Documente Academic
Documente Profesional
Documente Cultură
5 Reglarea multivariabilă
5.1. Introducere
du 2 = −bc 2 hc 2 dy 2 (4)
− du 2 ⎛ 1 ⎞
Din (3) şi (4) => = b21 h21 du1 + b21 h22 du 2 − du 2 ⎜⎜ + b22 h22 ⎟⎟ = b21 h21 du1
bc 2 hc 2 ⎝ bc 2 hc 2 ⎠
(5)
Introducem relaţia (5) în (2):
b21 h21b12 h12 dy1 b h b h
dy1 = b11 h11 du1 − |: du1 => = b11 h11 − 21 21 12 12 (6)
1 du1 1
b22 h22 + b22 h22 +
bc 2 hc 2 bc 2 hc 2
Se observă că variaţia lui y1 faţă de u1 depinde de bucla 2 prin
regulatorul bc 2 .
În privinţa regulatorului c 2 există două cazuri extreme:
- c 2 are o simplificare foarte mică bc 2 hc 2 ≈ 0 => relaţia (6) ia forma
(1);
1
- c 2 are o amplificare foarte mare ≈ 0 => ieşirea y 2 este
bc 2 hc 2
ϑy b h b h
constantă => relaţia (6) devine 1 | y2 = b11 h11 − 21 21 12 12 (7)
ϑu1 b22 h22
Amplificarea relativă este definită prin (1)-(7).
ϑy1 ϑy
λ11 = |u / 1 | y (8)
ϑu1 2
ϑu1 2
−1
⎛ b h b h ⎞
λ11 = ⎜⎜1 − 12 12 21 21 ⎟⎟ (9)
⎝ b22 h22 b11 h21 ⎠
Ideal: λ11 = 1
−1
ϑy ϑy 2 ⎛ b h b h ⎞
λ 22 = 2 |u | y1 = ⎜⎜1 − 21 21 12 12 ⎟⎟ (10)
ϑu 2 ϑu 2
1
⎝ b11 h11b22 h22 ⎠
⎛λ 1 − λ11 ⎞
λ = ⎜⎜ 11 ⎟⎟
⎝1 − λ12 λ11 ⎠
MAR are două proprietăţi importante:
• Este normalizată în sensul că suma elementelor de pe linie trebuie
să fie egală cu 1 (la fel şi elementele de pe o coloană).
• λij sunt adimensionale, valorile nu sunt afectate de unităţile de
măsură ale lui y respectiv u.
Unele valori ale lui λij şi semnificaţia acestora.
Dacă: λij = 1 , nu există interacţiune cu alte bucle de reglare.
λij = 0 , reglarea lui y i depinde de alte comenzi.
λij > 1 , interacţiunea reduce eficienţa reglării şi dacă valorile
sunt foarte mari se impune proiectarea unui decuplor.
Obs. λij sunt funcţii de timp, ceea ce înseamnă că problema
calculului devine f complicată şi practic se lucrează cu λij în RS (MARS).
Obs. Metode de calcul ale lui MARS
1. Prin aplicarea directă a relaţiilor de definiţie
2. Utilizând calculul numeric al valorilor dy/du sau experimental
3. Calculul matricial.
Aplicaţie
⎧Q1 + Q2 = Q
MMS: ⎨
⎩Q1 x1 + Q2 x 2 = Qx
ϑy1 ϑQ
|u 2 = |Q 2 = 1
ϑu1 ϑQ1
ϑy1 ϑQ
| y2 = |x
ϑu1 ϑQ1
Qx − Q1 x1 Qx − Q1 x1
Q2 = , Q1 + =Q,
x2 x2
x1 − x 2 ϑQ ϑQ x − x2
Q1 = Q , λ11 = |Q 2 |x =
x − x2 ϑQ1 ϑQ1 x1 − x 2
⎡ x − x2 x − x2 ⎤ ⎡ x − x2 x1 − x ⎤
⎢x − x 1−
x1 − x2 ⎥ ⎢ x1 − x2 x1 − x2 ⎥
λ=⎢ 1 2 ⎥=⎢ ⎥, x1 = x , Q1 = Q ,
⎢ x − x2 x − x2 ⎥ ⎢ x1 − x x − x2 ⎥
⎢1 − x − x x1 − x2 ⎥⎦ ⎢⎣ x1 − x2 x1 − x2 ⎥⎦
⎣ 1 2
⎡1 0⎤
λ=⎢ .
⎣0 1⎥⎦
Debitul Q este dependent doar de Q1 , vom regla debitul Q → Q1 ;
rămâne să reglăm concentraţia Q2 → x .
Obs. SRA-D este foarte rapid în timp ce SRA-C este foarte lent.
Durata regimului tranzitoriu pentru SRA-D este în jur de 10 sec, în
timp ce pentru SRA-C o putem considera în jur de 10 min.
Cele două cuple sunt decuplate în RD (nu se influenţează una faţă
de cealaltă) iar SRA-D intervine numai în RS.
Se recomandă APCH vol.1 (pag 217-228); Ex. Pag.18
Fig. 1
H1 − H 2 H H
AT 1 = 1m 2 ; AT 2 = 0,5m 3 ; Q1 = ; Q2 = 2 ; Q3 = 1 ; R1 = 0,5 min/ m 2 ;
R1 R2 R3
R2 = 2 min/ m 2 ; R3 = 1 min/ m 2
⎧ .
⎪ AT 1 H 1 = Qi1 − Q1 − Q3
MMD : ⎨ .
(1) Folosind relaţiile şi datele numerice:
⎪⎩ AT 2 H 2 = Qi 2 + Q1 − Q2
⎧.
⎪ H 1 = −3H 1 + 2 H 2 + Qi1 .
⎨. => H = AH + BQ (2)
⎪⎩ H 2 = 4 H 1 − 5H 2 + 2Qi 2
⎡− 3 2 ⎤ ⎡1 0 ⎤ ⎡ H 1 ⎤ ⎡ y1 ⎤ ⎡Qi1 ⎤
A=⎢ ⎥ ;B = ⎢ ⎥ ; H = ⎢ ⎥ = ⎢ ⎥ = y; Q = ⎢ ⎥ = u
⎣ 4 − 5⎦ ⎣0 2⎦ ⎣ H 2 ⎦ ⎣ y2 ⎦ ⎣Qi 2 ⎦
H ( s ) = ( sI − A) −1 BQ( s ) <=> y ( s ) = H p ( s )u ( s ) (3)
⎡s + 3 − 2 ⎤
sI − A = ⎢ =>
⎣− 4 s + 5⎥⎦
det( sI − A) = ( s + 3)( s + 5) − 8 = s 2 + 8s + 7 = ( s + 1)( s + 7)
⎡s + 5 2 ⎤
⎢ 4 s + 3⎥
⎡s + 3 − 4 ⎤ ⎣ ⎦ =>
( sI − A)T = ⎢ ⎥ => ( sI − A) −1
=
⎣− 2 s + 5⎦ ( s + 1)( s + 7)
⎡s + 5 4 ⎤
⎢ 4 2( s + 3)⎥
( sI − A) −1 B = ⎣ ⎦ (4)
( s + 1)( s + 7)
⎡ H 1 ( s ) ⎤ ⎡ H 11 ( s ) H 12 ( s ) ⎤ ⎡Qi1 ( s ) ⎤
⎢ H ( s )⎥ = ⎢ H ( s ) H ( s )⎥ ⎢Q ( s )⎥
⎣ 2 ⎦ ⎣ 21 22 ⎦⎣ i2 ⎦
Se consideră: H ε 1 = H ε 2 = 1; H T 1 = H T 2 = 1
Fig. 5
Y = H p H c E = H p H c (Yi − Y ) = H p H cYi − H p H cY ( I + H p H c )Y = H p H cYi
Deci: Y = ( I + H 0 ) −1 H 0Yi
⎡ H 11 H 12 ⎤ ⎡ H 11 H c11 + H 12 H c 21
H 11 H c12 + H 12 H c 22 ⎤
(3) H 0 = H p H c = ⎢ =
⎣ H 21 H 22 ⎥⎦ ⎢⎣ H 21 H c11 + H 22 H c 21
H 21 H c12 + H 22 H c 22 ⎥⎦
Pentru a nu fi interacţiune trebuie ca matricea ( I + H 0 ) −1 H 0 să fie
diagonală. Deoarece I este diagonală, ( I + H 0 ) −1 H 0 va fi diagonală dacă
H 0 e diagonală, adică:
⎧ H H
⎪ H c12 = − 12 c 22
⎧ H 11 H c12 + H 12 H c 22 = 0 ⎪ H 11
⎨ => ⎨
⎩ H 21 H c11 + H 22 H c 21 = 0 ⎪ H = − H 21 H c11
⎪⎩ c 21 H 22
Pentru exemplul dat rezultă:
4 ( s + 1)( s + 7) 4k p 2
H c12 = − k p2 =− ;
( s + 1)( s + 7) s+5 s+5
4 ( s + 1)( s + 7) 2k p1
H c 21 = − k p1 =−
( s + 1)( s + 7) 2( s + 3) s+3
⎡ k p1 ⎤
⎢ 3 0 ⎥
Matricea H 0 devine: H 0 = ⎢ s + ⎥ ← pentru sistemul decuplat
⎢ 2k p 2 ⎥
⎢⎣ 0 s + 5 ⎥⎦
Fig. 6.
Y = ( I + H 0 ) −1 H 0Yi Y = H 0 E = H 0 (Yi − Y )
⎡ k p1 ⎤ ⎡ k p1 ⎤
0 ⎥ 0 ⎥
⎡Y1 ( s ) ⎤ ⎢ s + 3 ⎡Y ⎤ ⎢ ⎡Y ( s ) ⎤
⎢Y ( s )⎥ = ⎢ ⎥ ⎢ 1i ⎥ = ⎢ s + 3 ⎥⎢ 1 ⎥
⎣ 2 ⎦ ⎢ 0 2k p 2 ⎥ ⎣Y2i ⎦ ⎢ 2k p 2 ⎥ ⎣Y2 ( s )⎦
⎢⎣ s + 5 ⎥⎦ ⎢⎣ 0 s + 5 ⎥⎦
k p1
Y1 ( s ) = s + 3 Y (s)
k p1 k p1 k p1 1i
Y1 ( s ) = Y1i − Y1 ( s ) 1+
s+3 s+3 s+3
=>
2k p 2 2k p 2 2k p 2
Y2 ( s ) = Y2i − Y2 ( s )
s+5 s+5 Y2 ( s ) = s + 5 Y (s)
2k p 2 2 i
1+
s+5
k p1 = k p 2 = 4; y1i = 1(t ); y 2i = 0
Răspunsul SMV din fig. 3 cu decuplare:
⎧ y1i = 1(t )
k p1 = k p 2 = 4; ⎨
⎩ y 2i = 0
k p1
H 1st = lim sH 1 ( s ) = lim s s + 3 1 = k p1 ≅ 0,6
s →0 s →0 k p1 s 3 + k p1
1+
s+3
Pentru eliminarea erorii staţionare se pot utiliza R-PI:
1 1 − 4k p 2 ( s + 1) − 2k p1 ( s + 1)
H c11 = k p1 (1 + ); H c 22 = k p 2 (1 + ); H c12 = ; H c 21 =
s s s ( s + 5) s ( s + 3)
Simularea SMV în aceste condiţii, cu k p1 = k p 2 = 4 :
Fig. 2
{ H ↑ , mF }
3) Fie universul de discuţie v= R, vârsta persoanelor în ani. Se defineşte
pe v mulţimea fuzzy vârsta persoanelor tinere vT .
{ vT , m F }
• FA – triunghiulară
a+b
Obs: Ele se consideră definite pe intervalul [a,b], iar c =
2
⎧( x − a) /(c − a ), a ≤ x ≤ c x−c
m( x ) = ⎨ m( x ) = 1 − 2
⎩1 − ( x − c) /(b − c), c < x ≤ b b−a
• FA – trapezoidală
⎡ ⎛ x−c ⎞⎤
m( x) = min ⎢1; ht + ⎜⎜1 − 2 ⎟⎥; ht > 1
⎟
⎣⎢ ⎝ b−a ⎠⎦⎥
• Singleton
• Saturaţie
Operatori în LF
- Operatorul ŞI (AND) Dacă m1 , m2 şi mn sunt FA definesc pe
aceeaşi mulţime, X, operatorul ŞI este definit astfel:
m( x) = m1 ( x) ∩ m2 ( x) ∩ ... ∩ mn ( x) = min{m1 ( x), m2 ( x),..., mn ( x)}
x∈X
i2
NM a NM i NM e Ze PM i PM e PM a
PM a R1 R2 R3 R4 R5 R6 R7
PM e
PM i
i1 Ze R10
NM i
NM e
NM a
Mi
i3
⎧ PM a − pozitiv mare
⎪ PM − pozitiv mediu
⎪ e
⎪ NM e − negativ mediu
⎪
⎩ NM a − negativ mare
Exemple de reguli fuzzy
1) Pentru problema reglării distanţei faţă de maşina din faţă.
Dacă distanţa = mică şi viteza = foarte mare
Atunci forţa de frânare = 100%
Dacă distanţa = medie şi viteza = foarte mare
Atunci forţa de frânare = 75%
2) Problema reglării nivelului într-un vas, cu comanda pe evacuare.
Dacă nivelul = mare şi Qi = mare
Atunci Qe = foarte mare
Dacă nivelul = foarte mic şi Qi = mediu
Atunci Qe = micşorat cu 40%
r=[0,75 0,25 0]
Mi Me Ma
Mai sus se observă gradele de apartenenţă la mulţimile fuzzy ( M i . M e ,
M a ).
Inferenţa – este o procedură de evaluare a regulilor din BRF.
Inferenţa cuprinde două părţi:
- delimitarea Fa a părţii atunci a fiecărei reguli pentru valoarea
curentă, a părţii dacă a acesteia (determinarea Fa a fiecărei
reguli);
- determinarea Fa a BRF prin compunerea (agregarea) Fa
asociate regulilor acestora.
Metode de inferenţă cele mai utilizate:
- Metoda min – max;
- Metoda prod – max.
Exemplu. Fie sistemul de conducere fuzzy (SCF):
m A → FA a partii Daca
→ m R (e, u ) = min[m A (e), mB (u )]
m B → FA a partii Atunci AxB
m R1 0 20 40 60 80 100 ← B
0 1.0 0.8 0.6 0.4 0.2 0.0
20 0.8 0.8 0.6 0.4 0.2 0.0
e 40 0.6 0.6 0.6 0.4 0.2 0.0
60 0.4 0.4 0.4 0.4 0.2 0.0
80 0.2 0.2 0.2 0.2 0.2 0.0
100 0.0 0.0 0.0 0.0 0.0 0.0
A↑
mR 2 0 20 40 60 80 100 ← B
0 0.0 0.0 0.0 0.0 0.0 0.0
20 0.0 0.2 0.2 0.2 0.2 0.2
e 40 0.0 0.2 0.4 0.4 0.4 0.4
60 0.0 0.2 0.6 0.6 0.6 0.6
80 0.0 0.2 0.4 0.6 0.8 0.8
100 0.0 0.2 0.4 0.6 0.8 1.0
A↑
următorului tabel:
e 0 20 40 60 80 100
u 26.7 38.3 44.0 56.0 66.7 73.3
e=0
1x0 + 0.8 x 20 + 0.6 x 40 + 0.4 x60 + 0.2 x80 + 0 x100
uG = = 26.7
1 + 0.8 + 0.6 + 0.4 + 0.2 + 0.0
x1 ,...x n - intrări;
xn +1 = 1
w1 , w2 ,...wn - coeficienţii de ponderare
θ - termen de polarizare
x n+1θ - echivalentul lui u 0 de la R-P
f – funcţia de activare.
n
S = ∑ wj x j (1)
j =1
f : R → (0;1) (2)
Se utilizează în mod curent forma sigmoidă:
1
y = f ( s) = k>0 (3)
− 1 + e − k ( s −θ )
Există diverse forme de activare, una dintre ele este funcţia treaptă:
⎧0, s − θ ≥ 0
f (s) = ⎨
⎩1, s − θ < 0
RN – reţea neuronală
w1 , w2 - ponderi y ∈ [0;1]
La SP se utilizează:
w1 = wmax
Dacă | e | > 2% Atunci ponderile primesc valori maxime ( )
w2 = wmax
wmax = 8e 2 (8 ⋅10 2 )
w min = − wmax
Funcţia de activare
Pentru neuronii din tabelul de intrare: f(s)=S
1
Pentru neuronii din stratul de ieşire: f ( s ) =
1 + e −0, 2 s