Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Методы оптимизации в пакетах прикладных программ и их применение в решении задач НЛП в системах автоматического управления. Учебно-методическое пособи
.pdf
51
Рисунок 6.12. Схемное окно субмодели «”Измеритель” времени ПП»
3.3. Заполнение диалоговых окон в режиме «Оптимизация»
В главном меню активируйте команду «Оптимизация – Параметры»
либо нажмите на главной панели кнопку «Параметры оптимизации»: появится
диалоговое окно «Параметрическая оптимизация» с активной по
умолчанию вкладкой «Параметры». Нажмите в правой части диалогового окна
кнопку с изображением символа «<»: откроется дополнительное окно
«Глобальные константы проекта» с таблицей, включающей параметры T1 –
T6. Выберите с помощью мыши первую строчку в данной таблице, а затем
нажмите кнопку «Да» – произойдёт добавление параметра T1 в таблицу
вкладки «Параметры» основного диалогового окна. Таким же образом
добавьте остальные параметры (T2 – T6).
После добавления всех параметров при помощи клавиатуры установите
для каждого параметра в таблице следующие значения:
Минимум: 0.001;
Максимум: 100;
Точность: 0.01 (по умолчанию).
Результат представлен на рисунке 6.13.
52
Рисунок 6.13. Заполненная таблица вкладки «Параметры» окна «Параметрическая
оптимизация»
Затем перейдите на вкладку «Критерии» и аналогичным образом
добавьте в соответствующую таблицу переменные Ymax и tpp. После
добавления в таблицу обоих критериев в графе «Минимум» оставьте значения
«0» (по умолчанию), а в графе «Максимум» для критерия tpp установите
значение времени регулирования для своего варианта задания (в секундах), а
для критерия Ymax – значение, соответствующее перерегулированию для
своего варианта задания (например, при заданном перерегулировании 40%
необходимо установить значение Ymax=1,4). Пример заполненной таблицы
приведён на рисунке 6.14.
Последним шагом является заполнение вкладки «Метод». Здесь следует
установить следующие параметры:
Метод оптимизации: Поиск-2;
Максимальное число моделирований: 500;
Вид общего критерия: Квадратичный.
Результат приведён на рисунке 6.15. По завершению ввода нажмите
кнопку «Да».
53
Рисунок 6.14. Пример заполнения таблицы вкладки «Критерии» окна
«Параметрическая оптимизация» (здесь: перерегулирование – 25%, время
регулирования – 0,6 с)
Рисунок 6.15. Вид вкладки «Метод» окна «Параметрическая оптимизация»
3.4. Проведение оптимизационного расчёта
Уже описанным выше способом откройте окно «Параметры расчёта» и
измените метод интегрирования, например, на Рунге-Кутта 45 классич.
Запустите задачу на счёт и убедитесь, что переходный процесс по-прежнему
не является удовлетворительным (см. п. 2 данного раздела и рисунок 6.7).
В главном меню активируйте команду «Оптимизация – Расчёт»
либонажмите кнопку «Начать расчёт оптимальных параметров»:
появится окно
«Результаты оптимизации», а в графическом окне начнут «мелькать»
графики переходных процессов при варьировании параметров.
Через несколько секунд поиск завершится, и окно «Результаты
оптимизации» примет вид, аналогичный приведённому на рисунке 6.16.
54
Изображение переходного процесса после автомасштабирования примет вид,
указанный на рисунке 6.17.
В окне «Результаты оптимизации» нажмите кнопку «Применить». При
этом значения параметров T1 – T6 изменятся с исходных (единиц) на
полученные в результате проведения оптимизационного расчёта. Чтобы
убедиться в этом, можно открыть окно «Редактор глобальных параметров
Проекта (Субмодели)» – пример приведён на рисунке 6.18.
Рисунок 6.16. Вид окна «Параметры оптимизации» после окончания
оптимизационного расчёта
Рисунок 6.17. Вид графика переходного процесса после окончания
оптимизационного расчёта и выполнения автомасштабирования
55
Рисунок 6.18. Значения параметров T1 – T6 после проведения оптимизационного
расчёта
4. ВЫВОД
Полученный переходный процесс, график которого приведён на рисунке
6.17, удовлетворяет заданным требованиям по перерегулированию и времени
регулирования. Полученные значения параметров T1 – T6 являются искомыми
параметрами корректирующего устройства следящей системы. Таким
образом, задачу синтеза корректирующего устройства можно считать
полностью выполненной.
56
7. КОНТРОЛЬНЫЕ ВОПРОСЫ
1. Сформулируйте задачу оптимизации.
2. Расскажите об оптимизации без ограничений.
3. Ограничения на область поиска. Какого вида они бывают?
4. Как решается задача оптимизации при наличии ограничений?
5. Приведите пример прямых методов безусловной оптимизации в
многомерных задачах.
6. Опишите алгоритм метода покоординатного спуска.
7. Какие настраиваемые параметры есть в методе покоординатного
спуска?
8. Как происходит настройка параметров метода покоординатного
спуска до оптимизации и в процессе её поиска?
9. Условия окончания поиска в методе покоординатного спуска.
10. Опишите механизм поиска оптимального решения методами
случайного поиска.
11. Какие стратегии использования элемента случайности существуют
в методах оптимизации?
12. Перечислите некоторые методы случайного поиска и их
особенности при поиске оптимального решения.
13. Как происходит выбор параметров методов случайного поиска до
оптимизации?
14. Расскажите о целенаправленных изменениях параметров методов
случайного поиска в процессе оптимизации.
15. Опишите возможности применения современных
инструментальных систем в решении задач оптимизации.
16. Что такое эффективность методов оптимизации?
17. Перечислите количественные характеристики эффективности
методов оптимизации.
18. Оцените сравнительную эффективность методов оптимизации при
решении тестовых задач.
19. Методы оптимизации нулевого порядка и первого порядка. Что это
такое и в чём различия?
20. Приведите примеры методов оптимизации первого порядка.
21. Чем отличается метод наискорейшего спуска от градиентного
метода?
22. Как выбираются параметры градиентного метода для решения задач
оптимизации?
23. Как происходит учёт ограничений при решении задачи
оптимизации градиентными методами?
24. Как влияет наличие ограничений на процесс решения задачи
оптимизации градиентными методами?
25. Какие трудности существуют при использовании градиентных
57
методов в задачах многомерной оптимизации?
26. Как численно определить составляющие вектора градиента при
решении задач оптимизации?
27. Расскажите об области применения вышеперечисленных методов
оптимизации в задачах многомерной оптимизации на основании
литературных данных и собственного опыта решения задач в
лабораторных работах по дисциплине «Методы оптимизации».
28. Опишите возможности методов оптимизации, используемых в
инструментальных системах MATLAB, Mathcad, LabVIEW, МВТУ
и др.
29. Какие ещё инструментальные системы, предназначенные для
решения задач многомерной оптимизации, вы знаете?
30. Опишите достоинства и недостатки использования методов
оптимизации, реализованных в инструментальных системах.
58
8. ЛИТЕРАТУРА
1. О.И. Монахов. Анализ и синтез САУ с применением ЭВМ.
Методические указания к курсовому проекту. – М.: МИИТ, 2004. –
28 с.
2. О.И. Монахов, С.С. Сергеев. Проектирование систем и средств
управления средствами LabVIEW. Методические указания к
курсовому проекту. – М.: МИИТ, 2005. – 67 с.
3. О.И. Монахов, Е.В. Александров. Проектирование систем и средств
управления средствами инструментальной системы MATLAB 6.5.
Методические указания к курсовому проекту. – М.: МИИТ, 2005. –
28 с.
4. О.И. Монахов, М.А. Мигулёва, О.В. Тырнова. Проектирование
систем управления средствами программного комплекса МВТУ 3.5.
Методические указания к курсовому проекту. – М.: МИИТ, 2006. –
48 с.
5. О.И. Монахов, А.И. Сафронов, М.В. Ковалёв, Е.Ю. Рындина.
Параметрический синтез САУ с помощью пакетов прикладных
программ. Методические указания к курсовому проектированию по
дисциплине «Автоматизация проектирования систем и средств
управления». – М.: МИИТ, 2010. – 138 с.
6. В.А. Гончаров. Методы оптимизации: учебное пособие для вузов. –
М.: Издательство Юрайт, 2016. – 191 с. – Серия: Бакалавр. Базовый
курс.
7. А.В. Аттетков. Методы оптимизации / А.В. Аттетков, С.В. Галкин,
В.С. Зарубин. – М.: Изд-во МГТУ им. Н.Э. Баумана. 2003. – 440 с.
8. А.В. Пантелеев. Методы оптимизации в примерах и задачах / А.В.
Пантелеев, Т.А. Летова. – М.: Высшая школа, 2005. – 544 с.
9. А.Г. Сухарев. Курс методов оптимизации / А.Г. Сухарев, А.В.
Тимохов, В.В. Федоров – М.: Физматлит, 2005. – 368 с.
10. О.И. Монахов. Методы нелинейного программирования. Конспект
лекций по дисциплине «Системы автоматизированного
проектирования» для бакалавров. – М.: МИИТ, 2012. – 127 с.
11. Р.И. Сольницев. Автоматизация проектирования систем управления.
– М.: Высшая школа, 1991. – 335 с.
12. Д.И. Батищев. Поисковые методы оптимального проектирования. –
М.: Советское радио, 1975 – 216 с.
13. Минимизация в инженерных расчётах на ЭВМ. Библиотека
программ. / С.Ю. Гуснин и др. – М.: Машиностроение, 1981. – 120 с.
14. Системы автоматического управления: практикум по
математическому моделированию / Под ред. Б.А. Карташова. –
Ростов-на-Дону: Феникс, 2015. – 458 с.
59
15. Теория автоматического управления / Под ред. А.В. Нетушила, ч. 1,
М.: Высшая школа, 1967. – 424 с.
16. Сборник задач по теории автоматического регулирования и
управления / Под ред. В.А. Бесекерского, М.: Наука, 1978. – 512 с.
17. Д. Химмельблау. Прикладное нелинейное программирование, М.:
Мир, 1975. – 535 с.
18. Теория автоматического управления / Под ред. А.А. Воронова, ч. 2,
М.: Высшая школа, 1977. – 288 с.
19. С.Д. Пашкеев, Р.И. Минязов, В.Д. Могилевский. Машинные методы
оптимизации в технике связи. Учебное пособие для ВУЗов. – М.:
Связь, 1976. – 272 с.
20. Б. Банди. Методы оптимизации. Вводный курс. – М.: Радио и связь,
1988. – 128 с.
21. А.И. Сеславин, Л.Н. Воробьёва. Интегральные оценки качества:
Методические указания к лабораторной работе по дисциплине
«Идентификация систем управления». – М.: МИИТ, 2005. – 16 с.
22. Теория автоматического управления / Под ред. А.А. Воронова, ч. 1,
М.: Высшая школа, 1977. – 303 с.
23. Э. Троелсен. Язык программирования C# 5.0 и платформа .NET 4.5,
6-е изд.: Пер. с англ. – М.: ООО «И.Д. Вильямс», 2015. – 1312 с.
24. Зольникова Н.Н., Монахов О.И., Кузнецов Ф.А. Теория
автоматического управления. Учебно – методическое пособие. – М. :
МГУПС (МИИТ), 2016. – 55с.
25. Монахов О.И., Корнеев П.А. Поисковые алгоритмы оптимизации в
решении задач теории автоматического управления. Учебно –
методическое пособие к практическим занятиям и курсовому
проекту по дисциплине «Методы оптимизации». – М. :
МГУПС(МИИТ), 2017, – 49с.
26. О.С. Вадутов. Система автоматического управления с дискретным
ПИД-регулятором. Методические указания к выполнению
лабораторной работы для студентов, обучающихся по направлениям
«Электроника и наноэлектроника» «Биотехнические системы и
технологии». Национальный исследовательский Томский
политехнический университет, 2014, – 10 с.
27. Лю Фан. Сравнительный анализ методов настройки ПИД-регуляторов.
Научная статья по компьютерным и информационным наукам.
Институт кибернетики Томский политехнический университет, г.
Томск. 2018. – [С. 85-92].
28. Р.В. Пресняков. Разработка и проектирование ПИД-регуляторов. ВКР.
Кубанский государственный университет. Краснодар, 2015.
29. Зорин. С.В. ООО НПП Системы контроля. ПИД – закон регулирования.
Методы нахождения ПИД коэффициентов.
60
30. Н.Д. Ганелина, С.В. Ренин. Методы оптимизации. Сборник задач и
упражнений, Литрес. 2011, – 54с.
31. В.А. Жмудь. Неаналитические методы расчета ПИД-регуляторов.
Литрес, 2013, – 39с.
32. Л.Г. Чернова. Пакеты прикладных программ Mathcad. Лабораторный
практикум – Новотроицк: НФ НИТУ «МИСиС», 2012, – 43с.
33. Г.И. Станевко, Т.Г. Колесникова, Е.Б. Асташенко. Математика.
Численные методы. Лабораторный практикум в среде Mathcad,
Учебное пособие для студентов вузов Кемерово, Кемеровский
технологический институт пищевой промышленности, 2008, – 41с.
34. Е.Б. Грибанова. Исследование операций и методы оптимизации.
Методические указания по выполнению лабораторных работ. Томск.
ТУСУР, факультет систем управления, 2017, – 110с.
35. Ю.А. Панченко, В.В. Пашнев. Лабораторные работы по курсу «Методы
оптимизации» Уч. пособие. АлТТУ, Барнаул, 2018. 11 эл. опт. диск
(DVD). - № гос. регистрации 0321801411.
36. Лабораторный практикум и сборник задач по дисциплине
«Оптимизация технологических процессов». Зимин С.П. Иваново
ИвГПУ, 2003, – 82с.
37. Дипломная работа «Разработка компьютерного лабораторного стенда».
«Методы оптимизации и численные методы». 2010 Литрес.
38. Каштаева С.В. Методы оптимизации. Учебное пособие. «Пермский
аграрно-технологический университет имени академика Д.Н.
Прянишникова». – Пермь : ИПЦ «Прокростъ», 2020, – 84 с
39. Дьяконов В.П. Визуальное математическое моделирование: Vissim +
Mathcad + Mathlab.
40. М.В. Маркина, А.В. Судакова. Практикум по решению задач
оптимизации в пакете MATLAB. Уч. метод. Пособие. Нижегородский
НИ. ун-т. Нижний Новгород, 2017, – 49с.
41. Общие сведения о программном комплексе «МВТУ» > 72стр.
42. Козлов О.С. и др. Программный комплекс «Моделирование в
технических устройствах» (ПК «МВТУ»).
43. Параметрическая оптимизация САР в среде ПК «МВТУ», 2018.
44. Особенности численной оптимизации в программе Vissim ПИД-
регуляторов с высшими производными. Л.С. Сазонов, Н.А. Малышкин
НГТУ, Новосибирск. В. ж. «Автоматика и программная инженерия»
2015, №4, с. 72-73.
45. Жмудь В.А. О методах расчета ПИД-регуляторов. ВПО НГТУ, ОАО
«НИПС» В. ж. «Автоматика и программная инженерия», 2013, №2, с.
118-120.
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]