Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Методы и алгоритмы идентификации в системах управления промышленными объектами Львова Елена Ивановна

Методы и алгоритмы идентификации в системах управления промышленными объектами
<
Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами Методы и алгоритмы идентификации в системах управления промышленными объектами
>

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Львова Елена Ивановна. Методы и алгоритмы идентификации в системах управления промышленными объектами : дис. ... д-ра техн. наук : 05.13.06 Новокузнецк, 2006 386 с. РГБ ОД, 71:07-5/337

Содержание к диссертации

Введение

Глава 1. Основы идентификации объектов в системах управления 18

1.1. Проблема идентификации в системах управления 18

1.1.1. Общая характеристика методов идентификации 19

1.1.2. Направления развития идентификации и промышленные приложения 25

1.1.3. Проблематика многовариантной идентификации 34

1.2. Принципы и задачи идентификации в системах управления при создании и эксплуатации промышленных объектов 50

1.2.1. Особенности промышленных объектов управления 50

1.2.2. Особенности условий создания и эксплуатации систем автоматизации управления 51

1.2.3. Основные принципы и задачи идентификации промышленных объектов 54

1.3. Теоретические основы вычислительных процедур динамической идентификации нестационарных объектов 59

1.3.1. Общее представление метода оценивания состояния объекта и параметров (коэффициентов) его математической модели 60

1.3.2. Примеры алгоритмов робастного оценивания 65

1.3.3. Локально-оптимальные алгоритмы робастного оценивания состояний и параметров 67

Выводы по первой главе 76

Глава 2. Развитие вычислительных процедур динамической идентификации нестационарных объектов 77

2.1. Многовариантные алгоритмы идентификации 77

2.1.1. Формирование многовариантных алгоритмов идентификации 77

2.1.2. Техническая реализация многовариантных алгоритмов идентификации 90

2.1.3. Численные исследования многовариантных алгоритмов идентификации на модельных данных 110

2.1.4. Численные исследования многовариантного алгоритма идентификации на натурных данных 117

2.2. Идентификация как процесс в замкнутой динамической системе 141

2.2.1. Представление идентификатора в виде замкнутой динамической системы с новым типом обратной связи 141

2.2.2. Конкретизация бинарного алгоритма идентификации 143

2.2.3. Техническая реализация бинарного алгоритма идентификации 145

2.2.4. Исследование бинарного алгоритма идентификации 149

Выводы по второй главе 158

Глава 3. Идентификация в системах управления промышленными объектами 160

3.1. Динамическая идентификация типовых моделей систем автоматического регулирования 160

3.1.1. Метод и алгоритмы идентификации 160

3.1.2. Исследование эффективности алгоритмов идентификации 171

3.2. Идентификация объектов с нанесением пробных воздействий и исключением эффектов регулирующих воздействий 201

3.2.1. Метод идентификации 201

3.2.2. Идентификация непрерывных объектов 213

3.2.3. Идентификация циклических объектов 231

Выводы по третьей главе 236

Глава 4. Идентификация объектов с рециклом и распределенными управлениями 237

4.1. Объекты с распределенными управлениями 237

4.1.1. Структура математической модели и примеры промышленных объектов 238

4.1.2. Метод и алгоритм идентификации 243

4.1.3. Численные и опытно-промышленные исследования 247

4.2. Объекты с рециклом 264

4.2.1. Структура математической модели и примеры промышленных объектов 266

4.2.2. Метод и алгоритм идентификации 271

4.2.3. Численные и опытно-промышленные исследования 276

Выводы по четвертой главе 308

Глава 5. Лабораторные комплексы для исследования и обучения методам и алгоритмам идентификации 309

5.1. Автоматизированная система для модельных исследований особенностей алгоритмов динамической идентификации 309

5.1.1. Общая структура автоматизированной системы 310

5.1.2. Основные предпосылки использования алгоритмов динамической идентификации 318

5.1.3. Характерные эффекты нарушения исходных предпосылок 319

5.2. Лабораторный комплекс для натурных исследований методов и алгоритмов идентификации 329

5.2.1. Общая структура комплекса 329

5.2.2. Информационное, алгоритмическое и программно-техническое обеспечение комплекса 333

5.3. Исследование методов и алгоритмов идентификации с использованием лабораторного комплекса 339

5.3.1. Результаты идентификации объекта с рециклом 339

5.3.2. Результаты идентификации объекта с распределенными управлениями 345

Выводы по пятой главе 349

Выводы и заключение 350

Библиографический список 354

Приложение 373

Введение к работе

Актуальность проблемы. Создание и эксплуатация промышленных комплексов - предприятий, цехов, участков, технологических процессов и агрегатов - требует решения широкого круга взаимосвязанных задач автоматизации управления. Одной из них является идентификация промышленных объектов в системах управления.

Решению проблемы идентификации объектов посвящено достаточно много теоретических работ, к числу которых относятся труды Н.С. Райбмана [1-4], ЯЗ. Цыпкина [5-9], П. Эйкхоффа [10], Л. Льюнга [11], П.Дж. Хьюбера [12] и др. Однако, с точки зрения практической реализации в системах автоматизации управления, известные методы и алгоритмы идентификации требуют конкретизации и дальнейшего развития. Это вызвано несколькими причинами. Во-первых, известные теоретические вычислительные процедуры идентификации, как правило, базируются на строгих ограничениях и жестких исходных предпосылках, выполнение которых на реально действующих объектах весьма затруднительно. Во-вторых, традиционные инженерные методы построения математических моделей, например, путем снятия и обработки кривых разгона, не отвечают в полной мере современным условиям разработки и функционирования самих промышленных объектов и жестким требованиям, предъявляемым к срокам создания и эффективности систем автоматизации управления. Только тесное объединение строгих математических методов обработки полученных данных с инженерными приемами формирования информативных исходных данных с учетом изменившихся условий и требований к системам автоматизации может привести к желаемому результату. В связи с этим необходимо развитие принципов и соответствующих им методов и алгоритмов идентификации в системах управления.

Кроме того, анализ практических разработок показывает, что наиболее часто задача идентификации объектов решается в рамках самостоятельного научного направления. Однако, для повышения эффективности систем управления, когда требуется системная взаимоувязка по ресурсам, ограничениям и целевым критериям, задачу идентификации необходимо решать как составную неотъемлемую часть общей проблемы управления с целенаправленной взаимосвязью с другими задачами управления, включая задачи измерения, оценивания, регулирования, прогнозирования и т.д.

Большое значение для эффективной практической деятельности имеет также доступность методов и алгоритмов идентификации для изучения, освоения, исследования и применения, чему уделяется крайне мало внимания. В связи с этим необходимо создание обучающих и испытательно-наладочных комплексов с развитым и постоянно обновляемым методическим, алгоритмическим, техническим, информационным и другими видами обеспечения.

Актуальность выбранного направления подтверждается результатами аналитических обзоров научных трудов Международных конференций «Идентификация систем и задачи управления» 2000, 2003 г.г. В частности, подчеркивается «... поразительная актуализации проблемы построения эффективных технологий решения прикладных задач, ... вызванная сложностью постановки и решения практических задач» [13]. Более того, высказывается следующая основная идея: «проблемы идентификации необходимо исследовать в контексте всей человеческой деятельности, направленной на поиск решений практических задач управления. ... существует актуальная потребность создания наукоемких методологий для начальных этапов поиска решений трудных (существенно нестандартных) практических задач, содержащих трудно формализуемые условия и высокие требования к качеству управления (оценивания, прогнозирования)» [14].

Работа выполнена в соответствии с планами хоздоговорных и госбюджетных научно-исследовательских работ Сибирского государственного индустриального университета в рамках Федеральной целевой программы «Интеграция науки и высшего образования России» (1998-2001 г.г., 2002-2004 г.г., Государственный контракт № Ц 0109); Гранта Министерства образования РФ по фундаментальным исследованиям в области автоматики и телемеханики, вычислительной техники по направлению «Автоматизированные системы управления технологическими процессами» по проекту «Многовариантная идентификация в автоматизированных системах управления технологическими процессами» (1998-2000 г.г., № ГР 01200108545); Гранта Министерства образования РФ по фундаментальным исследованиям в области технических наук по направлению «Автоматика и телемеханика, вычислительная техника, связь, метрология» (шифр гранта ТОО-3.2-2882) на выполнение НИР «Построение моделей нелинейной динамики для задач управления» (2001-2002 г.г., № ГР 01200108528); хоздоговора с ОАО «Запсибметкомбинат» на выполнение НИР «Разработка и внедрение автоматизированной системы сквозной динамической оптимизации технологических режимов коксохимпроизводства» (1994-1996 г.г.); задания Министерства образования РФ на проведение фундаментальных научных исследований в области систем автоматизации и информатизации по тематикам «Развитие концепции и методов теории идентификации» (2003-2004 г.г., № ГР 01200315619), «Развитие теории и методов управления на основе натурно-модельного подхода» (2005-2006 г.г., № ГР 01200510529); Гранта Губернатора Кемеровской области «Ведущая научная школа Кемеровской области» на выполнение НИР «Создание систем автоматизации управления промышленными и социальными объектами Кузбасса на основе натурно-модельного подхода» (2004 г., № 77); проекта Российского фонда фундаментальных исследований «Комплексные системы автоматизации управления на основе натурно-модельного подхода» (2006-2008 г.г., № 06-07-89042).

Цель диссертационной работы. Решение актуальной научно-практической проблемы идентификации промышленных объектов, функционирующих в составе систем управления.

В рамках поставленной цели выделены задачи: выявление особенностей современных промышленных объектов управления с точки зрения идентификации; анализ условий создания и эксплуатации систем автоматизации управления; развитие принципов идентификации промышленных объектов; формирование информативных исходных данных в действующей системе управления; развитие критериев идентификации и разработка многовариантных алгоритмов идентификации для многоцелевого использования результатов идентификации; структурный синтез алгоритмов идентификации для получения оценок коэффициентов с требуемыми свойствами; развитие вычислительных процедур динамической идентификации для типовых моделей САР; идентификация сложных объектов, характеризующихся рециклом и распределенными управляющими воздействиями; выявление и исследование характерных эффектов нарушения основных предпосылок использования алгоритмов динамической идентификации; разработка структуры и алгоритмического обеспечения автоматизированной системы для освоения и исследования алгоритмов идентификации; конкретизация, исследование и внедрение методов и алгоритмов идентификации в системах управления промышленными объектами и в составе многоцелевого учебно-исследовательского комплекса.

Методы выполнения работы. Выполнение диссертационной работы базируется на обобщении практического опыта идентификации при создании и совершенствовании систем управления и на аппарате: теории управления, теории систем, теории идентификации, системного анализа, натурно-математического моделирования.

Научная новизна. 1. Новый подход к решению проблемы идентификации, основу которого составляют: особенности современных промышленных объектов управления и условий создания и эксплуатации систем автоматизации; принципы идентификации промышленных объектов, соответствующие этим особенностям; методы и алгоритмы идентификации, удовлетворяющие разработанным принципам; критерии многоцелевой идентификации; структура и алгоритмическое обеспечение учебно-исследовательского автоматизированного лабораторного комплекса; конкретные результаты исследования и внедрения методов и алгоритмов идентификации.

2. Принципы идентификации промышленных объектов: идентификация объектов в системах управления - объектов, охваченных разветвленными прямыми и обратными управляющими связями; многовариантная идентификация для одновременного решения многоцелевых задач: исследования, обучения, пусконаладки, производственного назначения; идентификация для целей управления; идентификация в процессе всего жизненного цикла объекта - от начала испытания объекта до его утилизации; идентификация объектов сложной структуры, характеризующихся распределенными в пространстве управляющими воздействиями с различным динамическим влиянием на параметры, состояние и выходные переменные объекта, наличием внутренних положительных связей (рециклов), параметрической и структурной нестационарностью; доступность методов идентификации для изучения, освоения и применения.

3. Методы идентификации сложных по структуре, нелинейных, нестационарных объектов в составе действующих систем управления, отличающиеся возможностью активного и пассивного формирования данных специальных исследовательских экспериментов с прогнозированием траекторий рабочих режимов управления, возможностью элиминирования отрицательного, с точки зрения рабочих управлений, влияния активных исследовательских воздействий, возможностью последовательной обработки полученных данных и позволяющие в 2-Зраза сократить число экспериментов, проводимых в соответствии с составленной матрицей планирования эксперимента и решением полученной системы уравнений.

4. Критерии многоцелевой идентификации, включающие, в отличие от

известных, не только точностную, но и гладкостную составляющую,

характеризующую динамические свойства последовательностей получаемых

оценок. 5. Новые обобщенные структуры идентификаторов:

- структура идентификатора в виде замкнутой динамической системы, открывающая широкие возможности для использования арсенала методов и средств теории управления для анализа и синтеза новых алгоритмов идентификации;

- структура идентификатора с новым типом обратной связи, позволяющая гибко учитывать изменяющиеся требования к свойствам оценок коэффициентов математической модели и повысить качество идентификации примерно в 1,5-2 раза даже при действии возмущения, соизмеримого с величиной полезного сигнала; 

- структуры многовариантных идентификаторов, отличающиеся

одновременным формированием нескольких вариантов оценок коэффициентов,

обладающих разными динамическими свойствами и необходимых для

многоцелевого использования.

6. Модернизированные вычислительные процедуры динамической

идентификации типовых моделей САР, использование которых дает

возможность получать удовлетворительные оценки коэффициентов ТОЛЬКО по

начальному участку переходного процесса общей длительностью, не

превышающей 10% от основной постоянной времени объекта.

7. Обобщенная структура автоматизированного учебно исследовательского лабораторного комплекса, объединяющая натурные

элементы, пересчетные математические модели, рекуррентные процедуры

обработки данных и позволяющая в 2-3 раза уменьшить время на приобретение

навыков, освоение новых методов и алгоритмов идентификации и выявить

характерные эффекты нарушения исходных предпосылок их использования.

8. Многовариантные зависимости влияния химического состава

конвертерной стали на механические свойства металлопроката,

характеризующиеся неоднозначностью, нестационарностью трендов,

различными динамическими свойствами и позволяющие решать задачи кратко-, средне- и долгосрочного управления и прогнозирования в комплексе «сталь-прокат».

9. Структуры и диапазоны оценок параметров математических моделей каналов преобразования изменения управляющих и внешних воздействий для шахтной печи металлизации окисленных окатышей, для блока тепловых регенераторов кислородного производства, для зоны вторичного охлаждения машины непрерывного литья заготовок.

Практическая значимость работы. Результаты диссертационной работы могут быть использованы:

методы и алгоритмы идентификации - при создании и совершенствовании систем управления отдельными технологическими агрегатами и производственными комплексами в различных отраслях промышленности;

- многоцелевой учебно-исследовательский лабораторный комплекс «САР» и автоматизированная система для освоения и исследования алгоритмов динамической идентификации - при анализе создаваемых систем с применением алгоритмов идентификации и для обучения студентов среднего и высшего профессионального образования соответствующих специальностей.

Реализация результатов. Результаты работы внедрены и используются: в системе оперативного управления комплексом «сталь-прокат» ОАО «Запсибметкомбинат» - многовариантные алгоритмы идентификации; в системе автоматического регулирования блока тепловых регенераторов кислородного производства ОАО «Запсибметкомбинат», в системе автоматического регулирования зоны вторичного охлаждения машины непрерывного литья заготовок ОАО «Новокузнецкий металлургический комбинат», в системах регулирования и прогнозирования содержания углерода и степени металлизации окисленных окатышей ОАО «Оскольский электрометаллургический комбинат» - полученные математические модели каналов преобразования регулирующих и внешних воздействий; в Сибирском государственном индустриальном университете - автоматизированная система для освоения и исследования алгоритмов динамической идентификации; в Профессиональном лицее № 10 г.Новокузнецка в рамках программы непрерывного профессионального образования - многоцелевой учебно-исследовательский лабораторный комплекс «САР».

Предмет защиты. Подход к решению проблемы идентификации, отвечающий современным условиям разработки и функционирования промышленных объектов и требованиям, предъявляемым к срокам создания и эффективности систем автоматизации управления, включая:

1) принципы идентификации промышленных объектов;

2) методы идентификации:

- сложных по структуре, нелинейных, нестационарных объектов в составе действующих систем управления: объектов с распределенными в пространстве управляющими воздействиями с различным динамическим влиянием на параметры, состояние и выходные переменные объекта; объектов с рециклом (внутренней положительной обратной связью);

- метод последовательной идентификации с нанесением воздействий на прогнозируемые траектории рабочих управлений и вычитанием эффектов компенсирующих управляющих воздействий;

3) критерии многоцелевой идентификации, включающие точностную и гладкостную составляющие;

4) алгоритмы динамической идентификации:

- многовариантные алгоритмы идентификации;

- алгоритм идентификации с новым типом обратной связи;

- модернизированные вычислительные процедуры идентификации

типовых моделей систем автоматического регулирования;

5) обобщенная структура автоматизированного учебно исследовательского лабораторного комплекса, объединяющая натурные

элементы, пересчетные математические модели, рекуррентные процедуры

обработки данных и используемая в качестве полигона для испытания и исследования новых методов и алгоритмов идентификации объектов в системах управления;

6) зависимости, характеризующие особенности конкретных объектов: комплекса «сталь - прокат», шахтной печи металлизации окисленных окатышей, блока тепловых регенераторов кислородного производства, зоны вторичного охлаждения машины непрерывного литья заготовок;

7) результаты моделирования и их применения в системах управления промышленными объектами и в составе учебно-исследовательского автоматизированного лабораторного комплекса.

Личный вклад автора заключается в формировании принципов идентификации; постановке и решении конкретных задач идентификации; получении аналитическим путем многовариантных алгоритмов идентификации; формировании структур математических моделей и алгоритмов идентификации для объектов с рециклом и с распределенными управляющими воздействиями; разработке структуры и алгоритмического обеспечения автоматизированной системы для освоения и исследования алгоритмов динамической идентификации; разработке математического, алгоритмического и методического обеспечения многоцелевого учебно-исследовательского лабораторного комплекса «САР»; планировании и проведении экспериментов на промышленных предприятиях при создании систем управления шахтными печами для металлизации окисленных окатышей, блоком тепловых регенераторов кислородного производства, зоной вторичного охлаждения машины непрерывного литья заготовок; анализе и интерпретации полученных результатов модельных, натурно-модельных и натурных экспериментов.

Апробация работы. Основные положения и результаты диссертационной работы докладывались, обсуждались и получили одобрение на 42 конференциях, включая Международную научно-техническую конференцию «Структурная перестройка металлургии: экономика, экология, управление, технология» (Новокузнецк, 1996), Всероссийскую научно 15 практическую конференцию «Системы и средства автоматизации» (Новокузнецк, 1998), Международную научно-техническую конференцию «50 лет развития кибернетики» (Санкт-Петербург, 1999), Всероссийские научно-практические конференции «Металлургия на пороге XXI века: достижения и прогнозы» (Новокузнецк, 1999, 2000), Четвертый Сибирский конгресс по прикладной и индустриальной математике, посвященный памяти М.А. Лаврентьева (Новосибирск, 2000), Международные конференции «Идентификация систем и задачи управления - SICPRO 2000, SICPRO 05» (Москва, 2000, 2005), Международные научно-практические конференции «Фундаментальные и прикладные проблемы информатики, приборостроения, экономики и права» (Сочи, 2004, 2005), Всероссийскую научно-практическую конференцию «Моделирование, программное обеспечение и наукоемкие технологии в металлургии» (Новокузнецк, 2001), 6h World Congress on Integrated Resources Management R02 (Geneva, Switzerland, 2002), Всероссийские научно-практические конференции «Системы автоматизации в образовании, науке и производстве» (Новокузнецк, 2001, 2003, 2005), Всероссийскую и Международную научно-практические конференции «Электронные средства и системы управления» (Томск, 2003, 2004), Всероссийскую научно-практическую конференцию «Металлургия: технологии, реинжиниринг, управление, автоматизация» (Новокузнецк, 2004), IV Всероссийскую научно-практическую конференцию «Информационные недра Кузбасса» (Кемерово, 2005), Третью Международную конференцию по проблемам управления (Москва, 2006).

Публикации. По материалам диссертации опубликовано 75 печатных работ, в том числе три монографии, одно учебное пособие, девять статей в периодических изданиях, два авторских свидетельства и два патента на изобретения.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, библиографического списка, приложения и содержит 372 страницы основного текста, в том числе 86 рисунков и 11 таблиц. 

Общая характеристика методов идентификации

Проблему идентификации объектов можно рассматривать как отдельное самостоятельное направление, так и как составную неотъемлемую часть общей проблемы управления [15, 16] с целенаправленной взаимосвязью с другими задачами управления, включая задачи измерения, оценивания, регулирования, прогнозирования и другие. При таком подходе появляется целый ряд особенностей идентификации [17-21], связанных с функционированием объектов в составе систем управления. Эти особенности, а также требования, предъявляемые к результатам идентификации в системах управления, вносят соответствующие изменения в подходы, методы и алгоритмы идентификации. В связи с этим выполнен аналитический обзор известных методов идентификации, показаны современные направления развития идентификации и наиболее характерные примеры промышленных приложений.

Отметим также, что современные системы автоматизации по своей сути являются многоцелевыми и предназначены для решения задач производственного, исследовательского и учебного назначения. В соответствии с этим должны формироваться различные варианты математических моделей, удовлетворяющие различным требованиям. Более того, и для целей только производственного назначения, например, для регулирования и для планирования, требуются различные модели. Отсюда вытекает необходимость создания многовариантных алгоритмов идентификации и в целом систем идентификации, их детального исследования и обобщения опыта применения. В связи с этим рассмотрена проблематика многовариантной идентификации. 1.1.1. Общая характеристика методов идентификации Существующие способы построения математических моделей промышленных объектов условно можно разделить на две группы: первая - на основе внутренних (например, физико-химических) закономерностей, присущих данному объекту и вторая - на основе математической обработки экспериментально полученных данных.

Такое разделение хорошо согласуется с концепцией возмущенного и невозмущенного движения [22, 23], которая часто используется при синтезе систем управления. Основная сущность концепции заключается в том, что невозмущенное (опорное) движение характеризуется базовой составляющей входных и выходных воздействий и внутреннего состояния объекта, а возмущенное (в приращениях к опорному) - отклонениями всех указанных воздействий от базовой составляющей. Выделенная, например, путем согласованного сглаживания воздействий рекуррентными фильтрами [24], базовая составляющая практически свободна от различных ошибок оперативного контроля и может быть хорошо воспроизведена в моделях, опирающихся на физико-химические представления о закономерностях технологических процессов. Воздействия возмущенного движения преобразуются с помощью функциональных моделей, для построения которых используются методы идентификации.

Не останавливаясь на построении моделей на основе внутренних закономерностей, перейдем непосредственно к рассмотрению задачи идентификации. Как известно, задача идентификации состоит в определении (уточнении) структуры и параметров математической модели объекта по наблюдаемым данным о его входных и выходных величинах [1, 2, 11]. При ее решении возникает много вопросов, среди которых можно выделить два основных: во-первых, как спланировать и провести эксперимент для получения входной и выходной информации об объекте и, во-вторых, как обработать и проанализировать результаты эксперимента. Во многих работах [25] для получения исходных данных предлагается использовать, так называемые, пассивные и активные методы идентификации. Однако указанные методы получения данных еще далеки от своего завершения по следующим причинам. 1. Идентификация объектов в системах управления [25-27] качественно отличается от идентификации объектов вне систем управления. И если влияние обратных связей в ряде работ [20, 28] проанализировано, то влияние регулирующих воздействий по возмущениям почему-то не рассматривается, хотя имеет такие же негативные последствия на результаты идентификации. 2. Проведение экспериментов на промышленных объектах требует многоцелевого [29-32] функционирования систем управления с формированием двух видов продукции: информации для идентификации и целевого промышленного продукта. Естественно, что в таких системах необходимы методы взаимосогласованного идентифицирующего и рабочего управления. Работ такого профиля насчитывается всего единицы [33]. 3. Известные методы [25, 34] с применением исследовательских воздействий, как правило, предполагают возможность «ровного хода» промышленных агрегатов, что, к сожалению, в реальности встречается достаточно редко. Примером служит большая часть рекомендаций по снятию кривых разгона [34], где одним из условий является вывод объекта на «ровный ход». В последние годы начало формироваться научно-прикладное направление анализа и синтеза многоцелевых систем управления, в рамках которого обобщены известные и развиты новые методы идентификации объектов в системах управления с натурно-модельными блоками [31]. Среди этих методов можно отметить следующие: - идентификация с помощью выделения аналогов тестирующих сигналов непосредственно из траекторий рабочего управления [35-37]; - оценивание динамических характеристик каналов регулирования с экстраполяцией наблюдаемой предыстории приведенных возмущений [20, 38]; - идентификация процессов с помощью физически меченых сигналов [39]; - идентификация каналов регулирования с прогнозированием режимов рабочего управления [17, 19,20,40].

Техническая реализация многовариантных алгоритмов идентификации

Рассматривается задача построения математических моделей, отражающих влияние химического состава стали на механические свойства проката. При этом основными требованиями, предъявляемыми к результатам идентификации, являлись многоцелевое использование полученных оценок коэффициентов математических моделей и принятие гибких управленческих решений на различных временных интервалах. Это в свою очередь потребовало формирования нескольких вариантов оценок коэффициентов, обладающих различными динамическими свойствами. Для получения таких оценок применяли многовариантный алгоритм идентификации, конкретизация которого представлена в этом разделе.

Особенности функционирования комплекса «сталь - прокат». Успешная работа технологической цепочки металлургического производства во многом определяется согласованным функционированием (производительности, физических и химических свойств сырья и полупродуктов) отдельных участков (производств) этой цепочки. Для такого согласования, как правило, необходимы динамические зависимости определяющих технологических факторов. Установление динамических зависимостей рассмотрим на примере получения проката с требуемыми служебными свойствами.

Общепринятая схема формирования служебных свойств проката предусматривает последовательное достижение основных характеристик металла. Во-первых, это получение в сталеплавильных агрегатах жидкой стали с определенным химическим составом, во-вторых, готового проката с требуемыми свойствами. Для достижения этих основных целей и ориентированы технологические процессы сталеплавильного и прокатного производств. Оптимизация же параметров технологических процессов осуществляется, прежде всего, из условия достижения определенных «запасов» по свойствам с целью компенсации возможных возмущений, которые могут привести к ухудшению свойств металла. Эта оптимизация, как правило, проводится в основном в рамках одного из производств. Кроме того, на свойства металла наряду с контролируемыми факторами сталеплавильного и прокатного производств существенное влияние оказывают неконтролируемые факторы (возмущения) технологических процессов. В сталеплавильном производстве неконтролируемыми возмущениями можно считать, например, изменения в составе сырья, чугуна, его температуры, непредставительность проб и погрешности анализов. В прокатном производстве - это изменения температурно - скоростных режимов нагрева и прокатки стали. Отсутствие информации о их величине и степени влияния на свойства металла приводит к существенным изменениям свойств продукции, в результате чего возникают два основных вида потерь производства: а) при неблагоприятных изменениях условий производства - перевод металла на менее ответственное назначение по причине неудовлетворительных механических свойств и связанные с этим трудности по выполнению заказов предприятием, потери материалов и энергоресурсов, затраченных на производство этой продукции; б) при благоприятных условиях производства свойства проката часто гораздо выше требуемых их значений, а это означает, в частности, что при выплавке стали допускается значительный перерасход дорогостоящих ферросплавов, применяемых для ее легирования. Типичным примером может служить арматурная сталь класса А-Ш (ГОСТ 5781-82) производства Западно Сибирского металлургического комбината (ЗСМК), имеющая запас по прочностным характеристикам 30-=-80 МПа. Уменьшение потерь может быть достигнуто путем гибкого оперативного регулирования свойств металла за счет изменения заданий на химический состав выплавляемой стали. Для этих целей необходимо иметь модели связи механических свойств проката и химического состава выплавляемой стали. Имеющиеся в настоящее время модели [129, 130], связывающие значения свойств проката с химическим составом стали, используются для прогнозирования свойств, аттестации продукции, сокращения объемов испытаний. Однако несоответствие свойств временных рядов используемых данных предпосылкам, которые лежат в основе применяемых методов, приводит к существенному снижению эффективности используемых моделей [27, 35]. Для примера на рисунке 2.18 (а, б, в) приведены три выборочных участка исходных данных по химическому составу выплавляемой стали марки 35ГС (процентное содержание углерода С, марганца Mn , кремния Si в плавке) и механическим свойствам проката (текучесть УТ, прочность ов, удлинение S5). Выделенные с помощью многовариантного фильтра [24] низкочастотные составляющие (рисунок 2.18) дают представление о нестационарности этих временных рядов данных. Однако это совсем не говорит о том, что коэффициенты передачи математической модели по каналам «химический состав - механические свойства» будут также нестационарные. Для изучения этого вопроса были проведены специальные исследования, тем более, что в литературных данных такие сведения отсутствуют. С этой целью были построены регрессионные зависимости механических свойств (текучести с7, прочности JB, удлинения S5) арматурной стали марки 35ГС от содержания углерода, марганца и кремния по ковшевой пробе плавок производства ЗСМК. Исходные данные, охватывающие период работы комбината общей длительностью восемь месяцев, были разделены на четыре последовательных участка. За оценку свойств плавки бралось среднее значение результатов контрольных испытаний (по две пробы с плавки); количество плавок по периодам: 1-86 (74); II - 85 (74); III - 55 (75); IV -57 (74), в скобках указаны объемы для профиля № 25, перед скобками - для профиля № 14.

Исследование эффективности алгоритмов идентификации

В соответствии с принципом идентификации объектов в системах управления [134] для формирования информативных исходных данных в действующей системе управления разработан комплекс методов идентификации [135, 136] с нанесением испытательных воздействий на прогнозируемые траектории рабочих режимов управления. Основу этих методов составляет активное или пассивное формирование данных специальных исследовательских экспериментов с прогнозированием траекторий рабочих режимов управления и элиминирование отрицательного, с точки зрения рабочих управлений, влияния активных исследовательских воздействий. Применение разработанных методов позволяет не только сократить время проведения экспериментов, но и получить результаты в тех случаях, где традиционные методы практически не работоспособны. Эффективность методов подтверждается полученными результатами идентификации непрерывных и циклических объектов. Метод идентификации Построение моделей промышленных объектов приходится осуществлять при совместном достижении исследовательских целей с целями рабочего функционирования тех же объектов [137] . Это положение хотя и хорошо известно, однако до сих пор не нашло должного отражения в теории планирования экспериментов, теории идентификации и других разделах общей теории построения моделей [30]. В результате создается обманчивое впечатление о практической действенности большинства теоретических методов, используемых для изучения объектов в системах управления производственного назначения, тратятся значительные средства на сбор и анализ данных нормальной эксплуатации в сочетании с "активными" экспериментами. Примером тому служит неправомерность применения методов корреляционно-регрессионного анализа и близких к ним по замыслу процедур адаптивной идентификации обособленных объектов для их идентификации в замкнутых системах регулирования по возмущениям и (или) отклонениям [25,26]. Первопричиной ошибок применения большинства известных методов идентификации является то, что они опираются на одноцелевые представления, а предпринимаются попытки их прямого использования в многоцелевых, в частности, двухцелевых производственно-исследовательских системах. В последние годы начало формироваться научно-прикладное направление анализа и синтеза многоцелевых систем управления, в рамках которого обобщены известные и развиты новые способы идентификации объектов в системах управления с натурно-модельными блоками [31]. Среди этих способов можно отметить следующие: а) идентификация с помощью выделения аналогов тестирующих сигналов непосредственно из траекторий рабочего управления [35-37]; б) оценивание динамических характеристик каналов регулирования с экстраполяцией наблюдаемой предыстории приведенных возмущений [20]; в) идентификация процессов с помощью физически меченых сигналов [39]; г) идентификация каналов регулирования с прогнозированием режимов рабочего управления [29,40,41]. Последний способ идентификации является наиболее плодотворным с точки зрения согласованного выполнения функций идентификации и рабочего управления. Аналогом, его может служить математически оформленный вариант пошаговой идентификации вход-выходных каналов с простой экстраполяцией предыстории выходов [41, с. 188-195].Этот способ идентификации является по существу методом определения в реальном масштабе времени импульсной переходной функции по дискретным данным о входе и выходе объекта управления, причем компоненты вектора управления представляют собой импульсы с шириной, равной одному интервалу дискретизации. Его сущность поясним с помощью рисунка 3.22 на примере объекта с двумя управляющими воздействиями и одним выходным воздействием. На рисунке 3.22 приняты обозначения: ut, иг - соответственно первое и второе управляющие воздействия объекта; у - выходное воздействие объекта; биг - величина изменения управляющего воздействия; / - время изменения управляющего воздействия; Т - длительность одного такта управления; ду эффект от изменения управляющего воздействия; W2, у - прогнозируемые траектории соответственно второго управляющего воздействия и выходного воздействия объекта. Реализация способа идентификации объектов управления заключается в следующем. 1. Измеряют входные и/ , U2 и выходное у воздействия объекта управления. 2. В момент времени t прогнозируют на один такт управления Т траектории управляющего входного воздействия щ и выходного воздействия у путем экстраполяции. 3. Стабилизируют входное воздействие и і и наносят в момент времени t изменение управляющего воздействия си 2 ступенчатой формы длительностью, равной одному такту управления.

Структура математической модели и примеры промышленных объектов

В четвертой главе диссертационной работы приводятся примеры промышленных объектов, структуры их математических моделей, методы и алгоритмы идентификации, удовлетворяющие принципу идентификации объектов сложной структуры [134], а также результаты численных и опытно-промышленных исследований.

Современные возможности построения систем автоматизации управления позволяют охватывать все более сложные по структуре промышленные объекты, идентификация которых требует объединения нескольких методов и алгоритмов с внесением соответствующих изменений. Принцип идентификации объектов сложной структуры показан на примерах нелинейных объектов с распределенными управлениями и объектов с рециклом (внутренней положительной обратной связью).

Эти объекты имеют достаточно сложную структуру с разветвленными нелинейными взаимосвязями, с числом управляющих воздействий, превышающим число целевых выходных переменных, и характеризуются наличием значительных переменных запаздываний в управлениях, состояниях (рецикл) и измерениях объекта. При идентификации таких объектов управления приходится объединять многие методы с надлежащим их изменением. Большая роль при этом отводится получению информативных данных с планированием и реализацией испытательных воздействий в интеграции с процедурами обработки полученных данных.

Существующие способы идентификации путем регистрации данных нормального функционирования объекта, либо путем проведения специальных экспериментов с нанесением тестирующих воздействий, применимы в основном для объектов, во-первых, вне контура управления и, во-вторых, задаваемых линейной структурой модели. Однако существует большой класс технологических объектов, идентификация которых не укладывается в известные схемы. К такого рода объектам относятся распределенные в пространстве объекты, характеризуемые наличием нескольких входных (управляющих) воздействий, имеющих различные запаздывания и число которых превосходит число выходных воздействий. Эти объекты обладают внутренними координатными и параметрическими связями, что позволяет отнести их к классу нелинейных. Примерами являются промышленные комплексы, представляющие собой совокупность взаимосвязанных цехов и производственных участков, технологические агрегаты металлургического производства, такие как установки непрерывной разливки стали, проходные нагревательные печи прокатного производства, многоклетьевые или одноклетьевые реверсивные прокатные станы.

Структура математической модели и примеры промышленных объектов Объекты с распределенными управлениями, число которых больше числа выходных переменных, характеризуются большим разнообразием структур и соответствующим им разнообразием математических моделей. Один из вариантов структуры математической модели таких объектов представлен на рисунке 4.1, где двойной линией обозначены параметрические, а одинарной -координатные воздействия, и приняты следующие обозначения: ut, U2,...,Uj -управляющие воздействия; w - внешнее контролируемое воздействие; у -выходное воздействие объекта, (рх - оператор запаздывания, (рр - координатно параметрический оператор. Для построения систем автоматического управления зачастую бывает достаточно использования относительно простых математических моделей, например, следующего вида где и/. ii2. .... Uj - управляющие воздействия; w внешнее контролируемое воздействие; y(t) - рассчитанное по модели выходное воздействие объекта; TJ время чистого запаздывания; kit) - коэффициент влияния и (t) на y(t); аоп сі\,Лп, - постоянные коэффициенты (в частном случае может быть kw = 1). Примерами такого класса объектов могут служить проходные нагревательные печи прокатного производства, многоклетьевые или одноклетьевые реверсивные прокатные станы при регулировании толщины прокатываемого металла, установки непрерывной разливки стали при регулировании температуры получаемой заготовки. В частности, при нагреве заготовок металла в нагревательных методических печах y(t) соответствует рассчитанной по модели (4.1), (4.2) температуре заготовок на выходе из печи; Ц (/-Гц) - начальной температуре заготовок с учетом запаздывания г0 при ки =\; itjitj) - расходу топлива по различным j- ым зонам печи, методической, сварочной и томильной, с учетом запаздывания г, в каждой зоне. Изменение расхода топлива в последующей зоне печи зависит от температуры заготовки на выходе из предыдущей зоны. При прокатке металла y(t) соответствует рассчитанной по модели (4.1), (4.2) толщине готового проката; w(f-r0) - начальной толщине заготовки с учетом запаздывания г0 в измерениях при hw = 1; и. it - т ) - величине перемещения валков в каждой j - ой клети при каждом проходе металла с учетом запаздывания г . Причем изменение регулирующих воздействий в последующем проходе металла зависит от величины давления каждой клети в предыдущем проходе металла. При охлаждении получаемой заготовки на установке непрерывной разливки стали j)(/) соответствует рассчитанной по модели (4.1), (4.2) температуре заготовки на выходе; w(t0) - температуре металла в еталеразливочном ковше, либо при kw = 1 соответствует температуре металла перед зоной вторичного охлаждения; и.и-т.) - расходу воды на охлаждение заготовки в каждой / - ой секции. Особенность объекта заключается в том, что изменение расхода воды в предыдущей секции влияет не только на изменение температуры заготовки, но и на изменение коэффициента передачи в последующей секции. Кроме того, примерами рассматриваемого класса объектов могут служить следующие технологические процессы металлургической промышленности. 1. Непрерывное групповое дозирование [143, 144] одного компонента одновременно из нескольких бункеров с измерением общего расхода компонента (рисунок 4.2, а). Здесь режим работы питателей при каждом бункере устанавливается индивидуально, то есть имеется несколько управляющих воздействий, а расстояние по сборному конвейеру от измерителя расхода до каждого бункера различно, и тем самым различны времена запаздывания по каналам управления. Одним из основных требований является равномерное опорожнение бункеров.

Похожие диссертации на Методы и алгоритмы идентификации в системах управления промышленными объектами