Beruflich Dokumente
Kultur Dokumente
Optimaler Reglereinstellung
Optimaler Reglereinstellung
Studenten
Dominic Erb
Daniel Wiesendanger
Matthias Frei
MSRT – Praktikum: Dynamisches Verhalten eines Regelkreises MT08C
Inhalt
Inhalt 2
Aufgabenstellung 3
Auswertung 4
Sprungantwort 4
Reglereinstellung nach Latzel 4
Regler einstellen nach Chien, Hrones und Reswick 6
Fazit 7
Anhang 8
Aufgabenstellung 8
Grafik der Sprungantwort 8
Simulink-Modell 9
Matlab-Programm 10
Aufgabenstellung
Für die Füllstandsanlage sind die optimalen Regelparameter für ein gutes Führungsverhalten
mit 10% Überschwingung zu ermitteln. Dazu müssen die Einstellverfahren von Latzel und
Chien-Hrones-Reswick angewendet werden.
Der Zufluss zum Behälter erfolgt über eine Pumpe, welche von einem Frequenzumrichter
gesteuerter Motor angetrieben wird. Die Füllstandshöhe wird mit einem Ultraschall- Sensor
erfasst, der Messbereich beträgt 100 – 1400mm. Dieses Signal wird danach in ein
elektrisches Spannungs- Normsignal gewandelt. Der Abfluss- Volumenstrom, die Störgrösse,
kann durch 3 von Hand zu betätigende Ventile verändert werden. In diesem Praktikum wird
mit der Störgrösse znormal gearbeitet.
Auf dem unten gezeigten Anlageschema sieht man den Aufbau der Anlage mit einer PT1
Strecke. Um eine PT3 Strecke zu simulieren, wurden an den Ausgang der PT1-
Regelstrecke zwei weitere PT1- Simulationsgliedern in Reihe angeschlossen.
Abbildung 1Anlageschema
Auswertung
Sprungantwort
Herausgelesene Messdaten:
Tu: 26s
Tg: 111s
t10%: 35.5s
t50%: 81.57s
t90%: 163.2s
Abbildung 2 Sprungantwort
Aus der Sprungantwort werden graphisch die benötigten Werte heraus gemessen.
Mit diesem Wert kann man aus der untenstehenden Tabelle die Werte n, , , und
durch Interpolation herauslesen.
n=3.2
Um Tn und Kp zu berechnen, muss man erneut Werte aus der untenstehender Tabelle
entnehmen.
Mit den erhaltenen Werten Kp und Tn kann der Regler im Matlab simuliert und an der Anlage
gemessen werden.
Aus den untenstehenden Tabellen entnimmt man die Werte, die man braucht um Kp und Tn
zu berechnen. Man bekommt also zwei Kp und zwei Tn Werte. Aus diesen beiden nimmt
man den Mittelwert.
Aus den erhaltenen Werten wird der Mittelwert(Kp=1.52, Tn=122.1) gebildet und
anschliessend der Regler im Matlab simuliert und an der Anlage gemessen.
Fazit
Auch wenn der Vergleich der Kurven zeigt, dass bei einer Reglereinstellung nach CHR* mit
einem viel höheren Kp gearbeitet wird (CHR: Kp=1.53, Latzl: Kp=0.62), so wird bei beiden
Verfahren ungefähr dieselbe Zeit gebraucht, bis das System eingeschwungen ist.
Interessant ist, dass nach Latzl wie auch nach CHR die Phase von Simulation und Messung
sehr gut überlagert, die Amplituden der Simulationen jedoch kleiner sind. Auch
Überschwingen beide Verfahren in der Simulation ziemlich genau die angestrebten 10%
(effektiv 11.5%). In der Messung jedoch werden markante Abweichungen festgestellt (19 und
20%). Die Abweichungen der gemessenen zu den simulierten Werten sind vermutlich auf die
nichtlinearität der Anlage zurückzuführen.
Im Allgemeinen kann gesagt werden, dass beide Verfahren sich gut eignen zur
Reglereinstellung und ein gutes Ergebnis liefern. Der Vorteil von der Vorgehensweise nach
Latzl liegt bei einem flacheren Anstieg der Kurve(kleineres Kp), wohingegen beim CHR-
Verfahren weniger zu rechnen ist.
Abbildung 7 - Reglereinstellungsgrafik
*Mit CHR ist das Verfahren zur Reglereinstellung nach Chien, Hrones und Reswick gemeint
Anhang
Aufgabenstellung
Simulink-Modell
Matlab-Programm
clear, clc;
T1=30; % zeitkonstante
Tn=51.86; % schwingungsdämpfung
Kp=0.63; % reglerverstärkung
R=0; % Regler auf open loop
Ye=1.0576; % y-startwert
Ya=3.84934; % y-endwert
Ts=290; % startzeit
Ks=1.34; % proportionalitätskonstante
Yk=0; % korrektur
sim('e_100430_reglereinstellungsmodell') % ausführen der simulation
plot(out.time,out.signals.values,'r','LineWidth',2);
hold on;
load e_100430_reglereinstellungsdaten1.mat % laden der messdaten
plot(Zeit,Istwert,'k','LineWidth',2);
plot(Zeit,Reglerausgang,'b','LineWidth',2);
Ye=1.41984; % y-startwert
Ya=5.18363; % y-endwert
R=1; % Regler auf closed loop
Yk=0; % korrektur
sim('e_100430_reglereinstellungsmodell') % ausführen der simulation
plot(out.time,out.signals.values,'g','LineWidth',2);
load e_100430_reglereinstellungsdaten2.mat % laden der messdaten
plot(Zeit-92.7917,Istwert,'--g','LineWidth',2);
Tn=122.1; % schwingungsdämpfung
Kp=1.52; % reglerverstärkung
sim('e_100430_reglereinstellungsmodell') % ausführen der simulation
plot(out.time,out.signals.values,'m','LineWidth',2);
load e_100430_reglereinstellungsdaten3.mat % laden der messdaten
plot(Zeit-92.7917,Istwert,'--m','LineWidth',2);