автореферат диссертации по электротехнике, 05.09.03, диссертация на тему:Адаптивная система управления электротехническим комплексом окраски

На правах рукописи

КАРАСЕВ Вадим Григорьевич

АДАПТИВНАЯ СИСТЕМА УПРАВЛЕНИЯ ЭЛЕКТРОТЕХНИЧЕСКИМ КОМПЛЕКСОМ ОКРАСКИ

Специальность 05.09.03 - Электротехнические комплексы и системы

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2005

Работа выполнена в Липецком государственном техническом университете.

Научный руководитель - кандидат технических наук,

доцент Щедринов Александр Васильевич

Официальные оппоненты: доктор технических наук,

профессор Микитченко Анатолий Яковлевич; кандидат технических наук, доцент Слепокуров Юрий Сергеевич

Ведущая организация - Федеральный научно-производственный

центр ЗАО НПК(О) «Энергия», г. Воронеж

Защита диссертации состоится «23» июня 2005 г. в «10» часов в конференц-зале на заседании диссертационного совета К 212.037.05 при Воронежском государственном техническом университете по адресу: 394026, г. Воронеж, Московский проспект, 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан «» мая 2005 г.

Ученый секретарь /Ц&Л-

диссертационного совета ^ Jisi^yvr^ Медведев В.А.

M£&2 Sil ИМ/

6 3 ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Электротехнический комплекс нанесения полимерных порошковых покрытий в электростатическом поле на металлические изделия является весьма сложным объектом автоматического управления, свойства которого изменяются с течением времени. Процесс нанесения порошковых покрытий характеризуется относительно плавным дрейфом параметров, однако имеют место и резкие скачкообразные их изменения. Кроме того, на электротехнический комплекс окраски воздействует большое количество внешних возмущений. Все это позволяет сделать вывод о том, что реальный процесс нанесения > полимерных порошковых покрытий в электростатическом поле является неста-

ционарным и стохастическим объектом. Проведенный анализ лшературных источников позволил выделить следующие значимые факторы процесса окраски: напряжение на электроде распылителя; расходы воздуха и порошка через распылительное устройство; скорость перемещения конвейера; расстояние от распылителя до поверхности окрашиваемого изделия; цикл хода осциллятора с распылителями. Наиболее критичным фактором из них является скорость перемещения конвейера. В электротехническом комплексе окраски используется подвесной конвейер, который служит для перемещения деталей в камеру окраски. Одной из проблем, возникающих при эксплуатации подвесных конвейеров, является раскачивание транспортируемых грузов относительно положения равновесия. Если заготовка поступает в камеру раскачиваясь, то процесс окраски может проходить некачественно, т.е. возникает перерасход краски, а поверхности заготовки окрашиваются неравномерно. Это в конечном итоге приводит к производственному браку. Снизить количество брака можно, если обеспечить поступление заготовки в камеру окраски, неподвижной относительно положения равновесия. Для этого необходимо обеспечить эффективное гашение колебаний груза, возникающих в переходных процессах. Существует необходимость в разработке гакой системы автоматического управления, которая позволяет оптимальным образом организовать работу электротехнического комплекса окраски, устранить раскачивание окрашиваемых изделий на конвейере и обеспечить наилучшее качество нанесемйи покрытий.

Изложенные выше соображения послужили основанием для выбора темы диссертации: «Адаптивная система управления электротехническим комплексом окраски».

Работа выполнена на кафедре электропривода Липецкого государственного технического университета в соответствии с планом научно-исследовательских работ по теме «Системы программного управления электроприводами и технологическими процессами».

Цель работы состоит в синтезе оптимальной адаптивной системы автоматического управления электротехническим комплексом окраски, которая позволяет оптимальным образом организовать процесс окраски и добиться высоких производительности и качества, независимо от характера нестационарности процесса и воздействия на него внешних возмущающих факторов, а также синтезе оптимальной адаптивной системы управления

1, .yj^fejj'

Для достижения указанной цели в работе поставлены и решены следующие задачи:

1. Синтезированы многомерные модели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера.

2. Получены многомерные модели для минимизации неравномерности покрытия для камеры окраски, с использованием алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

3. Разработан алгоритм адаптивной многоканальной поисковой оптимизации и алюршм его параметрической адашации.

4. Разработано специализированное программное обеспечение для идентификации и оптимизации объектов и систем.

5. Решена задача (оптимизации) минимизации колебаний грузов в системах подчиненного и модального управления электромеханической системы подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием, а также минимизации неравномерности покрытия для камеры окраски.

6. Разработана структура и алгоритм функционирования адаптивной оптимальной системы автоматического управления электротехническим комплексом окраски ЗХ "Стинол" и электроприводом подвесного конвейера. Проведены экспериментальные исследования, подтвердившие высокую эффективность разработанной адаптивной системы управления, которая может быть применена для управления сложными объектами подобного класса.

Методы исследования. Задачи, поставленные в ходе исследования, решались с помощью математического моделирования на ЭВМ с применением численных и аналитических методов. Использовались: положения и методы теории оптимального и экстремального управления; методы адаптивной идентификации и оптимизации; математическое моделирование на ЭВМ; экспериментальные данные, полученные на оборудовании ЗХ "Стинол".

Научная новизна работы.

1. Синтезированы многомерные ;.:сдели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера.

2. Получены многомерные модели для минимизации неравномерности покрытия для камеры окраски с использованием: алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

3. Разработан алгоритм адаптивной многоканальной поисковой оптимизации отличающийся тем, что поиск идет одновременно в нескольких параллельных каналах, а адаптацию интенсивности самообучения в процессе поиска осуществляют на основе величины текущего шага поиска в наилучшем канале.

4. Разработан алгоритм функционирования оптимальной адаптивной системы автоматического управления электротехнического комплекса окраски, отличающийся гем, что в работе алгоритма используются модули идентификации и

оптимизации.

5. Разработан алгоритм управления адаптивным электроприводом подвесного-конвейера, отличающийся тем, что в работе алгоритма используются модули идентификации и оптимизации.

Практическая ценность.

1. Разработана структура оптимальной адаптивной системы автоматического управления электротехническим комплексом окраски.

2. Разработано программное обеспечение, позволяющее идентифицировать математические модели нелинейных объектов с возможностью ручного и автоматического ввода экспериментальных данных, выбора структуры синтезируемой модели, выбора и настройки алгоритма идентификации, вывода и экспортирования синтезированной модели в аналитическом виде.

3. Разработано программное обеспечение для ЭВМ, позволяющее оптимизировать задаваемую или импортируемую аналитическую функцию качества с возможностью настройки критерия окончания поиска, задания ограничений на оптимизацию и области допустимых значений входных параметров.

На защиту выносятся.

1. Многомерные модели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера, а также многомерные модели для минимизации неравномерности покрытия в камере окраски, с использованием алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

2. Алгоритм адаптивной многоканальной поисковой оптимизации отличающийся тем, что поиск идет одновременно в нескольких параллельных каналах, а адаптацию интенсивности самообучения в процессе поиска осуществляют на основе величины текущего шага поиска в наилучшем канале.

3. Структура и алгоритм функционирования оптимальной адаптивной системы автоматического управления электротехническим комплексом окраски.

4. Алгоритм функционирования адаптивного электропривода подвесного конвейера.

5. Программное обеспечение, позволяющее идентифицировать математические модели нелинейных объектов с возможностью ручного и автоматического ввода экспериментальных данных, выбора структуры синтезируемой модели, выбора и настройки алгоритма идентификации, вывода и экспортирования синтезированной модели в аналитическом виде.

6. Программное обеспечение, позволяющее оптимизировать задаваемую или импортируемую аналитическую функцию качества с возможностью настройки критерия окончания поиска, задания ограничений на оптимизацию и области допустимых значений входных параметров.

Апробация работы. Основные положения и результаты диссертационной

работы обсуждались и получили одобрение на:

- III международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах», Новочеркасск, 2002;

III международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике», Новочеркасск, 2003;

- Научно - технической конференции кафедры «Электропривод и автоматизация промышленных установок и технологических комплексов», ЛГТУ, 2004;

- Международной научно-практической конференции «Моделирование. Теория, методы и средства», Новочеркасск, 2005.

Публикации. По теме диссертационной работы опубликовано 11 работ, отражающих содержание диссертационной работы. В работах, опубликованных в соавторстве, соискателем сделано следующее: разработано специализированное программное обеспечение для идентификации и оптимизации объектов и систем [1, 2, 7, 8]; разработан алгоритм адаптивной многоканальной поисковой оптимизации и алгоритм адаптации интенсивности самообучения [3, 5, 9, 10]; синтезированы многомерные модели для решения задачи минимизации колебаний грузов в системах управления электроприводом подвесного конвейера и решена задача минимизации колебаний грузов, транспортируемых подвесным конвейером [11]; получены многомерные модели для минимизации неравномерности покрытия для камеры окраски и решена задача минимизации неравномерности покрытия [4, 6].

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка и девяти приложений. Объем работы составляет 188 страниц, в том числе 126 страниц текста, 46 рисунков, 9 таблиц, библиографический список из 98 наименований, приложений на 51 странице.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во ВВЕДЕНИИ обоснована актуальность темы; сформулирована цель работы; отмечены научная новизна и практическая ценность результатов исследований; изложены основные положения, выносимые на защиту.

В ПЕРВОЙ ГЛАВЕ сделан обзор литературы по современному состоянию вопроса разработки систем автоматического управления электротехническими комплексами окраски. Проведенный анализ литературных источников позволил выделить следующие значимые факторы, определяющие работу камеры окраски: напряжение на электроде распылителя; расходы воздуха и порошка через распылительное устройство; скорость перемещения конвейера; расстояние от распылителя до поверхности окрашиваемого изделия; цикл хода осциллятора с распылителями. Показателями, характеризующими качество процесса напыления, являются толщина и неравномерность покрытия. Их величины зависят от организации процесса и полностью определяются технологией. В настоящее время управление известными камерами окраски осуществляется путем ручного подбора наиболее рационального сочетания входных технологических факторов. При этом результат часто бывает далек от оптимального и очень сильно зависит от опыта персонала, что не позволяет гарантировать приемлемое качество покрытия при действии различных возмущений.

В электротехническом комплексе окраски используется подвесной конвейер, который служит для перемещения деталей в камеру окраски. Одной из проблем, возникающих при эксплуатации таких конвейеров, является раскачивание транспортируемого груза. Если заготовка поступает в камеру раскачиваясь, то процесс окраски происходит некачественно: возникает перерасход краски, поверхность заготовки окрашивается неравномерно, при сползании порошка на поверхности наблюдается «шагрень». Снизить количество брака можно, если обеспечить поступление заготовки в камеру окраски неподвижной относительно положения равновесия. Для этого необходимо обеспечить эффективное гашение колебаний груза, возникающих в переходных процессах. Для ограничения времени и амплитуды колебаний груза используют механические способы и способы, основанные на управлении электроприводом механизма подвесного конвейера. Механические способы характеризует усложнение конструкции крепления подвески, сложность настройки, увеличение износа механических элементов из-за того, что энергия раскачивания груза в большинстве случаев гасится за счет сил трения. Одними из автоматических способов минимизации раскачичания груза являются способы, основанные на ограничении ускорения точки подвеса в начале переходного процесса. При этом ограничение амплитуды колебаний груза достигается при существенном увеличении времени переходных процессов, что приводит к уменьшению производительности технологических линий. Кроме того, существует ряд способов успокоения колебаний груза, основангых на формировании определенного закона изменения ускорения точки подвеса. Однако, из-за того, что электромеханические системы подвесных конвейеров являются нестационарными и стахостичными объектами, эти способы не позволяют комплексно решать задачу ограничения раскачивания груза.

Таким образом, разработка такой системы автоматического управления, которая позволяет оптимальным образом организовать работу электротехнического комплекса окраски, устранить раскачивание окрашиваемых изделий на конвейере и обеспечить наилучшее качество нанесения покрытий, является весьма актуальной.

ВТОРАЯ ГЛАВА посвящена синтезу математических моделей для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера, для минимизации неравномерности покрытия в камере окраски, с использованием методов адаптивной идентификации, а также разработке специализированного программного обеспечения для идентификации объектов и систем.

Математические модели систем подчиненного и модального управления электромеханической системы подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием представлены на рис. 1 и 2. При этом предполагается:

- Двигатель постоянного тока работает на линейном участке механической характеристики с постоянным потоком.

- Асинхронный двигатель работает на линеаризованном рабочем участке механической характеристики в области скольжений 5' < с постоянным пото-косцеплением.

т дь+зр-Гм-к иГ= КмРеТм

„' _ Кл

Ро.

М,* и Х01

м2-в 1л Хо2 -р

м¡•g и Хо! -р

Р2+^Р+Г,

2'л к< р1

Рис. 1. Структурная схема системы подчиненного регулирования с ЗИ и КУ с тяговым элементом с распределенными параметрами

'л 'Л

от) =02=2

Кл |

1+т„р

{кГМ

1 и ^'рпд(р) Р 1

г-я-и, 2яЛ,р,

К« =

^01 Мгв

1^02

М2-8

Ъг

*0|| М| 8 ь,

Хр1 . -р . "01

Хв2 Р2+Щ'Р+3 "02

р2+!И7'р+^, "0|

Wpпl(p)

^рп!(р)

и

2 - я - ■ р!

Рис. 2 Структурная схема системы модального регулирования с ЗИ и КУ с тяговым элементом с распределенными параметрами

- Грузы, подвешенные на конвейере, считаются сосредоточенными массами и совершают механические колебания в продольной плоскости.

^ Грузы могут иметь различные массы,

,--х длины подвеса, а также могут быть

закреплены в различных точках на

и. р

к. ' Кс. я Мп К

Рис 3 Структурная схема корректирующего тяговом элементе подвесного кон-устройства вейера. Решить задачу минимизации

колебаний груза также возможно путем формирования такого закона управления электроприводом, при котором после достижения приводом заданной скорости колебания грузов были бы минимальными. Для этого в систему необходимо ввести корректирующее устройство КУ и задатчик интенсивности ЗИ (рис. 3). К/у, Ьку, Мку - варьируемые параметры КУ, Тф - варьируемая постоянная времени интегрирования ЗИ; IVтл, №нь - нередаточная функция от усилия на ведущем шкиве к его скорости.

Для двигателя постоянного тока справедливо: Тп = 0,01 с - постоянная времени тиристорного преобразователя; кп - коэффициент передачи тиристорного

I сз

преобразователя; Те = - электромагнитная постоянная времени; Д, = — -

^т. Кяг

модуль жесткости естественной механической характеристики;

Для асинхронного двигателя справедливо: Г„ « 0 - постоянная времени

тиристорного преобразователя; к'„ = ; Тс = —---электромагнитная посто-

Р„ <»о-$к

2-М к

янная времени; Д, =----модуль жесткости линеаризованнои механической

®«а» А

характеристики.

Для математических моделей электромеханической системы подвесного конвейера с ЗИ и КУ произведено моделирование на ЭВМ в пакете Ма11аЬ. Моделирование проводилось для различного количества грузов (от 3 до 10), имеющих различные массы (50%-И50%) и длины подвесов (50%^ 150%). В качестве примера приведена система с тремя подвешенными грузами различной массы (85 %; 100%; 115 % ) и длинами подвеса (85 %; 100%; 115%.), закрепленными в различных точках на тяговом элементе конвейера. Варьируемые входные параметры математической модели: Тф, К1:у, Ьку, М.... Выходные параметры: Х„ - максимальное отклонение грузов от положения равновесия, Тх - время переходного процесса по отклонению грузов; Т„ - время переходного процесса по скорости двигателя. Исследования зависимостей = Р(Тф,Кку,Ьк>,М ку), Тх = Р(Тф,Кку,Т.ку,М1у), Тш = Г(Тф,Кку,Ьку,МКу) показали, что в них нет выраженной экстремальности. Однако влияние Тф, Кку, !.к>, МКу на Хпшк, Тх, Г„ явно существует.

Предлагается функция качества О = Г{Х^,Тх,Т„), имеющая явно выраженный экстремум, положение которого определяется весовыми коэффициен-

Рис. 4. Графики переходных процессов при пуске 8

тами G](G2,G3 с учетом параметров: Хтх„ - максимальное отклонение грузов от положения равновесия без ЗИ и КУ; Тха - время переходного процесса по

X TT

отклонению грузов без ЗИ и КУ. G = G, —J^ + G, + ■ —;

^ maxO ^Хо Tx0

G = F{Tt,K^r,MKy).

На рис. 4 приведены графики переходных процессов отклонения грузов от положения равновесия Х^ = F(t), скорости двигателя ® = F(t) и момента М = F{t) для исходных систем подчиненного и модального управления без ЗИ и КУ, а также для оптимальной настройки ЗИ и КУ, при G, = G2 = G3 = 1. Из графиков переходных процессов и данных сравнительных экспериментов видно, что система, адаптирующая параметры ЗИ и КУ, работает гораздо эффективнее исходной. Уменьшаются время переходного процесса по отклонению грузов и амплитуда отклонения грузов.

В модуле идентификации для уменьшения погрешности предложено использовать алгоритм масштабирования данных:

к _ (-У'™ -Х'шк), где Xmii и Хш11- максимальное и мини-

,00% мальное значения реального входного

к _ (Хщх -Хщл) i = i б; фактора; /Г™« -X'mm- максимальное и

,00% минимальное значения нормированного

¡vi =J£l- j = i б- входного фактора; М, - масштаб между

' к ' '

реальным и нормированным значениями mm входного фактора; X - реальное зна-

М' чение входного фактора, Х\„р1, - норми-

^реш ""р"-X mm)-M, + ХШ1, i =1..6; рованное значение входного фактора,

i - количество входных переменных. Чем больше входных параметров и чем сложнее модель, тем более эффективнее применение масштабирования для нее.

Одним из наиболее эффективных адаптивных алгоритмов является оптимальный одношаговый алгоритм. Этот алгоритм минимизирует квадрат локальной ошибки предсказания до нуля, обладает свойством монотонной сходимости и относительно прост в реализации. В соответствии с этим алгоритмом уточнение оценок параметров осуществляется в каждом такте идентификации по следующему рекуррентному выражению:

№)-t.cAN-Ыя) где " оценка г"го параметра

С,(АГ)=С(ДГ l)i 1 p,(aQ модели в N-оы такте идентифика-

y + ^(p}(j\') ции; С, (Лг — 1) - оценка /-го парамет-

ра модели в (ЛЧ)-ом такте идентификации; >(,v) - значение выхода объекта в У-ом такте идентификации; (з,(,v) = <pt N(x) - значение некоторой г'-й функции от вектора входов X объекта

управления; Ф{х) = \(рЛХ\(рАХ\ ...,<р, (X)] - вектор-функция, определяющая

структуру синтезируемой модели; у - параметр алгоритма, определяющий его работу в обстановке помех.

В результате проведения процесса идентификации получены многомерные модели для решения задачи минимизации колебаний грузов, транспортируемых подвесным конвейером. Среднеквадратичная ошибка идентификации (СКО) составила: минимальная-0,0411,максимальная- 0,1162.

На основании экспериментальных данных, полученых на оборудовании ЗХ "Стинол", построены графики зависимости неравномерности покрытия Q от входных факторов U, Gp, Qp, V, L, Ose. В результате проведения процесса идентификации, с использованием алгоритма масштабирования экспериментальных данных и методов аппроксимации, получены математические модели для решения задачи минимизации неравномерности покрытия для камеры окраски. Средняя погрешность идентификации составила 1-3,5 %. В настоящее время наиболее мощными и известными программными продуктами для разработки различных алгоритмов и синтеза моделей являются пакеты программ MATCAD и MATLAB. Однако, для эффективной работы этих программ требуется мощный PC или дорогостоящий промышленный контроллер. Низкое быстродействие этих программ связано с громоздкостью их программного обеспечения. Разработан специализированный программный модуль идентификации, который обладает более низкими требованиями к конфигурации PC и возможным использованием на промышленных контроллерах. Алгоритмы, реализованные в программе, представляют собой методы беспоисковой адаптивной идентификации статических зависимостей объектов и систем, позволяющие получать оценки параметров с высокой точностью по критерию минимума квадрата ошибки предсказания.

В ТРЕТЬЕЙ ГЛАВЕ разработан способ многоканальной поисковой оптимизации; решены задачи минимизации неравномерности покрытия для камеры окраски, а также минимизации колебаний грузов в системах подчиненного и модального управления электромеханической системы подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием; кроме того разработано специализированное программное обеспечения для оптимизации объектов и систем. При анализе способов многопараметрической оптимизации весьма эффективным является применение методов случайного поиска, причем случайный поиск более эффективен при оптимизации объектов большой размерности. Так, начиная с размерности п = 3, быстродействие случайного поиска выше, чем у градиентных методов. При дальнейшем увеличении размерности объекта этот выигрыш в быстродействии только увеличивается. Алгоритмы случайного поиска эффективно справляются с ограничениями, накладываемыми на параметры оптимизируемого объекта управления, за счет введения возврата при неудачной пробе, адаптации распределения направления случайных шагов и адаптации величины шага. Простота алгоритмизации случайного поиска не только дает возможность строить простые, компактные и надежные оптимизаторы и регуляторы с неограниченным числом оптимизируемых параметров, но и позволяет организовать их синтез с использованием вычислительной техники. В некоторых случаях объект регулирования име-

ет несколько идентичных каналов управления. Существенное увеличение быстродействия самонастройки в таких системах может быть достигнуто одновременной работой поиска по нескольким независимым параллельным каналам и адаптацией интенсивности самообучения на основе величины текущего шага поиска в наилучшем канале.

Предложенный способ адаптивной многоканальной поисковой оптимизации отличается тем, что одновременно в нескольких параллельных каналах создают режим адаптивного случайного поиска в пространстве оптимизируемых параметров, основанный на формировании случайных входных шаговых воздействий на объект управления, распределенных по нормальному закону, математическое ожидание которых автоматически адаптируют в зависимости от сигнала, поступающего с выхода объекта по каналу обратной связи. Далее производят выбор наилучшего канала, который в последствии будет являться исходным каналом для создания режима адаптивного случайного поиска. Адаптация интенсивности самообучения в процессе поиска осуществляется на основе величины текущего шага поиска. В пространстве оптимизируемых параметров из исходного состояния Хг формируют шаг в случайном направлении в соответствии с нормальным законом распределения. Если значение функции качества в новом состоянии <2(Х1Н) = (X) больше или равно значению функции качества в исходной точке (ЦХ,), то есть случайная проба £" оказалась неудачной (задача минимизации), то система возвращается в первоначальное состояние X,, иначе случайная проба Е" оказалась удачной (задача минимизации), то за исходное состояние берут новое ), затем снова формируют случайный шаг, отсчитанный из нового исходного состояния. Рекуррентное выражение для поискового алгоритма с нормально распределенными случайными пробами в случае минимизации имеет вид:

^ к прив(Х,)<01, где а°=тт№> 7 = - наименьшее

' ~ 1-иЕ"., +аЕ" при (¿(Х,)^^)^ значение функции качества за г предыдущих шагов поиска, Н"- единичный случайный вектор, распределенный по нормальному закону, а- величина рабочего шага. Алгоритм адаптации среднего квадратического отклонения направления нормально распределенных случайных шагов можно записать:

, где а, - текущая величина среднего квадратического

„„ при (¿(Х^кСЦ,

отклонения; <т„„„ и о- - минимальное и максималь-

при £?(х )>а°,

ное значения среднего квадратического отклонения.

Алгоритм непрерывной адаптации математического ожидания случайных шагов имеет вид: 1¥м = кШ: -8 ^.ЬХ,, где ^-математическое ожидание равномерно распределенных случайных шагов, к- коэффициент запоминания (0 < к < 1), 8- параметр скорости обучения (0 < <5 < 1). Коэффициенты к и 8 определяют интенсивность самообучения в процессе поиска. При работе по этому алгоритму адаптации вектор Ж стремится перестроиться в направлении, обратном градиенту функции качества оптимизируемого объекта, то

есть шаги поиска будут в среднем направлены в сторону быстрейшего уменьшения функции качества. Предлагается осуществлять адаптацию интенсивности самообучения в процессе оптимизации на основе величины текущего шага с помощью следующих выражений для коэффициентов к и 3 :

к = — , 8 = — , ;к- 5- где ку и - число

о + в + 1' кмуд' к„е,,>+к# удачных и неудачных

проб, проведенных до

текущего момента оптимизации. Предложен критерий окончания поиска, который весьма эффективен в сочетании с алгоритмами случайного поиска и приводит к минимальной погрешности в определении положения экстремума с минимальными потерями. Так как на практике требуется определить положение экстремума с определенной точностью, то критерий окончания поиска можно сформулировать следующим образом: | Щ1 < е где е - заданная погрешность, ,¥," - число совершенных подряд не-N ' = К удачных случайных проб из / -й точки траектории спуска, К - заданное положительное число таких проб. Анализ эффективности алгоритма с параллельными каналами и усовершенствованной адаптацией коэффициента запоминания и параметра скорости обучения приведен в табл.1.

Таблица 1

Модель Среднее время поиска, шагов поиска Выигрыш в быстродействии, %

Базовый алгоритм (прототип) Алгоритм с параллельными каналами и усовершенствованной адаптацией к и 5

Полиномиальная 274/569 200/422 27,01/25,83

Центральная 274/569 199/421 27,37/26,01

Квадратичная 303/652 195/404 35,64/38,04

Функция Пауэла 2357/6654 1542/3977 34,58/40,23

Значения погрешности идентификации здесь приведены для (АС>Ш„ = 0,1/Д2ш„ =0,01). Видно, что максимальный выигрыш в производительности имеет место при оптимизации модельного объекта, обладающего функцией качества с ярко выраженной овражностью (функция Пауэла). Поскольку реальные объекты автоматического управления очень часто имеют овражные функции качества, то применение предлагаемого метода оказывается целесообразным для их эффективной оптимизации. Разработанный способ многоканальной поисковой оптимизации позволяет уменьшить потери на поиск и значительно повысить быстродействие (на 25 - 40%) отыскания экстремума функций качества объектов оптимизации.

В диссертации решены задачи минимизации колебаний грузов для систем подчиненного и модального управления подвесного конвейера, а также минимизации неравномерности покрытия для камеры окраски, с использованием разработанного способа оптимизации. Разработан специализированный программный модуль оптимизации, который обладаем более низкими требованиями к конфигурации PC и возможным использованием на промышленных контроллерах. Программа написана на Borland С++ Builder для операционных систем WIN-DOWS'95, 98, ME, NT, 2000, ХР.

ЧЕТВЕРТАЯ ГЛАВА посвящена разработке адаптивной системы автоматического управления электротехническим комплексом окраски и электроприводом подвесного конвейера. Исследована работа системы управления при изменении параметров объекта, а также в условиях появления помех. Предложена структура (рис. 6) и алгоритм функционирования адаптивной системы управления (рис. 5).

Рис. 5. Работа системы управления а) в режиме наблюдения; б) в автоматическом режиме

13

Рис 6. Структура адаптивной системы управления а) электротехническим комплексом камеры окраски; б) электроприводом конвейера

В состав адаптивной системы управления входят модули идентификации и оптимизации. На рис.ба модуль идентификации предназначен для построения модели процесса окраски, а модуль оптимизации - для нахождения оптималь-

ных параметров процесса. Эти модули удобно реализовать на базе персонального компьютера PC, позволяющего отрабатывать в реальном времени сложные алгоритмы и реализовывать удобный интерфейс с пользователем, а модули контроля и регулирования факторов - на базе программно-логического контроллера PLC, который имеет широкий ассортимент плат связи с объектом. На рис.66 модуль идентификации предназначен для построения модели задачи минимизации колебаний грузов подвесного конвейера, а модуль оптимизации - для нахождения оптимальных параметров модели.

Таким образом, разработанная адаптивная система автоматического управления может использоваться как для электропривода подвесного конвейера, так и для электротехнического комплекса окраски, а также может быть применена для управления сложными объектами подобного класса.

В ЗАКЛЮЧЕНИИ представлены основные результаты, полученные в ходе проведения диссертационных исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Синтезированы многомерные модели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера.

2. Получены многомерные модели для минимизации неравномерности покрытия для камеры окраски с использованием: алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

3. Разработаны алгоритмы адаптивной многоканальной поисковой оптимизации и алгоритм его параметрической адаптации.

4. Разработано специализированное программное обеспечение для идентификации и оптимизации объектов и систем.

5. Решена задача (оптимизации) минимизации колебаний грузов системы подчиненного управления подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием

6. Решена задача (оптимизации) минимизации колебаний грузов системы модального управления подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием.

7. Решена задача минимизации неравномерности покрытия для камеры окраски.

8. Разработана структура и алгоритм функционирования адаптивной оптимальной системы автоматического управления электротехническим комплексом окраски ЗХ "Стинол" и электроприводом подвесного конвейера. Проведены экспериментальные исследования, подтвердившие высокую эффективность разработанной адаптивной системы управления, которая может быть применена для управления сложными объектами подобного класса.

Основное содержание диссертации отражено в следующих работах:

1. Щедринов A.B., Карасев В.Г. Идентификация систем электропривода// Компьютерные технологии в науке, производстве, социальных и экономических процессах / Материалы III международной научно-практической конференции, часть 1, Новочеркасск, ЮРГТУ (НПИ), 2002. - с. 43-45.

2. Щедринов A.B., Карасев В.Г. Оптимизация систем электропривода// Компьютерные технологии в науке, производстве, социальных и экономических процессах / Материалы III международной научно-практической конференции, часть 1, Новочеркасск, ЮРГТУ (НПИ), 2002. - с. 41-43.

3. Щедринов A.B., Карасев В.Г. Адаптивная поисковая оптимизация// Методы и « алгоритмы прикладной математики в технике, медицине и экономике / Материалы III международной научно-практической конференции, часть 2, Новочеркасск, ЮРГТУ (НПИ), 2003. - с. 14-17.

4. Щедринов A.B., Карасев В.Г. Идентификация технологического процесса электротехнического комплекса окраски / Материалы научно-технической конференции кафедры электропривода, Липецк, ЛГТУ, 2004. - с. 94-98.

5. Щедринов A.B., Карасев В.Г. Способ адаптивной автоматической самонастройки многоканальных систем автоматического управления на оптимальные условия// Приборы и системы. Автоматизированные системы управления. 2003. №10. с. 15-21.

6. Щедринов A.B., Карасев В Г. Идентификация технологического процесса электротехнического комплекса окраски // Приборы и системы. Приборы и средства автоматизации. 2005. №1.

7. Щедринов A.B., Карасев В.Г. Свидетельство о регистрации программного модуля "Идентификация объектов и систем", Инвентарный № ВНТИЦ 50200301032, код ВНТИЦ 0203026270330, 2003.12.15.

8. Щедринов A.B., Карасев В.Г. Свидетельство о регистрации программного модуля "Оптимизация объектов и систем", Инвентарный № ВНТИЦ 50200301031, код ВНТИЦ 0203026270330,2003.12.15.

9. Щедринов A.B., Карасев В.Г. Патент РФ на изобретение № 2251134.

10. Щедринов A.B., Карасев В.Г. Положительное решение о выдаче патента РФ на изобретение № 2003109492/09(010192) Дата подачи заявки 04.04.2003 ФИПС 21 ЯНВ 2005 Отдел 09

11. Щедринов A.B., Карасев В.Г. Идентификация и оптимизация в системах * подчиненного управления электроприводов подвесных конвейеров // Моделирование. Теория, методы и средства / Материалы международной научно-практической конференции, Новочеркасск, ЮРГТУ (НПИ), 2005. с. 16-22.

Подписано в печать 19.05. 2005г. Формат 60x84 1/16. Печ. л. 1,0. Бумага писчая. Ризография. ТиражЮО. Заказ №701. Липецкий государственный технический университет

398600, г. Липецк, ул. Московская, 30. Типография ЛГТУ 398600 Липецк, ул. Московская, 30.

iß 1 0 0 6 4

РНБ Русский фонд

2006-4 6376

Введение.

Глава 1. Состояние вопроса.

1.1. Технологический процесс камеры окраски.

1.2. Проблема раскачивания груза в механизмах подвесных конвейеров

1.3. Автоматизация процесса нанесения полимерных порошковых покрытий в электростатическом поле.

Выводы.

Глава 2. Адаптивная идентификация.

2.1. Задача адаптивной идентификации.

2.2 Адаптивная идентификация технологического процесса щ электротехнического комплекса окраски.

2.3 Адаптивная идентификация в электроприводах подвесных конвейеров.

2.4. Разработка программы идентификации.

Выводы

Глава 3. Поисковая оптимизация.

3.1. Оптимизация многопараметрических объектов

3.2. Синтез адаптивного алгоритма случайного поиска.

3.3. Синтез многоканального адаптивного алгоритма случайного поиска.

3.4. Исследование работы системы многоканальной адаптивной оптимизации.

3.5. Оптимизация в электроприводах подвесных конвейеров.

3.6. Разработка программы оптимизации.

Выводы

Глава 4. Проверка эффективности разработанной системы на ЭВМ

4.1 Синтез адаптивной системы автоматического управления электротехническим комплексом окраски.

4.2 Исследование работы системы в условиях помех.

Выводы.

Актуальность темы. Технический прогресс влечет за собой рост новых и модернизацию существующих производств. Внедрение новейших технологий усложняет технологические процессы и накладывает на них все более жесткие требования: максимальную производительность, высокое качество, полную автоматизацию. Сложный технологический процесс требует соответствующей системы управления им. Электротехнический комплекс нанесения полимерных порошковых покрытий в электростатическом поле на металлические изделия является весьма сложным объектом автоматического управления, свойства которого изменяются с течением времени. Процесс нанесения порошковых покрытий характеризуется относительно плавным дрейфом параметров, однако имеют место и резкие скачкообразные изменения параметров процесса. Помимо этого, на электротехнический комплекс окраски воздействует большое количество внешних возмущений. Все это позволяет сделать вывод о том, что реальный процесс нанесения полимерных порошковых покрытий в электростатическом поле является нестационарным и стохастическим объектом. Проведенный анализ литературных источников позволил выделить следующие значимые факторы процесса окраски: напряжение на электроде распылителя; расходы воздуха и порошка через распылительное устройство; скорость перемещения конвейера; расстояние от распылителя до поверхности окрашиваемого изделия; цикл хода осциллятора с распылителями. Наиболее критичным фактором из них является скорость перемещения конвейера.

В электротехническом комплексе окраски используется подвесной конвейер, который служит для перемещения деталей в камеру окраски. Одной из проблем, возникающих при эксплуатации подвесных конвейеров, является раскачивание транспортируемого груза относительно положения равновесия. Если заготовка поступает в камеру, раскачиваясь относительно положения равновесия, то процесс окраски может проходить некачественно, т.е. возникает перерасход краски, а поверхности заготовки окрашиваются неравномерно. Это в конечном итоге приводит к производственному браку. Снизить количество брака можно, если обеспечить поступление заготовки в камеру окраски, неподвижной относительно положения равновесия. Для этого необходимо обеспечить эффективное гашение колебаний груза, возникающих в переходных процессах.

Следовательно, существует необходимость в разработке такой системы автоматического управления, которая позволяет оптимальным образом организовать работу электротехнического комплекса окраски, устранить раскачивание окрашиваемых изделий на конвейере и обеспечить наилучшее качество нанесения покрытий.

Работа выполнена на кафедре электропривода Липецкого государственного технического университета в соответствии с планом научно-исследовательских работ по теме «Системы программного управления электроприводами и технологическими процессами».

Цель работы состоит в синтезе оптимальной адаптивной системы автоматического управления электротехническим комплексом окраски, которая позволяет оптимальным образом организовать процесс окраски и добиться высоких производительности и качества, независимо от характера нестационарности процесса и воздействия на него внешних возмущающих факторов, а также синтезе оптимальной адаптивной системы управления электроприводом подвесного конвейера.

Для достижения указанной цели в работе поставлены и решены следующие задачи:

1. Синтезированы многомерные модели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера.

2. Получены многомерные модели для минимизации неравномерности покрытия для камеры окраски, с использованием алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

3. Разработан алгоритм адаптивной многоканальной поисковой оптимизации и алгоритм его параметрической адаптации.

4. Разработано специализированное программное обеспечение для идентификации и оптимизации объектов и систем.

5. Решена задача (оптимизации) минимизации колебаний грузов в системах подчиненного и модального управления электромеханической системы подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием, а также минимизации неравномерности покрытия для камеры окраски.

6. Разработана структура и алгоритм функционирования адаптивной оптимальной системы автоматического управления электротехническим комплексом окраски ЗХ "Стинол" и электроприводом подвесного конвейера. Проведены экспериментальные исследования, подтвердившие высокую эффективность разработанной адаптивной системы управления, которая может быть применена для управления сложными объектами подобного класса.

Методы исследования. Задачи, поставленные в ходе исследования, решались с помощью математического моделирования на ЭВМ с применением численных и аналитических методов. Использовались: положения и методы теории оптимального и экстремального управления; методы адаптивной идентификации и оптимизации; математическое моделирование на ЭВМ; методы программирования ЭВМ; экспериментальные данные, снятые на электротехническом комплексе окраски ЗХ "Стинол". Научная новизна работы.

1. Синтезированы многомерные модели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера.

2. Получены многомерные модели для минимизации неравномерности покрытия для камеры окраски, с использованием алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

3. Разработан алгоритм адаптивной многоканальной поисковой оптимизации отличающийся тем, что поиск идет одновременно в нескольких параллельных каналах, а адаптацию интенсивности самообучения в процессе поиска осуществляют на основе величины текущего шага поиска в наилучшем канале.

4. Разработан алгоритм функционирования оптимальной адаптивной системы автоматического управления электротехнического комплекса окраски, отличающийся тем, что в работе алгоритма используются модули идентификации и оптимизации.

5. Разработан алгоритм управления адаптивным электроприводом подвесного конвейера, отличающийся тем, что в работе алгоритма используются модули идентификации и оптимизации.

Практическая ценность.

1. Разработана структура оптимальной адаптивной системы автоматического управления электротехнического комплекса окраски.

2. Разработано программное обеспечение, позволяющее идентифицировать математические модели нелинейных объектов с возможностью ручного и автоматического ввода экспериментальных данных, выбора структуры синтезируемой модели, выбора и настройки алгоритма идентификации, вывода и экспортирования синтезированной модели в аналитическом виде.

3. Разработано программное обеспечение для ЭВМ, позволяющее оптимизировать задаваемую или импортируемую аналитическую функцию качества с возможностью настройки критерия окончания поиска, задания ограничений на оптимизацию и области допустимых значений входных параметров.

На защиту выносятся.

1. Многомерные модели для решения задачи минимизации колебаний грузов в системах подчиненного и модального управления электроприводом подвесного конвейера, а также многомерные модели для минимизации неравномерности покрытия для камеры окраски, с использованием алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

2. Алгоритм адаптивной многоканальной поисковой оптимизации отличающийся тем, что поиск идет одновременно в нескольких параллельных каналах, а адаптацию интенсивности самообучения в процессе поиска осуществляют на основе величины текущего шага поиска в наилучшем канале.

3. Структура и алгоритм функционирования оптимальной адаптивной системы автоматического управления электротехническим комплексом окраски, а также алгоритм функционирования адаптивного электропривода подвесного конвейера.

4. Программное обеспечение, позволяющее идентифицировать математические модели нелинейных объектов с возможностью ручного и автоматического ввода экспериментальных данных, выбора структуры синтезируемой модели, выбора и настройки алгоритма идентификации, вывода и экспортирования синтезированной модели в аналитическом виде.

5. Программное обеспечение, позволяющее оптимизировать задаваемую или импортируемую аналитическую функцию качества с возможностью настройки критерия окончания поиска, задания ограничений на оптимизацию и области допустимых значений входных параметров.

Апробация работы. Основные положения и результаты диссертационной работы обсуждались и получили одобрение на:

1. III международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах», Новочеркасск, 2002;

2. III международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике», Новочеркасск, 2003;

3. Научно - технической конференции кафедры «Электропривод и автоматизация промышленных установок и технологических комплексов», ЛГТУ, 2004;

4. Международной научно-практической конференции «Моделирование. Теория, методы и средства», Новочеркасск, 2005.

Публикации. По теме диссертационной работы опубликовано 7 работ, получено 2 свидетельства регистрации программных продуктов, получено 2 патента, отражающих содержание диссертационной работы.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка и девяти приложений. Объем работы составляет 188 страниц, в том числе 126 страниц текста, 46 рисунков, 9 таблиц, библиографический список из 98 наименований, приложений на 51 странице.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Синтезированы многомерные модели для решения задачи минимизации колебаний грузов, системы подчиненного и модального управления электроприводом подвесного конвейера.

2. Получены многомерные модели для минимизации неравномерности покрытия для камеры окраски, с использованием алгоритма масштабирования экспериментальных данных, методов аппроксимации и методов беспоисковой адаптивной идентификации.

3. Разработан алгоритм адаптивной многоканальной поисковой оптимизации и алгоритм его параметрической адаптации.

4. Разработано специализированное программное обеспечение для идентификации и оптимизации объектов и систем.

5. Решена задача (оптимизации) минимизации колебаний грузов, системы подчиненного управления электромеханической системы подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием.

6. Решена задача (оптимизации) минимизации колебаний грузов, системы модального управления электромеханической системы подвесного конвейера с двигателем постоянного тока или асинхронным двигателем с частотным регулированием.

7. Решена задача минимизации неравномерности покрытия для камеры окраски.

8. Разработана структура и алгоритм функционирования адаптивной оптимальной системы автоматического управления электротехническим комплексом окраски ЗХ "Стинол" и электроприводом подвесного конвейера. Проведены экспериментальные исследования, подтвердившие высокую эффективность разработанной адаптивной системы управления, которая может быть применена для управления сложными объектами подобного класса.

1. Моисеев Е. В. Основные электрофизические процессы, проходящие при электроокраске // Окраска изделий в электростатическом поле. Химия. -1966.-с. 12-23.

2. Яковлев А. Д., Здор В. Ф., Каплан В. И. Порошковые материалы и покрытия на их основе. Л.: Химия, 1979 - 256 с.

3. Белый В. А., Довгело В. А., Юркевич О. Р. Полимерные покрытия. -Минск: Наука и техника, 1976 416 с.

4. Электрогазодинамические течения / Ватажин А. Б., Грабовский В. И., Шихтер В. А., Шульгин В. И.; Под редакцией Ватажина А. Б. М.: Наука, 1983.

5. Васильев В. Е. Влияние скорости воздушного потока на осаждение порошковых красок, наносимых пневмоэлектрическими распылителями // Лакокрасочные материалы и их применение. 1983. -№1. - с. 28 - 30.

6. Заец И. В., Пашин М. М. Влияние напряженности поля объемного заряда порошка на напыление полимерных покрытий // Лакокрасочные материалы и их применение. 1981. - №5 - с. 27 - 29.

7. Васильев В. Е. Равномерность нанесения порошковых красок распылителями с внешней зарядкой // Лакокрасочные материалы и их применение. -1983. №4.- с. 26-27.

8. Лазаренко Б. Р., Котлярский Л. Б., Руденко В. М., Болога М. К. Выбор типа электростатического распылителя для нанесения полимерных покрытий // Электронная обработка материалов 1979. - №6. - с.29 - 33.

9. Основы электрогазодинамики дисперсных систем. / Верещагин И. П., Левитов В. И., Мирзабекян Г. 3., Пашин М. М. М.: Энергия, 1974-480 с.

10. Котлярский Л. Б., Гуменюк В. А., Болога М. К. Электростатическое нанесение порошковых полимерных покрытий на изделия плоской формы // Электронная обработка материалов. 1985. - №6. - с.32 - 39.

11. Пятницких А. В. Адаптивная система управления электротехническим комплексом окраски металлических изделий в электростатическом поле. -Дисс. канд. техн. наук Воронеж.: 2000.

12. Васильев В. Е., Пашин М. М. Выбор форм рассекателей при нанесении покрытий из порошковых красок // Лакокрасочные материалы и их применение. 1980. - №2. - с. 42 - 44.

13. Филатов И. С. Диэлектрические свойства полимерных материалов в различных климатических условиях. Новосибирск: Наука, 1979 - 128 с.

14. Леб Л. Статическая электролизация: Пер. с англ. Л.: Госэнергоиздат, 1963.

15. Исследование процесса зарядки частиц распыляемого материала в некоторых типах электростатических распылителей. / Сашхарадзе Г. П., Монин Ю. С., Кананадзе А. А., Кокая И. Ш. // Лакокрасочные материалы и их применение. 1979. - №3. - с. 35 - 37.

16. Гладков Д. М. Режимы работы пневмоэлектрораспылителей // Лакокрасочные материалы и их применение. 1983. - №2. - с. 54 - 57.

17. Верещагин И. П. Коронный разряд в аппаратах электронно-ионной технологии. М.: Энергоатомиздат, 1985.

18. Электростатический распылитель для порошковых материалов с внутренней зарядкой частиц. / Верещагин И. П., Догадин Г. С., Майсурадзе Н. Н. И др. // Лакокрасочные материалы и их применение. 1976. №2. - с. 60 - 61.

19. Вьюнов В. С., Пашин М. М. Сравнение распылителей с внутренней и внешней зарядкой // Лакокрасочные материалы и их применение. 1984. -№1. - с. 52.

20. Влияние технологических параметров на степень осаждения порошковой краски. / Васильев В. Е., Гладков Д. М., Рудковский В. В. и др. // Лакокрасочные материалы и их применение. 1976. - №1. - с. 33 - 34.

21. Васильев В. Е., Гисин П. Г. Расчетный способ определения толщины покрытия из порошковых красок // Лакокрасочные материалы и их применение. 1979. - №3. - с. 37-39.

22. Вольфцун В. И., Стернин X. X. Построение математической модели и оптимизация процесса электростатического нанесения порошковых полимерных покрытий // Электронная обработка материалов. 1980. - №6. -с. 30-34.

23. Павлищев М. И., Ершов А. А., Ханке П. А. Исследование движения двухфазной струи заряженные частицы газ в электростатическом поле. - В кн.: Химическое машиностроение. Республ. межвед. научно-техн. сборник. Киев: Техника, 1978, вып. 28, с. 59-63.

24. Панюшкин В. В. Усовершенствование технологии нанесения порошковых полимерных покрытий электрораспылителями на основе рациональной величины заряда порошка. Дисс. канд. техн. наук - М.: 1986.

25. Калинин А. В. Исследование обратной короны с целью повышения эффективности электротехнических процессов. Дисс. канд. техн. наук - М.: 1986.

26. Мирзабекян Г. 3., Майсурадзе И. Н. Экспериментальное исследование работы процесса зарядки полимерных частиц в электрическом поле. //Тр. Моск. Энергоин-та. 1975. Вып. 224. с. 76 79.

27. Котлярский JI. Б., Кравец Ж. Р., Молдавский Л. М. Выбор типа электростатического распылителя доля порошковых красок // Лакокрасочные материалы и их применение. 1978. - №3. - с. 47 - 51.

28. Гладков Д. М., Пашин М. М. Оценка распыляющих устройств по равномерности покрытий при пневмоэлектростатическом нанесении порошковых красок // Лакокрасочные материалы и их применение. 1981. - №5. - с. 50 -52.

29. Колечицкий Е. С. Анализ и расчет электрических полей. М.: МЭИ, 1972

30. Адаптивное управление точностью прокатки труб / Под общ. редакцией Ф. А. Данилова и Н. С. Райбмана.- М.: Металлургия, 1980 280 с.

31. Основы управления технологическими процессами / Под ред. Н.С. Райбмана.- М.: Наука, 1978.- 440 с.

32. Райбман Н. С., Чадеев В.М. Адаптивные модели в системах управления — М.: Советское радио, 1966 153 с.

33. Верещагин И. П. Методы расчета электрического поля и поведения частиц при униполярном коронном разряде. Дисс. докт. техн. наук - М.: 1975.

34. Левитов В. И. Электронно-ионная технология и процессы электроокраски. // Окраска изделий в электростатическом поле. Химия. - 1966. - с. 7 -11.

35. Бабашкин В. А., Верещагин И. П., Гоник А. Е., Ермилов И. В. Экспериментальное исследование зарядки микрочастиц материала в поле коронного заряда // Электричество. 1974. - №2. - с. 38 - 43.

36. Васяев В. И., Верещагин И. П. Метод расчета напряженности поля при коронном разряде // Электричество. 1971. - №5. - с. 58 - 62.

37. Волков В. Н., Палкин Л. Н. О расчете поля униполярной короны с помощью модели электростатического поля //Изв. АНСССР: Энергетика и транспорт. -1966. №4. - с. 57 - 60.

38. Палкин JI. Н. Решение на ЦВМ уравнения движения заряженной частицы в поле униполярной короны // Сильные электрические поля в технологических процессах. Вып.2. - Энергия. - 1969. - с. 96 - 103.

39. Верещагин И. П., Заргарян И. В., Семенов А. В. Расчет электростатического поля между иглой и плоскостью // Электричество. -№11.- 1974. с. 54-58.

40. Колечицкий Е. С. Численный метод расчета осесимметричных электростатических полей // Электричество. №7. - с. 57 — 60.

41. Головин Г. Т. Расчет электрического поля в промежутке острие плоскость // Вычислительные методы и программирование. - Вып. XXIII. - 1974. -МГУ.-с. 151 - 158.

42. Кравченко А.Ю. Оптимальная адаптивная система автоматического управления электромеханическими системами главных приводов прокатных станов. Дисс. канд. техн. наук - Липецк.: 2002.

43. Губенский В. А., Кузьмичева 3. Н., Егорова Т. Е. Факторы, влияющие на траекторию движения заряженных частиц и факел распыления // Окраска изделий в электростатическом поле. Химия. - 1966. - с. 59 - 70.

44. Райбман Н. С., Чадеев В.М. Построение моделей процессов производства- М.: Энергия, 1975 376 с.

45. Чадеев В.М. Анализ процесса адаптивной идентификации в замкнутых АСИ // Идентификация систем и задачи управления: Тр. международной конф.- М.: ИПУ, 2000. с. 64-82.

46. Чадеев В.М. Оценка точности адаптивной идентификации нестационарного объекта // Тр. 6-го симпозиума по теории адаптивных систем. СПб.: 1999. Т.2. с. 84-102.

47. Дисперсионная идентификация / Под ред. Н.С. Райбмана- М.: Наука, 1981.-336 с.

48. Валуйских В. П. Об одном алгоритме случайного поиска для оптимизации систем при наличии ограничений // Автоматика и вычислительная техника 1973.- № 6.- с. 43-45.

49. Пятницких А. В. Построение математической модели процесса нанесения полимерных порошковых покрытий // Сборник научных трудов молодых ученых Липецкого государственного технического университета. Липецк: ЛГТУ, 1999. с. 107-110.

50. Пятницких А. В., Щедринов А.В. Математическая модель процесса окIраски в электростатическом поле // Актуальные проблемы науки в исследовании ученых России и Украины. М.: Компания Спутник +, 1999. — с. 155-159.

51. Растригин Л. А., Тарасенко Г. С. Об одном адаптивном алгоритме случайного поиска //В сб.: Проблемы случайного поиска. Рига. 1974. с. 157-168.

52. Пятницких А. В., Щедринов А.В. Обучаемая математическая модель процесса окраски в электростатическом поле // Актуальные проблемы науки в исследовании ученых России и Украины. М.: Компания Спутник +, 1999. -с. 164-167.

53. Растригин Л.А. Адаптация сложных систем.-Рига: Зинатие, 1981.- 375 с.

54. Растригин Л.А. Системы экстремального управления М.: Наука, 1974632 с.

55. Растригин Л.А. Современные принципы управления сложными объектами- М.: Советское радио, 1980 232 с.

56. Кравченко А.Ю., Щедринов А.В. Построение математической модели камеры окраски холодильников // Тезисы докладов научно-технической конференции кафедры электропривода, Липецк, ЛГТУ, 1999. с. 22-24.

57. Кравченко А.Ю. Адаптация случайного поиска в задачах оптимизации // Методы и алгоритмы прикладной математики в технике, медицине и экономике / Материалы международной научно-практической конференции, часть 4, Новочеркасск, ЮРГТУ (НПИ), 2001. с. 11-13.

58. Фролов Ю.М., Щедринов А.В., Кравченко А.Ю. Адаптивная идентификация объектов и систем // Анализ и проектирование средств роботизации и автоматизации / Сборник научных трудов, Воронеж, ВГТУ, 2001. с. 161168.

59. Щедринов А.В., Кравченко А.Ю. Адаптация процесса нанесения полимерных порошковых покрытий // Автоматизация и роботизация технологических процессов / Материалы региональной научно-технической конференции, Воронеж, ВГТУ, 2000. с. 236-241.

60. Щедринов А.В., Кравченко А.Ю. Адаптивная идентификация объектов // Приборы и системы. Управление, контроль, диагностика. 2001. №12. с. 1115.

61. Щедринов А.В., Кравченко А.Ю. Адаптивная поисковая оптимизация // Автоматизация и роботизация технологических процессов / Материалы региональной научно-технической конференции, Воронеж, ВГТУ, 2000. с. 16-22.

62. Щедринов А.В., Кравченко А.Ю. Адаптивная САУ процессом нанесения полимерных порошковых покрытий // Промышленные контроллеры АСУ. 2001. №4. с. 29-32.

63. Щедринов А.В., Кравченко А.Ю. Адаптивная система управления процессом нанесения полимерных порошковых покрытий // Оптимизация режимов работы систем электроприводов / Межвузовский сборник трудов, Красноярск, ИПЦ КГТУ, 2000. с. 8-11.

64. Щедринов А.В., Кравченко А.Ю. Адаптивный случайный поиск // Приборы и системы. Управление, контроль, диагностика. 2001. №6. с. 39-42.

65. Щедринов А.В., Кравченко А.Ю. Случайный поиск с адаптацией величины шага // Автоматизация и управления в машиностроении / Электронный учебно-научно-производственный журнал. 2001. №XVI.

66. Щедринов А.В., Кравченко А.Ю. Совершенствование адаптивного алгоритма экстремального управления // Электромеханические устройства и системы / Межвузовский сборник научных трудов, Воронеж, ВГТУ, 2000. с. 103-106.

67. Сериков С.А. Оптимальная адаптивная система управления электроприводами подвесных конвейеров Дисс. канд. техн. наук —Липецк.: 2004.

68. Буйвис Е.Д. Адаптивная система управления электроприводами Механизмов передвижения подъемно-транспортных машин Дисс. канд. техн. наук - Воронеж.: 2001.

69. Ключев В. И. Теория электропривода. М.: Энергоатомиздат, 2001. 704 с.

70. Толочко О.И., Тищенко А.А. Система модального управления приводом постоянного тока с узлом токоограничения // Труды ДонГТУ, выпуск 4: Донецк-1999, с. 42-45.

71. Ключев В.И., Терехов В.М. Электропривод и автоматизация общепромышленных механизмов: Учебник для вузов. М.: Энергия, 1980. - с. 360.

72. Рассудов Л.Н., Мядзель В.Н. Электроприводы с распределенными параметрами механических элементов Л.: Энергоатомиздат, Ленингр. отд-ние, 1987.-с. 144.

73. Иващенко Н.Н. Автоматическое регулирование. Теория и элементы систем. М. «Машиностроение», 1973. с. 606.

74. Борцов Ю.А., Соколовский Г.Г. Тиристорные системы электропривода с упругими связями. Л.: Энергия, 1979. с. 160

75. Иванченко Ф.К., Бондарев B.C. Расчеты грузоподъемных и транспортирующих машин. Учебное пособие для техн. вузов. 2-е изд., перераб. и доп. - Киев: Высшая школа, 1978. - с.574.

76. Вайнсон А.А. Подъемно-транспортные машины: Учебник для вузов по специальности «Подъемно транспортные, строительные и дорожные машины и оборудование». 4-е изд. Перераб и доп. М.: Машиностроение, 1989. -с. 535.

77. Растригин Л.А. Современные принципы управления сложными объектами. М.: Советское радио, 1980. с. 232.

78. Бронштейн И.Н., Семендяев К.А. Справочник по математике. М.: Государственное изд-во физико-математической литературы, 1962. с. 608.

79. Сериков С.А. Минимизация колебаний груза в электроприводах продвес-ных конвейеров./Оптимизация режимов работы электротехнических систем /Межвузовский сборник статей. Красноярск, 2004.

80. Щедринов А.В., Карасев В.Г. Адаптивная поисковая оптимизация// Методы и алгоритмы прикладной математики в технике, медицине и экономике / Материалы III международной научно-практической конференции, часть 2, Новочеркасск, ЮРГТУ (НПИ), 2003. с. 14-17.

81. Щедринов А.В., Карасев В.Г. Идентификация технологического процесса электротехнического комплекса окраски / Материалы научно-технической конференции кафедры электропривода, Липецк, ЛГТУ, 2004. с. 94-98.

82. Щедринов А.В., Карасев В.Г. Способ адаптивной автоматической самонастройки многоканальных систем автоматического управления на оптимальные условия// Приборы и системы. Автоматизированные системы управления. 2003. №10. с. 15-21.

83. Щедринов А.В., Карасев В.Г. Идентификация технологического процесса электротехнического комплекса окраски // Приборы и системы. Приборы и средства автоматизации. 2005. №1.

84. Щедринов А.В., Карасев В.Г. Свидетельство о регистрации программного модуля "Идентификация объектов и систем", Инвентарный № ВНТИЦ 50200301032, код ВНТИЦ 0203026270330, 2003.12.15.

85. Щедринов А.В., Карасев В.Г. Свидетельство о регистрации программного модуля "Оптимизация объектов и систем", Инвентарный № ВНТИЦ 50200301031, код ВНТИЦ 0203026270330, 2003.12.15.

86. Щедринов А.В., Карасев В.Г. Патент РФ на изобретение № 2251134.

87. Щедринов А.В., Карасев В.Г. Положительное решение о выдаче патента РФ на изобретение № 2003109492/09(010192) Дата подачи заявки 04.04.2003 ФИПС 21 ЯНВ 2005 Отдел 09