автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка и исследование адаптивных законов управления многосвязными неминимально-фазовыми объектами

Агвами Сейед Алирсза

РАЗРАБОТКА И ИССЛЕДОВАНИЕ АДАПТИВНЫХ ЗАКОНОВ УПРАВЛЕНИЯ МНОГОСВЯЗНЫМИ НЕМИНИМАЛЬНО-ФАЗОВЫМИ ОБЪЕКТАМИ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (энергетика, приборостроение, информатика, производственные

процессы)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва-2012

2 2 [.¡АР т

005013147

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Национальный исследовательский университет "МЭИ"»

Научный руководитель: доктор технических наук, профессор

Коломейцева Маргарита Борисовна

Официальные оппоненты: доктор технических наук, профессор

Пикина Галина Алексеевна

кандидат технических наук, Пихлецкий Михаил Викторович

Ведущая организация: Московский авиационный институт

(национальный исследовательский университет) (МАИ)

Защита состоится « 26 » апреля 2012 года в 15:00 на заседании диссертационного совета Д212.157.08 в государственном бюджетном образовательном учреждении высшего профессионального образования «Национальный исследовательский университет "МЭИ"» по адресу: 111250, г. Москва, Красноказарменная ул., д. 14, в малом актовом зале НИУ "МЭИ".

С диссертацией можно ознакомиться в библиотеке НИУ "МЭИ". Автореферат разослан «11» марта 2012 г. Ученый секретарь

диссертационного совета Д 212.157.08 /т.

кандидат технических наук, доцент /У///,/ АнисимовД.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Развитие методов современной теории управления обусловлено, в том числе, повышением сложности моделей описания управляемых объектов, которые используются при решении задач анализа динамических систем и синтеза законов управления. В ряде практических приложений теории управления возникает необходимость учитывать такие признаки моделей реальных объектов как многосвязность входов-выходов, нелинейность, нестационарность, неминимально-фазовое свойство. К особому классу можно отнести объекты, модели описания которых содержат одновременно все перечисленные выше признаки. Примерами таких объектов являются объекты гидроэнергетики, химические реакторы, гидродинамические системы и ряд других объектов. Исследованию методов управления объектами выделенного класса в предметных литературных источниках не уделено достаточного внимания и решение задач управления подобными объектами в условиях априорной неопределенности остается одним из актуальных приложений теории управления.

В этой ситуации возникает необходимость применения адаптивных систем управления, цель которых состоит в устранении неопределенности, связанной с незнанием структуры и параметров объекта. Большой вклад в развитие адаптивных систем управления внесли многие зарубежные и отечественные ученые, такие как Isidori A., Khalil Н., Ioannou P. A., Kokotovich P., Narendra К., Ortega A., Popov V., Qu Z., Sastiy S., Б.Р. Андриевский, A.A. Красовский, И.В. Мирошшнс, В.О. Никифоров, Б.Н. Петров, A.J1. Фрадков, В.Н. Фомин, Я.З. Цыпкин, В.А. Якубович. Важным этапом развития адаптивных систем являлась идея построения алгоритмов адаптации на основе второго метода Ляпунова или теории гиперустойчивости, что привело к созданию адаптивных систем, асимптотически устойчивых по ошибке слежения в целом. К современным методам построения робастных регуляторов относительно простой структуры относят метод, основанный на метод СПВ-Ляпунова (условие положительности и вещественности уравнения ошибки и устойчивость по теореме Ляпунова), который был достаточно широко развит в работах Isidori A., Khalil Н., Ioannou Р. A., Sastry S., что способствовало выбору данного метода в диссертационной работе.

Однако большинство методов адаптивного управления, представленных в литературе, разработаны применительно к классу линейных объектов с минимально-фазовой моделью, и предложенные модификации адаптивных алгоритмов для более широкого класса объектов имеют частный характер. Как правило, эти методы предполагают, что объект управления работает в линейном рабочем диапазоне.

Кроме того, подавляющее большинство предлагаемых методов анализа и синтеза адаптивных систем управления относятся к скалярным системам (SISO-системы), задачи синтеза решаются приближенно или с использованием

приближенных (аппроксимированных и/или линеаризованных) характеристик. В многосвязных объектах, в отличие от односвязных объектов, присутствуют перекрестные связи, которые усложняют задачу синтеза регулятора. Одним из эффективных методов решения задачи управления многосвязными объектами является метод децентрализации. При децентрализованном управлении общая задача управления декомпозируется на подзадачи, каждая из которых имеет меньшую размерность. Проблемы развязки каналов многосвязной системы, изучение диагональной доминантности, анализ системных нулей и методы их вычислений рассматривались в работах Goodwin С., Sigurd Skogestad, Ian Postlethwaite, Ким Д. П. и других авторов. Однако вопросы синтеза регуляторов в многосвязанных системах с учётом неминимально-фазовых свойств моделей остаются актуальной исследовательской задачей, особенно в условиях неполной априорной информации о математической модели описания объекта.

В последнее время для решения задач управления в условиях неопределенности модели описания находят применение системы управления на основе искусственных нейронных сетей, позволяющих синтезировать управление при отсутствии математической модели описания объекта. Применение искусственной нейронной сети в задачах управления и идентификации обосновано в работах многих ученых. Однако проблема применимости этого подхода для управления сложными динамическими системами в условиях параметрической и структурной неопределенности недостаточно исследована и, несмотря на их теоретическую обоснованность, реализация и практическое применение этих методов являются одной из актуальных задач в теории управления.

Следовательно, исследуемые в настоящей диссертационной работе вопросы аналитического синтеза адаптивных систем управления многосвязными неминимально-фазовыми объектами, позволяющие формализовать проектирование систем управления и обеспечить получение более высоких показателей качества процессов управления являются актуальными.

Цель диссертационной работы заключается в разработке и исследовании адаптивных законов управления динамическими многосвязными неминимально-фазовыми объектами, функционирующими в условиях априорной неопределенности, и оценка эффективности разработанных алгоритмов методом имитационного моделирования.

Для достижения поставленной цели были сформулированы и решены следующие задачи:

1) анализ и выявление особенности динамики многосвязных неминимально-фазовых объектов;

2) исследование методов децентрализации, в том числе выбор подходящих пар «вход-выход» с помощью массива относительных усилений, и разработка методики синтеза динамических развязывающих компенсаторов для рассматриваемого класса объектов;

3) исследование методов синтеза неадаптивных законов управления неминимально-фазовыми объектами, обеспечивающих максимальную либо

заданную степень робаслюсти системы и выявление их ограничения для управления рассматриваемым классом объектов;

4) анализ адаптивных методов управления по выходу, выявление их ограничений для управления классом неминимально-фазовых объектов и разработка методики синтеза адаптивной системы управления исследуемым классом объектов;

5) применение искусственной нейронной сети в задачах адаптивного управления, исследование влияния структуры нейронной сети и настроечных параметров нейрорегулятора па качество управления;

6) сравнительные оценки эффективности разработанных алгоритмов управления исследуемым классом объектов путем имитационного моделирования на примере управления объектом «химический реактор».

Методы исследований, проводимых в данной работе, основывались на использовании положений теории систем автоматического управления, в том числе методов анализа многосвязных систем и решения задачи декомпозиции; теории устойчивости на основе функции Ляпунова; методов теории адаптивного управления и теории искусственных нейронных сетей. При экспериментальных исследованиях (имитационном моделировании) применено программирование в среде Ма11аЬ/Бшш1щк.

Научная новизна работы;

- На основе проведенных исследований особенностей динамики многосвязной системы управления неминимально-фазовым объектом сформулирован вывод об ограниченных возможностях применения классических процедур многосвязного синтеза, в особенности для нестационарных объектов.

- Предложена методика синтеза адаптивной системы управления с эталонной моделью неминимально-фазовыми объектами и определены условия ее устойчивости в форме ограничений на величину настраиваемых коэффициентов закона управления.

- Предложена модификация алгоритма прямого адаптивного управления, позволяющая улучшить показатели качества за счет включения в контур адаптации дополнительного сигнала по ошибке на выходе системы.

Прикладная значимость:

- Создана библиотека инструментальных моделей в среде Ма(.1аЬ/8ши1тк для исследования алгоритмов адаптивного и нейросетсвого управления многосвязными неминимально-фазовыми объектами, позволяющая решать комплекс задач анализа динамических режимов и синтеза управления для этого класса объектов.

- Применительно к объекту «химический реактор» на основе разработанных имитационных моделей показана работоспособность предложенных методик решения прикладных задач управления с учётом многосвязности и нестационарности объекта. Полученные прикладные результаты могут быть

применены при решении задач управления автономными гидроэнергетическими объектами и гидродинамическими системами.

Обоснованность и достоверность полученных результатов диссертационной работы основывается на использовании в диссертации известных научных методов и средств, подтверждается корректным применением математического аппарата, согласованием полученных результатов с известными теоретическими положениями.

На защиту выносятся следующие положения:

- процедура структурного и динамического анализа многосвязной системы и синтеза систем управления многосвязными неминимально-фазовыми объектами методом декомпозиции;

- методика синтеза прямой адаптивной системы управления с эталонной моделью многосвязными неминимально-фазовыми объектами при неполном измерении переменных вектора состояния;

- методика синтеза адаптивной системы управления на базе искусственной нейронной сети, когда математическая модель объекта не может быть определена;

- количественные оценки качества предложенных систем управления, полученные на основе имитационного моделирования для объектов рассматриваемого класса.

Апробация результатов исследования. Основные положения диссертационной работы докладывались и обсуждались на 4-ой и 5-ой научных конференциях иранских студентов и аспирантов, обучающихся в РФ, и на научных семинарах кафедры управления и информатики НИУ "МЭИ".

Публикации. По теме диссертационной работы опубликованы 4 научных работ, в том числе 2 статьи в научных изданиях, входящих в перечень научных журналов по списку ВАК "Мехатроника, Автоматизация, Управление" и "Вестник МЭИ".

Личный вклад. Все разработки, программные реализации и научные результаты, выносимые на защиту и изложенные в тексте диссертации, получены либо самим автором лично, либо при его непосредственном участии.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 74 наименований и приложения. Она содержит 184 страницы текста, включая 91 рисунка, 12 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении даётся общая характеристика работы: сформулированы цель исследования, актуальность решаемых задач, определяется научная новизна и практическая ценность защищаемых результатов.

В первой главе «Управление многосвязными неминимально-фазовым объектами» рассматривается анализ динамических свойств многосвязных объектов. На основе математического описания выявлены некоторые динамические особенности таких систем, в том числе влияние направления вектора входных сигналов на коэффициент усиления и расположения нулей передаточной функции многосвязных систем. Исследованы динамические свойства неминимально-фазовых (НМФ) объектов. В работе рассмотрен класс объектов с правым нулем и исследовано его влияние на динамику системы. Показано, что при ступенчатом входном воздействии во всех случаях наблюдается первоначальная обратная реакция1 на выходе системы. На основе полученных результатов исследования можно утверждать, что количество изменений направления реакции и нулевых пересечений2 равно числу вещественных положительных нулей в системе. Однако, в системах с положительными комплексными нулями при увеличении их мнимой части не всегда встречается нулевое пересечение или изменение направления ¡реакции на выходе системы. Кроме того, показано, что правые нули уменьшают запас по амплитуде системы за счет сдвига фазы и приближения кривой Найквиста к критической точке (-1оО), что свидетельствует об увеличении колебательности системы и чувствительности к внешним возмущениям, вплоть до потери устойчивости.

Далее был рассмотрен вопрос декомпозиции системы управления. Показано что, используя децентрализованный подход, задача синтеза управления многосвязным объектом упрощается и возможно применение таких же методов синтеза, как и для одномерных систем. Формально можно разложить многосвязные объекты на множества подсистем размерностью (2x2), и поэтому двусвязные объекты рассматриваются в работе (см. рис. 1).

Рис. 1. Структурная схема двусвязной системы управления

1 initial undershoot

2 zero crossing

Структурный анализ двусвязной системы показывает, что перекрестные связи, дополняя прямые связи, образуют дополнительный третий контур, в виде «восьмерки». Элементы передаточной матрицы замкнутой системы имеют следующий вид:

& м д

А

(-У) = ^,2 + г

йМ А

где Д (*) = 1 + (*)И>р1, (*)+1ГсЛ (,) - Гс , (,)Жр2] 2 (*)+

Результаты исследований показывают что, перекрестные связи между контурами управления могут оказывать как положительное, так и отрицательное действие. Очевидно, обеспечить необходимое качество управления будет проще, если взаимное влияние контуров будет сведено до минимума. Поэтому, для синтеза двусвязных систем рассмотрено решение следующих задач:

• Определение величины внутренних связей между контурами и выбор подходящих пар «вход-выход», для того чтобы уменьшить влияние перекрестных взаимосвязей.

• Решение задачи синтеза компенсаторов для минимизации или исключения взаимосвязи между контурами.

• Синтез желаемого управления для каждого сепаратного контура управления. Для решения задачи первого этапа синтеза был использован массив

относительных усилений. Данный метод позволяет измерить взаимосвязи независимо от единицы измерения сигналов, как соотношение коэффициентов статического усиления по разомкнутому и замкнутому контуру. Следовательно, на основе значения коэффициентов массива можно выбирать контуры управления, позволяющие реализовать цель управления.

Для решения задачи развязки контуров управления в работе были использованы развязывающие компенсаторы. Следовательно, данная задача реализуется в виде соответствующих корректирующих устройств (статических или динамических, включаемых в прямую цепь, либо в обратную связь), призванных развязать контуры управления путем компенсации внутренних естественных перекрестных связей в объекте. На рисунке 2 показана схема двусвязной системы управления с компенсаторами \У'с1] (/,_/'=!, 2).

Рис. 2. Схема развязки контуров управления двусвязной системой

Необходимым и достаточным условием полной развязки контуров управления является диагональный вид ПМ замкнутой системы управления относительно задающих воздействий. Для структуры с единичной отрицательной связью математические условия автономности можно получить для ПМ разомкнутой системы, состоящей из объекта управления и

компенсатора = где д - диагональная матрица

содержащая коэффициенты статического усиления по соответствующим каналам. Тогда матрица должна иметь вид:

В данном случае два дополнительных блока \УС), г = 1,2 в контуре управления являются регуляторами в децентрализованных контурах управления. Преимущество применения данного подхода заключается в том, что синтез развязывающих компенсаторов не зависит от применяемых регуляторов

Ше (5), и позволяет настраивать структуру и параметры закона управления без потери эффекта развязки.

Однако существующие подходы расчета компенсаторов имеют смысл только тогда, когда существует обратная матрица объекта (у), т.е. тогда, когда выходных управляемых величин не больше, чем входных, управляющих и возмущающих, и каждая выходная величина изменяется под действием хотя бы одной входной. Кроме того, компенсация динамики неминимально-фазовых объектов (обратная матрица неустойчива), объекты с запаздыванием (обратная матрица опережающая) и строго-правильные объекты не осуществима, поскольку передаточная функция компенсирующего устройства должна быть обратной по отношению к передаточной функции соответствующей перекрестной связи, что приводит к нереализуемому звену. Поэтому для синтеза развязывающих компенсаторов неминимально-фазовых объектов в работе предложена методика состоящая из следующих этапов:

Факторизация неминимально-фазовых передаточных функций многосвязного объекта. НМФ передаточная функция системы можно представить как последовательное соединение минимально-фазовой системы W_(s) и чистого элемента сдвига фазы Wt(s) в виде: W(s)^W~(s)W+(s). Чистый элемент сдвига фазы, который также называют всепропускающим элементом (all-pass element), характеризуется тем, что амплитудно-частотная характеристика равна единице для всех частот.

- Выполнение стандартной процедуры синтеза законов управления и/или компенсаторов для полученных минимально-фазовых передаточных функций W_(s) объекта.

- Обеспечение условия физической реализуемости передаточной функции законов управления и/или компенсаторов. Если полученный компенсатор или регулятор заведомо нереализуем, то необходимо дополнить его

последовательным фильтром, описываемым в форме Wf(s) = -z—-—г-, где td-

желаемая постоянная времени, а г выбирается так, чтобы ПФ компенсатора была правильной3.

Приведено несколько иллюстративных примеров решения задачи синтеза управления рассматриваемым классом объектов с использованием предложенной методики. Из полученных результатов можно сделать вывод, что динамические развязывающие компенсаторы, помещенные в контуры управления, позволяют получить хорошее качество слежения и стабилизации. При этом, из-за наличия правого нуля в системе невозможно компенсировать полностью влияние перекрестных связей.

Далее был изучен вопрос синтеза регулятора для каждого отдельного контура управления, в том числе управление по обратной связи, управления по внутренней модели и комбинированное замкнуто-разомкнутое управление4 и их ограничения для управления классом НМФ объектов. Сравнительный анализ показателей качества разработанных регуляторов в каждом контуре показывает, что при известных параметрах модели описания объекта управление по внутренней модели и комбинированное управление по разомкнуто-замкнутому контуру могут обеспечить требуемые качества управления, благодаря особенности структуры регулятора. При этом в комбинированном подходе система более устойчива, поскольку сокращение нулей и полюсов передаточной функции происходит в разомкнутом контуре управления.

Вместе с тем, показано, что рассмотренные методы при параметрической неопределенности в модели объекта не всегда могут обеспечивать устойчивость и хорошие показатели качества, и поэтому необходим механизм адаптации для компенсации неточности в модели описания объекта.

3 от английского термина «proper transfer function» когда степень числителя передаточной функции не превышает степени знаменателя

4 Feedback and feedforward

Во второй главе «Методика синтеза адаптивной системы управления неминимально-фазовыми объектами» развивается прямой метод синтеза адаптивных систем управления (АдСУ) классом неминимально-фазовыми многосвязными объектами. Излагаются кратко основные понятия, классификация АдСУ с точки зрения структуры, алгоритмов адаптации и методов синтеза АдСУ по выходу. Анализ литературы показывает что, несмотря на довольно большое количество методов построения адаптивных и робастных систем управления, для исследуемого класса объектов известные методы не применялись. В работе для синтеза АдСУ по выходу многосвязными объектами исходная система разбивается на одноконтурные подсистемы методом декомпозиции и каждая из подсистем анализируется отдельно.

Рассмотрен вопрос синтеза АдСУ по выходу линейным объектом с единичным относительным порядком, и когда относительный порядок превышает единицу. Поскольку в алгоритмах управления и адаптации должны быть использованы только доступные измерению сигналы, то для получения дополнительных сигналов в АдСУ использованы наблюдатели (фильтры состояний). Согласно известным в литературе доказательствам, алгоритм адаптивного управления с эталонной моделью (ЭМ), обеспечивающий глобальную устойчивость и сходимость ошибки при равенстве передаточной функции ЭМ и замкнутой системы, имеет вид:

и = + + куу + к^ = ктлу.

Здесь обозначено: к = (к* к] куки V/ = гт у gf. кг=(кл,кл,...,к№лу,

К - (КиКи—'кг»-!У " вектор настраиваемых параметров регулятора, ку и кг -скалярные настраиваемые параметры регулятора, V = (у, у2 ... гп_,)г и

г = (г, г2 ... г^ )т - выходы фильтров состояний соответственно. Для представления структурной схемы АдСУ вводятся обозначения (см. рис. 3):

где = + Д5" 2 +... + Дч. в результате передаточные функции IV, и \¥2 имеют вид

1 „ 1 -ЪЬГгМ-ЫУ

.......W

9-0-

„J—ITT.

WM

Рис. 3. Структурная схема основного контура Таким образом, можно записать передаточную функцию разомкнутого контура і¥у и2 относительно входа щ и выхода у в следующем виде

Z.(ß)

Zp{s)_

= к,

Zjs)

' + (Рх - К», у-2 +•■•+(/?„-,- Кл) Яр{в)

Из анализа передаточной функции разомкнутого контура следует, что компенсация нулей и полюсов возможна только тогда, когда все нули объекта управления являются минимально-фазовыми. Поэтому, в случае, когда объект неминимально-фазовый, для устойчивости замкнутой системы необходимо введение ограничения на параметры закона управления по обратной связи. Необходимые условия устойчивости, полученные из корневого анализа можно сформулировать следующим образом:

Кг < Р»-1>-'КА <0„ где р - постоянные коэффициенты в числителе ЭМ. Следует отметить, что в этом случае параметры регулятора существуют, но они неоднозначны.

В случае, когда относительный порядок объекта превышает единицу, для полной наблюдаемости объекта при синтезе АдСУ вводятся фильтры в форме г'„(з)-гт($)н(з)=з'"1У 2 к-. + Д;.,, где //(.г) — устойчивый полином порядка п -1 - т. Тогда необходимые условия устойчивости для НМФ объекта примут вид:

К\ <Рп-\> Кг < Р 'п-2>'"> ^уп-1 < Р] •

При этом передаточная функция эталонной модели не является строго вещественно положительной, и поэтому для получения алгоритма адаптации используется метод расширенной ошибки5. Основная идея метода состоит во введении в закон управления дополнительного слагаемого, представляющего собой линейную комбинацию ошибки слежения и некоторой вспомогательной ошибки. Вспомогательная ошибка6 ф) строится следующим образом:

7(/) = кХ к\у,

5 error augmentation

6 auxiliary error

где - передаточная функция ЭМ. Дополнительный сигнал ??(/) косвенно характеризует параметрическую ошибку. В данном случае алгоритм управления и структура основного контура совпадает с алгоритмом управленій и структурой основного контура адаптивной системы управления с объектом, имеющим передаточную функцию с единичным относительным порядком (см. рис. 4).

Эталонная модель

Рис. 4. Блок-схема прямого адаптивного управления с расширенной ошибкой В работе рассмотрен пример синтеза АдСУ НМФ объектом второго порядка, для которого найдено необходимое условие устойчивости замкнутой системы и на числовом примере проверена работоспособность разработанной АдСУ с ограничением на изменение параметров регулятора. На рисунке 5 представлен случай, когда данное условие нарушается.

ограничения на кл, сплошной - при ку1 < 1.2) Полученные результаты компьютерного моделирования показывают устойчивость функционирования АдСУ при соблюдении указанных ограничений

и также недостатки, характерные для управления данным классом объектов, в том числе первоначальная обратная реакция системы из-за неучета правого нуля в системе.

Затем была рассмотрена работоспособность АдСУ исследуемым классом объектов с разными видами неопределенности. Исследовано качество управления синтезируемой АдСУ при структурной неопределенности в модели описания объекта, при нарушении условия квазистационарности и при наличии случайных воздействий. Полученные теоретические положения в работе показывают, что при нарушении идеальных условий функционирования АдСУ не следует сходимость ошибки к нулю. Кроме того, из результатов компьютерного моделирования можно утверждать, что при структурной неопределенности в неминимально-фазовой системе на выходе наблюдается большое перерегулирование, вызванное наличием правого нуля, и в данном случае начальное значение настраиваемых параметров и величина коэффициента адаптации влияют на устойчивость системы. В остальных случаях, в том числе при параметрической неопределенности и воздействии внешних случайных возмущений важную роль для качества управления имеют скорость изменения параметров и амплитуда воздействия.

Следовательно, при неучете этих факторов могут возникнуть ситуации, когда система не сможет выполнять свои функции. Поэтому при решении задач синтеза целесообразно их исследовать и применять дополнительные ограничении на изменение настраиваемых параметров системы. С этой целью в работе предложена модификация АдСУ введением дополнительного контура по ошибке слежения в виде При этом алгоритм адаптации можно найти из условия

отрицательности производной выбранной функции Ляпунова, которая имеет вид К - ~уе2, где е(/)- ошибка слежения, £,(?) - настраиваемый параметр, у-коэффициент адаптации. Экспериментально показано, что модифицированная АдСУ обеспечивает лучшие показатели качества по сравнению со стандартной адаптивной системы управления.

Таким образом, последовательность этапов синтеза АдСУ многосвязным неминимально-фазовым объектом имеет вид:

- Декомпозиция многосвязной системы управления на несколько автономных контуров управления путем определения массива относительных усилений и развязывающих компенсаторов.

- Факторизация передаточной функции основных контуров управления на инвертируемую и неинвертируемую часть и определение структуры адаптивных законов управления с наблюдателями.

- Отыскание диапазона изменения настраиваемых параметров закона управления, обеспечивающих устойчивость замкнутой системы при наличии правых нулей в функции передачи.

- Синтез алгоритма адаптации с учетом найденных ограничений на изменение настраиваемых параметров адаптивной системы управления.

- Повышение качества управления путем добавления стабилизирующего контура по ошибке на выходе системы.

В третей главе «адаптивная нейросетевая система управления неминимально-фазовыми объектами» решается задача синтеза управления многосвязными НМФ объектами на базе искусственной нейронной сети (ИНС). Рассмотрены варианты структур искусственной нейронной cení и алгоритм обучения многослойной ИНС персептронного типа для управления динамическими объекгами со структурной и параметрической неопределенностью.

В работе внутренняя структура ИНС выполнялась на основе двухслойной нейронной сети. Обучение выполнено методом обратного распространения ошибки. Реализация этого алгоритма требует знания ошибки на выходе ИНС, что в данном случае соответствует ошибке на выходе нейрорегулятора (НР): eu(í_I)-4<(/-0~M(í-Ü> гДе ^(/-l)- желаемое управление, при котором u(t- 1J- фактически приложенное управление. Поскольку ошибка еу(() на выходе объекта не равна ошибке eu(t-l) на выходе НР, то ее прямое использование в качестве ошибки обучения принято считать затруднительным. Поэтому в данном случае целыо обучения НР является минимизация ошибки между желаемым выходным сигналом yd и выходным сигналом объекта у, т.е.

Для случая линейности объекта, ошибки ey(t) и e„(f-1) действительно

алгебраически неравны, но с точки зрения их использования в качестве минимизируемых величин (ошибок обучения) они эквивалентны, поскольку связаны постоянным коэффициентом. Возможность упрощенного обучения НР непосредственно по ошибке е,(/) подтверждается экспериментально, в том числе и для случаев нелинейности объекта.

В работе приведена схема применения нейронной сети параллельно с линейным регулятором. Данный подход эффективен, когда динамический объект имеет сложную нелинейную форму и алгоритмы на основе критерия оптимизации не могут обеспечивать нулевую статическую ошибку и требуемое быстродействие. На рисунке 6 представлена схема адаптивного нейросетевого управления с интегрирующим звеном.

Рис.6. Структура системы управления на основе нейросети (здесь г"1

обозначает задержка, N-блок нормализации, DN - блок денормализации)

Настроечными параметрами системы управления, построенной с использованием нейронной сети, являются состав входного регрессора x(t), число нейронов во внутреннем слое NH и коэффициент коррекции весов нейронной сети 7. Проведено исследование влияния этих параметров на качество управления, по результатам которого были получены следующие рекомендации по их выбору в предложенных алгоритмах управления:

- при увеличении глубины сигналов в составе регрессора, количества нейронов в скрытом слое и значения коэффициента коррекции весов повышается быстродействие системы, но также повышаются перерегулирование, время регулирования и величина динамической ошибки. Большое значение настроечных параметров может вызывать незатухающие колебания и неустойчивость процесса регулирования, особенно в НМФ системах управления;

- в большинстве случаев оптимальное количество нейронов в скрытом слое равно числу переменных состояния объекта. При этом нетрудно заметить, что между количеством нейронов в скрытом слое и коэффициентом коррекции весов существует обратное отношение, т.е. с увеличением количества нейронов следует уменьшать шаг и наоборот;

- коэффициент коррекции весов имеет доминирующее влияние на устойчивость и на показатели качества по сравнению с другими параметрами HP. Следовательно, можно утверждать, что при постоянном составе входного регрессора и числе нейронов (в случае универсального регулятора), меняя лишь коэффициент коррекции весов нейронной сети, можно достигать желаемого результата.

Приведенные результаты синтеза нейросетевых адаптивных систем управления рассматриваемым классом объектов полученные путем компьютерного моделирования показывают работоспособность предложенной схемы и высокие показатели качества управления. Существенным преимуществом адаптивного нейрорегулятора для управления неопределенными или нестационарными объектами, обучаемого в режиме online, заключается в отсутствии проблем, связанных с получением обучающей выборки и «переобучением» нейросети. Недостатком данного метода адаптации является

невысокая скорость сходимости и проблема попадания в локальные минимумы при настройке весов нейросети.

Четвертая глава посвящена математическому моделированию конкретного объекта управления «химический реактор» и синтезу адаптивных систем управления для него. Промышленный химический реактор является сложным многосвязным объектом, в котором химическая реакция сопровождается процессами теплопередачи, массопередачи, диффузии и т.д.. В работе был рассмотрен химический реактор непрерывного действия с перемешиванием (СБТЯ), в котором происходит экзотермическая реакция А -> В и для отвода теплоты реакции реактор окружен "рубашкой" через которую протекает охлаждающая жидкость (рис. 7).

оМ П')

Рис. 7. Принципиальная схема объекта управления

Математическую модель химического реактора можно представить в форме нелинейных дифференциальных уравнений, полученных на основе фундаментальных законов физики:

/(1)рСТ,(0- УглМАЯ,)- Ш[т{г)- тМ- /(* = УрС, ^; (3)

(4)

В данных уравнениях V- объем реагирующей смеси, £/ - общий коэффициент теплопередачи, А - площадь поверхности теплообмена, АЯ, -теплота реакции (энтальпия), Ср- теплоемкость реагирующей субстанции, Срс-теплоемкость охладителя, р- плотность реагента и рс- плотность охладителя. Скорость реакции гл (г) определяется эмпирически и является функцией от выходной температуры Г(г) и концентрации сл{?)

гл(!) = ке~^сЖ (5)

где к„- фактор скорости реакции, Я - число Рейнольдса и Е-энергия активации. На основе нелинейных уравнений (2)-(5) разработана инструментальная модель химического реактора в среде МаЙаЬ/БтшЦпк.

В работе выходными измеряемыми переменными приняты концентрация вещества (г) и температура Г(г) на выходе реактора. При этом температура охлаждающей жидкости на выходе теплообменника является

вспомогательным сишалом. В процессе работы химического реактора на него действуют не только основные управляющие величины (расход реагента /(/) и расход охладителя /(/)), но и возмущения (входная концентрация с,,(г) и температура 7](/) реагента, а также температура охладителя Гс((У)), которые могут меняться в определенных пределах. На рис. 8 показана функционально-структурная схема управления рассматриваемым объектом.

Возмущения

Концетрацна Температура Температура реатата сД*) реагета уД^ охладжели

Управляющие воздействия

реагента

Р&ехад охлашлеля

/Л)

чМ,

т

«.и

и,и

Концетрадаа

продукта с4(/)

Температура ЧРОДУ*«

Управляемые величины

Рис.8. Функционально-структурная схема управления процессом

Цель управления заключается в отработке системой требуемых задающих воздействий по выходным племенным при воздействии внешних возмущений и изменении рабочей точки.

Далее решается задача синтеза адаптивной системы управления рассмотренным нелинейным объектом. Особенностями решаемой задачи синтеза адаптивной системы управления являются: присутствие разных видов нелинейности; пеминимально-фазовое свойство; неполная информация о переменных состояния объекта в форме Коши; действие возмущений (переменная концентрация и температура входного реагента). Для синтеза нелинейная модель описания объекта линеаризована путем разложения в ряд Тейлора вблизи рабочей точки. Декомпозиция системы управления была осуществлена с помощью массива относительных усилений и развязывающих компенсаторов, синтезируемых на основе предложенной в первой главе процедуры. Была решена задача синтеза АдСУ с ЭМ и также была реализована схема адаптивного нейрорегулятора. В первом методе, поскольку отсутствует полная информация о переменных состояния, закон управления включает в себя наблюдатель. В качестве нейрорегулятора для каждого основного контура был использован двухслойный персешрон с алгоритмом обучения обратного распространения ошибки. На рисунке 9 показаны результаты функционирования синтезируемых АдСУ, полученные путем компьютерного моделирования химического реактора.

0.32 0.3 0.28 0.26 0.24 0.22

, к-ноаь'фут1

Жа

1 ЗадлощмкщАскм! «

-Х-угЛ--'--*--' / ' !

.....1 I 1 | я !/ ! ! I . ...

7 : :

1 ; : ¡1 ' -4\---- ! \

1 1 ' 1 \

1 г 1

200

100 1 20 140 1 60 !80 200

Время, с

а)

, шаль/фут3

к. „Задающее •«действие

— ------ ------

560 540 520 500 480

100

120

180 200 Время, с

460 100

I

^Задасцмвд ейст»м-

4 ! !

1"

1 1 ;

?! 1 . ' ) > 1 1 1

120

140

160

180

200 ¡мя. с

б)

Рис. 9. Процесс отработки задающих воздействий в каналах двусвязного объекта: а - ЛцСУ с ЭМ; б - адаптивный НР (пунктирной линией - выходные сигналы объекта с нейрорегулятором и сплошной - выходные сигналы объекта с нейрорегулятором и интегрирующим звеном) Сравнительный анализ полученных результатов в работе позволяет сделать вывод, что АдСУ с ЭМ имеет меньше настраиваемых параметров сравнительно с адаптивным нейрорегулятором и при этом имеет меньшее время регулирования и величину перерегулирования при реакции системы на ступенчатое изменение заданной воздействия. Фильтры состояний, применяемые в данной схеме, выполняют в системах управления двойную функцию - с одной стороны, с их помощью получают информацию о векторе состояния, с другой - они являются филирующими элементами, что существенно при наличии шумов и возмущений в каналах измерений и управлений (см. рис.9а).

В схеме адаптивного нейрорегулятора искусственная нейронная сеть рассматриваться как адекватный механизм формирования перестраиваемых нелинейных многомерных законов управления параметрически и структурно неопределенным объектом. Полученные результаты показали, что полученная схема с алгоритмом обучения обратного распространения ошибки работоспособна для управления многосвязными НМФ объектами. Основным недостатком данного подхода является низкое быстродействие и вычислительная

сложность при обучении. В данном случае применение нейронной сети параллельно с интегрирующим звеном дает лучшие показатели качества, в том числе обеспечивать нулевую статическую ошибку (см. рис.9б).

В заключении сформулированы основные результаты исследования.

В приложении приведены стационарные значения переменных и других физических характеристик объекта «химический реактор», линеаризация нелинейного объекта и реализация предложенных адаптивных систем управления в среде Simulink.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ

В диссертационной работе получены следующие основные результата:

1. Исследовано влияние правых нулей и внутренних связей на динамику многосвязной системы и возможные ограничения на методы управления многосвязными неминимально-фазовыми объектами.

2. Предложена методика синтеза компенсаторов для декомпозиции контуров управления в многосвязных неминимально-фазовых объектах на основе факторизации и применение всепропускающего фильтра, которая позволяет повысить эффективность управления данным классом объектов.

3. Определены ограничения на параметры закона управления в АдСУ с эталонной моделью по выходу для управления неминимально-фазовыми объектами, обеспечивающие устойчивость функционирования АдСУ, и предложена структурная модификация, повышающая качество ее работы.

4. Решена задача синтеза адаптивного нейрорегулятора, позволяющего управлять многосвязными неминимально-фазовыми объектами в условиях неопределенности математической модели объекта.

5. Проведено исследование эффективности работы синтезируемых АдСУ путем компьютерного моделирования прикладных задач управления линейными и нелинейными многосвязными неминимально-фазовыми объектами.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Основные положения диссертации достаточно полно представлены в следующих публикациях.

1. Коломейцева М.Б., Агвами С.А., Синтез алгоритма прямого адаптивного управления многосвязным объектом методом декомпозиции с явной эталонной моделью// Мехатроника, Автоматизация, Управление. 2010. №8. С. 7-12.

2. Агвами С.А., Коломейцева М.Б., Синтез адаптивного нейрорегулятора для управления нелинейным многосвязным объектом// Вестник МЭИ. 2011. № 6. С. 209-215.

3. Агвами С .А., Коломейцева М.Б. Прямое адаптивное управление взаимосвязанными системами с явной эталонной моделью // Тр. XIX Междунар. науч.-техн. семинара "Современные технологии в задачах управления, автоматики и обработки информации". Сентябрь 2010 г., Алушта.- М.: Издательский дом МЭИ.- С. 70-71.

Подписано в печать 03 ■ ДО Дзак. 60 Тир. WO п.л.

Полиграфический центр МЭИ(ТУ)

Красноказарменная ул.д.13

Iß

61 12-5/2297

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ "МЭИ"»

на правах рукописи

Агвами Сейед Алиреза

РАЗРАБОТКА И ИССЛЕДОВАНИЕ АДАПТИВНЫХ ЗАКОНОВ УПРАВЛЕНИЯ МНОГОСВЯЗНЫМИ НЕМИНИМАЛЬНО-ФАЗОВЫМИ ОБЪЕКТАМИ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (энергетика, приборостроение, информатика, производственные

процессы)

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель: доктор технических наук проф. КОЛОМЕЙЦЕВА М.Б.

МОСКВА-2012

СОДЕРЖАНИЕ

ВВЕДЕНИЕ.............................................................................................................4

Глава 1. УПРАВЛЕНИЕ МНОГОСВЯЗНЫМИ НЕМИНИМАЛЬНО-ФАЗОВЫМИ ОБЪЕКТАМИ.............................................................................13

1.1. Математические модели описания многосвязных объектов, особенности динамических свойств............................................................................................13

1.2. Особенности неминимально-фазовых систем...............................................18

1.3. Синтез систем управления методом декомпозиции......................................24

1.3.1. Массив относительных усилений (МОУ)..............................................28

1.3.2. Выбор контуров управления с помощью МОУ.....................................31

1.3.3. Развязка контуров управления................................................................33

1.3.4. Методика синтеза развязывающих компенсаторов для класса неминимально-фазовых объектов.........................................................................37

1.3.5. Примеры моделирования........................................................................39

1.4. Методы управления неминимально-фазовыми объектами...........................45

1.4.1. Методы, основанные на обратной связи................................................46

1.4.2. Управление по внутренней модели........................................................48

1.4.3. Комбинированное замкнуто-разомкнутое управление.........................50

1.4.4. Примеры моделирования........................................................................52

1.5. Выводы по главе..............................................................................................56

Глава 2. МЕТОДИКА СИНТЕЗА АДАПТИВНОЙ СИСТЕМЫ УПРАВЛЕНИЯ НЕМИНИМАЛЬНО-ФАЗОВЫМИ ОБЪЕКТАМИ..........58

2.1. Определение и классификация адаптивных систем управления..................58

2.2. Постановка задачи синтеза АдСУ..................................................................63

2.3. Синтез адаптивной системы управления по выходу на основе прямого метода......................................................................................................................65

2.3.1. Синтез АдСУ по выходу линейным объектом с единичным относительным порядком......................................................................................65

2.3.2. Синтез АдСУ по выходу линейным объектом с относительным порядком, превышающим единицу.......................................................................70

2.3.3. Анализ устойчивости АдСУ неминимально-фазовым объектом.........75

2.4. Исследование работоспособности АдСУ.......................................................80

2.4.1. Работоспособность при структурной неопределенности......................80

2.4.2. Работоспособность при параметрической неопределенности..............85

2.4.3. Работоспособность при наличии случайных возмущений....................89

2.4.4. Модификация АдСУ для повышения качества управления.................92

2.5. Адаптивное комбинированное управление...................................................95

2.6. Примеры моделирования................................................................................97

2.7. Выводы по главе............................................................................................111

Глава 3. АДАПТИВНАЯ НЕЙРОСЕТЕВАЯ СИСТЕМА УПРАВЛЕНИЯ НЕМИНИМАЛЬНО-ФАЗОВЫМИ ОБЪЕКТАМИ.........113

3.1. Постанова задачи управления на базе искусственной нейронной сети .... 113

3.2. Основные определения и обозначения.........................................................113

3.3. Особенности выбора структуры нейронной сети........................................115

3.4. Методы оптимизации параметров нейросетевой модели...........................118

3.5. Синтез системы упрвления на безе ИНС.....................................................124

3.5.1. Инверсный нейрорегулятор (обучение в режиме «офлайн»)..............126

3.5.2. Адаптивный нейрорегулятор (обучение в режиме «онлайн»)............129

3.5.3. Влияние настроечных параметров нейрорегулятора на качество управления............................................................................................................133

3.5.4. Примеры моделирования.....................................................................140

3.6. Выводы по главе............................................................................................144

Глава 4. УПРАВЛЕНИЕ ОБЪЕКТОМ «ХИМИЧЕСКИЙ РЕАКТОР» .... 145

4.1. Описание ОУ «химический реактор»...........................................................145

4.1.1. Математическая модель процесса........................................................146

4.1.2. Линеаризация и анализ модели описания процесса............................147

4.1.3. Выбор управляемых величин, управляющих и возмущающих воздействий для объекта «химический реактор»...............................................153

4.1.4. Анализ влияния изменения параметров и нелинейности модели процесса................................................................................................................154

4.1.5. Влияние перекрестних связей и развязка контуров управления........156

4.2. Синтез адаптивной системы управления.....................................................157

4.2.1. Синтез ПИ-закона управления..............................................................158

4.2.2. Синтез адаптивной системы управления с ЭМ....................................160

4.2.3. Синтез адаптивной системы управления на базе нейроной сети........162

4.3. Выводы по главе............................................................................................166

ОСНОВНЫЕ ВЫВОДЫ....................................................................................167

ЛИТЕРАТУРА....................................................................................................170

ПРИЛОЖЕНИЯ.................................................................................................174

Приложение А...............................................................................................174

Приложение Б...............................................................................................182

ВВЕДЕНИЕ

Актуальность темы. Развитие методов современной теории управления обусловлено, в том числе, повышением сложности моделей описания управляемых объектов, которые используются при решении задач анализа динамических систем и синтеза законов управления. В ряде практических приложений теории управления возникает необходимость учитывать такие признаки моделей реальных объектов как многосвязность входов-выходов, нелинейность, нестационарность, неминимально-фазовое свойство. К особому классу можно отнести объекты, модели описания которых содержат одновременно все перечисленные выше признаки. Примерами таких объектов являются объекты гидроэнергетики, химические реакторы, гидродинамические системы и ряд других объектов. Исследованию методов управления объектами выделенного класса в предметных литературных источниках не уделено достаточного внимания и решение задач управления подобными объектами в условиях априорной неопределенности остается одним из актуальных приложений теории управления.

В этой ситуации возникает необходимость применения адаптивных систем управления, цель которых состоит в устранении неопределенности, связанной с незнанием структуры и параметров объекта. Большой вклад в развитие адаптивных систем управления внесли многие известные ученые, такие как Isidori A., Khalil Н., Ioannou P. A., Kokotovich P., Narendra К., Ortega A., Popov V., Qu Z., Sastry S., Б.Р. Андриевский, A.A. Красовский, И.В. Мирошник, B.O. Никифоров, Б.Н. Петров, A.JI. Фрадков, В.Н. Фомин, Я.З. Цыпкин, В.А. Якубович. Важным этапом развития адаптивных систем являлась идея построения алгоритмов адаптации на основе второго метода Ляпунова или теории гиперустойчивости, что привело к созданию адаптивных систем, асимптотически устойчивых по ошибке слежения в целом. К современным методам построения робастных регуляторов относительно простой структуры относят метод, основанный на методе СПВ-

Ляпунова (условие положительности и вещественности уравнения ошибки и устойчивость по теореме Ляпунова), который был достаточно широко развит в работах Isidori A., Khalil Н., Ioannou P. A., Sastry S., что способствовало выбору данного метода в диссертационной работе.

Однако большинство методов адаптивного управления, представленных в литературе, разработаны применительно к классу линейных объектов с минимально-фазовой моделью, и предложенные модификации адаптивных алгоритмов для более широкого класса объектов имеют частный характер. Как правило, эти методы предполагают, что объект управления работает в линейном рабочем диапазоне.

Кроме того, подавляющее большинство предлагаемых методов анализа и синтеза адаптивных систем управления относятся к скалярным системам (SISO-системы), задачи синтеза решаются приближенно или с использованием приближенных (аппроксимированных и/или линеаризованных) характеристик. В многосвязных объектах, в отличие от односвязных объектов, присутствуют перекрестные связи, которые усложняют задачу синтеза регулятора. Одним из эффективных методов решения задачи управления многосвязными объектами является метод децентрализации. При децентрализованном управлении общая задача управления декомпозируется на подзадачи, каждая из которых имеет меньшую размерность. Проблемы развязки каналов многосвязной системы, изучение диагональной доминантности, анализ системных нулей и методы их вычислений рассматривались в работах Goodwin С., Sigurd Skogestad, Ian Postlethwaite, Ким Д. П. и других авторов. Однако вопросы синтеза регуляторов в многосвязанных системах с учётом неминимально-фазовых свойств моделей остаются актуальной исследовательской задачей, особенно в условиях неполной априорной информации о математической модели описания объекта.

В последнее время для решения задач управления в условиях неопределенности модели описания находят применение системы управления на основе искусственных нейронных сетей, позволяющих синтезировать управление при отсутствии математической модели описания объекта. Применение искусственной нейронной сети в задачах управления и идентификации обосновано в работах многих ученых. Однако проблема применимости этого подхода для управления сложными динамическими системами в условиях параметрической и структурной неопределенности недостаточно исследована, и реализация и практическое применение этих методов являются одной из актуальных задач в теории управления.

Следовательно, исследуемые в настоящей диссертационной работе вопросы аналитического синтеза адаптивных систем управления многосвязными неминимально-фазовыми объектами, позволяющие формализовать проектирование систем управления и обеспечить получение более высоких показателей качества процессов управления являются актуальными.

Цель диссертационной работы заключается в разработке и исследовании адаптивных законов управления динамическими многосвязными неминимально-фазовыми объектами, функционирующими в условиях априорной неопределенности, и оценка эффективности разработанных алгоритмов методом имитационного моделирования.

Для достижения поставленной цели были сформулированы и решены следующие задачи:

1) анализ и выявление особенности динамики многосвязных неминимально-фазовых объектов;

2) исследование методов децентрализации, в том числе выбор подходящих пар «вход-выход» с помощью массива относительных усилений, и разработка методики синтеза динамических развязывающих компенсаторов для рассматриваемого класса объектов;

3) исследование методов синтеза неадаптивных законов управления неминимально-фазовыми объектами, обеспечивающих максимальную либо заданную степень робастности системы и выявление их ограничений для управления рассматриваемым классом объектов;

4) анализ адаптивных методов управления по выходу, выявление их ограничений для управления классом неминимально-фазовых объектов и разработка методики синтеза адаптивной системы управления исследуемым классом объектов;

5) применение искусственной нейронной сети в задачах адаптивного управления, исследование влияния структуры нейронной сети и настроечных параметров нейрорегулятора на качество управления;

6) сравнительные оценки эффективности разработанных алгоритмов управления исследуемым классом объектов путем имитационного моделирования на примере управления объектом «химический реактор».

Методы исследований, проводимых в данной работе, основывались на использовании положений теории систем автоматического управления, в том числе методов анализа многосвязных систем и решения задачи декомпозиции; теории устойчивости на основе функции Ляпунова; методов теории адаптивного управления и теории искусственных нейронных сетей. При экспериментальных исследованиях (имитационном моделировании) применено программирование в среде Ма^аЬ/БтиПпк.

Научная новизна работы:

- На основе проведенных исследований особенностей динамики многосвязной системы управления неминимально-фазовым объектом сформулирован вывод об ограниченных возможностях применения классических процедур многосвязного синтеза, в особенности для нестационарных объектов.

- Предложена методика синтеза адаптивной системы управления с эталонной моделью неминимально-фазовыми объектами и определены условия ее устойчивости в форме ограничений на величину настраиваемых коэффициентов закона управления.

- Предложена модификация алгоритма прямого адаптивного управления, позволяющая улучшить показатели качества за счет включения в контур адаптации дополнительного сигнала по ошибке на выходе системы.

Прикладная значимость:

Создана библиотека инструментальных моделей в среде МаЙаЬ/ЗшшНпк для исследования алгоритмов адаптивного и нейросетевого управления многосвязными неминимально-фазовыми объектами, позволяющая решать комплекс задач анализа динамических режимов и синтеза управления для этого класса объектов.

- Применительно к объекту «химический реактор» на основе разработанных имитационных моделей показана работоспособность предложенных методик решения прикладных задач управления с учётом многосвязности и нестационарности объекта. Полученные прикладные результаты могут быть распространены на применение при решении задач управления автономными гидроэнергетическими объектами и гидродинамическими системами.

Обоснованность и достоверность полученных результатов диссертационной работы основывается на использовании в диссертации известных научных методов и средств, подтверждается корректным применением математического аппарата, согласованием полученных результатов с известными теоретическими положениями.

На защиту выносятся следующие положения:

- процедура структурного и динамического анализа многосвязной системы и синтеза систем управления многосвязными неминимально-фазовыми объектами методом декомпозиции;

- методика синтеза прямой адаптивной системы управления с эталонной моделью многосвязными неминимально-фазовыми объектами при неполном измерении переменных вектора состояния;

- методика синтеза адаптивной системы управления на базе искусственной нейронной сети, когда математическая модель объекта не может быть определена;

- количественные оценки качества предложенных систем управления, полученные на основе имитационного моделирования для объектов рассматриваемого класса.

Апробация результатов исследования. Основные положения диссертационной работы докладывались и обсуждались на 4-ой и 5-ой научных конференциях иранских студентов и аспирантов, обучающихся в РФ, и на научных семинарах кафедры управления и информатики НИУ "МЭИ".

Публикации. По теме диссертационной работы опубликованы 5 научных работ, в том числе 2 статьи в научных изданиях, входящих в перечень научных журналов по списку ВАК "Мехатроника, Автоматизация, Управление" и "Вестник МЭИ".

Личный вклад. Все разработки, программные реализации и научные результаты, выносимые на защиту и изложенные в тексте диссертации, получены либо самим автором лично, либо при его непосредственном участии.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 74 наименований и приложения. Она содержит 184 страницы текста, включая 91 рисунка, 12 таблиц.

Краткое содержание работы

В первой главе рассмотрены математическое описание и динамические свойства многосвязных неминимально-фазовых объектов. Представлены результаты исследований по анализу влияния правых нулей функции передачи на динамику системы. Изучен вопрос синтеза управления методом декомпозиции и предложена методика для синтеза закона управления, в том числе развязывающих компенсаторов для рассмотренного класса объектов. Приведены примеры решения задачи синтеза управления рассматриваемым классом объектов с использованием предложенной методики.

Во второй главе представлен обзор основных алгоритмов адаптивного управления системой с измеряемым скалярным выходом; описывается проблема синтеза АдСУ для класса неминимально-фазовых объектов, и формулируются цели исследования. Решение данной задачи опирается на результаты, полученные при анализе неминимально-фазового свойства, и в то же время имеет свою специфику, связанн�