Rozmyte modele Takagi-Sugeno w układach zintegrowanej regulacji predykcyjnej i optymalizacji punktu pracy

• Autorzy: Marusak P.

Warianty tytułu

EN

Takagi–Sugeno fuzzy models in control systems with integrated predictive control and set–point optimization

• Konferencja: Konferencja Naukowo-Techniczna Automatyzacja - Nowości i Perspektywy (12 ; 2-4.04.2008 ; Warszawa, Polska)
• Języki publikacji: PL

Abstrakty

PL

Układy ze zintegrowanymi zadaniami regulacji predykcyjnej i optymalizacji punktu pracy są stosowane w przypadku, gdy zmienność zakłóceń jest porównywalna z dynamiką obiektu sterowania. W strukturach tych, w zadaniu zintegrowanej optymalizacji, są używane dwa modele obiektu: model dynamiczny z problemu optymalizacji algorytmu predykcyjnego oraz zlinearyzowany model statyczny. Zmiana zaproponowana w artykule polega na użyciu rozmytego modelu dynamicznego obiektu zarówno do celów regulacji, jak i optymalizacji punktu pracy. Podejęcie takie, przyczynia się do uproszczenia zadania, a może przynieść rozwiązania bardzo bliskie do otrzymanych w przypadku użycia dwóch modeli. Zosta ło to pokazane na przykładzie układu sterowania nieliniowego reaktora chemicznego z odpowiedzią odwrotną.

Control systems with integrated predictive control and set-point optimization are used in cases when variability of disturbances is comparable with dynamics of the control plant. In these structures, in the optimization problem solved by the integrated predictive controller, two control plant models are used: a dynamic model from optimization problem of a predictive algorithm and linearized steady-state model. The idea proposed in the paper consists in application of only one fuzzy (nonlinear) dynamic control plant model for realization of both tasks: predictive control and set-point optimization. Such an approach gives simplification of the problem and may give results very close to those obtained when two models are used. It is demonstrated using an example of a control system of a nonlinear chemical reactor with inverse response.

Słowa kluczowe

PL

regulacja predykcyjna; optymalizacja punktu pracy; rozmyty model

EN

predictive control; set-point optimization; plant model

• Wydawca: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów PIAP
• Czasopismo: Pomiary Automatyka Robotyka
• Rocznik: 2008
• Tom: R. 12, nr 2
• Strony: 571--580
• Opis fizyczny: CD, Bibliogr. 20 poz., rys., tab., wzory

Twórcy

autor

Marusak P.

• Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej

Bibliografia

• [1] E. F. Camacho, C. Bordons: Model Predictive Control in the process industry; Springer, 1995.
• [2] F. Doyle, B. A. Ogunnaike, R. K. Pearson: Nonlinear model–based control using secondorder Volterra models. Automatica, tom 31, s. 697–714, 1995.
• [3] M. Ławryńczuk, P. Marusak, P. Tatjewski: Integrating predictive control with steady–state optimisation. 12th International Conference on Methods and Models in Automation and Robotics MMAR 2006, Międzyzdroje, s. 445–452.
• [4] M. Ławryńczuk, P. Marusak, P. Tatjewski: Struktury i algorytmy współdziałania regulacji predykcyjnej i bieżącej optymalizacji ekonomicznej. Pomiary Automatyka Kontrola, nr 10/2007, s. 55–61
• [5] M. Ławryńczuk, P. Marusak, P. Tatjewski: Multilayer and integrated structures for predictive control and economic optimisation. 11th IFAC/IFORS/IMACS/IFIP Symposium on Large Scale Systems: Theory and Applications, Gdańsk, CD–ROM, artykuł nr 60.
• [6] M. Ławryńczuk, P. Marusak, P. Tatjewski: Set–Point Optimisation and Predictive Constrained Control for Fast Feedback Controlled Processes. 13th IEEE/IFAC International Conference on Methods and Models in Automation and Robotics MMAR 2007, Szczecin, s. 357–362.
• [7] J. M. Maciejowski: Predictive Control with constraints; Prentice Hall 2002.
• [8] P. Marusak: Regulacja predykcyjna obiektów nieliniowych z zastosowaniem techniki DMC i modelowania rozmytego; Rozprawa doktorska, Wydz. Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, Warszawa, 2002.
• [9] P. Marusak: Metoda szybkiej syntezy rozmytych regulatorów predykcyjnych DMC – zastosowanie do nieliniowego obiektu; Konferencja Automation 2006, Warszawa, s. 382–391.
• [10] P. Marusak, J. Pułaczewski: Szczególne zalety algorytmu regulacji Dynamic Matrix Control (DMC); Pomiary Automatyka Kontrola 12’99, s. 39–43.
• [11] P. Marusak, P. Tatjewski: Output constraints in fuzzy DMC algorithms with parametric uncertainty in process models; 7th International Conference MMAR 2001, Międzyzdroje, s. 517–522.
• [12] P. Marusak, P. Tatjewski: Predictive control algorithms in systems tolerating actuator faults; Proc. 10th International Conference MMAR 2004, Międzyzdroje, s. 1355–1360.
• [13] R. B. Newell, P. L. Lee: Applied process control – a case study; Prentice Hall, 1989.
• [14] S. J. Qin, T. A. Badgwell: A survey of industrial model predictive control technology; Control Engineering Practice, tom 11, s. 733–764, 2003.
• [15] J. Pułaczewski: Wielowymiarowy algorytm DMC; Raport IAiIS PW nr 98–11, Warszawa, 1998
• [16] T. Takagi, M. Sugeno: Fuzzy identification of systems and its application to modeling and control. IEEE Trans. on Systems, Man and Cybernetics, tom 15, s. 116–132, 1985.
• [17] P. Tatjewski: Advanced control of industrial processes: structures and algorithms. Springer, Londyn, 2007.
• [18] M. Tvrzska de Gouvea, D. Odloak: One-layer real time optimization of LPG production in the FCC unit: procedure, advantages and disadvantages. Computers & Chemical Engineering, tom 22, s. S191–S198, 1998.
• [19] A. Zanin, M. Tvrzska de Gouvea, D. Odloak: Industrial implementation of a real–time optimization strategy for maximizing production of LPG in a FCC unit. Computers&Chemical Engineering, tom 24, s. 525–531, 2000.
• [20] A. Zanin, M. Tvrzska de Gouvea, D. Odloak: Integrating real–time optimization into model predictive controller of the FCC system. Computers & Chemical Engineering, tom 26, s. 819–831, 2002.