Адаптивное итерационное управление температурой в теплице

Автор: Грудинин Виктор Степанович, Хорошавин Валерий Степанович, Зотов Александр Викторович, Грудинин Сергей Викторович

Журнал: Инженерные технологии и системы @vestnik-mrsu

Рубрика: Процессы и машины агроинженерных систем

Статья в выпуске: 3, 2019 года.

Бесплатный доступ

Введение. Создание и развитие эффективных аграрных комплексов, обеспечивающих высокую урожайность при минимальных временных, материальных и энергетических затратах, невозможно без применения систем автоматического управления (САУ), позволяющих с высокой точностью поддерживать микроклимат тегшицы. Усовершенствования САУ микроклимата направлены на нейтрализацию влияния параметрических возмущений процессов внутри и вне теплицы. На примере канала регулирования температуры в теплице с контуром отопления на основе горячего трубного водоснабжения предложен адаптивный итерационный (поисковый) алгоритм подстройки составляющих пропорционального-интегрального-дифференциального (ПИД) регулятора в контуре отопления для обеспечения требуемого качества процесса регулирования. Материалы и методы. За основу синтеза управления принята параметрически неопределенная модель температуры в теплице, структура которой на основе принципа суперпозиции преобразована к виду с сосредоточенными на выходную координату управлением и возмущениями. Применение адаптивного ПИД-регулятора основано на анализе базы данных реального времени, содержащей тренды управляемого процесса. Используя операторы языка системы управления базами данных или SQL-запросы, оценивается качество регулирования. По оценке качества корректируются пропорциональная и дифференциальная составляющая ПИД-регулятора так, чтобы система управления работала на грани перехода в режим автоколебаний. Возникающая статическая ошибка компенсируется изменением задающего воздействия. Результаты исследования. Проведено моделирование в программном комплексе МВТУ (SimInTech) реальной структуры одноконтурной САУ температурой в теплице с включенными регулирующим, исполнительным и измерительным элементами, а также при наличии запаздывания в движении теплоносителя. Показано, что предлагаемый алгоритм адаптации, заключающийся в аддитивной подстройке коэффициентов ПИД-регулятора, удобно реализуемый в SCADA-системе, обеспечивает минимальное колебательное поддержание температуры при произвольных параметрических возмущениях и наличии запаздывания. Обсуждение и заключение. Предлагаемый алгоритм адаптации обеспечивает компенсацию неопределенности модели и возмущений, при этом достигается требуемая точность поддержания температуры в теплице. Результаты исследования послужат материалом для разработки многоконтурной САУ микроклимата теплицы с исследованием влияния и компенсации параметрической и структурной неопределенности, инерционностей и нелинейностей реальных элементов. Результаты работы могут быть использованы во многих отраслях народного хозяйства для исследования общих и прикладных проблем цифрового адаптивного управления процессами.

Еще

Микроклимат, адштивный итерационный алгоритм, пид-закон регулирования, пакет моделирования мвту

Короткий адрес: https://sciup.org/147220626

IDR: 147220626   |   DOI: 10.15507/2658-4123.029.201903.383-395

Список литературы Адаптивное итерационное управление температурой в теплице

  • Грудинин В. С. Управление микроклиматом и средства фитомониторинга // Аграрная наука Евро-Северо-Востока. 2007. № 10. C. 124-127. URL: http://www.cnshb.ru/jour/j_as.asp?id=96472 (дата обращения: 22.01.2019).
  • Герасимов Д. Н., Лызлова М В. Адаптивное управление микроклиматом в теплицах // Известия РАН. Теория и системы управления. 2014. № 6. С. 124-135. URL: https://clck.ru/HHiDy (дата обращения: 22.01.2019).
  • Токмаков Н. М., Грудинин В. С. Математическая модель системы управления микроклиматом ангарных теплиц. Гавриш. 2008. № 3. С. 28-32. URL: http://samodelkin.komi.ru/doc/6.pdf (дата обращения: 22.01.2019).
  • Von Zabeltitz C. Greenhouse Structures // Ecosystems of the World. 1999. Vol. 20. rjp. 17-69. DOI: 10.1007/978-3-642-14582-7_5
  • Jones P., Jones J. W., Hwang Y. Simulation for Determining Greenhouse Temperature Set Points // Transactions of the ASAE. 1990. Vol. 33, no. 5. Рр. 1722-1728. URL: https://scholar.google.ru/scholar?c luster=7823325459120957027
  • Van Straten G., Van Henten E. J. Optimal Greenhouse Cultivation Control: Survey and Perspectives // Dept. Agrotechnology and Food Science. Systems and Control. 2010. Vol. 43, Issue 26. Pp. 18-33. URL: https://library.wur.nl/WebQuery/wurpubs/fulltext/161860 (дата обращения: 22.01.2019).
  • Zeng S., Xu H. H. L., Li G. Nonlinear Adaptive PID Control for Greenhouse Environment Based on RBF Network // Sensors. 2012. Vol. 12. Pp. 5328-5348.
  • DOI: 10.3390/s120505328
  • Seginer I., Boulard T., Bailey B. J. Neural Network Models of the Greenhouse Climate // Agricultural Engineering Research. 1994. Vol. 59. Рp. 203-216. URL: https://www.researchgate.net/ profile/T_Boulard/publication/222347971_Neural_Network_Models_of_the_Greenhouse_Climate/ links/5a0802894585157013a5e0ea/Neural-Network-Models-of-the-Greenhouse-Climate.pdf (дата обращения: 22.01.2019).
  • Олссон Г., Пиани Д. Цифровые системы автоматизации и управления. СПб.: Невский Диалект, 2001. 557 с. URL: http://industry.ucoz.ru/_fr/0/4405990.pdf (дата обращения: 22.01.2019).
  • Kok R., Lacroix R., Clark G., Taillefer E. Imitation of a Procedural Greenhouse Model with an Artificial Neural Network // Canadian Agricultural Engineering. 1994. Vol. 36, no. 2. Pp. 117-126. URL: https://scholar.google.ru/scholar?cluster=2098238280172549431
  • Грудинин В. С. Адаптивная компьютерная система управления микроклиматом // Аграрная наука Евро-Северо-Востока. 2007. № 9. С. 137-142. URL: http://www.cnshb.ru/jour/j_as.asp?id=92776 (дата обращения: 22.01.2019).
  • Ferreira P. M., Ruano A. E. Discrete Model Based Greenhouse Environmental Control Using the Branch
  • Dynamic Modeling and Simulation of Greenhouse Environments under Several Scenarios: a Web-Based Application / Efren Fitz-Rodriguez [et al.] // Computers and Electronics in Agriculture. 2010. Vol. 70. Pp. 105-116. URL: http://irrecenvhort.ifas.ufl.edu/Teaching publications/Publications/ COMPAG-2009-Greenhouse simulation.pdf (дата обращения: 22.01.2019).
  • Berenguel M., Yebra L. J., Rodriguez F. Adaptive Control Strategies for Greenhouse Temperature Control // En viado a ECC. 2003.
  • DOI: 10.23919/ECC.2003.7086457
  • Мееров М. В. Адаптивные компенсирующие регуляторы с предиктором Смита // Автоматика и телемеханика. 2000. № 10. С. 125-135. URL: http://www.mathnet.ru/php/archive.phtml?wshow =paper
  • Денисенко В. В. ПИД-регуляторы: принципы построения и модификации // Современные технологии автоматизации. 2007. № 1. С. 78-88. URL: http://www.studmed.ru/denisenko-vv-pid-regu-lyatory-principy-postroeniya-i-modrfikacii_dc7431cf063.html (дата обращения: 22.01.2019).
  • Astrom K. J., Hagglund T. Advanced PID control. Durham: ISA, 2006. 460 p. URL: http:// intranet.ceautomatica.es/sites/default/files/upload/13/files/AdvancesInPIDControl_KJA.pdf (дата обращения: 22.01.2019).
  • Карпенко А. В., Петрова И. Ю. Модели управления микроклиматом в помещении // Фундаментальные исследования. 2016. № 7 (2). С. 224-229. URL: http://fundamental-research.ru/ru/ar-ticle/view?id=40488 (дата обращения: 22.01.2019).
  • Гудкова Н. В. Приложение принципов адаптивного моделирования к задачам управления динамическими объектами типа «черный ящик» // Современная электроника. 2012. № 8. С. 68-70. URL: http://www.radiofiles.ru/news/sovremennaja_ehlektronika_8_2012/2012-10-09-2397 (дата обращения: 22.01.2019).
  • Анализ управляемости и устойчивости приближенной модели теплопереноса в автоклаве / С. А. Мокрушин [и др.] // Вестник Мордовского университета. 2018. Т. 28, № 3. С. 416-128.
  • DOI: 10.15507/0236-2910.028.201803.416-428
  • Alonso A. A., Banga J. R., Perez-Martin R. Modeling and Adaptive Control for Batch Sterilization // Computers
  • Киргин Д. С. Алгоритмы управления технологическим процессом вулканизации установки автоклав // Вестник ИрГТУ. 2011. Т. 55, № 8. С. 195-199.
Еще
Статья научная