«Автоматизация и информатизация ТЭК»

Синтез ПИД-регулятора для сепаратора типа НГСВ на основе принципов гибридного параллельного нейроуправления

УДК: 681.51
DOI: -

Авторы:

¹ Тюменский индустриальный университет, Тюмень, Россия
² НОВАТЭК-ТАРКОСАЛЕНЕФТЕГАЗ, Тарко-Сале, Россия

Ключевые слова: ПИД-регулятор, гибридное управление, нейросетевые технологии, адаптивное управление, устойчивость, параллельное управление, автоматическое регулирование, синтез, динамические системы

Аннотация:

В статье рассматривается методика синтеза пропорционально-интегрально-дифференцирующего (ПИД) регулятора, основанная на принципах гибридного параллельного нейроуправления. Традиционные ПИД-регуляторы широко применяются в системах автоматического управления благодаря универсальности, простоте и понятности настройки. Однако их эффективность существенно ограничивается в условиях работы с нелинейными динамическими системами, быстро меняющимися параметрами объекта управления и внешними возмущениями. Такие ограничения обусловлены фиксированной настройкой коэффициентов регулятора, что снижает его способность к адаптации. В этих условиях для обеспечения более высокой точности регулирования и повышения адаптивности к различным возмущениям предлагается подход, который сочетает классический алгоритм ПИД-регулирования с возможностями нейросетевых технологий, осуществляющих динамическую корректировку управляющего воздействия в реальном времени. Подробно описаны математические основы метода, включая формализацию объекта управления, структуру нейросетевого компонента и алгоритмы обучения. Также проводится сравнительный анализ гибридного регулятора относительно классического. Полученные результаты демонстрируют преимущества гибридного подхода в задачах автоматического регулирования.

Список литературы:

1. Спасибов В.М., Кабеева Н.В. Цифровизация нефтегазового месторождения и кадровый потенциал // Нефть. Газ. Новации. – 2018. – № 12. – С. 24–28.
2. Жилов Р.А. Постройка ПИД-регулятора с использованием нейронных сетей // Изв. Кабардино-Балкарского науч. центра РАН. – 2022. – № 5(109). – С. 38–47. – DOI: 10.35330/1991-6639-2022-5-109-38-47
3. Fliess M., Join C. An alternative to proportional-integral and proportional-integral-derivative regulators: Intelligent proportional-derivative regulators // Int. J. of Robust and Nonlinear Control. – 2021. – Vol. 32, Issue 18. – P. 9512–9524. – DOI: 10.1002/rnc.5657
4. Чертилин К.Э., Ивченко В.Д. Настройка адаптивных пропорционально-интегрально-дифференциальных регуляторов системы автоматического регулирования частоты вращения газотурбинного двигателя // Российский технолог. журн. – 2020. – Т. 8, № 6(38). – С. 143–156. – DOI: 10.32362/2500-316X-2020-8-6-143-156
5. Xu Yuanyuan, Chen Bing. Adaptive neural network control for nonlinear non-strict feedback time-delay systems // Systems Science & Control Engineering. – 2020. – Vol. 9, Issue Sup2. – P. 81–92. – DOI: 10.1080/21642583.2020.1833787
6. Метод гибридного управления в интеллектуальных системах на основе ПИД и ПИД-FUZZY-регуляторов / В.В. Игнатьев, О.Б. Спиридонов, В.М. Курейчик [и др.] // Вестн. РГРТУ. – 2017. – № 62. – С. 110–118. – DOI: 10.21667/1995-4565-2017-62-4-110-118
7. Андриянов А.М. Стандартизация и унификация как основа внедрения новых информационных технологий в нефтегазовую отрасль // Новые информ. технологии в нефтегазовой отрасли и образовании: материалы XI Междунар. науч.-практ. конф.-конкурса, Тюмень, 18–19 апр. 2024 г. – Тюмень: ТИУ, 2024. – С. 94–98.
8. Performance of Neural Network Based Controllers and ΔΣ-Based PID Controllers for Networked Control Systems: A Comparative Investigation / C. Wanigasekara, D. Almakhles, A. Swain [et al.] // 2019 IEEE Int. Conf. on Environment and Electrical Engineering and 2019 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), Genova, Italy, June 11–14, 2019. – P. 1–6. – DOI: 10.1109/EEEIC.2019.8783404