Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

2517

.pdf
Скачиваний:
6
Добавлен:
07.01.2021
Размер:
14.75 Mб
Скачать

 

5 · 10-2

ΔL = -39,5 τГП + 21,11

0,985

 

 

 

 

Таблица 3.6

Уравнения регрессии ΔL = f(Δ), аппроксимирующие зависимости запаса

устойчивости по амплитуде от ширины зоны нечувствительности

 

 

 

 

3

 

 

 

 

м

τГП, с

Уравнения регрессии

R²

,

Н

 

 

 

 

Q

 

 

 

 

 

 

 

 

 

 

2 · 10-2

ΔL = 8,6917 Ln (

) + 15,898

0,999

 

 

 

 

 

-6

4 · 10-2

ΔL = 8,7182 Ln (

) + 14,792

0,999

· 10

 

 

 

 

6 · 10-2

ΔL = 8,6917 Ln (

) + 13,998

0,999

100

 

 

 

 

8 · 10-2

ΔL = 8,6917 Ln (

) + 13,298

0,999

 

 

 

 

 

 

1 · 10-1

ΔL = 8,6917 Ln (

) + 12,698

0,999

 

 

 

 

 

 

2 · 10-2

ΔL = 8,6513 Ln (

) + 12,616

0,999

 

 

 

 

 

-6

4 · 10-2

ΔL = 8,6917 Ln (

) + 11,498

0,999

· 10

 

 

 

 

6 · 10-2

ΔL = 8,6513 Ln (

) + 10,716

0,999

150

 

 

 

 

8 · 10-2

ΔL = 8,675 Ln (

) + 9,9857

0,999

 

 

 

 

 

 

1 · 10-1

ΔL = 8,669 Ln (

) + 9,3934

0,999

 

 

 

 

 

 

2 · 10-2

ΔL = 8,6513 Ln (

) + 10,216

0,999

 

 

 

 

 

-6

4 · 10-2

ΔL = 8,6976 Ln (

) + 9,0901

0,999

· 10

 

 

 

 

6 · 10-2

ΔL = 8,6809 Ln (

) + 8,278

0,998

200

 

 

 

 

8 · 10-2

ΔL = 8,675 Ln (

) + 7,5857

0,995

 

 

 

 

 

 

1 · 10-1

ΔL = 8,669 Ln (

) + 6,9934

0,99

 

 

 

 

 

 

2 · 10-2

ΔL = 8,6928 Ln (

) + 8,0627

0,998

 

 

 

 

 

-6

4 · 10-2

ΔL = 8,6691 Ln (

) + 6,9934

0,999

· 10

 

 

 

 

6 · 10-2

ΔL = 8,6869 Ln (

) + 6,1703

0,999

250

 

 

 

 

8 · 10-2

ΔL = 8,6809 Ln (

) + 5,478

0,999

 

 

 

 

 

 

1 · 10-1

ΔL = 8,6809 Ln (

) + 4,878

0,999

 

 

 

 

 

-6

2 · 10-2

ΔL = 8,6928 Ln (

) + 6,5627

0,999

· 10

 

 

 

 

4 · 10-2

ΔL = 8,675 Ln (

) + 5,4857

0,999

300

 

 

 

 

6 · 10-2

ΔL = 8,6928 Ln (

) + 4,6627

0,999

 

 

 

 

 

 

 

157

 

 

 

8 · 10-2

ΔL = 8,6934 Ln (

) + 3,9561

0,999

 

 

 

 

 

1 · 10-1

ΔL = 8,6859 Ln (

) + 3,3673

0,999

 

 

 

 

 

Таблица 3.7

Уравнения регрессии Δφ = f(τГП), аппроксимирующие зависимости запаса

устойчивости по фазе от времени запаздывания гидропривода

 

 

 

 

3

 

 

 

 

м

, м

Уравнения регрессии

R²

 

,

 

Н

 

 

 

 

Q

 

 

 

 

 

 

 

 

 

 

1 · 10-2

Δφ = -158 τГП + 82,06

0,999

 

 

 

 

-6

2 · 10-2

Δφ = -77 τГП + 86,05

0,999

 

· 10

 

 

 

 

3 · 10-2

Δφ = -52 τГП + 87,44

0,998

 

100

 

 

 

 

4 · 10-2

Δφ = -40 τГП + 88,1

0,999

 

 

 

 

 

 

 

5 · 10-2

Δφ = -30 τГП + 88,4

0,999

 

 

 

 

 

 

 

1 · 10-2

Δφ = -116,5 τГП + 78,03

0,999

 

 

 

 

-6

2 · 10-2

Δφ = -57,5 τГП + 84,23

0,999

 

· 10

 

 

 

 

3 · 10-2

Δφ = -38,5 τГП + 86,25

0,999

 

150

 

 

 

 

4 · 10-2

Δφ = -29 τГП + 87,16

0,998

 

 

 

 

 

 

 

5 · 10-2

Δφ = -23,5 τГП + 87,75

0,998

 

 

 

 

 

 

 

1 · 10-2

Δφ = -156,5 τГП + 73,63

0,999

 

 

 

 

-6

2 · 10-2

Δφ = -76,5 τГП + 82,35

0,999

 

· 10

 

 

 

 

3 · 10-2

Δφ = -50 τГП + 85

0,999

 

200

 

 

 

 

4 · 10-2

Δφ = -38,5 τГП + 86,27

0,999

 

 

 

 

 

 

 

5 · 10-2

Δφ = -30 τГП + 87

0,999

 

 

 

 

 

 

 

1 · 10-2

Δφ = -204 τГП + 67,86

0,999

 

 

 

 

-6

2 · 10-2

Δφ = -97,5 τГП + 80,07

0,999

 

· 10

 

 

 

 

3 · 10-2

Δφ = -63,5 τГП + 83,55

0,999

 

250

 

 

 

 

4 · 10-2

Δφ = -48,5 τГП + 85,17

0,999

 

 

 

 

 

 

 

5 · 10-2

Δφ = -38,5 τГП + 86,15

0,999

 

 

 

 

 

·

6

1 · 10-2

Δφ = -248,5 τГП + 61,95

0,999

300

10

2 · 10-2

Δφ = -116,5 τГП + 78,03

0,999

 

-

 

 

 

 

 

 

 

 

 

 

 

158

 

 

3 · 10-2

Δφ = -76,5 τГП + 82,33

0,999

 

 

 

 

4 · 10-2

Δφ = -57,5 τГП + 84,23

0,999

 

 

 

 

5 · 10-2

Δφ = -46,5 τГП + 85,43

0,999

 

 

 

 

Таблица 3.8

Уравнения регрессии Δφ = f(Δ), аппроксимирующие зависимости запаса

устойчивости по фазе от ширины зоны нечувствительности

 

 

 

 

 

 

 

 

 

 

 

 

3

 

 

 

 

 

 

 

 

 

 

 

 

м

τГП, с

 

 

 

Уравнения регрессии

 

 

 

R²

,

 

 

 

 

 

 

Н

 

 

 

 

 

 

 

 

 

 

 

 

Q

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2 · 10-2

Δφ = -833000

 

4

+ 1233300

 

3

– 69167

2

+ 1816,7

+ 68,1

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

-6

4 · 10-2

Δφ = -875000

 

4

+ 1325000

 

3

– 76125

2

+ 2047,5

+ 64,8

0,999

· 10

 

 

 

 

 

 

 

 

 

 

 

 

6 · 10-2

Δφ = -917000

 

4

+ 1416700

 

3

– 83083

2

+ 2278,3

+ 61,5

0,999

100

 

 

 

 

 

 

 

 

 

 

 

 

8 · 10-2

Δφ = -112500

 

4

+ 1725000

 

3

– 99875

2

+ 2687,5

+ 57,2

0,999

 

 

 

 

 

 

 

 

 

 

 

 

1 · 10-1

Δφ = -13700

4

+ 2058300

3

– 116130

2

+ 3049,2

+ 53,4

0,999

 

 

 

 

 

 

 

 

 

 

 

 

2 · 10-2

Δφ = -11670

4

+ 1783300

3

– 102830

2

+ 2751,7

+ 56,8

0,999

 

 

 

 

 

 

 

 

 

 

 

-6

4 · 10-2

Δφ = -13330

4

+ 2033300

3

– 117170

2

+ 3141,7

+ 51,8

0,999

· 10

 

 

 

 

 

 

 

 

 

 

6 · 10-2

Δφ = -17080

4

+ 2558300

3

– 144290

2

+ 3774,2

+ 45,3

0,999

150

 

 

 

 

 

 

 

 

 

 

8 · 10-2

Δφ = -15800

4

+ 2466700

3

– 144920

2

+ 3948,3

+ 41,4

0,999

 

 

 

 

 

 

 

 

 

 

 

 

1 · 10-1

Δφ = -20830

4

+ 3116700

3

– 175920

2

+ 4618,3

+ 34,9

0,999

 

 

 

 

 

 

 

 

 

 

 

 

2 · 10-2

Δφ = -17920

4

+ 2691700

3

– 152210

2

+ 3980,8

+ 43,4

0,999

 

 

 

 

 

 

 

 

 

 

 

-6

4 · 10-2

Δφ = -20000

4

+ 3033300

3

– 173000

2

+ 4556,7

+ 36,3

0,999

· 10

 

 

 

 

 

 

 

 

 

 

6 · 10-2

Δφ = -24170

4

+ 3616700

3

– 203580

2

+ 5298,3

+ 28,2

0,999

200

 

 

 

 

 

 

 

 

 

 

8 · 10-2

Δφ = -24580

4

+ 3741700

3

– 214540

2

+ 5695,8

+ 22,1

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1 · 10-1

Δφ = -266700

 

4

+ 4083300

 

3

– 235330

 

2 + 6271,7

+ 15

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2 · 10-2

Δφ = -258300

 

4

+ 3883300

 

3

– 21892

2

+ 5666,7

+ 25,4

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

-6

4 · 10-2

Δφ = -304200

 

4

+ 4558300

 

3

– 25596

2

+ 6594,2

+ 15,1

0,999

· 10

 

 

 

 

 

 

 

 

 

 

 

 

6 · 10-2

Δφ = -350000

 

4

+ 5200000

 

3

– 290000

 

2 + 7445

+ 5,3

0,999

250

 

 

 

 

 

 

 

 

 

 

 

 

8 · 10-2

Δφ = -366700

 

4

+ 5533300

 

3

– 313330

 

2 + 8156,7

+ 3,9

0,999

 

 

 

 

 

 

 

 

 

 

 

 

1 · 10-1

Δφ = -39100

4

+ 5933300

3

– 337580

2

+ 8841,7

+ 12,7

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

3

2 · 10-2

Δφ = -370800

 

4

+ 5508300

 

3

– 305790

 

2 + 7744,2

+ 5

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

159

 

 

 

 

 

 

 

4 · 10-2

Δφ = 408300-

 

4 + 6116700

 

3 – 342420

 

2 + 8743,3

– 6,9

0,999

 

 

 

 

 

 

 

 

 

 

 

6 · 10-2

Δφ = -47500

4

+ 7033300

3

– 389750

2

+ 9881,7

– 19,4

0,999

 

 

 

 

 

 

 

 

 

 

 

8 · 10-2

Δφ = -50830

4

+ 7583300

3

– 423420

2

+ 10817

– 30,8

0,999

 

 

 

 

 

 

 

 

 

 

 

1 · 10-1

Δφ = -56250

4

+ 8375000

3

– 466880

2

+ 11918

– 43,2

0,999

 

 

 

 

 

 

 

 

 

 

 

Таблица 3.9

Уравнения регрессии для системы с контуром упреждения σz = f(Δ),

аппроксимирующие зависимости среднеквадратичного отклонения

от ширины зоны нечувствительности

QН, м3

 

 

 

 

Уравнения регрессии

 

R²

 

 

 

 

 

 

 

 

 

100 · 10-6

σz = -200

3

+ 26

2

– 0,33

+ 0,015

 

0,999

 

 

 

 

 

 

 

 

 

150 · 10-6

σz = -400

3

+ 52

2

– 1,45

+ 0,0302

 

0,999

 

 

 

 

 

 

 

 

 

200 · 10-6

σz = -60000

 

 

4 + 7800

3 – 325

2 + 5,2

+ 0,0002

0,999

 

 

 

 

 

 

 

 

 

 

250 · 10-6

σz = 80000

 

4

– 8300

3

+ 301

2 – 4,39

+ 0,0557

0,999

 

 

 

 

 

 

 

 

 

 

 

300 · 10-6

σz = 20000

 

4

– 1900

3

+ 77

 

2 – 1,2

+ 0,0471

0,999

 

 

 

 

 

 

 

 

 

 

 

 

Таблица 3.10

Уравнения регрессии tПП = f(Δ), аппроксимирующие зависимости времени

переходного процесса от ширины зоны нечувствительности

QН, м3

 

 

Уравнения регрессии

R²

 

 

 

 

 

 

100 · 10-6

tПП = 1314

2 + 188,94

+ 0,96

 

0,998

 

 

 

 

 

 

 

 

150 · 10-6

tПП = -81700

3

+ 8671

2

– 95,12

+ 2,246

0,999

 

 

 

 

 

 

 

 

200 · 10-6

tПП = -97500

3

+ 10368

 

2 – 199,57

+ 2,836

0,998

 

 

 

 

 

 

 

250 · 10-6

tПП = -90000

3

+ 9600

2

– 207 + 2,582

0,997

 

 

 

 

 

 

 

 

300 · 10-6

tПП = -75000

3

+ 7979

2

– 169,71

+ 1,968

0,997

 

 

 

 

 

 

 

 

Таблица 3.11

Уравнения регрессии ΔL = f(Δ), аппроксимирующие зависимости запаса

устойчивости по амплитуде от ширины зоны нечувствительности

160

QН, м3

 

 

Уравнения регрессии

R²

 

 

 

 

 

 

100 · 10-6

ΔL = -6571

2 + 734,29

+ 10,42

 

0,996

 

 

 

 

 

 

 

 

150 · 10-6

ΔL = 158300

3

– 20964

2

+ 1114,5

+ 4,4

0,999

 

 

 

 

 

 

 

 

200 · 10-6

ΔL = 158300

3

– 20964

2

+ 1114,5

+ 2

0,999

 

 

 

 

 

 

 

 

250 · 10-6

ΔL = 164200

3

– 21589

2

+ 1135,7

– 0,324

0,999

 

 

 

 

 

 

 

 

300 · 10-6

ΔL = 164200

3

– 21589

2

+ 1135,7

– 1,824

0,999

 

 

 

 

 

 

 

 

Таблица 3.12

Уравнения регрессии Δφ = f(Δ), аппроксимирующие зависимости запаса

устойчивости по фазе от ширины зоны нечувствительности

QН, м3

 

 

 

Уравнения регрессии

 

 

 

R²

 

 

 

 

 

 

 

 

 

 

100 · 10-6

Δφ = 233300

3

– 27857

2

+ 1138,1

+ 76,7

 

 

0,998

 

 

 

 

 

 

 

 

 

150 · 10-6

Δφ = 383300

3

– 45000

2

+ 1801,7

+ 66,84

 

0,998

 

 

 

 

 

 

 

 

 

 

 

200 · 10-6

Δφ = -1792000

 

4

+ 2691700

3

– 152210

2

+ 3980,8

+ 48,4

0,999

 

 

 

 

 

 

 

 

 

 

 

250 · 10-6

Δφ = -2583000

 

4

+ 3883300

3

– 218920

2

+ 5666,7

+ 30,4

0,999

 

 

 

 

 

 

 

 

 

 

300 · 10-6

Δφ = -37080000

 

4 + 5508300

 

3 – 305790

 

2 + 7744,2

+ 10

0,999

 

 

 

 

 

 

 

 

 

 

 

 

 

 

3.5.3. Решение задачи оптимизации

Из рассмотренных в работе методов оптимизации было решено воспользоваться методом множителей Лагранжа, который применим при наличии функциональных ограничений вида /14, 44/

fj = fj (x1, x2,…, xn) = 0,

(3.21)

где j = 1, 2,…, m.

Для целевой функции Z (x1, x2,…, xn) справедливо уравнение /14,

44/

161

dZ

Z

dx

Z

dx

 

...

Z

dx

n

0

x

 

 

 

 

1

x

2

 

2

 

x

n

 

1

 

 

 

 

 

 

 

 

или

n Z

dZ i 1 xi dxi 0.

Продифференцировав равенство (3.21), получим /14, 44/

 

n

f

 

 

df1

 

1

 

dxi 0;

 

xi

 

i 1

 

 

...........................

 

 

n

fm

 

 

dfm

 

 

 

dxi 0.

xi

 

i 1

 

 

(3.22)

(3.23)

(3.24)

Каждое из полученных m уравнений теперь умножим на пока еще неизвестный параметр λ, называемый множителем Лагранжа /14, 44/

 

 

n

 

 

f

 

 

 

 

 

 

 

 

1df1

1

 

1

dxi

0;

 

 

 

 

 

 

 

 

 

i 1

 

xi

 

 

 

 

 

 

 

 

 

 

n

 

 

 

f2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

df

 

 

 

 

xi

dx

0;

 

(3.25)

2

2

i 1

2

 

 

 

i

 

 

.....................................

 

 

 

 

n

 

 

 

 

f

m

 

 

 

 

mdfm

m

 

 

 

dxi 0.

 

 

 

 

 

 

 

 

i 1

 

 

 

 

xi

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Сложив уравнения (3.25) и уравнение (3.23), получим /14, 44/

n

 

Z

 

f1

 

f2

 

fm

 

 

 

 

 

1

2

... m

dxi

0.

(3.26)

 

x

x

 

i 1

 

x

 

 

x

 

 

 

 

i

i

 

i

 

i

 

 

Поскольку все параметры xi независимы, то для того, чтобы это уравнение удовлетворялось, достаточно, чтобы каждый из n членов равнялся нулю /14, 44/.

Таким образом, получаем n уравнений /14, 44/

Z

 

f1

 

 

f2

...

fm

0.

(3.27)

x

 

 

 

1 x

2 x

m x

 

i

 

i

 

 

i

 

i

 

 

 

 

 

162

 

 

 

 

Кроме того, имеется еще m уравнений (3.21), определяющих ограничения /14, 44/. Решение системы m + n уравнений и дает искомое оптимальное решение /14, 44/. Таким образом, задача оптимизации стала безусловной и свелась к нахождению экстремума целевой функции.

Рис. 3.37. Алгоритм решения задачи безусловной оптимизации методом Ньютона

163

Для решения задачи безусловной оптимизации было решено

воспользоваться одним из методов второго порядка – методом

Ньютона /44, 67/.

Алгоритм метода заключается в следующем (рис. 3.37) /44, 67/:

1.Задать x0, ε1 > 0, ε2 > 0, N – предельное число итераций. Найти градиент f(x) и матрицу Гессе H(x).

2.Положить k = 0.

3.Вычислить f(xk).

4.Проверить выполнение критерия окончания ║ f(xk)║≤ ε1:

а) если неравенство выполнено, то расчет окончен и x* = xk;

б) в противном случае перейти к пункту 5. 5. Проверить выполнение неравенства k M:

а) если неравенство выполнено, расчет окончен и x* = xk;

б) если нет, перейти к пункту 6.

6.Вычислить матрицу H(xk).

7.Вычислить матрицу H-1(xk).

8.Проверить выполнение условия H-1(xk) > 0:

а) если да, то перейти к пункту 9;

б) если нет, то перейти к пункту 10, положив βk = – f(xk).

9.Определить βk = –H-1(xk) f(xk).

10.Найти точку xk+1 = xk + tk βk, положив tk = 1, если βk = – H- 1(xk) f(xk), или выбрав tk из условия f(xk+1) < f(xk), если βk = – f(xk).

11.Проверить выполнение условий

xk +1 xk║< ε2, │f(xk +1) – f(xk )│< ε2:

164

а) если оба условия выполнены при текущем значении k и k = k – 1, то расчет окончен, x* = xk +1;

б) в противном случае положить k = k + 1 и перейти к пункту 3.

3.5.4.Оптимальные значения параметров системы управления рабочим органом цепного траншейного экскаватора

Выбор рациональных параметров производился при помощи встроенных средств MS EXCEL, который позволяет находить экстремум функции градиентным методом или методом Ньютона.

Выбор производился следующим образом:

1.Вводились исходные значения переменных, граничные условия для них и функция зависимости для определения необходимой характеристики.

2.В меню «Сервис» выбиралась команда «Поиск решения».

3.В диалоговом окне «Поиск решения» задавались целевая ячейка, направление решения, переменные ячейки и граничные условия для их варьирования.

4.В параметрах решения выбирались метод решения и требуемая точность.

5.Запускался поиск решения.

В результате подстановки целевых функций для каждого значения подачи были получены рациональные значения параметров.

Результаты оптимизации параметров системы управления без контура упреждения:

165

При QН1 = 100 см3/с – оптимальное значение ширины зоны

нечувствительности = 0,0195 м, времени запаздывания гидропривода

τГП = 0,02 с со значениями целевых функций σz = 0,0172 м;

tПП = 5,461 с; ΔL = 21,92 дБ; Δφ = 85,25°.

При QН2 = 150 см3/с – оптимальное значение ширины зоны нечувствительности = 0,0304 м, времени запаздывания

гидропривода

τГП = 0,02 с со значениями целевых функций σz= 0,0217 м; tПП = 5,59 с;

ΔL = 22,26 дБ; Δφ = 85,48°.

При QН3 = 200 см3/с – оптимальное значение ширины зоны нечувствительности = 0,0397 м, времени запаздывания

гидропривода

τГП = 0,02 с со значениями целевых функций σz = 0,0266 м; tПП = 5,6 с;

ΔL = 22,23 дБ; Δφ = 85,54°.

При QН4 = 250 см3/с – оптимальное значение ширины зоны нечувствительности = 0,0422 м, времени запаздывания

гидропривода

τГП = 0,02 с со значениями целевых функций σz = 0,0331 м; tПП = 4,31 с;

ΔL = 20,19 дБ; Δφ = 84,23°.

При QН5 = 300 см3/с – оптимальное значение ширины зоны нечувствительности = 0,05 м, времени запаздывания гидропривода

τГП = 0,02 с со значениями целевых функций σz = 0,0387 м; tПП = 4,55 с;

ΔL = 20,53 дБ; Δφ = 84,47°.

Результаты оптимизации параметров системы управления с контуром упреждения:

166

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]