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.