توصيفگر ها :
كنترل پيش‌بين بر پايه‌ي مدل , سيستم سردساز , كنترل تطبيقي , بكارگيري آني , شناسايي تنك ديناميك غيرخطي
چكيده فارسي :
سردسازي در صنعت مواد خوراكي و دارويي، اهميت بسيار فراواني دارد. از ديرباز تاكنون آدمي با بهره‌گيري از روش‌هاي گوناگون، از يخچالي‌هاي طبيعي گرفته تا يخچال‌هاي صنعتي پيشرفته، براي نگهداري درست و طولاني از اين دسته مواد تلاش كرده است. تمركز اين پايان نامه، كنترل تبخيركننده‌ي سيستم‌هاي سردسازي فروشگاهي است. اين بازار بسيار رقابتي است و براي سازندگان مهم است كه هزينه‌هاي ساخت كمينه شوند و فرآورده‌هايي به مشتريان ارائه شود كه بازدهي و كارايي بالاتري داشته باشند. سيستم‌هاي سردسازي با چالش‌هاي بسياري روبه‌رو هستند؛ آن‌ها دستخوش دامنه‌ي گسترده‌اي از پيكربندي‌ها، پيچيدگي‌ها، ساييدگي‌هاي دروني و نقطه‌هاي كاري پويا هستند كه همگي تنظيم بهينه‌ي كنترل‌كننده‌ها را دشوار و زمان‌بر مي‌كنند. تمركز اين پايان نامه، بر روي بررسي رويكرد‌هاي كنترل داده-محور با درجه‌ي بالايي از ويژگي‌هاي بكارگيري آني است. بكارگيري آني، توانايي بهره‌گيري از سيستم در آغاز راه‌اندازي است به‌گونه‌اي كه هر گونه دست‌كاري كاربر يا كارشناس نصب‌كننده‌اي را در سيستم كنترلي از ميان بردارد. هدف كنترل تبخيركننده در اين پايان‌نامه، تنظيم دماي كابين سردسازي است درحالي‌كه بيش‌داغ بالاتر از اندازه‌ي بحراني نگه داشته شود. در راه دستيابي به كنترل اين دو متغير، تنها يك ورودي كنترل‌پذير، شير انبساط در دسترس است.
يك نامزد اميدوار كننده براي پياده‌سازي و كنترل بيش‌داغ تبخيركننده در نقطه‌هاي كاري گوناگون، كنترل خودتنظيم تناسبي-انتگرالي است كه با كمك تنظيم‌كننده‌هاي درجه دوم خطي، بهره‌هاي آن تنظيم مي‌شوند. يك بخش مهم در پياده‌سازي اين روش، شناسايي مدل رسته‌ي يكم براي بيش‌داغ است كه با بهره‌گيري از پاسخ پله‌ي سيستم، مي‌توان به اين مدل دست پيدا كرد. بيش‌داغ در سيستم‌هاي سردسازي، همانند يك مدل رسته‌ي يكم رفتار مي‌كند ولي پارامتر‌هاي آن همسان با نقطه‌ي كاري تغيير مي‌كند كه مي‌تواند انگيزه‌سازي براي بهره‌گيري از روش‌هاي تطبيقي در دانش مهندسي كنترل باشد. از آنجايي كه اين روش تنها به كنترل بيش‌داغ تبخيركننده مي‌پردازد و بر روي دماي كابين سردسازي كنترلي ندارد، در ادامه به رويكرد كنترل پيش‌بين بر پايه‌ي مدل پرداخته مي‌شود. كنترل پيش‌بين بر پايه‌ي مدل، يكي از كنترل‌كننده‌هاي توانا در زمينه‌ي كنترل سيستم‌هاي چند ورودي - چند خروجي است كه مي‌تواند در راه دستيابي به هدف‌هاي بيان شده براي سيستم تبخيركننده به كار گرفته شود. يكي از بنيادي‌ترين نياز‌هاي هر كنترل پيش‌بين بر پايه‌ي مدلي، دسترسي به مدل دقيق فرآيند است. در اين پايان‌نامه پياده‌سازي كنترل پيش‌بين بر روي سيستم تبخيركننده با بهره‌گيري از دو مدل‌سازي گوناگون انجام شده است. در راهبرد اول، برآورد پارامتر‌هاي مدل رسته‌ي يكم براي فرآيند پيگيري شده است و در راهبرد دوم از مدلي داده-محور به نام شناسايي تنك ديناميك غيرخطي (سيندي) بهره گرفته شده است. سيندي، يكي از روش‌هاي نوآور پيشرفته‌ي نوپديد است كه با بهره‌گيري از شگردهاي يادگيري ماشين در سيستم‌هاي ديناميكي، به شناسايي مدل فرآيندها مي‌پردازد. از آنجايي كه ردگيري دو خروجي سيستم، تنها با يك ورودي كنترل‌پذير چالش برانگيز است، وزن‌دهي پارامتر‌هاي كنترل پيش‌بين، به شكلي پويا و به كمك يك تابع فعال‌ساز سيگموئيدي انجام گرفته است. با اين روش ابتكاري، كنترل پيش‌بين به ردگيري دماي هواي كابين سردسازي مي‌پردازد درحالي‌كه با مقيد كردن بيش‌داغ، از سرريز شدن تبخيركننده پيشگيري مي‌كند.
در اين پايان‌نامه از نرم‌افزار متلب/سيمولينك براي شبيه‌سازي و پياده‌سازي سيستم‌هاي كنترلي بهره گرفته شده است و نرم‌افزار پايتون براي پياده‌سازي روش سيندي بكار گرفته شده است. نتيجه‌هاي به دست آمده از كنترل‌كننده‌هاي پيش‌بين ياد شده، نشان مي‌دهند كه كنترل چند ورودي – چند خروجي سيستم تبخيركننده به درستي انجام شده است. همچنين كنترل تطبيقي طراحي شده كه تنها به كنترل بيش‌داغ مي‌پردازد، داراي درجه‌ي بالايي از توانايي بكارگيري آني است كه آن را از كنترل‌كننده‌هاي ديگر برتر مي‌سازد. در پايان، كنترل‌كننده‌ي تطبيقي گسترش يافته، بر روي يك سيستم يخچال فروشگاهي نيز آزمايش شده است كه نتيجه‌هايي آن به‌درستيِ نتيجه‌هاي سيستم شبيه‌سازي شده بوده است.
چكيده انگليسي :
Refrigeration is of very importance in the food and pharmaceutical industry. Since long ago, people have been trying to ensure preservation and maintain high quality of foodstuff by using various methods, from glaciers to advanced industrial refrigerators. The main focus of this thesis is control of the evaporator in the supermarket refrigeration systems. This market is very competitive and it is important for manufacturers to minimize manufacturing costs and provide products to customers that have higher efficiency and effectiveness. Refrigeration systems face many challenges; They are subject to a wide range of configurations, complexities, component wear, and dynamic operating points, which all make it difficult and time-consuming to optimal tuning of the controllers. The focus in this thesis is on the investigation of data-driven control strategies with a high degree of plug & play feature. plug & play is an ability to use the system at start in a way that eliminates any user or expert installation manipulation. The purpose of evaporator control in this thesis is to adjust the temperature of the display case when it is ensured that the superheat is kept above the critical temperature. In order to achieve the control of these two variables, only one controllable input (opening degree of the expansion valve) is available.
A promising candidate for the control of evaporator’s superheat in different operating points is the self-tuning proportional-integral control whose gains are adjusted by linear quadratic regulators (LQR). An important part in the implementation of this method is the identification of the superheat by a first-order model, which can be obtained by using the step response of the system. The superheater in refrigeration systems behaves like a first-order model, but its parameters change according to the current working point, which motivates the use of adaptive methods and online control strategy. Since this method only deals with the superheat control of the evaporator, and has no control over the temperature of the display case, then it is turned to the model predictive control approach. Model predictive control is one of the powerful controllers in the field of control the MIMO systems and can be used to achieve the stated goals of the evaporator system. One of the most fundamental needs of any model predictive control is access to the accurate model of the process. In this thesis, the implementation of predictive control on the evaporator system has been investigated using two different modeling. In the first strategy, the estimation of the first-order model parameters has been followed, and in the second strategy, a data-driven model called sparse identification of nonlinear dynamics (SINDY) has been explored. SINDY is a system identification state of art method that uses machine learning techniques in the field of dynamical systems. Since it is challenging to track two system outputs with only one controllable input, the weighting of model predictive control parameters has been done dynamically with the help of a sigmoid activation function. With this innovative method, the model predictive control tracks the display case air temperature while preventing evaporator leak to the compressor.
In this thesis, MATLAB/Simulink software was used for control systems, and Python software was used for SINDY implementation. The results obtained from the mentioned model predictive controllers show that the multi input-multi output control of the evaporator system is done correctly. Also, the adaptive control, which only deals with superheat control, has a high degree of plug & play ability, which makes it superior to other controllers. In the end, the investigated adaptive control has been tested on a real supermarket refrigeration system, which the results as good as the simulation results.
