CN104199477A - 一种基于WI-FI的工业pH过程远程监控系统 - Google Patents

Abstract

一种基于WI-FI的工业pH过程远程监控系统。本发明涉及一种基于内分泌单神经元PID控制器的无线监控系统，该系统工作流程为：一方面，工控机通过Wi-Fi模块组成的无线网络访问MMF模块，实时监测pH过程装置的工作状态；另一方面，MMF模块根据内分泌单神经元PID控制算法调整控制输出，使pH过程在较小超调的前提下快速达到稳定状态。本发明由硬件系统和软件两部分构成。硬件系统由管理单元、无线传输单元和控制单元组成。管理单元为工控机；无线传输单元用于连接管理单元和控制单元，由若干个Wi-Fi模块组成；控制单元由监控服务器(MMF)、模数转换器、数模转换器、有源低通滤波器和pH过程装置组成。软件部分由软件滤波和基于内分泌单神经元PID控制算法组成。

Description

一种基于WI-FI的工业pH过程远程监控系统

技术领域

本发明涉及一种基于WI-FI的工业pH过程远程监控系统，属于pH过程自动控制技术领域。

背景技术

在工业生产中，很多情况需要对其化学反应过程中的pH值进行控制，如农药和医药生产、废水处理中的重金属回收及废水排放前的中和处理、酸碱中和等。目前的pH过程监控系统中大多数都采用有线网络。有线网络系统不仅具有移动性差、不灵活、可拓展性差、组网和维护不便利等缺点。随着无线通信技术的发展，无线网络的稳定性和实时性都有了很大的改善，足以保证控制系统安全稳定的运行。

pH过程是一个非线性、大滞后过程。目前工业中常采用非线性PID算法和非线性预测算法控制pH过程。但是非线性PID算法控制效果不理想，非线性预测算法过于复杂。近年来神经内分泌智能控制理论的发展对传统控制理论产生了积极影响。传统的单神经元PID控制器具有调整参数少、易于现场调试、自适应能力强等优点，但是其比例系数K不支持在线调整。K值过大，则超调量变大、系统不稳定。K值过小，则系统的快速性变差。一般的改进型单神经元PID控制器通过在线调整K值，缩短了控制系统达到稳态的时间，但是抗干扰性和鲁棒性变差。

发明内容

本发明的目的是提供采用基于神经内分泌单神经元PID算法的pH过程控制器的无线远程控制系统，优化该控制系统的动态和稳态特性。

为了达到上述目的，本发明的技术方案是提供了一种基于WI-FI的工业pH过程远程监控系统，其特征在于，包括管理单元、无线传输单元和控制单元，其中：

无线传输单元用于连接管理单元和控制单元；

管理单元一方面用于设置pH过程装置的控制目标，另一方面用于监视pH过程装置的实时pH值；

控制单元包括监控服务器(MMF)、模数转换器(ADI)、数模转换器(DAI)、有源低通滤波器(LPF)和pH过程装置；监控服务器(MMF)根据内分泌单神经元PID控制算法调整控制输出，使pH过程在较小超调的前提下快速达到预先设定的pH稳定值；pH过程装置经由有源低通滤波器(LPF)与模数转换器(ADI)相连，数模转换器(DAI)及模数转换器(ADI)连接监控服务器(MMF)，数模转换器(DAI)直接连接pH过程装置；有源低通滤波器(LPF)用于过滤掉工业现场的干扰信号；

上述pH过程装置的的模型为：

$\left\{\begin{array}{c}u\left(k\right)=u_{\text{m}}\left(k\right)-u_s\\ y\left(k\right)=y_m\left(k\right)-y_s\\ u_s=2.5\mathrm{mA}\\ y_s=5.713\mathrm{pH}\\ x\left(k\right)=u\left(k\right)-1.207u^2\left(k\right)+1.15u^3\left(k\right)\\ y\left(k\right)-1.558y(k-1)+0.597y(k-2)=\\ 0.0185x(k-2)+0.0173x(k-3)+0.00248x(k-4)\end{array}\right.,$

式中，u_m(k)为调节碱流量阀位的电流，y_m(k)为中和液的pH值，u(k)、y(k)为模型的中间变量；

上述内分泌单神经元PID控制算法包括下丘脑调节单元、单神经元PID控制单元、超短反馈单元；下丘脑调节单元用于调节单神经元PID控制单元的神经元比例系数K，从而提高系统的自适应性和快速性；超短反馈单元直接作用于pH过程装置，用于补偿内分泌单神经元PID控制算法的输出，从而提升系统的稳定性。

优选地，所述下丘脑调节单元采用神经内分泌激素调节规律，调节算法根据输入误差e(k)的变化调节单神经元PID控制单元的神经元比例系数K，调整策略为：

K(k)＝K(k-1)/α(k)，其中，K(k)为采样时刻k的神经元比例系数，K(k-1)为采样时刻k-1的神经元比例系数，α(k)为调节因子，e(k)为输入误差，A、B为调节参数。

优选地，在所述单神经元PID控制单元中，对权值的更新采用改进的Hebb学习规则，规范整理后的学习算法为：

$\left\{\begin{array}{c}{\mathrm{\ω}}_1\left(k\right)={\mathrm{\ω}}_1(k-1)+{\mathrm{\η}}_{P}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ {\mathrm{\ω}}_2\left(k\right)={\mathrm{\ω}}_2(k-1)+{\mathrm{\η}}_{I}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ {\mathrm{\ω}}_3\left(k\right)={\mathrm{\ω}}_3(k-1)+{\mathrm{\η}}_{D}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ u\left(k\right)=u(k-1)+K\left(k\right)\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\frac{{\mathrm{\ω}}_i\left(k\right)}{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\left|{\mathrm{\ω}}_i\left(k\right)\right|}{x}_i\left(k\right)\end{array}\right.,$

式中，η_P，η_I，η_D分别为比例、积分、微分的学习速率；

所述超短反馈单元的算法是按照神经内分泌激素调节机制，将内分泌单神经元PID控制算法自身的输出信号在采样周期内的变化率作为反馈信号，采用上升Hill函数原理设计，则有：

$f(\mathrm{\Δu}\left(k\right),e\left(k\right))=\mathrm{\β}\left(\frac{{\left|\mathrm{\Δu}\left(k\right)\right|}^m}{\mathrm{\λ}+{\left|\mathrm{\Δu}\left(k\right)\right|}^m}\right)\·\frac{\mathrm{\Δu}\left(k\right)}{\left|\mathrm{\Δu}\left(k\right)\right|}\·\frac{\mathrm{\Δe}\left(k\right)}{\left|\mathrm{\Δe}\left(k\right)\right|}\·\frac{\mathrm{ek}}{\left|\mathrm{\Δe}\left(k\right)\right|},$ 式中，β，λ，m为正实数的调节参数；

综合所述的下丘脑调节单元、单神经元PID控制单元、超短反馈单元，内分泌单神经元PID控制器的输出信号U(k)有：

$U\left(k\right)=U(k-1)+K\left(k\right)\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\frac{{\mathrm{\ω}}_i\left(k\right)}{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\left|{\mathrm{\ω}}_i\left(k\right)\right|}{x}_i\left(k\right)-f(\mathrm{\ΔU}\left(k\right),e\left(k\right)).$

优选地，所述pH过程装置包括入酸管、入碱管、水槽、搅拌棒、pH传感器、可控阀门，入酸管经由可控阀门伸入水槽内，入碱管则直接伸入水槽内，在水槽内设有搅拌棒，由pH传感器检测水槽内液体的酸碱度。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明采用Wi-Fi网络作为传输介质，布点简单，布网工期短，网络被破坏后易恢复；

2、本发明采用多层分布式网络，可以灵活地扩大或缩小监控范围，方便增减需要监控的被控对象的数量，同时提高了监控效率；

3、本发明将神经内分泌调节原理与单神经元PID控制算法相结合。下丘脑调节单元在线整定单神经元PID控制单元的比例系数K；超短反馈单元对控制器自身输出信号产生反馈补偿作用，从而改善了pH过程控制系统的控制效果。

附图说明

图1是监控系统结构示意图；

图2是pH过程装置结构图；

图3是内分泌单神经元PID控制器结构图；

图4是单神经元PID控制器结构图；

图5是pH过程跟踪特性图；

图6是pH过程抗干扰特性图。

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。

本发明提供了一种基于WI-FI的工业pH过程远程监控系统，其结构如图1所示。一方面，工控机通过Wi-Fi模块组成的无线网络访问监控服务器MMF，监测pH过程实时状态；另一方面，监控服务器MMF根据内分泌单神经元PID控制算法调整控制输出，使pH过程在较小超调的前提下快速达到预先设定的pH稳定值。本发明由硬件系统和植入到监控服务器MMF的软件两部分构成。其中，硬件系统由管理单元、无线传输单元和控制单元组成。管理单元为工控机；无线传输单元用于连接管理单元和控制单元，由若干个Wi-Fi模块组成；控制单元由监控服务器MMF、模数转换器ADI、数模转换器DAI、有源低通滤波器LPF和被控pH过程装置组成。软件部分由软件滤波和基于内分泌单神经元PID控制算法组成。

工控机，一方面用于设置所述pH过程装置的控制目标，另一方面用于监视所述pH过程装置的实时pH值。工控机为性能稳定，处理速度快的工业级PC。其与管理站点MST的连接方式为有线连接。工控机访问监控服务器MMF的方式为通过网页输入相应的IP地址访问。

无线传输单元包括管理站点MST，接收节点AP，控制站点CST，中继接收节点RAP，中继站点RST组成。管理站点MST用于连接管理单元和无线传输单元。接收节点AP用于实现中继站点RST和管理站点MST之间的正常通信。中继接收节点RAP和中继站点RST共同组成一组中继器，用于延长网络传输距离。控制站点CST用于连接传输单元和控制单元。所有管理站点MST，接收节点AP，控制站点CST，中继接收节点RAP，中继站点RST之间的信息传输方式为无线传输。

控制单元由监控服务器MMF、模数转换器ADI、数模转换器DAI、有源低通滤波器LPF和pH过程装置组成。监控服务器MMF、模数转换器ADI和数模转换器DAI集成在一个装置内，并与有源低通滤波器LPF直接通过有线方式连接。监控服务器MMF一方面用于接收模数转换器ADI的数据，另一方面依据内分泌单神经元PID控制算法控制pH过程装置。模数转换器ADI和数模转换器DAI用于实现数字量和模拟量的相互转化。有源低通滤波器LPF用于过滤掉工业现场的干扰信号。pH过程装置由入酸管、入碱管、水槽、搅拌棒、pH传感器、可控阀门组成。其结构如图2所示，pH传感器与有源低通滤波器LPF相连，可控阀门与数模转换器DAI相连。pH过程装置通过调节可控阀门控制入碱管流量实现pH值的控制。

该pH过程装置的模型为：

$\left\{\begin{array}{c}u\left(k\right)=u_{\text{m}}\left(k\right)-u_s\\ y\left(k\right)=y_m\left(k\right)-y_s\\ u_s=2.5\mathrm{mA}\\ y_s=5.713\mathrm{pH}\\ x\left(k\right)=u\left(k\right)-1.207u^2\left(k\right)+1.15u^3\left(k\right)\\ y\left(k\right)-1.558y(k-1)+0.597y(k-2)=\\ 0.0185x(k-2)+0.0173x(k-3)+0.00248x(k-4)\end{array}\right.$

式中，u_m(k)为调节碱流量阀位的电流，y_m(k)为中和液的pH值，u(k)、y(k)为模型的中间变量。

软件滤波采用滑动平均滤波和限幅滤波。

内分泌单神经元PID控制器包括下丘脑调节单元、单神经元PID控制单元、超短反馈单元。其结构如图3所示，下丘脑调节单元主要用来调节单神经元PID控制器的神经元比例系数K，从而提高系统的自适应性和快速性。超短反馈单元直接作用于控制对象，用于补偿单神经元PID控制器的输出，从而提升系统的稳定性。

下丘脑调节单元的算法采用神经内分泌激素调节规律。调节算法根据输入误差e的变化调节单神经元PID控制器的神经元比例系数K。调节因子采用激素分泌的一般规律：

$\left(k\right)=\frac{\left|e\left(k\right)\right|}{A+\left|e\left(k\right)\right|}+B$

式中，k为采样时刻，α(k)为调节因子，e(k)为输入误差，A、B为调节参数。

对K值的调整策略为：

K(k)＝K(k-1)/α(k)

式中K(k)及K(k-1)分别为k时刻及k-1时刻的单神经元PID控制器的神经元比例系数。

单神经元PID控制单元的算法具有调整参数少、易于现场调试等特点，能较大地改善非线性时变对象的动态品质，能够适应过程的时变特性，保证控制系统在最佳状态下运行。其结构如图3所示。对权值的更新采用改进的Hebb学习规则，规范整理后的学习算法为：

$\left\{\begin{array}{c}{\mathrm{\ω}}_1\left(k\right)={\mathrm{\ω}}_1(k-1)+{\mathrm{\η}}_{P}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ {\mathrm{\ω}}_2\left(k\right)={\mathrm{\ω}}_2(k-1)+{\mathrm{\η}}_{I}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ {\mathrm{\ω}}_3\left(k\right)={\mathrm{\ω}}_3(k-1)+{\mathrm{\η}}_{D}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ u\left(k\right)=u(k-1)+K\left(k\right)\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\frac{{\mathrm{\ω}}_i\left(k\right)}{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\left|{\mathrm{\ω}}_i\left(k\right)\right|}{x}_i\left(k\right)\end{array}\right.$

式中η_P，η_I，η_D分别为比例、积分、微分的学习速率。

具体算法可参考文献：阳帅，任金霞.一种改进的单神经元PID控制器[J].制造业自动化，2010，32(11)：119-121.

所述的超短反馈单元的算法是按照神经内分泌激素调节机制，将控制器自身的输出信号在采样周期内的变化率作为反馈信号，采用上升Hill函数原理设计。其算法为：

$f(\mathrm{\Δu}\left(k\right),e\left(k\right))=\mathrm{\β}\left(\frac{{\left|\mathrm{\Δu}\left(k\right)\right|}^m}{\mathrm{\λ}+{\left|\mathrm{\Δu}\left(k\right)\right|}^m}\right)\·\frac{\mathrm{\Δu}\left(k\right)}{\left|\mathrm{\Δu}\left(k\right)\right|}\·\frac{\mathrm{\Δe}\left(k\right)}{\left|\mathrm{\Δe}\left(k\right)\right|}\·\frac{\mathrm{ek}}{\left|\mathrm{\Δe}\left(k\right)\right|}$

式中，β，λ，m为正实数的调节参数。

综合所述的下丘脑调节单元、单神经元PID控制单元、超短反馈单元。令所述的内分泌单神经元PID控制器的输出信号为U(k)，则：

$U\left(k\right)=U(k-1)+K\left(k\right)\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\frac{{\mathrm{\ω}}_i\left(k\right)}{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\left|{\mathrm{\ω}}_i\left(k\right)\right|}{x}_i\left(k\right)-f(\mathrm{\ΔU}\left(k\right),e\left(k\right)).$

针对该模型，具体实现过程中将内分泌单神经元PID控制算法与传统单神经元PID算法的控制效果做了对比，其中的参数取值如下：η_P，η_I，η_D分别为0.2，4，0.4；K(0)为0.07；ω₁(0)，ω₂(0)，ω₂(0)分别为0.2，0.2，0.03；β，λ，m分别为2，0.8，2；A为0.4，B为0.2。为了验证系统对设定目标pH值的跟踪特性，初始时刻设定目标pH值为8，在1000s时设定目标pH值为5.713。两种控制算法的跟踪特性如图5所示，可以看出两种算法都可以使系统达到目标设定值，并且无超调。但是内分泌单神经元PID控制器控制的系统达到稳态的时间比传统单神经元PID控制器少。为了验证系统的抗干扰能力，在系统达到稳态以后，在1500s时给系统加入一个pH值为1的脉冲干扰信号。控制器的抗干扰特性如图6所示，可以看出内分泌单神经元PID控制器可以在pH过程受到干扰后更快的恢复到稳态。

Claims (4)

1.一种基于WI-FI的工业pH过程远程监控系统，其特征在于，包括管理单元、无线传输单元和控制单元，其中：

无线传输单元用于连接管理单元和控制单元；

管理单元一方面用于设置pH过程装置的控制目标，另一方面用于监视pH过程装置的实时pH值；

控制单元包括监控服务器(MMF)、模数转换器(ADI)、数模转换器(DAI)、有源低通滤波器(LPF)和pH过程装置；监控服务器(MMF)根据内分泌单神经元PID控制算法调整控制输出，使pH过程在较小超调的前提下快速达到预先设定的pH稳定值；pH过程装置经由有源低通滤波器(LPF)与模数转换器(ADI)相连，数模转换器(DAI)及模数转换器(ADI)连接监控服务器(MMF)，数模转换器(DAI)直接连接pH过程装置；有源低通滤波器(LPF)用于过滤掉工业现场的干扰信号；

上述pH过程装置的的模型为：

$\left\{\begin{array}{c}u\left(k\right)=u_{\text{m}}\left(k\right)-u_s\\ y\left(k\right)=y_m\left(k\right)-y_s\\ u_s=2.5\mathrm{mA}\\ y_s=5.713\mathrm{pH}\\ x\left(k\right)=u\left(k\right)-1.207u^2\left(k\right)+1.15u^3\left(k\right)\\ y\left(k\right)-1.558y(k-1)+0.597y(k-2)=\\ 0.0185x(k-2)+0.0173x(k-3)+0.00248x(k-4)\end{array}\right.,$

式中，u_m(k)为调节碱流量阀位的电流，y_m(k)为中和液的pH值，u(k)、y(k)为模型的中间变量；

上述内分泌单神经元PID控制算法包括下丘脑调节单元、单神经元PID控制单元、超短反馈单元；下丘脑调节单元用于调节单神经元PID控制单元的神经元比例系数K，从而提高系统的自适应性和快速性；超短反馈单元直接作用于pH过程装置，用于补偿内分泌单神经元PID控制算法的输出，从而提升系统的稳定性。

2.如权利要求1所述的一种基于WI-FI的工业pH过程远程监控系统，其特征在于，所述下丘脑调节单元采用神经内分泌激素调节规律，调节算法根据输入误差e(k)的变化调节单神经元PID控制单元的神经元比例系数K，调整策略为：

K(k)＝K(k-1)/α(k)，其中，K(k)为采样时刻k的神经元比例系数，K(k-1)为采样时刻k-1的神经元比例系数，α(k)为调节因子，e(k)为输入误差，A、B为调节参数。

3.如权利要求2所述的一种基于WI-FI的工业pH过程远程监控系统，其特征在于，在所述单神经元PID控制单元中，对权值的更新采用改进的Hebb学习规则，规范整理后的学习算法为：

$\left\{\begin{array}{c}{\mathrm{\ω}}_1\left(k\right)={\mathrm{\ω}}_1(k-1)+{\mathrm{\η}}_{P}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ {\mathrm{\ω}}_2\left(k\right)={\mathrm{\ω}}_2(k-1)+{\mathrm{\η}}_{I}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ {\mathrm{\ω}}_3\left(k\right)={\mathrm{\ω}}_3(k-1)+{\mathrm{\η}}_{D}e\left(k\right)u\left(k\right)[e\left(k\right)-\mathrm{\Δe}\left(k\right)]\\ u\left(k\right)=u(k-1)+K\left(k\right)\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\frac{{\mathrm{\ω}}_i\left(k\right)}{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\left|{\mathrm{\ω}}_i\left(k\right)\right|}{x}_i\left(k\right)\end{array}\right.,$

式中，η_P，η_I，η_D分别为比例、积分、微分的学习速率；

所述超短反馈单元的算法是按照神经内分泌激素调节机制，将内分泌单神经元PID控制算法自身的输出信号在采样周期内的变化率作为反馈信号，采用上升Hill函数原理设计，则有：

$f(\mathrm{\Δu}\left(k\right),e\left(k\right))=\mathrm{\β}\left(\frac{{\left|\mathrm{\Δu}\left(k\right)\right|}^m}{\mathrm{\λ}+{\left|\mathrm{\Δu}\left(k\right)\right|}^m}\right)\·\frac{\mathrm{\Δu}\left(k\right)}{\left|\mathrm{\Δu}\left(k\right)\right|}\·\frac{\mathrm{\Δe}\left(k\right)}{\left|\mathrm{\Δe}\left(k\right)\right|}\·\frac{\mathrm{ek}}{\left|\mathrm{\Δe}\left(k\right)\right|},$ 式中，β，λ，m为正实数的调节参数；

综合所述的下丘脑调节单元、单神经元PID控制单元、超短反馈单元，内分泌单神经元PID控制器的输出信号U(k)有：

$U\left(k\right)=U(k-1)+K\left(k\right)\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\frac{{\mathrm{\ω}}_i\left(k\right)}{\underset{i=1}{\overset{3}{\mathrm{\Σ}}}\left|{\mathrm{\ω}}_i\left(k\right)\right|}{x}_i\left(k\right)-f(\mathrm{\ΔU}\left(k\right),e\left(k\right)).$

4.如权利要求1所述的一种基于WI-FI的工业pH过程远程监控系统，其特征在于，所述pH过程装置包括入酸管、入碱管、水槽、搅拌棒、pH传感器、可控阀门，入酸管经由可控阀门伸入水槽内，入碱管则直接伸入水槽内，在水槽内设有搅拌棒，由pH传感器检测水槽内液体的酸碱度。