SYSTEMY KOMPUTEROWE AUTOMATYKI PRZEMYSŁOWEJ

T.2 ZASTOSOWANIA

Antoni Niederliński

Wydawnictwo: WNT, 1985
Oprawa: miękka
Stron: 310
Stan: bardzo dobry, nieaktualna pieczątka

W tomie drugim przedstawiono liczne przykłady struktur funkcjonalnych systemu automatyki. Omówiono zagadnienia dotyczące identyfikacji modeli statycznych i dynamicznych obiektów, regulacji i kompensacji cyfrowej, optymalizacji bieżącej procesów oraz wykrywania i diagnostyki niesprawności systemów. Książka jest przeznaczona dla projektantów i użytkowników systemów komputerowych automatyki oraz dla studentów starszych lat wyższych szkól technicznych specjalizujących się w automatyce.

SPIS TREŚCI:

1. Pojęcia podstawowe
1.1. System automatyki przemysłowej
1.2. Stan. i model procesu
1.3. Horyzont sterowania
1.4. Struktura funkcjonalna i sprzętowa systemu automatyki
1.5. Hierarchiczność algorytmów sterowania
1.6. Właściwości algorytmów powiązanych hierarchicznie
1.7. Uzasadnienie potrzeby stosowania struktur hierarchicznych
1.8. Modele hierarchiczne procesów przemysłowych

2. Struktura funkcjonalna systemu automatyki
2.1. Ogólny schemat blokowy
2.2. Charakterystyka warstw struktury funkcjonalnej
2.3. Przykłady struktur funkcjonalnych systemu automatyki
2.3 1. Struktura funkcjonalna systemu automatyki bloku energetycznego
2.3.2. Struktura funkcjonalna systemu automatyki wieloklatkowej walcarki ciągłej zimnej
2.4. Iteracyjność struktury hierarchicznej systemu automatyki
2.5. Struktura funkcjonalna a struktura sprzętowa
2.6. Klasyfikacja procesów przemysłowych
2.7. Kolejność uruchamiania systemu automatyki

3. Modele obiektów dyskretnych
3.1. Uwagi wstępne
3.2. Rodzaje modeli
3.3. Model różnicowy obiektu liniowego dyskretnego
3.3.1. Podstawowe założenia
3.3.2. Wybór struktury modelu
3.4. Model transmitancyjny obiektu liniowego dyskretnego
3.4.1. Przekształcenie J i jego sens fizyczny
3.4.2. Transmitancja operatorowa dyskretna
3.4.3. Właściwości transmitancji operatorowej
3.4.4. Transmitancja widmowa i jej interpretacja
3.4.5. Współczynnik wzmocnienia
3.5. Przykłady modeli obiektów dyskretnych
3.6. Wpływ okresu próbkowania na transmitancję obiektu dyskretnego
3.6.1. Sformułowanie zagadnienia
3.6.2. Przykład
3.6.3. Przypadek ogólny
3.6.4. Zależność parametrów transmitancji od okresu próbkowania

4. Modele ciągów czasowych
4.1. Ciągi czasowe deterministyczne
4.1.1. Modele częstotliwościowe
4.1.2. Modele dynamiczne
4.2. Ciągi czasowe stochastyczne
4.2.1. Modele czasowe
4.2.2. Modele częstotliwościowe
4.2.3. Modele dynamiczne ciągów czasowych stacjonarnych
4.2.4. Funkcje autokorelacji ciągów czasowych stochastycznych
4.2.5. Modele dynamiczne ciągów czasowych niestacjonarnych
4.3. Kompletny model obiektu dynamicznego dyskretnego
4.4. Wpływ okresu próbkowania na transmitancję toru zakłócenia
4.4.1. Osobliwość zagadnienia
4.4.2. Przykład
4.4.3. Przypadek ogólny
4.5. Aspekty obliczeniowe modeli częstotliwościowych
4.5.1. Wielopunktowa dyskretna transformata Fouriera
4.5.2. Algorytm szybkiej transformaty Fouriera (FFT)
4.5.3. Przykład

5. Identyfikacja modeli statycznych
5.1. Uwagi wstępne
5.2. Struktura i parametry modeli statycznych
5.3. Metoda najmniejszych kwadratów
5.3.1. Podstawowe założenia
5.3.2. Estymacja według najmniejszych kwadratów
5.3.3. Właściwości oceny b
5.3.4. Aspekty obliczeniowe. Przekształcenie Householdera
5.4. Sprawdzanie poprawności modelu
5.4.1. Deterministyczne metody sprawdzania
5.4.2. Statystyczne metody sprawdzania
5.4.3. Związek między estymatorem według najmniejszych kwadratów a estymatorem minimalnowariancyjnym
5.4.4. Inżynieryjny sens właściwości estymatora
5.4.5. Pragmatyczna ocena dokładności modelu
5.5. Identyfikacja metodą doświadczeń czynnikowych
5.5.1. Istota doświadczeń czynnikowych
5.5.2. Przykład
5.6. Identyfikacja struktury modeli statycznych
5.6.1. Wprowadzenie
5.6.2. Metoda Iwachnienki selekcji grupowej wielkości wejściowych
5.7. Rekurencyjny algorytm najmniejszych kwadratów
5.7.1. Uwagi wstępne
5.7.2. Wersja podstawowa
5.7.3. Modyfikacja dla obiektów statycznych niestacjonarnych
5.7.4. Aspekty obliczeniowe. Filtracja pierwiastkowa
5.8. Rekurencyjny algorytm uczenia
5.8.1. Istota algorytmu
5.8.2. Interpretacja geometryczna
5.8.3. Przypadek zakłóceń stochastycznych
5.8.4. Porównanie z rekurencyjnym algorytmem najmniejszych kwadratów

6. Identyfikacja modeli dynamicznych
6.1. Uwagi wstępne
6.2. Identyfikacja" metodą najmniejszych kwadratów
6.2.1. Założenia i sformułowanie zadania
6.2.2. Estymacja parametrów
6.2.3. Warunki hieobciążoności estymatora
6.3. Identyfikacja metodą zmiennej instrumentalnej
6.3.1. Estymator obliczony metodą zmiennej instrumentalnej
6.3.2. Generowanie zmiennych instrumentalnych
6.4. Rekurencyjne algorytmy najmniejszych kwadratów i zmiennej instrumentalnej
6.5. Identyfikacja metodą największej wiarygodności
6.5.1. Wprowadzenie
6.5.2. Podstawowe założenia
6.5.3. Istota metodv
6.5.4. Przykład
6.5.5. Rekurencyjny przybliżony algorytm największej wiarygodności
6.6. Identyfikacja modeli ciągów czasowych
6.6.1. Wprowadzenie
6.6.2. Algorytmy
6.7. Identyfikacja struktury modeli dynamicznych
6.7.1. Wprowadzenie
6.7.2. Ważniejsze metody
6.8. Identyfikacja modeli statycznych rewizytowana
6.8.1. Modele Hammersteina i ich identyfikacja
6.9. Identyfikacja odpowiedzi impulsowej metodą korelacyjną
6.9.1. Założenia
6.9.2. Podstawowe zależności
6.9.3. Aspekty praktyczne
6.10. Identyfikacja modeli obiektów ze sprzężeniem zwrotnym .
6.10.1. Znaczenie zagadnienia
6.10.2. Przykład
6.10.3. Sposoby identyfikacji modeli obiektów ze sprzężeniami zwrotnymi
6.10.4. Identyfikacja bezpośrednia
6.10.5. Identyfikacja pośrednia
6.10.6. Wybór metody identyfikacji
6.11. Sygnały pobudzające
6.11.1. Wprowadzenie
6.11.2. Sygnały binarne losowe (SBL)
6.11.3. Sygnały binarne pseudolosowe okresowe (SBPOJ

7. Regulacja cyfrowa
7.1. Wymagania
7.1.1. Wymagania statyczne
7.1.2. Wymagania dynamiczne
7.1.3. Analiza wymagań
7.2. Algorytmy regulacji cyfrowej optymalizowane parametrycznie
7.2.1. Charakterystyka ogólna
7.2.2. Podstawowe algorytmy
7.2.3. Istota regulacji cyfrowej P. PI i PID
7.2.4. Dobór parametrów algorytmów podstawowych
7 3. Kompensacyjne algorytmy regulacji cyfrowej
7.3.1. Istota algorytmów kompensacyjnych .
7.3.2. Podstawowe algorytmy kompensacyjne
7.3 3. Przykład
7.4. Zjawisko dzwonienia
7.4. Algorytmy regulacji cyfrowej optymalizowane strukturalnie
7.4.1. Przeznaczenie algorytmu regulacji minimalnowariancyjnej
7.4.2. Założenia
7.4.3. Podstawowe twierdzenie
7.4.4. Właściwości regulacji minimalnowariancyjnej
7.4.5. Przykłady

8. Kompensacja cyfrowa
8.1. Istota kompensacji cyfrowej
8.2. Podstawowe algorytmy kompensacji cyfrowej
8.3. Minimalnowariancyjria predykcja ciągów czasowych
8.3.1. Założenia i podstawowe twierdzenie .
8.3.2. Ważny przypadek szczególny
8.3.3. Przedziały ufności dla predykcji
8.3.4. Zastosowanie predykcji dla układów kompensacji
8.4. Zalety kompensacji cyfrowej
8.5. Kompensacja i regulacja
8.6. Zastosowania kompensacji dla obiektów nieliniowych i wielowymiarowych
8.6.1. Zastosowanie do sterowania kolumny destylacyjnej
8.6.2. Zastosowanie do sterowania filtru bikarbonatu sodowego
8.6.3. Zastosowanie do sterowania procesu sporządzania mieszanin wieloskładnikowych

9. Regulacja i kompensacja adaptacyjna stochastyczna
9.1. Uwagi wstępne
9.2. Klasyfikacja
9.3. Regulacja i kompensacja samonastrajająca pośrednia
9.3.1. Zasady ogólne
9.3.2. Dobór algorytmów identyfikacji i regulacji
9.4. Regulacja samonastrajająca bezpośrednia
9.4.1. Istota algorytmów
9.4.2. Regulacja samonastrajająca minimalnowariancyjna według Astroma — Wittenmarka
9.4.3. Ogólny przypadek regulacji samonastrajającej minimalnowariancyjnej
9.5. .Regulacja i kompensacja samonastrajająca bezpośrednia
9.5.1. Wprowadzenie
9.5.2. Model predykcyjny i algorytm sterowania
9.6. Predykcja samonastrajająca ciągów czasowych
9.6.1. Wprowadzenie
9.6.2. Modele ciągów czasowych stacjonarnych
9.6.3. Właściwości modeli predykcyjnych
9.6.4. Właściwości asymptotyczne samonastrajającego algorytmu predykcji
9.6.5. Zbieżność algorytmu
9.6.6. Ostateczna postać algorytmu
9.7. Regulacja i predykcja samoprzestrajająca
9.7.1. Wprowadzenie
9.7.2. Konieczne modyfikacje algorytmów

10. Optymalizacja bieżąca procesów
10.1. Istota optymalizacji bieżącej i jej znaczenie
10.2. Elementy optymalizacji bieżącej procesów
10.3. Struktury systemów optymalizacji bieżącej
10.4. Tendencje rozwojowe optymalizacji bieżącej
10.5. Typowe zadania optymalizacji bieżącej procesów ciągłych
10.5.1. Optymalizacja punktu pracy ustalonej
10.5.2. Minimalizacja wariancji podstawowych zmiennych stanu
10.5.3. Optymalizacja podziału obciążenia lub zasobu między aparaty pracujące równolegle
10.5.4. Optymalne harmonogramowanie pracy aparatów

11. Uzgodnienie i uwiarygodnienie danych bilansowych
11.1. Istota zagadnienia
11.2. Graf bilansowy
11.3. Uzgodnienie i uwiarygodnienie danych bilansowych w przypadku pełnej informacji pomiarowej
11.4. Uzgodnienie, uwiarygodnienie i rozszerzenie danych bilansowych w przypadku niepełnej informacji pomiarowej

12. Wykrywanie i diagnostyka niesprawności
12.1. Uwagi wstępne
12.2. Wykrywanie i diagnostyka niesprawności w sieciach przepływowych
12.2.1. Błędy grube w zadaniach uzgadniania i uwiarygadniania danych bilansowych
12.2.2. Testowanie wierzchołkowych niezrównoważeń bilansu
12.2.3. Zasady wykrywania i lokalizacji źródeł błędów grubych
12.2.4. Algorytm i przykład wykrywania i lokalizacji źródeł błędów grubych
12.3. Wykrywanie i lokalizacja przecieków w rurociągach
12.3.1. Wprowadzenie
12.3.2. Podstawowy model przecieku w rurociągu z cieczą
12.3.3. Zastosowanie metody korelacyjnej
12.4. Wykrywanie i diagnoza niesprawności maszyn i aparatów metodą analizy widma
12.4.1. Wprowadzenie
12.4.2. Zasada metody

13. Sygnalizacja, kontrola i dokumentacja przebiegu procesów
13.1. Charakterystyka ogólna
13.2. System sygnalizacyjno-alarmowy
13.3. System kontroli
13.4. Pewne aspekty dokumentacji przebiegu procesu
13.5. Przykłady
13.5.1. Klasyfikacja taśm blachy stalowej
13.5.2. Kontrola procesu spalania w silnikach samochodowych

Wykaz literatury
Skorowidz