Спросить
Войти
РАЗРАБОТКА МОДЕЛИ СИСТЕМЫ УПРАВЛЕНИЯ ДВС С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОГО РЕГУЛЯТОРА Заморский В.В.1, Набиуллин И.И.2 Em ail: Zamorskiy17152@scientifictext.ru
&Заморский Валерий Валентинович — кандидат технических наук, доцент;
Аннотация: ПИД регулятор может не удовлетворять предъявляемым требованиям в условиях сильных возмущений. Адаптивные системы управления, в свою очередь, не получили широкого распространения из-за необходимости наличия адекватной эталонной модели и знания предыстории состояния ДВС, необходимой для идентификации этой модели. Система управления скоростью вращения коленчатого вала двигателя путем изменения положения дроссельной заслонки, базирующаяся на нечетком регуляторе, может получить решение данной проблемы. В статье будет разрабатываться модель системы управления ДВС с использованием нечеткого регулятора. Объект управления - четырехцилиндровый ДВС с искровым зажиганием. Модель ДВС основана на работе Кроссли и Кука. Также будет проанализирован эффективность регулятора. Ключевые слова: ДВС, нечеткий регулятор, модель ДВС, Simulink.
DEVELOPMENT OF ICE CONTROL SYSTEM MODEL USING FUZZY
REGULATOR Zamorskiy V.V.1, Nabiullin I.I.2
&Zamorskiy Valeriy Valentinovich - PhD in Engineering, Associate Professor;
Abstract: PID regulator may not meet the requirements in conditions of severe disturbances. Adaptive control systems, in turn, are not widely used due to the need for an adequate reference model and knowledge of the ICE state history necessary to identify this model. The engine crankshaft speed control system by changing the throttle position based on the fuzzy regulator can obtain a solution to this problem. The article will develop a model of the ICE control system using a fuzzy regulator. Control object four-cylinder internal combustion engine with spark ignition. The ICE model is based on the work of Crossley and Cook. The effectiveness of the regulator will also be analyzed. Keywords: ICE, fuzzy regulator, ICE model, Simulink.
УДК 62-503.55
Введение
Наиболее распространенным способом управления мощностью двигателя и, следовательно, скоростью автомобиля является управление положением дроссельной заслонки. В данное ситуации существует несколько методов построения системы управления. Наибольшее распространение получил классический метод, основанный на принципах пропорционально-интегрально-дифференциального (ПИД) регулирования. Наряду с этим используются и другие способы, например, основанные на принципах адаптивного управления.
Однако, обеспечивая высокое качество управления, ПИД регулятор может не удовлетворять предъявляемым требованиям в условиях сильных возмущений. Адаптивные системы управления, в свою очередь, не получили широкого распространения из-за необходимости наличия адекватной эталонной модели и знания предыстории состояния ДВС, необходимой для идентификации этой модели.
Система управления скоростью вращения коленчатого вала двигателя путем изменения положения дроссельной заслонки, базирующаяся на искусственном интеллекте, может позволить получить решение данной проблемы, а именно:
— обеспечить экономию топлива, поскольку в традиционных системах, где педаль акселератора механически связана с дроссельной заслонкой, подсистема управления топливоподачей реагирует на изменение потока воздуха уже после того, как оно произойдет; кроме этого, дополнительный эффект экономии достигается за счет отсутствия резких изменений положения дроссельной заслонки;
— обеспечить плавное изменение крутящего момента и тем самым увеличить срок службы механических деталей двигателя и трансмиссии;
— облегчить управление автомобилем при движении по трассе, поскольку задачу поддержания скорости система управления берет на себя;
— решить проблему остановки двигателя, если положение педали акселератора окажется несоответствующим текущей нагрузке на двигатель;
— упростить управление двигателем, поскольку в предлагаемой системе отсутствуют алгоритмы идентификации модели, требующие знания предыстории измерений и больших вычислительных затрат.
Математическая модель основана на опубликованных результатах Кроссли и Кука (1991). Описана имитация четырехцилиндрового двигателя внутреннего сгорания с искровым зажиганием. Работа Кроссли и Кука также показывает, как моделирование на основе этой имитации было проверено по данным испытаний динамометра.
Включили элементы, описанные выше, в модель двигателя, используя Simulink. На рисунке 1 показан верхний уровень модели двигателя.
Рис. 1. Верхний уровень модели двигателя
Рис. 2. Структура нечеткого регулятора
Модель данного типа регулятора реализована в приложении Simulink ПП МАТЬЛВ. Блок-схема нечеткого регулятора представлена на рисунке 3. В данной работе для моделирования использован инкрементный нечёткий регулятор, на вход которого подаются только зависимости приращения управляющей величины от ошибки регулирования и ее производных (без интегрального члена). В фаззи-регуляторах при формулировке нечетких правил эксперт может сформулировать зависимость управляющей величины от величины производной, но не может - от величины интеграла, поскольку интеграл "запоминает" всю предысторию изменения ошибки, которую человек помнить не может.
Рис. 3. Блок-схема нечеткого регулятора в Simulink
На выходе нечёткого логического контроллера получаем сигнал производной управляющего воздействия, который затем интегрируется в дискретном интеграторе.
Диапазон выходных значений dT/dt примем равным [-15;15] (определяет скорость реакции на воздействие).
Диапазон возможных значений ошибки по скорости оборотов ДВС - [-Nnom; Nnom] (где Nnom задается пользователем).
Диапазон возможных значений производной по времени ошибки по току - [-Nnom*0,5; Nnom*0,5].
Для нечетких множеств существует общепринятая система обозначений отклонений или уровней: N - отрицательный (Negative); Z - нулевой (Zero); P - положительный (Positive).
К этим обозначениям добавляют буквы S (малый, Small), М (средний, Medium), L (большой, Large). Например, NL - отрицательный большой.
Количество таких переменных (термов) может быть любым, однако с увеличением их количества существенно возрастают требования к опыту эксперта, который должен сформулировать правила для всех комбинаций входных переменных.
В данной работе используется разделение входных и выходных переменных на 7 термов. NL, NM, NS, Z, PS, PM, PL, в пределах каждого из которых строится функция принадлежности переменной e каждому из множеств. На рисунке 4 функции принадлежности имеют треугольную форму.
Рис. 4. Фаззификация переменных при делении области изменения на 7 термов
Для выполнения функции регулирования над нечеткими переменными должны быть выполнены операции, построенные на основании высказываний оператора, сформулированных в виде нечетких правил. Совокупность нечетких правил и нечетких переменных используется
для осуществления нечеткого логического вывода, результатом которого является управляющее воздействие на объект управления. Для рассматриваемого объекта была составлена база правил, сведенная в таблицу 1.
Таблица 1. База правил нечёткого логического вывода
Величина ошибки, AN
dT/dt <-- - 0 + -->
LN MN SN Z SP MP LP
ю к л LN LN LN LN SN SN Z SP
MN LN LN MN SN Z Z SP
а ^ О тз SN LN MN SN Z Z SP SP
К « < 0 Z LN MN SN Z Z SP MP
я ^ м к о с + SP LN SN Z Z SP MP MP
V MP LN SN Z SP SP MP LP
LP LN SN Z SP MP LP LP
Для автоматизации расчетов исходная база правил была переведена в цисловую форму (таблица 2). Данная таблица формируется в Excel и автоматически подгружается в Matlab перед запуском модели.
Таблица 2. База правил нечёткого логического вывода в численной форме
Величина ошибки, AN
dT/dt <-- - 0 + -->
LN MN SN Z SP MP LP
T3 л LN 1 1 2 2 3 3 4
£ < MN 1 2 2 3 3 4 5
S И SN 2 2 3 3 4 5 5
S a о 0 Z 2 3 3 4 5 5 6
Si и H + SP 3 3 4 5 5 6 6
о Ш M s MP 3 4 5 5 6 6 7
с LP 4 5 5 6 6 7 7
Правила задаются в виде матрицы, где строкам соответствуют номера правил. По столбцам нумерация осуществляется в следующем порядке: сначала указываются входные переменные (Е, (Е), затем выходные ((ТО), затем столбец с весовыми коэффициентами для каждого правила (в нашем случае везде 1) ив последнем столбце указывается логическое действие между термами (для операции «И» ставится 1, для операции «ИЛИ» - 0).
Рис. 5. Динамика изменения нагрузки на двигатель (верхняя линия) и реакция регулятора в виде изменения
угла форсунок (нижняя линия)
Рис. 7. Сравнение скорости и опорного уровня
Рис. 8. Скорость изменения ошибки
Вывод
Предложенный регулятор на базе нечеткой логики позволяет осуществлять управление двигателем внутреннего сгорания (с искровым зажиганием) с четырьмя цилиндрами в условиях неопределенности его параметров при изменяющихся моменте нагрузки. Показано, что при работе двигателя в режиме малой мощности возможно появление колебательной составляющей ошибки. Данная ошибка при неизменной нагрузке незначительно отклоняется от нулевого значения. Ошибка при постоянной скорости вращения изменения нагрузки не равна нулю.
Список литературы / References
ОСОБЕННОСТИ ИСПОЛЬЗОВАНИЯ МЕТОДА ГЛАВНЫХ КОМПОНЕНТ ПРИ ОПЕРАЦИОННОЙ МОДАЛЬНОЙ ИДЕНТИФИКАЦИИ Козлов А.С.1, Дудник С.В.2, Култазин Н.М.3, Ангапов В.Д.4, Гринер В.5 Email: Kozlov17152@scientifictext.ru
&Козлов Александр Сергеевич - старший системный администратор, филиал
Корпорация "Алайн Текнолоджи Ресерч энд Девелопмент, Инк"; 2Дудник Сергей Викторович - ведущий эксперт, департамент инфраструктурных решений, Сбербанк, г. Москва;
Аннотация: рассмотрены методы построения алгоритмов операционного модального анализа для моделей с линейным изменением параметров во времени в системах виртуальных сенсоров архитектуры Sensor-Cloud. Показано, что алгоритмы операционного модального анализа для моделей с линейным изменением параметров во времени могут быть разделены на методы анализа во временной области и методы частотно-временного анализа. Разработан алгоритм обновления скользящего окна в рамках метода рекурсивного анализа главных компонент собственного вектора на базе метода ограничения памяти. В результате предложена схема построения алгоритмов определения переходных модальных параметров при помощи метода рекурсивного анализа главных компонент собственного вектора на базе метода ограничения памяти.
PECULIARITIES OF APPLICATION OF THE PRINCIPAL COMPONENT ANALYSIS METHOD FOR ADAPTIVE OPERATIONAL MODAL
IDENTIFICATION Kozlov A.S.1, Dudnik S.V.2, Kultazin N.M.3, Angapov V.D.4, Griner V.5
&Kozlov Aleksandr Sergeevich - Sr. System Administrator, BRANCH
"ALIGN TECHNOLOGY RESEARCH AND DEVELOPMENT INCORPORATED ", EMEA RUSSIAN REGION; 2Dudnik Sergei Victorovich - Leading Expert, DEPARTMENT OF INFRASTRUCTURE SOLUTIONS, SBERBANK, MOSCOW;
