دانشگاه علوم کشاورزی و منابع طبیعی گرگان

 آمار

تعداد نشریات13
تعداد شماره‌ها654
تعداد مقالات6,815
تعداد مشاهده مقاله9,742,898
تعداد دریافت فایل اصل مقاله9,139,062
کاکویی, ساحله, عمادی, علیرضا, غلامی سفیدکوهی, محمدعلی. (1396). کاربرد الگوریتم بهینه‌سازی SCE در تعیین ضرایب کنترل‌گر کلاسیک PID. , 24(2), 221-237. doi: 10.22069/jwfst.2017.11570.2604
ساحله کاکویی; علیرضا عمادی; محمدعلی غلامی سفیدکوهی. "کاربرد الگوریتم بهینه‌سازی SCE در تعیین ضرایب کنترل‌گر کلاسیک PID". , 24, 2, 1396, 221-237. doi: 10.22069/jwfst.2017.11570.2604
کاکویی, ساحله, عمادی, علیرضا, غلامی سفیدکوهی, محمدعلی. (1396). 'کاربرد الگوریتم بهینه‌سازی SCE در تعیین ضرایب کنترل‌گر کلاسیک PID', , 24(2), pp. 221-237. doi: 10.22069/jwfst.2017.11570.2604
کاکویی, ساحله, عمادی, علیرضا, غلامی سفیدکوهی, محمدعلی. کاربرد الگوریتم بهینه‌سازی SCE در تعیین ضرایب کنترل‌گر کلاسیک PID. , 1396; 24(2): 221-237. doi: 10.22069/jwfst.2017.11570.2604

کاربرد الگوریتم بهینه‌سازی SCE در تعیین ضرایب کنترل‌گر کلاسیک PID

مجله پژوهش‌های حفاظت آب و خاک
مقاله 12، دوره 24، شماره 2، خرداد 1396، صفحه 221-237    اصل مقاله (674.49 K)
نوع مقاله: مقاله کامل علمی پژوهشی
شناسه دیجیتال (DOI): 10.22069/jwfst.2017.11570.2604
نویسندگان
ساحله کاکویی1؛ علیرضا عمادی* 2؛ محمدعلی غلامی سفیدکوهی2
1دانشگاه علوم کشاورزی و منابع طبیعی ساری
2عضو هیات علمی دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده
چکیده
سابقه و هدف: با توجه به کمبود منابع آب در کشور، بهبود مدیریت توزیع آب برای افزایش عملکرد شبکه‌های توزیع آبیاری یک امر اجتناب ناپذیر است. سیستم‌های کنترل نقش مهمی در توزیع آب در شبکه‌ها دارند و میزان موفقیت شبکه بستگی به چگونگی عملکرد آن‌ها دارد. طراحی و اجرای موفق آن‌ها به تنظیم ضرایب کنترلی وابسته است. هدف از این پژوهش تعیین ضرایب بهینه سیستم کنترل با استفاده از روش تکامل تصادفی تدریجی می‌باشد.
مواد و روش‌ها: در این مطالعه سیستم کنترل تناسبی- انتگرالی- دیفرانسیلی کنترل از بالادست و کنترل از پایین‌دست برای سازه تنظیم دریچه کشویی در مدل هیدرودینامیک ICSS توسعه داده شد. برای تنظیم ضرایب این سیستم های کنترل، از الگوریتم بهینه‌سازی تکامل تصادفی تدریجی در گزینه بهره‌برداری افزایشی و کاهشی در مدت زمان بهره‌برداری 5 ساعت در کانال اصلی شبکه آبیاری البرز به‌طول 6/12 کیلومتر استفاده شده است. برای ارزیابی ضرایب کنترل‌گرها، تابع هدف شامل شاخص‌های ماکزیمم قدرمطلق خطا، انتگرال قدرمطلق بزرگی خطا و زمان پاسخگویی سیستم در نظر گرفته شد. همچنین از شاخص‌های مولدن و گیتس برای ارزیابی عملکرد کانال استفاده شد.
یافته‌ها: در گزینه بهره‌برداری افزایشی و کاهشی ضرایب بهینه در هر یک از کنترل‌گرها بدست آمد. با استفاده از ضرایب بدست آمده، مدل در مدت زمان کم در هر یک از مراحل افزایشی و کاهشی قادر خواهد بود عمق را در عمق هدف تنظیم نماید. بیشترین مقدار خطا (انحراف از عمق هدف) در کنترل‌گرهای کنترل از بالادست و پایین‌دست به ترتیب در سازه C1 با مقدار 10 سانتیمتر و در سازه C3 با مقدار 6 سانتیمتر می‌باشد. کنترل‌گر کنترل از بالادست قادر به تنظیم سطح آب در پایین دست خود نمی‌باشد بنابراین تامین نیاز آبگیرهای TO14 و TO16 به علت قرار گرفتن در پایین‌دست سازه تنظیم C3، دچار اختلالاتی شده است که مقدار شاخص کفایت در تحویل در این سازه‌ها به ترتیب در محدوده عملکرد متوسط و ضعیف قرار می‌گیرد. در کنترل‌گر کنترل از پایین‌دست مقادیر این شاخص نسبت به کنترل‌گر کنترل از بالادست بهبود یافته است. شاخص‌های کفایت، راندمان، پایداری در تحویل در هر دو کنترل‌گر در کل کانال در محدوده عملکرد خوب و عدالت در تحویل در محدوده متوسط قرار دارند.
نتیجه‌گیری: نتایج نشان می‌دهد ضرایب بهینه بدست آمده از مدل توسعه داده شده در هر دو کنترل‌گر کنترل از بالادست و کنترل از پایین-دست پاسخگوی تغییرات در بهره‌برداری در مدت زمان کوتاه می‌باشد.
واژه‌های کلیدی: سیستم کنترل تناسبی- انتگرالی- دیفرانسیلی، مدل هیدرودینامیک ICSS، کانال اصلی شبکه آبیاری البرز، شاخص‌های ارزیابی.
کلیدواژه‌ها
سیستم کنترل تناسبی- انتگرالی- دیفرانسیلی؛ مدل هیدرودینامیک ICSS؛ کانال اصلی شبکه آبیاری البرز؛ شاخص‌های ارزیابی
مراجع
1.Amein, M. 1968. An implicit method for numerical flood routing. J. Water Resour. Res.
4: 3. 719-726.
2.Bayalski, C.P., Ehler, D.G., Falvey, H.T., Rogers, D.C., and Serfozo, E.A. 1991. Canal
Systems Automation Manual. United State Bureau of Reclamation. 1.
3.Baume, J.P., Malaterre, P.O., and Sau, J. 1999. Tuning of PI controllers for an irrigation canal
using optimization tools. USCID Workshop. Pp: 483-500.
4.Clemmense, A.J., Kacerek, T.F., Grawitz, B., and Schuurmans, W. 1998. Test Cases for Canal
Control Algorithms. J. Irrig. Drain. Engin. 124: 1. 23-29.
5.Chu, W., Gao, X., and Sorooshian, S. 2010. Improving the shuffled complex evolution
scheme for optimization of complex nonlinear hydrological systems: Application to the
calibration of the Sacramento soil-moisture accounting model. J. Resour. Res. 46: 1-12.
6.Duan, Q., Sorooshian, S., and Gupta, V.K. 1992. Effective and efficient global optimization
for conceptual Rainfall-Runoff models. J. Water Resour. Res. 28: 4. 2493-2508.
7.Emadi, A. 2007. Mathematical Models Development of Optimal Operation in Irrigation
Canals Considering Conjunctive Use of Surface and Ground Water. Ph.D. Thesis of
Agricultural Department. Tarbiat Modaress University, 171p. (In Persian)
8.Emadi, A.R., and Kakouei, S. 2014. Determination of Optimal Parameters of Empirical Area
Reduction Method in Karaj Reservoir Dam using SCE. J. Water Soil Cons. 21: 3. 179-195.
(In Persian)
9.Henderson, F.M. 1966. Open channel flow. Macmillan Publishing Co. NewYork, 273p.
10.Hosseinzadeh, Z. 2010. Design and preparation of mathematical and physical models of
automatic overshot gate and its automatin system test. M.Sc. Thesis of Agricultural
Department. Tarbiat Modaress University, 162p. (In Persian)
11.Isapour, S. 2008. Modelling and Assessment of control algorithm in development of
management operation irrigation network (Case study: dez irrigation network). M.Sc. Thesis
of Tehran University, 128p. (In Persian)
12.Isapour, S., and Montazer, A.A. 2010. Assessment of global automatic downstream control
system PI in Dez irrigation network. P 1-8, 3th National Conference on irrigation and
drainage network management, Ahwaz. (In Persian)
13.Jamali, S. 2011. Development of Optimization Model for PID Automatic Control Parameters
in ICSS Model Using GA. M.Sc. Thesis of Agricultural Department. Tarbiat Modaress
University, 145p. (In Persian)
14.Jeon, J.H., Park, C.G., and Engel, B.A. 2014. Comparison of Performance between Genetic
Algorithm and SCE-UA for Calibration of SCS-CN Surface Runoff Simulation. J. Water.
6: 3433-3456.
15.Joes, V.A., Pedro, L., Joes, R., Lorenzo, L., and Keloudia, H. 2016. Predictive control of
irrigation canals – robust design and real-time implementation. J. Water Resour. Manage.
30: 3829-3843.
16.Litrico, X., Malatterre, J.P., Voin, P.Y., and Ribot– Bruno, J. 2007. Automatic Tuning of PI
controllers for Irrigation Canal Pool. J. Irrig. Drain. Engin. 133: 1. 27-37.
17.Mahab Ghods (Consulting Engineers). 2009. Instruction for operation and maintenance of
MC canal, 121p. (In Persian)
18.Malaterre, P.O., Roggers, D.C., and Schuurmans, J. 1998. Classification of canal control
algorithm. J. Irrig. Drain. Engin. 124: 1. 3-10.
19.Manz, D.H. 1985. System analysis of irrigation conveyance system. Thesis as a Part of the
Requirements of Doctor of Philosophy in Civil Engineering. University of Alberta.
Edmonton. Alberta, Canada, 435p.
20.Merkley, G.P. 1997. Canalman User's Guide. Dept. of Biological and Irrigation Engineering,
Utah State University.
21.Molden, D.J., and Gates, T.K. 1990. Performance measures for evaluation of irrigation water
delivery systems. J. Irrig. Drain. Engin. 116: 6. 804-822.
22.Monem, M.J., and Mamizadeh, J. 2005. Development of Mathmatical model of BIVAL
Downstream Control System in Irrigation Canals. 5th Iranian Hydroulic Conference. Kerman,
Pp: 1-10. (In Persian)
23.Onyari, E., Taigbenu, A., and Ndiritu, J. 2016. Groundwater Pollution Source Identification
by Optimization and the Green Element Method. World Environmental and Water Resources
Congress, Pp: 1-10.
24.Qaderi, K., Samani, J.M.V., Eslami, H.R., and Saghafian, B. 2006. Auto calibration of
a rainfall- runoff model based on sce method. J. Iarn- Water Resour. Res. 2: 2. 39-52.
(In Persian)
25.Sadeghi Tebs, S., and Pourreza Bilandi, M. 2015. Comparison of optimization and uncertainty
analysis methods in hydrological modeling. J. Range Water. Manage. 68: 3. 533-552.
(In Persian)
26.Schuurmans, J. 1997. Control of Water Levels in Open-Channels. Desertation (TUDelft),
235p.
27.Seyedmousavi, S.M., Parvaresh Rizi, A., and Isapour, S. 2015. Improving the Coefficients of
Proportional-Integral Controller Based On System Identification Process on Doosti Irrigation
Network. J. Water Soil. 29: 4. 850-860. (In Persian)
28.Slambolchzadeh, H. 2006. Assessment and improvement of the reservoir management in
operation irrigation network (case study: Moghan irrigation network). M.Sc. Thesis of
Agricultural Department. Tarbiat Modaress University, 105p. (In Persian)
29.Sorooshian, S., Duan, Q., and Gupta, V.K. 1993. Calibration of Rainfall-Runoff models:
application of global optimization to the Sacramento soil moisture accounting model.
Water Resources Research. 29: 4. 1185-1194.
30.Strekloff, T. 1969. One dimensional equation of open channel flow. J. Hydr. Divi. ASCE.
7: 4. 861-876.
31.Van Overloop, P.J., Schuurmans, J., Brouwer, R., and Burt, CM. 2005. Multiple model
optimization of proportional integral controllers on canals. Irrigation and Drainage
Engineering. 131: 190-196.
32.Zhou, B., Clough, D.E., and Fuentes, Y.O. 1995. A PID Controller with Adaptive Error
Dispersion for Interacting Gates on Main Irrigation Canals. American Control Conference,
Pp: 1-5

آمار
تعداد مشاهده مقاله: 996
تعداد دریافت فایل اصل مقاله: 785


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب