Wykorzystanie etod inteligencji obliczeniowej w autoatyce napędu i energoelektronice ze szczególny uwzględnienie sterowania procesai powtarzalnyi Application of coputational intelligence techniques in power electronics and drives with a particular ephasis on repetitive process control dr inż. Bartłoiej Ufnalski Instytut Sterowania i Elektroniki Przeysłowej Politechnika Warszawska, Polska
Agenda 1 2 3 Sterowanie powtarzalne jako zadanie optyalizacji dynaicznej 4
Motywacja Metody sterowania procesai powtarzalnyi dostępne w 211 roku bazowały głównie na regulatorach ultioscylacyjnych (wielorezonansowych) lub regulatorach z uczenie iteracyjny (ILC = Iterative Learning Control) o lokalnej proporcjonalnej regule uczenia.
Motywacja Metody sterowania procesai powtarzalnyi dostępne w 211 roku bazowały głównie na regulatorach ultioscylacyjnych (wielorezonansowych) lub regulatorach z uczenie iteracyjny (ILC = Iterative Learning Control) o lokalnej proporcjonalnej regule uczenia. Brak efektywnych, ożliwie uniwersalnych i intuicyjnych dla praktyków, etod strojenia tych regulatorów.
Motywacja Metody sterowania procesai powtarzalnyi dostępne w 211 roku bazowały głównie na regulatorach ultioscylacyjnych (wielorezonansowych) lub regulatorach z uczenie iteracyjny (ILC = Iterative Learning Control) o lokalnej proporcjonalnej regule uczenia. Brak efektywnych, ożliwie uniwersalnych i intuicyjnych dla praktyków, etod strojenia tych regulatorów. W praktyce często strojone były etoda prób i błędów. Podobnie dobierane były filtry zapewniajace krzepkość układu regulacji, co wyagało dodatkowej wiedzy eksperckiej.
Motywacja Metody sterowania procesai powtarzalnyi dostępne w 211 roku bazowały głównie na regulatorach ultioscylacyjnych (wielorezonansowych) lub regulatorach z uczenie iteracyjny (ILC = Iterative Learning Control) o lokalnej proporcjonalnej regule uczenia. Brak efektywnych, ożliwie uniwersalnych i intuicyjnych dla praktyków, etod strojenia tych regulatorów. W praktyce często strojone były etoda prób i błędów. Podobnie dobierane były filtry zapewniajace krzepkość układu regulacji, co wyagało dodatkowej wiedzy eksperckiej. Podczas nie w pełni udanych prób stworzenia krzepkiego klasycznego regulatora ILC dla przekształtnika CACF VSI z wyjściowy filtre LC zidentyfikowano słabe strony takiej topologii regulatora.
Wybrane cele naukowe Opracowanie praktycznej etody strojenia regulatorów ultioscylacyjnych, w ty dla CACF VSI, wyagajacej dobrania etoda prób i błędów jedynie jednego skalarnego współczynnika wagi ajacego bezpośredni wpływ na dynaikę otrzyywanego układu regulacji.
Wybrane cele naukowe Opracowanie praktycznej etody strojenia regulatorów ultioscylacyjnych, w ty dla CACF VSI, wyagajacej dobrania etoda prób i błędów jedynie jednego skalarnego współczynnika wagi ajacego bezpośredni wpływ na dynaikę otrzyywanego układu regulacji. Opracowanie nowych koncepcyjnie regulatorów z uczenie iteracyjny, w których nie zachodzi proces przeuczania się prowadzacy do niestabilności w długi horyzoncie czasu regulatorów nie wyagajacych projektowania dodatkowych filtrów stabilizujacych.
Strojenie regulatorów przy użyciu ewolucyjnych algorytów optyalizacji globalnej, takich jak PSO Pokazano efektywność takiego podejścia na przykładzie: strojenia neuronowego regulatora prędkości pojazdu elektrycznego; jednoczesnego strojenia regulatorów PI prędkości i położenia w serwonapędzie; wyznaczania wybranych paraetrów regulatora neuronowego w napędzie z połaczenie elastyczny; wyznaczania nastaw klasycznego regulatora ILC; jednoczesnej optyalizacji struktury i paraetrów regulatora neuronowego procesu powtarzalnego dla CACF VSI; strojenia regulatora ultioscylacyjnego dla trójfazowego czteroprzewodowego falownika napięcia.
Strojenie regulatorów ultioscylacyjnych Optyalność nie iplikuje krzepkości! J 1 = N e T (n)e(n) n=1
Strojenie regulatorów ultioscylacyjnych Optyalność nie iplikuje krzepkości! J 2 = J 1 = N e T (n)e(n) n=1 N (e T (n)e(n) + β u T (n) u(n)) n=1 Zaproponowana funkcja celu wprowadza jedynie jeden paraetr (β) niezależnie od liczby ipleentowanych członów oscylacyjnych. Dla kontrastu, etoda LQR wyaga zdefiniowania etoda prób i błędów aż dwóch współczynników wagowych dla każdego ipleentowanego członu oscylacyjnego.
Strojenie regulatorów ultioscylacyjnych (cd.) A ila Rf Lf ioa Udc + _ VSI ua VSI ub VSI uc A A ilb ilc Rf Rf Rn Lf Lf Ln Cf iob ioc Cf Cf a b c V V V Load ki ki ki ku ku ku ila ilb ilc a b c Pulse width odulator uabc φ ref (n)=ω1 nts φ ref abc dq u -K x LQR gain Saple & Hold abc dq abc dq il MOSC +_ ref xmosc e ref d ref q ref
Strojenie regulatorów ultioscylacyjnych (cd.) 2 2 absorbing wall 15 absorbing wall 15 q C (all particles and the gbest) 1 5 5 1 q 11 (all particles and the gbest) 1 5 5 1 15 absorbing wall 15 absorbing wall 2 2 1 2 3 4 5 6 7 8 9 1 swar iteration nuber i 1 2 3 4 5 6 7 8 9 1 swar iteration nuber i
Strojenie regulatorów ultioscylacyjnych (cd.) 1 2.3 1 2.4 perforance index J control 1 2.5 1 2.6 1 2.7 1 2.8 u Ca u Cb u Cc i oa 1 2.9 1 2 3 4 5 6 7 8 9 1 swar iteration nuber i
Repetycyjny regulator neuronowy oryginalna koncepcja regulatora procesu powtarzalnego Kształtowanie sygnału sterujacego jako zadanie optyalizacji dynaicznej, w który krytykie rozwiazań jest sa obiekt regulacji (nie jest wyagana synteza odelu dynaiki obiektu regulacji). Globalna, tj. oceniajaca efektywność sygnału sterujacego za cały okres sygnału zadanego, reguła gradientowego uczenia w locie regulatora neuronowego. Zaproponowanie sprzężenia w przód od zakłócenia również w obrębie części repetycyjnej regulatora sprzężenia poprawiajacego szybkość odpowiedzi w kierunku z pasa na pas. Nie sa wyagane filtry dolnoprzepustowe w celu zapewnienia stabilności układu w długi horyzoncie liczby powtórzeń.
Repetycyjny regulator neuronowy (cd.) Non-repetitive part of the controller operating in the p-direction Disturbance feedforward (pdff) k13 iload Full-state feedback (FSF) [to increase daping] k12 ref Reference feedforward (RFF) k1 k11 il FFNN-based repetitive controller operating in the k-direction utbg 1 - - unonrc DC voltage power source LC filter iload Load Tie-Base Generator ref iload vn k1 PWM uvsi upwm Single-phase VSI w (1) w (2) SRC uffnn Cost function:. Optiization (training) algorith: the Levenberg-Marquardt back-propagation. iload Meory of α previous saples kdff path
u C [V] Repetycyjny regulator neuronowy (cd.) 4V 325V u C [V] 4 u avg VSI [V] 2-2 -4 5 1 15 2 25 2 (.4 s) 16 12 8 4-325V -4V 5 1 15 2 saple nuber p p-direction along the pass direction iteration nuber k k-direction pass to pass direction 5% -5% e [%] 1 8 noise RMS [agenta] RMSE (error RMS) [blue] 5 1 15 2 4V 325V u FFNN [V] u nonrc [V] 6 i load [A] 1A [%] 4 5V -5V 2-1A 1 2 3 4 5 6 iteration nuber k (5 iterations = 1 second) -325V -4V 5 1 15 2 saple nuber p
Bezpośredni regulator rojowy oryginalna koncepcja regulatora procesu powtarzalnego Punkte wyjścia było zauważenie, że proces powtarzalny daje ożliwość porównywania w zbliżonych warunkach rozwiazań proponowanych przez poszczególnych przedstawicieli populacji (roju czastek). Krytykie kierunku ewolucji roju przechowujacego próbki sygnału sterujacego oże zate bezpośrednio być ciagły proces powtarzalny. Stochastyczna (bezgradientowa) reguła ewolucji roju staje się prawe sterowania repetycyjnego. Globalna reguła sterowania pozwala kształtować jakość sterowania za cały okres sygnału zadanego. Tylko jeden paraetr funkcji celu dobierany przez projektanta. Możliwość rozproszenia obliczeń rojowych na cały okres sygnału zadanego praktyczna ipleentacja regulatora @1 khz ożliwa już np. na TI TMS32F2812 (15 MHz).
Bezpośredni regulator rojowy (cd.) ref Reference feedforward (RFF) krff Plug-in direct ulti-swar repetitive controller (PDMSRC) J (k,1) J (k,2) J (k,n) J (k,n) PSO1: q1j = [uj(1),, uj(α1)] PSO2: q2j = [uj(α1+1),, uj(α2)] PSOn: qnj = [uj(αn-1+1),, uj(αn)] PSON: qnj = [uj(αn-1+1),, uj(αn)] Disturbance feedforward (DFF) Full-state feedback (FSF) [to increase daping] DC voltage power source kdff k12 k11 iload il LC filter iload Load ref u PSO i = [q11, q21,, qn1,, qnj,, qns] upso - - upwm PWM Single-phase VSI uvsi
Bezpośredni regulator rojowy (cd.) 4V 325V u C [V] u avg VSI [V] -325V -4V 5 1 15 2 5% -5% e [%] 1 8 noise RMS [agenta] RMSE (error RMS) [blue] 5 1 15 2 4V 325V u PSO [V] u nonrc [V] 6 i load [A] 1A [%] 4 5V -5V 2-1A 5 1 15 2 25 3 iteration nuber k (2 iterations = 1 second) -325V -4V 5 1 15 2 saple nuber p
Bezpo sredni regulator rojowy procesu powtarzalnego Bezposredni regulator rojowy (cd.) Bartłoiej Ufnalski (Faculty Board Mtg.: Sept. 21, 216) www.ufnalski.edu.pl/habilitacja (applic.: March 216)
Algoryt sterowania a algoryt adaptacji czy estyacji Opracowany algoryt bezpośredniego repetycyjnego regulatora rojowego wykorzystano ponadto.in. do: adaptacji nastaw regulatora nierepetycyjnego sterujacego procese powtarzalny oraz nadażnej estyacji paraetrów procesu powtarzalnego.
Adaptacyjne sterowanie optyalne procese powtarzalny
Bezpo sredni regulator rojowy procesu powtarzalnego Bezgradientowa nada zna estyacja paraetrów procesu powtarzalnego Bartłoiej Ufnalski (Faculty Board Mtg.: Sept. 21, 216) www.ufnalski.edu.pl/habilitacja (applic.: March 216)
Serdecznie dziękuję za uwagę! Pełny opis osiagnięć jest dostępny pod adrese www.ufnalski.edu.pl/habilitacja. Kluczowe odele zostały opublikowane na www.athworks.co/atlabcentral/profile /authors/212839-bartloiej-ufnalski (ożna wygooglować podajac słowa kluczowe: ufnalski atlab).