CN104729279A - 一种红外碳硫分析仪电弧燃烧炉炉体智能温控装置 - Google Patents

Abstract

本发明公开了一种红外碳硫分析仪电弧燃烧炉炉体智能温控装置，其组成：DSP处理器、GPRS模块、Zigbee发射与接收模块、温度传感器、半导体制冷及加热片、GPRS网络；工作过程：温度传感器安装于电弧炉燃烧炉炉体上并将温度信号传送至DSP处理器，其通过模糊算法控制半导体制冷及加热片使温度稳定在60摄氏度，并通过GPRS模块和Zigbee发射与接收模块将温度信息传送至智能手机和控制红外碳硫分析仪启动。本发明应用模糊预测控制算法实现智能控制，使得电弧燃烧炉炉体温度的控制过程更趋于稳定、合理；应用Zigbee协议无线控制，既省去了连接线，也可以通过无线传感网络检测多个电弧燃烧炉；用智能手机参与炉体温度控制使得炉炉体温度控制更便捷。

Description

一种红外碳硫分析仪电弧燃烧炉炉体智能温控装置

一.技术领域

本装置涉及的技术领域为温度自动控制，具体涉及一种与电弧燃烧法红外碳硫分析仪配套使用的电弧燃烧炉炉体智能温度控制装置。 

二.背景技术

钢材中碳、硫元素的含量对其机械、物理、化学性能产生重要影响，故元素含量分析是金属材料微量元素分析的重要组成部分。目前，测量碳、硫元素的方法有多种，如非水滴定法、电导法、气体容量法等化学分析方法，存在分析精度低等问题。故在高精度需求的场合需采用高频红外碳硫分析仪，但高频红外碳硫分析仪价格昂贵，而且分析过程的成本巨大，一般中小企业难以接受。因此，国内广大中小用户急需一种性能价格比优良的碳、硫分析仪对上述产品进行取代。 

三.发明内容

本发明的目的是为了解决现有碳、硫元素测量技术中存在的温度不稳定而导致的测量不准确的缺陷，提供了一种电弧炉燃烧炉炉体温度监测无线传感网络系统。 

本发明的目的是通过以下技术方案来实现的： 

一种红外碳硫分析仪电弧燃烧炉炉体智能温控装置，其组成包括DSP处理器、GPRS模块、Zigbee发射与接收模块、温度传感器、半导体制冷及加热片、GPRS网络；其特征在于：温度传感器安装于电弧炉燃烧炉炉体上并将温度信号传送至DSP处理器，DSP处理器通过模糊预测算法控制半导体制冷及加热片使温度稳定在60摄氏度，DSP处理器通过GPRS模块将温度信息经由GPRS网络传送至智能手机上，DSP处理器通过Zigbee发射与接收模块控制红外碳硫分析仪启动。 

本发明中，温度传感器固定于电弧炉燃烧炉炉体上，将电弧炉燃烧炉炉体温度参数传送至DSP处理器，通过DSP处理器内部的模糊预测算法计算得出控制量输出至半导体制冷及加热片，并控制半导体制冷及加热片的温度使电弧炉燃烧炉炉体温度控制在60摄氏度左右的范围内。Zigbee发射与接收模块从DSP处理器获得温度参数，并通过Zigbee无线传输启动红外碳硫分析仪，实现对材料的红外碳硫分析。GPRS模块从DSP处理器获得温度参数并通过GPRS网络上传至智能手机处，使用户可远程得知电弧炉燃烧炉炉体温度。 

与现有技术相比，本装置的优势在于： 

1.电弧红外碳硫分析仪试样的燃烧采用电弧燃烧炉，碳硫的分析采用红外线吸收法，因此仪器分析快速、准确，且成本低廉、过程环保。 

2.应用模糊预测控制算法实现智能控制，使得电弧燃烧炉炉体温度的控制过程更趋于稳定、合理。 

3.在红外碳硫分析仪和电弧燃烧炉炉体智能温控装置应用Zigbee协议无线控制，即可以省去连接线，也可以组成无线传感网络，使得红外碳硫分析仪检测多个电弧燃烧炉。 

4.用智能手机参与电弧燃烧炉炉体温度的控制使得炉炉体温度控制更便捷、更人性化。 

四.附图说明

图1是红外碳硫分析仪电弧燃烧炉炉体智能温控装置总体设计图； 

图2是炉体图； 

图3是电子制冷及加热芯片图； 

图中，1.DSP处理器，2.GPRS模块，3.Zigbee发射与接收模块，4.温度传感器，5.半导体制冷及加热片，6.GPRS网络，7.智能手机，8.电弧炉燃烧炉炉体，9.红外碳硫分析仪。 

五.具体实施方式

下面结合附图与实施例对本发明作进一步的描述。 

1.本智能温控装置结构及具体工作过程。 

参见图1，本发明一种红外碳硫分析仪电弧燃烧炉炉体智能温控装置包括：DSP处理器1，GPRS模块2，Zigbee发射与接收模块3，温度传感器4，半导体制冷及加热片5，GPRS网络6，智能手机7，电弧炉燃烧炉炉体8，红外碳硫分析仪9。 

参见图3，在电弧炉的工作过程中：当DSP处理器1的加热控制引脚输出低电平，通过信号放大后驱动使P2-1和P2-2吸合，12V直流电源从半导体制冷及加热片5的负极流入，从正极流出，此时TEC1-12709处于加热状态，电弧炉燃烧炉炉体8上升；当DSP处理器1的制冷控制引脚输出低电平，通过信号放大后驱动使P1-1和P1-2吸合，12V直流电源从半导体制冷及加热片5的正极流入，从负极流出，此时TEC1-12709处于制冷状态，电弧炉燃烧炉炉体8下降；而当DSP处理器1的加热控制引脚和制冷控制引脚同时不为低电平时，P1-1、P1-2、P2-1、P2-2断开，TEC1-12709停止加热与制冷。 

DSP处理器1通过对温度传感器4的输入电压进行AD转换后，在DSP处理器1中存储的模糊预测控制算法对半导体制冷及加热片5的加热和制冷过程进行控制，进而达到对电弧炉燃烧炉炉体8的温度进行实时控制的目的。实现应用模糊预测控制算法控制电弧炉燃烧炉炉体8内的温度的目的。模糊预测控制算法在DSP处理器1中实现。 

参见图1，电弧燃烧炉炉体智能温控装置中安装Zigbee发射与接收模块3，红外碳硫分析仪9内部安装Zigbee发射与接收模块3。两个Zigbee发射与接收模块之间可进行通信，实现利用Zigbee发射与接收模块3实现红外碳硫分析仪9与电弧燃烧炉炉体智能温控装置互相发送信息。在电弧燃烧炉炉体智能温控装置内安装GPRS模块2。温度传感器4将与电弧炉燃烧炉炉体8相关的电压信号传递给DSP处理器1后，DSP处理器1将温度信号传递给GPRS模块2与Zigbee发射与接收模块3。其中，GPRS模块2通过GPRS网络6与智能手机7通信，GPRS模块2通过GPRS网络6发送信息至预先设定的智能手机7内。并将温度信号传递至智能手机7端，使用户可以得知电弧炉燃烧炉炉体8的实时温度。利用Zigbee发射与接收模 块3实现红外碳硫分析仪9与电弧燃烧炉炉体智能温控装置互相发送信息。Zigbee发射与接收模块3通过Zigbee无线信号与红外碳硫分析仪9进行通信，在温度达到60摄氏度的时候使红外碳硫分析仪9进行工作。 

参见图2，图中参数单位为厘米。将半导体制冷及加热片5安装至图中标志位置，并使半导体制冷及加热片5与炉体紧密、可靠接触。 

2.本智能温控装置的各个组成部分的说明。 

1)半导体制冷及加热片5采用TEC1-12709芯片。其最大工作电压为15V，功率为80W并可同时加热和制冷。 

2)温度传感器4采用型号为AD590的单片集成两端感温电流源传感器，测温范围为-55℃～150℃，工作电压是4V～30V，灵敏度：1μA／K，非线性误差为±0.3℃。 

3)DSP处理器1采用TI公司型号为TMS320F2812的32位处理器芯片。其具有完善的事件管理能力和控制功能，且CPU主频可以达到150MHz，运算速度相比单片机有极大地提高。 

附录，模糊预测控制算法如下所述： 

(1)预测模型的模糊辨识 

设一盒单变量(SISO)被控系统的非线性特性，可以用非线性自回归平均滑动离散模型来描述： 

y(k)=f[y(k-1)y(k-2)...y(k-n_y)，u(k-1)u(k-2)...u(k-n_u)]+e(k) 

式中y(k)、u(k)和e(k)分别是k时刻的系统输出、输入和误差(包括噪声)；f[·]为一类非线性函数；n_y和n_u分别为系统输出和输入量的阶次。 

取模糊预测模型的输入为： 

x(k)=[y(k-1)y(k-2)...y(k-n_y)，u(k-1)u(k-2)...u(k-n_u)]^T

通过模糊预测模型的映射关系f_r[·]来逼近实际被控系统的非线性特征： 

y^*(k)=f_r[x(k)] 

显然模糊辨识过程就是根据系统输入、输出样本数据集x(k)、y(k)k=1,2,3...，N，确定参考模糊集和模糊规则基，使模糊预测模型的输出y^*(k)逼迫被控系统的实际输出y(k)，设该输入、输出变量的论域为U和V，则模糊预测模型的输入、输出变量语言值分别为： 

1)参考模糊子集的给定：设在论域U和V上，模糊子集的语言值用三角形隶属度函数来定义。在U={u₁，u₂，...，u_r-1，u_r}范围内，有均分布的参考模糊子集A₁，A₂，...，A_r，r的取值一般为3～10的整数，若该值取的过大，虽然模型精度可能有所提高，但将使模型复杂，规则数增多；反之亦然。 

若A₁定义在[u₁，u₂]、A_i定义在[u_i-1，u_i+1]和A_r定义在[u_r-1，u_r]上，则在论域U上的任意输入x，其隶属度函数可以由： 

来求得。 

2)模糊规则生成。 

首先根据输入样本数据集，{x₁(k)，x₂(k)，...，x_n(k)，y(k)}(k=1，2，...，N)，N是样本数据组组数。在辨识初始阶段，首先应设定系统的结构系数，再根据辨识精度逐渐增大，一般单输入-单输出系统的模糊模型结构取二维模糊模型，取输入、输出阶次n_u=1、n_y=1。 

对于第k个样本{x₁(k)，x₂(k)，...，x_n(k)，y(k)}，首先计算各变量在其对应模糊集上的隶属度，然后选取具有最大隶属度的组合，以生成一条“交”性质的模糊规则。若样本数据x₁(k)、x₂(k)、x₃(k)和y(k)分别在参考模糊子集A₂、A₃、A₄和B₁上的隶属度最大，则生成模糊规则如下： 

R^(k)：ifx₁is A₁₂and x₂is A₂₃and x₃is A₃₄then y is B₁

可使每一组数据产生一条模糊规则。 

3)规则度量的设置。 

定义样本数据在产生规则的模糊子集上的隶属度值之乘积。第k个样本的输入、输出在参考模糊子集上的隶属度值分别是： 

μ_A12(x₁(k))=0.75 

μ_A23(x₂(k))=0.90 

μ_A34(x₃(k))=0.60 

μ_B1(y(k))=0.85 

那么这个样本产生的规则度量为： 

M(K)=μ_A12(x₁(k))·μ_A23(x₂(k))·μ_A34(x₃(k))·μ_B1(y(k))=0.344 

4)模糊映射 

通过模糊辨识产生的模糊规则全域，构成了一个非线性系统输入、输出特性之间的映射关系。x₁(k)、x₂(k)、x₃(k)其相应的隶属度是μ_A12(x₁(k))、μ_A23(x₂(k))、μ_A34(x₃(k))和输出子集B₁的中心值为其输入数据对第k条的隶属度是： 

μ_k(x₁，x₂，x₃)=μ_A12(x₁(k))·μ_A23(x₂(k))·μ_A34(x₃(k)) 

全域L条模糊规则的映射可以写成： 

$y=\frac{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\μ}}_k(x_1,x_2,x_3)\·y_k^{*}}{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\μ}}_k(x_1,x_2,x_3)}$

实际上每条模糊规则对应的子域，可认为是一种子映射，也是一个可以用隶属度描述的模糊基函数： 

$f_k(x_1,x_2,x_3)=\frac{{\mathrm{\μ}}_k(x_1,x_2,x_3)}{\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{f}_k(x_1,x_2,x_3)}$

则模糊模型的映射式，是这种模糊基函数的集合： 

$y=\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{\μ}}_k(x_1,x_2,x_3)\·y_k^{*}$ 。

Claims (8)

1.一种红外碳硫分析仪电弧燃烧炉炉体智能温控装置，其组成包括：DSP处理器(1)、GPRS模块(2)、Zigbee发射与接收模块(3)、温度传感器(4)、半导体制冷及加热片(5)、GPRS网络(6)；其特征在于：温度传感器(4)安装于电弧炉燃烧炉炉体上(8)并将温度信号传送至DSP处理器(1)，DSP处理器(1)通过模糊算法控制半导体制冷及加热片(5)使温度稳定在60摄氏度，DSP处理器(1)通过GPRS模块(2)将温度信息经由GPRS网络(6)传送至智能手机(7)上，DSP处理器(1)通过Zigbee发射与接收模块(3)控制红外碳硫分析仪(9)启动。

2.根据权利要求1所述的电弧燃烧炉炉体智能温控装置，其特征在于：电弧燃烧炉炉体智能温控装置中安装Zigbee发射与接收模块(3)，红外碳硫分析仪(9)内部安装Zigbee发射与接收模块(3)。

3.根据权利要求1所述的电弧燃烧炉炉体智能温控装置，其特征在于：在电弧燃烧炉炉体智能温控装置内安装GPRS模块(2)。

4.根据权利要求1所述的电弧燃烧炉炉体智能温控装置，其特征在于：所用DSP处理器(1)采用TI公司TMS320F2812型号的芯片。

5.根据权利要求1所述的电弧燃烧炉炉体智能温控装置，其特征在于：应用模糊预测控制算法控制电弧炉燃烧炉炉体上(8)内的温度。

6.根据权利要求2所述的电弧燃烧炉炉体智能温控装置，其特征在于：利用Zigbee发射与接收模块(3)实现红外碳硫分析仪(9)与电弧燃烧炉炉体智能温控装置互相发送信息。

7.根据权利要求3所述的电弧燃烧炉炉体智能温控装置，其特征在于：GPRS模块(2)通过GPRS网络(6)发送信息至预先设定的智能手机(7)内。

8.根据权利要求4和5任意一个所述的电弧燃烧炉炉体智能温控装置，其特征在于：模糊预测控制算法在DSP处理器(1)中实现。