Введение
ГЛАВА 1 Обзор методов автоматизированного и адаптивного управления в промышленных АСУ ТП 16
1.1 Классификация методов идентификации объектов регулирования... 16
1.2 Методы адаптивной настройки, реализуемые в отечественных и зарубежных контроллерах 19
1.2.1 Методы адаптивной настройки, разработанные на кафедре АСУ ТП НИУ «МЭИ» 19
1.2.2 Реализация адаптивной настройки регуляторов в ПТК ведущих производителей 20
1.3 Программные средства настройки АСР 24
1.4 Нечеткая логика
1.4.1 Принципы построения нечеткого регулятора 27
1.4.2 Принципы автоподстройки реализуемого регулятора 31
1.5 Искусственные нейронные сети 32
1.5.1 Подражающее нейроуправление 33
1.5.2 Инверсное нейроуправление 34
1.5.3 Гибридное нейроуправление 36
1.6 Генетические алгоритмы 40
1.7 Выводы 43
ГЛАВА 2 Оптимальная настройка регуляторов 45
2.1 Структуры исследуемых регуляторов, показатели качества работы АСР 45
2.1.1 Структуры исследуемых регуляторов 45
2.1.2 Выбор показателя запаса устойчивости 48
2.1.3 Интегральные критерии качества оптимальной настройки регуляторов 49
2.2 Численные методы расчета настроечных параметров регуляторов..52
2.2.1 Расчет оптимальных параметров ПИ регулятора 52
2.2.2 Расчет оптимальных параметров ПИД регулятора 58
2.3 Выводы 66
ГЛАВА 3 Синтез нейросетевых компонент системы адаптивного управления 67
3.1 Особенности синтезируемой адаптивной АСР на базе
нейросетевых компонент идентификации и адаптации 69
3.1.1 Структура предлагаемой адаптивной АСР 69
3.1.2 Процедуры идентификации и адаптации в составе адаптивной АСР 71
3.1.3 Поэтапный синтез предлагаемой адаптивной АСР 74
3.2 Синтез нейросети параметрической идентификации объекта регулирования 76
3.2.1 Формирование тренировочного множества для обучения нейросети 77
3.2.2 Определение достаточного количества обучающих данных для воспроизведения параметров объекта регулирования 79
3.2.3 Выбор архитектуры и обучение нейросети 85
3.3 Синтез адаптивной нейросети для аппроксимации функционала настроечных параметров регуляторов 88
3.3.1 Создание тренировочного множества с применением полного факторного эксперимента для обучения нейросети 89
3.3.2 Выбор класса и структуры нейросети, обучение ИНС 91
3.4 Выводы 95
ГЛАВА 4 Обучение искусственных нейронных сетей идентификации и адаптации 97
4.1 Обучение нейросети параметрической идентификации объекта регулирования 97
4.1.1 Проведение активного эксперимента для создания тренировочного множества для обучения нейросети 97
4.1.2 Обучение нейросети параметрической идентификации 101
4.2 Обучение нейросетей адаптивной настройки реализуемых регуляторов 102
4.2.1 Обучение нейросетей тренировочными множествами, состоящими из одного полного факторного эксперимента 102
4.2.2 Обучение нейросетей тренировочными множествами, состоящими из нескольких полных факторных экспериментов 103
4.2.3 Влияние количества нейронов в скрытом слое нейросети на результаты воспроизведения тренировочных множеств 106
4.2.4 Реализация нейросети воспроизведения настроечных параметров идеального ПИД регулятора с возможностью изменения частотного показателя колебательности 109
4.2.5 Реализация адаптивной нейросети в составе двухконтурной каскадной АСР
4.3 Рекомендации поэтапного синтеза нейросетей идентификации и адаптации применительно к задачам синтеза адаптивных АСР теплоэнергетических объектов 120
4.4 Синтез адаптивной АСР на базе нейросетевых компонент в эмуляторе программируемого логического контроллера 121
4.5 Выводы 125
ГЛАВА 5 Практическая реализация адаптивной АСР 127
5.1 Обучение нейросети параметрической идентификации объекта регулирования 127
5.1.1 Подготовительный этап реализации искусственных нейросетей 127
5.1.2 Синтез и обучение нейросети идентификации 129
5.1.3 Синтез и обучение нейросети адаптации
5.2 Реализация адаптивной АСР на базе нейросетевых компонент вПЛК 132
5.3 Проверка качества настроенной адаптивной АСР 135
5.4 Выводы 137
Основные выводы по работе 140
Список литературы
