Автоматическая настройка ПИД-регулятора с применением машинного обучения для обеспечения стабильной работы автономных электронных систем при термоциклировании
Автор: Чибисов А.В., Попов А.Г., Мозговой Н.А., Пиджаков В.А., Ульянов С.А.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 2 (62) т.16, 2024 года.
Бесплатный доступ
Данная статья посвящена применению методов машинного обучения для автоматической настройки коэффициентов ПИД-регулятора для обеспечения стабильной работы автономных электронных систем в условиях быстрых изменений температуры. Рассмотрена проблема влияния температурного режима на работу оптоэлектронных устройств и предложен способ её решения. Представлена архитектура нейронной сети, созданной для нелинейной настройки коэффициентов ПИД-регулятора для контроля элемента Пельтье на основе его математической модели. Проведен численный эксперимент для оценки эффективности применения созданного метода настройки и продемонстрировано увеличение точности контроля температуры рабочей поверхности при его использовании.
Нейро-пид-управление, элемент пельтье, контроль температуры, адаптивное управление, искусственные нейронные сети
Короткий адрес: https://sciup.org/142242591
IDR: 142242591 | УДК: 519.7
Automated machine learning adjustment of the PID-controller for stability of the autonomous electronic systems under thermal cycling
To maintain the operations of autonomous electronic systems during rapid temperature changes, we employ machine learning methods to adjust the coefficients of the PID-controller. As we consider the problem of the influence of temperature conditions on the operation of optoelectronic devices, we propose a new method for solving it by usage of the PID-controlled Peltier element. We present the architecture of a model-based neural network we created to nonlinearly adjust coefficients of the PID-controller to manage the Peltier element. The effectiveness of the created tuning method is evaluated through a numerical experiment. Therefore, we prove an increase in the accuracy of the control of the working surface temperature by the use of the proposed method.
Список литературы Автоматическая настройка ПИД-регулятора с применением машинного обучения для обеспечения стабильной работы автономных электронных систем при термоциклировании
- Чибисов A.B., Попов А.Г., Мозговой H.A., Пиджаков В.А., Ульянов С.А. Автоматическая настройка ПИД-регулятора с применением машинного обучения для обеспечения стабильной работы автономных электронных систем при термоциклиро-вании. Труды 65-й Всероссийской научной конференции МФТИ в честь 115-летия Л.Д. Ландау. 3-8 апреля 2023 г. Аэрокосмические технологии. Москва: Физматкнига, 2023. С. 35б' ISBN 978-5-89155-388-0.
- Серебро И.П. Обзор методов обеспечения теплового режима болометра инфракрасного диапазона. Труды 65-й Всероссийской научной конференции МФТИ в честь 115-летия Л.Д.Ландау. 3-8 апреля 2023 г. Аэрокосмические технологии. Москва: Физматкнига, 2023. С. 356. ISBN 978-5-89155-388-0.
- Astrom К. J., Hagglund Т. Advanced PID control // System, and Automation Society. ISA The Instrumentation, 2006. P. 460.
- Олссон Г., Пияни Дж. Цифровые системы автоматизации и управления. Санкт-Петербург: Невский диалект, 2001.
- Бура,кое М.В., Коновалов А.С. Синтез нечетких логических регуляторов // Информационно-управляющие системы. 2011. С. 14-19.
- Бура,ков М.В. Синтез нейронного регулятора // Теория и системы управления. Изв. Академии наук, 1999. С. 140-145.
- Omatu S., Yoshioka М., Fujinaka Т. Neuro-PID Control for Electric Vehicle // Journal of Advanced Computational Intelligence and Intelligent Informatics. 2011. V. 15, N 7. P. 846852.
- Zeng S., Ни H., Xu L., Li G. Nonlinear Adaptive PID Control for Greenhouse Environment Based on RBF Network // Sensors. 2012. N 12. P. 5328-5348.
- Lu W., Yang J., Liu X. The PID Controller Based on the Artificial Neural Network and the Differential Evolution Algorithm 11 Journal of computers. 2012. V. 7, N 10. P. 2368-2375.
- Бураков M.B., Полякова, Т.Г. Нейронный супервизор для управления нелинейным объектом // Сб. докл. «Завалишинские чтения'12». Санкт-Петербург: ГУАП, 2010. С. 2327.
- Бураков М.В. Генетический алгоритм: теория и практика. Санкт-Петербург: ГУАП, 2008. С. 164.
- Громов Ю.А. , Кожевников A.M. Моделирование термоэлемента Пельтье для процессов автоматизации систем обеспечения тепловых режимов радиоэлектронных средств // Интернет-журнал «Науковедение». 2015. Т. 7, № 3 (май-июнь).
- Гринкевич В.А. Идентификация устройства на основе элемента Пельтье методом наименьших квадратов // Доклады АН ВШ РФ. 2020. № 1-2 (январь-июнь).
- Попов А.Г., Мозговой Н.А., Сущеня Г.Н., Пиджаков В.А., Ульянов С.А. Применение методов глубокого обучения для анализа флуктуаций напряжения литиевых источников тока // Труды МФТИ. 2023. Т. 15, № 4. С. 150-161.
