Pnömatik Bir Sistemin Deneysel Modellenmesi Ve Simülasyonu

Abstract

Bu çalışmada, çubuksuz, arabaya manyetik olarak bağlı hassas bir silindir, elektropnömatik oransal servovalfler, manyetik lineer cetvel, basınçölçerler ve arayüz devrelerinden oluşan pnömatik bir sistemin PRBS sinyalleri uygulanmak ve sistemin bu sinyallere silindir basınçları ve piston konumu olarak verdiği cevapları kullanarak deneysel modelleme yapmak yoluyla modellenmesi ve parametrelerinin tanılanması gerçekleştirilmiştir. Adaptech Midsys sistem tanılama yazılımı, genişletilmiş en küçük kareler yöntemi, azalan kazançlı parametre uyum algoritması ve Guidorzinin kanonik parametrizasyonu kullanılarak elde edilen birinci mertebe lineer basınç ve hız modelleri bir simülasyon modelinde birleştirilmiş, sistemin simülasyonu yapılarak deneysel verilerle kıyaslanmıştır. Pnömatik sisteme ait sürtünme katsayıları, hareketli kütle, valf katsayıları gibi parametreler tanılama yoluyla elde edilebilmektedir. Böylece; sistemin kesin olarak bilinemeyen parametrelerinin gerçek değerlerinin bulunmasıyla, parametrelerin zamanla değişimleri izlenerek sistemde arıza tahmini, bakım kolaylıkları sağlanabilecektir.

In this study modelling and parameter identification are experimentally carried out on a pneumatic system which consists of a magnetically coupled rodless cylinder with high precision guide, and electropneumatic proportional servovalves, magnetic linear scale, pressure sensors and interface circuits through applying PRBS signals and acquiring the system responses as chamber pressures and piston position. First order linear pressure and velocity models are obtained by using Adaptech Midsys system identification software, extended least squares method, parameter adaptation algorithm with decreasing gain and canonical parametrization of Guidorzi, and combined for a simulation model. Later simulation is performed and results are compared with actual data. Friction coefficients, moving mass, valve coefficients etc. of the pneumatic system can be obtained by identification. So that; by finding actual system parameters which can not be known, fault diagnosis and ease of maintenance can be provided watching the parameter changes by time.