機械專業(yè)外文文獻翻譯-外文翻譯--內嵌于可編程控制器的先進控制算法 中文版

《機械專業(yè)外文文獻翻譯-外文翻譯--內嵌于可編程控制器的先進控制算法 中文版》由會員分享，可在線閱讀，更多相關《機械專業(yè)外文文獻翻譯-外文翻譯--內嵌于可編程控制器的先進控制算法 中文版（19頁珍藏版）》請在裝配圖網上搜索。

1 內嵌于可編程控制器的先進控制算法 a 布爾雅那，斯洛法尼亞 洛法尼亞 氣工程系，盧布爾雅那，斯洛法尼亞 ,盧布爾雅那，斯洛法尼亞 典，希臘 非亞，保加利亞 2004年 4月 23日收到； 2005年 5月 15日接收 摘要 ： 本文介紹一個新穎的非線性自動調節(jié)控制器 入可編程邏輯控制器的先進控制算法）。它打算 使控制成為高度非線性的過程。過程的適當變化改善了其操作范圍，包括三個先進控制算法。它被設計成使用以代理為基礎的概念的系統(tǒng)，應用的目標是自動裝置一些組態(tài)任務。這個過程以一組被證明用了在線升級程序的低命令局部連接，模型為代表。程序被一套低秩序局部的線性的模型代表。這個程序將模型鑒別和前后鑒別步驟聯(lián)合起來，提供可行的運算控制器監(jiān)控和評估控制裝置執(zhí)行閉環(huán)系統(tǒng)。控制在 個執(zhí)行裝置被應用在液位控制系統(tǒng)領域。 （ 2005 關鍵詞 ： 控制過程；模糊模型；工業(yè)控制；基于模型 的控制；可編程邏輯控制器；自調整調節(jié)器 1、 序言 模擬控制理論提供了很多的控制方法來完成控制，非線性過程控制比只用常規(guī)在線控制方法的效率更高，他的優(yōu)勢在于準確的過程模型（ 991;997;997）。調查（ 998;999）指出相對于那些供給很少的建成并已交付使用的產品，先進控制器具有相當大的而且正在增長的市場需求。 先進控制算法的結果是優(yōu)秀的 ，它基于模糊的參數整定時間（ 997; 002） ,多重模型控制 (003; 2000)和自適應控制 ( 1994; 000)，這些都在文中提到了。然而，在提供給工業(yè)用途的這些方法中有很多的限制，總結如下： 1、 因為現實生活問題的差異性，一個單獨的非線性控制方法有一個相 鄰領域的適合關系。因此工業(yè)要求更靈活的方法或實現工具。 2、 新的方法通常不會在準備使用的工業(yè)類型中得到。習慣設計要求相當多的努力、時間和金錢。 3、 硬件要求是比較高的，因為執(zhí)行和計算要求的復雜性。 4、 調節(jié) (2002)和維護方法的復雜性使非專門研究工程師不引人注目。 5、 非線性的可靠性模擬通常是個問題。 6、 很多非線性程序能被著名和在工業(yè)上被證實的 個大量的直接的性能增加的（金融的獲得） 當以高階的取代一個傳統(tǒng)的控制系統(tǒng)時被要求。 不恰當的傳統(tǒng)控制方法的維護費可能比較不明顯。 這些工作的 目標是說明一個透過使用以代理為基礎的系統(tǒng)概念的系統(tǒng)（ ( 1995)來解決上述一些問題的先進控制器。最主要的目的是用部分自動化的試車程序來簡化控制器組態(tài)，這典型地被控制工程設計師執(zhí)行。 件具有像自治權（不需要人直接干預的操作），社會能力（和其它對象交互作用），活性（對環(huán)境的感覺和反應），支持活躍（面向目的的行為，自動化）等特性。這項工作不是提出 是這些同樣也適用于基于 領域。在這個上下文中，一些限制被考慮到了。例如：自主性受限制，高度的可靠性和預測等級被要求，涉及到的范圍問題是受傳感器的讀數限制的，具體的硬件平臺被使用等等。 制器的功能是用自動實驗和調節(jié)來簡化控制。控制器的一個區(qū)別的特性是演算法在 控制器參數從一種非線性程序模型自動地被調節(jié)。這個模型由操作模擬實驗由一個新穎的在線學習程序發(fā)信號獲得。這個程序使用局部學習方法（ 997, p. 188）的模型鑒別。測量數據被批量智能處理。附加的步驟是在鑒別之后被執(zhí)行，是為了改進模擬的可靠性。比較自適應方法，利用循環(huán)的鑒別 ( 000)是連續(xù)的。 非線性模型包含一組局部的低秩序線性的模型，它們每個在一個特殊操作區(qū)域有效。使用一個構成的確定時間的變量活躍的局部模型 ( s )被選擇。這個控制器是對于單輸入單輸出過 3 程特殊設計的，可能含有一個干擾檢測。另外，控制器的應用范圍取決于所挑選的控制算法?？刂破鞯囊粋€組件允許在適用于很 多不同的程序的控制算法的范圍中使用。控制器監(jiān)控導致的控制執(zhí)行結果并且對發(fā)現的錯誤作出反應。 控制器中有實時模塊（ 組態(tài)工具（ 行全部的實時控制功能，在線學習和控制執(zhí)行監(jiān)控。 ，通過提供引導和設置缺省參數值來簡化組態(tài)步驟。 下文的線索如下：第 2節(jié)介紹 三節(jié)給出 后，第四節(jié)描述這個控制器在試驗機械設備的應用，在這里它用在液位閥測試裝置中影響不同。 2、運行時間模塊 1給出 號預處理進程（ 在線學習進程（ 模型信息進程（ 控制算法進程（ 運算管理（ 圖 1 運行時間模型概要 4 和 1990)提出，包含一些 別是 s(k)提供的時間之后和補償的一、二 級命令分時連接模型。這個模型方程式的局部首要模型條件是： ??????? )()()()1( ,,,（ 1） 同時，這個模型方程式的第二條件模型是 ))1()(()1()()1()()1(,2,1,2,1,2,1???????? ???????? （ 2） 這里的 y（ k）是過程的輸出信號 u(k)是過程的輸入信號， v（ k）是可選擇的干擾檢測信號（ u對 j， bi,j,ci,j和 這組 局部模型能用一個 個模型在一個二級命令模型的情況下可用下面的方式表達： ? ?? ?? ??? ?? ?? ??????????????????,21 1,1,21 1,1,21,1)()1()()()()1()()()1()()()()1(???????（ 3） 這里 βj（ k）是 型關于可變列表現實值 s（ k）的全體函數關系的值。正常的三角函數關系功能被使用，如圖 2所示 圖 2 在 確定時間的變量 s ( k )被系數 用質量總數。 )()1()()()( ???? （ 4） 系數被工程師配置成一樣給非線性過程。 5 估由信號激發(fā)的局部模型的參數。最近導出的參數只有當它們通過驗證和證明是比目前的情況好的時候才被提交給 個輸出信號的間隔在過程中有足夠的激發(fā)因素可用。它使信號成批智能運行。用局部學習方法，一個先進的批量智能概念是決定適應模型是被實時執(zhí)行還是跟著延時允許在應用前檢測來鑒別結果。因此，更好的意思是數字選擇控制已經給出。 分配計算時間的問 題要求鑒別出現大量智能數字過程（相反的在線循環(huán)過程在自適應控制器中典型應用）。這個問題用多任務操作系統(tǒng)來解決。 以一個低優(yōu)先級任務在后臺運行。 實時信號的保護被 護的有關部分被復制給進一步過程。 快速激發(fā)的抑制在開始時被操作，因此信號的處理只能在它們包含激發(fā)因素是被運行。如果標準有效的保護低于它們的下限時，執(zhí)行被取消。偏離了信號 r（ k）， y（ k）， u（ k）和v（ k）。 線學習程序一直比新的局部模型鑒別排列在參數前。因此，活動的 履行設置的模型參數被用于局部模型不再被鑒別（見 2、 3節(jié)）。 如果全體函數 βj（ k）的保護活動被超過最低保護限度的活動糾正，局部模型被選擇。只有被選擇的局部模型含有更多的過程。 使用被 003)發(fā)展的模糊的儀器的變量 ( 辨識方法，局部模型的模型參數被辨識。它是一種延伸指定的 1987 )，基于局部的學習方法 ( 1997年 )。局部的學習方法基于所有局部模型的參數將不再是一種單一的衰退運算中被估計的假定。與全面的方法比較它是更不容易傾向于故障條件和局部最小的問題的。 這種方法充分被適于工業(yè)的運算 (直覺，非線性的模型的漸進的構成，適度的計算要求 )的需要。它能夠使因為不足的刺激不是估計適當的局部模型的總量成為可能。當所有局部模型目前尚未被估計時，它在最初組態(tài)階段是有效和可靠的。另一方面，在最佳附近收斂性是緩慢的。因此，它很有可能產生比使用 非線性的方法適宜的一個較壞的模型。下列簡要地描述程序。 6 模型辨識為了每一個選擇的局部模型 (按索引 單獨地被執(zhí)行。初始估計參數向量θ及協(xié)變性矩陣 05種初始 I (單位矩陣 )。 模糊最小平方 )估計， θj ， βj ( k )對于質量。計算被執(zhí)行遞歸避免矩陣倒置。 模糊的儀器的變量 )估計， θj 為了防止噪音使結果退化，一個死區(qū)用于每一 當程序輸出和其預測之間的絕對的質量區(qū)別在構成噪音下限之上，參數和協(xié)變性矩陣的向量最新。 在缺乏從到的分支中的或者從到的模型分支中的刺激的情況下 u v y (，以及當措施擾動全然不是出席的 )，帶有減少的參數評估向量的方法的變量被使用。 圖 3 在線學習過程 這個步驟由一個選擇的局部模型的模擬輸出與局部模型的位置近似的實際的程序輸出比較執(zhí)行。平均方的誤差 ( 的正常的總數被計算。近似被全體定義功能 βj。對于每個選擇的局部模型，這個步驟以三套模型參數被 實行： θθj j 帶有最低的 全體的檢驗由把包括選擇的裝置的模糊的模型的模擬輸出與實際的程序輸出比較執(zhí)行。平均的方的誤差 ( 的正常總數被計算。如果與比較全面的檢驗結果被改進。 7 由于在線學習初始模糊模型選擇裝置被傳輸到 則原來的裝置 θj， 為每一處理局部模型， 作為一個信息索引和一個標志表明模型是否是新的。 兩個模型結構評價單元也被包括 區(qū)時間單元 ( 估計程序時間延遲。全體功能單元 ( 建議一個新的局部模型是否應該被插入。它估計附加在兩個相鄰的局部模型之間的一個的局部模型大多數是活動的。如果導致的模糊模型的全面的有效充分地被改進，模型被提交到 原來的模糊的模型比較。 其主要的活動處理在線學習結果。當可接受的是一個新的局部模型從 果它傳遞穩(wěn)定檢驗和其信號索引是足夠的，它被接受。如果它被接受，一個 ―準備運行 ‖的標志是為 一個標志表明 局部模型是否自從開始以來已被調節(jié)或者并沒有。如果模型信號索引是十分低的，自動模式可能是不完全的。 可以使用 對模式的變化有用。 在初始的組態(tài)， 們不是確切但是可以提供可靠 (雖然行動遲緩 )的控制性能，類似于安全的模式。透過實驗或者正常的運算的記錄(當條件適合于關閉回路辨識 )時使用在線學習，被收到逐漸估計機 械設備的一個精確模型從 干不同的 運算的下列的模式被支持： 手動的模式：開啟回路運算 ( 啟動能力約束得到加強 )。 安全的模式：帶有保守的一個固定的 自動的模式 (或者帶有不同的調節(jié)參數的若干自動的模式 )：一個非線性控制器。 8 享與 括三個層 : 或者若干個局部的線性的控制器同時 )的功能提供反終結保護，包括對工業(yè)的控制所需要的每件事，諸如處理約束，碰撞更少模式交換，等等 會合 )，這樣與控制層一道，固定參數非線性控制器被制作。 節(jié)的層能夠從 制層和確定時間的層的參數按照實時控制不是被擾亂的這樣一種模式被取代。 且每一在具體的應用中已被證明有效：模糊的參 數確定時間的控制器 (死區(qū)時間補償控制器 (和管轄作為基礎的神經控制器 (在本文中， 圖 4 裝備有反終結保護和碰撞更少傳輸。 在 反向傳播的價值 ) 根據確定時間的變量 s ( k )進行模糊，而全體局部 模型的 βj ( k )發(fā)揮作用。以速度為基礎的線性化的儀 9 器能夠使全面的控制器的活動成為可能，它是線性的結合整個的運算的地區(qū)中的局部的控制器活動，不僅是在運算點的均衡周圍。這項潛力提供極少局部模型改進性能，而在均衡中有更多透明的行為運算點 ( 1998年； 2002年 )。 標準執(zhí)行使用多重的綜合 ( 方法 ( 2001年 )。 1946 )使系統(tǒng)的量級 (振幅 )關閉回路裝置點反應盡可能平和地接近統(tǒng)一。這種在接近循環(huán)系統(tǒng)的一種比較速成和非擺動的反應中的結果。計算 而， 自動調節(jié)的程序透過從 型是轉換到連續(xù)時間局部模型中的。那么，所謂的區(qū)域使用 后， 于 概念，一名富有經驗的設計師可以選擇透過規(guī)定局部的 使用以模型為基礎的調節(jié)的程序。 事件被發(fā)現時，它估計關閉回路控制反應和一個全面的性能索引的特性。像 樣，它從 包括三種模塊： 緩沖器前處理器 ( ，形勢分級器 ( ，和性能估計者 ( ，正如圖 5所示 . 10 圖 5 當 報時信號的緩沖器的有關的段，這得到 檢查程序是否在穩(wěn)定狀態(tài)中；如果如此，它終止處理。否則，它使信號 者是否重要等等。參考信號的一個步驟變化，測量擾動信號的一個步驟變化，一場不可測量的擾動的一個事件，或者振蕩的存在。如果對評價的一個事件可以將加以發(fā)現，并且特性評價的條件被完成 (沒有額外的振蕩，信噪比是足夠的，程序反應在事件之后安置和在事件 )之前有穩(wěn)定狀態(tài)的一時期，相應的緩沖器間隔被傳輸到 則執(zhí)行被終止 。 定時間，升高時間，振蕩衰敗率，和追蹤誤差措施或者規(guī)定誤差措施。使用一個模糊的評價程序，一個全面的性能索引 ( 也從特性被計算。 果糟糕的性能被發(fā)現， 1 式。如果振蕩被發(fā)現，其它自動行動包括，例如，阻塞 為這樣行動是高度具體處理的，基于 是他們可以在具體的應用中被執(zhí)行。 擬，和調節(jié)代理的活動和分層的套人機接口 ( 的交談窗口的使用者相互作用。 通常對控制器調節(jié)是需要的。 委托程序的控制器組成基本的放置的階段，安全的控制器調節(jié)的和非線性的模擬和調節(jié)確定時間的控制器的程序活動的近似的評價，和為定期的運算構成政權制度。 過自動執(zhí)行實驗支持控制設計師。這些實驗包括關于開啟的或者關閉的回路中的模型的運算點的一系列的步驟變化。此外， 設模型并且調節(jié)局部的控制器。當帶有機械設備的實驗被允許時，這是控制器的最速成和最可靠的方法調節(jié)。使用 有選擇性的，如果實驗不是被允許，為實驗確定時間可能是需要的。在這種情況下中，控制器以安全的模式初始化并且為了模擬處理信號，并且調節(jié)被 而，需要的是在運算地區(qū)的整個的足夠的刺激在定期的運算期間是可供使用的。模擬的進步被 志顯示哪一個模型已被調節(jié)，并且他們的信號索引。 當地主動性和建議代理在系統(tǒng)組態(tài)期間是有益的時，這可能在定期的運算期間是期望的。因此，在委托的程序結束時，系 統(tǒng)可以被構成盡可能地簡化運算。 運算政權制度的一個范圍能被使代理和 種在涉及要求各式各樣的應用并且可以說明診斷問題的一個靈活的控制系統(tǒng)中的結果。這樣，雖然為了非線性程序的控制作為一個工具設計，但是方面控制器也可以為了 些具體的運算政權制度選擇下面被列出了 : 或者 (在定期的運算期間 )或者在 下列的預定的實驗 )時，或者兩個都是。 時間。 當適當在固定的前選擇的位置僅僅估計局部模型時， 控制器再調節(jié)可以在每一 ―適應的 ‖運算 )中的模型的變化之后立即自動地被觸發(fā)， 12 或者跟隨設計師的證實 (―自調節(jié)的 ‖運算 )。 在線學習也可以用于監(jiān)控沒有控制器調節(jié)的意圖的程序活動，或者是透過或者橫跨有效一個固定的模型的適應。 在開始，系統(tǒng)從一種組態(tài)檔案是初始的，這可以在任何組態(tài)程序的階段放置它。后來，使用 線到 過委托程序的典型的確定時間的控制器指引設計師的有 ―魔力 ‖的。它旨在于有很少經驗的使用者。富有經驗的工程師可以發(fā)現僅僅使用 其中其它任務的序列是可能的。 程序被分解到小的步驟 ( 25個交談窗口 )中。按每一步驟，指令被顯示，并且默認值被使用單憑經驗的方法建議，基于已經可供使用的信息。矛盾警告可以被顯示。 組態(tài)程序的主要的階段是：基本的放置，控制信號的選擇，信號限制，取樣時間，控制算法，確定時間的變量，模型秩序。安全的模式組態(tài)：程序活動 (使用 以被使用 )的評價，自調節(jié) ―安全的 ‖控制器參數 (使用 ，可選的性能檢驗。 模糊的模型沒有初始化， 模型位置的沒有初始化，局部模型參數的初始化，局部模型參數和步驟反應的顯示。 默認值，高階的自動調節(jié)的參數的沒有初始化。 默認值的沒有初始化，推進 默認值的沒有初始化，推進 局部的控制器調節(jié)：自動 (開啟或者關閉回路 )實驗的序列，在線學習和調節(jié)在每一個局部模型位置各處使用 性能檢驗：在每一個局部模型位置各處使用 序列。 而，個人計算機發(fā)展環(huán)境對圖形的使用者接口設計與典型的 方面控制器在若干項試驗性應用中已被測試 ( 003 ) 例如在一 個 3 上和氣 003)。這在一種儀器上為了測試液壓的電子管提出一種試驗性應用，位于一種液壓的生產機械設備裝置上。儀器的一個簡化的計劃如圖 組成配有局部的溫度控制的一 部 鍋爐，三部泵， 圖 6： 液位控制測試儀器（簡單） 一臺壓力傳感器，一個電子管檢驗用一臺壓力區(qū)別傳感器站，為了不同的測量方法和一個延伸容器三塊流量表可以交替地被連接。的泵 3在被并行連接并且在不同的結合中可以被啟動，這樣不同的流量范圍可以被完成。他們裝備有頻率轉換板；當開啟時，他們全部收到同樣的控制信號 u。 儀器被用來在控制運算的條件下的一個范圍中測試電子管。最重要的控制任務是在測試的電子管 ( 上透過調整在線到活躍的泵的控制信號 序的非線性和時間不同是因為下列的 : (a)關于電子管 力區(qū)別通過電子管 與泵旋轉速度 ω有關 )是穩(wěn)定狀態(tài)的二次關系。 (b)打開的電子管 信號 般地不是可供使用 (電子管手冊 )的，和 (c)不同的泵 (或者結合泵 ) 根據電子管的大小能被使用。 這些因素嚴重影響程序活動，這在基于一個固定的 當運用一個參數確定時間的控制器時為可變的選擇確定時間是一個至關緊要的步驟。當 14 使用從 a )可以單獨容易地被解決時，條件 ( b )使問題的困難更大。處理模擬被使 用找到一個適合的確定時間的變量 （ 1） 。 程序的一個簡化的模型是作為管道 (下標為 p )的一臺流發(fā)電機，兩個阻抗的組成部份，檢查的電子管 (下標為 v)和阻抗 (下標為 l )組成一部泵的一個液壓回路。管道中的液體的慣性充當一個誘導的組成部份。使用牛頓第二定律，這被表達為 ???? )(（ 5） 子管和管道的壓力區(qū)別， m， v， r,和 度，密度，和液體的大規(guī)模流。運 用關于運算的點（ p p,p v,p l,Q m）的局部的線性關系，區(qū)別于 5) ??????2?（ 6） 假定電子管和管道阻抗的特性方程 （ 7） （ 8） Δ 1999 )的部份的起源被計算 ????????? 22（ 9） ???? 2（ 10） 在這兒系數 ( 。同樣地， 且從泵特點可以被確 定 ??????? （ 11） 6)插在 9)-( 11 )中。液壓的回路的動態(tài)的反應被方程 (12)描述 )(11 2 ?????????? ??（ 12） 或者，使用 9)透過方程 (13)輸出 Δ 15 ??????????????????????????（ 13） 另外，泵控制信號 頻率轉換板描述了泵發(fā)動機的活動，必須被給出。它可以 用第一命令標志描述 ???? ?? （ 14） 此，被控制者程序的第二個秩序活動是假定的。 觀察 13),p v/Q 可以從可供使用的程序測量方法直接被計算。為了改進在低的測量方法 價值的商數計算的穩(wěn)定，對于 全約束應用。 一旦確定時間的變量選擇，控制器的使用是一個經驗性的程序，被 先，一個傳統(tǒng)的 樣它保持對運算的地區(qū)的穩(wěn)定的控制。那么，局部模型與控制器位置是可選擇的。在這項應用中，關于 因為帶有程序的實驗被允許，在每一個局部模型位置各處包括實驗的典型 程序將加以使用。在實踐中，這是保證信號的適當的刺激的最簡單的方法。使用安全的模式，程序是帶來到每個的連續(xù)不斷位置，在其中自動調節(jié)的實驗被一粒按鈕啟動。 開啟回路實驗被更加喜歡 )，注入包含四個步驟變化的刺激信號，在實驗結束時呼叫辨識調節(jié)的程序并且恢復原來的模式。對于頭兩個局部模型，刺激信號振幅是 4%。因為它為了其它局部模型被增加到 8%改進信噪比的較低的程序獲得。 設計師確認新的控制器參數之后，自動的模式被構成。表 1顯示這個程序上的實驗的調節(jié) 的程序的結果。 16 表 1：時間變量定位，直接時間局部模型參數， 間接局部模型參數，局部控制參數 圖 7 使用 圖 8 使用 局部模型的開啟回路獲得用 s (和 的依據。 (13 )，這是在減少 識的時間的變化始終如 來似乎與在 而 變化，但是不是可測量的。 1方面的變化，這被用泵活動 頭兩個局部的控制器之間的 少局部的控制器能用于那一點地區(qū)。 控制性能為了使 作使用方面控制器的安全的模式，和 7個展示被測量程序對在當使用 電子管 中的壓力區(qū)別在上面被顯示，泵控制信號 樣最理想的反應在 時壓力增加，反應變得震蕩。 圖 8展示當使用 信號之外如圖 7所示，確定時間的變量 所示 的 種反應在整個的運算區(qū)上方是最理想的。 17 圖 9 電子管壓力控制設計使用 驗基臺 不論小心的選擇和修正演算法減少計算的要求， 種更多經濟有效的解決。執(zhí)行這種引導應用中的方面控制器的 處理機的三菱 于得克薩 斯儀器 0一三菱 700 序工業(yè)中的被關閉回路控制應用的一種圖形的開發(fā)工具 ,2001)其它 過一分層的套菜單 (諸如：使用 勢顯示，放置 綜述，實驗放置，在線學習放置，模型參數，模型狀態(tài)， . 圖 9顯示電子管壓力控制計劃在 憾地，目前草寫的版本還沒有表明 先進自調節(jié)的非線性執(zhí)行一個工業(yè)的 括在本文中提出的一若干項 18 引導應用也被完成。與工業(yè)標準的 用 外，這種性能在實踐中被在一些運算的點各處執(zhí)行一系列短的實驗使用在線學習程序容易地完成自調 節(jié)，。模塊的多代理結構促進控制系統(tǒng)的評論能干靈活性，，這樣它為了各種各樣的要求容易地被構成。工作目前朝著使用的簡單和在新的程序中的運用的容易中的較進一步改進被指導。一有前途的未來研究方向從在線學習程序中的數據評價中的 可以導致對自適應控制的可靠性的一種積極的貢獻。 作者愿意承認所有其它設計組成員的貢獻。方面設計透過 2002軟件是 歐洲 ,同時， 決的專利 0029。 參考文獻 R., J., A., & P. M. (2002). I of pH in 15, 3–15. B. W. (1991). of A 30, 1391–1413. S., S I., S., G., S., M. B., & A. (2003). of on 003. (912–916). D., & D. J. (2003). A 11, 649–664. R., K. A., & M. J. (2000). a 39, 1554–1564. T., & K. J. (2000). of 36, 1171–1180. M. A., & D. E. (1994). of a pH 2, 169–182. M. A., & D. E. (1997). J: (2001). LC’s, s , J., G., S., & D. (2002). of a on a 75(14), 19 1082–1091. J., D., G., S. S., I., S., M., Z., M. B., K., A., & R. (2003). of on 003. (906R. (1999). D. J., & W. E. (1998). 70(1), 13–50. L. (1987). R., & T. A. ( (1997). to D. E. (1999). A on . M. , in 9, (103–134). G., G., & H. (1990). A—a of 14, 847–869. H., T., & M. (1998). in of 8(5 369–374. S., & (1997). to 33(3), 411–419. D., S., & _. (2001). A ID 37, 1473–1479. A. L. (1946). of to I, 93(34), 353–372. M., & N. R. (1995). 10(2), 115–152.