Синтез адаптивных многосвязных систем автоматического управления газотурбинными двигателями структурными методами

• Автор: Мунасыпов, Рустэм Анварович
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2003
• Место защиты: Уфа
• Количество страниц: 382 с. : ил.

ОГЛАВЛЕНИЕ

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ПРОБЛЕМЫ ПРОЕКТИРОВАНИЯ

АДАПТИВНЫХ МСАУ ГТД

1.1. Актуальность проблемы проектирования адаптивных МСАУ ГТД

1.2. Анализ принципов построения и методов синтеза адаптивных САУ

1.3. Анализ структурных методов представления и синтеза МСАУ.

1.4. Цели и задачи исследований

Выводы по главе

ГЛАВА 2. РАЗРАБОТКА КОНЦЕПЦИИ ПОСТРОЕНИЯ

АДАПТИВНЫХ МСАУ ГТД
2.1. Системный подход к проектированию адаптивных МСАУ ГТД
2.2. Концепции построения адаптивной МСАУ ГТД
2.3. Обобщенная структура адаптивной МСАУ ГТД
Выводы по главе
ГЛАВА 3. СИНТЕЗ АЛГОРИТМОВ АДАПТИВНОГО КООРДИНАТНОПАРАМЕТРИЧЕСКОГО УПРАВЛЕНИЯ МНОГОСВЯЗНЫМ ОБЪЕКТОМ УПРАВЛЕНИЯ
3.1. Синтез адаптивных алгоритмов управления на основе прямого метода Ляпунова для описания многомерного ОНО в уравнениях входвыход
3.1.1. Пропорциональноинтегральные алгоритмы адаптации
3.1.2. Алгоритмы адаптации при наличии функциональных зависимостей между параметрами многосвязного ОУ
3.1.3. Пропорциональные и релейные алгоритмы адаптации
3.2. Синтез адаптивных алгоритмов управления на основе прямого метода
Ляпунова для описания многомерного ОНО в пространстве состояния .
3.2.1. Пропорциональноинтегральные алгоритмы адаптации.
3.2.2. Алгоритмы адаптации при наличии функциональных
зависимостей между параметрами многосвязного ОУ
3.2.3. Пропорциональные и релейные алгоритмы адаптации
3.3. Оптимизация корректирующих устройств в контурах адаптации
3.3.1. Разработка линеаризованной модели многомерной БСНС
с эталонной моделью
3.3.2. Синтез физически реализуемых корректирующих устройств
контура адаптации.
Выводы по главе 3.
ГЛАВА 4. СИНТЕЗ АЛГОРИТМОВ УПРАВЛЕНИЯ СТРУКТУРОЙ АДАПТИВНЫХ МСАУ НА ОСНОВЕ СТРУКТУРНЫХ ФУНКЦИЙ
4.1. Формулировка задачи структурного синтеза в классе систем модального управления на основе теории графов
4.2. Описание структур ДС с помощью структурных функций.
4.2.1. Структурный орграф системы на базе структурных функций.
4.2.2. Правила преобразования структурного орграфа
4.2.3. Матричные преобразования на структурном орграфе
4.3. Синтез структур сложных ДС методом структурных функций
в классе систем модального управления.
4.3.1. Формирование критериев синтеза в форме структурных функций
4.3.2. Процедура структурного синтеза многосвязного модального регулятора методом структурных функций.
4.4. Алгоритмы анализа и синтеза сложных ДС методом
структурных функций.
4.4.1. Алгоритм формирования структурного орграфа системы
по орграфу сигналов.
4.4.2. Алгоритм вычисления эквивалентных структурных функций
по структурному орграфу.
4.4.3. Алгоритм последовательного присоединения подсистем
по орграфу системы.
4.4.4. Алгоритм исключения вершин структурного орграфа
Выводы по главе 4.
ГЛАВА 5. АНАЛИЗ И СИНТЕЗ НЕЧЕТКИХ СИСТЕМ УПРАВЛЕНИЯ
5.1. Принципы построения нечетких систем управления.
5.2. Исследование нечетких систем управления методом
гармонической линеаризации
5.2.1. Гармоническая линеаризация нечеткого регулятора
5.2.2. Анализ периодических движений
5.2.3. Анализ качества процессов управления по показателю колебательности
5.3. Синтез нечетких систем управления
5.4. Программное обеспечение для модуля анализа и синтеза
нечетких систем управления
Выводы по главе 5.
ГЛАВА 6. ПРИКЛАДНЫЕ АСПЕКТЫ ПОСТРОЕНИЯ АДАПТИВНЫХ СИСТЕМ УПРАВЛЕНИЯ
6.1. Синтез адаптивной МСАУ ТРДЦФ
6.1.1. Основной контур проектируемой адаптивной САУ.
6.1.2. Разработка алгоритмов функционирования контура адаптации проектируемой САУ.
6.2. Синтез адаптивной САУ процессом приемистости ГТД
6.2.1. Особенности проектирования САУ ГТД на неустановившихся режимах.
6.2.2. Построение САУ процессом приемистости ГТД с использованием обратной модели.
6.2.3. Синтез адаптивной САУ процессом приемистости ГТД на основе концепции обобщенного настраиваемого объекта
6.3. Синтез структуры многофункционального модального регулятора
для МСАУ ТРДФ методом структурных функций.
6.4. Синтез интеллектуальных САУ винтовентилятором ТВВД
на основе аппарата нечеткой логики
6.4.1. Синтез нечеткой системы управления винтовентилятором СВ.
6.4.2. Синтез нечеткой системы управления соосным винтовентилятором СВ.
6.5. Построение адаптивных систем управления микроробото
технических технологических комплексов
6.5.1. Концепция построения настольной микросборочной станции
на основе микроробогов
6.5.2. Автоматизированная интеллектуальная система планирования технологическим процессом микросборки.
Выводы по главе 6.
ЗАКЛЮЧЕНИЕ.
ЛИТЕРАТУРА


При построении БСНС с моделью задача адаптации сводится в большинстве случаев к обеспечению с необходимой точностью совпадения движений выходной координаты реальной системы и выхода эталонной модели. В БСНС с эталонной моделью в качестве информации о наличии параметрического рассогласования основного контура и эталонной модели используется ошибка рассогласования координат движения основного контура и эталонной модели, формирующей желаемое движение замкнутой системы или части ее разомкнутого контура. В БСНС с настраиваемой моделью модель подстраивается под динамические характеристики или части цепи контура или всей замкнутой системой. В данных системах присутствуют две ступени адаптации одна на этапе идентификации ОУ с помощью настраиваемой модели и вторая на этапе настройки параметров УУ контура нижнего уровня управления системы на основе полученной текущей информации. В БСНС с эталоннонастраиваемыми моделями модель выполняет одновременно две функции функцию эталонной модели и функцию настраиваемой модели. Эталоннонастраиваемая модель, определяя текущие значения параметров, следит за их изменением и одновременно является эталонной моделью для настройки параметров системы. В БСНС с прогнозируемой моделью используется уравнение модели для определения переходного процесса системы в ускоренном времени, а полученная информация используется при формировании управления объектом в действительном времени. В БСНС с моделью эталонная модель может быть задана и неявно, в виде некоторого эталонного уравнения , 3, 1. Задача адаптации в этом случае заключается в такой подстройке параметров основного контура системы, при которой его динамические характеристики подстраивались бы под характеристики заданной эталонной модели. В отличие от БСНС с моделью, рассмотренных выше, указанная модель в алгоритмах самонастройки присутствует неявно, только в виде описывающих ее параметров. В современных САУ ГТД из БСНС с моделями наибольшее распространение получили БСНС с эталонными моделями , 0, 1, 8, 8, 7, 9, 1. Это связано с тем, что требования к работе БСНС с настраиваемыми моделями и эталонными моделями значительно отличаются. Так, в БСНС с настраиваемой моделью для правильной организации второй ступени адаптации и правильного выбора корректирующих цепей в основном контуре управления системы предъявляются более жесткие требования к совпадению операторов, описывающих движение их конструктивного исполнения. Кроме того, БСНС с эталонными моделями обладают наибольшим быстродействием, что очень важно при реализации алгоритмов адаптации в реальном масштабе времени. На рис. БСНС с эталонной моделью замкнутой системы контура нижнего уровня управления. В данных системах входное воздействие системы подается также на ее эталонную модель, выходной сигнал которой сравнивается с текущим значением регулируемой координаты системы , а полученная разность б ошибка адаптации используется в устройстве адаптации для выработки законов изменения коэффициентов о регулятора координатного управления РКУ с целью отработки ошибки адаптации . Таким образом, в данных системах эталонная модель задает желаемое движение замкнутой системы. Следует отметить универсальность структуры и как следствие широкое распространение на практике БСНС с эталонной моделью замкнутой системы, поскольку для настройки параметров РКУ возможно использование различных типов алгоритмов самонастройки, как традиционных 9, 4, 7, синтезированных на основе, например, градиентного метода или прямого метода Ляпунова, так и интеллектуальные алгоритмы самонастройки 7, 5, построенные на основе аппарата нечеткой логики или искусственных нейронных сетей. Однако использование данного класса БСНС сопряжено с большими трудностями при увеличении размерности объекта управления. Это связано, прежде всего, с ггеобходимостью поиска в каждом конкретном случае такой структуры настраиваемого многомерного РКУ, при котором гарантировалась бы сходимость динамических характеристик основного контура системы к желаемым, задаваемым многомерной эталонной моделью.