Sammenlikning av simuleringsverktøy for reguleringsteknikk

1. Presentasjon ved NFA-dagene 28.-29.4 2010 Sammenlikningavsimuleringsverktøy for reguleringsteknikk AvFinn Haugen (finn.haugen@hit.no) Høgskolen i Telemark

2. Innhold: Eksemplerpå min egenbrukavsimuleringsverktøy Industriprosjekt: Posisjonsregulering av luftaktuert undervanns løftesystem Opplæring: MPC-regulering av varmluftprosess Opplæring: Simuleringsbiblioteket SimView Noenaktuelleverktøy LabVIEW Simulink Scicos Dymola Oppsummering

3. Hvorforsimulere? Design Ufarlig testing Billig testing Opplæring

4. Innhold: Eksemplerpå min egenbrukavsimuleringsverktøy Industriprosjekt: Posisjonsregulering av luftaktuert undervanns løftesystem Opplæring: MPC-regulering av varmluftprosess Opplæring: Simuleringsbiblioteket SimView Noenaktuelleverktøy LabVIEW Simulink Scicos Dymola Oppsummering

5. Posisjonsregulering av eksperimentelt luftaktuert undervanns løftesystem Løftebag (her utenfor vanntanken)

6. Prosessmodell: Newtons 2. lov: Massebalanse for luft:

7. Reguleringssystemet: PI-regulatorparametre for C1 og C2 ble beregnet fra modell (med Skogestads metode), og systemet ble simulert i LabVIEW.

8. Simulering av løftesystemet (Simulering ble kjørt under foredraget.)

9. Virkelige responser (fra sommeren 2009) Regulatoren som ble designet fra modellen og bekreftet i simuleringer, fungerte med én gang på laben! (Et rørende øyeblikk…) Til høyre er virkelige responser, på det fysiske systemet (forholdene er riktignok ikke eksakt de samme som for simuleringene vist på forrige slide):

10. Video fra eksperiment (sommeren 2009) Løftebagen holdes stabilt på (nær) posisjonsreferansen:

11. Innhold: Eksemplerpå min egenbrukavsimuleringsverktøy Industriprosjekt: Posisjonsregulering av luftaktuert undervanns løftesystem Opplæring: MPC-regulering av varmluftprosess Opplæring: Simuleringsbiblioteket SimView Noenaktuelleverktøy LabVIEW Simulink Scicos Dymola Oppsummering

12. MPC-regulering av varmluftprosess StudentoppgaveimasterutdanningenvedHiT: Temperaturregulering med MPC.

13. Model-based Predictive Control (MPC): The Control Design and SimulationmoduleofLabVIEWcontains an MPCcontroller Process model: Optimization criterion: Constraints: (Figures from user manual of Control Design and Simulation module)

14. Matematiskmodelleringavvarmluftprosessen ProsessmodellentrengsiMPC-regulatoren. Modellenskalogsåbenyttestilsimulatorbasertutprøvingavreguleringssystemet. Prosessens sprangrespons tyderpå “tidskonstant med dødtid”: Prosessenssprangrespons: Forsterkning = 3,5 Tidskonstant = 22 sek Sprang i styresignalet: Tidsforsinkelse = 2 sek

15. Verifikasjonavmodellen, ogmuligens fin-tuning avmodellparametrene, kangjøresved å kjøre en simulator iparallell med den fysiskeprosessen: Determeget god overensstemmelsemellomvirkeligogsimulerttemperaturrespons. Detteviser at modellener god (nøyaktig). Kan ogsåbrukefunksjonerfrasystemidentifikasjon for å finne en modellautomatisk…

16. Ersimulerteogvirkeligeresponser like? Simuleringer ble kjørt under foredraget, mens virkelige responser er fra et tidligere eksperiment. La oss se om responsene er like…

17. Følging av sprangprofil med PI-regulator Simulert respons: Virkelig respons: Simulert og virkelig respons er veldig like.

18. Følging av sprangprofil med MPC-regulator Simulert respons: Virkelig respons: Simulert og virkelig respons er veldig like.

19. Følging av rampeprofil med PI-regulator Simulert respons: Virkelig respons: Simulert og virkelig respons er veldig like.

20. Følging av rampeprofil med MPC-regulator Simulert respons: Virkelig respons: Simulert og virkelig respons er veldig like.

21. Vi har sett at simulerte og virkelige respons er veldig like. Simulatorbasert utprøving gir altså nøyaktige resultater! (…Når modellen er nøyaktig.)

22. Innhold: Eksemplerpå min egenbrukavsimuleringsverktøy Industriprosjekt: Posisjonsregulering av luftaktuert undervanns løftesystem Opplæring: MPC-regulering av varmluftprosess Opplæring: Simuleringsbiblioteket SimView Noenaktuelleverktøy LabVIEW Simulink Scicos Dymola Oppsummering

23. Simuleringsbiblioteket SimView (for undervisning) 47 simulatorer for dynamiske systemer, reguleringsteknikk og signalbehandling utviklet i LabVIEW. Fritt tilgjengelige fra http://techteach.no/simview Krever kun at LabVIEWRun-timeEngine (gratis) er installert.

24. En del av simulatorene i SimView:

25. Eksempel: Simulering av PID-nivåreguleringssystem

26. Eksempel: Simulering av sekvensstyring

27. Innhold: Eksemplerpå min egenbrukavsimuleringsverktøy Industriprosjekt: Posisjonsregulering av luftaktuert undervanns løftesystem Opplæring: MPC-regulering av varmluftprosess Opplæring: Simuleringsbiblioteket SimView Noenaktuelleverktøy LabVIEW Simulink Scicos Dymola Oppsummering

28. Skalsimulerefølgendereguleringssystem(iLabVIEW, SimulinkogScicos): Kp = 0,5 Ti = 1 Td=0 K = 1 T = 1 Tau = 1 PI-regulator Tidskonstant med dødtid Ref = sprang (amplitude 1)

29. Utviklingsverktøy for hovedsakelig PC-baserte systemer for styring og måling, inkl. signalbehandling og simulering. LabVIEW Produseresav National Instruments (ni.com). Programmeringenergrafisk, dvs. med funksjonsblokkersomkoplessammen. • Control Design and Simulation Module iLabVIEWinneholderfunksjoner for simuleringavdynamiskesystemer • (a la Simulink). Info omsimulatorutviklingiLabVIEW fins bl.a. påhttp://techteach.no.

30. Noenblokkerpå Simulation-paletteniLabVIEW

31. Programmetsfrontpanel (brukergrensesnitt): Eksempel: PID-reguleringssystem for simulertprosessbeståendeavtidskonstantogdødtid

32. Eksempel forts: Programmetsblokkdiagram

33. Simuleringsverktøy basert på blokkdiagramrepresentasjon av matematisk modell. Simulink Produseresav The Mathworks (mathworks.com). Forutsetter at Matlaberinstallert. Info omsimulatorutvikling med Simulink fins bl.a. påhttp://techteach.no.

34. Blokkbiblioteket i Simulink

35. Eksempel (Simulink): PID-reguleringssystem for simulertprosessbeståendeavtidskonstantogdødtid Parameterverdier kan enten skrives rett inn i blokkenes parametervindu eller generes som variable i et Matlab-skript.

36. Scicos Simuleringsverktøy basert på blokkdiagramrepresentasjon av matematisk modell. (Likner på Simulink.) Gratis! Info omsimulatorutvikling med Scicos fins bl.a. påhttp://techteach.no.

37. Scicos: Paletter med modell- ogfunksjonsblokker

38. Eksempel (Scicos): PID-reguleringssystem for simulertprosessbeståendeavtidskonstantogdødtid Parameterverdier kan enten skrives rett inn i blokkenes parametervindu eller genereres som variable i et skriptvindu (kalt Context).

39. Dymola Simuleringsverktøy basert på at fysiske komponenter (for eksempel motor, last, gir, signalkilde, vinkelsensor) og funksjonsblokker (for eksempel PID-regulator, lavpassfilter) koples sammen som om det var et fysisk system som skulle bygges. Dymola sørger selv for å manipulere de underliggende matematiske modellene slik at de blir løsbare, bl.a. ved at algebraiske løkker løses. Dymola er en implementering av det standardiserte objektbaserte modelleringsspråket Modelica.

40. Eksempel (Dymola): PID-reguleringssystem for simulertposisjonsservo for permanentmagnetisert DC-motor Modellenerbygdoppavkomponenteripakkebiblioteket (tilvenstre).

41. Eksempel (Dymola): Simulertposisjonsresponsetter sprang iposisjonsreferansen Hvilkesomhelst variableimodellenkanplottesisammeelleregnevinduer. Brukerensvitsjermellom Modeling-modusog Simulation-modus med knappennedetilhøyre.

42. LabVIEW: Meget god funksjonalitet.Lekker GUI. Litttungvint (måbeherskeLabVIEW-programmering). Enkelt å kjøresimuleringisanntideller I skalerttid. • Simulink: Meget god funksjonalitet. Enkelt å bruke. Sanntidssimuleringkrever Real-time Workshop. • Scicos: Ok funksjonalitet. Enkelt. Gratis! Sanntidssimulering mulig. • Dymola: God funksjonalitet. Ferdiglagde fysikkbaserte modellobjekter som kan koples sammen, uten å tenke på matematikken. Krever meget god modellinnsikt for å vite hva de mange parametrene i modellblokkene betyr. Sanntidssimulering er mulig. Oppsummering