Диссертация (1152206), страница 16
Текст из файла (страница 16)
Затем по определенномуправилу вычисляется ошибка, и происходит изменение весовых коэффициентов(1)(2)связей внутри сети , Векторыобучающегов зависимости от выбранного алгоритма.множествапредъявляютсяпоследовательно,вычисляются ошибки и веса подстраиваются для каждого вектора до тех пор,пока ошибка по всему обучающему массиву не достигнет приемлемо низкогоуровня [112, 82, 186, 187, 188].НавходНСподаваласьодинаковаяобучающаявыборка.Дляреализуемой сети выходного сигнала i-го нейрона скрытого слоя и функцииактивации нейронов ф в общем виде будет иметь вид [138]:(1) = (ф ∑ )=1(1)(1)(1)(1)(1)(1) = (ф + 1 + 1 2 + 3 3 + ℎ 4 + ω2 5 + 6 )(3.18)Выходные слои, где контролируется значение величины уровня, ℎ ипорции МК 3 будет справедливо следующее:(1) = (ф + ∑ )(3.19)=1Тогда из (3.19) значения величины ℎ и 3 будут:ℎ = (ф +(1)(2)∑ ∑ ) , 3=1=1= (ф +(1)(2)∑ ∑ )=1=1(3.20)Формулы (3.20.), показывают, что на выходных значениях сигналоввлияют веса обоих слоев, тогда как сигналы, вырабатываемые в скрытом слое,не зависят от весов выходного слоя.
Если выбирать, сигмоидальную111униполярную форму в качестве функции активации нейронов ф , тогдаполучаем для выходных значениях .1 =1(2)− ∑=1 (1 + (1)− ∑ 1+ =1 (3.21))Чтобы контролировать образование застойных зон в бункере дозатора СДи повысить однородность содержимого молотого кофе в упаковках за счетуправления режимом движения приводов УПК и УДК принимается методоснованного на работе НСМ с ПИД контроллером.Недостатками нейронных сетей являются невозможность предсказанияпогрешности регулирования для воздействий. Таким образом, так как процессуправлениядозированиемидентифицирован,нейросетевоготоМКрешитьрегулятора.нелинеен,задачуРезультатысложенуправленияинеможноэкспериментовможетсбытьпомощьюпоказалось,чтоприменение методологии управления приводов для процесса дозирования прииспользовании простых методов контроля и логического управления уровнеммолотого кофе невозможно [141].
Структура системы автоматическогорегулирования с ПИД регулятором и нейронной сетью в качестве блокаавтонастройки показана на рисунке 3.3. Нейронная сеть НС в данной структуреиграет роль функционального преобразователя, который для каждого наборасигналов вырабатывает коэффициенты ПИД регулятора Kp, Ki, Kd [56].112Рисунок 3.3. Структура нейронной сети, типа многослойныйперсептрон с одним скрытым слоем - ПИД контроллером()Процесс поиска неизвестных параметров нейронов являетсяитерационным, на каждой итерации находят все коэффициенты сети по методуобратного распространения ошибки, который является одним из наиболееэффективных методов обучения многослойных нейронных сетей.На основе полученных структур (см.
рисунки 3.2 и 3.3) построенаструктура нейронной сети, типа многослойный персептрон с одним скрытымслоем - ПИД контроллером для автоматизации процесса управления объемнымдозированиемпродуктовМКнарисункеперспективной для решения поставленных задач.3.4иявляетсянаиболее113Рисунок 3.4. Структура разработанной нейронной сети, типамногослойный персептрон с одним скрытым слоем - ПИДконтроллером управления процессом объемного дозирования МК.Входной вектор структуры НС состоит из элементов схемы (см.
рисунок3.1), данных автоматических измерений, характеризующих состояние ТПдозирования МК в определенный момент времени.На выходе НС процесса ДМК формирует выходной сигнал величиныуровня МК и расхода порции в мерных стаканах дозатора. Заданнымизначениями величины контроля в процессе ДМК являются скоростьустройства питателя кофе (УПК) 1 зад и производительность устройствадозирования кофе (УДК) зад , где рассматривается скорость стаканчиковогодозатора 2 зад , промежуточная координата (уровня) МК ℎзад в бункере и объемпорции 3 зад .114Значенияпараметровпоказывают( − 1)текущиезначенияуправляющих величин коэффициентов последнего значения времени, (n − 1)текущиезначениявходныхпараметровпоследнегозначениявременикомплексного фасовочно-упаковочного аппарата как объект управления, такиекак объем кофе, из УПК 1 и объем из выходного отверстия бункера 2 .Текущее рассогласование выходного сигнала процесса ДМК определяется поформуле.
= ( − ()),(3.22)Скрытый слой состоит из текущего рассогласования последнего значениявремени ПИД контроллера ( − 1), мгновенной ошибки регулирования ирассогласования выходного сигнала процесса ДМК . Это значит, что этот слойдействует как стационарный предварительный компенсатор возмущающихфакторов на процесс дозирования МК. Этот компенсатор является постояннаяматрица , где между контурами управления уменьшается мгновенная ошибкарегулирования ПИД контроллера и определяет ошибки в последних двухвременных шагов в формуле (3.23). = (3.23)Как возмущающие факторы (), рассматриваются скорость истеченияпродукта ис , физико-механических свойств как коэффициент истечения частицМК и плотность кофе .
Текущие значения входных параметров процессаДМК () и выходной сигнал ПИД контроллера обеспечивают высокоекачество регулирования и позволяет оптимизировать управление по отдельнымкритериям. Таким образом, для реализуемой сети выходного сигнала i-гонейрона скрытого слоя ПИД контроллера определяются по формуле (3.24) спомощью процедуры обратного распространения.()(−1) () = ( − 1) + () + +(−2) (− 2), ( − 1)(3.24)115где,()(−1) , (−2), Общие−постоянныепеременные,определяемые параметрами подстройка ПИД контроллера для разных контуровуправления скоростью приводов, уровня МК, порции объема МК.Тогда весовые коэффициенты связей внутри сети для контуровуправления скоростью приводов и объема МК определяются по формуле (3.25).() 10102020111121211212=+2222131323231414(24 ) (24 )(3.25)Выходные сигналы из системы автоматизации процесса управлениядозированием МК будут.()(−1)ℎ = ℎ + ∑ () + ( − 1) (3.26)=1()(−1)3 = 3 + ∑ () + ( − 1) (3.27)=1Рассчитывается ошибка сети для выходного слоя по формуле: = ` ( ) ∑ =1(3.28)Таким образом, применение метода, основанного на работе НСМ с ПИДконтроллером, позволяет работать с наборами входных параметров любогоуровня декомпозиции и учитывать влияние каждого параметра возмущений наоценку качества величины уровня и объемной порции МК с помощью значенийвесовых коэффициентов [24].Полученные значения сравниваются с контрольными показателями путемстатистическойобработкиданных,врезультатечегорассчитывается116отклонение величины уровня МК от эталонного и выдается результат осоответствияэтогопоказателязаданномузначениюдлявыполнениядальнейших операций по производству продуктов МК.Для данной системы минимальная ошибка обучения составила 1.04%, чтоукладывается в предел допустимой погрешности, определенный 1.5%.
Пределдопустимойпогрешностибылвыбранисогласованстехнологами,отвечающими за качество продукции линии по производству продуктовмолотого кофе в Эквадоре.3. 5. Имитационная модель системы управления процессомдозирования молотого кофеВ результате анализа проведенных в (п. 3.4) была создана модель системыуправления процессом дозирования молотого кофе.Модель системы управления процессом дозирования молотого кофепредставляет многоблочную структуру [91, 75, 76]. Количество блоковсоответствует числу компонентов в процессе в среде моделирования «Matlabsimulink» на рисунке 3.5.
В случае применения для регулирования скоростейпитателя и дозатора частотных преобразователей возможно для управленияприводами использовать классические ПИД регуляторы. При оценке поведениядозатора при действии возмущений с использованием в качестве САЕ системысреды Matlab используется представление привода в виде последовательноговключения двух апериодических звеньев [79, 99, 104, 146].В схеме имеется контур управления привода питателя, контур управленияпривода дозатора СД и бункер цилиндроконической формы.Согласно результатам анализа в главе 2, где предлагается контролироватьуровень МК как промежуточная координата в бункере стаканчиковогодозатора, описывается математическое ожидание порции МК в мерныхстаканах объемного дозатора (формула 3.29).117Математическое ожидание объема порции продукта МК определяется поформуле.
= фм ( − ) − ( − )Гдефм ( − ) − состовляющая(3.29)метаматематическогоожидания,учитывающая изменение физико-механических свойств МК, ( − ) − сигналуправления промежуточной координаты и приводов подачи и дозатора СД, −запаздывание при воздействии управляющего сигнала промежуточнойкоординаты и скоростей приводов.Рисунок 3.5. Имитационная модель системы управлениядозированием молотого кофе разработанной в «Matlab - simulink».Объем МК 3 , засыпаемые в мерных стаканах СД на −цикледозирования, будут формироваться по законам распределения, с учетомизменения математического ожидания , среднее квадратическое отклонениеобъема МК и промежуточной координаты в бункере дозатора СД, а такжесредний объем и дисперсия частиц МК, которые задаются в началеэксперимента. Приравномерном законе распределенияпродуктаМК,118математическое ожидание полностью определяет этот закон при заданнойсредней значений порций объема и дисперсии частиц МК.Рассмотрение наличия внутренних возмущений, связанных с наличиемстволовых режимов течения молотого кофе в бункере дозатора СД и внешнихвозмущений работы приводов требует введения блоков внесения случайныхпомех.
В зависимости от закона распределения помехи в среде Matlab ониимеют обозначения «Random number», «Uniform Random Number» [120].Источник случайного сигнала с нормальным распределением «Randomnumber», назначен для формирования случайного сигнала с нормальнымраспределением уровня сигнала со следующими параметрами управлениясигнала [86]:Mean - Среднее значение сигналаVariance- Дисперсия (среднеквадратическое отклонение).Initial seed – Начальное значение.Источник «Uniform Random Number» используется для формированияслучайногосигналасравномернымраспределениемсоследующимипараметрами управления сигнала:Minimum – Минимальный уровень сигнала.Maximum – Максимальный уровень сигнала.Initial seed – Начальное значение.Вместотермина«системауправленияприводом»впроцессеинтерактивного взаимодействия со средой моделирования проектировщикначинает использовать термин «PID Controller», вместо термина «привод»используется представление произведения множителей «Transfer Fun»наязыке передаточных функций.
Выбор языков определяются опытом ипредпочтениями пользователя CAD систем.На рисунке 3.6 показана подсистема процесса истечения МК. В этойсхеме определяется уровень молотого кофе при процессе дозировании.Подсистема – процесса истечения МК в бункере: 1. Блок фиксированнойзадержки сигнала Transport Delay чтобы обеспечить задержку входного сигнала119на заданное время 1 (). 2.
Интегратор для интегрирования входного сигналавеличины промежуточной координаты (h – уровень кофе). 3. Усилители Gainвыполняет умножение входного сигнала на постоянный коэффициент площадибункера СД. 4. Блок сумматор 5. Вычисление массы (объем) расхода 1 и 2 .Рисунок 3.6. Структурная схема субсистемы модели процессауправления дозированием молотого кофе3. 6. Постановка задачи моделирования и допущения,используемые при разработке моделей управления процессомДМКПроцесс дозирования продуктов молотого кофе начинается с набораскорости продукта. При установлении скорости МК, идёт равномерный наборпорций продукта.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
