Задачи и системы адаптивного управления, страница 14

Моделирование выполнялось в два этапа. На первом этапе результаты измерений (рис. (3)-(6)) были использованы для определения параметров модели объекта управления методом наименьших квадратов и по алгоритму (16). Результаты обучения модели объекта управления приведены на рис. 10 и  рис. 11.

На втором этапе обученная модель объекта управления (2) и результаты измерений уровня (рис. 3) и расхода перегретого пара (рис. 4), использовались в качестве задания требуемых законов изменения уровня  и расхода питательной воды  следящей системе, реализующей алгоритм формирования управляющего воздействия (27).

Результаты моделирования приведены на рисунках 12-14.

Рис. 14. Погрешность управления уровнем следящей системой

по алгоритму (5.31); мм.

Следящая система с помощью алгоритма (27) воспроизводит заданный закон изменения уровня (рис. 12) с погрешностью мм. При этом погрешность управления уровнем  изменяется с течением времени случайным образом и имеет нулевое среднее значение (рис. 14).

Литература

1.  Афанасьев В. Н., Колмановский В. Б., Носов В. Р. Математическая теория конструирования систем управления. - М.: Высшая школа, 1998.

2.  Беллман Р. Динамическое программирование. – М.: ИЛ, 1960.

3.  Ланнэ А. А. , Улахович Д. А. Многокритериальная оптимизация. Пособие по курсовому и дипломному проектированию. – СПб.: ВАС, 1984.

4.  Нейроуправление и его приложения. Кн. 2. / Сигеру Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н.В. Батина; Под ред. А.И. Галушкина, В.А. Птичкина. – М.: ИПРЖР, 2000. – 272 с.: ил. (Нейрокомпьютеры и их применение).

5.  Понтрягин Л. С., Болтянский В. Г., Гамкрелидзе Р.В., Мищенко Е. Ф. Математическая теория оптимального управления. – М.: Наука, 1968.

6.  Робетрс. С. Динамическое программирование в процессах химической технологии и методы управления. – М.: Мир, 1965.

7.  Сейдж Э., Мелса Д. Идентификация систем управления. – М.: Наука, 1974.

8.  Химмельблау Д. Прикладное нелинейное программирование. – М.: Мир, 1975.

9. Гропп Д. Методы идентификации систем. М.: Мир, 1975. -302 с.

10. Калман Р., Фарб П., Арбиб М. Очерки по математической теории систем. - М.: Единореал, 2004. 400 с.

11. Карабутов Н. Н. Адаптивная идентификация систем: Информационный синтез. М.: Комкнига, 2006. -  384 с.

 12. Льюнг Л. Идентификация систем. Теория для пользователя. М.: Наука, 1991. - 432 с.

13. Сейдж Э., Мейлс Дж. Теория оценивания и ее применение в связи и управлении. М.: Связь, 1976. -  496 с.

14. Сейдж Э., Уайт Ч. С., III. Оптимальное управление системами. М.: Радио и связь, 1982. 332 с.

15. Цыпкин Я. З.  Основы информационной теории идентификации. М.: Наука, 1995. - 336 с.

16. Летов А.М. Аналитическое конструиование регуляторов I-IV //АиТ. 1960. № 4, с. 434-441; № 5, с. 561-568; № 6, с. 661-665; 1961. № 4, с. 425-435.

17. Поляк Б. Т., Цыпкин Я. З. Адаптивные алгоритмы оценивания (сходимость, оптимальность, стабильность) // АиТ. 1979. № 3. С. 71-84.

18. Фомин В. Н., Фрадков А. Л., Якубович В. А. Адап­тивное управление динамическими объектами. М.: Наука, 1981. - 384 с.

19. Гудвин Г.К., Гребе С.Ф., Сальгадо М.Э. Проектирование систем управления. - М.: ВИНОМ, 2004. 911 с.

20. Красовский А. А. Оптимальные алгоритмы в задачах идентификации с адаптивной моделью // АиТ. 1975. № 12. С. 75-82.

21. Ротач В.Я. Теория автоматического регулирования: учебник для вузов. М.: Издательский дом МЭИ, 2007. - 400 c.

22. Граничин О. Н., Поляк Б. Т. Рандомизированные алгоритмы оценивания и оптимизация при почти произвольных помехах. М.: Наука, 2003. - 291с.

23. Гольцов А. С. Адаптивные системы автоматического управления нелинейными объектами. Орел: Академия ФАПСИ, 2002. – 156 c.