CN106154826A - 一种对高阶对象过程信号降价2阶的方法及装置 - Google Patents
一种对高阶对象过程信号降价2阶的方法及装置 Download PDFInfo
- Publication number
- CN106154826A CN106154826A CN201610471593.9A CN201610471593A CN106154826A CN 106154826 A CN106154826 A CN 106154826A CN 201610471593 A CN201610471593 A CN 201610471593A CN 106154826 A CN106154826 A CN 106154826A
- Authority
- CN
- China
- Prior art keywords
- signal
- lcr
- rank
- lcr bandpass
- default
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P.I., P.I.D.
Abstract
本发明实施例公开了一种对高阶对象过程信号降价2阶的方法及装置,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。本发明方法包括:根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。
Description
技术领域
本发明涉及自动控制技术领域,尤其涉及一种对高阶对象过程信号降价2阶的方法及装置。
背景技术
随着先进控制理论的崛起,经典控制理论和信号处理技术发展,特别是计算机技术的高度发展,为一些新技术的产生和应用创造了良好的客观条件。模型是现代先进控制理论应用的重要前提和基础,实际工程中,高阶对象在工业系统中普遍存在,由于高阶模型难以建立和应用,目前在模型降阶方面的研究较多经典控制理论仍然具有较大的发展空间,在实际工业系统中,经典的PID控制技术仍然在大量应用。微分、实际微分、二阶实际微分等属于一种信号超前处理方法,对提高传统PID控制品质具有显著的作用。
获取过程对象的超前信号,对过程对象进行降阶处理,是提高经典PID控制回路调节品质的有效途径。从信号处理角度看,理想微分运算可用于过程信号的降阶处理。由于实际过程信号中普遍存在噪声干扰包括高频干扰等,随着干扰频率的增加,理想微分运算在频域的幅值增益将趋于无穷大,简单理解存在干扰放大效应,这既是理想微分运算存在的致命缺陷。在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,但实际微分运算不能用于过程信号的降阶处理。
然而,在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致了实际微分运算不能用于过程信号的降阶处理的技术问题。
发明内容
本发明实施例提供的一种对高阶对象过程信号降价2阶的方法及装置,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
本发明实施例提供的一种对高阶对象过程信号降价2阶的方法,包括:
根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
根据所述过程对象的所述预设惯性常数计算LCR带通滤波参数;
根据所述LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取所述过程信号的第一近似微分信号;
将所述阶跃激励的过程信号与所述第一近似微分信号相加,获取所述对象阶跃激励过程信号的降低1阶信号;
对所述降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将所述第二LCR带通滤波信号除以所述LCR带通滤器静态增益,获取第二近似微分信号,并将所述降低1阶信号与所述第二近似微分信号相加,获取所述对象阶跃激励的过程信号的降低2阶信号。
优选地,根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号之前还包括:
获取所述过程对象的预设阶数和预设惯性常数。
优选地,根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号具体包括:
根据所述预设阶数和所述预设惯性常数确定Laplace形式的所述过程对象传递函数;
根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
优选地,根据所述过程对象的所述预设惯性常数计算LCR带通滤波参数具体包括:
根据LCR滤波表达式,确定所述LCR带通滤波参数的计算方式;
根据所述过程对象的所述预设惯性常数结合所述LCR带通滤波参数的计算方式计算出所述LCR带通滤波参数。
优选地,根据所述LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取所述过程信号的第一近似微分信号具体包括:
对所述过程信号进行LCR带通滤波,获取所述过程信号的第一LCR带通滤波信号,所述第一LCR带通滤波信号包含所述过程信号的近似微分信号;
根据所述第一LCR带通滤波信号与获取到的所述LCR带通滤波器静态增益,获取所述过程信号的所述第一近似微分信号。
本发明实施例提供的一种对高阶对象过程信号降价2阶的装置,包括:
过程对象阶跃激励单元,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
LCR带通滤波参数计算单元,用于根据所述过程对象的所述预设惯性常数计算LCR带通滤波参数;
近似微分信号获取单元,用于根据所述LCR带通滤波参数对应的LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取所述过程信号的近似微分信号;
近似降价信号获取单元,用于将所述阶跃激励的过程信号与所述近似微分信号相加,获取所述对象阶跃激励过程信号的降低1阶信号。
优选地,获取过程信号的近似微分信号的装置还包括:
预设数获取单元,用于获取所述过程对象的预设阶数和预设惯性常数。
优选地,过程对象阶跃激励单元具体包括:
过程对象确定子单元,用于根据所述预设阶数和所述预设惯性常数确定Laplace形式的所述过程对象传递函数;
过程信号获取子单元,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
优选地,LCR带通滤波参数计算单元具体包括:
LCR带通滤波参数的计算方式确定子单元,用于根据LCR滤波表达式,确定所述LCR带通滤波参数的计算方式;
LCR带通滤波参数计算子单元,用于根据所述过程对象的所述预设惯性常数结合所述LCR带通滤波参数的计算方式计算出所述LCR带通滤波参数。
优选地,近似微分信号获取单元具体包括:
LCR带通滤波信号获取子单元,用于对所述过程信号进行LCR带通滤波,获取所述过程信号的第一LCR带通滤波信号,所述第一LCR带通滤波信号包含所述过程信号的近似微分信号;
近似微分信号获取子单元,用于根据所述第一LCR带通滤波信号与获取到的所述LCR带通滤波器静态增益,获取所述过程信号的所述第一近似微分信号。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供的一种对高阶对象过程信号降价2阶的方法及装置,其中,对高阶对象过程信号降价2阶的方法包括:根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;根据过程对象的预设惯性常数计算LCR带通滤波参数;根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。本实施例中,通过根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;根据过程对象的预设惯性常数计算LCR带通滤波参数;根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种获取过程信号的近似微分信号的方法一个实施例的流程示意图;
图2为本发明实施例提供的一种获取过程信号的近似微分信号的方法另一个实施例的流程示意图;
图3为本发明实施例提供的一种获取过程信号的近似微分信号的装置一个实施例的结构示意图;
图4为本发明实施例提供的一种获取过程信号的近似微分信号的装置另一个实施例的结构示意图;
图5为LCR带通滤波器电路示意图;
图6为第一近似微分信号与第二近似微分信号的实验结果图;
图7为对象阶跃激励过程信号、降低1阶信号和降低2阶信号的实验结果图;
图8为近似微分提取方法抗白噪声干扰特性实验结果图;
图9为4阶对象阶跃激励响应过程信号降低2阶的具体降阶原理图;
图10为进行过热汽温信号降阶处理流程示意图;
图11为过热汽温信号的降低2阶信号实验结果示意图。
具体实施方式
本发明实施例提供的一种对高阶对象过程信号降价2阶的方法及装置,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供的一种获取过程信号的近似微分信号的方法一个实施例包括:
101、根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
本实施例中,当需要提取过程信号的微分信号时,首先需要根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
102、根据过程对象的预设惯性常数计算LCR带通滤波参数;
当根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号之后,需要根据过程对象的预设惯性常数计算LCR带通滤波参数。
103、根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;
当根据过程对象的预设惯性常数计算LCR带通滤波参数之后,需要根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号。
104、将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;
当根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号之后,需要将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号。
105、对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。
当将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号之后,需要对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。
本实施例中,通过根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;根据过程对象的预设惯性常数计算LCR带通滤波参数;根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
上面是对获取过程信号的近似微分信号的方法的过程进行详细的描述,下面将对具体过程进行详细的描述,请参阅图2,本发明实施例提供的一种获取过程信号的近似微分信号的方法另一个实施例包括:
201、获取过程对象的预设阶数和预设惯性常数;
本实施例中,当需要提取过程信号的微分信号时,首先需要获取过程对象的预设阶数和预设惯性常数。
202、根据预设阶数和预设惯性常数确定Laplace形式的过程对象传递函数;
当获取过程对象的预设阶数和预设惯性常数之后,需要根据预设阶数和预设惯性常数确定Laplace形式的过程对象传递函数。
203、根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
当根据预设阶数和预设惯性常数确定Laplace形式的过程对象传递函数之后,需要根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
204、根据LCR滤波表达式,确定LCR带通滤波参数的计算方式;
当根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号之后,需要根据LCR滤波表达式,确定LCR带通滤波参数的计算方式。
205、根据过程对象的预设惯性常数结合LCR带通滤波参数的计算方式计算出LCR带通滤波参数;
当根据LCR滤波表达式,确定LCR带通滤波参数的计算方式之后,需要根据过程对象的预设惯性常数结合LCR带通滤波参数的计算方式计算出LCR带通滤波参数。
206、对过程信号进行LCR带通滤波,获取过程信号的第一LCR带通滤波信号,第一LCR带通滤波信号包含过程信号的近似微分信号;
当根据过程对象的预设惯性常数结合LCR带通滤波参数的计算方式计算出LCR带通滤波参数之后,需要对过程信号进行LCR带通滤波,获取过程信号的第一LCR带通滤波信号,第一LCR带通滤波信号包含过程信号的近似微分信号。
207、根据第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;
当对过程信号进行LCR带通滤波,获取过程信号的第一LCR带通滤波信号,第一LCR带通滤波信号包含过程信号的近似微分信号之后,需要根据第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号。
208、将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;
当根据第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号之后,需要将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号。
209、对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号;
当将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号之后,需要对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。
209、将近似微分信号提取过程与理想微分运算进行对比。
为了说明本发明的近似微分信号提取方法的优越性,需要将近似微分信号提取过程与理想微分运算进行对比。
下面以一具体应用场景对图2进行详细的描述,如图5至图7所示:
过程对象为预设阶数n和预设惯性常数Tα的等容惯性环节;
获取过程对象的预设阶数n和预设惯性常数Tα;
获取过程对象阶跃激励的过程信号;
根据对象的惯性常数设置预设数的LCR带通滤波参数;
对过程信号进行第一LCR带通滤波,获取第一LCR带通滤波信号;
第一LCR带通滤波信号为包含过程信号的近似微分信号;
获取LCR带通滤器静态增益,将第一LCR带通滤波信号除以LCR带通滤器静态增益,获取第一近似微分信号;
将对象阶跃激励过程信号与近第一似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;
对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号;
将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号;
将降低1阶信号与近第二似微分信号相加,获取对象阶跃激励过程信号的降低2阶信号;
将本发明的近似微分信号提取方法与理想微分运算进行对比,以说明本发明的近似微分信号提取方法的优越性。
S101、过程对象为预设阶数n和预设惯性常数Tα的等容惯性环节:
过程对象表达为式(1):
式中,Wn(s)为Laplace形式的过程对象传递函数,n为预设阶数、单位无量纲,Tα为惯性常数、单位s。1代表对象的静态增益为1。
解释1:一种对高阶对象过程信号降价2阶的方法并不关心对象的静态增益,将对象的静态增益进行归一化处理。
解释2:所谓的高阶对象,即过程对象的预设阶数n大于等于3。
S102、获取过程对象的预设阶数n和预设惯性常数Tα:
可以采用基于时域的过程模型辨识法、基于频域的过程模型辨识法、基于最小等乘二的过程模型辨识法、基于为随机激励的过程模型辨识法等获取过程对象的预设阶数n和预设惯性常数Tα。
在一个实施例中,预设阶数n=4,惯性常数Tα=100s。
S103、获取过程对象阶跃激励的过程信号,过程对象为预设阶数n的等容惯性环节:
在一个实施例中,预设阶数n=4,惯性常数Tα=100s。
过程对象表达为式(2):
式中,W4(s)为Laplace形式的过程对象传递函数;4为预设阶数,单位无量纲;Tα为对象惯性常数,单位s。
过程对象单位阶跃激励下的过程信号表达为式(3):
式中,Y4(t)为过程对象在单位阶跃激励下的过程信号,Yd1(t)、Yd2(t)、Yd3(t)、Yd4(t)为过程信号中的1阶、2阶、3阶、4阶微分信号成分。
S104、根据对象的惯性常数设置预设数的LCR带通滤波参数:
LCR滤波表达为式(4):
式中,WLCR(s)、YLCR(s)、X(s)为Laplace形式的LCR带通滤波器传递函数、输出信号、输入信号,R表示为电阻,单位Ω;TI表示为积分常数,单位s;TD表示为微分常数,单位s;令TI=TD=TO,并且令R→0,表达为式(5):
式中,R表述为LCR带通滤波器电阻,单位Ω;To为LCR带通滤波参数,单位s;ωo表述为中心频率,单位rad/s。
在一个实施例中,LCR带通滤波参数为惯性常数的0.1倍,表达为式(6):
式中,To为LCR带通滤波参数,单位s;Tα为惯性常数,单位s。
S105、对过程信号进行第一LCR带通滤波,获取第一LCR带通滤波信号:
对过程信号进行第一LCR带通滤波,表达为式(7):
式中,Y4-LCR(t)为第一LCR带通滤波信号,包含微分信号Yd1(t)、Yd2(t)、Yd3(t)、Yd4(t)的成分和稳态正弦成分,G(ωo)为1阶对象在中心频率ωo的频域幅值增益、单位无量纲,为1阶对象在中心频率ωo的频域移相、单位rad。
S106、第一LCR带通滤波信号包含过程信号的近似微分信号:
在一个实施例中,预设阶数n=4,惯性常数Tα=100s,LCR带通滤波器电阻R取0.0001Ω,LCR带通滤波参数To取0.1Tα=10s,计算得到LCR带通滤波信号中各种成分的相对比例,如下表所示:
表中可见,第一LCR带通滤波信号的成分以4阶微分信号Yd4(t)为主,则第一LCR带通滤波信号可简化为式(8):
Y4-LCR(t)≈RG(ωo)Yd4(t) (8)
式中,G(ωo)为一阶对象在中心频率ωo的幅值增益、单位无量纲,RG(ωo)为LCR带通滤器静态增益,单位Ω;Y4-LCR(t)为第一LCR带通频滤信号,近似为LCR带通滤波静态增益RG(ωo)乘4阶微分信号Yd4(t)。
说明,实际LCR带通滤波器电阻R趋于0时,稳态正弦分量幅值不随过程时间衰减。实际LCR带通滤波器电阻R不可能趋于0,但可以取有限(正实数)小值,可认为稳态正弦分量幅值在有限的过程时间内不衰减。
S107、获取LCR带通滤器静态增益,将第一LCR带通滤波信号除以LCR带通滤器静态增益,获取第一近似微分信号:
获取LCR带通滤器静态增益,表达为式(9):
GLCR=RG(ωo)
式中,GLCR为LCR带通滤器静态增益、单位Ω,G(ωo)为一阶对象在中心频率ωo的幅值增益、单位无量纲。
第一LCR带通滤波信号Y4-LCR(t)除以LCR带通滤波器静态增益GLCR,获取第一近似微分信号,表达为式(10):
式中,Y4-LCR-D(t)为第一近似微分信号,近似为4阶微分信号Yd4(t)。
S108、将对象阶跃激励过程信号与近第一似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号:
将对象阶跃激励过程信号与第一近似微分信号相加,表达为式(11):
Y4-1(t)=Y4(t)+Y4-LCR-D(t)≈1-Yd1(t)-Yd2(t)-Yd3(t) (11)
式中,Y4-1(t)为为所述过程信号Y4(t)的降低1阶信号,消除了为所述过程信号Y4(t)Y4(t)中的4阶微分信号Yd4(t)成分。
S109、对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号:
对降低1阶信号进行第二LCR带通滤波,表达为式(12):
式中,Y4-1-LCR(t)为第二LCR带通滤波信号,包含微分信号Yd1(t)、Yd2(t)、Yd3(t)的成分和稳态正弦成分,G(ωo)为1阶对象在中心频率ωo的频域幅值增益、单位无量纲,为1阶对象在中心频率ωo的频域移相、单位rad。
S110、将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号:
第二LCR带通滤波信号Y4-1-LCR(t)除以LCR带通滤波器静态增益GLCR,获取第二近似微分信号,表达为式(13):
式中,Y4-1-LCR-D(t)为第二近似微分信号,近似为3阶微分信号Yd3(t)。
S111、将降低1阶信号与近第二似微分信号相加,获取对象阶跃激励过程信号的降低2阶信号:
将降低1阶信号与第二近似微分信号相加,表达为式(14):
Y4-2(t)=Y4-1(t)+Y4-1-LCR-D(t)≈1-Yd1(t)-Yd2(t) (14)
式中,Y4-2(t)为所述过程信号Y4(t)的降低2阶信号,消除了降低1阶信号Y4-1(t)中的3阶微分信号Yd3(t)成分。
S112、将本发明的近似微分信号提取方法与理想微分运算进行对比,以说明本发明的近似微分信号提取方法的优越性:
在一个实施例中,预设阶数n=4,惯性常数Tα=100s,LCR带通滤波器电阻R取0.25Ω,LCR带通滤波参数To取0.1Tα=10s。
对该实施例的所述过程信号Y4(t)进行理想微分运算,获得理想微分信号,表达为式(15):
式中,Td为微分常数、单位s,在微分常数Td等于惯性常数Tα时,所述过程信号Y4(t)的理想微分运算信号Y4-d(t)、为4阶微分信号Yd4(t)。
理想微分运算在频域幅值增益,表达为式(16):
Gd(ω)=Tdω (16)
式中,Gd(ω)为理想微分运算在频域的幅值增益,单位无量纲。随着频率ω的增加,增益Gd(ω)将趋于无穷大。
相比较,LCR带通滤频域幅值增益表达为式(17):
式中,GLCR(ω)为LCR带通滤波器在频域的幅值增益,单位无量纲。随着频率ω的增加,增益GLCR(ω)将趋于零,这既是近似微分信号提取方法与理想微分运算(包括实际微分运算)的本质区别所在。
LCR带通滤波器,图5所示,在一个实施例中,预设阶数n等于4,惯性常数Tα等于100s,LCR带通滤波器电阻R取0.25Ω,LCR带通滤波参数To取0.1Tα=10s,得到第一近似微分信号与第二近似微分信号的的实验结果,如图6所示,对象阶跃激励过程信号、降低1阶信号和降低2阶信号的实验结果,如图7所示。
在对象阶跃激励过程信号加入滤波白噪声信号,白噪声滤波环节为惯性常数50s的1阶惯性环节,在白噪声相对均值0.01,得到的实验结果,图8所示。
其中,图9为4阶对象阶跃激励响应过程信号降低2阶的具体降阶原理图。
结合图9,就于图10的实际应用进行过热汽温信号降阶处理流程详细的描述:
对过热汽温信号进行降低2阶处理,其中的负荷修正函数用于修正不同负荷下,点频滤波信号的幅值增益,保证暂态分量与过热汽温信号之间相适应。负荷修正函数需要通过不同负荷下的开环阶跃激励试验结果给出。其中在机组370MW负荷下,进行开环阶跃激励试验,得到过热汽温信号的降低2阶信号,如图11所示。
图11所示,过热汽温减温水调阀位由74%关到64%后,过热汽温由5500C逐步上升到5600℃过热汽温信号的降阶信号相对原信号有较大的超前,波动幅值相对较大,但完全可以接受。
本实施例中,通过根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;根据过程对象的预设惯性常数计算LCR带通滤波参数;根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
进一步地,对象阶跃激励响应与正弦激励响应之间存在某种内在的关联,在较高的正弦激励频率下,可通过对象正弦激励响应获取对象阶跃激励响应的暂态分量,一种点频滤波器能够将对象阶跃激励转换为正弦激励的效果,客观上实现了阶跃激励响应暂态分量的提取,进而推导了一种主要由LCR滤波器为基础的新型过程对象或过程信号降阶方法,信号降阶机理与比例微分降阶方法完全不同,具有良好的抗噪声干扰特性,能够实现较高阶数的信号降阶处理。文中方法完善了信号分析和处理方法,具有良好的理论意义和实际应用价值。数学分析、仿真实验和实际应用结果,验证了新方法的正确性和有效性。
请参阅图3,本发明实施例中提供的一种获取过程信号的近似微分信号的装置的一个实施例包括:
过程对象阶跃激励单元301,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
LCR带通滤波参数计算单元302,用于根据过程对象的预设惯性常数计算LCR带通滤波参数;
近似微分信号获取单元303,用于根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;
降低1阶信号获取单元304,用于将阶跃激励的过程信号与近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;
降低2阶信号获取单元305,用于对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。
本实施例中,通过LCR带通滤波参数计算单元301根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;近似微分信号获取单元302根据过程对象的预设惯性常数计算LCR带通滤波参数;根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;降低1阶信号获取单元303将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;降低2阶信号获取单元304对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
上面是对获取过程信号的近似微分信号的装置的各单元进行详细的描述,下面将对子单元进行详细的描述,请参阅图4,本发明实施例中提供的一种获取过程信号的近似微分信号的装置的另一个实施例包括:
预设数获取单元401,用于获取过程对象的预设阶数和预设惯性常数。
过程对象阶跃激励单元402,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
过程对象阶跃激励单元402具体包括:
过程对象确定子单元4021,用于根据预设阶数和预设惯性常数确定Laplace形式的过程对象传递函数;
过程信号获取子单元4022,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
LCR带通滤波参数计算单元403,用于根据过程对象的预设惯性常数计算LCR带通滤波参数;
LCR带通滤波参数计算单元403具体包括:
LCR带通滤波参数的计算方式确定子单元4031,用于根据LCR滤波表达式,确定LCR带通滤波参数的计算方式;
LCR带通滤波参数计算子单元4032,用于根据过程对象的预设惯性常数结合LCR带通滤波参数的计算方式计算出LCR带通滤波参数。
近似微分信号获取单元404,用于根据LCR带通滤波参数对应的LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的近似微分信号。
近似微分信号获取单元404具体包括:
LCR带通滤波信号获取子单元4041,用于对过程信号进行LCR带通滤波,获取过程信号的第一LCR带通滤波信号,第一LCR带通滤波信号包含过程信号的近似微分信号;
近似微分信号获取子单元4042,用于根据第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号。
降低1阶信号获取单元405,用于将阶跃激励的过程信号与近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;
降低2阶信号获取单元406,用于对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号。
本实施例中,通过LCR带通滤波参数计算单元403根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;近似微分信号获取单元404根据过程对象的预设惯性常数计算LCR带通滤波参数;根据LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取过程信号的第一近似微分信号;降低1阶信号获取单元405将阶跃激励的过程信号与第一近似微分信号相加,获取对象阶跃激励过程信号的降低1阶信号;降低2阶信号获取单元406对降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将第二LCR带通滤波信号除以LCR带通滤器静态增益,获取第二近似微分信号,并将降低1阶信号与第二近似微分信号相加,获取对象阶跃激励的过程信号的降低2阶信号,解决了目前在实际过程系统中,理想微分运算难以运用,多采用实际微分运算,导致的实际微分运算不能用于过程信号的降阶处理的技术问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种对高阶对象过程信号降价2阶的方法,其特征在于,包括:
根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
根据所述过程对象的所述预设惯性常数计算LCR带通滤波参数;
根据所述LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取所述过程信号的第一近似微分信号;
将所述阶跃激励的过程信号与所述第一近似微分信号相加,获取所述对象阶跃激励过程信号的降低1阶信号;
对所述降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将所述第二LCR带通滤波信号除以所述LCR带通滤器静态增益,获取第二近似微分信号,并将所述降低1阶信号与所述第二近似微分信号相加,获取所述对象阶跃激励的过程信号的降低2阶信号。
2.根据权利要求1所述的对高阶对象过程信号降价2阶的方法,其特征在于,根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号之前还包括:
获取所述过程对象的预设阶数和预设惯性常数。
3.根据权利要求1所述的对高阶对象过程信号降价2阶的方法,其特征在于,根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号具体包括:
根据所述预设阶数和所述预设惯性常数确定Laplace形式的所述过程对象传递函数;
根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
4.根据权利要求1所述的对高阶对象过程信号降价2阶的方法,其特征在于,根据所述过程对象的所述预设惯性常数计算LCR带通滤波参数具体包括:
根据LCR滤波表达式,确定所述LCR带通滤波参数的计算方式;
根据所述过程对象的所述预设惯性常数结合所述LCR带通滤波参数的计算方式计算出所述LCR带通滤波参数。
5.根据权利要求1所述的对高阶对象过程信号降价2阶的方法,其特征在于,根据所述LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取所述过程信号的第一近似微分信号具体包括:
对所述过程信号进行LCR带通滤波,获取所述过程信号的第一LCR带通滤波信号,所述第一LCR带通滤波信号包含所述过程信号的近似微分信号;
根据所述第一LCR带通滤波信号与获取到的所述LCR带通滤波器静态增益,获取所述过程信号的所述第一近似微分信号。
6.一种对高阶对象过程信号降价2阶的装置,其特征在于,包括:
过程对象阶跃激励单元,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号;
LCR带通滤波参数计算单元,用于根据所述过程对象的所述预设惯性常数计算LCR带通滤波参数;
近似微分信号获取单元,用于根据所述LCR带通滤波参数对应的第一LCR带通滤波信号与获取到的LCR带通滤波器静态增益,获取所述过程信号的第一近似微分信号;
降低1阶信号获取单元,用于将所述阶跃激励的过程信号与所述近似微分信号相加,获取所述对象阶跃激励过程信号的降低1阶信号;
降低2阶信号获取单元,用于对所述降低1阶信号进行第二LCR带通滤波,获取第二LCR带通滤波信号,将所述第二LCR带通滤波信号除以所述LCR带通滤器静态增益,获取第二近似微分信号,并将所述降低1阶信号与所述第二近似微分信号相加,获取所述对象阶跃激励的过程信号的降低2阶信号。
7.根据权利要求5所述的对高阶对象过程信号降价2阶的装置,其特征在于,对高阶对象过程信号降价2阶的装置还包括:
预设数获取单元,用于获取所述过程对象的预设阶数和预设惯性常数。
8.根据权利要求6所述的对高阶对象过程信号降价2阶的装置,其特征在于,过程对象阶跃激励单元具体包括:
过程对象确定子单元,用于根据所述预设阶数和所述预设惯性常数确定Laplace形式的所述过程对象传递函数;
过程信号获取子单元,用于根据获取的预设阶数和预设惯性常数计算获取对应的过程对象阶跃激励的过程信号。
9.根据权利要求6所述的对高阶对象过程信号降价2阶的装置,其特征在于,LCR带通滤波参数计算单元具体包括:
LCR带通滤波参数的计算方式确定子单元,用于根据LCR滤波表达式,确定所述LCR带通滤波参数的计算方式;
LCR带通滤波参数计算子单元,用于根据所述过程对象的所述预设惯性常数结合所述LCR带通滤波参数的计算方式计算出所述LCR带通滤波参数。
10.根据权利要求6所述的对高阶对象过程信号降价2阶的装置,其特征在于,近似微分信号获取单元具体包括:
LCR带通滤波信号获取子单元,用于对所述过程信号进行LCR带通滤波,获取所述过程信号的第一LCR带通滤波信号,所述第一LCR带通滤波信号包含所述过程信号的近似微分信号;
近似微分信号获取子单元,用于根据所述第一LCR带通滤波信号与获取到的所述LCR带通滤波器静态增益,获取所述过程信号的所述第一近似微分信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610471593.9A CN106154826A (zh) | 2016-06-22 | 2016-06-22 | 一种对高阶对象过程信号降价2阶的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610471593.9A CN106154826A (zh) | 2016-06-22 | 2016-06-22 | 一种对高阶对象过程信号降价2阶的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106154826A true CN106154826A (zh) | 2016-11-23 |
Family
ID=57349325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610471593.9A Pending CN106154826A (zh) | 2016-06-22 | 2016-06-22 | 一种对高阶对象过程信号降价2阶的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106154826A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030117200A1 (en) * | 2001-12-26 | 2003-06-26 | Koh Kwang Jin | Active quadrature signal generator using load having low-pass and high-pass filter characteristics |
US20110221420A1 (en) * | 2010-02-19 | 2011-09-15 | Abb Research Ltd. | Control method for single-phase grid-connected lcl inverter |
CN102629847A (zh) * | 2012-03-29 | 2012-08-08 | 西安理工大学 | 异步电机纯电子式转速反馈方法 |
CN103208815A (zh) * | 2013-04-02 | 2013-07-17 | 清华大学 | 光伏发电系统并网逆变器的d-q轴参数辨识方法 |
CN104022524A (zh) * | 2014-06-30 | 2014-09-03 | 四川大学 | 基于变结构的高压直流输电多通道附加阻尼控制方法 |
CN104166372A (zh) * | 2014-07-31 | 2014-11-26 | 西安交通大学苏州研究院 | 一种进给系统双位置环反馈的抗扰控制器 |
US9118300B2 (en) * | 2013-01-15 | 2015-08-25 | Phonon Corporation | SAW device with heat efficient temperature controller |
-
2016
- 2016-06-22 CN CN201610471593.9A patent/CN106154826A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030117200A1 (en) * | 2001-12-26 | 2003-06-26 | Koh Kwang Jin | Active quadrature signal generator using load having low-pass and high-pass filter characteristics |
US20110221420A1 (en) * | 2010-02-19 | 2011-09-15 | Abb Research Ltd. | Control method for single-phase grid-connected lcl inverter |
CN102629847A (zh) * | 2012-03-29 | 2012-08-08 | 西安理工大学 | 异步电机纯电子式转速反馈方法 |
US9118300B2 (en) * | 2013-01-15 | 2015-08-25 | Phonon Corporation | SAW device with heat efficient temperature controller |
CN103208815A (zh) * | 2013-04-02 | 2013-07-17 | 清华大学 | 光伏发电系统并网逆变器的d-q轴参数辨识方法 |
CN104022524A (zh) * | 2014-06-30 | 2014-09-03 | 四川大学 | 基于变结构的高压直流输电多通道附加阻尼控制方法 |
CN104166372A (zh) * | 2014-07-31 | 2014-11-26 | 西安交通大学苏州研究院 | 一种进给系统双位置环反馈的抗扰控制器 |
Non-Patent Citations (4)
Title |
---|
刘飞 等: "基于滤波器的并网逆变器双环控制设计", 《中国电机工程学报》 * |
李军: "一种基于L C R 滤波和正弦激励的新型微分信号提取方法", 《2 0 1 6 年中国发电厂热工自动化技术论坛论文集》 * |
李军: "一种基于LCR滤波和正弦激励的新型微分信号提取方法", 《2016年中国发电厂热工自动化技术论坛论文集 第一册(获奖论文)》 * |
王日文 等: "有源电力滤波器LCR型输出滤波器参数优化设计", 《电力自动化设备》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101510203B (zh) | 基于拆分机制并行处理实现大数据量高性能处理的方法 | |
CN105988930A (zh) | 测试用例生成方法和装置 | |
CN106250204B (zh) | 一种多学科优化仿真软件的优化器插件开发方法 | |
CN103208094B (zh) | 用于对图像应用滤波器的方法和系统 | |
CN104898427A (zh) | 电机伺服系统的分段滤波迭代学习控制方法 | |
Adkins et al. | Deterministic models for premature and postponed replacement | |
Granot et al. | Characterization sets for the nucleolus | |
CN103197183A (zh) | 一种修正电磁干扰分离中独立分量分析法不确定度的方法 | |
CN106372659A (zh) | 相似对象确定方法及装置 | |
CN105243241A (zh) | 基于提升结构的两通道双正交图滤波器组设计方法 | |
CN106154826A (zh) | 一种对高阶对象过程信号降价2阶的方法及装置 | |
CN106200372A (zh) | 一种获取低阶对象过程信号的近似微分信号的方法及装置 | |
US8983817B2 (en) | Dynamic load balancing for adaptive meshes | |
Li et al. | Adaptive single-mode variational mode decomposition and its applications in wheelset bearing fault diagnosis | |
CN107391283A (zh) | 一种消息处理方法及装置 | |
CN105892988B (zh) | 一种基于fpga的运算电路、示波器和测量仪器 | |
CN106200373A (zh) | 一种获取过程信号的近似微分信号的方法及装置 | |
CN107505834A (zh) | 一种分数阶比例积分控制器的设计方法 | |
CN104184351B (zh) | 一种逆变器控制方法及系统 | |
CN106094509A (zh) | 一种lcr滤波控制方法及装置 | |
CN107450924A (zh) | 一种驱动监控方法、装置和系统 | |
Wei et al. | Exact delta shock wave solution to the Riemann problem for the three-component chromatography model | |
CN104020449A (zh) | 一种合成孔径雷达干涉相位图滤波方法和设备 | |
CN113312585B (zh) | 高阶控制策略参数调节的高频噪声功率增益在线跟踪方法 | |
CN109140679B (zh) | 一种恒风量调试方法、装置及空调 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |
|
RJ01 | Rejection of invention patent application after publication |