دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1st ed. 2021 نویسندگان: José David Rojas, Orlando Arrieta, Ramon Vilanova سری: ISBN (شابک) : 3030723100, 9783030723101 ناشر: Springer سال نشر: 2021 تعداد صفحات: 158 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Industrial PID Controller Tuning: With a Multiobjective Framework Using MATLAB® (Advances in Industrial Control) به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تنظیم کنترلر PID صنعتی: با یک چارچوب چند هدفه با استفاده از MATLAB® (پیشرفت در کنترل صنعتی) نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
تنظیم کنترل کننده PID صنعتی دیدگاه متفاوتی از سازش سروو/تنظیم کننده ارائه می دهد که برای مدت طولانی در تحقیقات کنترل صنعتی مورد مطالعه قرار گرفته است. تنظیم بهینه عموماً شامل مقایسه توابع هزینه (به عنوان مثال، تابع درجه دوم خطا یا مقدار مطلق خطا با وزن زمان) است، اما بدون استفاده از روشهای بهینهسازی چند هدفه موجود. کتاب از بهینهسازی چندهدفه برای توضیح چندین منبع اختلال استفاده میکند و آنها را برای یک مسئله واقعیتر به کار میبرد: نحوه انتخاب تنظیم یک کنترلکننده زمانی که هر دو پاسخ سروو و تنظیمکننده مهم هستند.
نویسندگان روش های مختلف بهینه سازی چندهدفه قطعی را بررسی می کنند. به منظور بهبود پیامدهای هزینه محاسباتی که معمولاً در استفاده از آنها دخیل است - به ویژه تولید راه حل های متعددی که مهندس کنترل هنوز باید انتخاب کند - الگوریتم هایی برای کنترل PID دو درجه آزادی در MATLAB® پیاده سازی می شوند. کد MATLAB و یک برنامه سازگار با MATLAB برای دانلود ارائه شده است و به خوانندگان کمک می کند تا ایده های ارائه شده در متن را برای استفاده در سیستم های خود تطبیق دهند. راهنمایی های عملی بیشتر با گنجاندن چندین نمونه از فرآیندهای صنعتی رایج که قابل استفاده از روش های نویسندگان هستند ارائه می شود.
محققان علاقه مند به رویکردهای غیر اکتشافی برای تنظیم کنترل کننده یا تصمیم گیری پس از مجموعه پارتو هستند. دانشجویان مستقر و فارغ التحصیل علاقه مند به شروع حرفه ای با کنترل PID و/یا تنظیم کنترل کننده صنعتی، این کتاب را مرجع و منبع ارزشمندی از ایده ها خواهند یافت.پیشرفتها در کنترل صنعتی انتقال فناوری در مهندسی کنترل را گزارش و تشویق میکند. توسعه سریع فناوری کنترل بر تمام حوزه های رشته کنترل تأثیر می گذارد. این مجموعه فرصتی را برای محققان فراهم می کند تا نمایشگاه گسترده ای از کار جدید در تمام جنبه های کنترل صنعتی ارائه دهند.
Industrial PID Controller Tuning presents a different view of the servo/regulator compromise that has been studied for a long time in industrial control research. Optimal tuning generally involves comparison of cost functions (e.g., a quadratic function of the error or a time-weighted absolute value of the error) but without taking advantage of available multi-objective optimization methods. The book does make use of multi-objective optimization to account for several sources of disturbance, applying them to a more realistic problem: how to select the tuning of a controller when both servo and regulator responses are important.
The authors review the different deterministic multi-objective optimization methods. In order to ameliorate the consequences of the computational expense typically involved in their use―specifically the generation of multiple solutions among which the control engineer still has to choose―algorithms for two-degree-of-freedom PID control are implemented in MATLAB®. MATLAB code and a MATLAB-compatible program are provided for download and will help readers to adapt the ideas presented in the text for use in their own systems. Further practical guidance is offered by the inclusion of several examples of common industrial processes amenable to the use of the authors’ methods.
Researchers interested in non-heuristic approaches to controller tuning or in decision-making after a Pareto set has been established and graduate students interested in beginning a career working with PID control and/or industrial controller tuning will find this book a valuable reference and source of ideas.Advances in Industrial Control reports and encourages the transfer of technology in control engineering. The rapid development of control technology has an impact on all areas of the control discipline. The series offers an opportunity for researchers to present an extended exposition of new work in all aspects of industrial control.
Series Editor’s Foreword Acknowledgements Contents Abbreviations and Symbols Abbreviations Symbols 1 Introduction References 2 Industrial PID Control 2.1 Control System Design Scenario 2.2 Industrial Process Characteristics 2.2.1 Controlled Process Model 2.3 The PID Controller 2.3.1 Proportional Term 2.3.2 Integral Term 2.3.3 Derivative Term 2.3.4 PID Controller Formulations 2.3.5 Reference Processing and 2DoF PID 2.3.6 Conversion of 2DoF PID Controller Algorithms 2.4 Normalized Representations 2.4.1 Process Model Normalization 2.4.2 Controller Normalization References 3 PID Controller Considerations 3.1 Control System Evaluation Metrics 3.1.1 Performance 3.1.2 Robustness 3.1.3 Control Input Usage 3.2 Control System Trade-Offs 3.2.1 Servo Versus Regulation 3.2.2 Performance Versus Robustness 3.2.3 Input Versus Output Disturbances References 4 PID Controller Design 4.1 PID Controller Tuning 4.1.1 Analytical Tuning Methods 4.1.2 Tuning Based on Minimization of Performance Criteria 4.1.3 Tuning Rules for Robustness 4.2 Formalization of PID Tuning as a Multiobjective Optimization Problem 4.2.1 Cost Function and Constraint Selection 4.2.2 PID Tuning Problem Formulation for Integral Cost Functions References 5 Multiobjective Optimization 5.1 Formalization of the Multiobjective Optimization Problem 5.1.1 Definition of the Pareto Front 5.1.2 Practical Example 5.1.3 Different Approaches to Obtain the Pareto Front 5.2 Scalarization Algorithms to Find the Pareto Front 5.2.1 Weighted Sum 5.2.2 Normal Boundary Intersection 5.2.3 Normalized Normal Constraint 5.2.4 Enhanced Normalized Normal Constraint 5.3 Solution Selection from the Pareto Front 5.3.1 Visualization of the Pareto Front 5.3.2 Pareto as a Decision Model 5.3.3 Pareto Front as Part of a Decision Tool References 6 Application of the Multiobjective Approach 6.1 Comparison of the Methods to Obtain the Pareto Front 6.1.1 Performance Comparison of the Scalarization Methods 6.1.2 Analysis of the Results from the Control Theory Perspective 6.2 High-Order Benchmark Plant 6.3 LiTaO3 Thin Film Deposition Process References 7 PID Tuning as a Multiobjective Optimization Problem 7.1 Solution of the Multiobjective Optimization Tuning 7.2 Viability for Tuning Rules 7.2.1 Tuning of a PI Controller with Two Objectives 7.2.2 Tuning for a Three-Objective PID Controller 7.2.3 Comments on Creating Tuning Rules from Pareto Fronts 7.3 Database Approach for the Final Tuning 7.3.1 Example Using MOOTuning References 8 Industrial Application Examples 8.1 Continuously Stirred Tank Heater 8.1.1 Description of the Process 8.1.2 Simplified Linear Model 8.1.3 PID Control of the CSTH Considering Two Integral Cost Functions 8.1.4 PID Control of the CSTH Considering Three Integral Cost Functions 8.2 Continuously Stirred Tank Reactor 8.2.1 Description of the Process 8.2.2 Linearization 8.2.3 Controller Design 8.2.4 Validation of the Controller Designs 8.3 Final Remarks References