АЦП - аналого-цифровой преобразователь

СОДЕРЖАНИЕ

• ВВЕДЕНИЕ11
• 1.ОПИСАНИЕ ПОДЪЕМНО-ТРАНСПОРТНОГО МЕХАНИЗМА14
• 1.1.МОДЕЛЬ ПОДЪЕМНО-ТРАНСПОРТНОГО МЕХАНИЗМА14
• 1.3.НЕЧЕТКАЯ ФОРМАЛИЗАЦИЯ ПАРАМЕТРОВ18
• 1.4.АНАЛИЗ МОДЕЛЕЙ ПРИНЯТИЯ РЕШЕНИЙ20
• 2. РАЗРАБОТКА МЕТОДА УПРАВЛЕНИЯ ПОДЪЕМНО-ТРАНСПОРТНЫМ МЕХАНИЗМОМ23
• 3. РАЗРАБОТКА ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ.33
• 3.1 Структурная организация.33
• 3.2 Алгоритм программы.34
• 3.3 Описание интерфейса36
• 3.4 Реализация37
• 4. ОПИСАНИЕ РАБОТЫ С ИНФОРМАЦИОННым ОБЕСПЕЧЕНИем39
• 4.1 Запуск и выбор опций39
• 4.2 Новый проект39
• 4.3 Лингвистическая переменная.40
• 4.4 Блок правил42
• 5. ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ ПРОЕКТА44
• 5.1. СТОИМОСТНАЯ ОЦЕНКА РАЗРАБОТКИ44
• 5.1.1. КАПИТАЛЬНЫЕ ЗАТРАТЫ44
• 5.1.2. ЭНЕРГЕТИЧЕСКИЕ ЗАТРАТЫ.46
• 6. БЕЗОПАСНОСТЬ И ЭКОЛОГИЧНОСТЬ РАБОТЫ47
• 6.1. ОЦЕНКА НАПРЯЖЕННОСТИ ТРУДА РАЗРАБОТЧИКА47
• 6.2. АНАЛИЗ УСЛОВИЙ ТРУДА РАЗРАБОТЧИКА И МЕРОПРИЯТИЯ ПО УСТРАНЕНИЮ ВРЕДНЫХ ФАКТОРОВ52
• 6.3. ЭКОЛОГИЧНОСТЬ РАБОТЫ55
• 6.3.1. КОМПЬЮТЕР КАК ИСТОЧНИК ПЕРЕМЕННОГО ЭЛЕКТРОМАГНИТНОГО ПОЛЯ55
• 7. СОЦИАЛЬНАЯ ЗНАЧИМОСТЬ58
• ЗАКЛЮЧЕНИЕ59
• СПИСОК ИСТОЧНИКОВ60
• ПРИЛОЖЕНИЕ 61

ВВЕДЕНИЕ

В последнее время нечеткое моделирование является одной из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений. Нечеткое моделирование оказывается особенно полезным, когда в описании технических систем и бизнес-процессов присутствует неопределенность, которая затрудняет или даже исключает применение точных количественных методов и подходов.

В области управления техническими системами нечеткое моделирование позволяет получать более адекватные результаты по сравнению с результатами, которые основываются на использовании традиционных аналитических моделей и алгоритмов управления. Диапазон применения нечетких методов с каждым годом расширяется, охватывая такие области, как проектирование промышленных роботов и бытовых электроприборов, управление доменными печами и движением поездов метро, автоматическое распознавание речи и изображений.

Нечеткая логика, которая служит основой для реализации методов нечеткого управления, более естественно описывает характер человеческого мышления и ход его рассуждений, чем традиционные формально-логические системы. Именно поэтому изучение и использование математических средств для представления нечеткой исходной информации позволяет строить модели, которые наиболее адекватно отражают различные аспекты неопределенности, постоянно присутствующей в окружающей нас реальности.

В качестве объекта управления был выбран подъемно-транспортный механизм. В настоящее время трудно представить практически любое современное производство без использования подъемно-транспортных механизмов на различных этапах производства. Использование подъемно-транспортных механизмов обусловлено необходимостью контроля траектории перемещаемого груза. Особенно важным это является при проведении различных погрузочных, строительных, и других видов работ связанных с перемещением грузов большой массы и объема.

Груз, поднимаемый краном, раскачивается и при перемещении, и при остановке. Большая начальная скорость перемещения крана является источником колебаний груза на крюке. Обычно эти колебания понижаются посредством уменьшения начальной скорости перемещения крана. Величина раскачивания груза варьируется в зависимости от веса груза, его состояния, метода подвешивания груза на крюке, высоты крана, величины ускорения и т.д.

Работа является актуальной т.к. в условиях современного производственного процесса необходимо наиболее быстрое, качественное и безопасное выполнение различных подъемно-транспортных работ, что и призван осуществлять разработанный нечеткий контроллер.

Целью бакалаврской работы является разработка ПО для моделирования нечеткого контроллера, управляющего подъемно-транспортным механизмом.

В работе решаются следующие задачи:

1. разработка IDE ПО, для моделирование нечетких систем,

2. разработка модели нечеткого контроллера,

3. разработка демонстрационной программы.

Методологическую основу исследований составляет теория адаптивного управления, теория нечетких регуляторов, принципы работы подъемно-транспортных механизмов.

Результаты работы являются практически полезными, т.к. могут найти применение при разработке промышленных нечетких регуляторов для подъемно-транспортных механизмов.

В первом разделе данной работы рассматриваются особенности и проблематика управления системой на различных этапах переноса груза, физический смысл процессов протекающих в системе, приводятся краткие характеристики моделей принятия решений, нечеткая формализация параметров.

Во втором разделе задаются нечеткие и лингвистические переменные, осуществляется определение особенностей управления на каждом этапе перемещения груза, составляются правила “ситуация-действие” позволяющие наиболее качественно осуществлять управление.

В третьем разделе рассматривается программное обеспечение, осуществляющее управление работой микроконтроллера, приводится формальная реализация управляющей программы и рабочий алгоритм ее функционирования.

В четвертом разделе описываются принципы работы с ПО.

В пятом разделе приводится экономическое обоснование актуальности разрабатываемого проекта, определяются капитальные и энергетические затраты.

В шестом разделе производится оценка напряженности труда разработчика, анализ его условий труда и мероприятия по устранению вредных факторов, экологичность работы.

1. ОПИСАНИЕ ПОДЪЕМНО-ТРАНСПОРТНОГО МЕХАНИЗМА

1.1. Модель подъемно-транспортного механизма

Проектирование моделей, в полной мере описывающих различные характеристики и состояния подъемно-транспортного механизма, практически является не решаемой задачей, так как на практике представляется невозможным учесть все внутренние и внешние факторы, оказывающие влияние на подъемно-транспортный механизм в процессе работы. Например, невозможно определить величину и направление ветра в тот или иной момент работы механизма, так же в процессе функционирования объекта могут возникать различные непредвиденные ситуации, помехи.

Большую проблему при проектировании систем подобного рода представляет расчет сил необходимых для “отрывания” груза от опорной поверхности. При существующих методах расчета эта задача не имеет решения или его очень сложно получить в виде пригодном для дальнейшего применения. С помощью аппарата нечетких множеств, используя знания экспертов, можно существенно упростить решение данной задачи. Рассмотрим подробнее действия оператора и состояния подъемно-транспортного механизма в процессе работы.

В процессе работы оператор крана осуществляет некоторую последовательность действий, с целью перемещения груза из одной точки в другую. Оператор, воздействуя на органы управления подъемно-транспортного механизма, задает скорость движения, угол поворота стрелы, направление движения, одновременно контролируя поведение объекта, наблюдая, чтобы не возникало различных нежелательных и критических ситуаций.

Изменение скорости подъемно-транспортного механизма в процессе работы представлено на рис. 1.1

Рис. 1.1. О1 - точка начала разгона, О2 - точка конца разгона, О3 - точка начала торможения, О4 - точка конца торможения

Для каждой из точек характерна некоторая совокупность внутренних и внешних факторов, оказывающих влияние на рассматриваемый объект. На рис. 1.2 показана схема разложения на силы при раскачивании груза, который перемешается краном.

Рис. 1.2 VT(t) - текущая скорость перемещения крана, (t) - текущий угол отклонения груза, m - масса груза

Баланс моментов относительно точки О имеет вид: М1+М2=М3, где  - момент инерции груза относительно точки подвеса;  - момент, создаваемый составляющей скорости подвеса относительно точки подвеса; M3=mglsin(t) - момент, создаваемый составляющей веса груза относительно точки подвеса.

После интегрирования и преобразований получим уравнение:

,(1.1)

где (t=0)=0, - начальные условия нелинейного интегро-дифференциального уравнения.

Составить дифференциальные уравнения, описывающие подобную динамическую систему достаточно сложно и нет никакой гарантии, что она будет адекватной моделью [2].

1.2. Принцип работы нечетких гибридных регуляторов

Нечеткие регуляторы подразделяют на три типа:

Логико-лингвистические регуляторы,

Аналитические регуляторы

Обучаемые нечеткие регуляторы.

У каждого из этих регуляторов свои достоинства и недостатки, но к наиболее значимым недостаткам ЛЛР табличного типа можно отнести их ограниченную размерность (общее число переменных не должно превышать трех и субъективность выбора интервалов и соответствующих значений лингвистических переменных).

Обучаемые нечеткие регуляторы и системы управления относятся к классу наиболее перспективных. Они сохраняют высокую работоспособность в условиях помех и погрешностей измерения, а также достаточно быстро настраиваются на меняющиеся условия производства, снижая тем самым потери от неэффективного управления.

Объединяя другие типы регуляторов в более сложные структуры, проектная цель должна дополняться к подходящим управляющим характеристикам каждого регулятора в общие характеристики гибридного регулятора.

Гибридный регулятор работает как многорежимный регулятор, который имеет три режима операций, управляемых режимом операции модуля действий (Рис. 1.3). Изменение режимов зависит от величин нечетких вводов регулятора. В зависимости от этого установятся следующие соотношения:

Рис. 1.3. Состав гибридного регулятора

1.3. Нечеткая формализация параметров

В настоящее время разработаны многочисленные методы, позволяющие сохранять неизменным положение транспортируемого груза относительно заданной траектории при помощи специальных схем подвеса. Однако они не рассчитаны на резкие, непредвиденные изменения ситуации, связанные с влиянием внешних возмущающих факторов (изменение направления, скорости ветра, появления помех, возникновение аварийных ситуаций, требующих перехода системы в специальные режимы работы или немедленной остановки). Так же с помощью традиционных методов ПИД-регулирования невозможно обеспечить приемлемое качество управления при резком начале движения груза в момент отрыва от поверхности опоры и остановке в заданной точке пространства.

Таким образом, числовая информация, поступающая от датчиков (значение угла отклонения, угловой скорости, скорости груза), не позволяет, найти решение формальными методами при существующих ограничениях. В этом случае или нужно существенно округлять исходные данные, что может привести к получению неверного результата, или воспользоваться знаниями экспертов, которые выражаются в нечеткой словесной форме. Таким образом, наиболее целесообразным в сложившихся условиях представляется использование методов нечеткой логики для построения системы стабилизации груза.

Рассмотрим особенности применения аппарата нечетких множеств и нечеткой логики для решения данной задачи. Обработка нечеткой информации в задачах принятия решений (ПР) обеспечивается применением лингвистического подхода (аппарата нечеткой логики) [3].

В рамках лингвистического подхода в качестве переменных допускаются не только числа, но слова и предложения естественного языка, а аппаратом их формализации является теория нечетких множеств. Лингвистический подход при построении моделей принятия решений позволяет:

- применять для описания элементов задачи ПР приближенные, субъективные оценки экспертов, выраженные с помощью нечетких понятий, отношений и высказываний профессионального языка лиц принимающих решения (ЛПР);

- формализовать нечеткие описания с помощью нечетких множеств, лингвистических переменных и нечетких свидетельств;

- оперировать полученными формализованными объектами посредством аппарата, развиваемого на основе теории нечетких множеств;

- представлять результаты решения задачи как в виде нечетких описаний с использованием понятий и отношений профессионального языка экспертов, так и в виде четких рекомендаций;

- формализация нечетких понятий и описаний профессионального языка ЛПР обеспечивается введением понятий нечеткой и лингвистической переменных, нечеткого множества и отношения, что обеспечивает переход от словесных описаний элементов задач ПР к числовым представлениям.

Нечетким множеством А на множестве X называется совокупность пар вида ={A(x)/x}, xX, где A - отображение элементов множества D в единичный отрезок [0,1], называемое функцией принадлежности нечеткого множества А. Значение функции принадлежности A(x) для элемента xX называется степенью принадлежности.

Лингвистическая переменная (ЛП) задается набором [5, 6]:

<i,T(i),X,G,M>, (1.2)

где I - название i - ой ЛП; T(i) - терм-множество ЛП i; Х - область определения элементов множества T(i); G - синтаксическое правило (грамматика), порождающее элементы (j-е нечеткие переменные) ; M - семантическое правило, которое ставит в соответствие каждой нечеткой переменной (НП) нечеткое множество  - смысл НП .

Нечеткие переменные (НП) , составляющие терм-множества лингвистических переменных I, задаются в виде тройки множеств

(1.3)

где  - наименование НП; Х - базовое множество;  - нечеткое подмножество множества Х,  - функции принадлежности, задание происходит путем экспертного опроса.

Для всех ЛП терм-множества задаются экспертами и могут, по мнению экспертов, содержать любое количество нечетких переменных (термов). Проведенная данным образом формализация параметров моделей принятия решений позволяет рассматривать не только численные значения, но и ввести экспертные оценки параметров.

1.4. Анализ моделей принятия решений

Существует несколько моделей принятия решений:

- модель классификации;

- модель композиции;

- ситуационная модель принятия решений.

Приведем краткий анализ перечисленных моделей принятия решений. Достоинство модели классификации при построении нечетких контроллеров состоит в возможности установления достаточно полного соответствия между наборами нечетких переменных, характеризующих состояние объекта управления, и элементами множества принятия решения об управлении. Недостаток: если число ЛП велико, значительны мощности их терм-множеств, то таблица соответствие “ситуация-действие” существенно разрастается.

Ситуационная модель принятия решений имеет следующее достоинство, экспертами выделяются некоторые эталонные ситуации в объекте управления, которым сопоставляются в виде соответствия принимаемые решения об управлении, в этом случае нет необходимости задавать правила выбора управлений, упрощается процедура выбора конкретного решения. Недостаток такой же, как и у приведенной выше модели классификации, полноту задания множества всех эталонных ситуаций при значительном количестве входных факторов объекта управления трудно определить априорно.

Применение модели композиции позволит избежать недостатков двух выше перечисленных моделей, так же данная модель имеет более упрощенную реализацию, рассмотрим ее более подробно.

Известна модель, названная в работе [7] моделью композиции, которой в работе [8] дано название модели вычисления степени истинности нечетких правил вывода. Модель задается набором [9]:

(W,T,H), (1.4)

где Т - нечеткое отношение на множестве WH, причем Т - нечеткое соответствие, которое выводится на основе словесно-качественной информации экспертов, причем .

Множество H рассматривается как множество НП из терм-множества ЛП - принимаемое решение. Формальное построение модели происходит следующим образом.

Элементы множества W - множества, составляющего прямое произведение множеств входных факторов W=W1W2…Wn, определяются при конкретной постановке задачи принятия решения. Определяется ЛП - принимаемое решение и задаются НП из терм-множества ЛП- принимаемое решение. Основной частью построения модели является выбор экспертами элементов множества Т - соответствия в виде правил нечеткого выбора. Полнота этого множества определяет достоверность работы модели. Эксперт описывает принятие решений в виде некоторого множества Т, содержащего высказывания j,. Высказывания j формализуют посредством назначающих, условных и безусловных операторов. Для каждого высказывания j выводится функция принадлежности

Для отношения Т значения функции принадлежности определяются через обобщенную операцию , так что

(1.5)

Модель вычисления степени истинности нечетких правил вывода имеет вид:

(W,T,H), W=W1W2W3W4, (1.6)

Модель работает по следующему алгоритму при принятии решения.

1. Для момента времени t0 определяется координата множества W . Для точки w0 получают значения функций принадлежности нечеткого решения выбора hi.

2. Выбирается максимальное значение

3. Решение hs является выбранным в результате работы модели вычисления степени истинности нечетких правил вывода.

Данная модель будет применена для реализации нечеткого контроллера.

2. РАЗРАБОТКА МЕТОДА УПРАВЛЕНИЯ ПОДЪЕМНО-ТРАНСПОРТНЫМ МЕХАНИЗМОМ

Например искомая скорость в конце торможения для точки О4 может быть найдена следующим образом с помощью использования нечетких переменных.

Если угол =з-, где з - заданное значение, - измеренное значение ; немного увеличивается по часовой стрелке и производная угла колебания груза немного увеличивается против часовой стрелки и скорость VT=VTЗ-VT, где VTЗ - заданное значение скорости, VT - измеренное значение скорости; равна нулю, тогда скорость VО должна быть небольшой в отрицательном направлении относительно нуля.

Введем лингвистические переменные (ЛП): - «угол раскачивания», - «производная угла раскачивания»; VT - «разность заданной и измеренной скоростей»; VО - «определяемая скорость». Согласно работе, для ЛП введем нечеткие переменные (НП).

Определим терм-множество ЛП : Т()={PM - угол раскачивания положительный (против часовой стрелки) средний; PS - угол раскачивания положительный небольшой; ZR - угол раскачивания нулевой; NS - угол раскачивания отрицательный (против часовой стрелки) небольшой; NM - угол раскачивания отрицательный средний}. На рис. 2.1 приведены функции принадлежности для нечетких переменных терм-множества Т().

Рис. 2.1

Определим терм-множество ЛП : Т()={PS - производная угла раскачивания положительная небольшая; ZR - производная угла раскачивания нулевая; NS - производная угла раскачивания отрицательная}. На рис. 2.2 приведены функции принадлежности для нечетких переменных терм-множества Т().

Рис. 2.2

Определим терм-множество ЛП VT: Т(VT)={PM - разность скоростей VT положительная (против часовой стрелки) средняя; PS - разность скоростей VT положительная небольшая; ZR - разность скоростей VT нулевая; NS - разность скоростей VT отрицательная (против часовой стрелки) небольшая; NM - разность скоростей VT отрицательная средняя}. На рис. 2.3 приведены функции принадлежности (VT) для нечетких переменных терм-множества Т(VT).

Рис. 2.3

Определим терм-множество ЛП VО: Т(VО)={PMVО - скорость VО положительная (против часовой стрелки) средняя; PSVО - скорость VО положительная небольшая; ZRVО - скорость VО нулевая; NSVО - скорость VО отрицательная (против часовой стрелки) небольшая; NMVО - скорость VО отрицательная средняя}. На рис. 2.4 приведены функции принадлежности (VО) для нечетких переменных терм-множества Т(VО).

Рис. 2.4

Для каждой из точек определим набор правил эвристического алгоритма управления скоростью. Последовательность действий нечеткого контроллера для точек O1,O2,O3 разбивается на две составляющие:

- стабилизация груза, т.е. на всех этапах движения контролируется положение груза, величина угла отклонения, скорость изменения угла отклонения, скорость движения груза, его отклонение от заданной скорости и, в зависимости от значений поступающих данных, выбирается то или иное решение, в ходе выполнения которого устраняется раскачка;

- перемещение, т.е. после устранения раскачки или если отклонения параметров не выходит за заданные допустимые пределы выполняется перенос груза. Одновременно с перемещением осуществляется контроль, если появляется раскачка, то переходим к стабилизации.

Для точки начала движения O1 определим следующую базу правил эвристического алгоритма управления оператором скоростью VO(t) крана при VT(t)>0, VTi(t)>VTi-1(t).

Правила Ri стабилизация:

R1: если угол раскачивания отрицательный (по часовой стрелке) небольшой =NS и скорость угла раскачивания отрицательная (направление скорости по часовой) =NS и разность заданной и измеренной скоростей положительная небольшая VT= PS, тогда определяемая скорость VО=PSVО;

R2: если угол раскачивания отрицательный (по часовой стрелке) небольшой =NS и скорость угла раскачивания нулевая =ZR и разность заданной и измеренной скоростей положительная небольшая VT= PS, тогда определяемая скорость VО=PSVО;

R3: если угол раскачивания отрицательный (по часовой стрелке) небольшой =NS и скорость угла раскачивания положительная небольшая (направление скорости против часовой) =PS и разность заданной и измеренной скоростей положительная небольшая VT=PS, тогда определяемая скорость VО=PSVО;

Далее аналогичным образом получаем следующее:

R4: если =NM и =NS и VT= PS, тогда VО=PMVО;

R5: если =NM и =ZS и VT= PS, тогда VО=PMVО;

R6: если =NM и =PS и VT= PS, тогда VО=PMVО;

R7: если =PS и =PS и VT= PS, тогда VО=NSVО;

R8: если =PS и =ZR и VT= PS, тогда VО=NSVО;

R9: если =PS и =NS и VT= PS, тогда VО=NSVО;

R10: если =PM и =PS и VT= PS, тогда VО=NMVО;

R11: если =PM и =ZR и VT= PS, тогда VО=NMVО;

R12: если =PM и =NS и VT= PS, тогда VО=NMVО;

Страницы: 1, 2, 3