Когнитивная модель управления термоэлементом Пельтье

Main Article Content

Максим Владимирович Бобырь
Артем Андреевич Асеев

Аннотация

Представлена онтологическая модель системы управления термоэлементом Пельтье. Онтология описывает ее состав, выделяя объекты, процессы преобразования в объектах и атрибуты связей между ними. На основе разработанной онтологической модели спроектирована каскадная система управления, объединяющая ПИД-регулятор, нечетко-цифровой фильтр и экспоненциально усредняющий фильтр, причем ее когнитивное поведение основано на правилах нечеткой логики. Улучшение динамических характеристик переходных процессов системы управления термоэлементом Пельтье достигается за счет применения модели математических и онтологических решений, при этом каскадная система управления обеспечивает снижение амплитуды первой гармоники управляющего сигнала на 12% и сокращает время переходного процесса на 31.9%.

Article Details

Как цитировать
Бобырь, М. В., и А. А. Асеев. «Когнитивная модель управления термоэлементом Пельтье». Электронные библиотеки, т. 29, вып. 3, июнь 2026 г., сс. 976-97, doi:10.26907/1562-5419-2026-29-3-976-997.

Библиографические ссылки

1. Grebeshkov A., Shebalov R., Gorshkov S., Mushtak O. Ontological modelling of enterprises: technologies and methods // Book, TriniData LLC & Ural Federal University. 2019. P. 104–116. ISBN: 978-5-7996-2580-1.
2. Krieken E., Acar E., Harmelen F. Analyzing Differentiable Fuzzy Logic Operators // Artificial Intelligence. 2022. Vol. 302, 103602. https://doi.org/10.1016/j.artint.2021.103602
3. Jalahi A., Linke M., Weltzien C., Mahajan P. Developing an Arduino-based control system for temperature-dependent gas modification in a fruit storage container // Computers and Electronics in Agriculture. 2022. Vol. 198, 107126. https://doi.org/10.1016/j.compag.2022.107126
4. Loche-Moinet F., Theolier L., Woirgard E. Electro-thermo-mechanical modelling of a SiC MOSFET transistor under non-destructive short-circuit // Microelectronics Reliability. 2023. Vol. 150, 115143. https://doi.org/10.1016/j.microrel.2023.115143
5. Leva A., Zamuner M. Model Parametrisation and Rule Selection for Problem-tailored PID Autotuning // IFAC-PapersOnLine. 2024. Vol. 58, Issue 7. P. 43–48. https://doi.org/10.1016/j.ifacol.2024.08.008
6. Bassi S.J., Gbenga E.D., Abidemi A., Oyewola D., Mohammed B.K. Metaheuristic Algorithms for PID Controller Parameters Tuning: Review, Approaches and Open Problems // Heliyon. 2022. Vol. 8, Issue 5, e09399. https://doi.org/10.1016/j.heliyon.2022.e09399.
7. Keviczky L., Bányász C. Adaptive Iterative Method to Improve the Robustness of PID Regulators // IFAC-PapersOnLine. 2022. Vol. 55, Issue 12. P. 149–155. https://doi.org/10.1016/j.ifacol.2022.07.303
8. Signe R.K., Motto F.B. Fuzzy-PID controller based sliding-mode for suppressing low frequency oscillations of the synchronous generator // Heliyon. 2024. Vol. 10, Issue 15, e35035. https://doi.org/10.1016/j.heliyon.2024.e35035
9. Xian W., Qi Q., Liu W., Liu Y., Li D., Wang Y. Control of quadrotor robot via optimized nonlinear type-2 fuzzy fractional PID with fractional filter: Theory and experiment // Aerospace Science and Technology. 2024. Vol. 151, 109286. https://doi.org/10.1016/j.ast.2024.109286.
10. Outanoute M., Selmani A., Oubehar H., Snoussi A., Guerbaoui M., Ed-Dahhak A., Lachhab A., Bouchikhi B. Self Tuning Fuzzy-PID Controller in Real Time Greenhouse Temperature Control // Conference: The Third International Conference on Optimization and Applications (ICOA 2017) At: Meknes, Morocco; 2017.
11. Bobyr M.V., Milostnaya N.A., Bulatnikov V.A. The fuzzy filter based on the method of areas’ ratio // Applied Soft Computing. 2022. Vol. 117, 108449. https://doi.org/10.1016/j.asoc.2022.108449
12. Ma Z., Pan T., Tian J. Deep reinforcement learning optimized double exponentially weighted moving average controller for chemical mechanical polishing processes // Chemical Engineering Research and Design. 2023. Vol. 197. P. 419–433. https://doi.org/10.1016/j.cherd.2023.07.049
13. Bobyr M., Titov V., Belyaev A. Fuzzy System of Distribution of Braking Forces on the Engines of a Mobile Robot // MATEC Web of Conferences. 2016. Vol. 79, 01052. https://doi.org/10.1051/matecconf/20167901052
14. Barelli L., Bidini G., Arce R. Fuzzy Logic Regulator for the Performance Improvement and the Energy Consumption Reduction of an Industrial Chiller // Conference: ASME 2003 International Mechanical Engineering Congress and Exposition, 2008, 41910. https://doi.org/10.1115/IMECE2003-41910
15. Bobyr M., Arkhipov A., Emelyanov S., Milostnaya N. A method for creating a depth map based on a three-level fuzzy model // Engineering Applications of Artificial Intelligence. 2023. Vol. 117, 105629. https://doi.org/10.1016/j.engappai.2022.105629
16. Bobyr M.V., Arkhipov A.E., Yakushev A.S. Shade recognition of the color label based on the fuzzy clustering // Informatics and Automation. 2021. Vol. 20 (2). P. 407–434. https://doi.org/10.15622/ia.2021.20.2.6
17. Bobyr M.V., Milostnaya N.A., Nolivos K.A. Combination of a fuzzy-digital filter and a PID controller in the problem of controlling a thermoelement // Mechatronics, automation, control. 2022. Vol. 23. https://doi.org/ 10.17587/mau.23.473-480


Наиболее читаемые статьи этого автора (авторов)