Optymalizacja procesu sterowania nieliniowym urządzeniem pozycjonującym o napędzie elektromagnetycznym

• Autorzy: Pecolt, S. , Krzyżyński, T. , Frischmuth, K.

Warianty tytułu

EN

Optimization of the control of a nonlinear positioning device with an electromagnetic system

• Języki publikacji: PL

Abstrakty

PL

Przedmiotem badań jest układ mechatroniczny – urządzenie pozycjonujące o napędzie elektromagnetycznym (siłownik), wraz z hamulcem elektromagnetycznym. Praca siłownika elektromagnetycznego oparta jest o zasadę wypychania magnesów stałych z pola elektromagnetycznego solenoidów. Urządzenie składa się z dwóch solenoidów umieszczonych naprzeciwko siebie i suwaka na którego końcach są umieszczone magnesy stałe. W artykule przedstawiono sposób sterowania urządzeniem pozycjonującym przy wykorzystaniu równoległego regulatora PID. Parametry regulatora były dobierane poprzez algorytm genetyczny. Analizowano pracę urządzenia przy wykorzystaniu modelu symulacyjnego, który zbudowano w środowisku MATLAB-Simulink. Wykazano, że parametry regulatora PID powinny być dobierane dla każdego wymuszenia osobno. Wyniki otrzymane z symulacji zostały zweryfikowane na stanowisku badawczym.

EN

We study an electromagnetic positioning device as a mechatronic system. The main components of the device are an electromagnetic motor and a brake. The linear motor is based on the phenomenon of electromagnetic repulsion. It consists of two solenoids and a slide with neodymium magnet bars placed on both ends. In the paper a control problem for positioning is proposed and solved by means of a PID controller. By applying a genetic algorithm (GA) in a simulation model (MATLAB-Simulink), optimal parameters of the PID are found. The performance can be improved if the parameters of the controller are adapted to the task at hand. Eventually, the MATLAB-Simulink simulations are shown to be in very good accordance with the experimental results.

Słowa kluczowe

PL

proces sterowania; optymalizacja procesu; siłownik elektromagnetyczny; solenoid; regulator PID; model symulacyjny; środowisko MATLAB-Simulink

EN

control; process optimization; electromagnetic actuator; solenoid; PID controller; simulation model; MATLAB-Simulink

• Czasopismo: TTS Technika Transportu Szynowego
• Rocznik: 2012
• Tom: R. 19, nr 9
• Strony: 2833--2842, CD
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Pecolt, S.

autor

Krzyżyński, T.

autor

Frischmuth, K.

Bibliografia

• 1. Ansys Ansoft Maxwell Technical Notes 2010
• 2. Bodenhofer: Genetic algorithms: theory and applications (2nd Edition), Johannes Kepler Universit, Linz, Austria (2001).
• 3. Dinger R H.: Engineering design optimization with genetic algorithms, IEEE Northcon/98 Conference Proceedings. 1998.
• 4. Elbayomy K., Zongxia J., Huaging Z.: PID Controller Optimization by GA and Its Preformnances on the Electro-hydraulic Servo Control System. Chinese Journal of Aeronautics 2008.
• 5. Jingsyan T., Kuang-Chao F., Tien-Fu L.: A Genetic Approach on the PID Control of VCM for Auto-focusing Laser Probe. Materials Science Forum Vols. Tarns Tech Publications, Switzerland 2006.
• 6. Karta charakterystyki magnesu trwałego. Wykres przebiegu II ćwiartki pętli histerezy magnetycznej dla materiału N35, P.P.H.U. „Enes” Magnesy Paweł i Tomasz Zientek Sp. k., http://www.magnesy.eu
• 7. Pecolt S., Krzyżyński T.: Modelling and control optimization of the electromagnetic motor using genetic algorithm, VIBRATIONS IN PHYSICAL SYSTEMS, Poznań 2010.
• 8. Pecolt S., Krzyżyński T.: Hybrydowe urządzenie pozycjonujące o napędzie elektromagnetycznym, w opracowaniu „Innowacja w wiedzę” wydanym przez Wojewódzki Urząd Pracy w Szczecinie, s. 255-260, Szczecin 2010.
• 9. Pecolt S., Krzyżyński T.: Modelowanie i optymalizacja sterowania siłownikiem elektromagnetycznym z wykorzystaniem algorytmów genetycznych, II Kongres Mechaniki Polskiej, Poznań 2011
• 10. Pecolt S.: Wybrane problemy budowy i optymalizacji sterowania urządzeniem pozycjonującym o układzie elektromagnetycznym, rozprawa doktorska, Politechnika Koszalińska, Koszalin 2012.
• 11. Popov A.: Genetic Algorithms For Optimization, Programs for MATLAB Version 1.0, User manual, Hamburg, 2005r.
• 12. Zhang, MZ Yuan and H Wang: Self-tuning PID based on adaptive genetic algorithms with the application of activated sludge aeration process, Proceedings of the 6th World Congress on Intelligent Control and Automation 2 (2006)