СИНТЕЗ АДАПТИВНОЇ СИСТЕМИ КЕРУВАННЯ КОЛОНОЮ СИНТЕЗУ МЕТАНОЛУ НА ОСНОВІ МОДЕЛІ ЕТАЛОННОГО ВІДГУКУ
DOI:
https://doi.org/10.31471/1993-9981-2026-1(56)-183-194Ключові слова:
адаптивне керування, інтелектуальні системи керування, колона синтезу метанолу, функція Ляпунова, ПІ-регулятор, параметрична невизначеність.Анотація
Об’єктом дослідження в роботі адаптивна система керування колоною синтезу метилового спирту. Метою роботи є розроблення та дослідження системи керування колоною, досягнення якої дасть змогу забезпечити якість регулювання в умовах параметричної невизначеності, підвищити стабільність виробничого процесу та якість кінцевого продукту. Синтез адаптивної системи керування колоною синтезу виконано на основі моделі еталонного відгуку (MRAC). Математична модель об'єкта отримана методом ідентифікації «чорного ящика» в середовищі MATLAB System Identification Toolbox; отримана передатна функція першого порядку описує канал «витрата живильного газу – мольна частка метанолу». Адаптивний регулятор реалізований на базі ПІ-закону керування з оновленням параметрів за законом Ляпунова, що гарантує стійкість замкненої системи. З метою оцінювання якості роботи синтезованої системи керування проведено імітаційне моделювання трьох сценаріїв: номінальний режим, стрибкова зміна коефіцієнта підсилення об'єкта (+60%) та ступінчасте вхідне збурення. Імітаційний експеримент проводився протягом 8000 с з кроком 2 с зі ступінчастою зміною сигналу завдання 1,0; 1,8; 1,3; 2,0. За результатами експерименту оцінювалася зміна виходу об'єкта, похибка адаптації, величина адаптації основних параметрів та відхилення від завдання. Показано, що в номінальному режимі за умов збурень MRAC знижує інтегральну абсолютну похибку IAE на 45% і 35% відповідно порівняно з класичним ПІ-регулятором з фіксованими параметрами. У випадку різкої зміни параметрів (стрибкоподібна зміна коефіцієнта підсилення об'єкта на 60%) класичний ПІ показав незначно кращий результат (+14% IAE), що пояснюється кінцевим часом перебудови адаптаційного контуру. Отримані результати підтверджують доцільність застосування MRAC для керування технологічними процесами з параметричною невизначеністю.
Завантаження
Посилання
1. Wagialla, K. M., & Elnashaie, S. S. E. H. (1991). Fluidized-bed reactor for methanol synthesis. A theoretical investigation. Industrial & Engineering Chemistry Research, 30(10), 2298–2308. https://doi.org/10.1021/ie00058a009
2. Åström, K. J., & Wittenmark, B. (1995). Adaptive control (2nd ed.). Addison-Wesley.
3. Ioannou, P. A., & Sun, J. (1996). Robust adaptive control. Prentice Hall.
4. Singh, A. B., Jothi, A. A. S., & Jananisri, S. (2017). Model reference adaptive control (MRAC) implementation for an industrial pilot stirrer process. 2017 IEEE International Conference on Power, Control, Signals and Instrumentation Engineering (ICPCSI), 2072–2076. https://doi.org/10.1109/ICPCSI.2017.8392081
5. Ritonja, J., Goršek, A., & Pečar, D. (2020). Model reference adaptive control for milk fermentation in batch bioreactors. Applied Sciences, 10(24), Article 9118. https://doi.org/10.3390/app10249118
6. Abougarair, A. J., & Shashoa, N. A. A. (2021). Model reference adaptive control for temperature regulation of continuous stirred tank reactor. 2021 IEEE 2nd International Conference on Signal, Control and Communication (SCC), 276–281. https://doi.org/10.1109/SCC53769.2021.9768396
7. Mukherjee, D., Raja, J. L., Kundu, P., & Ghosh, A. (2022). Design of optimal fractional order lyapunov based model reference adaptive control scheme for CSTR. IFAC-PapersOnLine, 55(1), 436–441. https://doi.org/10.1016/j.ifacol.2022.04.072
8. Ljung, L. (1999). System identification: Theory for the user (2nd ed.). Prentice Hall.
9. The MathWorks, Inc. (2024). System identification toolbox. User's guide. https://www.mathworks.com/help/ident/
10. Seborg, D. E., Edgar, T. F., Mellichamp, D. A., & Doyle, F. J. (2016). Process dynamics and control (4th ed.). Wiley.
11. Narendra, K. S., & Annaswamy, A. M. (1989). Stable adaptive systems. Prentice Hall.
.png)
