ИНТЕЛЛЕКТУАЛЬНЫЙ СИНТЕЗ И ОПТИМИЗАЦИЯ РЕГУЛЯТОРОВ ДЛЯ ПРОГНОЗНОГО УПРАВЛЕНИЯ РАСХОДОМ ТЕХНОЛОГИЧЕСКИХ СРЕД
Keywords:
Интеллектуальное управление, ПИД-регулятор, нечеткий регулятор, расход технологических сред, Advanced Process Control (APC).Abstract
В статье рассматриваются методы интеллектуального синтеза и оптимизации регуляторов для систем прогнозного управления расходом технологических жидких и газообразных сред. Показано, что использование предиктивных моделей, основанных на нейросетевых и нечетких алгоритмах, позволяет существенно повысить точность регулирования, уменьшить время переходных процессов и минимизировать суммарную стоимость ошибки управления. Выполнен сравнительный анализ работы традиционного ПИД-регулятора и нечеткого ПИД-подобного регулятора. Разработана структурная схема автоматизированной системы прогнозного управления расходом, включающая математическую модель объекта и оптимизированный нечеткий регулятор. Результаты моделирования подтверждают, что предложенный подход обеспечивает стабилизацию расхода при различных возмущающих факторах, снижает перерегулирование и адаптируется к стохастическому характеру технологических процессов.
Downloads
References
1. Box G. E. P., Jenkins G. M., Reinsel G. C., Ljung G. M. Time Series Analysis: Forecasting and Control. 5th ed. – Hoboken, NJ: John Wiley & Sons, 2016. -712 p.
2. Wang L. A Course in Fuzzy Systems and Control. – Upper Saddle River, NJ: Prentice Hall, 1997. -452 p.
3. Camacho E. F., Bordons C. Model Predictive Control. 2nd ed. – London: Springer-Verlag, 2013. -405 p.
4. Ogunnaike B. A., Ray W. H. Process Dynamics, Modeling, and Control. – New York: Oxford University Press, 1994. – 1264 p.
5. Roffel B., Betlem B. Process Dynamics and Control: Modeling for Control and Prediction. – Chichester: John Wiley & Sons, 2006. – 424 p.
6. Takagi T., Sugeno M. Fuzzy identification of systems and its application to modeling and control // IEEE Transactions on Systems, Man and Cybernetics. – 1985. – Vol. 15, No. 1. – P. 116–132.
7. Narendra K. S., Parthasarathy K. Identification and control of dynamical systems using neural networks // IEEE Transactions on Neural Networks. – 1990. – Vol. 1, No. 1. – P. 4–27.
8. Seborg D. E., Edgar T. F., Mellichamp D. A., Doyle F. J. Process Dynamics and Control. – 3rd ed. – Hoboken, NJ: John Wiley & Sons, 2016. – 544 p.
9. Ross T. J. Fuzzy Logic with Engineering Applications. – 3rd ed. – Chichester: John Wiley & Sons, 2010. – 585 p.
10. N.R. Yusupbekov, Sh.M. Gulyamov, E.E. Ortiqov. Some problems of automatic control and management in conditions of uncertainty // Central Asian Research Journal For Interdisciplinary Studies, ISSN: 2181-2454 Volume 2 | Issue 10 |October, 2022 | SJIF: 5,965 | UIF: 7,6 | ISRA: JIF 1.947 | Google Scholar | www.carjis.org, 2022.- pp.65-70. DOI: 10.24412/2181-2454-2022-10-65-70.
11. E.E.Ortiqov. Совершенствование систем контроля расхода газа в промышленных печах для повышения их энергоэффективности //TECHSCIENCE.UZ, Topical Issues of Technical Sciences, 2025-yil | 3-jild | 9-son, ISSN (onlayn): 3030-3702. - 31-36 b.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License.
License Terms of our Journal
