фильтр Калмана и прочее).

      По части Matlab/Simulink смотрите здесь– http://www.mathworks.com/discovery/parameter-estimation.html.


      О чем будет идти речь ниже – можно посмотреть в коротком видео здесь –
      Загрузка плеера



      В целом алгоритм оценки получается почти такой «классический»:
      1. Набрать экспериментальные данные.
      2. Определить модель и параметры модели, которые требуют оценки.
      3. Настроить параметры процесса оценки и провести саму оценку.
      4. Проверить адекватность модели на тестовых наборах данных.

      Теперь более подробно про наш случай. Имеется двигатель постоянного тока, модель которого известна и реализована в Simulink средствами SimScape (физическое моделирование). Вообще что и чем реализовано в Simulink не суть. Главное есть модель. Параметры вместо конкретных значений заданы в маске модели переменными из Matlab, как это показано на рисунке.




      У нас всего 5 параметров – 3 для электрической части и 2 для механической. Дальше все просто – запускаем специальный инструмент из Simulink Design Optimization, Parameter Estimation в меню Analysis, указываем что хотим оценивать, откуда брать экспериментальные данные. Т.к. задача у нас оптимизационная (и требует еще установленного Optimization Toolbox), то указываем метод оптимизации, критерий, условия остановки оптимизации и прочее. Помимо этого необходимо задать начальные значения, границы поиска по каждому параметру, что в процессе оценки может помочь приблизить нашу модель по параметрам к реальному объекту (может существовать множество наборов параметров модели, которые по результатам симуляции могут подходить под имеющиеся экспериментальные данные) и ускорить процесс оценки. Задать значения можно, например, по паспорту двигателя, откуда знаем, что сопротивление и индуктивность лежат в таких-то пределах.

      Читать подробнее...

  • RSS подписка
    Архив материалов
    Май 2017
    Пн Вт Ср Чт Пт Сб Вс
    1 2 3 4 5 6 7
    8 9 10 11 12 13 14
    15 16 17 18 19 20 21
    22 23 24 25 26 27 28
    29 30 31        
    Поиск