Адаптивное итерационное управление температурой в теплице

Ключевые слова: микроклимат, адаптивный итерационный алгоритм, ПИД-закон регулирования, пакет моделирования МВТУ

Аннотация

Введение. Создание и развитие эффективных аграрных комплексов, обеспечивающих высокую урожайность при минимальных временных, материальных и энергетических затратах, невозможно без применения систем автоматического управления (САУ), позволяющих с высокой точностью поддерживать микроклимат теплицы. Усовершенствования САУ микроклимата направлены на нейтрализацию влияния параметрических возмущений процессов внутри и вне теплицы. На примере канала регулирования температуры в теплице с контуром отопления на основе горячего трубного водоснабжения предложен адаптивный итерационный (поисковый) алгоритм подстройки составляющих пропорционального-интегрального-дифференциального (ПИД) регулятора в контуре отопления для обеспечения требуемого качества процесса регулирования.
Материалы и методы. За основу синтеза управления принята параметрически неопределенная модель температуры в теплице, структура которой на основе принципа суперпозиции преобразована к виду с сосредоточенными на выходную координату управлением и возмущениями. Применение адаптивного ПИД-регулятора основано на анализе базы данных реального времени, содержащей тренды управляемого процесса. Используя операторы языка системы управления базами данных или SQL-запросы, оценивается качество регулирования. По оценке качества корректируются пропорциональная и дифференциальная составляющая ПИД-регулятора так, чтобы система управления работала на грани перехода в режим автоколебаний. Возникающая статическая ошибка компенсируется изменением задающего воздействия.
Результаты исследования. Проведено моделирование в программном комплексе МВТУ (SimInTech) реальной структуры одноконтурной САУ температурой в теплице с включенными регулирующим, исполнительным и измерительным элементами, а также при наличии запаздывания в движении теплоносителя. Показано, что предлагаемый алгоритм адаптации, заключающийся в аддитивной подстройке коэффициентов ПИД-регулятора, удобно реализуемый в SCADA-системе, обеспечивает минимальное колебательное поддержание температуры при произвольных параметрических возмущениях и наличии запаздывания.
Обсуждение и заключение. Предлагаемый алгоритм адаптации обеспечивает компенсацию неопределенности модели и возмущений, при этом достигается требуемая точность поддержания температуры в теплице. Результаты исследования послужат материалом для разработки многоконтурной САУ микроклимата теплицы с исследованием влияния и компенсации параметрической и структурной неопределенности, инерционностей и нелинейностей реальных элементов. Результаты работы могут быть использованы во многих отраслях народного хозяйства для исследования общих и прикладных проблем цифрового адаптивного управления процессами.

Биографии авторов

Виктор Степанович Грудинин, ФГБОУ ВО «Вятский государственный университет»

доцент кафедры электропривода и автоматизации промышленных установок, Политехнический институт, ФГБОУ ВО «Вятский государственный университет» (610000, Россия, г. Киров, ул. Московская, д. 36), кандидат технических наук, ResearcherID: G-5550-2018

Валерий Степанович Хорошавин, ФГБОУ ВО «Вятский государственный университет»

профессор кафедры электропривода и автоматизации промышленных установок, Политехнический институт, ФГБОУ ВО «Вятский государственный университет» (610000, Россия, г. Киров, ул. Московская, д. 36), доктор технических наук, профессор, ResearcherID: G-5298-2018

Александр Викторович Зотов, ФГБОУ ВО «Вятский государственный университет»

доцент кафедры электропривода и автоматизации промышленных установок, Политехнический институт, ФГБОУ ВО «Вятский государственный университет» (610000, Россия, г. Киров, ул. Московская, д. 36), кандидат технических наук, ResearcherID: G-4912-2018

Сергей Викторович Грудинин, ФГБОУ ВО «Вятский государственный университет»

аспирант кафедры электропривода и автоматизации промышленных установок, Политехнический институт, ФГБОУ ВО «Вятский государственный университет» (610000, Россия, г. Киров, ул. Московская, д. 36), ResearcherID: V-9221-2018

Литература

1. Грудинин В. С. Управление микроклиматом и средства фитомониторинга // Аграрная наука Евро-Северо-Востока. 2007. № 10. C. 124–127. URL: http://www.cnshb.ru/jour/j_as.asp?id=96472 (дата обращения: 22.01.2019).

2. Герасимов Д. Н., Лызлова М. В. Адаптивное управление микроклиматом в теплицах // Известия РАН. Теория и системы управления. 2014. № 6. С. 124–135. URL: https://clck.ru/HHiDy (дата обращения: 22.01.2019).

3. Токмаков Н. М., Грудинин В. С. Математическая модель системы управления микроклиматом ангарных теплиц. Гавриш. 2008. № 3. С. 28–32. URL: http://samodelkin.komi.ru/doc/6.pdf (дата обращения: 22.01.2019).

4. Von Zabeltitz C. Greenhouse Structures // In: Integrated Greenhouse Systems for Mild Climates. Berlin, Heidelberg: Springer, 2011. Рp. 59–135.. DOI: https://doi.org/10.1007/978-3-642-14582-7_5

5. Jones P., Jones J. W., Hwang Y. Simulation for Determining Greenhouse Temperature Set Points // Transactions of the ASAE. 1990. Vol. 33, no. 5. Рр. 1722–1728. URL: https://scholar.google.ru/scholar?c luster=7823325459120957027&hl=ru&as_sdt=0,5 (дата обращения: 22.01.2019).

6. Van Straten G., Van Henten E. J. Optimal Greenhouse Cultivation Control: Survey and Perspectives // Dept. Agrotechnology and Food Science. Systems and Control. 2010. Vol. 43, Issue 26. Pp. 18–33. URL: https://library.wur.nl/WebQuery/wurpubs/fulltext/161860 (дата обращения: 22.01.2019).

7. Zeng S., Xu H. H. L., Li G. Nonlinear Adaptive PID Control for Greenhouse Environment Based on RBF Network // Sensors. 2012. Vol. 12. Pp. 5328–5348. DOI: https://doi.org/10.3390/s120505328

8. Seginer I., Boulard T., Bailey B. J. Neural Network Models of the Greenhouse Climate // Agricultural Engineering Research. 1994. Vol. 59. Рp. 203–216. URL: https://www.researchgate.net/ profile/T_Boulard/publication/222347971_Neural_Network_Models_of_the_Greenhouse_Climate/ links/5a0802894585157013a5e0ea/Neural-Network-Models-of-the-Greenhouse-Climate.pdf (дата обра- щения: 22.01.2019).

9. Kok R., Lacroix R., Clark G., Taillefer E. Imitation of a Procedural Greenhouse Model with an Artificial Neural Network // Canadian Agricultural Engineering. 1994. Vol. 36, no. 2. Рp. 117–126. URL: https://scholar.google.ru/scholar?cluster=2098238280172549431&hl=ru&as_sdt=0,5 (дата обращения: 22.01.2019).

10. Грудинин В. С. Адаптивная компьютерная система управления микроклиматом // Аграрная наука Евро-Северо-Востока. 2007. № 9. С. 137–142. URL: http://www.cnshb.ru/jour/j_as.asp?id=92776 (дата обращения: 22.01.2019).

11. Ferreira P. M., Ruano A. E. Discrete Model Based Greenhouse Environmental Control Using the Branch & Bound Algorithm // The International Federation of Automatic Control. 2008. Pp. 2937–2943. URL: http://folk.ntnu.no/skoge/prost/proceedings/ifac2008/data/papers/3461.pdf (дата обращения: 22.01.2019).

12. Dynamic Modeling and Simulation of Greenhouse Environments under Several Scenarios: a Web-Based Application / Efren Fitz-Rodriguez [et al.] // Computers and Electronics in Agriculture. 2010. Vol. 70. Pp. 105–116. URL: http://irrecenvhort.ifas.ufl.edu/Teaching%20publications/Publications/ COMPAG-2009-Greenhouse%20simulation.pdf (дата обращения: 22.01.2019).

13. Berenguel M., Yebra L. J., Rodriguez F. Adaptive Control Strategies for Greenhouse Temperature Control // En viado a ECC. 2003. DOI: https://doi.org/10.23919/ECC.2003.7086457

14. Мееров М. В. Адаптивные компенсирующие регуляторы с предиктором Смита // Автоматика и телемеханика. 2000. № 10. С. 125–135. URL: http://www.mathnet.ru/php/archive.phtml?wshow =paper&jrnid=at&paperid=15286&option_lang=rus (дата обращения: 22.01.2019).

15. Денисенко В. В. ПИД-регуляторы: принципы построения и модификации // Современные технологии автоматизации. 2007. № 1. С. 78–88. URL: http://www.studmed.ru/denisenko-vv-pid-regulyatory- principy-postroeniya-i-modifikacii_dc7431cf063.html (дата обращения: 22.01.2019).

16. Åström K. J., Hägglund T. Advanced PID control. Durham: ISA, 2006. 460 p. URL: http:// intranet.ceautomatica.es/sites/default/files/upload/13/files/AdvancesInPIDControl_KJA.pdf (дата обра- щения: 22.01.2019).

17. Карпенко А. В., Петрова И. Ю. Модели управления микроклиматом в помещении // Фундаментальные исследования. 2016. № 7 (2). С. 224–229. URL: http://fundamental-research.ru/ru/article/ view?id=40488 (дата обращения: 22.01.2019).

18. Гудкова Н. В. Приложение принципов адаптивного моделирования к задачам управления динамическими объектами типа «черный ящик» // Современная электроника. 2012. № 8. С. 68–70. URL: http://www.radiofiles.ru/news/sovremennaja_ehlektronika_8_2012/2012-10-09-2397 (дата обра- щения: 22.01.2019).

19. Анализ управляемости и устойчивости приближенной модели теплопереноса в автоклаве / С. А. Мокрушин [и др.] // Вестник Мордовского университета. 2018. Т. 28, № 3. С. 416–428. DOI: https://doi.org/10.15507/0236-2910.028.201803.416-428

20. Alonso A. A., Banga J. R., Perez-Martin R. Modeling and Adaptive Control for Batch Sterilization // Computers & Chemical Engineering. 1998. Vol. 22, Issue 3. С. 445–458. URL: https://www.sciencedirect. com/science/article/pii/S0098135497002500 (дата обращения: 22.01.2019).

21. Киргин Д. С. Алгоритмы управления технологическим процессом вулканизации установ- ки автоклав // Вестник ИрГТУ. 2011. Т. 55, № 8. С. 195–199. URL: https://cyberleninka.ru/article/n/ algoritmy-upravleniya-tehnologicheskim-protsessom-vulkanizatsii-ustanovki-avtoklav (дата обращения: 22.01.2019).
Опубликован
2021-06-23
Раздел
ПРОЦЕССЫ И МАШИНЫ АГРОИНЖЕНЕРНЫХ СИСТЕМ