摘 要:随着工业控制对象的日趋复杂,传统的PID控制已无法满足要求。文中介绍了一种基于Lonworks现场总线的模糊控制系统,给出了系统的三层结构。并以化工生产过程中的温度控制器为实例,介绍了模糊控制智能节点的设计方法。控制效果与传统的PID控制相比有明显的改善。
关键词:Lonworks总线,模糊控制,智能节点,温度
Abstract: As the objects become more and more complex ,traditio
nal PID co
ntroller can’t have a satisfactory result.In this paper,one fuzzy-co
ntrol system ba
sed on Lonworks-bus is introduced.And The three-layer structure of Lo
nworks is given. By a case of temperature co
ntroller in chemical process, a method for smart node utilizing fuzzy co
ntrol is also introduced.And the co
ntrol effect has got better than traditio
nal PID controller.
Key words: Lonworks-bus, fuzzy control, intelligent node, temperature
1.引言 在化工生产中,温度通常是一个重要的控制参数。对于一些过程比较复杂,工艺要求精准的化工生产过程,采用传统的PID控制方式很难克服过程扰动的影响。如针对特定的工艺情况,总结控制经验,制定一套有效的模糊控制策略,则可实现对温度的精确平稳控制。 现场总线是一种全分布式智能、双向的串行数字通讯链路,它直接沟通生产现场的测量控制和执行设备以及更高层次的自动化
控制设备,是一种开放式控制系统。其中LON(Local Operating Networks)总线是美国ECHELON公司于1991年推出的一种功能全面的局部操作网络,广泛应用于冶金、化工、电力以及楼宇自动化等领域中,实现系统的全面网络化现场测控。若将模糊控制与LON现场总线相结合,建立一套基于Lonworks技术的模糊控制系统,则既可以实施现场级的模糊控制,又可以实现复杂模糊算法的上位机控制。 本文以某化工厂一个化学反应生产过程为例[3],介绍了一种基于Lonworks技术的温度模糊控制系统,详细介绍了其中智能节点的设计方法。该化学反应生产过程是:先将几种化工原料按一定比例混合,制成混合料,再向其中加入另一种化工原料A,发生化学反应生成所需的产品。为保证产品的质量和产量,工艺控制的最佳温度为T℃。由于是放热反应,所以采用调节冷冻水流量来控制反应温度。此温度控制系统具有非线性、时变、有噪声干扰、纯滞后等特性,难以用精确的数学模型描述,因此传统的PID控制方式,很难取得好的控制效果。
2. 温度模糊控制系统设计 2.1 模糊控制系统的结构 在工艺控制的要求和特点的基础上,同时分析了大量生产过程中温度、原料A加入速度和冷冻水温度等历史曲线数据,并对熟练操作人员的操作经验进行了归纳整理,最后确定了“三输入——单输出”的温度模糊控制系统。 输入变量: (1)反应温度:t,单位:℃ (2)反应温度的变化量:△t:t(n)-t(n-1),单位:℃。式中:t(n)为当前第n采样时刻的反应温度,t(n-1)为前一个采样时刻的反应温度,采样周期设为5s。 (3)原料A加入速度:v,单位:kg/h 输出变量:冷冻水流量调节阀门的开度:u 2.2 各模糊变量的模糊子集 ①反应温度t的基本论域为[(t-t0),( t+t0)],其模糊子集T的论域为[-4,4],t0为生产中可能达到的最大温度偏差;②反应温度的变化量△t的基本论域为[-3℃,3℃],其模糊子集△T的论域为[-3,3];③原料A加入速度v的基本论域为[0,1200kg/h],其模糊子集V的论域为[-2,2];④冷冻水阀门开度u的基本论域为[0,100%]。各对应模糊关系见表1、2、3。其中t1、t2、t3、t4为控制中可能的温度偏差,且t0>t4>t3>t2>tl。u的精确值将在控制规则中直接给出。 表1 反应温度t与其模糊子集T的模糊关系
表2 反应温度变化量△t与其模糊子集△T的模糊关系
表3 原料A加入速度v与其模糊子集V的模糊关系
本系统共建立了60条模糊控制规则。根据控制规则,最后得到下面的模糊控制查询表[3],见表4。其中UF为考虑原料A加入速度v时为确定阀门开度u而引入的中间值,它与原料A加入速度的模糊子集V的关系见表5。 表4 模糊控制量u(%)查询表
表5 UF与原料A加入速度的模糊子集V的关系
[align=center]
图1 系统结构图[/align][align=center]
图2 温度控制节点结构图[/align]
3.系统结构设计 系统结构如图1所示,共包含三大部分:上位机、LON总线和智能节点。其中: 上位机主要负责LON网络的安装、维护和管理,可对温度进行实时监控。同时建立测量值数据库,对数据进行存档和归表以便查询、打印。上位机还可作为Web服务器与Internet相连,实现远程监控。 智能节点主要包括温度控制节点和温度测量节点。温度测量节点对温度进行测量并对非线性值进行线性化处理,使得到的数值有足够的精度和线性度,并定期将温度对应的数字量发送到LON总线上交上位机处理。温度控制节点采用模糊控制算法对冷水阀进行控制,并负责各采样点温度采样值的显示与上传。
4.智能节点硬件设计 智能节点采用的Neuron芯片是可带外存储器的MC143150。其片内有三个CPU,即:网络CPU,应用CPU和介质访问CPU。它们与I/0口驱动电路、定时器、片内存储器、网络通讯接口通过8位数据总线和16位地址相连。该芯片有11个可编程的I/0口对象。通过引脚的不同配置,为外部硬件提供灵活的接口,实现不同的I/0对象。 4.1温度控制节点的设计 温度控制节点主要包括:Neuron芯片MC143150,外带的程序存储器,D/A转换,执行机构,显示电路和总线收发器等,如图2所示。D/A转换选用MAX7228,显示电路由MAX7219及相关的驱动电路构成,执行机构包括AD694及其相关的外围电路。执行机构是角行程电动执行机构,应用于冷水阀控制。模糊推理所用的知识库数据存放于神经元芯片的E2PROM存储器中,有一组初始值。系统运行期间可以通过LON总线从上位机获取新的控制参数,从而完成控制参数的更新。 4.2温度测量节点的设计 温度测量节点的结构如图3所示。包括神经元芯片MC143150,程序存储器,温度传感器,光电耦合器MOC3020,A/D转换电路ADC0809, FTT-10A收发器等。[align=center]
图3温度测量节点结构图[/align]
5.智能节点软件设计 节点应用程序用Neuron C语言编写。Neuron C是神经元芯片的专用语言,是ANSI C的扩展,并增添了一些较强的功能,如网络变量类型,事件调度语句等。神经元芯片的任务调度是事件驱动的。当一个给定的条件变为真时,与该条件相关联的一段代码被执行。该智能节点的软件设计包括主程序、A/D转换程序、D/A转换程序、显示子程序、控制算法子程序等,下面以查表法实现模糊控制为例,给出部分源代码[2]: signed short fc(float-type*input1){ …… //设置局部变量 if(mcc==1) sp=sp1; pe=e; //记下偏差的上一个状态 fl_sub(input1,&sp,&e); //计算偏差get e fl_neg(&range_e,&f1); //对偏差限幅 if(fl_it(&e,&f1)==TRUE) ce=f1; else if(fl_gt(&ce,&range_ce)==TRUE) ce=range_ce; fl_ mul(&e,&f1_6,&f1); //对偏差进行量程变换 fl_div(&f1,&range_e,&f1); fl_add(&f1,&f1_6,&f1); fl_ round(&f1,&f2); //对变换后误差进行四舍五入 rol=low-byte(1ro1); fl_mul(&ce,&f1_6,&f1); //对偏差变化值进行量程变换 fl_div(&f1,&f1_6,&f1); fl_add(&f1,&f1_6, &f1); fl_round(&f1,&f2); //对变换后的偏差变化值四舍五入 lcow=fl_to_ulong(&f2); cow=low_byte(1cow); table_u=table[ro1][cow]; …… fl_from_ulong(ltable_u,&f1); //对查表结果进行量程变换 fl_mul(&f1,&range_dtu,&f2); //查模糊控制表 fl_div(&f2,&f1_6,&f1); …… return f_out;//返回输出控制增量[align=center]
图4 温度曲线对比[/align] 本系统投入运行后,取得了比传统单回路PID控制方式更好的控制效果,见图4中的温度曲线对比。从图中可看出,模糊控制过渡过程时间短,超调量小,达到了工艺生产的要求。
6.结束语 模糊控制技术在我国已广泛应用于工业过程、家用电器等领域,但模糊控制技术的网络应用还不多见。本文将Lonworks技术与模糊控制技术结合起来,通过上位机实现实时测控,在实际应用中取得了良好的控制效果。该系统还可充分利用主机资源,使模糊控制算法位于上层,从而可以绑定多个设备节点,以便于构造不同的模糊控制器。控制参数可以通过人机界面由用户输入,通用性强、操作灵活便捷,为模糊控制生成器与现场设备的集成提供了一种有效的途径。 本文作者创新点:将Lonworks技术与模糊控制技术结合起来,给出了智能节点的设计方法和实例,通过计算机实现网络监控,能远程实施温度测控,在应用中取得了良好的控制效果。
参考文献 [1]付晓峰等. Lonworks技术与模糊PID控制相结合应用于中央空调系统的研究[J]. 电气传动自动化,2005,27(2):23-26 [2]钟丽媛,庞小红. 基于Lonworks现场总线的模糊控制器的实现方法[J]. 计算机仿真,2005,22(10):155-158 [3]奉小军,赵新. 化工生产中温度的模糊控制技术应用[J]. 江汉石油科技,2005,15(2):60-62 [4]李俊娥,李丽兰. LonWorks总线在锅炉模糊控制系统中的应用[J]. 微计算机信息,2006,1-1:31-32