autovehiculele si controlul inteligent
Post on 14-Jan-2016
60 Views
Preview:
DESCRIPTION
TRANSCRIPT
1
TEMA DE CERCETARE
MASTER STT
AUTOVEHICULELE ŞI
CONTROLUL INTELIGENT
Studenti:
Ciocoiu Alexandru
Ghita Valentin
Velicu Laurentiu
2
CUPRINS:
1 Controlul inteligent in actualitate..................................................pag.3
1.1 Definirea controlului inteligent.........................................................pag.3
1.2 Atributele sistemelor inteligente.......................................................pag.6
1.3 Importanţa controlului inteligent.......................................................pag.8
2 Arhitectura sistemelor de control inteligent al vehiculelor.............pag.10
2.1 Structura de baza................................................................................pag.10
2.2 Structuri particulare de control inteligent.......................................pag.19
2.2.1 Sisteme de control inteligent asociate cu sisteme de supervizare bazate
pe cunoştinţe.....................................................................................................pag.19
2.2.2 Controlere inteligente cu reţele neurale........................................pag.23
2.2.3 Structuri de control inteligent cu logică fuzzy.............................pag.35
3 Aparatura specifica controlului inteligent al vehiculelor rutiere.…pag.44
3.1 Dispozitive pentru achiziţia de date...................................................pag.44
3.2 Structuri numerice pentru implementarea legilor de control.........pag.52
3.3 Soluţii pentru preluarea şi executarea comenzilor furnizate de sistemele de
control inteligent..................................................................................................pag.55
3
AUTOVEHICULELE ŞI
CONTROLUL INTELIGENT
1.CONTROLUL INTELIGENT ÎN ACTUALITATE
Termenul de control inteligent apare din ce în ce mai frecvent în literatura de specialitate,
nu numai de limbă engleză, reliefând totodată aspecte caracteristice ce îl diferenţiază de
ceea ce s-ar putea defini drept “control convenţional” în accepţiunea deja consacrată a
cuvântului control. În limba română termenul “control” a fost multă vreme evitat, fiind
înlocuit, după caz, cu termenii “conducere” şi respectiv “reglare”. Însăşi această dualitate
semantică sugera faptul că termenul tehnic de “control” este ceva mai complex şi că s-ar
putea încerca utilizarea sa ca atare, cu o explicare convingătoare a tuturor atributelor. De
aceea, în lucrarea de faţă termenul “control” apare asociat cu atributul “inteligent”,
sintagma “control inteligent” având deja un înţeles consacrat şi fiind din ce în ce mai
adecvată unor tehnici performante de conducere a proceselor. De asemenea, pe parcursul
lucrării se folosesc curent şi termenii de “conducere” şi “reglare” atunci când în context
apar ca fiind cei adecvaţi.
În cele ce urmează vom încerca pe de o parte să definim cât mai riguros noţiunea de
control inteligent şi totodată să subliniem deschiderile utilizării sale în legătură cu
conducerea autovehiculelor rutiere. Totodată, în ultima secţiune a capitolului se vor
prezenta principalele mijloace de implementare a procedurilor de control inteligent
utilizate în conducerea vehiculelor.
1.1. Definirea controlului inteligent
Problema definirii exacte a controlului inteligent este încă o problemă în actualitate. În
mai 1993, Comitetul Tehnic pentru Control Inteligent al IEEE Control Systems Society a
format un grup de lucru menit să stabilească ce atribute pot fi înglobate în aria controlului
inteligent, ce caracteristici şi ce rol au sistemele de control inteligent, cum pot fi
recunoscute astfel de sisteme şi cum se deosebesc de sistemele de control convenţional şi
totodată să identifice acele probleme pentru soluţionarea cărora doar tehnicile de control
inteligent dau rezultate. Se estima de pe atunci că o definiţie unică nu va fi posibilă, dat
fiind multiplele faţete ale controlului inteligent, aşa că mai multe puncte de vedere
exprimate de specialişti au fost analizate şi dezbătute pentru a se putea extrage trăsăturile
esenţiale.
Control inteligent şi control convenţional. Termenul de control convenţional sau
tradiţional este folosit în cele ce urmează pentru a defini teoriile şi procedurile dezvoltate
în ultimele decenii de conducere a sistemelor dinamice a căror comportare este descrisă
prin ecuaţii diferenţiale sau cu diferenţe. De menţionat însă faptul că acest cadru
matematic nu este întotdeauna acoperitor, şi este suficient să amintim conducerea discretă
4
a proceselor de fabricaţie sau sistemele de comunicaţie, în care nu poate fi evitată teoria
automatelor finite, teoria cozilor, ş.a.
Foarte mulţi specialişti din afara domeniului ştiinţei sistemelor şi calculatoarelor
consideră “controlul inteligent” ca fiind o formă particulară a inteligenţei artificiale
bazate pe mulţimi fuzzy sau pe reţele neurale. E adevărat că aceste metode fac parte din
arsenalul controlului inteligent şi că percepţia de care aminteam este întărită de
numeroase articole apărute în ultima perioadă pe aceste două direcţii, dar controlul
inteligent nu se rezumă doar la atât. Mai mult, conform unor caracteristici ale controlului
inteligent nu orice controler fuzzy sau neural este în mod obligatoriu şi inteligent, iar pe
de altă parte anumite probleme care nu pot fi formulate şi studiate în cadrul matematic al
ecuaţiilor diferenţiale şi cu diferenţe necesită o serie de metodologii de rezolvare
acceptate unanim ca fiind de control inteligent. Este cazul de asemenea să menţionăm că
în multe situaţii un sistem de control inteligent foloseşte la “nivelul inferior” tehnici de
control convenţional şi deci acesta este inclus astfel în aria controlului inteligent, fiind
supus unor îmbunătăţiri care să ducă la rezolvarea unor probleme complexe.
Este deci de înţeles că termenul “control” în sintagma “control inteligent” are un
înţeles mai larg dacât în sintagma “control convenţional”. Mai întâi, procesele conduse
pot fi descrise nu numai prin modele cu ecuaţii diferenţiale sau cu diferenţe ci şi prin
modele de sisteme cu evenimente discrete sau prin modele hibride care includ ambele
tipuri de reprezentări. Acest fapt a condus la teorii de conducere hibridă care studiază
procese dinamice continue prin tehnica automatelor finite şi a maşinilor secvenţiale de
stare. Şi obiectivele controlului inteligent sunt în mod corespunzător mai generale. Astfel,
un sistem de pilotare inteligentă a vehiculelor include un sistem de control convenţional
al direcţiei şi poate fi de altfel descompus într-o serie de taskuri de control convenţional
(sesizare distanţă, sesizare viteză, accelerare/decelerare, ş.a.) care împreună să ducă la
controlul inteligent al deplasării pe o anumită traiectorie. Pentru a ajunge la asemenea
performanţe controlerul inteligent trebuie să facă faţă la o serie de situaţii cu incertitudini
(incomplet definite) cărora un controler clasic, chiar adaptiv, nu le-ar face faţă. Atingerea
obiectivelor chiar în condiţii de incertitudine parţială duce la necesitatea asocierii în
cadrul controlului inteligent a procedurilor de diagnoză, reconfigurare dinamică, adapta-
re, instruire. Putem deci afirma cu certitudine că aria controlului inteligent este interdisci-
plinară, combinând metode şi proceduri din teoria sistemelor, ştiinţa calculatoarelor, inte-
Sligenţă artificială, comunicaţii pentru satisfacerea obiectivelor.
Totuşi, metodele împrumutate din domeniile susmenţionate nu pot fi folosite decât
rareori ca atare; în majoritatea cazurilor ele trebuie ajustate, îmbunătăţite sau asociate cu
noi metode dezvoltate în mod special. În special în cadrul cercetării de dezvoltare în
controlul inteligent unele concepte teoretice importante cum sunt stabilitatea, accesibilita-
tea sau controlabilitatea capătă noi valenţe, în conexiune cu probleme de calcul predicativ
sau de lanţuri Markov.
O altă diferenţă între controlul inteligent şi cel convenţional constă în separarea
dintre dispozitivul de automatizare (pe care îl vom numi cel mai frecvent controler,
pentru a sugera specificitatea în raport cu alte denumiri consacrate cum sunt regulator sau
compensator) şi sistemul sau procesul controlat. În controlul convenţional sistemul
condus era numit “instalaţie tehnologică”, sau “parte fixă” deoarece parametrii săi erau
consideraţi cunoscuţi şi fără posibilitate de schimbare, sau cu schimbări perfect definite
în timp. În controlul inteligent, separarea între partea de conducere şi cea condusă nu mai
5
este aşa evidentă, de multe ori legile de control sunt rezultatul unei autoinstruiri care
implică şi partea condusă din sistem.
Control inteligent şi sistem inteligent. Noţiunea de “control inteligent” nu poate fi
dezbătută în afara aceleia de “sistem inteligent”, ceea ce de fapt înseamnă o nuanţare a
termenului “inteligent” utilizat în cele două sintagme. De altfel acest termen se întâlneşte
în literatura de specialitate şi în legătură cu “inteligenţa artificială”. Se acceptă în general
că prin inteligenţă artificială se defineşte ansamblul metodelor care asigură un comporta-
ment similar celui mental prin utilizarea tehnicii de calcul, dar nu credem că există un
consens în definirea termenului tehnic de “inteligenţă”. Este însă evident că şi controle-
rele inteligente sunt concepute astfel încât să emuleze facultăţi ale comportamentului
mental cum sunt adaptarea şi instruirea (învăţarea), planificarea în condiţii imprecise (de
incertitudine), asocierea de informaţii diverse. Poate că o definiţie alternativă la aceea de
“control inteligent” ar putea fi cea de “control autonom”, pentru a sublinia gradul
pronunţat de autonomie pe care trebuie să îl asigure un sistem de control inteligent. Pe de
altă parte, noţiunea de control inteligent s-ar putea să nu fie definitivă. Să nu uităm că
ceea ce în anii ’60 se numeau “tehnici moderne de conducere” sunt acum înglobate în
“controlul convenţional” sau “tradiţional”, aşa că poate peste câţiva ani ceea ce acum
încercăm să definim prin control inteligent se va numi pur şi simplu control. Cel mai
important lucru rămâne însă adecvarea conceptelor şi metodelor de control la ceea ce
sugerează definiţia, şi nu terminologia în sine.
În acest sens, va trebui să acceptăm că un sistem de control inteligent este un caz
particular de “sistem inteligent”, pentru care sugerăm următoarea definiţie:
Un sistem inteligent are capacitatea de a acţiona în mod adecvat în medii
incomplet definite, prin acţiune adecvată înţelegând o acţiune care să maximizeze
probabilitatea de reuşită, reuşita fiind îndeplinirea unuia din obiectivele parţiale al
căror ansamblu constituie obiectivul final. Un sistem inteligent poate fi caracterizat printr-o serie de atribute, sau de dimensi-
uni. Acestea sunt grade sau niveluri de inteligenţă. Un nivel minim ar fi acela al capacită-
ţii de recunoaştere a mediului, de luare de decizii şi de acţiune în vederea executării
acestora. Un nivel minim ar fi acela al capacităţii de recunoaştere a mediului, de luare de
decizii şi de acţiune în vederea executării acestora. Un nivel superior de inteligenţă poate
implica recunoaşterea de evenimente sau de obiecte, de reprezentare a acestora într-un
model (de exemplu o bază de cunoştinţe), de alcătuire a unui plan pe termen lung.
Nivelurile cele mai înalte presupun capacitatea de a percepe şi de a înţelege, de a alege
înţelept şi de a acţiona corespunzător în toate circumstanţele, inclusiv în condiţii ostile de
mediu.
Caracterizarea de mai sus a sistemelor inteligente este foarte generală. Raportată la
ea, un număr mare de sisteme pot fi considerate inteligente, chiar dacă operează la un
nivel foarte redus (un fier de călcat cu termostat ar putea satisface condiţiile impuse de
nivelul minim de inteligenţă). De aceea, în cele ce urmează vom formula unele definiţii
menite să nuanţeze aspecte ale inteligenţei “tehnice” şi să insiste asupra acelor sisteme
inteligente create de om, deci “artificiale” sau altfel spus “maşini inteligente”.
“Inteligenţa tehnică” este un proces de analiză, organizare şi conversie de date
în cunoştinţe, prin cunoştinţe înţelegând informaţia structurată achiziţionată şi
utilizată la îndepărtarea unui anumit grad de incertitudine legat de atingerea unui
anume obiectiv al “maşinii inteligente”.
6
Această definiţie statuează principiul de creştere a preciziei în decizie utilizând cât
mai puţină inteligenţă, în sensul că o “maşină inteligentă” este capabilă să plece de la o
bază de date minimală şi să o dezvolte prin tehnici de analiză, asociere şi instruire. Deci,
un obiectiv suplimentar al unei “maşini inteligente” este acela de a organiza dinamic baza
sa de cunoştinţe sincronizând-o cu propriul comportament dinamic, pentru a permite
atingerea obiectivului final. Organizarea cunoştinţelor apare deci ca unul din atributele
esenţiale ale inteligenţei, care conferă autonomie maşinii inteligente, pentru că nu mai
depinde de modul de proiectare, ci de capacitatea de autoorganizare a maşinii. Putem
spune că un sistem cu controlere cu autoorganizare în raport cu reguli şi principii interne
este un sistem de control inteligent.
Putem acum formula şi o caracterizare procedurală a sistemelor inteligente, în
sensul că inteligenţa este o proprietate a sistemului ce rezultă din combinarea de
procedee, căutare combinatorie şi generalizare care aplicate informaţiei de intrare
produc ieşirea dorită. În acest sens, odată definite procedurile de bază, inteligenţa
structurată se poate dezvolta prin mecanisme de recurenţă care permit şi definirea mai
multor nivele ierarhice de inteligenţă.
Am ajuns la concluzia că un sistem inteligent trebuie să îşi definească obiectivele.
Deci, un sistem inteligent trebuie să fie un sistem de conducere către atingerea acestor
obiective. Reciproc, inteligenţa este necesară pentru a asigura funcţionarea dorită a
sistemului în condiţii care se schimbă în permanenţă şi pentru asigurarea unui grad ridicat
de autonomie. Deci, conducerea (controlul) este esenţială în orice sistem inteligent şi în
acest sens noţiunea de “sistem inteligent de control” este identică cu cea de “sistem de
control inteligent” şi mai complet şi mai nuanţat definită decât aceea de “maşină
inteligentă”, aşa cum rezultă şi din următoarea formulare concluzivă:
Un sistem de control inteligent trebuie conceput astfel încât să atingă în mod
autonom obiective de nivel ridicat, chiar în condiţiile în care modelul de instalaţie
sau de proces condus şi chiar structura şi obiectivele sistemului nu sunt complet
definite, fie datorită cunoaşterii parţiale, fie datorită schimbărilor neanticipate.
1.2 Atributele sistemelor inteligente
Într-o ordine nepreferenţială vom lista acele atribute sau dimensiuni esenţiale ale sisteme-
lor inteligente.
Adaptare şi instruire. Capacitatea de adaptare la condiţii variabile este absolut
necesară. Ea nu implică în mod obligatoriu abilitatea de a învăţa (de instruire), dar cu cât
gradul de variabilitate a condiţiilor este mai mare, instruirea devine o condiţie necesară.
Trebuie menţionat că instruirea nu apare ca o etapă sau ca un nivel al inteligenţei, ci ca o
modalitate de creştere a inteligenţei ca rezultat al unei experienţe. Prin instruire memoria
pe termen scurt este transpusă în memorie pe termen lung şi permite modificarea
comportamentului sistemului pe baza a ceea ce s-a memorat. Instruirea este deci un
mecanism de stocare de cunoştinţe despre lumea exterioară şi de însuşire a unui mod de
comportare. Totodată, instruirea asociată cu adaptarea este un proces de generalizare,
deoarece procesul de instruire stă la baza oricărui sistem multidecizional de prelucrare a
cunoştinţelor care se construieşte pornind de la modele abstracte, generale. Generalizarea
devine un atribut al adaptării, care permite atingerea dezideratului esenţial al controlului
inteligent şi anume acela de creştere a funcţionalităţii fără a creşte complexitatea func-
ţiilor de calcul.
7
Autonomie şi inteligenţă. Un sistem este considerat autonom atunci când are
capacitatea de a acţiona corect în medii incomplet definite fără intervenţie externă pe o
perioadă mare de timp. Există mai multe grade de autonomie, pe care le-am putea asocia
cu funcţiile de reglare incluse în controlul inteligent: un sistem de reglare cu parametri
fixaţi are gradul minim de autonomie; sistemele adaptive de reglare au un grad superior
de autonomie. În măsura în care un sistem are un grad mai mare de autonomie, se acceptă
că are şi un nivel mai ridicat de inteligenţă. Pentru diferenţierea gradelor de inteligenţă se
pot adopta şi alte criterii cum sunt: puterea de calcul a sistemului; gradul de complexitate
al algoritmilor utilizaţi pentru achiziţia, procesarea şi evaluarea datelor obţinute din me-
diul înconjurător; capacitatea de stocare în memorie a datelor. În majoritatea sistemelor
artificiale, creşterea nivelului de inteligenţă reflectată prin putere de calcul şi capacitate
de memorare se face pe seama creşterii complexităţii structurilor hardware şi deci poate
deveni un obstacol în aplicarea fie printr-un cost prea ridicat, fie prin imposibilitatea de
prelucrare în timp real a informaţiei memorate.
Pentru mai multă specificitate, se poate încerca definirea unui “vector de inteligen-
ţă” asemănător coeficientului de inteligenţă folosit în testarea capacităţii umane. Parame-
trii componenţi ai acestui vector de inteligenţă ar putea fi: puterea de calcul; numărul de
procesoare; comunicaţia interprocesor; dimensiunea memoriei; viteza de adresare; modul
de reprezentare al cunoştinţelor de tip hărţi, simboluri, perechi valori-atribute, variabile
de stare; modul de operare cu cunoştinţe cum sunt procedurile întrebare-răspuns, căutarea
în liste, organizarea cozilor de aşteptare; capacitatea funcţională de evaluare şi de decizie;
gama dinamică şi rezoluţia senzorilor aferenţi; modul de prelucrare a datelor furnizate de
senzori – transformarea semnalelor în simboluri, refacerea semnalelor înecate de zgomot,
estimare recursivă; capacitatea de predicţie a evoluţiei parametrilor; capacitatea de eva-
luare a costurilor şi a gradului de risc; capacitatea de învăţare dată de posibilitatea de
recunoaştere de obiecte şi simboluri, de asimilare a rezultatelor experimentale sau furni-
zate de un instructor.
Stabilirea unui anumit grad de inteligenţă se reflectă şi în celelalte atribute ale
sistemului inteligent, în special în ce priveşte capacitatea de adaptare şi autonomia.
Întrucât inteligenţa este o proprietate internă a sistemului şi nu un mod de comportare,
gradul de inteligenţă nu poate fi întotdeauna apreciat după comportamentul sistemului, ci
prin teste active în condiţii alese ştiinţific. Un mod de a evidenţia acest grad este acela de
a examina modul de comportare al sistemului atunci când apar modificări în modul de
reprezentare simbolică a informaţiilor, prin care se poate releva măsura în care sistemul
“înţelege” semnificaţia simbolurilor pe care le utilizează şi stabili diferenţa dintre o
autonomie a priori şi una ad hoc, cea din urmă fiind specifică doar situaţiilor în care
sistemul poate opera cu orice grupare semantică a simbolurilor.
Structurare şi ierarhizare. Fiind o structură complexă, un sistem inteligent trebuie
să aibă o arhitectură funcţională corespunzătoare, de obicei structurată pe module şi
organizată pe niveluri diferite de abstractizare (rezoluţie, granularitate) sau cel puţin să
aibă o formă de ordonare parţială care să asigure ierarhizarea. Ierarhizarea se referă fie la
funcţii şi obiective, fie la gradul de rezoluţie şi poate conduce, dar nu obligatoriu, la
ierarhizări şi în arhitectura hardware.
Vom preciza că prin rezoluţia unui sistem de control înţelegem dimensiunea zonei
de indistinctibilitate pentru reprezentarea unui obiectiv, model, plan, sau lege de reglare.
Rezoluţia determină dimensiunea puterii de calcul. Cu cât rezoluţia unui sistem de
control este mai ridicată, cu atât gradul de complexitate al acestuia creşte. Spaţiul total de
8
interes trebuie considerat, cel puţin în faza iniţială, de rezoluţie joasă, şi apoi din acest
spaţiu trebuie alese subseturi de interes pentru o rezoluţie mai înaltă. Prin această
abordare se evită o compexitate excesivă şi totodată se structurează o modalitate de
operare bazată pe descompunerea în taskuri multinivel. Un sistem cu mai multe niveluri
de rezoluţie (numit şi sistem cu reprezentare multirezoluţională) va apela la procedura de
generalizare prin care se grupează mai multe subseturi de interes şi se substituie cu
entităţi cu grad sporit de abstractizare. De aceea, de mai multe ori nivelurile de rezoluţie
se mai numesc în literatura de specialitate şi niveluri de abstractizare sau niveluri de
generalizare.
Existenţa mai multor nivele de abstractizare sugerează şi o structurare ierarhică şi în
acest sens s-ar putea utiliza chiar o măsură bazată pe entropia gradului de complexitate al
fiecărui nivel. O astfel de abordare poate evidenţia minimum trei niveluri ierarhice,
structurate la rândul lor după caz pe mai multe subniveluri funcţionale. Primul nivel
ierarhic (inferior) este nivelul de organizare, modelat ca o maşină Boltzmann folosită
pentru raţionament abstract, planificarea taskurilor şi elaborarea deciziilor. Al doilea
nivel este nivelul de coordonare compus de regulă din reţele Petri ce permit schimbul de
comenzi şi interfaţarea cu nivelul de organizare. Nivelul superior este cel de execuţie,
conţinând blocuri hardware specializate în achiziţia datelor, prelucrarea acestora şi
furnizarea comenzilor adecvate către proces.
Definiţia sistemului inteligent. Ţinând seama de toate aceste considerente, vom
formula în continuare o definiţie “de lucru” pentru un sistem (de control) inteligent.
Un sistem de control inteligent este un sistem cu grad înalt de adaptabilitate la
schimbări neanticipate, astfel încât instruirea în timpul funcţionării apare ca
esenţială. Sistemul trebuie să aibă un grad înalt de autonomie în corelaţie cu
necesitatea operării în condiţii de mediu slab structurat şi cu grad pronunţat de
incertitudine. Pentru rezolvarea acestor probleme complexe sistemul trebuie să aibă
o structură complexă, înglobând arhitecturi multifuncţionale sau ierarhizate. Vom încheia acest paragraf menţionând că structura complexă a sistemului
inteligent implică şi complexitate de calcul, ceea ce produce probleme serioase de
adaptare la conducerea în timp real a proceselor. Reducerea volumului de calcul cu
menţinerea performanţelor globale este o cerinţă importantă pentru sistemele cu grad
înalt de performanţă. În acest sens utilizarea de modele cu grad înalt de abstractizare,
pentru care să fie necesar doar un minim de informaţie este esenţială; la fel de importantă
este şi capacitatea de a accelera calculele utilizând procesoare dedicate, prelucrarea
paralelă a datelor şi structuri cu procesoare multiple.
1.3 Importanţa controlului inteligent
Vom încerca în această secţiune să privim sistemul de control inteligent dintr-o
perspectivă inginerească, care să accentueze latura aplicativă a controlului inteligent.
Vom porni în acest demers prin a defini “metodologia de control” ca fiind un set de
tehnici şi de proceduri utilizate pentru a construi şi implementa un controler pentru un
sistem dinamic. În această categorie putem îngloba întreaga gamă de echipamente bazate
pe mecanisme euristice: reţele neurale, controlere cu logică fuzzy, sisteme expert, sisteme
cu autoinstruire, controlere multifuncţionale ierarhice. Aceste sisteme sunt de multe ori
compuse din diverse subsisteme de control convenţional, pentru că un controler fuzzy
simplu poate fi considerat drept o memorie imagine statică neliniară, un sistem expert
9
drept un mecanism secvenţial de decizie multiplă, un sistem cu autoinstruire drept un
sistem adaptiv neliniar. Prin aceasta vrem să subliniem faptul că din punctul de vedere al
aplicaţiei, important este modul în care ansamblul poate să-şi atingă obiectivele cu o
autonomie sporită în raport cu oricare din subsistemele componente.
Pentru a întări acest concept operaţional, să considerăm triada [M, C, P], unde M
reprezintă modelul instalaţiei sau procesului condus, C reprezintă sistemul de control
inteligent (controlerul) şi P reprezintă specificaţia performanţelor la care dorim să ajungă
instalaţia. În cazul controlului tradiţional, problema clasică de conducere se limitează la a
considera C şi M lineare, iar P va reprezenta un criteriu simplu de performanţă: timp de
răspuns, suprareglaj, stabilitate. În această situaţie nu vom apela la un control inteligent,
pentru că nu are rost să complicăm o soluţie simplă atunci când dă satisfacţie. Cel mult,
vom proiecta controlere cu atât mai complexe cu cât setul specificaţiilor P este mai larg şi
mai pretenţios.
Dacă însă suntem într-una din următoarele situaţii:
i. M este prea complex pentru a fi linearizat şi necesită o exprimare ca sistem cu
evenimente discrete sau ca sistem hibrid, sau este parţial necunoscut, sau în
fine ar costa prea mult ca să îl definim complet;
ii. P nu poate fi definit integral apriori ci doar în funcţie de condiţiile de mediu şi
acestea sunt variabile, atunci sistemul de conducere trebuie să fie inteligent.
Problema de conducere se formulează acum astfel: cum trebuie să construim C,
dându-se (parţial) M pentru a satisface P. Potrivit din acest punct de vedere controlul
inteligent capătă o importanţă deosebită, pentru că implică coroborarea între domenii
diverse:
stabilirea de modele matematice adecvate;
elaborarea de proceduri recursive, structurate;
aplicarea unor tehnici de analiză neliniară;
evaluarea dinamică a performanţelor;
utilizarea unor tehnici performante de simulare;
utilizarea de tehnologii avansate de implementare.
Se poate ajunge la concluzia că un sistem de control inteligent nu este important
numai pentru avantajele tehnice pe care le aduce, ci şi pentru mai buna înţelegere şi
utilizare a aparatului matematic, pentru precizarea mai exactă a mecanismelor prin care
creierul uman realizează raţionamente, pentru realizarea unor conexiuni între gândirea
umană şi cea artificială.
Realizarea îmbinării unor soluţii furnizate de diferitele domenii enunţate permite
realizarea unor controlere deosebit de performante, utilizabile într-o sferă largă de
aplicaţii care nu pot în nici un caz fi rezolvate prin metode clasice. Fără nici o pretenţie
de acoperire a acestei sfere, vom menţiona câteva domenii care par să fie apanajul
exclusiv al controlului inteligent:
roboţi mobili pentru deplasare în medii slab structurate;
vehicule militare de teren fără pilot;
vehicule autonome pentru deplasări subacvatice;
sisteme flexibile de fabricaţie;
artere de circulaţie şi vehicule inteligente bazate pe vedere artificială;
sisteme de inspecţie în medii toxice;
sisteme de navigaţie coordonate prin satelit;
10
sonde spaţiale.
Remarcăm în această listă, departe de a fi exhaustivă, multe probleme legate de
navigaţia cu vehicule autonome, iar în particular de exploatarea la un mod superior a
vehiculelor. Este adevărat că domeniul sigur de aplicaţie al tehnicilor de control inteligent
în industria autovehiculelor este cel legat de pilotarea automată şi de evidenţierea legătu-
rilor care trebuie să se facă între vehiculele rutiere şi infrastructura de artere inteligente
pe care se pot deplasa acestea. Totuşi, am considerat că în spiritul atributelor controlului
inteligent, şi exploatarea optimă a autovehiculelor (motor, manevrare) trebuie să facă obi-
ectul unui capitol separat, care îl precede pe cel final dedicat sistemelor inteligente vehi-
cul/autostradă.
2.ARHITECTURA SISTEMELOR DE CONTROL INTELIGENT AL
VEHICULELOR
Din capitolul precedent s-au putut desprinde unele sugestii privind modul de alegere a
structurii unui sistem de control inteligent şi modul de implementare a acesteia. În cele ce
urmează se va încerca o sistematizare a criteriilor de alegere a structurii şi o particulariza-
re a structurii de bază pentru a răspunde cerinţelor impuse de aplicarea controlului inteli-
gent în conducerea vehiculelor.
2.1.Structura de bază
A. Reprezentarea procesului condus prin modele
În marea majoritate a situaţiilor, un sistem de control inteligent este conceput astfel încât
să poată fi instruit în condiţii de mediu simulat. Acest lucru este cu atât mai pregnant în
legătură cu conducerea vehiculelor, cu cât multitudinea de situaţii ce pot apare în
exploatarea reală este foarte dificil, dacă nu imposibil, de reprodus experimental. De
aceea, proiectarea şi testarea structurii de control inteligent este recomandabil să se facă
într-un mediu de simulare care să permită reproducerea oricărei combinaţii posibile de
factori interni şi externi.
Pornind de la această idee, în figura 1.1 este prezentată o structură sistemică foarte
generală, în care blocul de control inteligent este conectat la o serie de modele de simula-
re a comportamentului vehiculului.
Vehiculul propriu-zis este reprezentat prin trei blocuri model şi anume modelul
structurii mecanice, modelul motorului şi modelul ecuaţiilor de mişcare. Ultimul bloc
citat se presupune că reprezintă modul real de comportare a vehiculului în deplasare şi ca
atare informaţia ce caracterizează acest model este furnizată sub forma unor mărimi de
reacţie celor două blocuri esenţiale ale structurii vehiculului: motorul şi respectiv siste-
mul mecanic de direcţie şi cutia de viteze.
Informaţia privind starea procesului controlat este furnizată de modelul senzorilor.
În figura comentată, intrarea în modelul senzorilor este asigurată de modelul ecuaţiilor de
mişcare, dar este evident că în cazul real al exploatării sistemului de senzori, este compus
atât din senzori interni, aplicaţi pe vehicul (inclusiv în sistemul motor) cât şi din senzori
externi care evaluează starea vehiculului în raport cu alte vehicule şi cu condiţiile de
drum.
11
SISTEMULDE CONTROLINTELIGENT
MODELULSTRUCTURIIMECANICE
MODELULMOTORULUI
ECUA IILEDE
MI
Ţ
ŞCARE
MODELUL PERTURBA IILORŢ
MODELULSENZORILOR
COMENZI
Fig. 1.1
Într-o situaţie asemănătoare cu modelul senzorilor se află modelul perturbaţiilor, cu
diferenţa că modelul senzorilor este bine conturat, fiind cunoscute toate mărimile ce
intervin în procesul de control, pe când perturbaţiile nu pot fi prea uşor sistematizate şi în
nici un caz nu putem avea pretenţia epuizării tuturor situaţiilor perturbatoare posibile.
Structurarea la nivel de modele a arhitecturii sistemului global de control inteligent
al vehiculului este avantajoasă nu numai în faza de instruire, ci şi în faza de aplicare
concretă a algoritmilor de control. De altfel, schema propusă este suficient de generală
pentru a suplini şi schema reală de control inteligent, cu menţiunea că modelele sunt
înlocuite cu sisteme reale, iar modelul ecuaţiilor de mişcare dispare (nu mai este transpa-
rent pentru utilizator), fiind imbricat atât în sistemul de dinamică a mişcării, cât şi în sis-
temul motor. Mai mult, în capitolul 2 cele două mari secţiuni ale capitolului vor trata se-
parat soluţii de control inteligent al motoarelor, respectiv al sistemelor ce asigură deplasa-
rea vehiculului.
Revenind la structura globală la nivel de modele din figura 1.1, vom menţiona că ea
rămâne ca referinţă pentru toate structurile particulare de control ce vor fi discutate în
continuare în lucrare, chiar dacă rareori se vor mai face referiri la comportarea simultană
a sistemelor motor, respectiv mişcare. De altfel, majoritatea exemplelor de aplicare a
algoritmilor de control inteligent se vor baza pe rezultate obţinute prin simulare pe
această structură de bază.
Elementul principal de interes, dat fiind obiectivele lucrării, este evident sistemul de
control inteligent, realizabil la rândul său în diverse modalităţi funcţionale şi tehnologice,
ce vor face obiectul unei secţiuni separate chiar în acest subcapitol. În ceea ce priveşte
restul blocurilor din schemă, definite ca modele, vom menţiona doar că se regăsesc sub
forma unor pachete de (sub)programe validate într-un mediu generic neliniar de simulare.
În majoritatea situaţiilor fiind vorba de modele neliniare, au fost luate în consideraţie mai
multe posibilităţi: modelul neliniar global, modelul global liniarizat, modelul global
descompus în mai multe subsisteme lineare, cuplate sau decuplate. Este evident că acolo
unde prin liniarizare nu se introduceau erori nepermise, s-a preferat această variantă mai
12
economică în ceea ce priveşte volumul de calcule. În acest context trebuie precizat că
sistemul de programe conţine subrutine specializate de calcul numeric matriceal, de iden-
tificare şi estimare de stări, de evaluare a rezultatelor măsurărilor directe şi indirecte, etc.
B. Simplificarea structurii controlerului inteligent
În subcapitolul 1.1 au fost prezentate principalele deosebiri între controlul tradiţional şi
cel inteligent. De aici, se deduce că structura unui controler destinat controlului inteligent
are particularităţi care îl diferenţiază de cele care implementau legi de reglare uzuale de
tip PI, PID, etc. Pentru a se putea stabili ce implicaţii structurale au aceste particularităţi,
vom pleca de la următoarele premize:
- procesele conduse care se caracterizează prin ecuaţii de grad superior necesită
controlere de grad superior;
- modelele proceselor conduse, chiar dacă sunt continue în timp, sunt de regulă
neliniare; tendinţa de liniarizare întâlnită în soluţiile de control tradiţional este din
ce în ce mai mult estompată în favoarea ideii de a utiliza algoritmi de conducere
discretă şi implicit controlere cu funcţionare discretă, capabile să opereze direct pe
modelul neliniar;
- chiar dacă un controler discret este caracterizat prin algoritmi numerici, se preferă
reprezentarea prin funcţie de transfer sau prin variabile de stare pentru a valorifica
rezultate cunoscute din teoria sistemelor automate.
Tehnicile moderne de proiectare a controlerelor pentru conducerea proceselor com-
plexe, pronunţat neliniare şi/sau cu informaţie incompletă se grupează de regulă în două
mari categorii: de utilizare a ecuaţiilor pătratice gaussiene (LQG – Linear Quadratic Gau-
ssian) sau de utilizare a tehnicilor H . O soluţie în timp continuu duce, de regulă, la o
reprezentare cu zeci de variabile de stare, care nu permite implementarea controlerului ce
devine prea complex. De aceea, în structurile moderne de conducere se preferă un contro-
ler care:
să fie de complexitate redusă;
să opereze în timp discret, adică să fie implementabil pe structuri numerice de
calcul;
să fie implementabil fără a ridica probleme de calculabilitate numerică.
În figura 1.2 se prezintă structura de pricipiu prin care se sugerează modalităţile de
reducere a complexităţii controlerului.
Se porneşte de la un model complet, dar complex al procesului condus. Pentru a se
ajunge la un controler simplificat, sunt posibile trei căi:
- reducerea modelului procesului şi apoi proiectarea unui controler simplificat;
- proiectarea directă a unui controler de grad inferior;
- proiectarea unui controler de grad superior apt să conducă procesul complex şi
apoi reducerea acestui controler.
Prima dintre aceste căi, aparent cea mai simplă, nu dă, de regulă, satisfacţie pentru
că primul pas de aproximare duce la alterarea proprietăţilor de funcţionare în buclă şi
deci soluţiile de controler ce corespund modelului redus nu dau performanţele dorite pe
modelul complex.
13
Proces condusde grad superior
Proces condusde grad inferior
Controlerde grad superior
Controlerde grad inferior
Proiectare LQG sau
Proiectare LQG sau
Reduceremodel
ReducerecontrolerProiectare directă
H
H
Fig. 1.2.
Calea directă nu dispune la ora actuală de software de proiectare disponibil pe piaţă.
Dimpotrivă, cea de a treia cale dispune, în prezent, de algoritmi de reducţie care
permit simplificări importante în structura controlerului fără alterarea grosolană a perfor-
manţelor şi din acest motiv aceasta este calea pe care o vom susţine prin exemplele
prezentate în continuare şi apoi pe parcursul întregii lucrări.
Trebuie însă să precizăm cu mai multă exactitate ce trebuie înţeles prin reducerea
controlerului. Am arătat deja că ceea ce nu trebuie în nici un caz pierdut este comporta-
mentul în buclă închisă. Pentru a se evalua calitatea aproximării prin reducerea gradului
controlerului se pot utiliza mai multe criterii, dintre care trei sunt mai relevante:
a. Menţinerea compatibilităţii funcţiilor de transfer
Notând cu P funcţia de transfer a procesului, cu C cea a controlerului de grad superior şi
cu C cea a controlerului redus, un indicator de compatibilitate a funcţiilor de transfer
este:
11 )()( CPICPPCIPC ,
unde I este matricea unitate.
b. Stabilitatea robustă
Utilizarea ca indicator al calităţii aproximării a stabilităţii robuste implică păstrarea
aceloraşi poli instabili la C ca şi la C. În aceste condiţii, dacă C stabilizează P şi:
1)()( 1
CPIPCC ,
atunci şi C stabilizează P.
c. Menţinerea compatibilităţii spectrelor de frecvenţă
14
Menţinerea compatibilităţii spectrelor garantează şi menţinerea performanţelor asigurate
de controlerul redus. O posibilitate de definire a indicatorului de calitate în acest caz se
bazează pe eventuala factorizare a spectrului S al controlerului C în forma *
WWS , cu
W stabilă şi de fază minimă. Atunci, indicatorul de calitate recomandat în acest caz este:
WCC )( .
Vom exemplifica modul de aplicare a acestui criteriu într-o situaţie particulară mai
delicată, în care controlerul complex rezultat pentru conducerea procesului de grad supe-
rior este instabil. Vom considera funcţia de transfer a controlerului ca o fracţie DN ,
unde N şi D sunt ambele funcţii raţionale de transfer stabile şi proprii. Scopul reducerii
constă în a crea formele reduse ale numărătorului ( N ) şi respectiv numitorului ( D ). Să
presupunem acum că am obţinut C printr-un algoritm de proiectare linear pătratic, ceea
ce a condus la reprezentarea fracţionată a funcţiei de transfer a controlerului reprezentată
în figura 1.3.
1)( BFAsI FL
modificare
C
Controler LQG
BAsC 1)( I
zgomot deproces
zgomot demăsură
LBFAICI
LBFAIF
D
N
1
1
)(
)(
)(
)(
s
s
s
s
Fig. 1.3.
Se observă că N este funcţia de transfer de la punctul etichetat “modificare” până la
ieşirea din blocul F , iar D, mai puţin o constantă neesenţială este funcţia de transfer de
la “modificare” la ieşirea blocului C. Cu notaţiile din figura 1.3, relaţia care defineşte W
este:
0
1
)(
)(
)()(
)()(11
11
s
s
ss
ss
D
N
LLCAICIBLCAIC
LLCAIFBLCAIFI,
unde W este blocul matrice 2x2, iar valorile reduse N şi D se obţin din minimizarea
normei infinite:
)(
)(
)(
)()(
s
s
s
ss
D
N
D
NW .
Ideea de bază rămâne aceea că prin reducerea complexităţii controlerului se menţine
stabilitatea (stabilitate robustă), iar performanţele de regim dinamic ale procesului condus
rămân în limite acceptabile. Totodată, se facilitează implementarea în tehnica discretă a
controlerului în forma sa redusă.
C. Proiectarea controlerelor discrete
15
Proiectarea şi realizarea unui controler discret poate fi privită tot ca o problemă de
aproximare, în sensul în care, fiind cunoscut un controler continuu, se doreşte să se
determine un controler discret echivalent. Problema nu este însă atât de simplu şi de
direct rezolvabilă, pentru că esenţial este ca prin discretizarea controlerului să nu fie
influenţată comportarea dinamică a procesului. O cale mai ocolită ar fi aceea a discretiză-
rii modelului procesului condus şi apoi proiectarea controlerului asociat acestui model,
dar acestă soluţie implică mai multe inconveniente: posibilitatea pierderii de informaţii
semnificative de comportare în intervalele dintre eşantioane; trecerea de la o matrice de
proces P continuă cu două-trei intrări la o matrice exp PT discretă cu un număr mult mai
mare de parametrii; o mai dificilă interpretare a felului cum variază parametrii.
În cele ce urmează vom detalia o modalitate de apreciere a modului în care prin
discretizarea unui sistem continuu de control se mai păstrează încă performanţele cerute.
Vom considera o schemă-bloc conţinând procesul )(sP , controlerul )(sC şi un filtru de
prevenire a erorilor alias specifice eşantionării )(saF . Presupunem că sistemul în buclă
închisă este stabil şi are funcţia de transfer 1)()( PCIPCT s . În figura 1.4 este
reprezentată toată această buclă de control continuu prin blocul cu funcţia de transfer
)(sT şi totodată şi o buclă în care este introdus controlerul discret )(zdC . Diferenţa între
mărimile de ieşire din cele două sisteme este eroarea e, care ar fi de dorit să fie zero
indiferent de intrarea r. Acest lucru nu este posibil, dar vom încerca să minimizăm
eroarea prin proiectarea adecvată a controlerului )(zdC şi totodată prin introducerea
filtrului de ponderare )(sW prin care să putem îmbunătăţii performanţele într-o zonă
limitată a spectrului de frecvenţe (cu riscul de a le înrăutăţii în altă zonă de frecvenţe).
T
e
)(sT
)(sH )(sP
)(sWr
)(zdC)(sFa
Fig. 1.4.
Utilizând un compensator discret stabilizator, calitatea discretizării este dată de indi-
catorul:
211
2212111 )()( GCGICGGWFPHCFIPHCTWJ
ddadadT SS .
Cea mai bună discretizare va fi cea care minimizează norma indicatorului TJ . La
prima vedere este vorba de o problemă standard H , dar nu este aşa deoarece dC are o
funcţie discretă de transfer, în timp ce ijG au funcţii de transfer continue; soluţia este însă
asemănătoare cu cea a problemelor H discrete.
Menţionăm că o problemă H se poate formula standard pe baza schemei-bloc din
figura 1.5.
Procesul condus standard P este conectat cu controlerul C şi cu blocul nedetermină-
rilor D. Intrările în proces sunt: ieşirea din blocul nedeterminărilor Du ; perturbaţia de
proces w; ieşirea controlerului Cu . Ieşirile procesului condus sunt: intrarea în blocul
16
nedeterminărilor Dy ; mărimile dorite de performanţă z; semnalele măsurabile Cy . Vom
nota funcţia de transfer a procesului de la w la z cu )(swzT . Problema controlului constă
în găsirea tuturor controlerelor posibile )(sC care să
minimizeze )(swzT în raport cu norma infinită pentru
cea mai defavorabilă situaţie D, prin D înţelegând
orice element dintr-un set dat ce reprezintă diferenţa
dintre model şi realitate. Pentru a se putea optimiza
anumite obiective de performanţă în condiţiile unor
restricţii cum sunt asigurarea stabilităţii robuste sau
reducerea sensibilităţii la zgomot, procesul (mai exact
funcţia pondere care reflectă obiectivul de
performanţă) depinde de un parametru liber )(sp . În
această situaţie o problemă standard de control H
constă în găsirea celei mai mari valori p pentru care
există un controler )(sC , astfel încât:
1),(
pswzT , pentru orice )(sD cu 1)(
sD .
Revenind la problema proiectării controlerului discret, după obţinerea indicatorului
TJ rămân de rezolvat două probleme:
cum se evaluează norma;
cum se alege dC ca să minimizeze norma şi să fie stabilizator.
Experienţa proiectanţilor de sisteme de conducere a arătat că putem rezolva proble-
ma ca fiind una de tip H discret (cu date eşantionate cu perioada T), dar cu informaţia
completă, deci renunţând la blocul nedeterminărilor din figura 1.5. Schema structurală
corespunzătoare este prezentată în figura 1.6, iar problema de rezolvat este aceea de a
găsi controlerul discret )(zdC care minimizează ieşirea dorită z.
T
w
u
z
y
)()(
)()(
2221
1211
ss
ss
PP
PP
)(stH )(zdC
Fig. 1.6.
Cerinţele care se impun pentru controlerul discret sunt acum legate doar de evitarea
problemelor ridicate de procesul de eşantionare pe un circuit hibrid şi de faptul că un
astfel de sistem trebuie să lucreze cu foarte mare viteză, de regulă mai mare decât cea în
care se desfăşoară procesul, pentru a putea examina mai multe scenarii, efectua căutări în
baza de date, etc.
Din acest motiv cele mai moderne soluţii de control discret propun utilizarea unui
sistem capabil să lucreze cu viteze diferite (cu rate multiple). În figura 1.7 este prezentată
o schemă care sugerează modalitatea de trecere de la un sistem hibrid la un sistem discret
cu rate multiple, având aceeaşi amplificare.
)(sP
)(sD
)(sC
w z
Du DU
CuCU
Fig. 1.5.
17
În acest scop s-a introdus un dispozitiv de eşantionare şi reţinere la intrarea şi la
ieşirea blocului de calcul al indicatorului TJ având frecvenţa de eşantionare de m ori mai
mare decât cea aplicată controlerului şi deci perioada acestuia mTT * . Cu această mo-
dificare TJ devine *TJ şi sistemul devine sistem cu rate multiple; dacă m este suficient
de mare cele două sisteme au virtual aceeaşi amplificare, iar problema de control constă
acum în minimizarea normei lui *TJ .
T
)(sH )(sP
)(e
TJ
)(w
r
TJ
T
TJ )(sH
T
)(sH
,,, 210 www
)(saF )(zdC
,,, 210 eee
1)( PCIPCT
Fig. 1.7.
În figura 1.8 se prezintă schema reorganizată a sistemului cu rate multiple, ce conţi-
ne un dispozitiv suplimentar de reţinere )(* sT
H corespunzător eşantionării cu perioada
*T . Dispozitivul de reţinere asociat cu controlerul discret este notat )(sTH şi
eşantionatorul corespunzător cu T. Partea dreaptă a schemei este o redesenare a părţii
stângi, cu ajustarea eşantionatorului şi dispozitivului de reţinere de joasă viteză prin
intermediul perechii de blocuri decimator/repetor. Decimatorul lasă să treacă fiecare al
m-lea eşantion care se prezintă la intrare, iar repetorul face ca dispozitivul de reţinere de
lungime mT să fie controlat timp de m intervale succesive de acelaşi semnal furnizat de
dC . Blocul cu linii punctate delimitează deci un sistem discret rapid lucrând cu frecvenţa
de eşantionare Tm , în timp ce )(zdC rămâne un sistem discret lent ce lucrează cu
frecvenţa T1 .
T
)(sHT
)(sHT
T
J T)(sH
T
)(sHT
T
SISTEM DISCRET RAPID
T
DecimatorRepetor
(a) (b)
,, 10 ww ,, 10 ee
)(zdC
aa FHF
PTH
aa FHF
PTH
)(zdC
Fig. 1.8.
Marele avantaj al abordării sistemelor discrete de control prin procedura susmenţio-
nată este acela că oricând sistemul cu mai multe viteze poate fi transpus într-un sistem de
18
viteză (rată) unică. O astfel de posibilitate este ilustrată de schema din figura 1.9,a, bazată
pe o conversie serial/paralel. Sistemul din partea superioară (rapid) are semnale ce vin la
interval de 1s (secunda s-a ales arbitrar ca unitate de timp), în timp ce sistemul din partea
inferioară (lent) operează cu vectori de trei componente ce sosesc la fiecare 3s (am con-
siderat deci 3m ). În figură se arată cum informaţia totală ce intră şi iese din cele două
sisteme este aceeaşi. Pentru aceasta s-a considerat reprezentarea prin variabile de stare cu
matricile A , B , C , D (cunoscute) a sistemului rapid şi forma echivalentă a sistemului
lent.
Sistemdiscretrapid
A BC D
Sistemdiscret
lent
Sistemrapid
DecimatorRepetor
Sistemlent
T
J
T
J
1
1
1
001
; TT
JJ
HsoftwarecucalculapoateseT
J
3A
2CA
CA
C
DCBCAB
DCB
D
(a) (b)
,,, 210 uuu ,,, 210 yyy
,,,
8
7
6
5
4
3
2
1
0
u
u
u
u
u
u
u
u
u
,,,
8
7
6
5
4
3
2
1
0
y
y
y
y
y
y
y
y
y
BABBA2
)(zdC
)(zdC
Fig. 1.9.
În figura 1.9,b se arată modul general de trecere la un sistem cu rată unică. Blocurile
repetor şi decimator din sistemul cu rate multiple corespund blocurilor T111 şi
respectiv 010 din sistemul cu rată unică, iar amplificările (normele) sunt aceleaşi. În
sistemul cu rată unică se cunoaşte totul în afară de )(zdC , dar evaluarea TJ este mai
simplă în noua formă TJ pentru că aceasta reprezintă interconectarea între entităţi discre-
te cu funcţii de transfer şi operând la aceeaşi viteză. Iar găsirea lui )(zdC care minimi-
zează norma infinită TJ este o problemă standard de tip H , pentru care există algoritmi
numerici performanţi şi bine puşi la punct.
În concluzie, se poate afirma că există soluţii moderne de proiectare a unui controler
discret de înaltă performanţă, realizabil prin tehnici care rezolvă probleme deosebite de
calcul numeric cum sunt cuantizarea zgomotului, implementarea coeficienţilor de filtrare
cu cuvinte de lungime finită sau depăşirile; totodată se asigură o realizare optimă bazată
19
pe variabile de stare. Ordinul controlerului fiind redus, complexitatea sa mai redusă este
adecvată operaţiilor în timp real, iar neliniaritatea procesului este adesea evitată prin dis-
cretizare. În plus, controlerele digitale pot fi înlocuite uşor prin alte structuri discrete dife-
rite de structura de bază ce vor fi abordate în secţiunea următoare.
2.2 Structuri particulare de control inteligent
În subcapitolul anterior s-a arătat că structura tipică pentru sistemul de control inteligent
se bazează pe utilizarea unui controler discret, dar realizarea acestui controler se poate
face în mai multe forme particulare, unele din ele, cum sunt reţelele neurale sau controle-
rele bazate pe logică fuzzy fiind considerate de majoritatea specialiştilor proprii doar so-
luţiilor de control inteligent.
2.2.1 Sisteme de control inteligent asociate cu sisteme de supervizare bazate pe
cunoştinţe
Sistemele bazate pe cunoştinţe (SBC), cunoscute de multe ori sub denumirea de sisteme
expert, pot fi întâlnite ca tipuri particulare de sisteme de control inteligent, mai ales în
scop de monitorizare şi diagnoză a modului în care se desfăşoară procesul. Necesitatea
reglării robuste justificată în secţiunea precedentă, mai ales pentru un proces pronunţat
neliniar şi dominat de schimbări imprevizibile în mediu cum este cel al conducerii vehi-
culelor justifică asocierea controlerului multivariabil considerat structura de bază pentru
controlul inteligent cu un sistem de supervizare bazat pe cunoştinţe (SSBC), permiţând
astfel încorporarea cunoştinţelor de pilotare şi a rezultatelor experimentale în procesul de
conducere propriu-zis şi acordarea automată sau chiar restructurarea controlerului de
bază.
A. Asocierea SSBC cu sistemele de control robust
În ultimi ani, după 1990, SSBC şi-au găsit aplicaţii în numeroase procese cu restricţii
puternice de funcţionare în timp real, oferind posibilitatea încorporării unui grad sporit de
inteligenţă. Se pot însă observa două direcţii de evoluţie a unor astfel de sisteme:
în prima direcţie se înscriu sisteme ce lucrează pe baze de reguli înlănţuite înain-
te sau înapoi care inferă legile (de obicei lineare) prin care sunt conduse sisteme
cu o singură intrare şi o singură ieşire (SISO – Single Input Single Output) sau
sisteme multivariabile care prin decuplare se pot descompune în mai multe sub-
sisteme SISO;
în a doua direcţie se înscriu sisteme care dezvoltă metode euristice ce pot fi
implementate direct sub formă de algoritmi de reglare în timp real a proceselor
neliniare şi de conducere optimală a acestora.
Dat fiind specificul proceselor legate de conducerea vehiculelor, în special soluţiile
legate de a doua direcţie apar ca foarte promiţătoare. Trei obiective esenţiale sunt urmări-
te în acest sens:
- parametrizarea tuturor controlerelor stabile, prin proceduri care duc la asigurarea
funcţionării intern stabile a tuturor buclelor de reglare;
- reprezentarea criteriilor relevante de performanţă în termeni de normă infinită şi
utilizarea procedurilor H în optimizarea procesului condus;
20
- realizarea, pe lângă modelul procesului, a unui model al incertitudinilor care să
permită descrierea de fenomene stochastice în medii slab structurate şi totodată
reducerea modelului cu garantarea stabilităţii robuste şi a performanţelor nomi-
nale în prezenţa unor perturbaţii de normă limitată.
B. Structura sistemului dual de control inteligent
Un sistem dual de control inteligent, care foloseşte pe lângă controlerul de bază CB un
SSBC necesită în primul rând un mod particular de structurare a datelor. Pentru simplifi-
carea schimbului de informaţii între cele două sisteme CB şi SSBC este de dorit să se
utilizeze structuri comune de date. În plus SSBC trebuie să aibă acces global la orice con-
figuraţie de reglare sau algoritm din CB. În CB se vor desfăşura toate operaţiile de rutină,
evitându-se schimburi informaţionale prea frecvente cu SSBC. Informaţia specifică de
proces trebuie compartimentată astfel încât să menţină generalitatea sistemului.
Arhitectura funcţională a sistemului dual implică deci definirea tuturor algoritmilor
de control ca subrutine. Datele asociate cu fiecare algoritm sunt memorate într-o zonă de-
finită ca un bloc de control. Blocurile se pot interconecta, alcătuind scheme de control.
Schemele de control sunt configurate prin iniţializarea variabilelor din fiecare bloc de
control şi prin precizarea conexiunilor între blocuri. SSBC va utiliza o structură hibridă
de reprezentare a cunoştinţelor: pentru procesul condus şi pentru CB se va utiliza o repre-
zentare orientată pe obiecte, iar pentru baza de cunoştinţe propriu-zisă se vor emula re-
guli şi proceduri, procedurile ataşate regulilor şi obiectelor fiind utilizate pentru executare
de funcţii specifice, cum sunt acţiuni de corecţie desfăşurate în timpul procesului de infe-
renţă. Dacă pentru CB şi SSCB s-au ales aceleaşi structuri de date, pentru iniţializare se
poate utiliza un set comun de fişiere. Blocurile de control se pot la rândul lor diviza în
două grupe: blocuri funcţionale primare care includ eventuale scheme analogice de regla-
re şi care oricum conţin blocul de intrări analogice şi pe cel de introducere manuală a
datelor (de la bord, de către pilot) şi blocuri funcţionale secundare care includ blocuri de
calcul numeric şi de memorare fie a datelor furnizate de blocurile primare, fie a
rezultatelor parţiale sau finale. Blocurile primare apar în sistemul expert ca obiecte, iar
cele secundare ca părţi de obiecte individuale.
Deoarece, aşa cum s-a arătat în capitolul 1.2.1 pentru controlul inteligent se preferă
conducerea după model, sistemul dual cu configuraţia de mai sus poate fi considerat în
ansamblu ca un Sistem Expert Orientat pe Obiecte (SEOO), acţionând prin corecţii asu-
pra sistemului de control de bază sau în situaţii extreme prin restructurarea acestuia. În
cele ce urmează vom arăta o modalitate de acordare automată a controlerelor pentru un
singur parametru şi anume constanta de timp a filtrului f prin care se influenţează majori-
tatea performanţelor dinamice. Descreşterea constantei f duce la creşterea vitezei de răs-
puns, dar micşorează robusteţea şi capacitatea de rejecţie a perturbaţiilor. Creşterea lui f
duce la o comportare mai robustă, dar cu performanţe dinamice mai modeste. În acest
sens alegerea adecvată a lui f este şi o măsură a validităţii algoritmilor de control în spe-
cial atunci când banda sistemului de reglare este limitată mai degrabă din cauza incertitu-
dinii în definirea parametrilor decât din cauza perturbaţiilor.
Păstrând cadrul în care s-a formulat problema de conducere pentru sistemul de bază
şi anume H se constată că, deşi f nu apare ca un parametru de acordare la un controler
H , funcţiile de ponderare ce apar în structurarea controlerului pot fi interpretate asemă-
21
nător. S-a arătat deja că teoria controlului H poate fi abordată în domeniul frecvenţă în
sensul minimizării normei infinite a unei matrice de funcţii de transfer, prin norma H a
matricei de transfer înţelegând maximul pe toate frecvenţele al celei mai mari valori sin-
gulare.
Pentru exemplificare vom considera un sistem de reglare de tip SISO ca cel prezen-
tat în figura 1.10.
rC P
e u
r
z
y
Fig. 1.10.
Performanţele în bucla închisă şi caracteristica de robusteţe a sistemului din figura
1.10 pot fi transpuse în domeniul frecvenţă prin intermediul a două funcţii de transfer:
1))(()( ss PCIS ; 1))()(()( sss PCIPCT .
Funcţia )(sS numită funcţie de senzitivitate defineşte relaţia dintre semnalul de re-
ferinţă r şi eroarea e şi totdată descrie efectul perturbaţiilor p asupra ieşirii y. Proprietăţile
acestei funcţii sunt necesare în aprecierea performanţelor schemei de reglare. Dacă “di-
mensiunea” funcţiei )(sS este “mică” pe domeniul de frecvenţe considerat acoperitor
pentru mărimile exogene (perturbaţii şi intrări de comandă), aceste performanţe vor fi sa-
tisfăcătoare (prin “dimensiune” se înţelege valoarea singulară maximă )( ). Pe de altă
parte, banda de frecvenţă a sistemului în buclă închisă (definită prin frecvenţa la care
))(( sS devine mai mare ca 21 ) este o măsură a vitezei cu care sistemul rejectează
perturbaţiile care afectează ieşirea din proces. În fine, norma infinită a operatorului de
senzitivitate indică amplificarea maximă pentru cazul cel mai defavorabil de perturbaţie a
sistemului.
Funcţia )(sT se numeşte funcţie de senzitivitate complementară (deoarece )(sS
IT )(s ) şi defineşte relaţia dintre semnalul de referinţă r şi ieşirea procesului y şi tot-
odată funcţia de transfer dintre zgomotul de măsură n şi ieşirea din proces y.
Trebuie menţionat însă că cerinţele de atingere a performanţelor solicitate prin intra-
re (urmărirea referinţei) impun 1))(( sT (adică limita )( jwT când w tinde la infinit să
fie zero) în timp ce pentru rejectarea zgomotului de măsură ar trebui ca 0))(( sT . Din
fericire contradicţia dintre obiective este atenuată de faptul că zgomotul de măsură este
semnificativ de regulă doar la frecvenţe înalte, în timp ce performanţele sistemului de
urmărire a referinţei sunt obţinute la frecvenţe mai scăzute, ceea ce permite în anumite
circumstanţe satisfacerea ambelor obiective; totuşi, datorită incertitudinilor privind condi-
ţiile de mediu definirea performanţelor trebuie făcută cu multă atenţie şi în limite rezona-
bile.
Sistemul dual are însă alte avantaje în ceea ce priveşte operarea în medii cu incerti-
tudini. Conform schemei din figura 1.5, o problemă de tip H poate fi formulată şi cu
luarea în consideraţie a unui model al nedeterminărilor D care evidenţiază o familie de
22
modele lineare invariante ce reprezintă diferite situaţii în care s-ar putea afla procesul
supus perturbaţiilor P în raport cu procesul nominal P, astfel ca:
1)( PPPD .
Utilizarea SSBC are două avantaje: posibilitatea creării unei familii bogate, semnifi-
cative de scenarii P şi posibilitatea de definire a unei margini de stabilitate ca fiind cea
mai mică “dimensiune” a celui mai mic model stabil 0D al nedeterminărilor care destabi-
lizează sistemul, având proprietatea că:
))((1))(( 0 jwjw TD .
Cea mai mică valoare ))(( jwT reprezintă deci dimensiunea maximă a nedetermi-
nării ce modifică ieşirea care nu produce destabilizarea sistemului.
C. Performanţele sistemelor de control inteligent asociate cu SSBC
Utilizarea unui SSBC este importantă chiar prin modul în care pot fi specificate perfor-
manţele. SSBC poate efectua o comparaţie directă între nivelul de performanţă dorit şi
cel realizat, folosind tehnici de identificare pentru estimarea comportării buclelor de
reglare şi stabilirea funcţiilor de senzitivitate (directă şi complementară) şi specificarea
performanţelor dinamice în domeniul frecvenţei. Principalii parametrii de interes eviden-
ţiaţi în acest sens sunt lungimea de bandă şi valorile de vârf ale operatorilor de senzitivi-
tate.
Prin implementarea unui SSBC pentru supervizarea unei structuri de bază de con-
trol inteligent utilizatorul dispune de un sistem multivariabil de control H care permite
corecţii uşor realizabile în timp real. Chiar şi atunci când direcţia în care trebuie să fie
făcută modificarea nu este certă, SSBC poate efectua o specificare de performanţă care să
ducă la reproiectarea controlerului şi intrarea în limite acceptabile cu performanţe
relevante. Dacă în timpul funcţionării performanţele sistemului se degradează sau apare
instabilitatea, sistemul expert va căuta mai întâi să reacordeze controlerul, o soluţie de
urgenţă fiind renunţarea la performanţele optime şi intrarea într-o clasă suboptimală mai
robustă. Atunci când există timpul necesar, SSBC poate propune un alt model pentru
proces, mai apropiat de circumstanţele concrete de exploatare şi să aleagă o nouă lege de
reglare (sau un alt algoitm de control). Deoarece, aşa cum am arătat mai sus, specificarea
performanţelor se bazează pe calculul normelor infinite ale senzitivităţilor S şi respectiv
T, atunci când procedura de estimare este aproximativă, ca valoare orientativă maxim ad-
misibilă de declanşare a procedurii de reacordare putem considera limita de 10dB, în timp
ce valori estimate sub 6dB se consideră un indicator al posibilităţii de creştere a perfor-
manţelor controlerului de bază.
O condiţie esenţială a valorificării cu succes a SSBC este fiabilitatea informaţiilor
cu care acesta operează. Pentru a minimiza riscul de apariţia a erorilor în fazele de trans-
mitere de informaţie, este de dorit ca să se utilizeze modelul redus al procesului şi să se
utilizeze tehnici de comunicaţie specifice mediului industrial.
Subliniind încă o dată faptul că sistemul dual CB/SSBC este singura soluţie propusă
în această lucrare capabilă să asigure funcţionarea parţială chiar în condiţii de defect (că-
derea unui senzor, întreruperea unei căi de transfer) prin ajustări ad-hoc ale legii de regla-
re sau chiar prin restructurarea controlerului de bază, vom încheia arătând că la nivelul
23
anului 2000 se estimează că astfel de sisteme vor echipa vehicule inteligente capabile în
acelaşi timp să asigure o exploatare optimă a motorului şi o adaptare optimă la condiţiile
de drum.
2.2.2 Controlere inteligente cu reţele neurale
A. Consideraţii generale. Clasificări
Reţelele neurale artificiale (ANN – Artificial Neural Networks) constau dintr-un număr
mare de elemente procesoare de informaţie puternic interconectate. Aceste elemente, nu-
mite neuroni (v. fig. 1.11,a) conţin o joncţiune de intrare care sumează intrări ponderate
provenite de la alţi neuroni, o joncţiune de ieşire care distribuie ieşiri către alţi neuroni şi
o funcţie de activare care generază aceste ieşiri.
ANN se pot grupa în trei categorii în funcţie de modul în care este realizată structu-
ra de conexiune de reacţie: recurente (conexiuni de reacţie globale), local recurente (co-
nexiuni de reţele locale, cum sunt de exemplu reţelele neurale celulare) şi nerecurente
(fără conexiuni de reacţie, cum sunt perceptronii). O categorie particulară de reţele nere-
curente sunt cele cu înlănţuire (propagare) înainte (FNN – Feedforward Neural Net-
works), care constau din niveluri de neuroni cu legături ponderate care conectează ieşirile
neuronilor de pe un nivel cu intrările neuronilor de pe nivelul adiacent. În figura 1.11,b
este prezentată schema-bloc pentru FNN cu trei niveluri.
Structurile inteligente bazate pe FNN se întâlnesc tot mai mult în conducerea proce-
selor industriale, având mai multe posibilităţi de utilizare: pentru învăţarea modelului in-
vers al unui proces pentru domenii mari de operare (spre deosebire de metodele bazate pe
propagarea înapoi care operează doar pe domenii restrânse), pentru identificarea şi con-
ducerea sistemelor dinamice neliniare cu grad sporit de incertitudine şi, mai ales, pentru
implementarea de algoritmi de conducere după eroare, aceasta reprezentând diferenţa
dintre ieşirile dorite şi cele curente ale FNN la valori discrete ale timpului.
Pentru a înţelege mai exact modul în care operează FNN se va prezenta mai întâi
conceptul de algoritm de adaptare a ponderilor, discutat în legătură cu o structură esenţia-
lă din componenţa reţelelor neurale şi anume elementul adaptiv linear cunoscut sub denu-
mirea ADALINE (ADAptive LINear Element), cu ajutorul căruia se vor discuta perfor-
manţele aplicării algoritmilor de ponderare în FNN cu două şi trei niveluri.
Funcţiede
activareS
Intrăride la alţineuroni
Ieşiricătre alţineuroni
Legături ponderate
S
S
S
S
S
S
S
S
S
(a) (b)
24
Fig. 1.11.
B. Algoritmi de adaptare a ponderilor
Cazul adaline. În figura 1.12 se prezintă schema-bloc pentru un adaline. Pentru algorit-
mul de adaptare marcat pe schemă s-a ales cunoscutul algoritm Widrow-Hoff, cunoscut şi
ca regula delta Widrow-Hoff, care minimizează eroarea medie pătratică dintre ieşirea
dorită dy şi ieşirea curentă ky pentru toate valorile lui k, unde k este un index al iteraţiei
în timp. Regula se scrie:
,0
,01
xxw
xxxx
xw
wT
k
T
T
kk
k
dacă,
dacă,ae
(1)
unde: Tnkkkk w,,w,w 21w este vectorul ponderilor la timpul k; Tnxxx ,,, 21 x
este vectorul de intrare; kdk yye este eroarea la momentul k; a este un factor de re-
ducere.
Vector deponderi
1x
2x
nx
Vector deintrare x
Algoritmde
adaptare
kw1
kw2
nkw
Eroare Ie irea doritş ă
xe
Ie ireş
ky
dy
kW
Fig. 1.12.
Considerând 0x şi deci 0xxT
, dinamica mărimii de eroare se obţine cu rela-
ţia:
kT
kkkkkk aexwwyyee )( 111 ,
sau:
25
kk a ee )1(1 , (2)
adică eroarea converge asimptotic la 0 dacă şi numai dacă 20 a . Faptul că intrarea a
fost considerată diferită de zero nu este o restricţie, pentru că dacă 0x atunci 0ky
pentru toate valorile lui k şi adaline nu poate funcţiona. Pe de altă parte, considerând că
vectorul de intrare rămâne neschimbat după fiecare iteraţie, vectorul ponderilor poate fi
adaptat până când eroarea devine oricât de mică. Dacă însă vectorul de intrare nu e con-
stant, vectorul ponderilor se va modifica în permanenţă şi deci este necesară o continuă
adaptare a parametrilor de ponderare.
Regula delta se poate generaliza pentru orice operator cu n dimensiuni aplicat la in-
trare (x), conform relaţiei:
.dacă,
,dacă,a
Tk
T
T
kk
k
0)(
0)()(
)(
1
xxw
xxxx
xew
w (3)
Cazul FNN cu două niveluri. În figura 1.13 este prezentată schema-bloc pentru
FNN cu două niveluri (a) şi respectiv un tabel cu elementele acestei reţele neurale (b).
Algoritmul de actualizare a matricei de ponderi este:
2,1,1 iikikik WWW , (4)
unde:
0)(0
,0)()(
)(2
1
1
1
11
1
xx
xxxx
xz
W
T
T
T
Tk
k
dacă
dacă (5)
şi:
.0)(0
,0)()(
)(2
112
112
112
122
2
kkT
kkT
kkT
kT
kk
k
dacă
dacăyy
yy
yyyAe
WW (6)
În relaţiile (5) şi (6) 2,1 sunt operatori de activare, realizaţi prin blocul AO din figu-
ra 1.13,a. Dintre operatorii cei mai des întâlniţi în reţelele neurale menţionăm operatorii
având proprietatea )AO()AO( xx de forma diagonală, cum sunt:
operatorul identitate definit prin xx )IDN( ;
operatorul saturaţie definit prin
,11
],1,1[
,11
)SAT(
x
xx
x
x
dacă
dacă
dacă
operatorul semn definit prin
.01
,01)SGN(
x
xx
dacă
dacă
Este evident faptul că pentru astfel de operatori 0)AO( xxT doar dacă 0x .
26
Algoritmul de adaptare iterativ care duce la anularea erorii se poate exprima por-
nind de la relaţia de diferenţă:
11 kkkk yyee
şi utilizând relaţiile dintre elementele marcate în figura 1.13, se ajunge în final la relaţia
de recurenţă:
knk eAIe )( 21 , (7)
care arată că pentru a face ca eroarea să tindă asimptotic la 0 trebuie ca valorile proprii
ale matricei AI 2n să fie conţinute în discul unitate din planul complex. De aceea, o
matrice A diagonală este o soluţie adecvată.
Algoritmde
adaptare
Eroare Ie irea doritş ă
xe
Ie ireşAOx
kz1
ky
dy
ky1
x Vector de intrare, constant
kW1 Matrice de ponderi 1, timp k xWz kk 11 Vector de intrare în AO, timp k
AO Operator de activare )( 11 kk xAOy Vector de ie ire din ş AO, timp k
kW2 Matrice de ponderi 2, timp k
kkk yWy 12 Vector de ie ireş , timp k
dy Vector de ie ire dorit , timp ş ă k
kdk yye Vector de eroare, timp k
A Matrice de reducere a erorii
Element Denumire
(a)
(b)
k1W k2W
Fig. 1.13.
Cazul FNN cu trei niveluri. Schema-bloc pentru o structură FNN cu trei niveluri
este prezentată în figura 1.14.
Nu vom mai repeta modul în care lucrează algoritmul de adaptare, pentru că structu-
ra repetă de fapt iterativ schema din figura 1.13, având un operator de activare şi o matri-
ce de ponderi în plus. Procedând ca în cazul FNN cu două niveluri, ecuaţia de dinamică a
erorii se poate scrie:
27
knk eAIe )( 2 , (8)
unde din nou A trebuie ales astfel încât valorile proprii ale matricei AI 3n să fie conţi-
nute în discul unitate din planul complex.
Desigur, problema poate fi generalizată şi pentru FNN cu mai multe niveluri, dar
calculabilitatea va ridica probleme de nedepăşit, dat fiind că numărul de seturi neliniare
ce se pot obţine prin combinarea operatorilor funcţionali creşte vertiginos. Pentru exem-
plificare, un proces pentru care la adaline se pot defini 5 seturi de operatori duce la circa
125 combinaţii pentru FNN cu două niveluri şi la peste 3000 pentru un FNN cu trei nive-
luri. De aceea, în cele ce urmează se vor lua în consideraţie unele aplicaţii ale FNN care
nu necesită mai mult de trei niveluri.
Algoritmde
adaptare
Eroare Ie irea doritş ă
xe
Ie ireşx
kz1 kz2
ky
dy
ky1 ky2
1AO 2AOk1W k2W k2W
Fig. 1.14.
C. Utilizarea FNN în identificarea proceselor
28
Identificarea unui proces cu ajutorul reţelelor neurale presupune un proces de eşantiona-
re. De aceea vom considera că intrarea în FNN este generată prin eşantionarea cu perioa-
da T a mărimii de intrare )(tu de către un eşantionator ideal EI, asociat cu un filtru trans-
versal cu elemente de întârziere identice de perioadă T şi care împreună crează un modul
EI/F prezentat în figura 1.15,a. Deoarece modulul EI/F se asociază întotdeauna cu un
bloc FNN, ansamblul rezultat din interconectarea lor va fi denumit modul FNN sau pre-
scurtat FNNM. În figura 1.15,b este descrisă structura unui sistem care permite identifica-
rea unui sistem dinamic utilizând FNNM.
EI
ProcesP
EI
ModulEI/F
FNN
FNNM
Algoritm deadaptare
ke
)(tu
T
T
T
(a) (b)
)(tyd
nkydky
Fig. 1.15.
Schema propusă permite identificarea dinamicii directe. Procedura de identificare
prin simulare presupune următorii paşi:
construirea operatorilor funcţionali;
iniţializarea sistemului şi aplicarea mărimii de intrare )(tu ;
înregistrarea datelor de ieşire din proces şi din FNNM;
interpretarea rezultatelor pe baza unui indice de performanţă care este de regulă
minimizarea erorii pătratice.
Desigur, opţiunea pentru a utiliza adaline, FNN cu două niveluri sau FNN cu trei ni-
veluri depinde de complexitatea procesului şi de cerinţele de timp real, în fiecare situaţie
fiind însă decisivă pentru buna performanţă alegerea adecvată a perioadei de eşantionare
T.
O structură asemănătoare poate fi utilizată pentru identificarea dinamicii inverse a
procesului. Aceasta este prezentată în figura 1.16.
29
ProcesP
EI
ModulEI/F
FNN
FNNM
Algoritm deadaptare
ke
)(tu )(tyd nky
dku
Fig. 1.16.
Şi în acest caz scopul simulării este dublu: mai întâi să se verifice că adaline, FNN
cu 2 niveluri şi FNN cu trei niveluri pot identifica dinamica inversă a unui sistem dinamic
neliniar; în al doilea rând să se examineze efectele pe care diferite nelinearităţi le au asu-
pra structurilor de reţele neurale şi asupra algoritmilor de adaptare a ponderilor.
Trebuie menţionat că schemele de identificare prezentate se înscriu în categoria sis-
temelor statice de control neural, caracterizate prin utilizarea unei structuri unice de reţea
neurală şi destinate identificării unui sistem cu “dinamică unică”. Se pot însă întâlni şi
scheme mai complexe, care încorporează reţele neurale multiple atât cu propagare înainte
cât şi cu propagare înapoi. O structură de acest tip, pe care o putem defini ca reţea neurală
cu propagare înainte/înapoi este prezentată în figura 1.17.
În schemă 1N , 2N şi 3N constituie un sistem de trei reţele neurale cu propagare
înainte destinate învăţării caracteristicilor dinamice ale procesului condus, în timp ce ieşi-
rea reţelei 4N modelează ieşirea dorită, fiind proiectată ca un controler care reproduce
“buna comportare” a procesului; reţeaua 5N este reţeaua propriu-zisă de identificare. Cu
VC şi VI s-au notat intrările în blocul de control neural şi respectiv în blocul de identifica-
re neural. Semnalul de eroare este utilizat pentru reactualizare de parametrii în toate reţe-
lele, prin schema de propagare dinamică înapoi. 1W , 2W , 3W reprezintă matrici de pon-
derare.
În figura 1.17 liniile simple reprezintă scalari, iar liniile duble vectori. Schema suge-
rează capacitatea de a asocia în schema de identificare un controler neural, despre impor-
tanţa căruia se va discuta în secţiunea următoare.
PROCES
y
y
ref
VI
VC
1u
2u
3u3N
2N
1N
4N
5N1W
2W
3W
perturbaţie
Fig. 1.17.
30
D. Control adaptiv cu FNN
Structura de control inteligent descrisă în continuare se va denumi CFCM (Coordination
of Feedforward Control Method), deoarece coordonează activităţiile unor controlere rea-
lizate cu reţele neurale cu propagare înainte. Schema-bloc este prezentată în figura 1.18.
1)( LL TT I 1P
G
P
1PB
A
B
ru
yuryr
Fig. 1.18.
Semnificaţia notaţiilor din figura 1.18 este:
A – controler cu acţiune înainte (reacţie pozitivă); B – model de referinţă pentru alegerea
răspunsului sistemului; G – controler pentru bucla de reglare cu reacţie negativă; P – pro-
cesul sau instalaţia tehnologică controlată; LT – răspunsul selectat pentru bucla de regla-
re; r – semnal de referinţă; ry – mărimea de ieşire din proces dorită; ru – mărimea de in-
trare în proces dorită; u – mărimea curentă de intrare în proces; y – mărimea curentă de
ieşire din proces.
Controlerele realizate cu FNN, A şi B, produc direct răspunsul dorit la comanda r, B
asigurând cauzalitatea lui A. Controlerul G sesizează orice eroare şi asigură urmărirea
semnalului de comandă ry ; deci schema de control asigură atât urmărire, cât şi reglare.
Elementele dinamice A, B şi G pot fi proiectate astfel încât să producă răspunsurile dorite
B şi LT .
Ecuaţiile de construcţie a controlerelor sunt, dacă se consideră P inversabil:
- ecuaţia de sinteză BPA1 ,
- ecuaţia de proiectare 11 )( LL TITPG .
În cazul general A, B, G şi P sunt sisteme neliniare cu mai multe intrări şi mai multe
ieşiri (MIMO), dar în context vor fi discutate doar elemente cu o singură intrare şi o sin-
gură ieşire (SISO). Structura blocurilor A şi G conform ecuaţiilor de construcţie este
marcată în figura 1.18.
Principala observaţie referitoare la structura de control de mai sus este aceea că,
dacă se utilizează un controler CFCM linear şi procesul este pronunţat nelinear, apar în
majoritatea situaţiilor erori inacceptabile de urmărire a semnalului de referinţă şi tendinţa
de pierdere a stabilităţii. De aceea în cele ce urmează se vor discuta avantajele utilizării
unor controlere de tip FNNM, întrucât am arătat mai înainte posibilitatea de a identifica
dinamica inversă a unui proces (în cazul nostru 1P ) utilizând FNNM.
Schema-bloc conţinând două controlere FNNM (denumite unul master, celălalt
slave) este prezentată în figura 1.19.
31
ProcesFNNMMaster
Algoritm deadaptare
keEIEOH
FNNMSlave
B
A
CompensatorEstimator/Controler
Bu
rku
ryr G
Fig. 1.19.
Pe ansamblu structura de control inteligent din figura 1.19 constituie un unic contro-
ler FNNM care utilizează pentru controlerul de reglare în bucla de reacţie negativă G un
compensator cu rol de estimare combinat cu o lege lineară de reglare, iar pentru controle-
rul cu acţiune înainte A un controler dual master-slave de tip FNNM. EI reprezintă un
element de eşantionare ideal, iar EOH un extrapolator de ordinul zero. FNNM slave si-
mulează dinamica inversă, în timp ce FNNM master dinamica directă a procesului P.
E. Controler neural cu model cerebelar
Ultima variantă de structură de control inteligent bazată pe reţele neurale este legată de
implementarea unui model cerebelar, în sensul că încearcă să reproducă într-o măsură cât
mai exactă comportamentul creierului uman. Se ştie că o reţea neurală se instruieşte prin
exemple, din care memorează setul de ieşiri corespunzător unui anume set de intrări. În
cazul structurii de control cu model cerebelar (CMC) se pune problema unei învăţări on-
line, în sensul adaptării în timp real a intrărilor iniţiale pentru a se obţine ieşirea dorită.
Schema de principiu pentru o structură CMC este prezentată în figura 1.20.
Din figură se constată că prima operaţie constă în asocierea fiecărui vector de intra-
re s din spaţiul S cu un selector binar a plasat în spaţiul NA dimensional al memoriei con-
ceptuale A:
NA)1,0(: ASf . (9)
32
Puncte C
Memorie conceptuală
Spa/ţiul
intrări stări
S
A
f
Alocare
aleatorie
R
M
Memoriefizică
Ieşire
y
10s
20s
30s
g
Fig. 1.20.
Funcţia de alocare f este de fapt esenţa structurii CMC şi este realizată prin cuanti-
zarea spaţiului S într-un număr de NA hipercuburi denumite regiuni receptoare. Regiu-
nea receptoare j va deveni activă (şi elementul j din a comută) atunci când o anumită in-
trare ajunge să ia valori în domeniul corespunzător regiunii. Fiecare intrare va excita
exact C câmpuri receptoare; C se numeşte parametru de generalizare. Funcţia f are de
altfel proprietatea de generalizare, în sensul că intrările “închise” în spaţiul S vor fi închi-
se în spaţiul A în aşa fel încât să acopere mai multe puncte.
Algoritmul CMC se va explica mai uşor dacă ne vom limita la cazul unei singure
intrări. În această situaţie câmpurile receptoare se reduc la segmente de dreaptă. Spaţiul
intrărilor S se împarte în 1CANN intervale de cuantizare pe intervalul ],[ maxmin ss
utilizând 1C2N divizori il , cu:
min0C1 sll ; jl 1jl ; max1CNN sll . (10)
Prin urmare, elementul j al vectorului a din memoria asociativă este:
1ja pentru s aparţinând ],[ C jj ll şi 0ja în rest.
În figura 1.21 este prezentată o structură CMC cu o singură mărime de intrare şi
3C .
Numărul de elemente cerute de vectorul de selecţie a, pentru o intrare j, o lăţime a
intervalului de cuantizare jd şi o gamă a valorilor jR este dat de relaţia:
N
1
C)(Cj
jj dR . (11)
În timp ce memoria necesară pentru implementarea fizică a CMC descreşte pe
măsură ce parametrul de generalizare creşte, ea creşte pronunţat atunci când se micşorea-
ză intervalul de cuantizare. De aceea parametrul de generalizare C se alege ca raportul
dintre mărimea câmpurilor receptoare şi offset-ul între două câmpuri adiacente. Dacă in-
tervalul de cuantizare este fixat, utilizarea unui parametru de generalizare mai mare va
33
duce la o structură CMC ce necesită mai puţină învăţare pentru a da răspunsuri acceptabi-
le la un set nou de date. Pe de altă parte creşterea generalizării duce la scăderea preciziei.
Regiunireceptoare
4il 3il 2il 1il il 1il 2il 3ilValoare de
intrare
T0,,0,1,1,1,0,,0 a
Fig. 1.21.
Pentru a evita folosirea unei memorii conceptuale prea mari, se recurge la o nouă
alocare prin funcţia R, care duce din spaţiul A al memoriei conceptuale (asociative) în
spaţiul memoriei fizice M, adică: MΑ:R .
Funcţia de asociere R poate fi “unu la unu” dacă poate fi satisfăcută cererea de me-
morie, dar pot fi imaginate proceduri de compresie care să permită reducerea dimensiuni-
lor memoriei M.
Cea de a treia funcţie de relaţie este g care face trecerea de la vectorul m la mărimea
de ieşire scalară y prin realizarea produsului intern cu un vector de ponderare w cu NA
dimensiuni:
mwTy . (12)
Deoarece m este binar, relaţia (12) reprezintă sumarea celor C ponderi care cores-
pund câmpurilor receptoare active.
Instruirea structurii CMC se face prin reactualizarea vectorului de ponderare astfel
încât:
mww C)(1 yyv dii , (13)
unde: y este ieşirea oferită de structura CMC ca răspuns la o anumită intrare; dy este răs-
punsul dorit la aceeaşi intrare; C este vectorul parametrilor şi v un coeficient cuprins între
0 şi 1 pentru caracterizarea vitezei de învăţare.
Ca o concluzie, procedura de control neural descrisă mai sus oferă trei facilităţi im-
portante:
parametrul de generalizare C poate fi controlat independent de numărul de in-
trări şi de dimensiunea spaţiului de ponderi;
se realizează o aproximare uniformă datorită proprietăţii ca o schimbare în inter-
valul de cuantizare al unei intrări va produce activarea unui unic câmp receptor
concomitent cu dezactivarea celui care fusese activ până atunci;
câmpurile receptoare pot fi dispuse astfel încât suma ponderilor să se facă cu mi-
nimum de calcule.
Pentru că metoda CMC este una din cele mai recente soluţii de control neural, vom
renunţa la prezentarea generală care a făcut obiectul capitolului şi vom exemplifica o
34
aplicaţie directă CMC pentru controlul inteligent al injecţiei cu combustibil, chiar dacă a-
cest gen de probleme fac obiectul capitolului 2.
Pentru problema enunţată vom considera ca mărimi de intrare în structura CMC
presiunea în galeria de admisie şi turaţia motorului. Fiecare din aceste mărimi indexează
o dimensiune a unui spaţiu de memorie tridimensional. A treia dimensiune este reprezen-
tată de nivelurile C ale câmpurilor receptoare ce permit generalizarea. Prima funcţie de
asociere iF1 se poate scrie (i este indicele nivelului C):
Cdiv)C( 11 iUF i , (14)
unde: div reprezintă împărţirea întreagă; 1U este indicele de cuantizare a valorii maxime
C1 S ; iar 1S este mărimea memoriei fizice în prima dimensiune. Mărimea intervalului
de cuantizare va fi C)(intrare 1max S şi în mod cert vor fi activate C câmpuri receptoa-
re. Experienţele au dovedit că valoarea 32C oferă un compromis rezonabil între viteză
şi precizia de răspuns.
Pentru instruire în timp real, structura CMC primeşte o reacţie de la un senzor de
măsurare a raportului aer/combustibil notat prescurtat ca (poate fi clasica sondă lamb-
da). La o viteză de învăţare nu prea ridicată, sistemul poate să menţină raportul stoichio-
metric ca şi să calculeze debitul masic dorit de combustibil fd ce trebuie comandat cu
relaţia:
savf rwmEcd 1 , (15)
unde: 1c este o constantă fizică; vE este eficienţa volumetrică; am masa de aer admis; w
turaţia motorului şi sr raportul ca stoichiometric.
În mod suplimentar se poate folosi temperatura aerului în galeria de admisie ca o
mărime de corecţie pentru stabilirea exactă a masei de aer admis.
Iniţial CMC se instruieşte utilizând un model generic pentru vE . Dacă eficienţa vo-
lumetrică este cunoscută, se poate determina raportul stoichiometric ca exact. În mod
real însă vE nu poate fi modelată exact analitic şi CMC se limitează la iniţializarea spa-
ţiului ponderilor, care vor trebui adaptate on-line pentru a asigura o performanţă satisfă-
cătoare, pe baza performanţelor furnizate de senzorul ca , folosind o lege de actualizare
tip (13), simplificată la forma:
)( scff rrdd , (16)
unde: fd reprezintă noua valoare a debitului masic de combustibil, iar cr valoarea curen-
tă a raportului aer/combustibil.
Ca relaţie de instruire se va folosi diferenţa dintre valoarea nou calculată a debitului
de combustibil şi valoarea precedentă dfD , şi anume:
1)( scfdf rrdD . (17)
dfD poate fi substituită în locul diferenţei yyd din relaţia (13) şi asigură în felul
acesta schimbarea incrementală în fiecare pondere activă.
35
Vom menţiona că o structură CMC de tipul celei descrise a fost testată pentru con-
trolul inteligent al injecţiei la un automobil Oldsmobile Calais 1988 cu patru cilindri.
Structura de comandă conţine două microcalculatoare cu unitate de procesare 386. Prima
unitate de procesare primea informaţii de la senzorul de poziţie al clapetei obturatoare şi
comanda această clapetă. Cea de a doua unitate implemeta structura CMC. Raportul stoi-
chiometric a fost menţinut cu o precizie de 1%, la o viteză de învăţare 5,0v şi care a
permis timpi de răspuns la modificări ale setului mărimilor de intrare sub 6 secunde.
Rezultatele promiţătoare oferite de controlul neural justifică utilizarea acestor struc-
turi în conducerea inteligentă a vehiculelor rutiere. Un punct de interes major îl constituie
posibilitatea asocierii sub formă de sisteme expert atât a structurilor neurale pentru con-
ducerea motorului cât şi a acelora pentru dirijarea automată a vehiculului, cum se va arăta
în capitolul 3.
2.2.3 Structuri de control inteligent cu logică fuzzy
A. Consideraţii generale
Structurile de control inteligent cu logică fuzzy permit implementarea de sisteme bazate
pe cunoştinţe care folosesc teoria mulţimilor vagi (fuzzy) pentru reprezentarea cunoştin-
ţelor şi pentru inferenţă. Controlerele fuzzy îşi găsesc o aplicaţie tot mai extinsă în dome-
nii diverse, cu precădere în conducerea sistemelor cu grad pronunţat de incertitudine la
care exprimarea în termeni fuzzy este cea mai adecvată. În raport cu tehnicile clasice de
control, controlerele fuzzy au avantajul naturii interpolative a legilor de reglare prin care
se trece lent, prin suprapunere parţială, de la o acţiune comandată la alta. Totodată, calita-
tea de interpolare duce în majoritatea cazurilor la reducerea numărului de reguli de con-
trol în raport cu sistemele expert create în logica clasică.
Prin tehnicile de logică fuzzy se face trecerea directă de la o formulare semantică
calitativă şi imprecisă la algoritmi de calcul numerici implementabili pe structuri de
calcul de uz general. Principalul inconvenient al structurilor fuzzy este însă dificultatea
calibrării (acordării). Pentru obţinerea unor performanţe de excepţie, controlerele fuzzy
trebuie să-şi schimbe permanent regulile sau cel puţin structura parametrică; ori, nu există
o procedură standard de calibrare a unui controler. Mai mult, chiar evaluarea performan-
ţelor unui controler fuzzy ridică probleme, pentru că structura fuzzy face foarte dificilă
descrierea matematică a comportării dinamice a unui sistem. De obicei validitatea proiec-
tării unei structuri fuzzy se certifică prin experimentări şi nu poate fi garantată structural.
Natura neliniară a unui controler bazat pe logică fuzzy face imposibilă utilizarea
tehnicilor tradiţionale de evaluare a performanţelor sistemelor liniare. Orice abordare
structurală are dezavantajul că gradul de nedeterminare (fuzzificare) creşte pe măsură ce
sistemul evoluează în timp. Mai mult, abordările structurale tind să sacrifice optimalitatea
performanţelor în favoarea conservării stabilităţii absolute. De aceea, în continuare se va
descrie o altă procedură de evaluare a performanţelor unui sistem cu logică fuzzy, de tip
geometric (analiză topologică), numită “asociere celulă cu celulă”. Prin această metodă
comportarea unui sistem în spaţiul continuu al fazelor este aproximată printr-un model
discret, pe care îl vom denumi spaţiu celular şi care este caracterizat printr-un tablou “ce-
lulă cu celulă” (TCC) a cărui examinare oferă informaţii despre dinamica sistemului în
ansamblu, inclusiv asupra stabilităţii.
36
Generarea unui TCC necesită simularea comportării întregului sistem de reglare în
buclă închisă, dar are avantajul că acceptă nu numai modele liniare ale procesului, ci şi
modele neliniare complexe sau modele fuzzy. O îmbunătăţire a performanţelor TCC se
obţine prin utilizarea unor durate de dimensiune variabilă pentru tranziţiile de la o celulă
la alta. Prin această tehnică îmbunătăţită se poate ajunge la calibrarea automată a unui
controler fuzzy pe baza unui tablou celular optimal.
B. Modul de funcţionare a unui controler fuzzy
Un sistem cu logică fuzzy se bazează pe utilizarea de mulţimi fuzzy. O mulţime fuzzy A
aparţinând unui univers de discurs X se defineşte ca o mulţime de perechi ordonate,
constând fiecare dintr-un element x şi din valoarea funcţiei de apartenenţă la mulţimea
fuzzy )(A xf . Funcţia de apartenenţă ia valori cuprinse între 0 şi 1 şi caracterizează gra-
dul în care un element x aparţine mulţimii A (1 înseamnă apartenenţă completă, 0 nici o
apartenenţă).
Pentru exemplificare vom considera universul de discurs format din numerele [8, 9,
10, 11, 12]. Mulţimea fuzzy ce reprezintă conceptul “aproximativ 10” poate fi exprimată
de exemplu prin perechile ordonate:
)7,0;12(),9,0;11(),1;10(),9,0;9(),7,0;8(A ,
în care primul element din fiecare pereche este x, numărul din universul de discurs, iar al
doilea funcţia de apartenenţă )(A xf . Valoarea de adevăr a enunţului “x este A” este
chiar valoarea funcţiei de apartenenţă. Valoarea de adevăr a propoziţiei conjunctive “x
este A şi y este B” este dată de relaţia:
))(),(min()()( BABA xfxfxfxf .
Funcţionarea unui controler fuzzy se bazează pe examinarea unor legi de control cu
conţinut exprimabil prin reguli fuzzy şi pe mecanismul de inferenţă care determină acţiu-
nea de comandă corespunzătoare unei anumite stări a procesului.
Fiecare regulă fuzzy constă dintr-un enunţ cu două părţi:
DACĂ situaţie ATUNCI acţiune
Partea DACĂ a regulei se numeşte premisă, partea ATUNCI se numeşte consecinţă.
Premiza defineşte regiunea din spaţiul intrărilor în care este validă regula, caracterizată
printr-o mulţime fuzzy din universul de discurs al variabilelor de intrare, iar consecinţa
defineşte acţiunea dorită de control ce trebuie luată în regiunea definită de premiză. Un
controler fuzzy clasic consideră pentru premize doar valori unice, în timp ce consecinţa
poate fi parametrizată de mai multe variabile de intrare.
Vom considera pentru exemplificare o regulă simplă de control în care intrarea
eroare provoacă o ieşire acţiune:
DACĂ eroare este pronunţat negativă
ATUNCI acţiune este -5*eroare
unde * reprezintă operaţia de multiplicare şi pronunţat negativă este o mulţime fuzzy
definită pe universul de discurs eroare.
Un exemplu mai complicat va fi acela în care vom considera un controler cu o ieşi-
re, dar cu două intrări numite eroare ( 1x ) şi respectiv schimbarea erorii ( 2x ). Pe par-
cursul lucrării pentru această variabilă vom folosi şi denumirea gradientul erorii. Ieşirea
37
din controler este denumită acţiune. Regula de bază constă din m reguli simple notate 1R
mR . Ieşirea corespunzătoare regulii j se va nota jy . Funcţia consecinţă a regulii j este
reprezentată de )(jf şi este caracterizată de coeficienţii jpj cc 0 . Seturile fuzzy ale
premizei se notează jiA şi reprezintă faptul că acel set (mulţime) caracterizează intrarea i
a regulii j. jiA pot reprezenta semantic enunţuri de tipul: pronunţat negativ, aproxima-
tiv zero sau pozitiv.
O expresie pozitivă pentru regula j poate fi următoarea:
DACĂ eroare ( 1x ) este pronunţat negativă 1jA şi
schimbarea erorii ( 2x ) este aproape zero 2jA
ATUNCI acţiune este jf )( 22110 xcxccy jjjj .
Funcţia jf este funcţia consecinţă. În general funcţia consecinţă este o polinomială
ce conţine intrările, iar coeficienţii jic sunt parametri care trebuie modificaţi pentru opti-
mizarea performanţelor controlerului. Numărul de parametri din fiecare funcţie depinde
de numărul de intrări şi de ordinul polinomialei.
În concluzie, forma generală a unei reguli j pentru un controler cu n intrări şi o sin-
gură ieşire este:
jnnjjj xxxR AesteAesteAesteDACĂ 2211
),,,,,(Atunci 01 jpjnjj ccxxjy .
Deoarece regula de bază se poate exprima prin m reguli simple, fiecare regulă sim-
plă poate duce la valori diferite ale ieşirii myy 1 şi dintre acestea trebuie aleasă valoa-
rea cea mai rezonabilă. Procedura cea mai utilizată este aceea a mediei ponderate a celor
m ieşiri, care va fi notată y. Ponderea asociată fiecărei ieşiri jy este valoarea de adevăr a
regulii corespunzătoare şi se notează jp , astfel că:
m
jj
m
jjj pypy
11
. (18)
În practică domeniul valorilor ieşirii din controler este limitat de caracteristicile ele-
mentelor de execuţie, de neliniarităţi cum sunt saturaţia şi histerezisul, aşa că în final ieşi-
rea practică *y se va limita la domeniul:
)),min(,max(* maxmin yyyy . (19)
Am afirmat mai sus că premizele diferitelor reguli se suprapun parţial, astfel că me-
dia ieşirilor din controler netezeşte tranziţia între diferitele legi de control. Prin combina-
rea acestor ieşiri se produce o suprafaţă de control neliniară pe spaţiul intrărilor, a cărei
complexitate este decisă prin alegerea numărului şi configuraţiei de reguli şi funcţii de ie-
şire, dar pentru realizarea căreia trebuie utilizată o procedură de modificare a parametrilor
funcţiei de ieşire.
38
C. Modificarea parametrilor funcţiei de ieşire
Pentru un expert uman, este mult mai uşor să modifice premizele regulilor de control de-
cât să aprecieze rezultatul acţiunii de control. Acesta ar trebui să fie evaluat automat şi
devine un atribut esenţial al controlului inteligent. Odată specificată regula de bază, mo-
dificarea funcţiilor consecinţă se face prin modificarea parametrilor ijc su scopul de a a-
corda cât mai exact controlerul. O soluţie pentru această problemă o constituie algoritmul
Widrow – Hoff (WH) care a fost deja descris în secţiunea precedentă. Este vorba de un
algoritm de gradient descrescător care minimizează eroarea medie pătratică EMP între
ieşirea curentă din sistem şi ieşirea dorită. Minimizarea se face utilizând metoda celor
mai mici pătrate şi implică reactualizarea parametrilor la fiecare iteraţie.
Pentru aplicarea algoritmului WH se porneşte de la un set de date intrare-ieşire, fie-
care element al setului constând din intrările curente (la un moment anume) ale
controlerului )(,),(1 kxkx n , ieşirea curentă din controler corespunzătoare acestor in-
trări )(* ky şi ieşirea dorită pentru aceleaşi intrări )(kyd . Este adevărat că specificarea
ieşirii dorite nu este simplu de realizat, mai ales dacă se doreşte atingerea unui optim, aşa
că în continuare se vor face referiri şi la modul în care se găseşte dy .
Vom defini acum eroarea la un moment dat )(ke ca fiind diferenţa dintre ieşirea do-
rită şi cea curentă:
)(*)()( kykyke d , (20)
unde )(* ky depinde de coeficienţii funcţiei consecinţă ijc . Scopul acordării este acela de
a minimiza )(EMP 2 keE . Algoritmul de gradient descrescător reactualizează recursiv
parametrii ijc astfel încât să se tindă spre cea mai mare descreştere a funcţiei ][E . Mai
mult, dimensiunea pasului la fiecare actualizare poate fi modificată prin stabilirea unei
valori diferite a factorului de scalare )(ks . Pentru o anumită valoare a lui )(ks care de-
pinde de ponderile )(kp j eroarea la pasul k poate fi redusă la zero.
Convergenţa algoritmului WH este asigurată dacă există o dependenţă liniară între
eroare şi parametrii şi în plus factorul de scalare are valoare mică. Totuşi algoritmul poate
lucra în cazul neliniar deoarece prin gradient descrescător se pot urmării minime nestaţio-
nare; singura condiţie este ca neliniarităţiile să nu introducă alte minime locale, şi aceasta
se poate obţine prin alegerea corectă a valorilor iniţiale ale parametrilor.
Principalele avantaje ale algoritmului WH sunt simplitatea şi capacitatea de a urmă-
ri minimul EMP. Implementarea se face pentru un singur parametru şi este acelaşi pentru
toţi parametrii; ea nu se schimbă dacă se adaugă sau se înlătură anumite reguli. Mai mult,
algoritmul oferă facilităţi de procesare paralelă, recomandabilă mai ales atunci când nu-
mărul de parametrii creşte, pentru a evita ca problema vitezei de convergenţă să devină
critică.
D. Spaţiul stărilor celular
Am arătat mai sus că noţiunea de spaţiu celular se va utiliza pentru evaluarea comportării
unui sistem fuzzy. Pentru aceasta vom apela la o comparaţie cu un sistem de reglare cla-
sic caracterizat de ecuaţiile de dinamică:
39
))(()( kk txgtu ,
)))((),(()( 1 kkk txgtxhtx ,
unde kt reprezintă paşii discreţi de timp la care se determină starea curentă x şi ieşirea u,
prin funcţiile neliniare g şi h. Durata paşilor nu trebuie să fie neapărat aceeaşi.
În figura 1.22 se prezintă structura sistemului de reglare în buclă închisă folosind un
controler fuzzy.
Controlerfuzzy
Proces
r e
x
u
Fig. 1.22.
Pentru a obţine tabloul celular trebuie ca mai întâi spaţiul fazelor procesului condus
să fie partiţionat în celule. Practic, nu tot spaţiul fazelor, ci doar o anumită porţiune de in-
teres este luată în consideraţie pentru partiţionare, dar a nu pierde din generalitate vom
considera spaţiul fazelor închis şi limitat n-dimensional: nXXX xxx 21 X , iar fie-
care subspaţiu iX se defineşte prin intervalul ii ba , .
Împărţirea în celule se efectuează prin divizarea fiecărui subspaţiu în intervale egale
de dimensiune is . Fiecare interval este notat cu o valoare întreagă iz , asignată conform
relaţiei:
iiiii szxsz )21()21( . (22)
O celulă este un n-tuplu de intervale şi este caracterizată prin vectorul de variabile
întregi z, ( Tnzz ,,1 z ). Punctul central al fiecărei celule este utilizat pentru reprezen-
tarea stării sistemului asociată cu celula. Dacă ie este vectorul unitate în direcţia iz , a-
tunci punctul central al celului z, notat cx poate fi reprezentat prin relaţia:
n
iiii
c eszx1
. (23)
Totalitatea vectorilor z formează spaţiul celular n-dimensional Z, evaluat prin în-
tregi. Restul spaţiului stărilor extins până la infinit este concentrat într-o singură celulă
numită celula de scurgere.
Tabloul de asociere C permite să se ajungă după un pas discret de timp în celula ală-
turată celei din care a fost iniţializat procesul. Tabloul celular de asociere pentru o celulă
dată z se obţine plecând de la punctul de asociere )(h prin calculul imaginii prin )(h a
punctului central cx şi apoi prin determinarea celulei în care se află această imagine. Ce-
lula care conţine punctul imagine se determină cu regula dată de ecuaţia (22). Deşi nnu
toate punctele din celula z au în mod obligatoriu aceeaşi celulă imagine ca şi punctul cen-
tral, în cele ce urmează se va considera doar cazul în care celula imagine este doar cea
care corespunde punctului central.
40
Valoarea întreagă a funcţiei aplicaţie ZZ :C conduce deci la celula următoare
în care migrează procesul după un interval discret de timp, adică:
))(()1( kzCkz . (24)
Tabloul celular se determină pentru fiecare triplet ),,( kxz c prin următoarea regulă
asociată punctului central:
iik
c zkzCztxh ))((ATUNCI))((DACĂ . (25)
Traiectoria sistemului în spaţiul stărilor celular plecând de la celula iniţială )0(z se
obţine prin aplicarea recursivă a funcţiei de asociere C. Punctele de pe traiectorie vor fi
deci:
))0(())0(()0( 2 zCzCz , (26)
iar celula r de pe traiectorie va fi reprezentată prin:
))0(()( zCrz r . (27)
O celulă de echilibru din spaţiul celular se asociază cu ea însăşi, adică satisface rela-
ţia:
)(zCz . (28)
Un ciclu limită sau o mişcare periodică de perioadă r este un set de celule distincte
)1(,),0( rzz care satisfac relaţiile:
1,,2,1)),0(()());0(()0( rkzCkzzCz kr . (29)
O celulă de echilibru este o mişcare periodică de perioadă 1.
Domeniul de atracţie la pasul r al unei mişcări periodice este setul tuturor celulelor
care pot fi atinse în r paşi (sau mai puţini) în acea mişcare periodică. Pentru îmbunătăţi-
rea preciziei de tranzitare dintr-o celulă în alta, se folosesc durate diferite de tranziţie it ,
toate însă fiind multipli întregi ai unei cuante de timp T. În sistemele în care durata tranzi-
ţiei este aceeaşi se pot crea clustere (grupări) de mai multe celule de echilibru şi atunci
apare riscul ca în cazul unei durate prea mici de tranziţie să nu poată fi părăsită celula de
echilibru, chiar dacă traiectoria ar trebui să o părăsească. Pentru a evita aveastă situaţie se
incrementează recursiv it şi se propagă punctul de start până când unul din următoarele
enunţuri devine adevărat:
- traiectoria construită punct cu punct intră în altă celulă;
- it devine prea mare;
- distabţa parcursă pe fiecare dimensiune a lui x este prea mică pentru a ieşi din
altă celulă înainte ca it să devină prea mare.
Dinamica comportării sistemului include toate mişcările periodice şi toate ciclurile
limită ce pot fi observate prin trasarea traiectoriilor tuturor celulelor din spaţiul celular.
Traiectoria rezultantă se numeşte asociere celulă cu celulă a sistemului şi se transpune în
tabloul celular.
41
E. Algoritm de control fuzzy optimal
Algoritmul propus determină ieşirile dorite )(kyd necesare pentru acordarea parametri-
lor funcţiilor de ieşire ale controlerului fuzzy.
Pentru înţelegerea algoritmului, să reamintim că scopul unui sistem de control opti-
mal constă în găsirea acelor mărimi de control care asigură atingerea unei stări stabile
concomitent cu minimizarea unei funcţii de cost (sau al unui indice de performanţă) L.
Aceeaşi problemă se pune şi pentru controlul fuzzy optimal, cu deosebirea că starea dori-
tă se află într-o celulă anume a spaţiului celular.
Costul unei tranziţii de la celula curentă la celula alăturată se va numi increment de
cost. Incrementul de cost este o funcţie ce depinde de intrarea de control aplicată )(ku ,
perioada de timp cât se aplică intrarea de control )(kd şi celula controlată )(kz , adică la
timpul k incrementul de cost este:
))(),(),(( kdkukzfLk . (30)
Pentru facilitarea calculelor valorile permise ale acţiunilor de control şi ale duratelor
admisibile de tranziţie se limitează la seturi finite.
Funcţia de cost L pentru o traiectorie particulară este suma tuturor incrementelor de
cost de pe acea traiectorie. Structura celulară a sistemului şi valorile discrete ale timpului
duc la valori ale lui L exprimate prin întregi; acest lucru implică însă specificarea unui set
de funcţii de discriminare care să arbitreze între traiectorii de acelaşi cost. Un controler
optimal relativ la L se obţine prin asocierea la fiecare celulă a unei intrări de control u şi a
unei durate de tranziţie d care să producă trecerea dintr-o celulă în alta de pe traiectorie,
cu cea mai mică valoare posibilă a lui L. Rezultatul acestei proceduri se materializează
prin construirea unui tablou al acţiunilor de control, câte una pentru fiecare celulă, care
aproximează în limitele de precizie permise de rezoluţia spaţiului celular structura de
controler optimal. Algoritmul găseşte toate celulele controlabile şi secvenţa optimă de
control.
O celulă este controlabilă dacă există o secvenţă de acţiuni de control permise care
va conduce de la această celulă spre grupul de celule obiectiv. Celula de scurgere nu este
controlabilă. Tot incontrolabilă este şi o celulă care nu aparţine grupului de celule obiec-
tiv şi se are doar pe ea ca unică imagine posibilă. Recursiv, putem defini o celulă necon-
trolabilă ca o celulă care are toate celulele imagine posibile necontrolabile.
Intrările în tabela de control sunt ieşirile dorite )(kyd necesare pentru acordarea
controlerului. Fiecare intrare corespunde unei stări a procesului. Din tabloul de control
optimal se generază perechile de date intrare ieşire. Tabloul optimal de control este o
aproximare discretă a controlului optimal global raportat la funcţiile de cost. Cum însă
funcţiile de cost nu pot acoperii toate obiectivele de optimalitate fixate de expertul uman,
în tablou de control optimal pot apare unele inexactităţi; oricum, el poate servi ca ghid
pentru felul cum ar trebui să fie comanda optimală şi pentru strategia de control ce trebu-
ie adoptată.
De menţionat că un controler cu logică fuzzy produce un tablou de control cvasi-
continuu, prin suprapunerea parţială a regulilor şi tranziţia netedă între celule. Necesarul
de memorie este mai redus decât în cazul unui controler discret clasic, deoarece se me-
morează doar setul de intrări fuzzy şi parametrii funcţiilor de ieşire. În plus, expertul
42
uman poate interveni pentru modificarea de reguli şi deci pentru rearanjarea tabloului ac-
ţiunilor de control.
Penrtru exemplificare vom considera situaţia controlului optimal pentru atingerea în
timp minim a unei anumite poziţii cu ajutorul unui element de execuţie de tip motor (de
exemplu stabilirea poziţiei unghiulare a unei clapete obturatoare acţionată de un motor de
cc.). Nu vom intra în detalii, deoarece pe de o parte aplicaţii de control optimal fuzzy vor
fi descrise în capitolele doi şi trei, iar pe de altă parte controlul optimal bipoziţional în
timp minim este o problemă care şi-a găsit de mai multă vreme soluţii algoritmizabile.
Vom menţiona doar că în controlerul fuzzy avem două intrări: eroarea 1x şi schim-
barea erorii 2x şi o singură ieşire *y ce reprezintă comanda de acţionare a motorului. Ca
date numerice vom considera valoarea cuantei de timp sT 01,0 , intrările în controler
scalate ambele în intervalul [-5, 5] rad şi ieşirea de control în intervalul [-25, 25]V. Spa-
ţiul celular se defineşte ca un spaţiu produs de dimensiuni [-5, 5] x [-5, 5], tot ce se află în
afara acestui domeniu fiind conţinut în celula de scurgere. Fiecare dimensiune a tabloului
X este împărţită în 101 intervale, deci în total vom avea 10201 celule. Vom limita numă-
rul de acţiuni permise de control la 21. Referinţa de control a motorului se consideră
celula ce conţine punctul (0, 0) şi aceasta va fi şi celula obiectiv. Funcţia de cost L va fi
reprezentată prin timpul necesar controlerului ca să ajungă dintr-o celulă oarecare în celu-
la obiectiv.
Soluţia clasică pentru controlul optim după timp (minim) se bazează pe principiul
maximului (al lui Pontriaghin), care în esenţă constă în furnizarea unei comenzi binare
care să producă mai întâi accelerarea cu toată capacitatea până la un anume punct şi apoi
frângerea cu toată capacitatea pentru oprire în punctul dorit. Punctele de decizie prin mo-
mentele de accelerare, respectiv frânare se afla pe o curbă de comutaţie. Funcţiile de dis-
criminare care arbitrează între acţiunile de control care produc acelaşi rezultat sunt:
1. Costul minim;
2. Incrementul minim de cost;
3. Dacă traiectoria emergentă dintr-o celulă depăşeşte axa eroare sau dacă ampli-
tudinea schimbarea erorii din punctul central al celulei imagine este inferioară
celei din celula de start, atunci se utilizează amplitudinea minimă a schimbării
erorii (din punctul imagine).
Dacă celula imagine este celula obiectiv, se utilizează distanţa minimă de la punctul
imagine la punctul central al celulei imagine.
Vom prezenta în continuare procedura de construire a tabloului optimal de control.
pas 1. Pentru fiecare celulă se crează lista care asociază cu fiecare acţiune de con-
trol: punctul imagine, celula imagine şi incrementul de cost.
pas 2. Pentru o celulă de start dată, se anulează în lista acţiunilor de control orice ac-
ţiune care ar conduce la aceeaşi celulă imagine, dar cu un increment de cost mai mare;
deci, pentru fiecare celulă imagine se păstrează doar acţiunile de control cu cel mai mic
increment de cost posibil.
pas 3. Din acţiunile de control rămase se păstrează cel mult trei pentru fiecare celula
imagine posibilă şi anume: acţiunea de control al cărei punct imagine este cel mai apropi-
at de punctul central al celulei imagine; acţiunea de control al cărei punct imagine are cea
mai mică valoare a amplitudinii eroare; acţiunea de control al cărei punct imagine are
cea mai mică valoare a amplitudinii schimbare eroare. Cu acest pas se anticipează cele
trei tipuri de funcţii de discriminare şi deci se economiseşte timp şi memorie.
43
pas 4. Se iniţializează funcţia de cost L cu cea mai mică valoare posibilă şi se asoci-
ază cu celula obiectiv (care de obicei este plasată în originea sistemului de axe eroare,
respectiv schimbare eroare).
pas 5. Se incrementeză L cu următorul cost permis.
pas 6. Se caută toate celulele care nu sunt cuprinse în grupul de celule obiectiv şi se
aleg acelea a căror celulă (celule) imagine în grupul de celule obiectiv se face cu costul L.
Dacă există mai multe acţiuni de control cu acelaşi cost, se utilizează funcţiile de discri-
minare pentru alegerea acţiunii de control optime.
pas 7. Se asignează la toate celulele selectate în pasul 6 acţiunea de control care
duce la grupul de celule obiectiv cu costul L.
pas 8. Se adaugă toate celulele selectate în pasul 6 la grupul de celule obiectiv.
pas 9. Se repetă paşii 5) – 8) până când fiecare celulă controlabilă are asignată o ac-
ţiune de control.
În tabelul de mai jos se prezintă structura de reguli care poate fi asociată cu un con-
troler fuzzy pentru conducere în timp minim.
intrări\reguli 1 2 3 4 5 6 7 8 9
erorare 1x 0 – 0 + 0 – + – +
schimb. er. 2x – 0 0 0 + – – + +
Fiecare din cele 9 reguli marcate în tabel sunt relaţii liniare de forma 110 xaa
22 xa . În unele reguli 0a poate fi 0.
În funcţie de complexitatea acceptată (dictată de viteza de răspuns) şi de precizia
necesară, se poate adopta şi o variantă mai redusă a controlerului, folosind doar primele 5
reguli din table. Pentru a putea aprecia diferenţele între soluţia mai simplă şi cea mai
complexă, vom menţiona câteva date obţinute experimental.
Pentru conducerea în timp minim a motorului au fost luate în consideraţie pentru
experimentare trei variante de controler: fuzzy cu 9 reguli, fuzzy cu 5 reguli şi PD clasic.
În afara indicelui de performaţă timp de răspuns s-a mai impus ca restricţie menţinerea
suprareglajului la o valoare sub 5% din valoarea treptei unitare. S-au obţinut ca timpi de
răspuns, în ordinea în care au fost citate controlerele, valorile 0,18s, 0,28s şi respectiv
0,37s. Suprareglajul corespunzător a fost 3,3%, 4,6% şi respectiv 5%.
Se constată deci că rezultatele obţinute cu controlere fuzzy sunt superioare celor ob-
ţinute cu controlerul clasic PD, în special în ce priveşte timpul de răspuns, acelaşi pentru
ambele controlere fuzzy şi cu 50% mai mic decât în cazul tradiţional. Faptul că utilizarea
unui controler cu 9 reguli asigură şi un suprareglaj mai mic este de înţeles, dar numai
acest avantaj nu justifică complexitatea sporită a implementării, chiar dacă în ambele
cazuri s-a folosit acelaşi tablou celular cu 10201 celule. Din acestea, controlabile sunt
9270 în cazul controlerului cu 9 reguli şi 9200 în cazul celui cu 5 reguli, deci practic ace-
laşi număr. Nici eroarea medie pătratică între ieşirea curentă şi cea dorită nu diferă prea
mult, fiind de circa 7,5 în cazul controlerului cu 5 reguli şi circa 7 în cazul celui cu 9 re-
guli.
Diferenţa cea mai pregnantă între conducerea cu logică fuzzy şi cea clasică rezultă
însă în netezirea evidentă a tranziţiilor pe curba de comutare. Rezultă că o conducere cu
controler fuzzy nu este în primul rând optimală, ci mai degrabă robustă, ştiut fiind faptul
44
că ciclurile limită care caracterizează controlerele bipoziţionale se reduc atunci când tran-
ziţiile de pe curba de comutaţie se fac neted.
Câteva concluzii se impun în finalul acestei secţiuni:
Controlerele fuzzy pot utiliza direct informaţia despre comportarea dinamică a
sistemului conţinută în spaţiul fazelor pentru determinarea valorii parametrilor
funcţiilor de ieşire.
Controlerele fuzzy pot genera o suprafaţă de control continuă, dar neliniară, uti-
lizând un număr relativ mic de reguli de control.
Deşi pentru construirea spaţiului celular sunt necasare blocuri de calcul şi de
memorie suplimentare, în funcţionarea controlerului final sunt necesari doar pa-
rametrii ce definesc regulile şi deci acesta poate fi implementat relativ uşor cu
ajutorul unui microprocesor.
În raport cu tehnicile reţelelor neurale (cu care se aseamănă prin metodele nume-
rice utilizate), tehnicile de control fuzzy sunt mai bine structurate şi reproduc
mai direct latura calitativă a cunoştinţelor expertului uman.
3 .APARATURA SPECIFICĂ CONTROLULUI INTELIGENT AL
VEHICULELOR RUTIERE
Aparatura utilizată pe vehiculele inteligente, numită şi instrumentaţie, cuprinde trei
grupuri principale de echipamente:
- echipamente şi dispozitive destinate achiziţiei de date referitoare la starea vehi-
culului şi la mediu (inclusiv la alte vehicule participante la trafic), în special sen-
zori, traductoare şi blocurile specializate de achiziţie de date de la acestea,
inclusiv dispozitivele de conversie în forma numerică necesară prelucrării pe
calculatorul de bord a acestor date;
- structurile numerice necesare implementării legilor de control inteligent, de re-
gulă constituite într-un minicalculator realizat în jurul uneia sau mai multor uni-
tăţi de procesare de tip microprocesor pe 8 sau 16 biţi, conţinând evident şi blo-
curile de memorie aferente, magistralele de comunicaţie internă şi drivele aces-
tora, sistemul de adresare şi de întreruperi;
- echipamentele destinate materializării comenzilor, incluzând elemente de execu-
ţie directă şi gama de dispozitive de afişare (display) aflate la bord şi constituind
interfaţa cu operatorul – în această structură fiind incluse şi căile de transmisie a
comenzilor efectuate de operator, chiar dacă acestea în mod normal trebuie aso-
ciate cu aparatura din prima categorie, a intrărilor.
3.1 Dispozitive pentru achiziţia de date
Principala funcţie a dispozitivelor de achiziţie de date constă în uniformizarea modului de
prezentare a informaţiei furnizate de o clasă foarte vastă de senzori. Această mare diver-
sitate de senzori presupune existenţa de semnale electrice diverse la ieşirea acestora: ten-
siuni continue de la milivolţi la zeci de volţi, curenţi de la miliamperi la amperi, valori de
parametri (rezistenţă, inductanţă, capacităţi) într-o gamă foarte largă, impulsuri cu frec-
venţă variabilă sau cod de impulsuri. De cele mai multe ori senzorii utilizaţi au o structu-
ră particulară dictată de necesitatea de a fi amplasaţi în medii dificile, cu restricţii de ga-
45
barit şi în consecinţă nu conţin şi blocurile de condiţionare a semnalului prin care se
poate ajunge la semnalul unificat care este specific ieşirii unei familii de traductoare. În
acest sens şi denumirea de senzor este mai adecvată, pentru că noţiunea de traductor pre-
supune un dispozitiv care conţine şi un circuit de adaptare care furnizează de regulă un
semnal unificat în curent. În cazul senzorilor problema condiţionării semnalului revine
deci dispozitivului de achiziţie. De aceea, vom împărţii problema achiziţiei de date în
două secţiuni: una destinată unei succinte treceri în revistă a principalelor tipuri de sen-
zori utilizaţi în echiparea vehiculelor inteligente, cealaltă dedicată dispozitivelor care mij-
locesc transferul de informaţie către calculatorul de bord. Din acest punct de vedere se
vor lua în consideraţie doar soluţii prin care datele, fie analogice, fie numerice, sunt depu-
se în final sub formă de cod numeric într-o memorie tampon (buffer) de unde pot fi citite
fie direct în paralel, pe magistrala de date a calculatorului, fie transmise printr-un port se-
rial în alt buffer de unde pot fi preluate pentru procesare.
A. Senzori pentru autovehicule.
Trecerea în revistă a senzorilor se va face în exclusivitate după criteriul mărimilor fizice
măsurate, în cazul fiecărui tip fiind precizată obligatoriu natura semnalului de ieşire. Va-
riabilele care se întâlnesc cel mai frecvent în diferiţi algoritmi de control inteligent sunt:
temperatura lichidului de răcire; temperatura aerului admis; presiunea în galeria de admi-
sie; presiunea atmosferică; poziţia unghiulară a arborelui; turaţia motorului; poziţia clape-
tei de obturatoare; debitul de aer; debitul de combustibil; concentraţia de oxigen în gazele
arse. Alţi senzori pot fi utilizaţi pentru aprecierea unor stări caracteristice care nu influen-
ţează direct algoritmii de control (presiunea de ulei, presiunea în pneuri, temperatura în
habitaclu, etc.) sau care se utilizează în controlul deplasării (viteza de deplasare, poziţia
vehiculului din faţă, etc.).
Senzori pentru temperatură
Senzorii de temperatură se caracterizează printr-un domeniu relativ redus (plaja de maxi-
mum C100 ) şi prin timp mic de răspuns (de ordinul milisecundelor). Rezoluţia unor ast-
fel de senzori nu este foarte importantă, erori de %52 putând fi uşor acceptate. Ele-
mentul sensibil cel mai recomandat pentru satisfacerea acestor cerinţe este termistorul,
care este un semiconductor a cărui rezistenţă variază invers proporţional cu temperatura,
după o lege exponenţială care însă poate fi considerată cvasilineară pe un domeniu re-
strâns de variaţie a temperaturii (circa zece grade în jurul valorii de C85, în cazul lichi-
dului de răcire şi respectiv de la 20 la C40 în cazul temperaturii aerului de răcire).
O valoare tipică de rezistenţă a termistorului este de 100 ohmi la temperatura de C20
şi de circa 70 ohmi la temperatura de C100 . Circuitul de condiţionare pentru astfel de
elemente sensibile este simplu, de tip montaj potenţiometric, cu menţiunea că tensiunea
de ieşire variază invers proporţional cu temperatura. În cazul în care se doreşte o mai bu-
nă liniaritate, se asociază circuitul potenţiometric cu un adaptor realizat cu un amplifica-
tor operaţional cu reacţie.
Senzori pentru presiune
În mod curent parametrul de presiune cel mai des măsurat este presiunea de aer în galeria
de admisie, sesizată de regulă cu ajutorul unui senzor de presiune absolută în galerie. Se
46
ştie că presiunea din galerie depinde de starea de funcţionare a motorului şi de poziţia
clapetei de admisie. Motorul acţionează ca o pompă de aer. Când motorul nu funcţionea-
ză, presiunea din galerie este aceeaşi cu presiunea atmosferică. Din contră, când motorul
funcţionează, dacă clapeta ar fi închisă etanş, în galerie am avea vid (presiune absolută
zero). În realitate, închiderea clapetei nu e niciodată completă, aşa că presiunea din gale-
rie variază de la valori de ordinul de mm col. apă (cu clapeta închisă) până la valori apro-
piate de presiunea atmosferică (cu clapeta deschisă). Presiunea în galerie este în plus un
parametru care variază foarte rapid, cu frecvenţa:
120min]/[rotxs]/[cicluri nNf c ,
cu cN numărul de cilindri ai motorului.
Pentru realizarea funcţiilor de reglare este însă necesară doar valoarea medie a aces-
tei presiuni, ştiut fiind şi faptul că şi cuplul motor este proporţional cu această valoare
medie. Din acest motiv primele soluţii de măsurare a presiunii în galerie se bazau pe ca-
mere de tip aneroid realizate prin asocierea a două membrane între care s-a creat vid şi
încapsularea acestei camere, accesul aerului fiind permis printr-un tub de diametru foarte
mic, pentru a nu sesiza fluctuaţiile rapide. Deplasarea camerei aneroid este preluată de un
traductor de deplasare inductiv de tip transformator diferenţial liniar variabil, alimentat în
curent alternativ. Un astfel de traductor constă din două bobine cu miez antrenat prin cre-
şterea presiunii. În repaos, cele două bobine au aceeaşi inductanţă. Prin deplasarea celor
două inductanţe într-o punte (care joacă rol de adaptor), se obţine la ieşire o tensiune de
ieşire care depinde cvasilinear de valoarea medie a presiunii din galerie. În figura 1.23
este prezentată schema bloc a unui astfel de traductor, alimentat la o tensiune cu frecven-
ţa de 10 kHz.
OSCILA-TOR
Miez
Ane roid
aer galerie
ADAPTORpunte
inductivă
FILTRUmediere
IESU
Fig. 1.23.
În ultima perioadă traductoarele cu senzor de tip membrană metalică au fost înlocu-
ite cu traductoare având senzori piezorezistivi, dispuşi pe o membrană de siliciu ca în fi-
gura 1.24. Schema propusă conţine patru senzori conectaţi într-o punte rezistivă, având
mai multe avantaje: miniaturizare; posibilitatea de integrare şi a elementului de condiţio-
nare semnal; anularea erorilor de temperatură specifice punţilor rezistive prin utilizarea
de patru braţe active; posibilitatea de creştere a sensibilităţii prin utilizarea de senzori în
antifază (doi senzori plasaţi în braţe neadiacente îşi cresc rezistenţa cu presiunea, ceilalţi
doi senzori îşi scad rezistenţa la creşterea presiunii).
Deşi soluţia cu senzori de presiune integraţi în capsule de siliciu este cea mai per-
formantă, se mai întâlnesc şi alte soluţii tehnice. Dintre acestea vom mai menţiona doar
utilizarea unui traductor diferenţial cu element sensibil capacitiv şi circuit de condiţionare
47
de tip circuit oscilant la rezonanţă, care asigură o bună linearitate, poate fi realizat la di-
mensiuni reduse şi este robust, dar are dezavantajul utilizării unor circuite de preluare a
semnalului util cu impedanţă foarte înaltă.
marginediafragmă
conectormetalic (4)
piezorezistor (4)
Fig. 1.24.
Senzori depoziţie unghiulară şi de turaţie
Poziţia arborelui motor este unul dintre parametrii esenţiali în conducerea procesului de
combustie, de regulă ca principal reper pentru stabilirea secvenţelor temporale de coman-
dă. De obicei poziţia unghiulară de referinţă (0 grade) este punctul mort superior (PMS).
Deoarece un ciclu complet de la admisie până la evacuarea gazelor arse durează două ro-
taţii complete, unghiul arborelui mort, are o variaţie de la zero la C360 pentru un ciclu
motor complet. Deşi măsurarea poziţiei arborelui motor este mai exactă, evitându-se e-
roarea suplimentară datorată sistemului de reducţie, mulţi constructori preferă să plaseze
senzorul de poziţie unghiulară în distribuitor pentru a măsura poziţia axului cu cane.
Există foarte multe soluţii pentru măsurarea poziţiei unghiulare, dar toate folosesc
un principiu comun: sesizarea poziţiei unui element constructiv particular, pe care îl vom
numi insert (camă, pastilă magnetică, gaură, dinte, canelură ş.a.) amplasat pe un disc care
se roteşte solidar cu axul a cărui poziţie unghiulară se doreşte a fi măsurată. Trecerea re-
petată a insertului (pot fi dispuse mai multe pe disc) conduce la apariţia unui tren de im-
pulsuri care poate fi prelucrat direct numeric. În funcţie de natura acestui insert particular
se utilizează diferite elemente sensibile, dintre care menţionăm:
- bobina cu miez feromagnetic, a cărei reluctanţă se modifică la modificarea între-
fierului produsă de prezenţa insertului; variaţia de reluctanţă este apoi preluată
de un circuit adaptor;
- senzor de tip Hall care oferă la ieşire un semnal electric în tensiune atunci când
în dreptul său ajunge un insert de tip magnet permanent care duce la modificarea
câmpului magnetic local;
- senzor de tip fotoelectric (fotodiodă, fototranzistor) care sesizează întreruperea
(sau refacerea) fluxului luminos al unei surse optice (de obicei LED) provocată
de prezenţa insertului.
48
În toate aceste situaţii este posibilă fie contorizarea mai multor impulsuri, pe o pe-
rioadă fixată de timp, pentru a obţine un număr proporţional cu turaţia (o turaţie mai mare
duce la numărarea de mai multe impulsuri în acelaşi interval), fie măsurarea intervalului
dintre două impulsuri, care ar putea reprezenta chiar poziţia arborelui în raport cu cea de
referinţă. În figura 1.25 se prezintă schema de principiu pentru un sistem numeric de mă-
surare după caz a turaţiei (de fapt frecvenţa de impulsuri) sau a poziţiei (de fapt intervalul
între două impulsuri).
Formatorde
impulsuri
Circuitpoartă
Generatorimpulsuricalibrate
xf
cf
Numărător
Numărător
disc
insert
senzori(magnetic, optic)
Fig. 1.25.
Impulsurile sesizate de senzor sunt transmise cu frecvenţa xf spre circuitul poartă,
unde se mai aplică şi un tren de impulsuri de referinţă (calibrare) având frecvenţa cf . Ie-
şirea din circuitul poartă este tot un tren de impulsuri ce vor fi numărate în blocul Numă-
rător. Dacă se doreşte măsurarea intervalului dintre două impulsuri (deci poziţia unghiu-
lară) frecvenţa impulsurilor calibrate cf trebuie să fie mult mai ridicată (de exemplu de
1000 de ori mai mare decât frecvenţa de rotaţie, şi atunci la C360 corespund 1000 de
impulsuri). Dacă se doreşte măsurarea turaţiei, cf trebuie să fie mult mai scăzută decât
xf , de exemplu să corespundă la perioade fixe de 1 secundă (1 Hz) sau 10 secunde (0,1
Hz). În acest interval numărul de impulsuri care se stochează în numărător este proporţio-
nal cu turaţia. Conţinutul numărătorului este transferat şi memorat într-un registru tam-
pon, de unde datele pot fi preluate fie de calculatorul de proces care asigură conducerea
automobilului, fie de un dispozitiv de afişare pentru a le transpune sub formă de indicaţii
pe consola operator. În această ultimă situaţie este necesară scalarea prealabilă a datelor
pentru a fi reprezentate în unităţi de măsură uzuabile (rot/s sau rot/min). Scalarea este o
operaţie care de regulă se face software, în calculatorul de bord, dar există posibilitatea
de a calibra în mod corespunzător impulsurile de referinţă pentru ca să se obţină exprima-
rea numărului de impulsuri în unitatea de măsură dorită.
Senzori de debit
Senzorii de debit se folosesc pentru dozarea principalelor componente ale amestecului
combustibil: aer, respectiv carburant. Deşi diferite sisteme de control propun fie dozaj fix
de aer şi variabil de combustibil, fie dozaj fix de combustibil şi variabil de aer, din punc-
tul de vedere al senzorilor este preferabilă ultima variantă, în sensul că pentru debitul de
aer se pot propune traductoare mai simple, mai robuste şi cu performanţe bune. Dintre
49
acestea cel mai bine cotat la acest moment este debimetrul cu “fir cald”. “Firul cald” este
un element rezistiv (poate fi şi peliculă metalică depusă pe un substrat izolant) prin care
circulă un curent ce îl menţine la o temperatură constantă într-un mediu fără variaţii de
curent atmosferic. Plasat într-un flux de aer, senzorul îşi modifică rezistenţa, care scade
prin răcire cu cât debitul de aer este mai pronunţat. De regulă, senzorul se plasează în
braţul unei punţi Wheatstone având în celelalte braţe rezistenţe fixe, tensiunea de
dezechilibru fiind proporţională (din păcate neliniar) cu debitul. În figura 1.26 se prezintă
schema bloc a unui traductor de debit de aer principiul menţionat.
AO
R
R R
fircald
AU
Convertorteniune/frecvenţă
spre bloc de prelucrare
numeric a frecvenă ţei
Fig. 1.26.
Pentru a nu complica circuitul de adaptare, se recomandă utilizarea unui convertor
tensiune frecvenţă care să ofere la ieşire un tren de impulsuri ce urmează să fie preluat de
o schemă similară cu cea descrisă în figura 1.25, iar neliniaritatea să fie rezolvată prin
prelucrare numerică adecvată de calculatorul de bord.
Este evident că soluţia “firului clad” nu este posibilă într-un mediu inflamabil şi
deci nu poate fi utilizată pentru măsurarea debitului de benzină. Dacă totuşi se doreşte
măsurarea debitului de combustibil, se pot folosi traductoare bazate pe principiul modifi-
cării secţiunii de scurgere, prin utilizarea de diafragme asociate cu un traductor de presiu-
ne diferenţială. Soluţia este mai complicată şi are şi dezavantajul că poate duce la erori
datorită impurităţilor ce pot obtura parţial secţiunea de scurgere.
Senzori pentru compoziţia gazelor evacuate
Cunoaşterea concentraţiei diferitelor componente chimice în gazele eşapate este din ce în
ce mai importantă, dat fiind presiunile antipoluante tot mai accentuate şi legislaţia care a
devenit foarte severă în ce priveşte noxele. Există, aşa cum se va vedea în capitolul 2, nu-
meroase soluţii de conducere optimală în sensul minimizării noxelor, dar majoritatea sunt
bazate pe controlul unui singur parametru: conţinutul de oxigen din gazele evacuate în at-
mosferă. Un conţinut cât mai sărac în oxigen în gazele arse dovedeşte o ardere mai com-
pletă şi deci şi o utilizare optimă a combustibilului. Deoarece arderea cea mai bună se ob-
ţine atunci când se asigură un raport stoichiometric între aer şi combustibil şi întrucât
uzual se notează cu lambda parametrul care caracterizează acest raport (lambda > 1 – aer
în exces; lambda < 1 combustibil în exces), senzorul ce determină conţinutul de oxigen în
gazele evacuate se numeşte sondă lambda.
Cel mai utilizat senzor de acest tip se bazează pe utilizarea unor oxizi metalici ac-
tivi, cei mai frecvent folosiţi fiind dioxidul de zirconiu (ZrO2), respectiv de titaniu (TiO2).
50
În figura 1.27 se prezintă schema de principiu a unui astfel de senzor (a – montarea; b –
secţiune în senzor).
aer
gaze arse
AUAU
2ZrO electrozi
pelicula poroasprotectoare
ă
gaze arse
aer
(a) (b)
Fig. 1.27.
În principiu, senzorul constă dintr-o plachetă de oxid activ plasată între doi electrozi
de platină. Unul din electrozi este plasat în contact cu aerul atmosferic, celălalt în contact
cu gazele eşapate prin intermediul unei pelicule protectoare poroase. Principiul de func-
ţionare se bazează pe proprietatea ZrO2 de a atrage ionii negativi şi va deveni mai negativ
decât cel în contact cu gazele arse. Diferenţa de potenţial este cu atât mai mare cu cât ar-
derea este mai completă. Singurul dezavantaj al acestui tip de senzor, dar de care trebuie
să se ţină foarte bine seama, este prezenţa fenomenului de histerezis, accentuat şi de tem-
peratura cu care sunt eşapate gazele arse.
Alte tipuri de senzori
Senzorii prezentaţi până acum sunt cei mai frecvent utilizaţi în conducerea cu calculator a
motoarelor. Există şi alte categorii de senzori care permit caracterizarea stării de funcţio-
nare a autovehiculului, fără a interveni direct în procesul de reglare, ci doar ca furnizori
de mărimi necesare corecţiilor sau avertizării unor pericole potenţiale. Vom îngloba în
această categorie senzori care indică presiunea de ulei, presiunea în pneuri, temperatura
în incinta automobilului. Există de asemenea o serie de mărimi care se determină prin
măsurare indirectă. Astfel, cuplul motor, deşi poate fi măsurat direct, se ia de regulă în
consideraţie în funcţie de presiunea în galeria de admisie. Pe de altă parte, cunoscând cu-
plul motor şi turaţia motorului se poate calcula puterea utilă a motorului, parametru im-
portant în caracterizarea eficienţei exploatării motorului. Există unele firme (şi numărul
lor este în creştere) care utilizează senzori de “şoc” care permit măsurarea gradientului de
creştere a presiunii în cilindru în timpul combustie, pentru a evita apariţia unor detonaţii
atunci când apare o combinaţie nefavorabilă de presiune ridicată şi avans excesiv. Senzo-
rii de “şoc” se realizează de regulă pe principiul traductoarelor de acceleraţie, folosind
elemente sensibile megnetostrictive sau piezoelectrice care supuse la efort produc o vari-
aţie de semnal electric (prin modificarea câmpului magnetic, respectiv al celui electrosta-
tic). Tot în categoria senzorilor cu aplicaţii particulare sunt senzorii care măsoară poziţia
clapetei obturatoare, realizaţi de regulă cu elemente sensibile rezistive, în montaj poten-
ţiometric. Aşa cum se poate observa, majoritatea acestor senzori sesizează mărimi de
51
tipul celor analizate (presiune, poziţie) şi nu necesită explicaţii suplimentare privind mo-
dul de funcţionare.
Există de asemenea o serie de senzori care permit localizarea vehiculului în mişcare
în raport cu alte vehicule sau cu repere fixe situate pe artera de circulaţie. Dintre acestea,
cei mai utilizaţi sunt cei de viteză de deplasare şi de evaluare a distanţei până la un obsta-
col (fix sau mobil). Aspecte referitoare la aceşti senzori şi la tipuri mai complexe de eva-
luare a poziţiei vehiculului (inclusiv utilizând vederea artificială) vor fi descrise în capito-
lul 3.
Vom încheia această secţiune cu enumerarea parametrilor măsuraţi prin sistemul de
senzori care echipează modelul Ford AXOD-E 1991, proiectat astfel încât să se asigure
un optim după consum şi care foloseşte o variantă perfecţionată de echipament electronic
de control EEC – IV:
- un senzor care sesizează poziţia manetelor de comandă, pentru a preciza starea
autovehiculului (parcat; în mişcare; supraturat; repaus);
- un senzor magnetic cu reluctanţă variabilă care oferă un semnal tren de impul-
suri corepunzând turaţiei arborelui motor (rot/min);
- un termistor pentru măsurarea temperaturii uleiului;
- un potenţiometru care oferă un semnal proporţional cu poziţia clapetei obtura-
toare;
- un anemometru cu “fir cald” care măsoară debitul de aer;
- un senzor cu efect Hall care determină poziţia axului cu came;
- un termistor pentru măsurarea temperaturii lichidului de răcire;
- un termistor pentru determinarea temperaturii aerului atmosferic;
- un indicator bipoziţional care indică situaţia sistemului de frânare.
B. Sisteme integrate de achiziţie de date de la senzori
Faptul că pentru desfăşurarea în bune condiţii a proceselor de control inteligent sunt ne-
cesare informaţii de la mai mulţi senzori a condus la ideea utilizării unor structuri specia-
lizate de achiziţie a unui grup de mărimi, fie sub formă de intrări numerice, fie de intrări
analogice.
În cazul intrărilor numerice problema nu este prea dificilă, deoarece semnalul (fie
sub formă de valori binare statice, fie tren de impulsuri binare, fie combinaţii de cod)
poate fi transmis ca variaţie de tensiune (0V – corespunzător la “0 logic”, +5V – cores-
punzător la “1 logic” şi preluat în mod corespunzător de un registru de memorare tampon
(buffer) care poate fi citit ca un port paralel pe magistrala de date a calculatorului de
bord. Evident, există posibilitatea de a folosi un port serial specializat pentru achiziţia tre-
nurilor de impulsuri.
În cazul intrărilor analogice apar unele complicaţii din cauza necesităţii de a asigura
conversia analog/numerică. Cum convertorul analog/numeric este un circuit scump şi
pretenţios în exploatare, se caută soluţii pentru a nu folosi câte un CAN pentru fiecare
intrare analogică în parte, exceptând situaţia (deocamdată în fază experimentală) de a uti-
liza traductoare “inteligente” a căror structură înglobează atât convertorul cât şi interfaţa
de cuplare la magistrală (paralel sau serial). În cazul în care se utilizează senzori clasici, o
soluţie de sistem eficient de achiziţie este prezentată în figura 1.28. Schema se bazează pe
folosirea unui circuit de multiplexare analogică, care permite aducerea pe rând a unei mă-
rimi de intrare ),,1( Nixi , cu N de obicei 8 sau 16, la intrarea unui convertor analog
52
numeric unic. Miltiplexorul asigură totodată separarea galvanică a intrărilor de proces de
schemele electronice ce asigură controlul. Accesul la convertor este intermediat de un
dispozitiv de eşantionare şi reţinere, frecvenţa de eşantionare fiind dictată de viteza cu
care trebuie reîmprospătate datele de proces şi bineînţeles de viteza de conversie a CAN.
Pe durata conversiei valoarea datelor este menţinută constantă de secţiunea de reţinere a
dispozitivului menţionat.
Dispozitiv deeşantionareşi reţinere
Amplificatorreglabil
(opţional)
Convertoranalog/numeric
Registrutampon(buffer)
1x
2x
nx
Multiplexoranalogic Bloc de
comand /selec
ăţie
Fig. 1.28.
O problemă aparte o constituie gama semnalelor de intrare. Dacă fiecărui senzor îi
este asociat un circuit de adaptare (înainte de multiplexare), atunci toate semnalele ce
ajung la CAN pot fi în aceeaşi gamă. Dacă însă gama de variaţie a semnalelor de intrare
diferă, este necesară introducerea unui bloc suplimentar (punctat în figură) numit amplifi-
cator reglabil şi care în fond joacă rolul unui circuit de adaptare, amplificând sau atenu-
ând semnalul până la aducerea acestuia în gama acceptată de CAN. Desigur, alegerea
factorului de amplificare trebuie corelată cu canalul care a fost selectat de multiplexor.
Acest lucru este realizat prin adresarea adecvată asigurată de un bloc de comandă care cu-
mulează mai multe funcţii: selectarea canalului de intrare, selectarea factorului de ampli-
ficare, stabilirea frecvenţei de eşantionare, determinarea momentului de început şi respec-
tiv de sfârşit al conversiei, validarea memorării în sau citirii din registrul tampon. În
multe cazuri funcţiile acestui bloc sunt preluate de calculatorul de bord, dar chiar dacă
blocul de comandă apare ca unitate distinctă el trebuie să comunice prin sistemul de în-
treruperi cu calculatorul de bord. Unele detalii privind comunicaţia dintre blocul de achi-
ziţie de date şi echipamentul de control vor fi prezentate şi în secţiunea imediat următoa-
re.
3.2 Structuri numerice pentru implementarea legilor de control
Deoarece scopul acestei lucrări este acela de a prezenta în primul rând proceduri şi teh-
nici de control şi mai puţin suportul hardware al acestora, ne vom limita în cele ce urmea-
ză doar la descrierea sumară a unor tipuri de circuite VLSI specializate pentru conducerea
motoarelor cu combustie internă, care se impun din ce în ce mai mult pe piaţa mondială.
Cele mai răspândite structuri de control inteligent al autovehiculelor se bazează pe
utilizarea unor procesoare specializate, realizate cu unităţi centrale pe 8 biţi (rareori pe 16
biţi), pentru a permite miniaturizarea arhitecturală, o construcţie robustă şi timpi de exe-
cuţie foarte reduşi. Acest lucru este posibil în majoritatea situaţiilor de conducere a pro-
cesului de combustie, unde precizia este mai puţin importantă decât viteza de furnizare a
comenzilor. Situaţia se complică atunci când se doreşte asistarea calculatorului de bord
53
de un sistem expert pe bază de cunoştinţe, care necesită o memorie considerabilă şi la
care capacitatea de procesare trebuie să crească foarte mult. Chiar şi în aceste cazuri se
preferă o soluţie de tip sistem multiprocesor, care utilizează mai multe unităţi de procesa-
re nu foarte complicate, cu funcţii specializate (achiziţie, prelucrare primară, explorare
bază de reguli, elaborare decizie, distribuţie comenzi) şi nu se folosesc calculatoare puter-
nice prevăzute cu o singură unitate centrală multiperformantă. Arhitectura distribuită, pe
lângă avantajul de a permite procesarea în paralel a mai multor funcţii, îl oferă şi pe acela
de a permite implementarea anumitor procesoare cu structuri particulare de tip reţele neu-
rale, transputere ş.a.
În figura 1.29 este prezentată schema bloc a unui procesor (microcontroler) constru-
it în jurul unei unităţi centrale (CPU) de tip INTEL 8051, care la rândul său serveşte drept
nucleu pentru o structură specializată de calculator de bord realizată de firma Siemens,
integrată sub forma de circuite VLSI în familia de circuite SAB 80517.
ceas
CPU80C51
usart(SIO)
32/10div
16x16mul
RAM2ko
ROM8ko
Timer0,1,2
watchdog
sursaalim.prog.
portmag.adre-
se
blocachi-zi
&HMUX)
ţiedate
(CAN,S
portintr.anal.
portintr./ies.num.(3x8)
portmag.con-trol
portmag.date
MAGISTRALA INTERNĂ (8 BIŢI)
Fig. 1.29.
Schema din figura de mai sus evidenţiază structura maximală a unui microcontroler,
în care se observă conectarea pe magistrala internă (de 8 biţi) a tuturor blocurilor funcţio-
nale. Se remarcă utilizarea unui bloc de calcul specializat pentru accelerarea calculelor,
conţinând un multiplicator numeric între doi operanzi pe 16 biţi fiecare şi un divizor între
un operand de 32 de biţi şi altul de 16 biţi. Utilizarea unui astfel de bloc de calcul permite
realizarea rapidă, hardware, a tuturor operaţiilor de corecţie care implică înmulţirea cu
constante şi coeficienţi stabiliţi empiric în faza de experimentări. Memoria adresată de
unitatea centrală nu este prea mare (8k ROM pentru programele de bază şi de aplicaţii,
respectiv doar 2k RAM pentru stocarea rezultatelor parţiale), dar acest lucru este explica-
54
bil întrucât se doreşte ca timpul de acces la informaţiile stocate în memorie să fie cât mai
redus. În acest scop o zonă RAM de 256 biţi este configurată ca memorie cache. Prezenţa
mai multor registre, corelate cu turaţia motorului. Structura cuprinde şi blocuri de intrare/
ieşire, atât pentru semnale numerice cât şi pentru semnale analogice. Unul din aceste blo-
curi conţine un sistem de achiziţie de date analogice de tipul celui din figura 1.28, com-
pus dintr-un multiplexor pentru 12 canale, dispozitiv de eşantionare şi reţinere şi conver-
tor analog-numeric. Pentru semnale numerice sunt prevăzute trei porturi cu 24 de intrări/
ieşiri configurabile. Nu sunt prevăzute ieşiri analogice, obţinerea acestora fiind făcută în
secţiunea de forţă asociată cu comanda elementelor de execuţie, pe baza comenzilor nu-
merice în cod furnizate fie prin bufferul magistralei de date (paralel), fie serial prin blocul
de comunicare de tip SISO (serial input/output), care în figură a fost definit ca un bloc de
comunicare sincronă sau asincronă USART, care are şi funcţia de a prelua şi intrările de
tip tren de impulsuri. Structura descrisă mai cuprinde şi porturile tristate pentru celelalte
magistrale externe (de adrese şi respectiv de comenzi) şi un bloc de asistare a secvenţelor
temporale de tip watch-dog.
În figura 1.30 este descrisă structura la nivel de blocuri a unui calculator de bord
construit în jurul unităţii centrale Siemens 80C517A. Schema evidenţiază trei tipuri de
circuite de condiţionare a semnalelor furnizate de senzori, circuite de distribuire a comen-
zilor (drivere) şi circuite de amplificare în putere (APT) pentru furnizarea comenzilor.
Circuitele din prima categorie au fost grupate după natura senzorilor şi a circuitelor de
adaptare a semnalelor de intrare. În acest sens există un bloc separat de intrare pentru a-
daptoarele tip punte rezistivă cu senzor “fir-cald” şi un altul pentru condiţionarea semna-
lelor provenite de la senzorii de temperatură şi de la sonda lambda, toate aceste semnale
analogice fiind apoi preluate de portul de intrări analogice. Un alt bloc condiţionează in-
trările de tip tren de impulsuri care vor fi preluate de SIO, în vreme ce intrările numerice
binare (de tip releu) sunt condiţionate de un bloc ale cărui ieşiri vor fi preluate de porturi-
le de intrări numerice. În secţiunea de ieşire, unul dintre drivere furnizează comenzi, după
caz (motor cu carburaţie sau cu injecţie) la injectoare sau la bujii. Un alt driver furnizează
comenzi pentru elementele de execuţie de tip motor care asigură deplasarea unor clapete
(pentru controlul admisiei, pentru controlul recirculării gazelor arse) sau pentru efectua-
rea de corecţii necesare evaluării corecte a unor parametrii de conducere a proceselor. Ie-
şirile din drivere sunt amplificate în putere de scheme electronice realizate cu tiristoare de
putere (APT). Secţiunea de ieşire mai conţine un port de control care asigură interfaţa cu
consola operatorului de la bordul vehiculului. Această interfaţă permite atât afişarea unor
informaţii de diagnoză cu caracter calitativ (în special atingerea sau depăşirea unor limite
de funcţionare normală), cât şi introducerea unor comenzi ale pilotului pentru selectarea
regimului de funcţionare şi pentru efectuarea de corecţii.
În încheierea acestei secţiuni vom menţiona funcţiile care pot fi asigurate cu circui-
tele din familia SAB 80517, numai prin ataşarea unor circuite periferice de achiziţie date
şi respectiv de distribuţie comenzi. Funcţiile de bază, asigurate de toate componentele
familiei, sunt:
injecţia distribuită la maşini cu 4/6 cilindri;
aprinderea prin bobină dublă;
control în buclă închisă după conţinutul de oxigen în gazele de evacuare şi doza-
re amestec carburant cu debit variabil de aer;
detecţia încărcării în sarcină prin măsurarea presiunii în galeria de admisie.
55
Adapt.intr.anal.
Adapt.trenimp.
Adapt.intr.
bipoz.de
aver-tiz
AO
temp. lichid
turaţie motor
temp. aer
sonda lambda
poziţie ax
şoc deton.
poz. scaun
temp. ulei
pres. ulei
climatizare
avans scant.
punte“fir
cald”
debit aer
sursa detensiune
SIEMENS80C517A
MemorieRAM/ROM
Drive1
Drive2
Portcon-trol
APT
APT
APT
APT
APT
APT
APT
indicatori de starepentru diagnoză
întrerupericonsola operator (bord)
recirculare gaze
corecţii
comanda avans
comanda clapeta
dozaj amestec
injector 1injector 2
injector 3injector 4
bujie 1/4
bujie 2/3
Fig. 1.30.
La aceste funcţii de bază se adaugă, în funcţie de complexitatea structurii: detecţia
şi evitarea pericolului de detonaţie; corecţii pentru aprindere şi dozaj; calculul consumu-
lui; controlul unghiului dwell; controlul şi limitarea automată a vitezei; recircularea gaze-
lor arse; diagnoza stării vehiculului, inclusiv a stării de confort.
Vom menţiona de asemenea că în 1994 firma Siemens a propus un nou circuit, mai
puternic (16 biţi): SAB 80C166.
3.3 Soluţii pentru preluarea şi executarea comenzilor furnizate de
sistemele de control inteligent
A. Elemente de execuţie
Elementele de execuţie ce vor fi menţionate în cele ce urmează sunt cele destinate să
preia cele trei tipuri de comenzi principale furnizate de sistemul de control inteligent:
pentru realizarea amestecului combustibil; pentru furnizarea scânteii; pentru recircularea
gazelor arse.
Elemente de execuţie pentru dozaj. Există, aşa cum s-a menţionat deja, două mari
categorii de sisteme care asigură dozajul cu asistare electronică: carburatoarele electroni-
ce şi injectoarele. Pentru ambele categorii se vor prezenta detalii în capitolul 2.1, aşa că
acum menţionăm doar că în ambele cazuri comenzile electrice sunt preluate de bobine de
tip solenoid care comandă deschiderea unor valve ce permit dozarea raportului aer/com-
bustibil. În fond, este vorba de elemente de execuţie de tip electromagnet, la care câmpul
magnetic creat este proporţional cu curentul electric care trece prin bobina solenoid.
Esenţial în dinamica acestor elemente de execuţie este timpul redus de răspuns atât
la deschidere cât şi la închidere şi absenţa histerezisului, precum şi posibilitatea de a fi
acţionate ciclic cu o frecvenţă ridicată. În maoritatea cazurilor, după atingerea unei frec-
56
venţe limită (maximă), aceasta este menţinută constantă, corespunzător duratei minime
necesare închiderii/deschiderii valvei. Semnalul de comandă poate fi furnizat direct de
calculator sub forma de tren de impulsuri, eventual cu durată/pauză reglabilă, sau prin
intermediul unei interfeţe care converteşte o valoare binară în semnal de durată reglabilă.
Elemente de execuţie pentru aprindere. În principiu, şi în această situaţie elementul
de execuţie este tot o bobină, asociată însă cu un distribuitor. Schema de principiu este
prezentată în figura 1.31, dar detaliile depind foarte mult de soluţia tehnologică.
Blocelectronic
de comandă
BobinăinducţieComutator
Baterie
Distribuitor
S
Fig. 1.31.
Elemente de execuţie pentru recircularea gazelor arse
Un astfel de element de execuţie este o servovalvă care asigură prin deschiderea/închide-
rea sa ca o parte din gazele de emisie să fie reintroduse în galeria de admisie. Soluţia de
principiu este prezentă în figura 1.32. Valva principală este acţionată pneumatic, de o dia-
fragmă care se deschide atunci când în galeria de admisie este o presiune foarte scăzută
(vacuum). În absenţa vacuumului valva este închisă prin efectul unui resort mecanic. La
rândul sau, vacuumul este controlat de o bobină solenoid acţionată de ieşirea sistemului
de control inteligent. Când solenoidul primeşte energie, se asigură vacuumul necesar des-
chiderii valvei principale. Când prin solenoid nu trece curent, vacuumul este “tăiat”. Ca
atare, debitul de gaze recirculate depinde de durata trecerii curentului prin solenoid.
B. Sisteme de afişare la bord
Sistemele de afişare (display) amplasate la bordul vehiculelor au evoluat mult în ultima
perioadă, mai ales datorită facilităţiilor furnizate de sistemele de control inteligent. Dacă
la început aceste afişări se făceau prin becuri de semnalizare, de obicei a unor situaţii li-
mită (de avertizare sau de avarie), prin utilizarea de circuite optoelectronice mai evoluate
s-a ajuns la afişarea de mesaje (numere şi cuvinte), iar în final la afişarea pe display de
tub catodic, ca la orice calculator. Situaţia intermediară, de afişare de mesaje cu dispoziti-
ve optoelectronice s-a bazat multă vreme pe utlizarea sistemului cu celule “şapte segmen-
te” realizate cu diode electroluminiscente (LED) sau cu cristale lichide. O astfel de celulă
permite afişarea cifrelor de la zero la nouă şi a unui număr limitat de litere: A, b, C, d, E,
F, care ar putea servi la tipărirea unor mesaje scurte. Mai evoluate sunt sistemele cu celu-
le matriciale, care permit afişarea oricărei cifre şi a oricărei litere din alfabet. Capacitatea
57
de afişare a mesajelor este sporită, fiind limitată doar de numărul de celule utilizate. De
altfel, nici numărul de celule nu este un impediment decisiv, deoarece mesajele pot fi
transmise în maniera “circulantă”, cuvintele succedându-se serial. Este adevărat că acea-
stă manieră de reprezentare nu este convenabilă pentru pilot, care are nevoie de atenţie
distribuită în pilotaj şi nu poate urmării mesaje decât la momente scurte de timp.
diafragmă
resort
Valvainch.
Sole-noid
Sursa devacuum
Curent decomandă
valvinchis
ăă
gaze arse
la galeriade admisie
Fig. 1.32.
Varianta cea mai completă, cu display cu tub catodic, oferă numeroase facilităţi su-
plimentare. Această soluţie implică evident o placă grafică specializată, memorie RAM
video de mare capacitate şi terminalul video specializat. O schemă de principiu este re-
prezentată în figura 1.33.
Senzori
Procesorconsolaoperator
Controler(plac
grafic )ăă
Scanare
VideoRAM
Terminalvideo
Semnal
serial
Semnal
video
Deflecţie
Sinc.vert.
Sinc.oriz.
Mag. adrese
Mag. date
Fig. 1.33.
Procesorul pentru controlul consolei operator (numit şi procesor pentru instrumenta-
ţie) comunică cu controlerul video (numit şi placă grafică) prin magistralele de adrese şi
respectiv de date, care accesează memoria video şi printr-un canal serial, de tip UART
58
(emiţător/receptor asincron universal). Datele stocate în RAM video pot fi afişate ca
structuri grafice (mesaje, ideograme, pictograme) pe display. Placa grafică poate conţine,
în funcţie de complexitatea aplicaţiei, un procesor specializat în aplicaţii grafice, dar
acest lucru nu este neapărat necesar; obligatorii în schimb sunt circuitele VLSI numite vi-
deogeneratoare, care asigură semnalele necesare scanării spotului pe ecranul video.
Pentru o mai bună înţelegere a modului în care poate fi valorificat un astfel de dis-
play, vom lista în încheiere principalele informaţii ce pot fi afişate: consumul de combus-
tibil; distanţa care mai poate fi parcursă cu combustibilul rămas; ora curentă; turaţia mo-
torului; temperatura motorului; presiunea de ulei; presiunea în pneuri; temperatura în ha-
bitaclu.
top related