طراحی کنترل کننده پیشبین مقاوم متمرکز برای سیستم تهویه مطبوع خودرو
پگاه خاوش
1
(
دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران
)
امین رمضانی
2
(
دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران
)
سجاد ازگلی
3
(
دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران
)
کلید واژه: تهویه مطبوع خودرو سیکل تبرید اغتشاشات ناشناخته کنترل پیشبین مقاوم,
چکیده مقاله :
سیستم تهویه مطبوع خودرو بر مبنای سیکل تبرید کار میکند. سادهترین مدل این سیکل، چندورودی و چندخروجی و همچنین دارای محدودیتهای عملگری میباشد، بنابراین کنترل کننده ی پیشبین مدل، با ویژگیهایی که دارد یک رویکرد مناسب برای کنترل این سیستم به شمار میرود. اما از نیازهای صریح این کنترلکننده، به کارگیری مدل دقیقی از فرآیند میباشد، در حالی که سیستم تهویه خودرو از اغتشاشات ناشناختهای تأثیر میپذیرد. برای یک خودروی در حال حرکت، تغییر سرعت نسبی باد میتواند منجر به تغییر دبی جرمی هوا در مبدلهای حرارتی سیکل تبرید شود. در مقاله پیش رو، طراحی کنترلکننده پیشبین مقاوم بر مبنای نامساویهای ماتریسی خطی برای جبران اثر این اغتشاش انجام شده است. از دیگر اغتشاشات خارجی که بر عملکرد این سیستم تأثیر بسزایی دارد، میتوان به افزایش دمای محیط بیرون اشاره کرد که موجب کاهش ضریب عملکرد سیستم تهویه مطبوع خودرو و افزایش بار خنکسازی اعمال شده به آن میشود. در این مقاله، اغتشاش تغییر دمای محیط به مدل سیستم تهویه مطبوع خودرو نیز افزوده شده و سپس طراحی کنترل پیشبین مقاوم متمرکز در حضور هر دو اغتشاش نامبرده برای سیستم انجام گرفته است. بدین ترتیب ضعف کنترل پیشبین در پس زدن این اغتشاشات جبران شده است.
چکیده انگلیسی :
Automotive air conditioning works based on refrigeration cycle. The simplest model of this cycle is multi input-multi output and has operator constraints, so model predictive control due to its features is considered as a convenient approach to control the system. But using the exact model of the process is one the explicit needs of this controller, while the automotive air conditioning system is affected by unknown disturbances. For a moving vehicle, the relative speed change of wind could change air mass flow rate in heat exchangers of refrigeration cycle. In this paper, designing the robust model predictive control is done based on linear matrix inequalities to compensate the effects of this disturbance. Other external disturbances that affect the performance of this system, is the increase in ambient temperature, which reduces performance coefficient of automotive air conditioning system and increases the cooling load applied to it. In this paper disturbance because of changing ambient temperature is added to the model then design of the centralized robust model predictive control is done in the presence of both referred disturbances to the system. Thus, predictive control weakness in the rejection of these disturbances is compensated.
[1] Q. Zhang, M. Canova, and G. Rizzoni, "Sliding mode control of an automotive air conditioning system," in Proc. American Control Conf., pp. 5748-5753, Washington, DC, USA, 17-19 Jun. 2013.
[2] F. Wicks, "2nd law analysis of on/off vs. frequency modulation control of a refrigerator," in Proc. 35th Intersociety Energy Conversion Engineering Conf. and Exhibit, vol. 1, pp. 340-344, Las Vegas, NV, USA, 24-28 Jul. 2000.
[3] M. Hattori, T. Nomura, Y. Ueno, and H. Kato, "Automotive refrigeration system controller with a simple precompensator," in Proc. 29th IEEE Conf. on Decision and Control, pp. 1590-1591, Honolulu, HI, USA, 5-7 Dec. 1990.
[4] R. Q. Zhu, X. Q. Zheng, and Y. Z. Wu, "Fuzzy-PID methods for controlling evaporator superheat," in Proc. International Refrigeration and Air Conditioning Conf., Paper 500, West Lafayette, IN, USA, 25-28 Jul. 2000.
[5] Y. Farzaneh and A. A. Tootoonchi, "Controlling automobile thermal comfort using optimized fuzzy controller,” Appl. Therm. Eng., vol. 28, no. 14, pp. 1906–1917, Oct. 2008.
[6] H. Khayyam, et al., "Intelligent energy management control of vehicle air conditioning via look-ahead system," Applied Thermal Engineering, vol. 31, no. 16, pp. 3147-3160, Nov. 2011.
[7] M. Razi, M. Farrokhi, M. H. Saeidi, and A. R. F. Khorasani, "Neuro-predictive control for automotive air conditioning system," in Proc. IEEE Int. Conf. on Engineering of Intelligent Systems, 6 pp., Islamabad, Pakistan, 22-23 Apr. 2006.
[8] B. C. Ng, I. Z. M. Darus, H. Jamaluddin, and H. M. Kamar, "Application of adaptive neural predictive control for an automotive air conditioning system," Applied Thermal Engineering, vol. 73, no. 1, pp. 1244-1254, Dec. 2014.
[9] M. S. Elliott and B. P. Rasmussen, "Decentralized model predictive control of a multi-evaporator air conditioning system," Control Engineering Practice, vol. 21, no. 12, pp. 1665-1677, Dec. 2013.
[10] D. Leducq, J. Guilpart, and G. Trystram, "Non-linear predictive control of a vapour compression cycle," International Journal of Refrigeration, vol. 29, no. 5, pp. 761-772, Aug. 2006.
[11] K. Vinther, C. H. Lyhne, E. B. Sorensen, and H. Rasmussen, "Evaporator superheat control with one temperature sensor using qualitative system knowledge, " in Proc. American Control Conf., pp. 374-379, Montreal, Canada, 27-29 Jun. 2012.
[12] H. Nagpal, A. Staino, and B. Basu, "Robust model predictive control of HVAC systems with uncertainty in building parameters using linear matrix inequalities," Advances in Building Energy Research, vol. 14, no. 3, 17 pp., 2020.
[13] Q. Zhang and M. Canova, "Modeling and output feedback control of automotive air conditioning system," International Journal of Refrigeration, vol. 58, pp. 207-218, Oct. 2015.
[14] Q. Zhang and M. Canova, "Improving tracking performance of automotive air conditioning system via μ synthesis," Science and Technology for the Built Environment, vol. 21, no. 4, pp. 448-461, 2015.
[15] Q. Zhang and M. Canova, "Fault detection and isolation of automotive air conditioning systems using first principle models," Control Engineering Practice, vol. 43, pp. 49-58, Oct. 2015.
[16] Q. Zhang, L. Fiorentini, and M. Canova, "H∞ Robust control of an automotive air conditioning system," in Proc. American Control Conf., Portland, OR, USA, pp. 5748-5753, 4-6 Jun. 2014.
[17] S. N. Shehab, "Computer simulation of an automobile air-conditioner with ambient temperature effects," Journal of Al-Ma'moon College, no. 18, pp. 84-99, Feb. 2011.
[18] M. Schnubel, Today’s Technician: Automotive Heating & Air Conditioning Classroom Manual and Shop Manual, Cengage Learning, 2012.
[19] I. Urieli, "Refrigerators and heat pumps," Engineering Thermodynamics: A Graphical Approach, Ohio University, Ch. 4c, https://people.ohio.edu/urieli/thermo/intro/chapt.1_6/chapter4c.html/
[20] J. Löfberg, Minimax Approaches to Robust Model Predictive Control, Ph.D. Thesis, no. 812, Link ̈oping University, Sweden, 2003.