مقاله تنظیم سرعت در توربین های گازی با طراحی کنترل کننده عصبی فازی

بخشی از مقاله

چکیده

توربینهای گازی به عنوان یک موتور احتراق داخلی در نظر گرفته میشوند که از انرژی گازی هوا برای تبدیل انرژی شیمیایی سوخت به انرژی مکانیکی استفاده میکنند. تمامیپارامترهای دمای ورودی-خروجی، سرعت شفت، نرخ تغییر سرعت شفت، شرایط احتراق و خنک سازی و ... می بایست در محدوده مجاز خود قرار داشته باشند. برای جلوگیری از صدمه دیدن توربین در هنگام بروز اغتشاش لازم است تا تدابیر کنترلی ویژه ای در نظر گرفته شود.

در این مقاله با استفاده از مدل پیشنهادی روئن، به کنترل سرعت توربین روشهای کنترلی مختلف نظیر کنترل کلاسیک PID مبتنیبر الگوریتم PSO، کنترل فازی، کنترل عصبی و کنترل هیبرید فازی-عصبی بهطور جداگانه طراحی و بهکارگرفته شدند. با مقایسه پاسخ سیستم با بهکارگیری کنترل کننده هیبرید پیشنهادی نتیجه شد که استراتژی کنترلی هیبرید و فازی به میزان موثری نسبت به سایرین عملکرد بهتری دارند.

.1 مقدمه

توربین های گازی یکی از مهمترین بخش های صنایع میباشند. آنها نقش کلیدی در صنایع هوایی، تولید توان الکتریکی و درایوهای مکانیکی برای پمپ ها و کمپرسورها بازی میکنند. مدلسازی و شبیه سازی توربینهای گازی همواره ابزار مناسبی برای بهینه سازی عملکرد این تجهیزات بوده است. تاکنون تحقیقات قابل توجهی در این زمینه انجام شده است و انواع مختلف مدل های تجربی و تحلیلی جهت درک عمیق رفتار پیچیده و غیرخطی این سیستم ها ارائه گردیده است. با این حال نیاز به توسعه و همچنین مدل های قابل اطمینان توربین های گازی برای اهداف و کاربردهای مختلف انگیزه زیادی برای محققین جهت ادامه تحقیقات در زمینه توربین های گازی بوجود آورده است.

مدلهای ریاضیاتی متفاوتی برای توربینهای گازی ارائه شده اند. این مدلها شامل مدلهای ساده و کاربردی نظیر مدل روئن [1] برای نیروگاهها سیکل ترکیبی [2]، مدلهای مورد استفاده در سیستمهای هوافضا [3]، مدل محاسباتی کمپرول [4] و مدل ترمودینامیکی اباید [5] میباشند. در میان مدلهای فوق، مدلهای ارائه شده توسط روئن ساده و عملی هستند و در بسیاری از مقالات تحقیقاتی مورد توجه قرار گرفته اند. سایر مدلها اگرچه بسیار دقیق میباشند ولی بعلت طبیعت غیرخطی و کنترل پیچیده آنها معمولا کمتر مورد توجه متخصصین قرارگرفته اند.

مدلسازی توربین های گازی و سیستم های کنترلی مرتبط با آنها، استراتژی مناسبی برای صرفه جویی های اقتصادی و ملاحظات تکنیکی مناسب در جهت بهینه سازی تجهیزات قبل از طراحی پروسه و ساخت آنها می باشد. مدل های توربین گازی و شبیه سازها را می توان برای پیش بینی آفلاین عملکرد توربین ها و شناسایی نواقص و ارزیابی میزان آلودگی گسیل شده ناشی از فعالیت این ادوات بکارگرفت

مدلسازی ریاضیاتی بعنوان روش معمول برای مدلسازی سیستم در نظر گرفته می شود. در این شیوه مدلسازی از روابط ریاضیاتی برای توصیف و پیش بینی رفتار سیستم استفاده می شود.

در سال 1983 روئن مدلی از توربین گازی را ارائه کرد که می توان از آن برای مطالعات دینامیکی سیستم قدرت استفاده نمود. مدل روئن از مجموعه معادلات جبری تشکیل شده است که مشخصه ترمودینامیکی حالت ماندگار ، تاخیرات زمانی ساده، برخی از کنترل های معمول مانند کنترل دما، گاورنر و کنترل شتاب را در بردارد. البته این مدل مجددا توسط روئن در سال 1992 بازتعریف گردید و دریچه های راهنمای داخلی نیز به مدل افزوده شد 

در مدل دوم روئن اصلاحاتی انجام شد. در این مدل توربین گازی به دریچه های راهنمای توربین مجهز گردید. در این مدل سه تابع اصلی برای محاسبه دمای اگزوز، گشتاور خروجی توربین گازی و جریان گازهای اگزوز به سیستم اضافه شده است .[9] برای مطالعات دینامیکی سیستم قدرت در مرجع [10] مدل نمایش داده شده در شکل 1 ارائه گردیده است.

شکل :1 مدل ارائه شده برای توربین های گازی جهت مطالعات دینامیکی سیستم قدرت

.2معرفی روش های هوشمند

ادوات توربین های گازی دارای مشخصه کاملاٌ غیرخطی هستند، لذا لازم است تا در بحث کنترل آنها از روشهایی استفاده شود که دستیابی به اهداف کنترلی تعریف شده را در زمان مناسب مهیا سازند.

معمولا سیستمهای کنترل هوشمند به سیستمهایی اطلاق می شود که در آنها کنترل کلاسیک با هوش مصنوعی ترکیب شده اند. با توجه به این که ادوات مورد استفاده در یک توربین گازی دارای مشخصه کاملا غیرخطی هستند، لذا لازم است تا در بحث کنترل آنها از روش هایی استفاده شود که دستیابی به اهداف کنترلی تعریف شده را در زمان مناسب مهیا سازند. لذا در این فصل برخی از الگوریتمهای هوشمند نظیر فازیB عصبی و حرکت جمعی ذرات معرفی گردیده است

.1-2 کنترل کننده فازی-عصبی

در سالهای اخیر بکارگیری شبکههای عصبی و همچنین منطق فازی برای اهداف پیاده سازی سیستمهای کنترلی بشدت افزایش یافته است. علت این وجود محدودیتها و همچنین پیچیدگیهای قابل توجه در امر کنترل سیستمهای دینامیکی است. ترکیب شبکههای عصبی و منطق فازی میتوانند همزمان مزایای زیادی را در سیستمهای کنترل به همراه داشته باشند. دانش خبره انسانی میتواند برای ایجاد ساختار اولیه کنترل کنندهها مورد استفاده قرارگیرد. سیستم استنتاج فازی-عصبی در شکل 2 نمایش داده شده است. سیستم عصبی-فازی نمایش داده شده دربردارنده 5 لایه میباشد 

1.    هر گره در لایه اول دربردارنده توابع عضویت فازی هستند. تعداد این توابع وابسته به اهداف کنترلی میباشد و پارامترهای آنها را میتوان با استفاده از الگوریتم بازگشت خطا تغییر داد.

2.    لایه دوم در سیستم عصبی-فازی متناظر با محاسبات MIN در سیستم منطق فازی کلاسیک میباشد.

3.    هر گره از لایه سوم وزنها را برای توابع فازی لایههای قبل محاسبه میکند.

4.    فاز چهارم را میتوان لایه تصمیم گیری نام نهاد به طوریکه هر گره در این لایه دارای یک تابع فعالسازی عصبی میباشد.

5.    لایه آخر در سیستم عصبی-فازی جمع تمامیسیگنالهای قبلی میباشد.

شکل :2 طرح کلی سیستم استنتاج فازی-عصبی - هیبرید -

.2-2 الگوریتم حرکت جمعی ذرات

الگوریتم حرکت جمعی ذرات - PSO - 1 یک تکنیک بهینه سازی و از جمله الگوریتمهای تکاملی است که از طبیعت الهام گرفته شده است. این الگوریتم یک تکنیک بهینه سازی مبتنی بر قوانین احتمال است که توسط دکتر راسل ابرهارت و دکتر جیمز کندی ، روانشناسان مسائل اجتماعی، در سال 1995 ارائه شد و از رفتار اجتماعی پرندگان یا ماهیها در پیدا کردن غذا، الهام گرفته شده است.