طراحی سیستم تحمل‌پذیر عیب با استفاده از روش کنترل پیش‌بین و شناسایی عیب مبتنی بر مدل برای یک راکتور شیمیایی

روش‌های هوشمند در صنعت برق

مقاله 2، دوره 13، شماره 49، خرداد 1401، صفحه 21-38   

نوع مقاله: مقاله پژوهشی

نویسندگان

مهرداد رییسی¹؛ سید محمد کارگر^{* 2}

¹دانشکده مهندسی برق- واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

²مرکز تحقیقات ریز شبکه های هوشمند- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

چکیده

با توجه به امکان وقوع عیب در عملگرهای هر سیستم صنعتی، نیاز به شناسایی و استفاده از یک ساختار کنترلی کمکی در راستای جبران عیب و حفظ سطح پایداری سیستم، استفاده از ساختار کنترلی تحمل­پذیر عیب در صنعت یک مسئله­ی ضروری به نظر می­رسد. در این مقاله مدل رأکتور همزن شیمیایی مورد ارزیابی قرار گرفته که دارای مدل غیرخطی با خروجی­های دما و ورودی گرمایش تانک­های به هم پیوسته است. به­منظور تخمین دینامیک­های خروجی مدل از فیلتر کالمن خنثی استفاده می­شود که به نسبت سایر تخمین­گرها سرعت همگرایی مناسب و دقت بالاتری دارد. به منظور طراحی کنترل­کننده از رویکرد کنترل پیش­بین غیرخطی استفاده شده که در لحظاتی که عیب در سیستم وجود ندارد، میزان گرمایش مناسب برای دست­یابی به دماهای مطلوب برای هر تانک را به سیستم اعمال می­کند و نهایتا منجر به پایداری سیستم می­گردد. در طرح پیشنهادی به منظور جبران عیب، از ر‌ؤیتگر مدلغزشی به منظور شناسایی عیب استفاده شده است. زمانی که عیب تشخیص داده شد، از یک کنترل­کننده تناسبی-انتگرال­گیر و مشتق­گیر فازی به­منظور کنترل خروجی با وجود عیب در سیستم استفاده می­شود. شبیه­سازی روش پیشنهادی در نرم­افزار متلب و در حالت های کاری مختلف انجام شد. نتایج شبیه­سازی نشان­دهنده عملکرد مطلوب روش پیشنهادی در جهت جبران عیب است.

کلیدواژه‌ها

رأکتور همزن شیمیایی؛ فیلتر کالمن خنثی؛ کنترل پیش‌بین؛ کنترل تحمل‌پذیر عیب

مراجع

[1] R. Lakhani, C.R. Srinivasan, S. Ra, "Transient analysis of systems exhibiting inverse response and their control with CSTR as a case study", Indonesian Journal of Electrical Engineering and Computer Science, vol. 20, no. 1, pp. 89–99, 2020 (doi:10.11591/ijeecs.v20.i1.pp89-99).

[2] J. Lan and R.J. Patton, "A new strategy for integration of fault estimation within fault-tolerant control", Automatica, vol. 69, pp. 48–59, 2016 (doi:10.1016/j.automatica.2016.02.014).     

[3] B. Kuipers, K. Astrom, "The composition and validation of heterogeneous control laws", Automatica, vol. 30, no. 2, pp.233–49, 1994 (doi:10.1016/0005-1098(94)90027-2).

[4] B. Aufderheide, B. W. Bequette, "Extension of dynamic matrix control to multiple models", Computers and Chemical Engineering, vol. 27, no. 8–9, pp. 1079–1096, 2003 (doi:10.1016/S0098-1354(03)00038-3).

[5] Z. Tian, K.A. Hoo, "Multiple model-based control of the Tennessee-Eastman process", Industrial and Engineering Chemistry Research, vol. 44, no. 9, pp. 3187–3202, April 2005 (doi:10.1021/ie0496939).

 [6] P. Lu, E.J.V. Kampen, C. de Visser, Q. Chu, "Aircraft fault-tolerant trajectory control using incremental nonlinear dynamic inversion", Control Engineering Practice, vol. 57, pp. 126–141, Dec. 2016 (doi: 10.101­6/j.co­nengprac.2016.09.010).

 [7] A.J. Gonzalez, G. Nencioni, B.E. Helvik, A. Kamisinski, "A fault-tolerant and consistent sdn controller", Proceeding of the IEEE/GLOBECOM), pp. 1-6, Washington, DC, USA, Dec. 2016 (doi: 10.1109/glo­com.20­16.7­841496).

[8] E.P. Nahas, M.A. Henson, D.E. Seborg, "Nonlinear internal model control strategy for neural network models", Computers and Chemical Engineering, vol. 16, no. 12, pp. 1039–1057, Dec. 1992 (doi:10.1016/0098-1354(92)80022-2).

 [9] J.M.R. Chintu, R.K. Sahu, "Differential evolution optimized fuzzy PID controller for automatic generation control of interconnected power system", Advances in Intelligent Systems and Computing, vol. 1120, pp. 123–132, Feb. 2020 (doi:10.1016/j.jprocont.2020.08.006).

[10] C.T. Chao, N. Sutarna, J.S. Chiou, C.J. Wang, "An optimal fuzzy PID controller design based on conven­tion­al PID control and nonlinear factors", Applied Sciences, vol. 9, no. 6, Article Number: 1224, 2019 (doi: 10.3390/app9061224).

[11] R. Mehrad , S.M. Kargar. "Integrated model predictive fault-tolerant control, and fault detection based on the parity space approach for a reverse osmosis desalination unit", Transactions of the Institute of Measurement and Control, vol. 42, no. 10, pp. 1882-1894, Jan. 2020 (doi:10.1177/0142331219898942).

[12] X. Yang, J.M. Maciejowski, "Fault-tolerant model predictive control of a wind turbine benchmark", IFAC Proceedings Volumes, vol. 45, no. 20, pp. 337–342, Jan. 2012(doi:10.3182/20120829-3-MX-2028.00134).

 [13] R. Senthil, K. Janarthanan, J. Prakash, "Nonlinear state estimation using fuzzy Kalman filter", Industrial and Engineering Chemistry, vol. 45, no. 25, pp. 8678–8688, Dec. 2006 (doi:10.1021/ie0601753).

 [14] H. Mekki, O. Benzineb, D. Boukhetala, M. Tadjine, M. Benbouzid, "Sliding mode based fault detection, reconstruction and fault tolerant control scheme for motor systems", ISA Transactions., vol. 57, pp. 340–351, July 2015 (doi: 10.1016/j.isatra.2015.02.004).

[15] H. Alwi, C. Edwards, C.P. Tan, "Fault detection and fault-tolerant control using sliding modes", Springer, London, 2011 (doi:10.1007/978-0-85729-650-4).

 [16] H. Yang, M. Saif, "Fault detection in a class of nonlinear systems via adaptive sliding mode observer", Proceeding of the IEEE/ICSMC, vol. 3, pp. 2199-2204, Vancouver, BC, Canada, Oct. 1995 (doi: 10.1109/ICS­MC.19­95.538107).

[17] J. Lan, R.J. Patton, "Integrated design of robust fault estimation and fault-tolerant control for linear systems", Proceedings of the IEEE/CDC, pp. 5105–5110, 2015 (doi:10.1109/CDC.2015.7403018).

[18] P. Mhaskar, J. Liu, P.D. Christofides, "Fault-tolerant process control", Methods and applications,
Springer, 2013 (ISBN: 978-1-4471-4808-1).

[19] Q. Shen, C. Yue, C. H. Goh, D. Wang, "Active fault-tolerant control system design for spacecraft attitude maneuvers with actuator saturation and faults", IEEE Trans. on Industrial Electronics, vol. 66, no. 5, pp. 3763–3772, May 2019 (doi:10.1109/TIE.2018.2854602).

[20] M. Khalili, X. Zhang, M. M. Polycarpou, T. Parisini, Y. Cao, "Distributed adaptive fault-tolerant control of uncertain multi-agent systems", Automatica, vol. 87, pp. 142–151, Jan. 2018 (doi: 10.1016/j.autom­atic­a.20­17.0­9.0­02).

[21] S. DIng, W.H. Chen, K. Mei, D.J. Murray-Smith, "Disturbance observer design for nonlinear systems represented by input-output models", IEEE Trans. on Industrial Electronics, vol. 67, no. 2, pp. 1222–1232, Feb. 2020 (doi:10.1109/TIE.2019.2898585).

[22] W. Qi, G. Zong, H.R. Karimi, "Finite-time observer-based sliding mode control for quantized semi-markov switching systems with application", IEEE Trans. on Industrial Informatics, vol. 16, no. 2, pp. 1259–1271, Feb. 2020 (doi: 10.1109/TII.2019.2946291).

[23] W. Chen, F.N. Chowdhury, "A synthesized design of sliding-mode and Luenberger observers for early detection of incipient", International Journal of Adaptive Control and Signal Processing, vol. 24, no. 12, pp. 1021–1035, Dec. 2010 (doi:10.1002/acs.1170).

[24] L. Fridman, A. Levant, J. Davila, "Observation of linear systems with unknown inputs via high-order sliding-modes", International Journal of Systems Science, vol. 38, no. 10, pp. 773–791, Jan. 2007 (doi: 10.1080/0­020­7720701409538).

[25] S.M. Kargar, K. Salahshoor, M.J. Yazdanpanah, "Multiple model-based fault detection and diagnosis for nonlinear model predictive fault-tolerant control", International Journal of Systems Science, vol. 39, no. 10, pp. 7433–7442, Sept. 2014 (doi:10.1007/s13369-014-1252-y).

[26] E.A. Wan, R.V.D. Merwe, "The unscented Kalman filter for nonlinear estimation", Proceeding of the IEEE/AS-SPCC, pp. 153–158, Lake Louise, AB, Canada, Oct. 2000 (doi: 10.1109/ASSPCC.2000.882463).