Full Text

Введение. Быстрые темпы научно-технического прогресса в течение последних десятилетий предопределяют ускоренное развитие управляемых сложных динамических систем и, в частности, систем автоматического управления (САУ) авиационными газотурбинными двигателями (ГТУ). Анализ тенденций развития авиационных ГТУ и их систем управления показывает, что объем функций, выполняемых САУ перспективными ГТУ, определяется следующими основными факторами: 1) дальнейшим усложнением конструкции двигателей, связанным с созданием адаптивных ГТУ, изменяющих в широком диапазоне свою структуру и параметры для обеспечения наиболее эффективного режима работы [1]; 2) дальнейшим повышением требований к качеству процессов управления, ресурсу, экномичности, необходимостью перехода к эксплуатации по состоянию [2]; 3) включением системы управления ГТУ (в качестве подсистемы) в интегральную газотурбинную электростанцию (ГТЭС) [3]. Данные факторы приводят к повышенной сложности и большому количеству решаемых задач, еще большему увеличению количества регулируемых параметров и регулирующих факторов в системе управления на переходных режимах, ужесточению требований к различным свойствам системы, качеству функционирования отдельных подсистем [4, 5] и их взаимодействию. Другими словами, для современных и перспективных авиационных ГТУ характерны: высокая интенсификация процессов управления, широкий диапазон изменения внешних условий полета и режимов работы, наличие нескольких взаимосвязанных друг с другом управляемых рабочих параметров, действие сильных возмущений на входе двигателя. Следствием этого являются отсутствие точных математических моделей либо их чрезмерная сложность, высокая размерность пространства состояний и принимаемых решений по управлению, иерархичность, многообразие критериев качества, высокий уровень шумов и т.д. Таким образом, ГТУ как объект управления относится к классу многосвязных нестационарных и нелинейных объектов, функционирование которого происходит в условиях параметрической и структурной неопределенности. В качестве источников возникновения неопределенностей здесь выступают дефицит информационных, временных энергетических, материальных и других видов ресурсов либо непредсказуемость поведения внешней среды, либо непредвиденные изменения в структуре и поведении самой системы. Эффективное управление таким сложным динамическим объектом (СДО) требует полной автоматизации процедур выбора оптимальных значений регулируемых координат (программ управления) в зависимости от текущей цели управления, состояния элементов конструкции силовой установки. Соответствующее изменение характера организации процесса управления возможно лишь при построении САУ [6] авиационными ГТУ в классе многоуровневых адаптивных систем. Поэтому повышение эффективности процесса управления и дальнейшего развития САУ ГТУ, способных компенсировать последствия влияния неопределенных факторов, является весьма актуальной проблемой. Рассмотрим в связи с этим перспективные методы управления ГТУ как многосвязным объектом управления. В качестве модели САУ используется программный код штатной САУ [7,8] электроэнергетической ГТУ. Применение адаптивной САУ с эталонной моделью (ЭМ). Среди адаптивных САУ сложными динамическими объектами широкое распространение получили системы, построенные в классе беспоисковых самонастраивающихся систем (БСНС) с эталонной моделью, настраиваемый регулятор параметрического управления которых реализован на основе концепции настраиваемой модели (НМ). Структура контура нижнего уровня управления в данных БСНС, синтезируемая из условия инвариантности движения регулируемых координат от параметрических возмущений, обладает принципиальной возможностью строгой компенсации влияния нестационарности объекта управления на динамику замкнутой системы. Принципы построения и методы синтеза БСНС с эталонной моделью и НМ наиболее близки к решению задачи синтеза адаптивных алгоритмов управления ГТУ, поскольку в БСНС данного типа существует принципиальная возможность раздельного рассмотрения регуляторов координатного управления (РКУ) в основном контуре системы и регулятора параметрического [9] или сигнального управления [10] (РПУ и РСУ) в контуре адаптации (рис. 1, 2). Это в значительной степени облегчает как расчет и проектирование, так и доводку системы, а также обеспечивает большую гибкость при разработке и доводке системы, позволяя, например, изменять принципы построения, структуру или параметры РКУ, не затрагивая при этом той части системы, которая придает ей свойство адаптации. Однако широко распространенные на практике интегральные законы изменения настраиваемых коэффициентов НМ, обеспечивая при выполнении определённых условий асимптотическую устойчивость системы в целом, равномерную по начальному моменту времени и начальным рассогласованиям в системе относительно движения эталонной моделью, зачастую приводят к медленно затухающим и сильно колебательным процессам отработки параметрических возмущений РПУ. В связи с этим весьма актуальным является расширение класса возможных алгоритмов адаптации, что позволило бы повысить динамическую точность отработки широкого класса параметрических возмущений и тем самым расширить границы применимости на практике адаптивных МСАУ ГТУ с замкнутыми алгоритмами адаптации. g(зад) Эталонная модель Нелинейная ГТУ Регулятор Sigm e x1, x2, x3, x4 x1’, x2’, x3’, x4’ (-) nст Рис. 1. Модуль сигнального адаптивного управления: x1 - частота вращения свободной турбины, x2 - частота вращения турбокомпрессора, x3 - выход интегратора регулятора дозатора газа, x4 - выход интегратора регулятора свободной турбины, g(зад) - входная уставка, nст - выходная величина g(зад) Настраиваемая модель Нелинейная ГТУ Регулятор e x1, x2, x3, x4 x1’, x2’, x3’, x4’ (-) nст Алгоритм адаптации Рис. 2. Модуль параметрического адаптивного управления: x1 - частота вращения свободной турбины, x2 - частота вращения турбокомпрессора, x3 - выход интегратора регулятора дозатора газа, x4 - выход интегратора регулятора свободной турбины, g(зад) - входная уставка, nст - выходная велечина При проектировании основного контура адаптивных САУ ГТУ в классе многосвязных систем автоматического управления (МСАУ) возникают серьезные проблемы, связанные с тем, что эти системы относятся к классу многофункциональных систем, поскольку при изменении компоновки МСАУ или изменении динамических свойств сепаратных подсистем меняется и описывающая ее система дифференциальных уравнений. Основная трудность при этом заключается в обеспечении на всех режимах устойчивости и желаемого качества функционирования как МСАУ в целом, так и её сепаратных подсистем. Потому с целью придания адаптивной МСАУ ГТУ свойств самоорганизации требуется разработка обоснованных рекомендаций по выбору структуры многосвязного РКУ. Применение алгоритмов нечеткой логики. В настоящее время для существенного улучшения параметров систем автоматического управления всё шире используются регуляторы, построенные с применением алгоритмов нечёткой логики [11]. Под нечетким управлением понимается стратегия управления, основанная на эмпирически приобретенных знаниях относительно функционирования объекта (процесса), представленных в лингвистической форме в виде некоторой совокупности правил [12]. Реализация алгоритмов нечеткого управления при этом принципиально отличается от классических («жестких») алгоритмов, построенных на основе концепции обратной связи и, по существу, просто воспроизводящих некоторую заданную функциональную зависимость или дифференциальное уравнение. Нечеткий регулятор (рис. 3) берет на себя те функции, которые обычно выполняются опытным и умелым обслуживающим персоналом. Эти функции связаны с качественной оценкой поведения системы, анализом текущей меняющейся ситуации и выбором наиболее подходящего для данной ситуации способа управления объектом. Данная концепция управления получила название опережающего (или упреждающего) управления. (-) Регулятор дозатора Нечеткий регулятор ГТУ de/dt Рис. 3. Модуль управления c нечеткой логикой На основе приведенного анализа принципа построения нечетких систем управления показано [13, 14], что применение нечеткой логики обеспечивает новый подход к проектированию систем управления и в отличие от традиционных способов управления гарантирует возможность решения широкого круга проблем в условиях неопределенности, в которых данные, цели и ограничения являются слишком сложными или плохо определенными и в силу этого не поддаются точному математическому описанию. Отмечается, что дальнейшее применение нечетких систем регулирования в силу того, что они по своим свойствам относятся к нелинейным системам, сдерживается отсутствием четких критериев оценки качества и, как следствие, формализованных методов анализа и синтеза данного класса систем. Поэтому дальнейшая разработка методов анализа и синтеза нечетких систем управления является актуальной задачей. Нечеткий регулятор как единый нелинейный элемент при использовании численных методов интегрирования может быть гармонически линеаризован. Это позволяет проводить исследования периодических движений в нечетких системах управления. Применение нейронной сети. В настоящее время нейронные сети находят огромное применение во многих задачах, авторы статей [15, 16] продемонстрировали, что они отлично проявляют себя в распознавании изображений, нашли широкое применение в финансовой сфере. Всё больший интерес к искусственным нейронным сетям проявляют различные отрасли промышленности, благодаря их способности аппроксимировать любой вид нелинейности они нашли применение в задачах идентификации газотурбинной установки (ГТУ) [17]. Именно поэтому было решено использовать нейронные сети в создании модели газотурбинной электростанции (ГТЭС). Но для того чтобы нейросетевая модель адекватно работала, её необходимо обучить. Обучение нейронной сети - это очень трудоемкая и объемная задача, она включает в себя получение и подготовку экспериментальных данных, выбор количества нейронов, выбор функции активации, архитектуры и метода обучения нейронной сети. В ходе обучения нейронной сети [18] получаем нейросетевую модель объекта (рис. 4). Именно эта нейросетевая модель будет использована для настройки параметров регулятора. Выбор данных и обработка исходных данных являются довольно сложными этапами. В связи с отсутствием доступа к реальной установке данные получались с помощью сложной поэлементной математической модели ГТУ и электроэнергетической системы (ЭЭС), разработанной на авиадвигателестроительном предприятии в виде программно-моделирующего комплекса КМЭС (ПМК КМЭС) [19], данная программа имеет обширную область изменяемых параметров ГТЭС, настройка которых производилась с учетом поставленной задачи. 1 1 8 5 Входной слой Выходной слой Скрытые слои GТ UF ZN nТК nСТ U I NG W011 W08n W211 W2m5 W111 W1n1 W1nm W11m 1 n 1 m Рис. 4. Архитектура нейронной сети: nТК - скорость вращения турбокомпрессора; nст - скорость вращения свободной турбины; U - напряжение синхронного генератора (СГ); I - ток СГ; NG - мощность СГ; GT - расход топлива, UF - напряжение обмотки возбуждения; ZN - статическая нагрузка СГ; wabc - весовой коэффициент связи (а - индекс таблицы весов, b - номер нейрона в слое, откуда идет связь, с - номер нейрона в слое, куда приходит связь); количество нейронов в обоих скрытых слоях равно 30 (n=m = 30) Выводы. Быстрое развитие системных понятий, современных принципов теории управления и информационных технологий на базе последних достижений вычислительной техники существенно расширило границы применимости и возможности реализации на практике быстро функционирующих управляемых сложных систем (УСС), в частности, адаптивных систем реального времени с замкнутыми алгоритмами адаптации. Более того, это привело к появлению принципиально новых классов систем управления, таких как интеллектуальные системы. Однако анализ отечественных и зарубежных работ таких учёных, как Е.И. Воробьёв, Н.М. Амосов, К.В. Фролов, С.В. Елисеев, В.М. Лохин, В.Н. Захаров, Д.А. Поспелов, Ф.М. Кулаков, Э. Мамдани, Л. Заде, К. Фу, Ж. Лорьер, показывает, что, несмотря на то, что в данной области ведутся активные исследования, до сих пор не решён целый ряд проблем, в первую очередь связанных с возможностью работы данного класса САУ в существенно изменяющейся внешней среде в режиме реального времени. Другими словами, идея интеллектуального управления применительно СДО с высокой степенью ответственности пока еще не нашла широкого распространения в силу сравнительной сложности ее реализации. Также нечеткие системы регулирования и системы управления с использованием нейронных сетей относятся к нелинейным системам по своим свойствам, что существенно затрудняет их целостность. Так, до конца не решены вопросы анализа устойчивости и качества, так как в силу сложности аналитического описания практически отсутствуют методы исследования таких систем. Основным инструментом в настоящее время является моделирование [20], что подразумевает проведение большого объема экспериментальных исследований. Ускорение темпов внедрения интеллектуальных систем в реальные системы требует оценки накопленного опыта проектирования САУ ГТУ с целью дальнейшего совершенствования и анализа перспектив их развития, а также разработки концепции построения и новых методов проектирования адаптивных МСАУ ГТУ.

About the authors

I. R Ziyatdinov

Perm National Research Polytechnic University

B. V Kavalerov

Perm National Research Polytechnic University

References

Statistics

Views

Abstract - 17

PDF (Russian) - 16

Refbacks

• There are currently no refbacks.