Автор работы: Пользователь скрыл имя, 23 Октября 2014 в 17:44, контрольная работа
Технологический процесс ткачества характеризуется как наиболее многомашинный участок текстильных предприятий, и для него в полной мере характерны особенности массового производства. Вид перерабатываемых волокон (хлопковое, шерстяное, шелковое, льняное) почти не влияет на набор технологического оборудования и на объем автоматизации технологического процесса.
Введение……………………………………………………………………………...5
1.Технологический раздел…………………………………………………………..6
1.1 Описание технологического процесса реализуемого на конкретном виде технологического оборудования……………………………………………............6
1.2. Обоснование необходимости автоматизированного контроля и управления конкретными параметрами технологического процесса………………………….7
1.3. Требования к автоматизированным системам контроля и управления……..7
2. Раздел автоматизации…………………………………………………………….8
2.1 Обоснование по выбору навой структуры модернизируемой системы автоматизации……………………………………………………………………….8
2.2 Идентификация объекта автоматизации……………………………………. 9
2.3 Оптимизация параметров настройки регулятора…………...………………..14
2.4 Анализ устойчивости и качества системы управления……………………….16
Заключение……………………………………………………………………………..19
Литература……………………………………………………………………………...
x3 0.02976 0.2235 -0.19814 -0.0053084
x4 -0.037622 -0.03651 0.036381 -0.014079
B =
ПОДАЧА ВОЛОК
x1 -0.0028147
x2 -0.0049375
x3 0.036773
x4 -0.014661
C =
x1 x2 x3 x4
ОБЬЁМНАЯ ПЛО -3.2895 1.3135 0.14264 0.039437
D =
ПОДАЧА ВОЛОК
ОБЬЁМНАЯ ПЛО 0
K =
ОБЬЁМНАЯ ПЛО
x1 -0.041096
x2 0.044612
x3 0.28556
x4 -0.81306
x(0) =
x1 0
x2 0
x3 0
x4 0
Получаем числитель и знаменатель непрерывной передаточной функции:
>> [num,den]=th2tf(sn4s)
num =
0 0.0074 -0.0026 0.0004 0.0000
den =
1.0000 0.2421 0.0219 0.0007 0.0000
Преобразуем дискретную модель в непрерывную и представим ее в виде передаточной функции:
>> sysn4s=tf(n,d)
Transfer function:
0.007441 s^3 - 0.002616 s^2 + 0.0003837 s + 7.468e-006
------------------------------
s^4 + 0.2421 s^3 + 0.02195 s^2 + 0.0007142 s + 7.842e-006
АНАЛИЗ ОБЪЕКТА:
Для построения переходной характеристики воспользуемся командой:
>> step(sysn4s)
Рисунок 2.1.8 Качество регулирования объекта.
Определим значение запаса устойчивости для непрерывной модели:
>> [Gm,Pm,Wcg,Wcp]=margin(sysn4s)
Gm = 3.6687
Pm = Inf
Wcg =0.0887
Wcp = NaN
Для определения запасов устойчивости в логарифмическом масштабе.
>> Gmiog=20*log10(Gm)
Gmiog =11.2903
Для определения и управляемости и наблюдаемости объекта вводим:
>> [A,B,C,D]=ssdata(sysn4s)
A =
-0.2421 -0.0878 -0.0229 -0.0080
0.2500 0 0 0
0 0.1250 0 0
0 0 0.0313 0
B =
0.2500
0
0
0
C =
0.0298 -0.0418 0.0491 0.0306
D =
0
Вычислим матрицу управляемости:
>> Mu=ctrb(A,B)
Mu =
0.2500 -0.0605 0.0092 -0.0011
0 0.0625 -0.0151 0.0023
0 0 0.0078 -0.0019
0 0 0 0.0002
Определим ранг матрицы управляемости:
>> n = rank (Mu)
n = 4
Таким образом, для исследуемой модели объекта размерность вектора состояний, определяемая размером матриц А и В равна четырём и ранг матрицы управляемости Мu также равен четырём, что позволяет сделать вывод о том, что объект автоматизации является вполне управляемым, т.е. для него имеется такое управляющее воздействие u(t), которое способно перевести на интервале времени [to, tk] объект из любого начального состояния у (to) в произвольное заранее заданное конечное состояние y(tk).
При синтезе оптимальных систем с обратной связью сами управления получаются как функции от фазовых координат. В общем случае фазовые координаты являются абстрактными величинами и не могут быть исследованы. Поддается измерению (наблюдению) вектор у = (у1, ...,yk)T , который обычно называют выходным вектором или выходной переменной, а его координаты - выходными величинами. Выходная переменная функционально связана с фазовыми координатами, и для реализации управления с обратной связью необходимо определить фазовые координаты по измеренным значениям выходной переменной. В связи с этим возникает проблема наблюдаемости, заключающаяся в установлении возможности состояния определения состояния объекта (фазового вектора) по измеренным значениям выходной переменной на некотором интервале.
Решение проблемы наблюдаемости основано на анализе уравнений переменных состояния и формулируется следующим образом: объект называется вполне наблюдаемым, если по реакции y(tk) на выходе объекта, на интервале времени [t0, tk] при заданном управляющем воздействии u(t) можно определить начальное состояние вектора переменных состояния x(t), являющихся фазовыми координатами объекта.
Критерием наблюдаемости линейных стационарных объектов является условие: для того, чтобы объект был вполне наблюдаемым, необходимо и достаточно, чтобы ранг матрицы наблюдаемости
My = (СТАТСТ (АТ)2СТ ... (AT)n-1C)
равнялся размерности вектора состояния
п = rang MY.
Определим матрицу наблюдаемости:
>> My=obsv(A,C)
My =
0.0298 -0.0418 0.0491 0.0306
-0.0177 0.0035 0.0003 -0.0002
0.0052 0.0016 0.0004 0.0001
-0.0009 -0.0004 -0.0001 -0.0000
Определим ранг матрицы наблюдаемости:
>> n=rank(My)
n =4
Таким образом, для исследуемой модели объекта размерность вектора состояний, определяемая размером матриц А и С равна четырем и ранг матрицы наблюдаемости MY также равен четырём, что позволяет сделать вывод о том, что объект автоматизации является вполне наблюдаемым, т.е. для него всегда можно определить по, значениям выходной величины y(t) вектор переменных состояния, необходимый для синтеза системы управления.
Для того, чтобы правильно выбрать необходимый тип вносимого в систему регулятора, исследуем переходный процесс объекта управления на основании передаточной функции W(p) ТОУ полученной в предыдущем разделе. Построим функциональную схему в SIMULINK и с помощью LTI получим переходную характеристику объекта управления:
Рисунок 2.2.1 Схема моделирования САР в SIMULINK
Рисунок 2.2.2 Переходная характеристика ТОУ
По виду переходной характеристики можно сказать, что имеющиеся показатели точности и качества нас не удовлетворяют:
Для обеспечения заданных показателей качества и точности переходного процесса, а также выполнения требований по запасам устойчивости необходимо введение в систему линейного регулятора.
Очевидно, что статическую ошибку данной системы не получится устранить введением только регулятора, в связи с очень большим коэффициентом передачи датчика обратной связи. Необходимо, ввести последовательно с датчиком обратной связи звено, которое обеспечивало бы, коэффициент передачи по цепи обратной связи равный 1, т.е. установить нормирующий преобразователь с передаточной функцией:
Необходимым условием надежной устойчивой работы АСР является правильный выбор типа регулятора и его настроек, гарантирующий требуемое качество регулирования.
В зависимости от свойств объектов управления, определяемых его передаточной функцией и параметрами, и предполагаемого вида переходного процесса выбирается тип и настройка линейных регуляторов.
Основные области применения линейных регуляторов определяются с учетом следующих рекомендаций:
И – регулятор со статическим ОР – при медленных изменениях возмущений и малом времени запаздывания (τ/Т<0.1);
П – регулятор со статическим и астатическим ОР – при любой инерционности и времени запаздывания, определяемом соотношением τ/Т<0.1;
ПИ – регулятор – при любой инерционности и времени запаздывания ОР, определяемом соотношением τ/Т<1;
ПИД – регуляторы при условии τ/Т<1 и малой колебательности исходных процессов.
Исходя из выше изложенных рекомендаций и учитывая применительно к нашей системе, становится очевидно, что рекомендуется применение ПИ-регулятора.
Исходя из выше изложенных рекомендаций и учитывая применительно к нашей системе τ/Т=0.53 становится очевидно, что применение П- или И- регулятора с данным объектом не рекомендуется. ПИ и ПИД регуляторы могут быть вполне применены.
2.3 Оптимизация параметров настройки ПИ- регулятора
Для оптимизации параметров регулятора уровня воспользуемся пакетом прикладных программ для построения систем управления nonlinear control design blockset, который реализует метод динамической оптимизации. Этот инструмент, строго говоря, представляющий собой набор блоков, автоматически настраивает параметры моделируемых систем, основываясь на определённых пользователем ограничениях на их временные характеристики.
Начальной стадией является создание модели исследуемой системы из стандартных блоков. Затем вход блока NCD OUTPORT соединяется с теми сигналами системы, на которые накладываются ограничения. Этими сигналами могут быть, например выходы системы, их среднеквадратические отклонения и т.д. Затем в режиме командной строки МАТLАВ задаются начальные значения параметров, подлежащих оптимизации.
>> Kp=1
Kp =1
>> Kg=1
Kg =1
>> Ki=1
Ki=1
Рисунок 2.3.1 Модель оптимизации.
В NCD в параметрах указываем оптимизируемые параметры Kp,Kg. после чего запускаем оптимизацию.
Рисунок 2.3.2. Результат оптимизации.
Рисунок 2.3.3. Переходная характеристика после оптимизации.
Рисунок 2.3.4. ЛАХ и ЛФК после оптимизации.
Рисунок 2.3.5. АФЧХ после оптимизации.
Заключение:
В данной курсовой работе проведена идентификация чесальной машины как объекта автоматического регулирования объемной плотности. Проведена проверка на наблюдаемость и управляемость объекта управления. На основе анализа переходных характеристик объекта управления был выбран наиболее подходящий для данного переходного процесса ПИД - регулятор. Проведена оптимизация настроечных параметров этого регулятора с помощью МАТLАВ. Получены коэффициенты Кп=7470; Ки=1,6725; Кд=1808;
Учитывая полученные значения параметров системы можно утверждать, что выполнены все поставленные в задании на курсовую работу требования.