Программный комплекс "Эксперт" и его экспериментальные исследования

Для исследования функциональных возможностей и характеристик рассмотренного выше экспертного регулятора был разработан ЭР следя­щего электрического привода (ЭП) [1-5] , являющегося достаточно сложным примером САУ. Исследовательский вариант ЭР реализован в виде про­граммного комплекса "Эксперт" на персональном компьютере типа РС 386/387 с тактовой частотой 33 МГц. Объем законченного программно­го продукта не превышает 350 Кб; ЭР снабжен базой алгоритмов, обес­печивающей гибкость интеллектуальной части ЭР, т. е. возможность управлять не только САУ ЭП роботов, но и другими динамическими объектами; он автоматически поддерживает требуемое качество работы системы при изменении характеристик отдельных элементов последней и может быть дополнен пользователем новыми алгоритмами и знания­ми. Структура программного комплекса "Эксперт" приведена на рис. 4.

Рис. 4. Структура программного комплекса "Эксперт"

Рассмотрим действия ЭР на основных этапах его работы на примере САУ ЭП (рис. 5). Обозначения: НЭ — нелинейный элемент типа "зона нечувствительности и ограничение"; ПИД-регулятор; ДПТ — двигатель постоянного тока (обычно представляемый в виде двух апериодических звеньев первого порядка).

Рис. 5. Структурная схема САУ ЭП

При проведении экспериментов были приняты следующие значения параметров: постоянные времени двигателя Т1 = 0,1 с, Т2 = 1 с; коэффициент усиле ния двигателя Кдв = 1; коэффициент усиления датчика Кдат = 1; коэффи­циенты ПИД-регулятора соответственно Кр = 6, Кi =1, Кd = 3; зона нечувствительности а = 0,5; уровень ограничения Ь = 4.

С использованием правила по идентификации нелинейной САУ с помощью ЭР были оценены параметры не­линейного элемента "нечувствительность и ограничение" и параметры линейной части системы методом Гаусса—Ньютона с покомпонентной минимизацией параметров. На вход системы подавался сигнал с опорной амплитудой. В результате были получены следующие значения параметров модели системы: постоянные времени двигателя Т1 =0,114 с, Т2 = 0,923 с; коэффициент усиления двигателя Кдв= 0,99; коэффициент усиления датчика Кдат = 1; зона нечувствительности а = 0,521; уровень ограничения b = 3,986.

На рис. 6 представлены переходные процессы системы (кривая 1) и модели (кривая 2).

Рис. 6. Переходные процессы САУ ЭП (У) и модели (2)

Формирование знаний и синтез параметров ПИД-регулятора

Предложенный в работах [1,2] алгоритм формирования знаний о динамике нелинейной системы, основанный на анализе диаграмм качества, является достаточно простым и эффективным средством наполнения БЗ ЭР. Полученные с его помощью правила позволяют ЭР не только идентифицировать возможные

Рис. 7. Переходные процессы в невозмущенной САУ ЭП (1) и в скорректированной ЭР (2)

изменения параметров в системе, но и выбрать коэффициенты регулятора так, чтобы показатели качества рассматривае­мой системы удовлетворяли предъявляемым требованиям.

Таким образом, программный комплекс "Эксперт", в котором заложе­ны приведенные выше правила по эффективному выбору методов иден­тификации и синтеза, а также алгоритмы формирования эмпирических знаний о динамике линейной и нелинейной систем, обеспечивает эффек­тивное решение всего комплекса задач синтеза, диагностики и проекти­рования САУ.

Рассмотренная версия программной реализации ЭР "Эксперт" обес­печивает периодическую подстройку параметров ПИД-регулятора с периодом, не меньшим времени регулирования переходного процесса. Относительно невысокое быстродействие такого регулятора для САУ типа следящего электропривода робота, естественно, не обеспечивает его адаптации в реальном масштабе времени, но гарантирует периодическую подстройку, а применение такого регулятора для других (более медлен­ных) систем может обеспечить работу в реальном времени.

Представленный ЭР обеспечивает функциональную гибкость интеллектуальной системы управления за счет возможности дополнения соответствующими вычис­лительными алгоритмами его БА и знаниями по ним БЗ для работы с широким спектром исполнительных подсистем. Предложенная архитек­тура ЭР не накладывает существенных ограничений на закон управления: главное, чтобы он был физически реализуем на контроллере устройства управления. Экспертный регулятор является программным продуктом, поэтому он довольно легко может быть установлен практически на любую цифровую систему управления.

При всех своих оче­видных достоинствах такой экспертный регулятор обладает ограни­ченными возможностями для работы в реальном масштабе времени в системах с быстропротекающими процессами, под которыми понимаются системы, такт управления которых не превышает 2 мс.

В ЭР, описанном в [2], реализованы принципы адаптивного управле­ния, основанные на идентификации параметров ОУ и определении параметров регулятора на основе имеющихся знаний, т. е. процесс адап­тации строится с использованием рекуррентных процедур, содержащихся в базе алгоритмов (методы наименьших квадратов, инструментальных переменных, Гаусса-Ньютона). Как известно, в структуре данных алго­ритмов присутствует операция обращения матриц, программная реали­зация которой требует значительных вычислительных затрат. Так, для реализации процедуры идентификации параметров ОУ второго порядка на персональном компьютере не ниже IBM PC 386/387 требуется 4 мс, что уже превышает такт управления систем с быстропротекающими процес­сами. Кроме того, определение коэффициентов регулятора в ЭР [2] произ­водится с помощью заложенных в него знаний, следовательно, его быс­тродействие в значительной степени зависит от количества имеющихся правил (в программном комплексе "Эксперт" [2] таких правил 105).

На основе вышесказанного можно сделать вывод, что основными эле­ментами, ограничивающими быстродействие ЭР, являются база знаний (БЗ) и идентификатор.

Естественным путем решения проблемы повышения быстродействия ЭР является использование для построения его наиболее медленных эле­ментов технологии нейросетевых структур (НС), обеспечивающей высо­кий уровень быстродействия и надежности САУ за счет параллельной обработки сигналов, однородности конструктивных элементов и их избыточности.

Таким образом разработка адаптивных регуляторов, сочетающих преимущества технологий экспертных систем и нейросетевых структур представляет несомненный интерес. Обобщение подходов, основанных на применении этих технологий, предполагает разработку новой методо­логии построения систем интеллектуального управления, обладающих высоким быстродействием и обеспечивающих направленный поиск оптимальных параметров и законов управления в условиях неполноты имеющейся информации, а также контроль изменения этих характерис­тик в процессе функционирования.