بخشی از مقاله
چکیده:
رایجترین وکاربردیترین کنترلکننده مورد استفاده در صنعت، کنترلکننده PID است که علت آن را در سادگی ساختار و مقاوم بودن آنها میتوان خلاصه کرد. عبارت یاد شده ایجاب میکند تا به منظور یافتن ضرایب بهین کنترل کننده PID طرق مختلفی ایجاد و ابداع گردد. معالوصف یافتن ضرایب بهینه از شیوههای سنتی اغلب دشوار و زمانبر و بعضاً توأم با آزمون و خطا است و این مسئله شرایط را برای طراحان صعب و سخت مینماید. با گذشت زمان شیوههای نوین هوشمند جهت تنظیم ضرایب مطرح شد. در این راستا در مقاله حاضر، ایده تنظیم بهینه ضرایب کنترل کننده PID یک گاورنر قدرت توسط شبکههای عصبی مطرح شده است.
در این مقاله تنظیم ضرایب بهینه به شیوههای کلاسیک و شبکههای عصبی مطرح و در محیط نرمافزار MATLAB پیادهسازی و نهایتاً نتایج مربوط به هر دو با یکدیگر مقایسه گردیده است.
مقدمه :
کنترلکنندهها یکی از اجزای مهم و حساس در طراحی حلقههای کنترل فرآیند میباشند بدین علت که نهایتاً عملکرد حلقه کنترل از طریق کنترلکننده تنظیم و تعیین میشود.[7] وظیفه کنترلکننده صدور فرمان جهت اصلاح خطا با توجه به خطاهای موجود - اختلاف رفتار فرآیند با رفتار مطلوب - با مد نظر قرار دادن راه برد کنترلی که طراح به آن آموخته و اعمال فرمان صادره به محرک یا عنصر نهایی است.
یکی از رایجترین و پرکاربردترین کنترلکنندهها در صنایع مختلف کنترل کننده PID میباشد. این کنترل کننده عملیات تناسب، انتگرال و مشتق را بر روی سیگنال خطا انجام میدهد.
خصائصی نظیر انعطافپذیری، سادگی ومقاوم بودن امکان استفاده از کنترلکننده PID را در دایره وسیعی از کاربریهای صنعتی میسور میسازد. به طور کلی، مسائل کثیری در حوزه صنعت که ملازم حلقههای کنترلی ساده هستند، مشروط به عدم نیاز به ملزومات عملکردی قوی، توسط کنترلکنندههای PID قابل حل میباشند. یکی از جنبههای دخیل و حیاتی در ارتقاء عملکرد و کارکرد سیستم یا تقلیل زمانهای خیز و نشست، تقلیل انتگرال قدر مطلق خطا است که با استفاده تنظیم ضرایب کنترلکننده PID به طرق مختلف قابل انجام است.
هر واحد نیروگاهی برای کنترل سرعت و قدرت توربین به یک دستگاه گاورنر - Governor - برای تنظیم جریان آب ورودی به توربین، مجهز میگردد.
گاورنرها در سه نوع مکانیکی، الکترومکانیکی و الکترونیکی وجود دارند. در حال حاضر فقط از گاورنر الکترونیکی در نیروگاههای جدید استفاده می شود و گاورنرهای مکانیکی و الکترومکانیکی را فقط در نیروگاههای قدیمی میتوان پیدا کرد.
گاورنرهای جدید دارای دو قسمت الکترونیکی و هیدرولیکی میباشند. یک کنترلکننده الکترونیکی حلقه بسته - close loop - ، مجهز به PLC ، بهصورت کاملا” دوتایی - Full redundant - ، کنترل سیستم را بر عهده می گیرد.بر اساس سیگنال های ورودی و پردازش آنها در کنترلکننده PLC، سیگنال خروجی گاورنر الکترونیکی - 4- 20mA - به شیر راهنما - Pilot valve - اعمال شده و با عملکرد این شیر، فشار و دبی لازم روغن برای حرکت سرووموتور و دریچههای هادی توربین - - wicket gates از طریق شیر کنترل اصلی - - main valve گاورنر فراهم میگردد.
کنترلکننده فوق معمولا" به صورت دوتایی به عنوان گاورنر اصلی و گاورنر پشتیبان در تابلوی کنترل گاورنر قرار میگیرند. در صورت بروز اشکال در گاورنر اصلی - main - ، کنترل سیستم به صورت خودکار، به گاورنر پشتیبان - backup - منتقل میشود.
سیستم کنترل گاورنر دارای سه حالت عملکرد به شرح زیر است:
- حالت کنترل سرعت با کنترلکننده
- حالت کنترل مقدار بازشدگی دریچههای هادی
- حالت کنترل توان خروجی ژنراتور با کنترلکننده PID قسمت هیدرولیکی گاورنر شامل تجهیزات زیر میباشد:
- عملکنندههای الکتروهیدرولیکی برای تبدیل سیگنالهای الکتریکی به مقادیر مکانیکی متناظر
- تقویتکننده هیدرولیکی
- واحد تأمین فشار روغن
از این واحد به منظور تأمین فشار روغن برای عملکرد سروموتورهای توربین و نهایتا” باز و بسته شدن ویکت گیتهای توربین استفاده میشود.
سیستم روغن گاورنر شامل مخزن روغن، تانک فشار روغن/هوا، دو دستگاه پمپ روغن گاورنر، شیرهای سولونوئیدی، شیر هیدرولیکی، سیستم خنککن روغن - شامل دو دستگاه پمپ، کولر و فیلتر دوتایی مربوطه - ، تجهیزات کنترل و اندازهگیری، لولهکشی و غیره میباشد. برق سیستم کنترل گاورنر از دو فیدر مجزا،از سیستم DC نیروگاه تأمین میشود.
Neuro-PID
جهت عملکرد کنترل کننده PID میتوان از روشهای کنترل تطبیقی و روش های کنترل خود تنظیم در فرآیند کنترل گاورنر استفاده نمود. یکی از ابزارهای یاری دهنده جهت پیاده سازی روشهای فوق الذکر استفاده از شبکه های عصبی است. در این حالت از شبکه عصبی جهت تطبیق ضرایب کنترل کننده به صورت آنلاین همزمان با عملیات فرآیند می توان استفاده کرد. کنترل کننده PID که ضرایب آن توسط شبکه عصبی تنظیم میشود اصطلاحاً Neuro PID میگویند. شبکه عصبی بکاررفته در کنترل کننده ی Neuro-PID بکار رفته در این مقاله یک شبکه عصبی سه لایه است که از روش پس انتشار خطا - Back propagation - جهت به روز رسانی اوزان استفاده میکند.
در آموزش به روش پس انتشار خطا ضرایب اوزان لایههای شبکه عصبی به گونه ای تنظیم می شود که داده های ورودی جهت آموزش به دادههای خروجی مطلوب نگاشته میشود.
در خلال عملیات شبکه عصبی، شبکه آموزش دیده در حالت پیشرو خروجی ها را تولید میکند گرچه اوزان شبکه که توسط قانون آموزشی معینی اصلاح می شوند، به صورت پس انتشار به داخل لایههای موجود در شبکه از آخرین لایه به اولین لایه اعمال و جایگزین اوزان قدیمی می شوند.[8] لازم به ذکر است که شبکه عصبی ارائه شده در این مقاله مربوط به شبکههای عصبی با ساختار استاتیک است.
-4 تنظیم PID با استفاده از روش زیگلر- نیکلز
یکی از حوزههای پر کاربرد کنترلکننده PID گاورنرهای قدرت است، از اینرو فرآیند تحت مطالعه در این مقاله نیز یک گاورنر قدرت با تابع تبدیل ارئه شده در رابطه - 1 - میباشد:
در بدو امر ضرایب کنترلکننده به شیوه زیگلر-نیکلز تنظیم و پس از آن با استفاده از فن جابهجایی قطب، بهینه و نهایتاً با استفاده از جدول ITAE تنظیم قطعی صورت پذیرفته است.
با استفاده از روش زیگلر- نیکلز و با عنایت به جدول - 1 - ضرایب کنترلکننده PID بدست آمده و معادل مقایر مندرج در جدول - 2 - میگردد.
جدول :1 تنظیم ضرایب به روش ITAE
جدول :2 مقادیر ضرایب تنظیم شده کنترلکننده PID
شکل : - 1 - پاسخ پله فرآیند حلقه بسته
در شکل - 1 - مقادیر فراجهش، زمان نشست و زمان خیز به ترتیب معادل %61.8، 10 ثانیه و 0.58 ثانیه میباشد.
به منظور بهبود هر چه بیشتر ضرایب و متعاقباً پاسخ فرآیند میتوان با استفاده از روش تغییر مکان قطبها، اقطاب را جابهجا کرد تا ضرایب بهینه حاصل گردد. پاسخ بهبود یافته در شکل - 2 - نشان داده شده است.
شکل:2 پاسخ فرآیند تحت کنترلکننده PID با ضرایب تنظیم شده به روش جابهجایی اقطاب
همان طور که در شکل - 2 - مشهود است مقادیر فراجهش، زمان نشست و زمان خیز به ترتیب معادل %18.5، 5.14 ثانیه و 0.512 ثانیه میباشد.
پس از آن با کمک جدول ITAE ضرایب کنترلکننده PID حاصل و نتیجه در شکل - 3 - ترسیم شده است.
شکل: 3 پاسخ ناشی از کنترل کننده PID تنظیم شده به روش ITAE همان طور که در شکل - 3 - مشهود است مقادیر فراجهش، زمان نشست و زمان خیز به ترتیب معادل %71.2، 27.1 ثانیه و 0.472 ثانیه میباشد. با استمداد از این روش مقدار زمان خیز کاهش و مقادیر فراجهش و زمان نشست افزایش یافته است. در ادامه پاسخ فرآیند با اعمال کنترلکننده Neuro-PID حاصل و در شکل - 4 - نشان داده شده است.
شکل - : - 4 پاسخ کنترلکننده Neuro-PID
در شکل - 1 - مقادیر فراجهش، زمان نشست و زمان خیز به ترتیب معادل %9.24، 1.81 ثانیه و 0.461 ثانیه میباشد. با توجه به نتیجه حاصله مشهود است که مقادیر زمان نشست و فراجهش و زمان خیز بهبود یافته است.
نتیجه گیری:
در این مقاله یک گاورنر قدرت توسط کنترلکنندههای PID و Neuro-PID در یک سیستم حلقه بسته با فیدبک واحد کنترل گردید. ضرایب کنترل کننده PID توسط روشهای مختلف تنظیم و نتایج توسط نرمافزار MATLAB شبیهسازی شد . ازمقایسه نتایج بدست آمدهکاملاً مشهود بود که Neuro-PID نسبت به PID کلاسیک با شاخصهای عملکردی بهتری موفق به کنترل فرآیند و کاهش زمان خیز، زمان نشست و فراجهش گردیده است.
