Структура систем управления, перечень решаемых задач во многом определяется особенностями объекта автоматизации.
В зависимости от характера протекающих в них технологических процессов все объекты автоматизации можно разбить на непрерывные и дискретные. К непрерывным объектам относятся технологические процессы и производства, в которых материальные и энергетические потоки, выходящие, поступающие и циркулирующие в самой производственной системе, не прерываются во времени. Непрерывные процессы могут протекать как длительные промежутки времени (до года и более), так и короткие (смена, сутки). Основной задачей управления данными объектами является поддержание работы технологического оборудования
и хода протекания процесса в определенных (оптимальных) режимах, регламентированных технологическими документами.
К дискретным объектам относятся процессы с конечным числом состояний механизмов, устройств, машин. Наиболее характерным примером дискретного объекта автоматизации является машиностроительное производство, в котором производственный процесс представляет собой совокупность последовательных технологических операций, смена которых производится по командам человека-оператора или автоматического устройства. При создании автоматизированных систем управления непрерывными производственными процессами достаточно часто необходимо решать задачи дискретного характера, например: задачи пуска-останова оборудования, перевода в другой режим работы и т.д. В периодических процессах, которые можно отнести
к дискретным объектам, в определенные периоды времени необходимо решать задачи непрерывного характера.
Обобщенная модель управления непрерывным производственным процессом показана на рис. 1.2. Она включает в себя объект управления (ОУНП) и устройство управления (УУ). На вход объекта управления поступают три группы воздействий: контролируемые возмущающие воздействия (вектор ), неконтролируемые возмущающие воздействия (вектор ), управляющие воздействия, формируемые устройством управления (вектор ). Состояние объекта управления характеризуется вектором параметров состояния (). В его состав могут входить как технологические переменные (температура, давление и т.д.), так и объемы выпуска продукции, ее показатели качества, экономические критерии функционирования объекта. На вектор параметров состояния объекта оказывают влияние все перечисленные группы воздействий. При этом управляющие воздействия формируются исходя из величины и характера отклонения параметров состояния объекта от вектора задающих воздействий () с учетом величины вектора контролируемых возмущающих воздействий.
Достаточно часто задача управления объектом с непрерывным технологическим процессом формулируется как задача оптимального управления этим объектом. В этом случае необходимо сформулировать критерий оптимальности, характеризующий эффективность протекающего в объекте процесса, задать ограничения на параметры состояния объекта и вектор управляющих воздействий и разработать математическую модель объекта управления, позволяющую вычислять параметры состояния объекта при определенных значениях управляющих
и контролируемых возмущающих воздействий:
После формирования выражений (1.1)–(1.3) задача оптимального управления непрерывным технологическим процессом формулируется следующим образом: необходимо найти такой вектор управляющих воздействий, который позволит получить экстремальное значение критерия оптимальности без нарушения ограничений.
Одной из основных задач, решаемых при создании систем автоматического управления, является задача идентификации объекта управления, т.е. задача определения структуры и параметров математической модели, обеспечивающих наилучшую близость значений выходных переменных модели и объекта при одних и тех же входных воздействиях. Характер и вид математической модели определяется целями и задачами управления, в которых она будет использоваться. При решении задач управления несложными объектами (при регулировании технологических переменных) обычно используются линейные стационарные модели, хотя все объекты в той или иной мере обладают свойствами нелинейности, нестационарности, распределенности, стохастичности. Использование простых операторов преобразования входных переменных в выходные позволяет существенно упростить решение последующих задач анализа и синтеза систем управления.
Для решения задач идентификации разработано большое число методов, учитывающих особенность объектов, условия их функционирования, математическую основу анализа данных, вид модели и т.д. С практической точки зрения привлекательны экспериментальные методы, позволяющие находить модели объектов управления по результатам измерения входных и выходных переменных объекта. Эти методы предполагают наличие априорных сведений об изучаемом объекте, однако их характер и объем могут быть не столь обстоятельными, как при аналитических методах построения моделей. Как правило, уровень априорных сведений должен быть достаточным для выбора структуры модели
и условий проведения эксперимента.
Последовательность решения задачи идентификации при использовании данных методов можно разбить на три этапа:
1) выбор структуры модели по результатам изучения объекта или по имеющимся априорным сведениям;
2) выбор критерия близости (подобия) модели и объекта;
3) определение параметров модели по экспериментальным данным исходя из выбранного критерия близости.
Первые два этапа решения задачи являются плохо формализуемыми процессами, и на выбор структуры модели оказывает влияние субъективный фактор. Очевидно, что в этом случае эффективность последующей параметрической идентификации во многом будет определяться тем, насколько удачно была выбрана структура модели и критерий близости. Следует заметить, что первые два этапа также могут быть формализованы, если для получения удовлетворительного решения использовать итеративную процедуру, в которой на каждом шаге итерации будет производиться корректировка структуры модели и/или изменяться критерий.
При создании систем автоматического регулирования выбор структуры модели можно осуществлять из четырех типов моделей для статических объектов и четырех – для астатических объектов. Дальнейшее повышение порядка дифференциальных уравнений, как отмечается в источнике, не дает значительного повышения точности получаемых результатов, что связано прежде всего с накоплением погрешности вычислений при определении постоянных величин производных высокого порядка.
