CN111536424A - 一种天然气智能加臭控制装置及控制方法 - Google Patents
一种天然气智能加臭控制装置及控制方法 Download PDFInfo
- Publication number
- CN111536424A CN111536424A CN202010398847.5A CN202010398847A CN111536424A CN 111536424 A CN111536424 A CN 111536424A CN 202010398847 A CN202010398847 A CN 202010398847A CN 111536424 A CN111536424 A CN 111536424A
- Authority
- CN
- China
- Prior art keywords
- odorizing
- natural gas
- odorizing agent
- concentration
- compensation
- 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.)
- Granted
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D1/00—Pipe-line systems
- F17D1/08—Pipe-line systems for liquids or viscous products
- F17D1/082—Pipe-line systems for liquids or viscous products for cold fluids, e.g. liquefied gas
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D3/00—Arrangements for supervising or controlling working operations
- F17D3/01—Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D3/00—Arrangements for supervising or controlling working operations
- F17D3/12—Arrangements for supervising or controlling working operations for injecting a composition into the line
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明公开了一种天然气智能加臭控制装置及控制方法,该装置包含:加臭机、加臭剂在线检测仪、预测自抗扰控制器、补偿执行机构和天然气流量检测仪;预测自抗扰控制器根据天然气管道的天然气流量值确定加臭剂浓度的设定值,将设定值信号发送给加臭机以控制加臭剂浓度,并根据加臭剂在线检测仪测得的加臭剂浓度值,由预测自抗扰控制器根据自抗扰技术与Smith补偿器结合的控制方法对加臭剂浓度进行补偿,并将补偿信号发送给补偿执行机构,控制加臭机输出加臭剂的补偿量。本发明的控制方法能够考虑浓度的衰减及系统内部的不确定性和外部的温度干扰,保证实时精确控制天然气管网末端实际的加臭剂浓度。
Description
技术领域
本发明涉及一种天然气加臭剂浓度控制方法,具体涉及一种天然气智能加臭控制装置及控制方法。
背景技术
在天然气行业中,加臭是一个必不可少的部分。加臭剂是一种具有强烈气味的有机化合物或混合物,具有含硫、低毒、易燃、易爆、价格昂贵等特点。当以很低的浓度加入燃气中,使燃气有一种特殊的、令人不愉快的警示性臭味,以便泄漏的燃气在达到其爆炸下限5%或达到对人体允许的有害浓度时,即被察觉。但若加臭量不足,可能导致燃气泄露而没有起到安全警示作用,从而引发安全事故。另外,如果加臭量过大,由于加臭剂价格昂贵,造成经济损失,而且过量加臭剂会在不完全燃烧之后产生一氧化碳、含硫气体等有毒气体,从而污染环境。因此,实现天然气中加臭剂的浓度达到国家标准是一个亟需解决的问题。
通常,天然气加臭装置都采用闭环加臭模式,控制器通过比较加臭剂设定输出量与加臭剂实际输出量实现加臭调整,从而保证天然气中加臭剂浓度达到国家标准。例如,申请号为CN201220450693.0的中国实用新型专利,其公开了一种加臭装置输出检测补偿系统,采用闭环加臭模式的加臭装置,能够检测加臭泵加臭剂实际输出量,控制器通过比较加臭剂设定输出量与加臭剂实际输出量,输出加臭剂输出补偿量信号给补偿执行机构,补偿执行机构根据加臭剂输出补偿量改变加臭泵加臭剂实际输出量。虽然该发明考虑到了加臭剂设定量与实际输出量的差异,并通过该浓度差异对加入量进行调整。
又如,申请号为CN201811455499.X的中国发明专利,其公开了一种LNG加臭剂浓度控制系统及其方法,该系统通过检测装置检测天然气中的加臭剂浓度,通过流量计检测天然气流量,从而通过获得的浓度数据和流量数据控制加臭机的工作频率。
但是,上述两个发明专利都没有考虑到加臭剂浓度在天然气管网中由于管网长度和管道吸附作用引发的衰减,并且管网长度还会导致系统出现时滞现象,从而导致系统无法对动态的变化做出及时反应,从而导致整个系统出现超调大、响应时间大的不良现象,同时该装置并未考虑由于温度这一不确定项以及系统内部的不确定性会对加臭剂浓度造成的影响,在这种控制方式下,系统无法消除温度干扰和系统内部干扰以及时滞所带来的影响,从而无法保证实时精确控制天然气管网末端实际的加臭剂浓度达到国家标准。
发明内容
本发明的目的是提供一种天然气智能加臭控制装置及控制方法,该方法解决了现有方法没有考虑加臭剂浓度衰减的问题,能够考虑浓度的衰减及系统内部的不确定性和外部的温度干扰,保证实时精确控制天然气管网末端实际的加臭剂浓度。
为了达到上述目的,本发明提供了一种天然气智能加臭控制装置,该装置包含:加臭机、加臭剂在线检测仪、预测自抗扰控制器、补偿执行机构和天然气流量检测仪。
其中,所述加臭机的输出口与天然气管道相连接,该天然气管道的末端设置有用于检测天然气管道末端的加臭剂浓度实际输出值的加臭剂在线检测仪;所述天然气流量检测仪用以检测天然气管道中的天然气流量。
所述加臭剂在线检测仪和天然气流量检测仪的输出端口均与所述预测自抗扰控制器的输入端口相连接,该预测自抗扰控制器的输出端口与所述加臭机和补偿执行机构的输入端口相连接,且补偿执行机构的输出端口与所述加臭机的输入端口相连接。
所述预测自抗扰控制器根据天然气气化器输出到天然气管道的天然气流量值确定加臭机加臭剂浓度的设定值,将加臭剂浓度的设定值信号发送给所述加臭机以控制加臭机输出的加臭剂浓度,并根据所述天然气管道末端的加臭剂在线检测仪实际测得的加臭剂浓度值,由预测自抗扰控制器根据自抗扰技术与Smith补偿器结合的控制方法对加臭剂浓度进行补偿,并将补偿信号发送给所述补偿执行机构,该补偿执行机构根据预测自抗扰控制器的补偿信号,控制加臭机输出加臭剂的补偿量。
其中,所述预测自抗扰控制器通过自抗扰技术与Smith补偿器结合控制加臭剂的补偿量,其构建的Smith补偿器的模型Gm(S)为:
其中,Km、Tm1、Tm2、τm分别为Smith补偿器的模型参数,而且分别为被控对象模型参数K、T1、T2、τ的估计值;K为系统增益;T1和T2为时间常数;S为拉氏变换的复变量;τ为管网长度所引发的纯滞后时间。
考虑该装置和天然气管道构成的系统的内部的不确定性和外部温度的干扰,构建非线性扩张状态观测器ESO,该非线性扩张状态观测器ESO的控制算法为:
其中,β01、β02、β03为三个可调参数,b0为补偿因子;y'为Smith补偿器的输出;y为燃气管道中加臭剂浓度实际输出值;z1、z2为y的估计值;z3为系统内部的扰动和外部的温度扰动在内的总扰动的实时估计值;u为控制量,表示经过自抗扰技术与Smith补偿器修正后的加臭剂的补偿量;fal(·)为非线性函数,定义为:
其中,ε为系统误差大小;α为指数;δ为区分误差ε大小的界限。
跟踪微分器TD对加臭剂浓度的设定值输入信号v进行预处理,通过快速地跟踪输入信号从而获得其导数微分信号,其控制率为:
其中,v为加臭剂浓度设定值输入信号;v1为根据加臭剂浓度设定值输入信号v输出的跟踪信号,v2为v1的微分信号;r为过渡过程快慢因子,r越大过渡时间越短;h0为滤波因子;fst(·)为非线性函数。
所述预测自抗扰控制器,其非线性误差反馈控制率NLSEF的算法为:
其中,e1、e2为跟踪微分器TD输出的跟踪信号v1、提取的微分信号v2和非线性扩张状态观测器ESO的估计状态变量z1、z2分别形成的差值;δ0、β1、β2为可调参数。
优选地,所述非线性函数fst(·)的算法为:
其中,d、d0、y0、a0、a为中间变量。
优选地,所述加臭机与加臭剂罐的输出口与连接,该加臭剂罐用于为加臭机添加加臭剂。
优选地,所述天然气流量检测仪采用差压式流量计。
优选地,所述加臭剂在线检测仪采用THT在线检测仪。
本发明的另一目的是提供一种智能控制天然气加臭剂浓度的方法,该方法构建自抗扰技术与Smith补偿器结合的预测自抗扰控制器,对天然气智能加臭控制装置和天然气管道构成的系统的不确定性和外部的温度干扰进行预估和补偿,确定加臭剂的补偿量。
构建的Smith补偿器的模型Gm(S)为:
其中,Km、Tm1、Tm2、τm分别为Smith补偿器的模型参数,而且分别为被控对象模型参数K、T1、T2、τ的估计值;K为系统增益;T1和T2为时间常数;S为拉氏变换的复变量;τ为管网长度所引发的纯滞后时间。
考虑该装置和天然气管道构成的系统的内部的不确定性和外部温度的干扰,构建非线性扩张状态观测器ESO,该非线性扩张状态观测器ESO的控制算法为:
其中,β01、β02、β03为三个可调参数,b0为补偿因子;y'为Smith补偿器的输出;y为燃气管道中加臭剂浓度实际输出值;z1、z2为y的估计值;z3为系统内部的扰动和外部的温度扰动在内的总扰动的实时估计值;u为控制量,表示经过自抗扰技术与Smith补偿器修正后的加臭剂的补偿量;fal(·)为非线性函数,定义为:
其中,ε为系统误差大小;α为指数;δ为区分误差ε大小的界限。
跟踪微分器TD对加臭剂浓度的设定值输入信号v进行预处理,通过快速地跟踪输入信号从而获得其导数微分信号,其控制率为:
其中,v为加臭剂浓度设定值输入信号;v1为根据加臭剂浓度设定值输入信号v输出的跟踪信号,v2为v1的微分信号;r为过渡过程快慢因子,r越大过渡时间越短;h0为滤波因子;fst(·)为非线性函数。
所述预测自抗扰控制器,其非线性误差反馈控制率NLSEF的算法为:
其中,e1、e2为跟踪微分器TD输出的跟踪信号v1、提取的微分信号v2和非线性扩张状态观测器ESO的估计状态变量z1、z2分别形成的差值;δ0、β1、β2为可调参数。
优选地,所述非线性函数fst(·)的算法为:
其中,d、d0、y0、a0、a为中间变量。
优选地,通过加臭剂浓度的衰减数学模型,建立加臭剂浓度随管道长度而发生的时滞数学模型,并基于此构建Smith补偿器对时滞进行补偿;
所述衰减数学模型为:
其中,K为系统增益,T1和T2为时间常数,S为拉氏变换的复变量。
所述时滞数学模型为:
其中,τ为管网长度所引发的纯滞后时间,S为拉氏变换的复变量。
优选地,被控对象加臭剂浓度的状态方程为:
其中,f(·)为总扰动,包含系统的非线性、参数改变和外界温度干扰动态模型;b为控制输入矩阵;ω(t)为外界温度引起的干扰;x和x2均为系统状态变量;u(t)为系统控制输入;x(t)为系统状态;t为时间。
本发明的天然气智能加臭控制装置及控制方法,解决了现有方法没有考虑加臭剂浓度衰减的问题,具有以下优点:
(1)本发明的装置及控制方法,建立加臭剂浓度随管道长度和由于管道吸附作用而发生衰减的数学模型,并结合由管道长度引发的时滞建立了被控对象完整的数学模型,并考虑了系统内部的不确定性和外部的温度干扰;
(2)本发明的装置及控制方法,结合Smith预估控制和自抗扰控制,从而对系统的总干扰和时滞进行预估和补偿,提高了系统的动态性能和抗干扰能力;
(3)本发明的装置,采用THT在线检测仪和差压式流量计,通过THT在线检测仪可实时对天然气管网末端的加臭剂浓度实现持续在线监测,通过差压式流量计可对天然气流量实现高精度测量,从而通过获得的加臭剂浓度数据和天然气流量数据对加臭机进行控制,从而保证实时精确控制天然气管网末端实际的加臭剂浓度达到国家标准。
附图说明
图1为本发明的天然气智能加臭控制装置的结构示意图。
图2为本发明实施例1的天然气智能加臭控制装置的结构示意图。
图3为本发明的智能控制天然气加臭剂浓度的方法的原理图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
实施例1
一种天然气智能加臭控制装置,如图1所示,为本发明的天然气智能加臭控制装置的结构示意图,该装置包含:加臭机10、加臭剂在线检测仪30、预测自抗扰控制器40、补偿执行机构50和天然气流量检测仪60。其中,加臭机10的输出口与天然气管道20相连接,天然气管道20的末端设置有用于检测天然气管道末端的加臭剂浓度实际输出值的加臭剂在线检测仪30。天然气流量检测仪60用以检测天然气管道20中的天然气流量。加臭剂在线检测仪30和天然气流量检测仪60的输出端口均与预测自抗扰控制器40的输入端口相连接,预测自抗扰控制器40的输出端口与加臭机10和补偿执行机构50的输入端口相连接,且补偿执行机构50的输出端口也与加臭机10的输入端口相连接。加臭剂罐1的输出口与加臭机10连接,用于为加臭机10添加加臭剂。预测自抗扰控制器40根据天然气气化器输出到天然气管道的天然气流量值确定加臭机加臭剂浓度的设定值,将加臭剂浓度的设定值信号发送给加臭机10以控制加臭机10输出的加臭剂浓度,并根据天然气管道末端的加臭剂在线检测仪30实际测得的加臭剂浓度值,由预测自抗扰控制器40根据自抗扰技术与Smith补偿器结合的控制方法对加臭剂浓度进行补偿,并将补偿信号发送给补偿执行机构50,该补偿执行机构50根据预测自抗扰控制器40的补偿信号,控制加臭机10输出加臭剂的补偿量。
上述天然气流量检测仪60采用差压式流量计,加臭剂在线检测仪30采用THT在线检测仪。
一种智能控制天然气加臭剂浓度的方法,针对上述天然气智能加臭控制装置,为上述预测自抗扰控制器40的控制策略方法,如图3所示,为本发明的智能控制天然气加臭剂浓度的方法的原理图,该方法包含:
(S1)建立加臭剂浓度随管道长度和管道吸附而发生衰减的数学模型,具体为:
在建立被控对象模型时考虑管道中的加臭剂浓度受到管道长度和管道吸附作用的影响,管道长度的影响看作是一个时间常数T1很大的一阶惯性环节,管道吸附作用看作是一个时间常数为T2的一阶惯性环节,并且管道的吸附作用随着管道长度的增加而成比例,建立起被控对象(即加臭剂浓度)的传递函数G0(S)为:
其中,K为系统增益,T1和T2为时间常数,S为拉氏变换的复变量。
(S2)基于加臭剂浓度的衰减数学模型,建立加臭剂浓度随管道长度而发生的时滞数学模型,并基于此构建Smith补偿器对时滞进行补偿,具体为:
在建立被控对象的时滞数学模型时考虑了由于管道长度引发的时滞,由于城市供气系统管网铺设复杂且蜿蜒曲折,达到设定加臭剂浓度所需时间较长,因此天然气加臭系统是一纯滞后时间比较大的系统,因此考虑时滞后的被控对象的传递函数G(S),即时滞数学模型,为:
其中,τ为管网长度所引发的纯滞后时间,S为拉氏变换的复变量。
建立的Smith补偿器的模型Gm(S)为:
其中,Km、Tm1、Tm2、τm分别为Smith补偿器的模型参数,而且分别为被控对象模型参数K、T1、T2、τ的估计值,Smith补偿器对时滞起到补偿作用。
(S3)综合考虑上述智能控制装置和天然气管道构成的系统的内部的不确定性和外部温度的干扰,构建非线性扩张状态观测器ESO,具体为:
在补偿时滞时同时考虑了系统(智能控制装置和天然气管道构成的系统)内部的不确定度和外界的温度干扰,利用估计器对系统中的不确定度和外界的温度干扰进行估计,将Smith补偿器的输出y'和加臭剂在线检测仪30测得的燃气管道中加臭剂浓度实际输出值y之和、控制量u(经过自抗扰技术与Smith补偿器修正后的加臭剂的补偿量)作为扩张状态观测器ESO的输入,预测当前时刻状态和干扰,其构建过程为:
被控对象的状态方程为:
其中,f(·)为总扰动,包含系统的非线性、参数改变和外界温度干扰动态模型;b为控制输入矩阵;ω(t)为外界温度引起的干扰;x和x2均为系统状态变量;u(t)为系统控制输入;x(t)为系统状态;t为时间。
跟踪微分器TD的目的是对加臭剂浓度设定值输入信号进行预处理,通过快速地跟踪输入信号从而获得其导数微分信号,TD的控制率如下:
其中,v为加臭剂浓度设定值输入信号;v1为根据加臭剂浓度设定值输入信号v输出的跟踪信号,v2为v1的微分信号;r为过渡过程快慢因子,r越大过渡时间越短;h0为滤波因子;fst(·)为非线性函数,其算法如下:
其中,d、d0、y0、a0、a为中间变量。
扩张状态观测器ESO对控制量u、Smith补偿器的输出y'和实际输出y进行估计,得到y的状态变量z1、z2的估计值,并将系统内部的扰动和外部的温度扰动在内的总扰动进行实时估计即z3,最后对扰动进行相应的补偿。
扩张状态观测器ESO控制算法如下:
其中,ε为系统误差大小;β01、β02、β03为三个主要可调参数,b0为补偿因子;fal(·)为非线性函数,定义为:
其中,α为指数;δ为区分误差ε大小的界限。
(S4)构建自抗扰技术与Smith补偿器结合的预测自抗扰控制器,对系统的不确定性和外部的温度干扰进行预估和补偿,具体为:
将给定的加臭剂浓度的设定值v、扩张状态观测器ESO输出z1、z2、z3作为输入,非线性误差反馈控制率NLSEF的算法如下:
其中,e1、e2为跟踪微分器TD输出的跟踪信号v1、提取的微分信号v2和ESO的估计状态变量z1、z2分别形成的差值;δ0、β1、β2为可调参数;b0为补偿因子;控制量u由总扰动估计值z3与b0决定。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.一种天然气智能加臭控制装置,其特征在于,该装置包含:加臭机(10)、加臭剂在线检测仪(30)、预测自抗扰控制器(40)、补偿执行机构(50)和天然气流量检测仪(60);
其中,所述加臭机(10)的输出口与天然气管道(20)相连接,该天然气管道(20)的末端设置有用于检测天然气管道末端的加臭剂浓度实际输出值的加臭剂在线检测仪(30);所述天然气流量检测仪(60)用以检测天然气管道(20)中的天然气流量;
所述加臭剂在线检测仪(30)和天然气流量检测仪(60)的输出端口均与所述预测自抗扰控制器(40)的输入端口相连接,该预测自抗扰控制器(40)的输出端口与所述加臭机(10)和补偿执行机构(50)的输入端口相连接,且补偿执行机构(50)的输出端口与所述加臭机(10)的输入端口相连接;
所述预测自抗扰控制器(40)根据天然气气化器输出到天然气管道(20)的天然气流量值确定加臭机(10)加臭剂浓度的设定值,将加臭剂浓度的设定值信号发送给所述加臭机(10)以控制加臭机(10)输出的加臭剂浓度,并根据所述天然气管道(20)末端的加臭剂在线检测仪(30)实际测得的加臭剂浓度值,由预测自抗扰控制器(40)根据自抗扰技术与Smith补偿器结合的控制方法对加臭剂浓度进行补偿,并将补偿信号发送给所述补偿执行机构(50),该补偿执行机构(50)根据预测自抗扰控制器(40)的补偿信号,控制加臭机(10)输出加臭剂的补偿量;
其中,所述预测自抗扰控制器(40)通过自抗扰技术与Smith补偿器结合控制加臭剂的补偿量,其构建的Smith补偿器的模型Gm(S)为:
其中,Km、Tm1、Tm2、τm分别为Smith补偿器的模型参数,而且分别为被控对象模型参数K、T1、T2、τ的估计值;K为系统增益;T1和T2为时间常数;S为拉氏变换的复变量;τ为管网长度所引发的纯滞后时间;
考虑该装置和天然气管道构成的系统的内部的不确定性和外部温度的干扰,构建非线性扩张状态观测器ESO,该非线性扩张状态观测器ESO的控制算法为:
其中,β01、β02、β03为三个可调参数,b0为补偿因子;y'为Smith补偿器的输出;y为天然气管道中加臭剂浓度实际输出值;z1、z2为y的估计值;z3为系统内部的扰动和外部的温度扰动在内的总扰动的实时估计值;u为控制量,表示经过自抗扰技术与Smith补偿器修正后的加臭剂的补偿量;fal(·)为非线性函数,定义为:
其中,ε为系统误差的大小;α为指数;δ为区分误差ε大小的界限;
跟踪微分器TD对加臭剂浓度的设定值输入信号v进行预处理,通过快速地跟踪输入信号从而获得其导数微分信号,其控制率为:
其中,v为加臭剂浓度设定值输入信号;v1为根据加臭剂浓度设定值输入信号v输出的跟踪信号,v2为v1的微分信号;r为过渡过程快慢因子,r越大过渡时间越短;h0为滤波因子;fst(·)为非线性函数;
所述预测自抗扰控制器(40),其非线性误差反馈控制率NLSEF的算法为:
其中,e1、e2为跟踪微分器TD输出的跟踪信号v1、提取的微分信号v2和非线性扩张状态观测器ESO的估计状态变量z1、z2分别形成的差值;δ0、β1、β2为可调参数。
3.根据权利要求1或2所述的天然气智能加臭控制装置,其特征在于,所述加臭机(10)与加臭剂罐(1)的输出口相连接,该加臭剂罐(1)用于为加臭机(10)添加加臭剂。
4.根据权利要求1或2所述的天然气智能加臭控制装置,其特征在于,所述天然气流量检测仪(60)采用差压式流量计。
5.根据权利要求1或2所述的天然气智能加臭控制装置,其特征在于,所述加臭剂在线检测仪(30)采用THT在线检测仪。
6.一种智能控制天然气加臭剂浓度的方法,其特征在于,该方法构建自抗扰技术与Smith补偿器结合的预测自抗扰控制器,对天然气智能加臭控制装置和天然气管道构成的系统的不确定性和外部的温度干扰进行预估和补偿,确定加臭剂的补偿量;
构建的Smith补偿器的模型Gm(S)为:
其中,Km、Tm1、Tm2、τm分别为Smith补偿器的模型参数,而且分别为被控对象模型参数K、T1、T2、τ的估计值;K为系统增益;T1和T2为时间常数;S为拉氏变换的复变量;τ为管网长度所引发的纯滞后时间;
考虑该装置和天然气管道构成的系统的内部的不确定性和外部温度的干扰,构建非线性扩张状态观测器ESO,该非线性扩张状态观测器ESO的控制算法为:
其中,β01、β02、β03为三个可调参数,b0为补偿因子;y'为Smith补偿器的输出;y为燃气管道中加臭剂浓度实际输出值;z1、z2为y的估计值;z3为系统内部的扰动和外部的温度扰动在内的总扰动的实时估计值;u为控制量,表示经过自抗扰技术与Smith补偿器修正后的加臭剂的补偿量;fal(·)为非线性函数,定义为:
其中,ε为系统误差大小;α为指数;δ为区分误差ε大小的界限;
跟踪微分器TD对加臭剂浓度的设定值输入信号v进行预处理,通过快速地跟踪输入信号从而获得其导数微分信号,其控制率为:
其中,v为加臭剂浓度设定值输入信号;v1为根据加臭剂浓度设定值输入信号v输出的跟踪信号,v2为v1的微分信号;r为过渡过程快慢因子,r越大过渡时间越短;h0为滤波因子;fst(·)为非线性函数;
所述预测自抗扰控制器,其非线性误差反馈控制率NLSEF的算法为:
其中,e1、e2为跟踪微分器TD输出的跟踪信号v1、提取的微分信号v2和非线性扩张状态观测器ESO的估计状态变量z1、z2分别形成的差值;δ0、β1、β2为可调参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398847.5A CN111536424B (zh) | 2020-05-12 | 2020-05-12 | 一种天然气智能加臭控制装置及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398847.5A CN111536424B (zh) | 2020-05-12 | 2020-05-12 | 一种天然气智能加臭控制装置及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111536424A true CN111536424A (zh) | 2020-08-14 |
CN111536424B CN111536424B (zh) | 2022-07-29 |
Family
ID=71975748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010398847.5A Active CN111536424B (zh) | 2020-05-12 | 2020-05-12 | 一种天然气智能加臭控制装置及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111536424B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759726A (zh) * | 2021-09-27 | 2021-12-07 | 西南石油大学 | 一种天然气加臭控制系统及其控制方法 |
CN114542989A (zh) * | 2022-03-16 | 2022-05-27 | 西南石油大学 | 一种天然气补充加臭方法及其微型加臭装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202733450U (zh) * | 2012-09-06 | 2013-02-13 | 沈阳光正工业有限公司 | 加臭装置输出检测补偿系统 |
CN104578143A (zh) * | 2014-12-15 | 2015-04-29 | 浙江大学 | 一种适用于新能源发电机的不确定大时滞的补偿方法 |
US9268315B2 (en) * | 2002-04-18 | 2016-02-23 | Cleveland State University | Extended active disturbance rejection controller |
CN106292273A (zh) * | 2016-09-26 | 2017-01-04 | 长春理工大学 | 针对大滞后温度系统的滞后时间削弱的自抗扰控制方法 |
-
2020
- 2020-05-12 CN CN202010398847.5A patent/CN111536424B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9268315B2 (en) * | 2002-04-18 | 2016-02-23 | Cleveland State University | Extended active disturbance rejection controller |
CN202733450U (zh) * | 2012-09-06 | 2013-02-13 | 沈阳光正工业有限公司 | 加臭装置输出检测补偿系统 |
CN104578143A (zh) * | 2014-12-15 | 2015-04-29 | 浙江大学 | 一种适用于新能源发电机的不确定大时滞的补偿方法 |
CN106292273A (zh) * | 2016-09-26 | 2017-01-04 | 长春理工大学 | 针对大滞后温度系统的滞后时间削弱的自抗扰控制方法 |
Non-Patent Citations (7)
Title |
---|
BINWEN ZHANG;WEN TAN;JIAN LI: "Tuning of Smith predictor based generalized ADRC for time-delayed processes via IMC", 《ISA TRANSACTIONS》 * |
JIA LUO;WEIJIAN HUANG;XI ZHANG;LE WU;KAI SU;YINGNAN WANG;SIYING: "Study of Power Plant Main Steam Temperature System Based on Smith-LADRC Controller", 《PROCEEDINGS OF 2015 3RD INTERNATIONAL CONFERENCE ON MACHINERY,MATERIALS AND INFORMATION TECHNOLOGY APPLICATIONS (ICMMITA 2015)》 * |
中华人民共和国住房和城乡建设部: "《中华人民共和国行业标准 CJJ/T 148-2010》", 21 October 2010 * |
夏晴: "基于ARM的大滞后控制系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
朱斌: "《自抗扰控制入门》", 31 July 2017 * |
管志敏: "自抗扰控制技术在大型火电机组控制系统中的应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
韩京清: "《自抗扰控制技术—估计补偿不确定因素的控制技术》", 30 September 2008 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113759726A (zh) * | 2021-09-27 | 2021-12-07 | 西南石油大学 | 一种天然气加臭控制系统及其控制方法 |
CN113759726B (zh) * | 2021-09-27 | 2024-02-06 | 西南石油大学 | 一种天然气加臭控制系统及其控制方法 |
CN114542989A (zh) * | 2022-03-16 | 2022-05-27 | 西南石油大学 | 一种天然气补充加臭方法及其微型加臭装置 |
CN114542989B (zh) * | 2022-03-16 | 2023-11-28 | 西南石油大学 | 一种天然气补充加臭方法及其微型加臭装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111536424B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111536424B (zh) | 一种天然气智能加臭控制装置及控制方法 | |
CN101636641B (zh) | 用于质量流量控制器的控制器增益调度 | |
CN105674060B (zh) | 一种压缩空气系统压力流量联合控制节能装置及方法 | |
US8950419B2 (en) | Hydrogen supply method and system | |
RU2008132780A (ru) | Способ определения воздухонепроницаемости замкнутых пространств | |
CN106773669B (zh) | 一种燃料热值实时自适应校正的火电机组协调控制方法 | |
Mohamed et al. | Adaptive super twisting extended state observer based sliding mode control for diesel engine air path subject to matched and unmatched disturbance | |
CN104734588B (zh) | 一种生物质气内燃发电机组转速控制方法 | |
CN202733450U (zh) | 加臭装置输出检测补偿系统 | |
CN109519709B (zh) | Lng加臭剂浓度控制系统及其方法 | |
EP2884354A1 (en) | Model-based predictive controller with steady-state model adaptation | |
CN105676647A (zh) | 一种基于状态观测器的冷热电三联供系统预测控制方法 | |
CN110568129A (zh) | 一种SCR脱硝出口混合及分区烟气NOx浓度检测系统及其方法 | |
JP2016506302A (ja) | 冷間圧延における酸洗のための酸濃度制御方法および装置 | |
CN111220349A (zh) | 一种多参量优化测控电路、实验系统及实验方法 | |
CN111399458A (zh) | 基于扰动抑制广义预测控制的scr脱硝系统设计方法 | |
Tadeo et al. | Control of neutralization processes by robust loop shaping | |
KR20160085563A (ko) | Egr 밸브 제어 장치 및 제어 방법 | |
CN112578745B (zh) | 一种氯化氢合成反应过程的智能化控制方法 | |
Sun et al. | Product composition control based on backpropagation neural network in pressure-swing distillation processes | |
CN113759726B (zh) | 一种天然气加臭控制系统及其控制方法 | |
Yang et al. | Application of fuzzy neural network PID algorithm in oil pump control | |
Mejía et al. | A modified smith predictor for processes with variable delay | |
CN113778141B (zh) | 一种分段pid控制的流体管道流量控制系统 | |
Litrico et al. | Modelling and robust control of a dam-river system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |