Documente Academic
Documente Profesional
Documente Cultură
TEZA DE DOCTORAT
Rezumat
Conductor de doctorat
Prof.univ.dr.ing. Sorin CALUIANU
Doctorand
Ing. Andreea-Mihaela Roman (cstorit Iftene)
BUCURETI
2014
CUPRINS:
INTRODUCERE
Capitolul 1 Introducere.3
Capitolul 2 Modelul fizic si matematic pentru sistemul de nclzire, ventilaie si aer-condiionat (HVAC)..........................3
Capitolul 3. Reele neuronale utilizate in tehnicile de control automat...................................................................................7
Cuvinte Cheie: HVAC, HVAC model matematic,control intelligent de HVAC, control fuzzy logic, retea perceptron ,
simulare numerica, reele neuronale de control, control PID, PID cu auto-reglare tip de control fuzzy adaptiv.
Capitolul 1 Introducere
n acest capitol mi-am propus s ofer o imagine ct mai complet asupra literaturii de specialitate cat si motivarea
pentru proiectarea i simularea unui control de tip neuro-fuzzy pentru sisteme de nclzire, Ventilaie i Aer Condiionat
(HVAC).
Am evidentiat faptul ca realizarea climatizarii de camere n cldiri poate fi o problem de control complexa dac sunt
cerute grade ridicate de confort i de economie a energiei.
Am analizat din punct de vedere al automatizrii, ca obiectivul de modelare a cldirii nu este de a calcula cu precizie
temperatura n fiecare punct dintr-o camer, dar s avem informaii care pot duce la proiectarea unui controler de succes este
foarte importanta. n cazul n care camera este bine proiectata arhitectural si sistemele de acionare bine plasate, pot fi obinute
att confortul ct i economia de energie.
Capitolul 2 Modelul fizic si matematic pentru sistemul de nclzire, ventilaie si aer-condiionat (HVAC)
Am evidentiat construirea modelului matematic HVAC cu scopul de a obine un cadru de validare a controlului
inteligent prin simulri numerice.
Am considerat pentru a ilustra tehnica de control HVAC un model fizic de spaiu cu o singura zona descrisa de B.
Argello-Serrano si M. Velez-Reyes.
Fig. 2.1. Vedere schematica - sistem HVAC cu operare pe modul de rcire, ca sistem de aer condiionat.
Am evidentiat operaiunile efectuate n sistem care au fost reflectate n modelarea matematic (seciunea 2.6). n acest
sistem, aerul proaspt intr i se amesteca cu 75% din aerul recirculat (poziia 5), in mixerul de debit (poziia 1), i aerul rmas
este evacuat. n scopul de confort si igiena sunt luate n considerare n acest sistem rata volumetrica a debitului de aer proaspt.
Apoi, aerul amestecat trece prin componentele schimbtorului de cldur i n cele din urm ctre ventilatorul de alimentare intr
in spaiul termic ca aer de alimentare (poziia 2), pentru a compensa cldura sensibil (cldura actual), i latena (umiditatea) la
acionare a sarcinilor termice asupra sistemului, n mod special, prin schimbarea de sarcin termic, operatorul de sistem variaz
simultan debitul volumetric de aer i de ap, astfel nct valorile de referin dorite de temperatur i umiditate relativ sunt
meninute. n cele din urm, aerul n spaiul termic este aspirat printr-un ventilator (poziia 4), 75% din acest aer este recirculat i
restul este evacuat din sistem.
Modelarea matematic se bazeaz pe principiul conservrii energiei. Pentru simplitate, neglijm pe moment efectele de
umiditate. Sa considerare relaia de baz:
(2.1)
=
privind cantitatea de cldur
intervalul de timp t . Fizic, variaia de temperatur implic un regim tranzitoriu i aa, avnd n vedere amestecul de aer asumat
n seciunea 3, dinamica temperaturilor n cele dou locaii cheie 2-3 sunt configurate astfel:
2
= 0.25 + 0.753 2 +
3
= 2 3 +
(2.2)
Apoi, adugam un model simplu dinamic de umiditate a aerului i o completare a sarcinilor termice. Astfel, ecuaiile
difereniale care descriu comportamentul dinamic al sistemului HVAC n Fig. 2.1 poate fi scris dup cum urmeaz:
3 =
1
3
2 3 +
3 2
3
3
3 =
2 =
(2.3)
3 +
3 2
3
0.25 + 0.753 2
0.250 + 0.753 2
6000
Entalpia vaporilor de apa generat, anume 2 3 ; atunci, avem un al doilea termen de sarcin termic hwvM, n care este implicat direct masa de umiditate i, n sfrit, un al treilea termen de sarcin termic definit de sarcin
termic sensibila (simplu, cldura sensibil este n legtur cu cantitatea de cldur necesar pentru a mri sau micora
temperatura unui obiect sau spaiu, fr a schimba starea de agregare; cldura latent este cantitatea necesar pentru a schimba
starea sa de agregare). Toi aceti termeni sunt bazai pe principiul suprapunerii efectelor. Acum, este uor pentru a vedea modul
n care celelalte dou ecuaii sunt obinute n mod similar. n ceea ce privete semnele termenilor de sarcin termic, plus sau
minus, aceste semne indic influena asupra variabilelor de stare T2(t), T3(t), W3(t). De exemplu, termenul negativ -hwvM
contribuie la scderea temperaturii T3(t) i aa mai departe.
Vom rescrie sistemul (2.3) prin introducerea variabilelor n form de stare obinut:
1 = 3 , 2 = 3 , 3 = 2
1 = 3 , 2 = 3
(2.4)
1 = , 2 =
1 = , 2 =
Acest lucru nseamn c efortul de a construi un controler se bazeaz pe msurarea celor dou iesiri care caracterizeaz
spaiul termic. Cu notaiile simplificate pentru parametri i constante:
1 =
1
hwv
1
1
1
hw
hw
, =
, =
, =
, =
, =
, =
V3 2 cp V3 3 cp V3 4 V3 1 Vhe 2 cp Vhe 3 cp Vhe
(2.5)
Se obine:
x1 =
60 x3 x1
1047.7 60 W2 x2
d1 1047.7 d2
u1
u1 +
58464
0.24 58464
0.074 0.24 58464
x2 =
x3 =
60
d2
W2 x2 u1 +
58464
0.074 58464
60
15
60 21.78
x x3 u1 +
T x1 u1
0.25 W0 + 0.75 x2 Ws u1
60.75 1
60.75 0
0.24 60.75
6000
u
0.24 0.074 60.75 2
(2.6)
d
r
H
n
Fig. 2.2 Configuraia de baz a unui sistem de stabilizare
Pentru motive de conformitate, menionez c sistemele cu reacie sunt caracterizate prin dou paradigme de baz: de
regulator, sau sistemul de rejectie a perturbatiei, precum i sistemul de urmrire. Sistemul HVAC este n esen un regulator:
obiectivul este de controler care s menin temperatura spaiului termic x1 i rata de umiditate x2 la un anumit moment punct de
setare = 1 2
,i.
S presupunem c variaiile apar n temperatura mediului ambiant T o, rata umiditii mediului nconjurtor Wo,
temperatura aerului de alimentare T2, rata de umiditate a aerului de alimentare W2 i sarcinile termice
Q , M, de la un anumit
punct de echilibru
( , , 2 , 2 , , ), care este n legtur cu o anumit stare de echilibru 1 , 2 , 3 . Asigura o lege de control a
reaciei (feedback) de ieire = care aduce starea(x1(t),x2(t)) la punctul de echilibru 1 , 2 . Mai specific, ieirea
reglementat (msurat, aici), = 1 2
Este cunoscut n literatura de specialitate i n practica de teren ca dificultatea de a rezolva problema este mai ales
amplificat n prezena schimbri de sarcin termic (tulburri d) i a zgomotului de msurare inerent (fig. 2.2). Pentru a
specifica, vom scrie sistemul (2.7) ca model n variante prin introducerea punctului de echilibru (x e,ue,de) .
x1 =x1 -xe1 ,x2 =x2 -xe2 ,x3 =x3 -xe3
(2.7)
u1 =u1 -ue1 ,u2 =u2 -ue2 ,d1 =d1 -de1 ,d2 =d2 -de2
Substituii (2.7) in (2.6) si consider definiia punctului de echilibru ca soluia a sistemului (2.6) care anuleaz partea
dreapta in primele trei ecuaii (2.6)
0 = 1 1 3 1 1 2 2 2 + 3 1 2
0 = 1 1 2 2 + 4 2
0=ue1 1 xe1 -xe3 +0.25ue1 1 Teo -xe1 -ue1 3 0.25Weo +0.75xe2 -We2 -ue2 2
Un sistem linear in variaii este obinut in forma de matrice:
(2.8)
(2.9)
x A0x xi Bi u B0 u E d , y = C x
i 1
Unde:
1u10
2u10
1u10
A0 0
1u10
0
0
0
0
0.751u1 0.753u1 1u1
B0
1 Ws x20
B1 =
-1
0
0.751
2
0
0 ,B2 = -1
0
-0.753
(2.9 ')
0
3 h fg 3
4
0 E 0
0
2
0
0
1
0 ,B3 = 0
-1
0
0
0 ,C= 1 0
0 1
0
0
0
Modelul matematic al sistemului, aa cum a fost obinut n (2.9) - (2.9 '), sa dovedit a fi unul, care nu este nici prea
simplu, nici prea complicat, astfel nct n cele din urm credibil. ntr-adevr, modelul este liniar, astfel poziionat ca
complexitate matematic ntre liniaritate i neliniaritate. n ceea ce privete validarea unei strategii de control inteligenta (bazata
pe logica fuzzy, reele neuronala), modelul este de asemenea reprezentativ. Cu toate acestea, trebuie adugat c o strategie
inteligent este n mare parte liber de modelul matematic, ca si validarea sa n proces, on-line, depinde de validarea preliminar
privind modelul doar ntr-o mic msur.
hw qw c pVhe
Termenul analitic
6000gpm c pVhe
n modelul original prezentat n (B. Argello-Serrano, M. Velez-Reyes), n care coeficientul 6000 este
fizic dimensional. Datele de (B. Argello-Serrano, M. Velez-Reyes) au fost convertite aici n uniti SI. nlocuind aceste date n
sistemul
x1e
(2.6)
21.2770 C,
Reyes)
x2e
alegerea hw
0.0092,
x3e
50777 J/kg ,
fost
obinut
stare
de
echilibru
u1
vectorul de ponderare a reelei neuronale, care este "antrenat" on-line prin metoda de nvare a gradientului de coborre pentru
a reduce costurile J.
e1
v1
u
NC
v2
e2
1 n
1 n
2
2
2
q1e1 i e2 i q2unc i :
J i
2n i 1
2n i 1
(7.1)
(7.2)
performana sistemului este evaluat de ctre funcia de cost, un criteriu care presupune un compromis ntre prima intrare
eroarea de urmrire, a doua componenta de intrare e2 - rata de schimbare a erorii de urmrire i controlul
unc .
e1 -
De fapt,
(7.3)
x1ref si x2ref sunt intrri de referina(comenzi); n cazul sistemelor de urmrire, acestea sunt semnale de timp variabile. n
(n 1) (n) (n)
(n) : diag(1 , 2 )
n
J (i) e (i) J (i) u (i)
J
diag(1 , 2 )
(n)
u (i) (i)
i n N e (i ) u (i )
diag(1 , 2 ) introduce vectorul scala de nvare, (n) este vectorul de actualizare greutate i N
(7.4)
marcheaz o memorie din spate (de N pai de timp). Derivatele n (7.4) necesit doar informaii de intrare-ieire despre sistem.
(7.5)
Pentru a contracara riscul de saturaie neuro-control i pentru a realiza mbuntirea sistemului de nvare, a fost
dezvoltat un supraveghetor fuzzy neuro-control. Ar trebui subliniat faptul c, pentru sistemele rapide, cum ar fi servomecanisme
hidraulice, cu constante de timp, n valoare de zecimi de secund, procedura a dat rezultate bune. De data aceasta avem n vedere
punerea n aplicare a ideii, n cazul unui sistem lent, cum ar fi sistemul HVAC. Acest lucru nseamn c neuro-control comuta la
un control de tip logica fuzzy Mamdani ori tocmai am descris c neuro-controlul este saturat. n acest fel, cele dou componente
completeaz reciproc o strategie cu valene de optimalitate (neuro-control) i de siguran operaional (de control fuzzy).
7.2 Analiza rezultatelor simulrii controlului neuro
Conceptul de control este, dup cum urmeaz: variabila
controleaz n mod direct starea 2 . Modelul matematic in sine face ca posibilitile de control sa fie atipice.
Simulrile numerice ale sistemului HVAC controlat de o reea neuronala, de tip perceptron elementar (Fig. 7.1), au fost efectuate
folosind Matlab / Simulink Toolbox. Punct de echilibru a fost considerat i sistemul a fost apoi supus la diferite configuraii ale
perturbaiilor
T 0 , W0 , d1 , d2 , cuprinse n tabele. n tabele, sunt prezentate variantele acestor dou valori de control
u1 i
u2 , exprimate n uniti SI, comparate cu valorile de echilibru. Evident, prin definiie, u1 i u2 au valori pozitive. Valorile de
echilibru
pentru
variabilele
de
control
sunt
u2e 58 gpm 0.21982 m3 / min . n simulrile au fost luate n considerare valori de prag de saturaie
u1 1000 ft 3 / min 28.3168 m3 / min si u2 10 gpm 0.0379 m3 / min .
Din rezultatele rezumate n tabelele avem urmtoarele constatri:
a) controlul
menine aproape neschimbat valoarea temperaturii de referin. A se vedea fig.7. 2 asociat cu primele dou rnduri din tabelul 1.
c) Aa cum rezult din modelul matematic (7), de control al autoreglrii are loc numai n cazul unei perturbri. Bineneles,
controlul feedback-ul este, de asemenea, prezent, la un nivel relativ sczut de reacie. A se vedea fig. 7.4 asociat cu rndurile 5 i
6 din tabelul 1.
b) perturbarea de temperatura a aerului exterior
10
u1 [ft 3 /min]
u2 [gpm]
d1[ Btu/hr ]
d2[ lb/hr ]
T0[
-0.08723
2.898 105
166.1
85
0.0198
2.898 105
166.1
85
0.0198
6.258
2.898 105
166.1
93.5
0.018
2.898 105
166.1
93.5
0.018
0.0033
-0.05293
2.898 105
182.7
85
0.018
2.898 105
182.7
85
0.018
4.712
3.188 105
166.1
85
0.018
3.188 105
166.1
85
0.018
0.0033
6.364
2.898 105
182.7
93.5
0.018
2.898 105
182.7
93.5
0.018
10.97
3.188 105
166.1
93.5
0.018
3.188 105
166.1
93.5
0.018
F]
W0
u1 [ft 3 /min]
u2 [gpm]
d1[ Btu/hr ]
d2[ lb/hr ]
T0[
-0.1745
2.898 105
166.1
85
0.0198
2.898 105
166.1
85
0.0198
10
2.898 105
166.1
102
0.018
2.898 105
166.1
102
0.018
0.0066
-0.06636
2.898 105
199.3
85
0.018
-0
2.898 105
199.3
85
0.018
10
3.478 105
166.1
85
0.018
3.478 105
166.1
85
0.018
0.0066
10
2.898 105
199.3
102
0.018
2.898 105
199.3
102
0.018
10
3.478 105
166.1
102
0.018
3.478 105
166.1
102
0.018
11
F]
W0
x1
21.667
21.66
21.6665
x 1 [C]
x 1 [C]
x1
21.68
21.64
21.666
21.62
21.6
21.6655
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
21.665
0.5
1
0
-1
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.5
0.2196
u2 [m3/min]
u2 [m3/min]
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.2194
0.2192
0.219
0.5
Fig. 7.2 sistem HVAC fara control (stanga), si cu control (dreapta), 1.1 W 0 perturbatia de echilibru
x1
21.8
24
21.75
x 1 [C]
x 1 [C]
x1
26
22
20
21.7
21.65
0
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
0.5
u2 [m3/min]
u2 [m3/min]
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.5
0.26
2
1
0
-1
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.24
0.22
0.2
0.5
Fig. 7.3 sistem HVAC fara control (stanga), si cu control (dreapta), 1.1 T 0 perturbatia de echilibru
x1
x1
21.67
21.7
21.665
x 1 [C]
x 1 [C]
21.6
21.5
21.3
21.66
21.655
21.4
21.65
0
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
0.5
u2 [m3/min]
u2 [m3/min]
1
0
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.5
0.4
-1
0.35
0.4
0.45
0.5
0.3
0.2
0.1
0
12
x3
13.7
12.85
13.6
12.8
13.5
12.75
13.4
x 3 [C]
x 3 [C]
13.3
12.7
12.65
13.2
13.1
13
12.6
12.9
12.55
12.8
12.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
12.7
0.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.5
Fig. 7.4 sistem HVAC fara control (stanga), si cu control (dreapta), 1.1 d2 perturbatia de echilibru
d) Sistemul nu poate face fa la orice nivel de perturbaii, aa cum se arat n fig.7.5, care este asociata cu rndurile 5 i 6 din
tabelul 3. Este evident faptul c sistemul s-a saturat. Modul propus pentru a contracara o astfel de situaie este cea a controlului de
supraveghere cu logica fuzzy [1].
e) Studiul de fa nu este exhaustiv. Simulri numerice ar trebui s continue, n scopul de a evalua limitele perturbaiilor pe care
acest sistem de control inteligent le poate contracara, inclusiv n cazul prezenei realiste a tuturor perturbaiilor.
x1
x1
21.67
21.66
21.5
x 1 [C]
x 1 [C]
22
21
20.5
21.64
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
21.63
0.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
u2
0.35
0.4
0.45
0.5
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.5
0.3
u2 [m3/min]
u2 [m3/min]
2
1
0
-1
21.65
0.05
0.1
0.15
0.2
0.25
0.3
time [hour]
0.35
0.4
0.45
0.5
0.25
0.2
Fig. 7.5 sistem HVAC fara control (stanga), si cu control (dreapta), 1.25 d2 perturbatia de echilibru
7.3 Sintetizarea controlului fuzzy-PD
Controlul fuzzy a fost intens studiat i aplicat, n varianta lingvistic Mamdani.
Fig. 7.6 Funcii de membru pentru : a) Variabile de intrare scalate y1, y2 i b) fuzzy control scalat uf
13
(7.6)
n ordinea lor variabilele relevante fuzzy (sau, funciile de membru, echivalente, MFs) asociate cu urmtorul set de termeni
lingvistici: "zero" (ZE), "pozitiv sau negativ mici" (PS, NS), "mediu pozitiv sau negativ" (PM, NM), "pozitiv sau negativ mare"
(PB, NB) (pentru motive de simplitate, funciile cele mai naturale i imparial de membru sunt alese, de tipul triunghiulare i
singleton, figura 7.6.)..Toate MFs sunt definite pe intervalul comun
1,1 .
Acest lucru nseamn c anterior au fost definii o serie de factori de scal (SFs)
variabilele
e1 , e2 , u f
,. Selectarea valorilor adecvate pentru SFs presupune cunotine apriori despre proces, dar, de asemenea,
se poate face prin ncercare i eroare pentru a obine cea mai buna performan de control posibila. n principiu, nu exist nici o
metod bine definit pentru o buna setare a lui SF pentru a FLC. O atenie deosebit ar trebui acordat pentru a calcula on-line
SF-urile efective de control,
(a se vedea mai jos). Astfel, relaiile dintre SF i variabilele de intrare i de ieire ale FLC cu
(7.7)
Raionamentul fuzzy este definit de un set fix de reguli de control (sau, norme de baz, RB), n mod normal, derivate
din cunotinele experilor. De exemplu, n controlul de urmrire, construirea unei baze de norme ntruchipeaz ideea unei
proporii (direct) ntre semnalul de eroare
e1
uf
n construcia bazei de reguli este diferita. Observai c nu exist un consens n literatura de specialitate privind terminologia
utilizat n descrierea diferitelor tipuri de controlere fuzzy. Un controler cu logic fuzzy (FLC) este numit de adaptare n cazul n
care oricare dintre parametrii si acordabili (FS, MFS, i baz de norme), se schimb atunci cnd controlerul este utilizat, n caz
contrar acesta este un FLC non adaptiv sau convenional. Un FLC adaptiv care regleaz un controler deja in lucru prin
modificarea acestuia, fie MFS sau SFs sau ambele dintre ele se numete FLC auto-adaptare. Dac un FLC este reglat prin
schimbarea automat a RB-ului su, atunci aceasta se numete un FLC cu auto-organizare.
14
e2
e1
uf
NB
NM
NS
ZE
PS
PM
PB
NB
NB
NB
NB
NM
NS
NS
ZE
NM
NB
NM
NM
NM
NS
ZE
PS
NS
NB
NM
NS
NS
ZE
PS
PM
ZE
NB
NM
NS
ZE
PS
PM
PB
PS
NM
NS
ZE
PS
PS
PM
PB
PM
NS
ZE
PS
PM
PM
PM
PB
a
PB
ZE
PS
PS
PM
PB
PB
PB
e2
e1
NB
NM
NS
ZE
PS
PM
PB
NB
VB
VB
VB
SB
ZE
NM
VB
VB
MB
VS
NS
VB
MB
VB
VS
VS
ZE
SB
MB
ZE
MB
SB
PS
VS
VS
VB
MB
VB
PM
VS
MB
VB
VB
PB
ZE
SB
VB
VB
VB
b)
Fig. 7.7 a)Reguli de baz pentru calcularea u f ; b) Reguli de baz pentru calcularea factorului de actualizare
Un FLC convenional de tip derivativ proporional (PD) va fi descris primul. Aceasta totalizeaz un numr de n = 7x7 reguli
DAC ..., ATUNCI ..., care este numrul de elemente ale produsului cartezian A x B, A = B: = {NB, NM, NS, ZE, PS, PM; PB}.
Aceste seturi sunt asociate cu seturi de termeni lingvistici alei pentru a defini funciile de apartenen pentru variabilele fuzzy e1 i,
respectiv, e2 .
15
corespunztoare n figura pentru fiecare dintre cele dou variabile clare, un numr de M 22 combinaii de dou ordonate trebuie s fie
investigate. Avnd n vedere aceste combinaii, un numr de M reguli dac ..., atunci ..., vor opera n forma:
(7.8)
(Ai, Bi, Ci sunt termeni lingvistici care aparin Seturilor A, B, C, si A = B = C, a se vedea figura 7.7.a.). Reine c RB n Fig.
7.7a) caracterizeaz cerinele care implic un plan bidimensional de faza, astfel nct FLC convenional conduce sistemul n
modul de aa-numita alunecare. Un FLC cu auto-ajustare se obine prin actualizarea on-line a ctigului de control . Acest
lucru servete pentru a contracara depirile controlerului i pentru a mbunti performana de control general. RB pentru
depinde de fiecare proces, i de fiecare de operare "dura" a RB, n acest caz, prezentat n Fig. 7.7a). RB prezentat n Fig. 7.7b), cu
aplicaii care au dat rezultate bune pe modele teoretice matematice. Noile condiii asociate lingvistic sunt "foarte mici" (VS),
"mici" (S), "mica mare"(SB), "mediu mare" (MB), "mare" (B), "foarte mare" (VB).
Defuzzyficarea se refer doar la transformarea acestor reguli dac ..., apoi.... ntr-o formul matematic oferind o
variabil de control de ieire uf. n ceea ce privete logica fuzzy, fiecare regula de forma (7.8) definete un set fuzzy AiBiCi n
spaiul cartezian intrare-ieire produs R3, a crui funcie de membru poate fi definit n acest mod
(7.9)
Pentru simplitate, funcia de membru Singleton-tip C(u) de control variabile a fost preferata, n acest caz C
(u ) , va fi nlocuit
i 1
i 1
u f ui u i0 / ui
16
(7.10)
-3
10.5
x1
x2
x 10
x2, x2ref
22.4
22.2
22
9.5
21.8
21.6
9
0
0.1
0.2
0.3
0.4
0.5
timp [h]
u2
0.6
0.7
0.8
0.9
u1 [m3/min]
0.4
0.3
0.2
0.1
0.1
0.2
0.3
0.4
0.5
timp [h]
0.1
0.2
0.3
0.4
0.5
0.6
timp [h]
u1
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
timp [h]
0.7
0.8
0.9
480
475
470
465
485
0.5
u2 [m3/min]
10
0.6
0.7
0.8
0.9
x3
19
18
17
x3 [grd C]
16
15
14
13
12
11
10
9
0.1
0.2
0.3
0.4
0.5
timp [h]
0.6
0.7
0.8
0.9
Ca un punct de plecare n sinteza de autotuning al FLC relaia bine-cunoscuta, care definete un control Proporional
Integral Derivate (PID)
u k kP e k kI e i kD e k e k 1
k
i 1
Coeficienii
(7.11)
k P , k I , k D sunt, de obicei, reglai n funcie de anumite criterii de sintez clasica.. n S. Soyguder, M. Karakose,
17
Fig. 7.9 Reguli de baza pentru control PID cu auto-ajustare de tip fuzzy adaptiv: a) k P ; b) k I ; c) k D
-3
x1
10.5
21.9
x2, x2ref
22
21.8
21.7
21.6
0.1
0.2
0.3
0.4
0.5
timp [h]
u2
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
timp [h]
u1
0.6
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
timp [h]
0.6
0.7
0.8
0.9
481.3864
u1 [m3/min]
u2 [m3/min]
0.26
0.24
0.22
0.2
10
9.5
9
x2
x 10
0.1
0.2
0.3
0.4
0.5
timp [h]
0.6
0.7
0.8
0.9
481.3863
481.3862
481.3861
x3
15
x3 [grd C]
14.5
14
13.5
13
12.5
0.1
0.2
0.3
0.4
0.5
timp [h]
0.6
0.7
0.8
0.9
18
Perturbaii
Performane
J J Y u , u
u : min J
u
referin X1ref
e1t
X2ref
+
neuro-control
u n Y
un Y
Y , F Y , u
Y , F Y , u
fuzzyficare
fuzzyficare
fuzzy inference
fuzzy inference
un Y
defuzzyficare
unc
Y , F Y , u
Y , F Y , u
u n Y
supervizor fuzzy
Y
supervizor fuzzy
supervizor fuzzy
neuro-control
Expertiz
cunotine
defuzzyficare
preliminare
unc
uf
Selecie / lege de
comutare
uf
.......
u
Fig. 7.11 Schia de supraveghere fuzzy de neuro-control (FSNC)
FSNC funcioneaz ca logica fuzzy de control u f , n cazul n care neuro-controlul
fuzzy, fuzzy neuro-control
un este concomitent actualizat n cazul aciunii reale a controlului fuzzy u f . Pentru a obine rigoarea
i exactitatea procesului de urmrire reglementat, controlul cu logica fuzzy pornete neuro-controlul ori de cte ori neurocontrolul un reajustat nu este saturat. La timpul ts , atunci cnd trecerea de la logica de control fuzzy la neuro-control are loc,
vectorul de ponderare reajustate r va fi derivat prin luarea n considerare un factor de scala uf u n .
1r u f 2 y2 u f
unc y1 ,2r 2u f
19
unc
(7.12)
-3
x1
x2, x2ref
24
22
20
0.1
0.2
0.3
0.4
0.5
timp [h]
u2
0.6
0.7
0.8
0.9
0.4
0.2
0
0.1
0.2
0.3
0.4
0.5
timp [h]
flag2
0.6
0.7
0.8
0.9
9.6
x2
x 10
9.4
9.2
u1 [m3/min]
u2 [m3/min]
0.1
0.2
0.3
0.4
0.5
0.6
timp [h]
u1
0.7
0.8
0.9
481.3862
0
0.1
0.2
0.3
0.4
0.5
0.6
timp [h]
flag1
0.7
0.8
0.9
0.1
0.2
0.3
0.4
0.5
0.6
timp [h]
0.7
0.8
0.9
481.3866
481.3864
0.5
-1
0.1
0.2
0.3
0.4
0.5
timp [h]
0.6
0.7
0.8
0.9
x3
17
16.5
16
x3 [grd C]
15.5
15
14.5
14
13.5
13
12.5
0.1
0.2
0.3
0.4
0.5
timp [h]
0.6
0.7
0.8
0.9
perturbaie de echilibru
8.2.Contributii originale .
Teza propune o abordare unitar n proiectarea de control inteligent al sistemelor de Incalzire, Ventilatie si Aeri
Conditionat(HVAC)., pentru a asigura o eficien energetic ridicat i calitatea aerului mbuntita. n prima parte a studiului,
se consider ca sistem de referin un singur spaiu termic cu sistem HVAC, pentru care se atribuie un model matematic al
sistemului controlat i un model matematic de control inteligent. Concepia de control inteligent este de tip comutare, ntre o reea
neuronal simpl, un perceptron, care are scopul de a reduce , un indice de cost, i o component de logica fuzzy, avand rolul de
supraveghere antisaturare pentru neuro-control. Bazat pe simulri numerice, lucrarea se concentreaz pe analiza funcionrii
sistemului, n prezena numai a componentei de control neuronal.
Pentru atingerea obiectivelor propuse n tez, au fost aduse o serie de contribuii, dintre care se pot meniona urmtoarele:
20
comparaia intre neuro - fuzzy, PD-fuzzy, PID-neuro-fuzzy, neuro-PD si PID-neuro poate fi favorizat sofisticatului
neuro-fuzzy control.
Am concluzionat ca pentru a contracara riscul de saturaie neuro-control i pentru a realiza mbuntirea sistemului de
nvare, a fost dezvoltat un supraveghetor fuzzy neuro-control (FSNC). Am constata faptul c, pentru sistemele rapide, cum ar
fi servomecanisme hidraulice, cu constante de timp, n valoare de zecimi de secund, procedura a dat rezultate bune. Am avut n
vedere punerea n aplicare a ideii, n cazul unui sistem lent, cum ar fi sistemul HVAC. Am evidentiat faptul ca neuro-control
comuta la un control de tip logica fuzzy Mamdani ori de cate ori neuro-controlul este saturat. n acest fel, cele dou componente
completeaz reciproc o strategie cu valene de optimalitate (neuro-control) i de siguran operaional (de control fuzzy).
Am realizat simularile numerice ale sistemului HVAC controlat de o reea neuronala, de tip perceptron elementar,
simularile au fost efectuate folosind Matlab / Simulink Toolbox.
In prima faza am folosit un control convenional cu logica fuzzy de tip Proporional Derivativ (PD) pentru primele
ncercri. Ulterior am realizat un control cu logica fuzzy i auto-reglaj de tip Proporional-Integral-Derivativ (PID). Am realizat
ca procedura de ntoarcere la un neuro-control optimizat este esenial. Am realizat cu ajutorul simularilor numerice buna
funcionare a sistemului n prezena perturbaiilor de temperatur i umiditate.
8.3 Perspective
Analizele realizate pot constitui o baza pentru studiile viitoare n proiectul Advanced strategies for high performance
indoor Environmental QUAliTy in Operating Rooms EQUATOR, UEFISCDI-CNCS Project No. PN-II-PT-PCCA-20113.2-1212, proiect care are ca scop mbuntirea calitii aerului n slile de operaie din spital (ORs), sistemele HVAC pot
aborda obiective specifice care implic dinamica fluidelor, cum ar fi afectarea strategiei jetului de ventilaie. n alte cazuri,
cum ar fi sistem de metrou sau n zgrie-nori cu sute de etaje, este necesar de a avea un sistem complet de aer condiionat,
care ar putea pstra temperatura, umiditatea sau presiunea n limitele acceptabile.
Data fiind complexitatea problematicii analizate directiile de continuare a cerecetarilor sunt multiple si in continuare pot
fi prezentate cateva din acestea:
extinderea metodologiei de proiectare a controlerelor prezentate n aceast lucrare pentru a putea fi utilizate
pe un sistem termic multizonal;
efectuarea de studii pentru a testa robusteea controlerelor, folosind un schimbator de caldura neliniar mai
precis;
21
Bibliografie selectiva:
A. Iftene ,Concepte teoretice privind sistemele BMS utilizate la cldirile individuale a 46 a Conferin Naional de
Instalaii, Instalatii pentru inceputul mileniului trei volumul IISinaia 19-21 Octombrie 2011pag.589
A. Iftene ,Proiectarea sistemelor fuzzy folosind reele neuronale artificiale a 46 a Conferin Naional de Instalaii,
Instalatii pentru inceputul mileniului trei volumul II Sinaia 19-21 Octombrie 2011 pag.597
A. Iftene, Clasificator Neuro - Fuzzy destinat diagnosticrii sistemelor tehnice din cldiri a 45 a Conferin Naional
de Instalaii, Sinaia, 2010
A. Iftene, S. Caluianu, I. Nastase, I. Ursu, G. Tecuceanu, A. Toader, Synthesis and simulation of neuro-fuzzy HVAC
systems, The 35thCaius Iacob Conference on Fluid Mechanics and itsTehnical Applications 2013, November 14-15,
Bucharest, ROMANIA.
A. Iftene, Sistem inteligent de comand ierarhizat A XVI-a Conferin cu participare internaional Confort, eficien,
conservarea energiei i protecia mediului Bucureti, 18-19 mar. 2010
A. Iftene, Sisteme dezvoltate pentru economia de energie a 44 a Conferin Naional de Instalaii, Instalatii pentru
inceputul mileniului trei 2009
I. Ursu, I. Nastase, S. Caluianu, A. Iftene, A. Toader ,Intelligent control of HVAC sysyems. Part II: perceptron
performance analysis, INCAS Bulletin, vol. 5, no. 3, pp. 127-135, 2013.
I. Ursu, I. Nastase, S. Caluianu, A. Iftene, A. Toader, About the synthesis and simulation of intelligent HVAC systems,
The 5th Romanian Conference on Energy Performance of Buildings (RCEPB-V), 29-30th of May, 2013, Bucharest,
ROMANIA.
I. Ursu, I. Nastase, S. Caluianu, A. Iftene, A. Toader, Intelligent control of HVAC sysyems. Part I: Modeling and
synthesis, INCAS Bulletin, vol. 5, no. 1, pp. 103-118, 2013.
I. Ursu, A. Toader, S. Balea, A. Halanay, New stabilization and tracking control laws for electrohydraulic
servomechanisms, European Journal of Control, vol. 19, no 1, 2013.
I. Ursu, F. Ursu, Airplane ABS control synthesis using fuzzy logic, Journal of Intelligent and Fuzzy Systems, vol. 16,
no. 1, pp. 23-32, 2005
I. Ursu, F. Ursu, L. Iorga, Neuro-fuzzy synthesis of flight controls electrohydraulic servo, Aircraft Engineering and
Aerospace Technology, vol. 73, pp. 465-471, 2001.
I. Ursu, G. Tecuceanu, A. Toader, C., Calinoiu, Switching neuro-fuzzy control with antisaturating logic. Experimental
results for hydrostatic servoactuators, Proceedings of the Romanian Academy, Series A, Mathematics, Physics,
Technical Sciences, Information Science, 12, 3, 231-238, 2011.
I. Ursu, G. Tecuceanu, F. Ursu, R. Cristea, Neuro-fuzzy control is better than crisp control, Acta Universitatis
Apulensis, no. 11, 259-269, 2006.
Larionescu S., Aprecierea robusteii sistemelor automate, Msurri i Automatizri, Nr. 2, 2001, p.55-56
Nastac, I., Bacivarov, A. and Costea, A.: A Neuro-Classification Model for Socio-Technical Systems, Romanian
Journal of Economic Forecasting, Vol. XI, No. 3/ 2009, pp. 100-109. (ISSN 1582-6163). http://www.ipe.ro/rjef.htm
Nastac, I., Dobrescu, E. and Pelinescu, E.: Neuro-Adaptive Model for Financial Forecasting, Romanian Journal of
Economic Forecasting, Vol. VIII, No. 3/ 2007, pp. 19-41. (ISSN 1582-6163). http://www.ipe.ro/rjef.htm
22