基于大小惯性对象的过程控制研究.docx
《基于大小惯性对象的过程控制研究.docx》由会员分享,可在线阅读,更多相关《基于大小惯性对象的过程控制研究.docx(47页珍藏版)》请在冰豆网上搜索。
![基于大小惯性对象的过程控制研究.docx](https://file1.bdocx.com/fileroot1/2023-4/20/50711546-438e-46f0-89c7-f568d907d141/50711546-438e-46f0-89c7-f568d907d1411.gif)
基于大小惯性对象的过程控制研究
[摘要]本设计以过程控制实验装置上的压力、流量、液位和温度环节为实验对象,研究不同惯性大小的被控对象的控制特点。
用AI智能仪表分别实现了四个对象的开环控制,采集了响应曲线并求出了各个对象的数学模型。
接着,用AI智能仪表分别对四个模型进行了闭环控制,反复调试后得到了最佳的控制参数。
然后通过MATLABSimulink分别对四个模型进行了比例-积分-微分算法的仿真。
通过对实验数据的分析和对仿真结果的对比,对压力、流量、液位和温度这四个对象的惯性大小特点进行了总结,得出了面对大小惯性对象时分别用AI智能仪表和常规比例-积分-微分算法的控制特点,以及两者之间的差异。
[关键词]AI智能仪表;数学模型;仿真;比例-积分-微分算法
ResearchofProcessControlBasedonSizeofInertialObject
AutomationSpecialtyLIUQing-wei
Abstract:
Thedesignhasstudieddifferentinertiaofobjectcontrolcharacteristicsbyusingpressure,flow,liquidlevelandtemperaturelinksoftheprocesscontrolexperimentaldeviceastheexperimentalobject.Firstly,ithasachievedfourobjectsoftheopen-loopcontrol,acquisitionofresponsecurveandcalculatedthemathematicalmodeloftheobjectbyusingAIintelligentinstrument.Secondly,ithasalsoachievedthefourmodeloftheclosedloopcontrol,repeatedtestingaftergettingtheoptimalcontrolparametersbyusingAIIntelligentinstrument.Thenitsimulatesproportional-integral-derivativealgorithmofthefourmodelsthroughtheMATLABSimulink.Finally,accordingtotheanalysisofexperimentaldataandthesimulationresults,ithassummarizedcontrast,pressure,flow,liquidlevelandtemperatureofthefourobject'sinertiacharacteristics,reachingaconclusionthatweshoulduseAIintelligentinstrumentandconventionalproportionalintegraldifferentialcontrolalgorithmfeaturesandthedifferencesbetweenthemwhenfacingsizeinertialobject.
Keywords:
AIintelligentinstrument;mathematicalmodel;simulation;proportionintegrationdifferentiationalgorithm
1引言
1.1研究的背景
目前,智能仪表的应用已经相当普遍,在工业自动化应用领域,国外大公司生产的智能仪表几乎都采用了专用仪表集成电路可以适应各种不同的应用需求,真正发挥了智能仪表灵活性强的特点。
近年来,国内的自动化仪表生产水平也有了长足的进步,其技术水平和生产工艺也与国外产品相当。
其中智能仪表应用最广泛的包括对温度、液位、流量和压力的控制。
以上四个对象的惯性大小不同,其中温度对象的惯性最大并且带有延迟环节,液位、流量和压力对象的惯性依次减小。
目前国内关于这四个不同惯性的研究甚少,而且多数用户都是在工业现场直接用智能仪表进行自整定与调试,几乎没有根据对象的数学模型来确定相关参数然后进行调试的案例。
本设计以过程控制实验装置为基础,求出了实验中温度、液位、流量和压力的数学模型,对模型分析后,进行了AI智能仪表的闭环控制以及MATLABSimulink的PID算法仿真和AI人工智能调节算法仿真实验。
通过实验和仿真得出了大小惯性对象的特点和控制经验和方法。
可以对智能仪表的参数进行快速的设定,并且能够达到良好的控制效果。
也可以应用于利用PID算法进行控制的其他控制设备。
真正根据控制对象实现快速的设定,并且能够达到良好的控制效果。
1.2研究的问题及解决的思路
研究的问题
(1)利用AI智能仪表分别实现压力、温度、流量、液位四种不同惯性对象的开环控制,采集响应曲线,并且分别求出这四种对象的数学模型。
(2)根据求出不同对象的的数学模型,合理的设置参数,利用AI智能仪表进行各个惯性对象的闭环控制,采集响应曲线。
(3)利用MATLABSimulink对各个模型进行仿真,得到阶跃响应曲线。
(4)本课题需要重点研究的是对各个监控曲线和仿真结果进行分析,总结得出大小惯性对象的数学模型和控制规律,从而得到面对大小惯性对象时AI人工智能调节算法控制方法和常规PID算法的控制方法。
解决的思路
(1)建立力控组态监控界面,能够采集大小惯性对象的开环和闭环响应曲线。
(2)根据采集到的开环响应曲线,仔细计算,得出各个对象的数学模型。
(3)根据各个对象的数学模型,进行参数整定,通过过程控制实验装置进行实验以及MATLABSimulink比较不同惯性对象的控制策略以及参数设置的区别。
(4)总结得出大小惯性对象过程控制的控制规律。
2实验软硬件及算法介绍
2.1主要软硬件介绍
本次毕业设计所涉及到的实验设备有传感器(液位,流量,压力,温度),智能仪表(厦门宇电AI系列),执行器(电磁阀,可控硅触发器,可控硅,加热丝)等。
上位计软件:
力控组态软件。
以下对力控组态软件、MATLAB和智能仪表简单作下介绍。
2.1.1力控组态软件介绍
力控ForceControlV6.1监控组态软件[5]是北京三维力控科技根据当前的自动化技术的发展趋势,总结多年的开发、实践经验和大量的用户需求而设计开发的高端产品。
力控监控组态软件是对现场生产数据进行采集与过程控制的专用软件,最大的特点是能以灵活多样的“组态方式”而不是编程方式来进行系统集成,它提供了良好的用户开发界面和简捷的工程实现方法,只要将其预设置的各种软件模块进行简单的“组态”以便可以非常容易地实现和完成监控层的各项功能。
力控监控组态软件能同时和国内外各种工业控制厂家的设备进行网络通讯,它可以与高可靠的工控计算机和网络系统结合,便可以达到集中管理和监控的目的,同时还可以方便的向控制层和管理层提供软、硬件的全部接口,来实现与“第三方”的软、硬件系统来进行整体的集成。
2.1.2MATLAB软件介绍
MATLAB是矩阵实验室(MatrixLaboratory)的简称,是美国MathWorks公司出品的商业数学软件,用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境,主要包括MATLAB和Simulink两大部分。
2.1.3智能仪表介绍
本次设计主要用的宇电公司的AI808/AI808P、AI808H。
AI808/AI808P是宇电公司开发的人工智能控制器,出入采用数字化校正系统,内置常用热电偶和热电阻非线性化校正表格,测量精度高达0.2级;采用先进的模块化结构提供丰富的输出规格,能广泛满足各种应用场合的需要;此外采用先进的AI人工智能调节算法[4],无超调,具备自整定功能。
AI808H含有50段程序编程能力,具有很好的扩展性。
AI808H型流量积算仪可对物质的质量、体积、长度、流量进行累计计算并可进行批量控制。
它采用技术成熟且已大量生产AI系列仪表通用硬件,配合优秀的流量积算仪软件,使仪表具备功能丰富,编程简便、抗干扰性好、可靠性。
2.2算法简介
本次设计主要用到PID算法和AI人工智能调节算法。
2.2.1PID算法原理
在过去的几十年里,PID控制,也就是比例积分微分控制在工业控制中得到了广泛应用。
在控制理论和技术飞速发展的今天,在工业过程控制中95%以上的控制回路都具有PID结构,而且许多高级控制都是以PID控制为基础的。
按偏差的比例、积分、微分进行控制的控制器称为PID控制器[9]。
模拟PID控制器的原理框图如图1所示,其中r(t)为系统给定值,c(t)为实际输出,u(t)为控制量。
PID控制解决了自动控制理论所要解决的最为基本的问题,即系统的稳定性、快速性和准确性。
调节PID的参数,可以实现在系统稳定的前提下,兼顾系统的带载能力和抗扰能力,同时由于在PID控制器中引入了积分项,系统增加了一个零极点,这样系统阶跃响应的稳态就为零。
图1模拟PID控制器的原理框图
图1所示的模型PID控制器的控制表达式为:
(1)
式中,e(t)为系统偏差,e(t)=r(t)-c(t);Kp为比例系数;Ti为积分时间常数;Td为微分时间常数。
2.2.2AI人工智能调节算法原理
AI人工智能调节算法是采用模糊规则进行PID调节的一种新型算法,与一般PID调节器相比,它能在降低超调的同时又提高了响应速度。
一般PID算法能精确控制被调节对象,但有超调大,PID参数较难确定,对扰动恢复慢等缺点,对一些大滞后及控制对象不稳定的控制,效果难以让人满意。
而采用模糊理论设计的模糊调节算法,能适应大滞后对象,超调小,易确定参数,但控制精度比较差,控制曲线会产生微小锯齿。
AI人工智能算法则一方面对PID算法加以改进,如在PID调节中加入新的微分积分作用;另一方面又采用模糊调节规则,在误差大时,运用模糊算法进行调节,以消除PID饱和积分现象,当误差趋小时,采用改进后的PID算法进行调节。
具有无超调、高控制精度、参数确定简单、对复杂对象也能获得较好的控制效果。
在常规PID的控制系统中,减少超调和提高控制精度是难以两全其美的,这主要是积分作用有缺陷造成的。
如果减少积分作用,则静差不易消除,有扰动时,消除误差速度变慢,而当加强积分作用时,又难以避免超调,这也是常规PID控制中经常遇到的难题。
在AI系列仪表中,当控制参数在比例带以外时,采用模糊控制,不存在抗饱和积分问题,而对PID算法部分又加以改进为
输出=比例作用(P)+积分作用(I)+微分作用(D)+微分积分作用(∫I)
由于仪表中增加了微分积分作用,所以,使常规PID算法中的积分饱和现象得到较大缓解。
不过从上式中可以看到,原有参数已经较难确定了,又增加了一个新参数(∫I),所以,这些参数必然互相影响,使得新算法参数更加难以确定。
为此,经过认真的研究和实验分析,比例作用与微分作用的比值和积分作用与微分作用的比值可取相同的值,并且比例作用与微分作用的最佳比值同控制对象的滞后时间有关。
滞后时间越大,则比例作用响应减少,而微分作用响应增加。
两者存在的关系如下:
比例作用=K(1/T);微分作用=K(1-1/T)d;式中,K为系数;T为滞后时间与控制周期的比值;T≥1;d表示微分作用
。
由此,可将人工智能控制算法公式改为
输出=P[1/T+(1-1/T)
]+(1/M5)
(2)
上式中(1/M5)
可分解为
(1/M5*T)
+(1/M5)(1-1/T)
,所以
输出u(t)=P(1/T)+P(1-1/T)
+(1/M5*T)
+(1/2*M5)(1-1/T)
(3)
式中,P(1/T)为比例作用;P(1-1/T)
为微分作用;(1/M5*T)
为积分作用;(1/2*M5)(1-1/T)
为微分积分作用。
P用于调整微分和比例的大小,P增加,相当于同时将微分时间增加及减少比例带。
反之,P减少,相当于同时将微分时间减少和增大比例带。
M5类似积分时间,可用于调整积分和微分积分的大小,T用于调整微分与比例的相互比例成分。
如果T=1,则微分作用为0,如果M5=0,则积分作用为0。
这样,控制参数又减少为M5、P、t三个,由于常规PID参数的定义只根据算法本身,其特点是不需要考虑被控对象的精确模型,而改进后的三个控制参数,由于同原参数概念不同,所以,定义为M5Pt控制算法。
3实验项目设计
3.1开环控制系统
如果系统的输出端与输入端之间不存在反馈,也就是控制系统的输出量不对系统的控制产生任何影响,这样的系统称开环。
与闭环控制系统相对。
控制系统中,将输出量通过适当的检测装置返回到输入端并与输入量进行比较的过程,就是反馈。
系统的控制输入不受输出影响的控制系统。
在开环控制系统中,不存在由输出端到输入端的反馈通路。
因此,开环控制系统又称为无反馈控制系统。
开环控制系统由控制器与被控对象组成。
控制器通常具有功率放大的功能。
同闭环控制系统相比,开环控制系统的结构要简单得多。
3.1.1液位开环控制
液位开环控制主要由智能仪表、液位传感器、智能电动调节阀构成开环控制系统,此系统的目的在于测量出水箱出水口开度一定时,水箱液位最终的稳定曲线。
所用仪表是AI808(XIC101)、液位变送器(LT201)、智能调节阀(FV101)。
在液位单回路控制系统中,主要使用到的是液位变送器,原理图如图2。
图2水箱液位开环控制系统方框
液位传感器用来对实验水箱的液位进行检测,采用工业用的扩散硅压力变送器,不锈钢隔膜片,本变送器按标准的二线制传输,采用高品质、低功耗精密器件,稳定性、可靠性大大提高。
零点、量程正负迁移可调,操作方便,且互不影响。
采用信号剥离技术,对传感温度漂移跟随补偿。
可方便地与其它DDZ—Ⅲ型仪表互换配置,并能直接替换进口同类仪表。
校验的方法是通电预热15分钟后,分别在零压力和满程压力下检查输出电流值。
在零压力下调整零电位器,使输出电流为4mA,在满量程压力下调整量程电位器,使输出电流为20mA。
本传感器精度为0.5度,因为是二线制,故工作时需要串接24VDC电源。
在设计中运用到HDB-E型压力变送器检测液位信号,该变送器能将0~100cm的液位转化为4~20mADC的电信号。
仪表控制系统管道流程图如图3所示。
图3仪表控制管道流程图
液位开环实验步骤:
(1)调节水箱出口开关的开度为2/5左右,此开度反映水箱液位的变化较明显,并且能够使水箱储水。
(2)调好管道回路开关,使源水箱的水能够流经水箱构成回路,使用LT102水箱。
(3)首先手动调节阀门开度为0,然后打开变频器待泵出水口压力恒定在50时,监控曲线并快速手动调节阀门开度为实验要求值(如开度30、开度80)。
(4)监控响应曲线。
力控监控曲线如图4、5、6所示。
图4开度30时单容水箱液位开环响应曲线
图5开度50时单容水箱液位开环响应曲线
图6开度80时单容水箱液位开环响应曲线
3.1.2流量开环控制
设计中主要流量对象做开环控制系统。
主要由电磁流量传感器、调节阀和变送器构成的开环系统。
主要用到的有电磁流量转换器(FIT101)、智能仪表XIC102、智能电动调节阀(FV101)、力控组态软件。
实验所用的管道流程图如图12所示。
压力的大小对流量扰动大,须谨慎设置。
由于从电磁流量传感器(FE102)经电磁流量转换器(FIT102)出来的信号是4~20MA的标准信号,进入到仪表GIC102时必须用一个250欧的电阻把其转换为1~5V的电压信号。
图7流量控制管道流程图
流量开环控制步骤。
(1)调节好管道通路,是管道开关HV04完全打开。
(2)手动调节阀门开度为0,打开变频器,使泵出口压力保持在60。
(3)打开监控界面,快速手动调节阀门开度为实验要求的设定值。
(4)监控响应曲线。
力控监控曲线如图8、9所示。
图8开度40时流量开环响应曲线
图9开度100时流量开环响应曲线
3.1.3压力开环控制
设计中主要压力对象做开环控制系统。
主要由压力传感器、调节阀和智能仪表调节器构成的开环系统。
主要用到的有压力传感器(PIT101)、智能仪表PIC101、变频器、力控组态软件。
压力传感器PIT101采集到电流信号后,经过接线端子和250欧的电阻后送到智能仪表PIC101,经过智能仪表分析调节计算,从11、13端送出调节信号到IVT101(MMV440变频器),IVT101根据得到的信号来控制电机的转速。
智能仪表的第三和第四端口通过RS485线与计算机联机后,利用力控软件对其控制效果进行监控,在相同时间内检测出压力变化情况,得到经仪表PID调节后的曲线,根据超调量大小和调节时间长短的比较,可得到效果最好的PID参数设置,使系统调节效果最好。
实验所用的管道流程图如图10所示。
图10压力系统管道流程图
压力开环控制步骤:
(1)使用管道1进行试验,保证管道1开关全开,管道出水口不允许埋在水中,应悬置于空气中,以免影响压力。
(2)手动调节FV101使全开。
(3)打开监控界面,迅速给变频器上电。
(4)监控响应曲线。
力控监控曲线如图11、12所示。
图11开度为14时压力开环响应曲线
图12开度为32时压力开环响应曲线
3.1.4温度开环控制
实验主要设备:
温度传感器、智能仪表AI808、加热丝、可控硅、力控软件。
实验时通过智能仪表的手动设定实现开环控制,实验原理图如图13所示。
图13温度开环系统原理图
图14温度系统管道流程图
温度开环控制:
(1)每次开环实验的条件应大致相同,加热锅炉内胆液位为300毫米,内胆初始水温为15摄氏度。
(2)加热至40摄氏度时停止加热,等待温度稳定后截图。
力控监控曲线如图15、16、17所示。
图15开度为40时温度开环响应曲线
图16开度为60时温度开环响应曲线
图17开度为80时温度开环响应曲线
3.2大小惯性对象的数学模型
由各个对象的开环控制实验可知,液位、流量和压力为可自衡对象,所以为一阶惯性对象。
温度为非自衡对象,且有较大的滞后,所以为一阶积分加纯滞后(延迟)环节对象。
下面根据各个对象的开环响应阶跃曲线求取数学模型。
3.2.1液位对象的数学模型
本实验装置下单容水箱[10]的液位对象为一阶惯性环节。
对象的被控制量为水箱的液位h,控制量(输入量)是流入水箱的流量Q1,Q2为水箱中流出的流量。
根据物料平衡关系,在平衡状态时Q1o-Q2o=0;动态时,则有Q1-Q2=dV/dt;式中V为水箱的贮水容积,dV/dt为水贮存量的变化率,它与h的关系为dV=Adh;又有dV/dt=Adh/dt;A为水箱的底面积Q1-Q2=Adh/dt;基于Q2=h/Rs,Rs为阀V2的液阻,Q1-h/Rs=Adh/dt;转化后可得RsQ1=Arsdh/dt+h;或写作
式中T=ARs,K=Rs。
就是单容水箱的传递函数,下面介绍放大系数K和惯性时间参数T的求法。
令Q1(s)=Ro/S,Ro为常数,则H(s)=KRo[
],对此式取拉氏反变换得h(t)=KRo(1-
),当t趋近与∞时,h(∞)=KRo,K=h(∞)/Ro=输出稳态值/阶跃输入(K含量纲)。
去除量纲时,K的求法可以改进为
(K无量纲)。
其中输出最大值即开度最大值时系统的输出值,输出最小值即开度最小值时系统的输出最小值。
下面分别求取K含量纲的值和不含量纲的值,K系数的求取不影响T参数的值。
当t=T时,则有h(T)=KRo(1-
)=0.632h(∞)。
如图18所示。
图18一阶惯性对象阶跃响应曲线
由此可以根据各个开度的开环响应曲线求得T和K的值。
K含量纲时:
开度为30时,求得K=1.61,T=330(s);开度为50时,求得K=3.26,T=450(s);开度为80时求得K=3,T=520(s);K平均值2.62,T平均值433(s)。
所以可得出本次实验的单容水箱液位对象的模型为
(K含量纲)。
K去除量纲后:
开度为30时,求得K=0.535,T=330(s);开度为50时,求得K=1.08,T=450(s);开度为80时求得K=1,T=520(s);K平均值0.87,T平均值433(s)。
所以可得出本次实验的单容水箱液位对象的模型为
(K无量纲)。
3.2.2流量对象的数学模型
由于流量对象是开环自衡对象,所以流量对象也为一阶惯性对象。
其模型为
,根据流量的开环响应曲线图和一阶惯性环节K,T的计算方法,可得出:
K含量纲时:
开度40时,K=8.6,T=16(s);开60时,K=6.96,T=18(s);开度80时,K=5.58,T=20(s);K平均值6.42,T平均值19.75。
所以本次实验流量对象的数学模型为
(K含量纲)。
K去除量纲后:
开度40时,K=1.89,T=16(s);开60时,K=1.53,T=18(s);开度80时,K=1.22,T=20(s);K平均值1.54,T平均值19.75。
所以本次实验流量对象的数学模型为
(K无量纲)。
3.2.3压力对象的数学模型
压力对象也为开环自衡对象,所以其模型也为一阶惯性对象。
模型为
,根据压力的开环响应曲线图和一阶惯性对象环节K,T的算法,可得出:
K含量纲时:
开度14时,K=2.53,T=9(s);开度26时,K=2.21,T=12(s);开度32时,K=2.14,T=15(s);K平均值1.379,T平均值12。
所以本次实验流量对象的数学模型为
(K含量纲)。
K去除量纲后:
开度14时,K=1.18,T=9(s);开度26时,K=1.03,T=12(s);开度32时,K=1,T=15(s);K平均值1.07,T平均值12。
所以本次实验流量对象的数学模型为
(K无量纲)。
3.2.4一阶惯性环节放大系数K含量纲和无量纲的分析
液位、流量和压力同为一阶惯性环节,但惯型大小呈液位>流量>压力分布。
这三个对象的数学模型如下表1。
液位
流量
压力
K含量纲
K去除量纲
表1一阶惯性对象的数学模型
由以上数据可知,当K含量纲时,求出的K值没有参照性,而且在不同大小惯性环节对象中的大小分布没有规律性,也就是说K含量纲时的值没有意义。
所以一阶惯性环节求取K时要去除量纲。
当去除量纲时,开环全开时求得的K值恒为1,这说明一阶惯性环节在开环全开附近属于K=1的线性环节。
以压力对象为例,开度14时,K=1.18;开度26时,K=1.03;开度32时,K=1;K平均值1.07。
求出的K值在1附近波动,这说明以压力为对象的一阶惯性环节,在开环开度不同值时,K呈接近1的线性分布,但部分区间的K值在1上下浮动。
而液位和流量对象求出的K的平均值也很接近1,这说明一阶惯性对象的K值具有非时变线性的特点。
即K值随着时间呈近似于线性的非线性分布,针对这一特点,可以在各个时间段求出相应的K值,然后针对各个时间段求取得数学模型得出精确的控制参数,达到非常精确的控制效果。
现实中由于控制精度的要求和对象变化的不确定性,可以求出K(去除量纲)参