دانلود مقاله برنامه ریزی فازی برای بازدهی ِ کنترلرهای PID
تعداد کلمات فایل انگلیسی:2476 کلمه 6 صفحه pdf
تعداد صفحات فایل ترجمه:13 صفحه word فونت 13 B Nazanin
برنامه ریزی فازی برای بازدهی ِ کنترلرهای PID
چکیده
پیشرفت طرح های برنامه ریزی فازی برای بازدهی ِ کنترلرهای PIDبرای پروسه ء کنترل سیستم در این مقاله مورد بحث قرار می گیرد . قوانین فازی و استدلال های آن برای تعیین پارامترهای یک کنترلر بر اساس سیگنال خطا و مشتق اول و یا اولین انحراف مورد استفاده قرار می گیرند . نتایج شبیه سازی نشان می دهند با مقایسه ء کنترلرهای نیکول – زیگلر و کنترلرهای PID ِ کیتاموری می توان به عملکرد بهتر کنترلرها دست یافت .
مقدمه
شناخته شده ترین کنترلری که در صنعت مورد مصرف است ، کنترلر های PID یا به عبارتی کنترل کننده ء نسبی انتگرال گیر – مشتق گیر هستند چرا که این کنترلرها در شرایط کاری در کمال سادگی بهترین عملکرد را دارند . طراحی چنین کنترلری نیاز به سه پارامتر خاص دارد : بازده نسبی ، انتگرال زمان ثابت ، مشتق زمان ثابت . در نتیجه بهترین کاری که تاکنون صورت گرفته کاهش زمان بهینه سازی در انتخاب پارامتر های یک کنترلر بوده است . کنترلرهای PID را می توان به دو دسته اصلی تقسیم کرد . در دسته ء اول پارامترهای کنترلر در زمان کنترل پس از اینکه تنظیم می شوند و یا در عددی بهینه قرار می گیرند ، ثابت باقی می مانند . فرمول نیکول – زیگلر در واقع یکی از شناخته شده ترین روش های تنظیم یک کنترلر است . برای تنظیم PID ها روش های دیگری نیز وجود دارند . کنترلر های PID ِ این دسته بسیار ساده هستند اما با تغییر پارامتر های خود همیشه هم نمی توانند بر روی کنترل سیستم تاثیر مثبت بگذارند و شاید به تنظیم متناوب روی خط نیاز داشته باشند . کنترلرهای دسته ء دوم ساختار کنترلرهای PID را دارند اما پارامترهای آنها بر اساس تخمین ِ پارامترهای خط انتخاب می شود که نیازمند دانش دقیق ِ روند پردازش است ، برای مثال ساختار ِ مدل ِ یک نیروگاه را باید از صفر تا صد بدانیم . چنین کنترلرهایی را کنترلر های دینامیک یا اداپتیو ( تطبیقی ) می گویند که از کنترلرهای دسته ء اول متمایز هستند .دانش ِ مبنی بر سیستم ها در فرآیند کنترل این روز ها به خصوص در زمینه ء کنترل فازی بسیار رو به رشد است . در کنترل فازی ، توصیف ذهنی ِ تجارب انسانی در کنترل یک فرآیند را قوانین فازی یا وابستگی می گویند . این دانش را با دخالت یک مکانیزم ویژه در اتصال با برخی دانش های سطحی برای تعیین عمل ِ کنترل در این فرآیند استفاده می کنیم . اگرچه یک عمل کنترلی ، ساختار آشکاری از یک کنترلر PID ندارد اما کنترلرهای منطق فازی را به عنوان کنترلرهای خاص دینامیکی در نظر می گیرند که پارامتر های آن هم ارز ِ با پارامتر های PID است و روی خط بر اساس سیگنال خطا و زمان انحراف و مشتق گیری تعیین می شود .در این مقاله یک طرح کلی از این قوانین در خصوص برنامه ریزی فازی برای بازدهی ِ کنترلرهای PID در فرآیند کنترل ارائه شده است . این طرح جدید از منطق فازی و استدلال های آن برای تعیین پارامتر های کنترلرها استفاده می کند , و در این طرح کنترلر های PID خود سیگنال کنترلی تولید می کنند . بنابر قوانین فازی تخصص های انسانی به آسانی دربرنامه ریزی فازی برای بازدهی ِ کنترلرهای PIDاستفاده می شود . علاوه بر این در این نوع کنترلرها در مقایسه با کنترلرهایی با پارامتر ثابت ، می توان شاهد عملکرد بهتری بود
FUZZY GAIN SCHEDULING OF PID CONTROLLERS
Abstract
The development of a fuzzy gain scheduling scheme of PID controllers for process control is described in this paper. Fuzzy rules and reasoning is utilized on-line to determine the controller’s parameters based on the error signal and its first derivative or difference. Simulation results demonstrate that better control performance can be achieved in comparison with Ziegler-Nichols controllers and Kitamori’s PID controllers.
Introduction
The best known controllers used in industrial control processes are proportional-integral-derivative (PID) controllers because of their robust performance in a wide range of operating conditions and functional simplicity. The design of such a controller requires specification of three parameters: proportional gain, integral time constant and derivative time constant. So far great effort has been devoted to develop methods to reduce the time spent on optimizing the choice of controller jjarameters [S][15]- The PID controllers in the literature can be divided mainly into two categories. In tlie first category, ttie controller’s parameters are fixed during control after they have been tuned or chosen in certain optimal ways. The Ziegler-Nichols tuning formula is perhaps the most well-known tuning method [5][19]- Some other methods exist for the PID tuning (see e.g. [1][6][7]). The PID controllers of this category are simple, but cannot always effectively control systems with changing parameters, and may need frequent on-line retiming. The controllers of the second category have a structure of PID controller, but their parameters are adapted on-line based on parameter estimation, which requires certain knowledge of the process, e.g. the structure of the plant model [2][17]. Such controllers are called dynamic or adaptive r“n ‘•rnt.rollers here in order to differentiate them from those of the first category.The application of knowledge based systems in process control is growing, especially in the field of fuzzy control[9][10][12]-[14]. In fuzzy control, linguistic descriptions of human expertise in controlling a process are represented as fuzzy rules or relations. This knowledge base is used, in conjunction with some knowledge of tlie states of the process (say, of measured response variables), by an inference mechanism, to determine control actions. Although they do not have an apparent structure of PID controller, fuzzy logic controllers may be considered as a special dynamic controller whose equivalent PID parameters are implicitly determined on-line based on the error signal and its time derivative or difference. In this paper, a rule-based scheme for gain scheduling of PID controllers is proposed for process control. The new scheme utilizes fuzzy rules and reasoning to determine the controller’s parameters, and the PID controller generates the control signal. Based on fuzzy rules, human expertise is utilized with ease for PID gain scheduling. Furthermore, better control performance can be expected than that of the PID controllers with fixed parameters
کد:12936
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله برنامه ریزی فازی برای بازدهی ِ کنترلرهای PID
تعداد کلمات فایل انگلیسی:2476 کلمه 6 صفحه pdf
تعداد صفحات فایل ترجمه:13 صفحه word فونت 13 B Nazanin
برنامه ریزی فازی برای بازدهی ِ کنترلرهای PID
چکیده
پیشرفت طرح های برنامه ریزی فازی برای بازدهی ِ کنترلرهای PIDبرای پروسه ء کنترل سیستم در این مقاله مورد بحث قرار می گیرد . قوانین فازی و استدلال های آن برای تعیین پارامترهای یک کنترلر بر اساس سیگنال خطا و مشتق اول و یا اولین انحراف مورد استفاده قرار می گیرند . نتایج شبیه سازی نشان می دهند با مقایسه ء کنترلرهای نیکول – زیگلر و کنترلرهای PID ِ کیتاموری می توان به عملکرد بهتر کنترلرها دست یافت .
مقدمه
شناخته شده ترین کنترلری که در صنعت مورد مصرف است ، کنترلر های PID یا به عبارتی کنترل کننده ء نسبی انتگرال گیر – مشتق گیر هستند چرا که این کنترلرها در شرایط کاری در کمال سادگی بهترین عملکرد را دارند . طراحی چنین کنترلری نیاز به سه پارامتر خاص دارد : بازده نسبی ، انتگرال زمان ثابت ، مشتق زمان ثابت . در نتیجه بهترین کاری که تاکنون صورت گرفته کاهش زمان بهینه سازی در انتخاب پارامتر های یک کنترلر بوده است . کنترلرهای PID را می توان به دو دسته اصلی تقسیم کرد . در دسته ء اول پارامترهای کنترلر در زمان کنترل پس از اینکه تنظیم می شوند و یا در عددی بهینه قرار می گیرند ، ثابت باقی می مانند . فرمول نیکول – زیگلر در واقع یکی از شناخته شده ترین روش های تنظیم یک کنترلر است . برای تنظیم PID ها روش های دیگری نیز وجود دارند . کنترلر های PID ِ این دسته بسیار ساده هستند اما با تغییر پارامتر های خود همیشه هم نمی توانند بر روی کنترل سیستم تاثیر مثبت بگذارند و شاید به تنظیم متناوب روی خط نیاز داشته باشند . کنترلرهای دسته ء دوم ساختار کنترلرهای PID را دارند اما پارامترهای آنها بر اساس تخمین ِ پارامترهای خط انتخاب می شود که نیازمند دانش دقیق ِ روند پردازش است ، برای مثال ساختار ِ مدل ِ یک نیروگاه را باید از صفر تا صد بدانیم . چنین کنترلرهایی را کنترلر های دینامیک یا اداپتیو ( تطبیقی ) می گویند که از کنترلرهای دسته ء اول متمایز هستند .دانش ِ مبنی بر سیستم ها در فرآیند کنترل این روز ها به خصوص در زمینه ء کنترل فازی بسیار رو به رشد است . در کنترل فازی ، توصیف ذهنی ِ تجارب انسانی در کنترل یک فرآیند را قوانین فازی یا وابستگی می گویند . این دانش را با دخالت یک مکانیزم ویژه در اتصال با برخی دانش های سطحی برای تعیین عمل ِ کنترل در این فرآیند استفاده می کنیم . اگرچه یک عمل کنترلی ، ساختار آشکاری از یک کنترلر PID ندارد اما کنترلرهای منطق فازی را به عنوان کنترلرهای خاص دینامیکی در نظر می گیرند که پارامتر های آن هم ارز ِ با پارامتر های PID است و روی خط بر اساس سیگنال خطا و زمان انحراف و مشتق گیری تعیین می شود .در این مقاله یک طرح کلی از این قوانین در خصوص برنامه ریزی فازی برای بازدهی ِ کنترلرهای PID در فرآیند کنترل ارائه شده است . این طرح جدید از منطق فازی و استدلال های آن برای تعیین پارامتر های کنترلرها استفاده می کند , و در این طرح کنترلر های PID خود سیگنال کنترلی تولید می کنند . بنابر قوانین فازی تخصص های انسانی به آسانی دربرنامه ریزی فازی برای بازدهی ِ کنترلرهای PIDاستفاده می شود . علاوه بر این در این نوع کنترلرها در مقایسه با کنترلرهایی با پارامتر ثابت ، می توان شاهد عملکرد بهتری بود
FUZZY GAIN SCHEDULING OF PID CONTROLLERS
Abstract
The development of a fuzzy gain scheduling scheme of PID controllers for process control is described in this paper. Fuzzy rules and reasoning is utilized on-line to determine the controller’s parameters based on the error signal and its first derivative or difference. Simulation results demonstrate that better control performance can be achieved in comparison with Ziegler-Nichols controllers and Kitamori’s PID controllers.
Introduction
The best known controllers used in industrial control processes are proportional-integral-derivative (PID) controllers because of their robust performance in a wide range of operating conditions and functional simplicity. The design of such a controller requires specification of three parameters: proportional gain, integral time constant and derivative time constant. So far great effort has been devoted to develop methods to reduce the time spent on optimizing the choice of controller jjarameters [S][15]- The PID controllers in the literature can be divided mainly into two categories. In tlie first category, ttie controller’s parameters are fixed during control after they have been tuned or chosen in certain optimal ways. The Ziegler-Nichols tuning formula is perhaps the most well-known tuning method [5][19]- Some other methods exist for the PID tuning (see e.g. [1][6][7]). The PID controllers of this category are simple, but cannot always effectively control systems with changing parameters, and may need frequent on-line retiming. The controllers of the second category have a structure of PID controller, but their parameters are adapted on-line based on parameter estimation, which requires certain knowledge of the process, e.g. the structure of the plant model [2][17]. Such controllers are called dynamic or adaptive r“n ‘•rnt.rollers here in order to differentiate them from those of the first category.The application of knowledge based systems in process control is growing, especially in the field of fuzzy control[9][10][12]-[14]. In fuzzy control, linguistic descriptions of human expertise in controlling a process are represented as fuzzy rules or relations. This knowledge base is used, in conjunction with some knowledge of tlie states of the process (say, of measured response variables), by an inference mechanism, to determine control actions. Although they do not have an apparent structure of PID controller, fuzzy logic controllers may be considered as a special dynamic controller whose equivalent PID parameters are implicitly determined on-line based on the error signal and its time derivative or difference. In this paper, a rule-based scheme for gain scheduling of PID controllers is proposed for process control. The new scheme utilizes fuzzy rules and reasoning to determine the controller’s parameters, and the PID controller generates the control signal. Based on fuzzy rules, human expertise is utilized with ease for PID gain scheduling. Furthermore, better control performance can be expected than that of the PID controllers with fixed parameters
کد:12936
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com