CN108803685A - 面向优化调节的流体测控装置及远程优化调节方法 - Google Patents

Abstract

本发明提供一种面向优化调节的流体测控装置及远程优化调节方法，对流量实施优化调节，现场自主测控装置通过来自计量泵驱动电机的转速反馈和网络优化调节得到的最优转速n(k)，形成强实时性的本地内环控制，采用相应的变频控制策略实施转速调节，同时实现流量q(k)的检测。利用通信网络对流量q(k)进行反馈，形成弱实时性的网络外环控制，网络优化节点根据生产工艺所需的最佳流量，基于先进控制策略实施流量的最优调节，得到最优转速n(k)，再利用通信网络将其传送到现场测控装置，对转速实施最优调节，通过交替实施内环控制和外环控制，最终实现流量的高可性和高性能优化调节。

Description

面向优化调节的流体测控装置及远程优化调节方法

技术领域

本发明涉及基于工业计量泵的流体测控领域，特别是面向远程优化调节的流体测控装置及其优化调节方法。

技术背景

流体介质的投加是流程工业生产制备过程中以连续或间歇方式精确定量或精确配比添加各种化学药剂、确保产品质量的关键性生产工艺环节。流体投加装置以工业计量泵为核心，广泛应用于石油、化工、水处理、制药、食品、造纸等国民经济的重要工业领域。在流程工业中输送和投加的流体介质大都是强碱、强酸等强腐蚀性物质，通常采用具有防腐功能的隔膜计量泵输送、投加。现有的隔膜计量泵存在的主要问题：其一是通过手轮以离线方式大致调节流量大小，无法实现在线精准调节，既不利于节能降耗，也难以保证产品质量；其二是工作现场存在强碱、强酸和有毒气体，环境恶劣，不便人工操作，因此，迫切需要实现远程自动调节。以节能降耗为目标的绿色制造是未来流程工业的发展方向，因此，不仅需要自动调节，也需要优化调节。

为了实现智能制造，全面提升制造业水平，全世界工业发达国家从国家战略层面提出相应的举措，例如美国提出工业互联网，德国提出工业V4.0，我国继两化融合、物联网之后近期提出中国制造2025计划。这些举措的核心是面向制造业的分布式智能生产装置及其信息与物理装置深度融合的工业互联网技术。在工业互联网体系中，网络通信环节已非常成熟，从目前来看几乎不存在任何问题，目前亟待解决的问题是现场测控装置的智能化和数字通信功能。智能化要求现场测控设备具有分布式自主测控功能，解决高可靠性问题。数字通信功能，要求现场设备具备网联功能，实现高性能测控。工业互联网测控系统应当是高可靠性与高性能的有机结合，二者缺一不可，而不是重回到早期的集中控制，这样会牺牲可靠性。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种流体测控装置的优化调节方法，通过本地流体测控装置对工业计量泵转速进行闭环控制并检测瞬时流量q(k)，将瞬时流量q(k)通过通信网络传送到远程优化节点，采用优化控制算法求解出最优转速。

进一步的，所述本地流体测控装置内设置嵌入式微控制器。

进一步的，所述优化控制算法根据流量与驱动电机之间的动态模型，采用模型预测控制算法，通过在线滚动优化，计算最优转速并通过通信网络传送给本地流体测控装置，本地流体测控装置通过闭环控制将驱动电机转速调节到此最优转速，然后再检测新的瞬时流量q(k)，并通过网络反馈给远程优化节点，执行下一周期的在线优化，不断重复这一过程，从而实现流量的优化调节。

进一步的，所述动态模型使用便于工程实施的逆M伪随机序列作为系统的输入信号，对模型参数进行递推最小二乘在线辩识，确定模型参数。

本发明提供具有CAN通信功能的工业计量泵专用数字变频计量控制器，其特点是集流量检测、控制和变频执行功能于一体，性价比高。在此基础上，通过智能网关，与基于TCP/IP协议的以太网互联，从而构成工业互联网测控系统，在现场分布式测控的基础上，通过网络优化节点，进一步提高控制性能。通过分布式测控使其具有高可靠性，通过网络优化调节可提高控制性能，即通过分层控制达到可靠性与高性能的有机统一。

附图说明

图1是本发明的面向优化调节的流体测控装置示意图；

图2是Diophantine方程求解示意图。

具体实施方式

下面结合附图对本发明作进一步说明。

工业计量泵在流量的动态调节过程由于隔膜的机械惯性、流体阻力等原因，瞬态流量q与转速n之间存在着动态过渡的非稳态关系，这种关系可用受控自回归积分滑动平均模型CARIMR模型来描述，具体形式如下：

A(z^-1)q(k)＝B(z^-1)n(k-1)+C(z^-1)ξ(k)/Δ (1)

式中n(k)，q(k)分别为动态过渡过程中计量泵瞬态转速与瞬态流量，ξ表示均值为零、方差为σ²的白噪声，Δ＝1-z^-1为差分算子，

面向优化调节的流体测控装置如图1所示，计量泵专用数字变频计量控制器以电机专用数字信号控制器为核心，实现计量泵的驱动电机的转速调节和流量的高精度低成本在线检测。由于嵌入式数字信号控制器的计算能力和存储能力受限，无法根据生产工艺的要求实现流量的在线优化调节。因此，将计量泵专用数字变频计量控制器检测的流量q(k)通过通信网络传输到计算能力强的优化调节网络节点，根据生产工艺要求的期望流量q_S,利用控制公式(1)通过高级优化调节算法，确定相应的最优电机转速n(k),通过通信网络将其传送到计量泵专用数字变频控制器，对转速进行变频调节，并检测新的流量q(k)，再通过网络传送到优化调节节点，计算新的最优转速n(k)，…,从而根据工艺要求，实现流量的优化调节。

由于隔膜计量泵内部结构具有复杂的物理特性，很难通过机理分析得到相应的机理模型。为了求得模型参数，可根据黑箱原理，通过系统的输入、输出实验来辩识系统参数。输入、输出实现可采用脉冲响应法、阶跃响应法，但由于计量泵专用数字变频计量控制器为了确保起动的平稳性采用软启动技术，不宜采用脉冲响应法、阶跃响应实验。因此，本发明拟采用便于工程实再的逆M伪随机序列作为系统的输入信号，对模型参数进行递推最小二乘在线辩识，确定模型参数。由于逆M序列非常接近零均值白噪声，所以可有效激发系统的各种模态，获得理相的辩识效果。

为了对公式(1)中的参数进行辩识，取C(z^-1)＝1时，则有：

记

H(k-1)＝(-Δq(k-1),…,-Δq(k-n_a,n(k-1),…,n(k-n_b-1))^T

则公式(2)可写成

Δy(k)＝H^T(k-1)θ+ξ(k)

设表示θ的估计值，选取具有遗忘因子的递推最小二乘算法，即

式中

μ是遗忘因子,一般取μ＝0.95～1,P(-1)为任意正定矩阵。

当(预先给定的精度)时，公式(1)的模型参数达到收敛，在线辩识结束。

通过前面在线辨识获得模型参数后，可对公式(1)采用广义预测控制算法，得到满足最优性能指标的转速，具体过程简述如下：

1.计算参考轨迹

为了确保系统运行的平稳性和良好的动态特性，要求输出q(k)沿着一条事先规定好的参考轨迹曲线q_r(k)达到设定值。通常参考轨迹曲线为一条从当前时刻实际输出q(k)出发的指数曲线，即：

式中且0<α_r<1，这里T₀为采样周期，τ为参考轨迹的时间常数；q_s为流量的设定置(由生产工艺确定)。对于单步模型算法控制，i只取1。不难看出，参考轨迹的时间常数τ越大，α_r的值越大，系统的柔性越好，鲁棒性越强，但控制速度却减慢。

2.计算预测输出

假设预测时域为P，则参考轨迹向量为

q_r(k+1)＝(q_r(k+1),q_r(k+2),…,q_r(k+P))^T (6)

设控制时域为M，Δn(k)＝(Δn(k),Δn(k+1),…,Δn(k+M-1))^T,则P步预测输出向量可表示为：

q_p(k+1)＝GΔn(k)+Fq(k)+HΔn(k-1)+E (7)

上式右边第一项为与待求输入向量有关的列向量，第二项为由当前输出和过去输出决定的已知列向量，第三项为过去输入决定的列向量，最后一项为与噪声有关的列向量。

其中G为P×M系数矩阵，F，H，E为P维的关于z^-1的多项式列向量，系数矩阵G和F，H，E的系数可通过求解Diophantine方程求得。

3.求解Diophantine方程

求解Diophantine方程的推导过程如图2所示。

4.确定最优性能指标

广义预测控制的目的是使预测输出对参考轨迹的跟踪误差最小，据此可确定如下性能指标：

J＝ψ{(q_p(k+1)-q_r(k+1)^T(q_p(k+1)-q_r(k+1)))+λΔn^T(k)Δn(k)} (12)

式中ψ表示求期望值,λ为加权因子。

5.确定最优性能指标

令得如下优化控制率

Δn(k)＝(G^TG+λI)^-1G^T(q_r(k+1)-Fq(k)-HΔn(k-1)) (13)

将控制向量中Δn(k)第一个分量Δn(k)作用于控制对象，在每个采样周期重复上述过程。

Claims (4)

1.一种流体测控装置的优化调节方法，其特征在于：通过本地流体测控装置对工业计量泵转速进行闭环控制并检测瞬时流量q(k)，将瞬时流量q(k)通过通信网络传送到远程优化节点，采用优化控制算法求解出最优转速。

2.如权利要求1所述的流体测控装置的优化调节方法，其特征在于：所述本地流体测控装置内设置嵌入式微控制器。

3.如权利要求1所述的流体测控装置的优化调节方法，其特征在于：所述优化控制算法根据流量与驱动电机之间的动态模型，采用模型预测控制算法，通过在线滚动优化，计算最优转速并通过通信网络传送给本地流体测控装置，本地流体测控装置通过闭环控制将驱动电机转速调节到此最优转速，然后再检测新的瞬时流量q(k)，并通过网络反馈给远程优化节点，执行下一周期的在线优化，不断重复这一过程，从而实现流量的优化调节。

4.如权利要求3所述的流体测控装置的优化调节方法，其特征在于：所述动态模型使用便于工程实施的逆M伪随机序列作为系统的输入信号，对模型参数进行递推最小二乘在线辩识，确定模型参数。