Курсовая работа на тему: Микропроцессорная система автоматического регулирования температуры масла тепловозного дизеля

Для обоснования обычно выбирают модель с сосредоточенными параметрами (ёмкость масла) и теплопередачей к охлаждающей среде через теплообменник, допуская транспортное запаздывание. На практике это приводит к структуре вида «первое звено + запаздывание» или к аппроксимации Паде для корректной линеаризации. Важно отдельно учесть динамику изменения потока масла через контур и зависимость коэффициента теплопередачи от режима работы, иначе регулятор будет систематически ошибаться при смене нагрузочного диапазона.

В качестве критериев обычно рассматривают время выхода на заданное значение, перерегулирование, статическую ошибку и устойчивость к параметрическим возмущениям. Однако в тяговом приводе исполнители (например, управление вентилятором или насосом) имеют ограничения по скорости изменения и допустимым режимам, поэтому критерии следует формировать с учётом антиwindup и ограничений по мощности/расходу. Для этого часто используют целевые функции, где штрафуют как превышение температуры, так и чрезмерную частоту переключений, повышающую износ и ухудшающую надёжность.

Идентификацию проводят через подбор тестовых воздействий (ступенчатых или PRBS-профилей) с учётом безопасных ограничений по температуре и расходу. Из данных выделяют динамику с учётом измерительного шума датчиков и калибруют задержки по временным меткам (например, от изменения положения регулирующего органа до реакции температуры). Затем модель уточняют на нескольких режимах: холодный запуск, установившийся ход и переходные процессы при изменении нагрузки, чтобы избежать «переобучения» на одном сценарии.

Ранние системы регулирования опирались на релейные уставки, термобиметаллические элементы и простую логическую автоматику: они обеспечивали грубую стабилизацию при наличии гистерезиса и значительных статических отклонений. С переходом к электронным вычислителям появилась возможность вести непрерывное регулирование с учётом динамики объекта, вводить прогнозирование запаздываний и реализовывать адаптивные алгоритмы. Главная перемена — переход от «поддержания температуры в пределах уставок» к управлению качеством переходных процессов и устойчивостью в широком диапазоне режимов.

Современные тепловозы предъявляют более жёсткие требования к ресурсу дизеля и стабильности смазочных свойств масла, а значит возрастает ценность точного поддержания температурного режима. Микропроцессорная система позволяет объединять температурный контур с диагностикой, вести регистрацию параметров, автоматически перестраивать алгоритм при изменении условий (например, загрязнении теплообменника). Также появляется возможность оптимизации по расходу энергии вентиляторов/насосов и уменьшения лишних циклов регулирования.

Основной спор обычно связан с компромиссом между простотой и устойчивостью ПИД/каскадов и возможностями MPC, который лучше учитывает ограничения и многосвязность (температура масла, режим охлаждения, нагрузка). ПИД проще внедрять и отлаживать, но при выраженном запаздывании и нелинейностях может потребовать сложной настройки и мер против перерегулирования. MPC, хотя и даёт более предсказуемое поведение, увеличивает требования к вычислительным ресурсам, точности модели и качеству измерений.

Температура масла определяется не только текущим теплопереносом, но и тепловыделением, зависящим от нагрузки и частоты вращения. Практически это значит, что регулятор должен учитывать возмущения по измеряемым/оценённым признакам: например, по режиму работы дизеля или косвенным параметрам расхода и оборотов. Каскадирование по дополнительному сигналу или применение feedforward-компенсации помогает уменьшить задержки реакции и снизить отклонения температуры при быстрых изменениях режима.

При отказе датчика возможны некорректные команды на исполнительный механизм: регулятор может «разгонять» охлаждение или, наоборот, допустить опасный рост температуры. Поэтому требуются диагностические проверки правдоподобия (диапазоны, скорости изменения, корреляция с другими сигналами), а также стратегии безопасного режима — например, перевод на ограниченный алгоритм с консервативными уставками. Деградация теплообменника проявляется как изменение динамики объекта, что требует адаптации параметров или хотя бы периодического пересмотра модели/коэффициентов.