CN113433903A - 一种气动调节阀粘滞特性参数在线估计方法 - Google Patents
一种气动调节阀粘滞特性参数在线估计方法 Download PDFInfo
- Publication number
- CN113433903A CN113433903A CN202110678068.5A CN202110678068A CN113433903A CN 113433903 A CN113433903 A CN 113433903A CN 202110678068 A CN202110678068 A CN 202110678068A CN 113433903 A CN113433903 A CN 113433903A
- Authority
- CN
- China
- Prior art keywords
- regulating valve
- pneumatic
- nonlinear
- pneumatic regulating
- characteristic
- 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
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012886 linear function Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 101150071746 Pbsn gene Proteins 0.000 claims description 4
- 241000764238 Isis Species 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 239000007788 liquid Substances 0.000 description 10
- 239000012530 fluid Substances 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
Images
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31088—Network communication between supervisor and cell, machine group
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种气动调节阀粘滞特性参数在线估计方法，本发明将气动调节阀的粘滞非线性特征通过线性化的方式转化为已知输入和未知输入两个部分，借助于未知输入估计器利用现场数据对未知输入进行在线估计；再在现有控制信号的基础上叠加测试信号以获取估计信息，进而利用估计信息对调节阀的非线性特征进行拟合。本发明可以有效解决气动阀非线性特征的检测问题，可以为调节阀非线性补偿提供所需信息，检测结果可以用于系统的性能分析和故障诊断，对提升系统运行的安全性和准确性有显著作用。
Description
技术领域
本发明属于工业仪表与过程控制领域，具体涉及一种气动调节阀粘滞特性参数在线估计方法。
背景技术
典型的工业过程控制领域的单回路控制系统如图1所示。气动调节阀是工业过程系统中常见的执行设备之一，其性能的好坏直接决定了工业过程控制系统的性能，对产品质量、生产装置运行的经济性和稳定性有着直接影响。由于受到支撑件损坏、阀芯及阀座受腐蚀、弹簧膜片破损、密封性下降、阀杆封装过紧、金属过热膨胀、润滑性能下降等因素的影响，气动调节阀在实际生产过程中呈现严重的非线性特征。这些非线性特征是导致控制系统性能恶化和回路振荡的主要原因之一。某一回路的振荡往往会波及其它控制回路，导致生产装置整体性能下降、原材料消耗过大、能耗增加、执行器磨损加速，甚至会导致系统不稳定。因此，通常需要对气动调节阀的输入输出特性进行检测，确定其非线性特征，然后设计相应的补偿措施，使其输入输出特征更为线性化。这样一方面有利于系统控制性能的提升，另一方面也有利于生产过程运行的稳定性和经济性。
气动调节阀中的非线性特征一般可以用死区、滞环等非线性环节描述，如图2所示。其突出的特点是调节阀上升行程和下降行程不重合，上下行程存在变差，导致控制器发出的控制指令不能得到有效执行，进而影响控制系统性能。
发明内容
本发明给出一种气动调节阀粘滞特性参数在线估计方法，采用估计器对调节阀非线性特征进行实时估计，为故障诊断以及控制系统的非线性补偿提供有效信息。将气动调节阀的粘滞非线性特征通过线性化的方式转化为已知输入和未知输入两个部分，借助于卡尔曼滤波器利用现场数据对未知输入进行在线估计；然后在现有控制信号的基础上叠加测试信号以获取估计信息，进而利用估计信息对调节阀的非线性特征进行拟合。
所述的气动调节阀的粘滞非线性特征采用传递函数或者状态空间模型线性化。所述的测试信号为方波、PRBS或GBN信号。利用所述估计信息绘制散点图，从图中直接读取粘滞特性的基本参数。
本发明具体包括如下步骤：
步骤1：建立被控过程的状态空间模型：
被控过程的数学模型采用如下形式的线性离散状态空间模型：
其中x为系统状态，n为气动调节阀开度，y为被控过程中的被控工艺参数的测量值，A、B、C为系统矩阵，w和v为过程噪声和测量噪声，一般假设w和v为零均值的白噪声，且方差为
和
上述符号中的下标k表示采样时刻。
步骤2：将气动调节阀的非线性特征转化为已知输入和未知输入之和：
实际系统中气动调节阀由于各种原因导致其输出的开度n同控制信号u不一致，二者之间存在非线性关系。为描述这一非线性特征，以在线性模型(1)中用非线性函数n＝f(u)，模型(1)变换为：
其中f(u)为一非线性函数，用以描述气动调节阀的非线性特征，其余参数意义同模型(1)相同。由于描述气动阀非线性函数f(u)通常是未知的，而且在生产装置实际运行中其特性会发生变化，因此无法直接确定其非线性函数的具体表达式。为解决这一问题，这里引入未知输入项dk，将f(uk)表示为：
f(uk)＝uk+dk (3)；
其中dk的值是未知的，uk的值为已知控制量，用以描述调节阀的非线性特征。在控制量输入端叠加测试信号ud,k，ud,k为已知信号。将公式(3)和已知测试信号ud,k带入公式(2)，得如下被控过程模型：
其中ud,k为测试信号ud在k时刻的值，且大小已知。通过上述步骤将气动调节阀的非线性特征f(uk)转化为已知输入uk+ud,k和未知输入dk两部分之和进行描述。
步骤3：通过卡尔曼滤波器对未知输入部分进行估计：
在将非线性特征f(u)转换为输入不确定d后，需要对d的值进行在线估计。假设未知输入d的动态特征满足：
dk+1＝dk+ζk (5)；
其中ζk为零均值的高斯白噪声，方差为
将式(4)和(5)合并后，得如下扩展方程：
其中：
式(7)中I为单位阵，矩阵A、B、C的定义同式(1)一致，矩阵
和
为扩展后的矩阵。
通过如下卡尔曼滤波器实现对
也即xk和dk的估计：
其中上标
为信号*的估计值；
为k-1时刻对k时刻的状态的估计值；Pk|k-1为
的协方差矩阵；Pk为
的协方差矩阵；
步骤4：绘制散点图确认气动调节阀非线性特性的具体形式和参数：
通过前三个步骤看出，气动调节阀的输入为uk，输出为f(uk)，通过式(3)得出，f(uk)的值通过当前的控制作用uk和未知输入dk的估计值进行近似：
气动调节阀的非线性特征f(uk)通过分析已知信号uk+ud,k和总体信号
的关系进行确定。绘制uk+ud,k和
的散点图确定非线性函数f(uk)的具体形式。从图中可以直观的读取阀门的粘滞特性参数，如变差等。
本发明的主要优点在于不依赖于被控过程是否处于振荡状态以及气动调节阀是否存在阀位反馈信号，在一般工况下仍然能准确获取调节阀的非线性特征。本发明可以有效解决气动阀非线性特征的检测问题，可以为调节阀非线性补偿提供所需信息，检测结果可以用于系统的性能分析和故障诊断，对提升系统运行的安全性和准确性有显著作用。
附图说明
图1为典型工业过程控制回路示意图；
图2为气动调节阀非线性特征描述示意图；
图3为液位控制系统工艺流程图；
图4为液位控制系统方框图；
图5为测试信号叠加示意图；
图6为粘滞参数检测结果图。
具体实施方式
以下按照本发明的实施步骤给出简要介绍。
一种气动调节阀粘滞特性参数在线估计方法，具体包括以下步骤：
步骤1：建立被控过程的状态空间模型：
被控过程的数学模型通常采用传递函数或者状态空间的形式，或采用如下形式的线性离散状态空间模型来描述(也可由传递函数模型转换得到)：
其中x为系统状态，n为气动调节阀开度，y为被控过程中的被控工艺参数的测量值，A、B、C为系统矩阵，w和v为过程噪声和测量噪声，一般假设w和v为零均值的白噪声，且方差为
和
上述符号中的下标k表示采样时刻。
步骤2：将气动调节阀的非线性特征转化为已知输入和未知输入之和：
实际系统中气动调节阀由于各种原因导致其输出的开度n同控制信号u不一致，二者之间存在非线性关系。为描述这一非线性特征，以在线性模型(1)中用非线性函数n＝f(u)，模型(1)变换为：
其中f(u)为一非线性函数，用以描述气动调节阀的非线性特征，其余参数意义同模型(1)相同。由于描述气动阀非线性函数f(u)通常是未知的，而且在生产装置实际运行中其特性还有可能发生变化，因此无法直接确定其非线性函数的具体表达式。为解决这一问题，这里引入未知输入项dk，将f(uk)表示为：
f(uk)＝uk+dk (3)；
其中dk的值是未知的，uk的值为已知控制量，用以描述调节阀的非线性特征。由于控制器的控制量uk在通常情况下变化信息不够丰富，并且在闭环控制作用下由于控制器的调节作用，其变动形式和幅值都非常有限，利用这些信息并不一定能准确分析出f(uk)具体的非线性形式。为了进一步充分激发非线性特征f(uk)中的动态信息，保证估计结果的全面性和合理性，本发明考虑在控制量输入端叠加测试信号(激励信号)ud,k，如方波、PRBS或GBN等信号。这里，信号ud,k的大小和形式都是可以离线确定的，即ud,k为已知信号。
这样，将公式(3)和已知测试信号ud,k带入公式(2)，可得如下被控过程模型：
其中ud,k为测试信号ud在k时刻的值，且大小已知。通过上述步骤将气动调节阀的非线性特征f(uk)转化为已知输入uk+ud,k和未知输入dk两部分之和进行描述。
步骤3：通过卡尔曼滤波器对未知输入部分进行估计：
在将非线性特征f(u)转换为输入不确定d后，需要对d的值进行在线估计。假设未知输入d的动态特征满足：
dk+1＝dk+ζk (5)；
其中ζk为零均值的高斯白噪声，方差为
将式(4)和(5)合并后，得如下扩展方程：
其中：
式(7)中I为单位阵，矩阵A、B、C的定义同式(1)一致，矩阵
和
为扩展后的矩阵。
通过如下卡尔曼滤波器实现对
也即xk和dk的估计：
其中上标
为信号*的估计值；
为k-1时刻对k时刻的状态的估计值；Pk|k-1为
的协方差矩阵；Pk为
的协方差矩阵；
步骤4：绘制散点图确认气动调节阀非线性特性的具体形式：
通过前三个步骤看出，气动调节阀的输入为uk，输出为f(uk)，通过式(3)看出，f(uk)的值通过当前的控制作用uk和未知输入dk的估计值进行近似：
气动调节阀的非线性特征f(uk)通过分析已知信号uk+ud,k和总体信号
的关系进行确定。为简单起见，绘制uk+ud,k和
的散点图来确定非线性函数f(uk)的具体形式。
应用举例
为了验证本发明的有效性，采用某生产装置的液位系统加以说明。本液位控制系统的工艺流程如图3所示，工艺液体通过气动调节阀1进入储液罐，然后经气动调节阀2流向下一生产工序。为保证后续生产工艺的正常运转，需要保证储液罐的液位稳定在设定值。气动调节阀1用于实现对液位的控制，调节阀2保持开度不变，保证下一工序环节的工艺液体供应，整个控制系统的框图如图4所示。
具体包括如下步骤：
步骤1：建立被控过程的状态空间模型：
假设通过调节阀1的瞬时流量增量为ΔQ1，通过调节阀2的瞬时流量增量为ΔQ2，储液罐的截面积为A，调节阀1的流量系数为Ku，调节阀2的阻力系数为Rs，液位控制器的调节增量为Δu。
在工作点(u0,h0)附近，根据物料平衡原理有：
根据调节阀1的开度与流量关系可得：
ΔQ1＝KuΔu (11)；
根据流体力学基本原理有：
由式(10)、(11)和(12)可得：
对式(13)进行拉普拉斯变换可得：
其中s为拉普拉斯算子，K＝KuRs，T＝ARs。模型中的参数A、Ku和Rs可以参考储液罐规格、调节阀的相关特性参数确定。
式(14)为传递函数模型，可以转换为状态空间形式，再经过离散化可得如下离散线性状态空间模型：
其中噪声w和v的统计特征参数Q和R一般可以根据实际系统情况进行设定，yk为液位传感器获得的测量值，uk为控制器输出给调节阀的调节阀开度信号。
步骤2：将气动调节阀的非线性特征转化为已知输入和未知输入之和：
在当前测试系统中A＝0.8187，B＝0.4532，C＝0.48，取Q＝R＝S＝10-5，通过前面介绍的步骤2可以将气动调节阀的非线性特征转化为已知输入uk和未知输入dk之和。这样可以得到如下扩展模型：
扩展后的矩阵
和
的定义同式(7)一致，扩展后的状态
和状态
的定义也同式(7)一致。然后，在控制量u端叠加方波、PRBS或者GBN信号ud并记
如图5所示，这样模型(16)可以表示为：
扩展后的矩阵
和
的定义同式(7)一致，扩展后的状态
和状态
的定义也同式(7)一致。
步骤3：根据式(17)利用卡尔曼滤波器(8)对dk进行在线估计：
根据当前测量值yk和已知信号
利用式(8)对dk的值进行估计，可得
依次迭代，并将
和
记录并保存。为使用方便，这里用UN和DN表示
和
的N组历史数据：
步骤4：绘制UN和DN的散点图，确定气动调节阀粘滞特性的具体形式和参数。如图6所示，在绘制完成UN和DN的散点图之后，可以确定该气动调节阀的非线性特征，如在该例中变差约为0.2。
Claims (5)
1.一种气动调节阀粘滞特性参数在线估计方法，其特征在于：将气动调节阀的粘滞非线性特征通过线性化的方式转化为已知输入和未知输入两个部分，借助于卡尔曼滤波器利用现场数据对未知输入进行在线估计；然后在现有控制信号的基础上叠加测试信号以获取估计信息，进而利用估计信息对调节阀的非线性特征进行拟合。
2.如权利要求1中所述的一种气动调节阀粘滞特性参数在线估计方法，其特征在于：所述的气动调节阀的粘滞非线性特征采用传递函数或者状态空间模型线性化。
3.如权利要求1中所述的一种气动调节阀粘滞特性参数在线估计方法，其特征在于：所述的测试信号为方波、PRBS或GBN信号。
4.如权利要求1中所述的一种气动调节阀粘滞特性参数在线估计方法，其特征在于：利用所述估计信息绘制散点图，从图中直接读取粘滞特性的基本参数。
5.如权利要求1所述的一种气动调节阀粘滞特性参数在线估计方法，其特征在于：具体包括如下步骤：
步骤1：建立被控过程的状态空间模型：
被控过程的数学模型采用如下形式的线性离散状态空间模型：
其中x为系统状态，n为气动调节阀开度，y为被控过程中的被控工艺参数的测量值，A、B、C为系统矩阵，w和v为过程噪声和测量噪声，一般假设w和v为零均值的白噪声，且方差为
和
上述符号中的下标k表示采样时刻；
步骤2：将气动调节阀的非线性特征转化为已知输入和未知输入之和：
实际系统中气动调节阀由于各种原因导致其输出的开度n同控制信号u不一致，二者之间存在非线性关系；为描述这一非线性特征，以在线性模型(1)中用非线性函数n＝f(u)，模型(1)变换为：
其中f(u)为一非线性函数，用以描述气动调节阀的非线性特征，其余参数意义同模型(1)相同；由于描述气动阀非线性函数f(u)通常是未知的，而且在生产装置实际运行中其特性会发生变化，因此无法直接确定其非线性函数的具体表达式；为解决这一问题，这里引入未知输入项dk，将f(uk)表示为：
f(uk)＝uk+dk (3)；
其中dk的值是未知的，uk的值为已知控制量，用以描述调节阀的非线性特征；在控制量输入端叠加测试信号ud,k，ud,k为已知信号；将公式(3)和已知测试信号ud,k带入公式(2)，得如下被控过程模型：
其中ud,k为测试信号ud在k时刻的值，且大小已知；通过上述步骤将气动调节阀的非线性特征f(uk)转化为已知输入uk+ud,k和未知输入dk两部分之和进行描述；
步骤3：通过卡尔曼滤波器对未知输入部分进行估计：
在将非线性特征f(u)转换为输入不确定d后，需要对d的值进行在线估计；假设未知输入d的动态特征满足：
dk+1＝dk+ζk (5)；
其中ζk为零均值的高斯白噪声，方差为
将式(4)和(5)合并后，得如下扩展方程：
其中：
式(7)中I为单位阵，矩阵A、B、C的定义同式(1)一致，矩阵
和
为扩展后的矩阵；
通过如下卡尔曼滤波器实现对
也即xk和dk的估计：
其中上标
为信号*的估计值；
为k-1时刻对k时刻的状态的估计值；Pk|k-1为
的协方差矩阵；Pk为
的协方差矩阵；
步骤4：绘制散点图确认气动调节阀非线性特性的具体形式：
通过前三个步骤看出，气动调节阀的输入为uk，输出为f(uk)，通过式(3)得出，f(uk)的值通过当前的控制作用uk和未知输入dk的估计值进行近似：
气动调节阀的非线性特征f(uk)通过分析已知信号uk+ud,k和总体信号
的关系进行确定；绘制uk+ud,k和
的散点图确定非线性函数f(uk)的具体形式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110678068.5A CN113433903A (zh) | 2021-06-18 | 2021-06-18 | 一种气动调节阀粘滞特性参数在线估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110678068.5A CN113433903A (zh) | 2021-06-18 | 2021-06-18 | 一种气动调节阀粘滞特性参数在线估计方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113433903A true CN113433903A (zh) | 2021-09-24 |
Family
ID=77756493
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110678068.5A Pending CN113433903A (zh) | 2021-06-18 | 2021-06-18 | 一种气动调节阀粘滞特性参数在线估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113433903A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107703761A (zh) * | 2017-11-14 | 2018-02-16 | 杭州电子科技大学 | 一种气动调节阀粘滞特性参数的估计方法 |
| CN110677140A (zh) * | 2019-10-28 | 2020-01-10 | 北京航空航天大学 | 一种含未知输入和非高斯量测噪声的随机系统滤波器 |
| CN110687793A (zh) * | 2019-11-04 | 2020-01-14 | 青岛科技大学 | 一种基于输入增量的船舶动力定位系统非线性无偏预测控制方法 |
| CN112418051A (zh) * | 2020-11-18 | 2021-02-26 | 温州大学 | 一种用于非线性动态系统非高斯噪声下的状态估计方法 |
-
2021
- 2021-06-18 CN CN202110678068.5A patent/CN113433903A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107703761A (zh) * | 2017-11-14 | 2018-02-16 | 杭州电子科技大学 | 一种气动调节阀粘滞特性参数的估计方法 |
| CN110677140A (zh) * | 2019-10-28 | 2020-01-10 | 北京航空航天大学 | 一种含未知输入和非高斯量测噪声的随机系统滤波器 |
| CN110687793A (zh) * | 2019-11-04 | 2020-01-14 | 青岛科技大学 | 一种基于输入增量的船舶动力定位系统非线性无偏预测控制方法 |
| CN112418051A (zh) * | 2020-11-18 | 2021-02-26 | 温州大学 | 一种用于非线性动态系统非高斯噪声下的状态估计方法 |
Non-Patent Citations (2)
| Title |
|---|
| SANEEJ B. CHITRALEKHA等: "Detection and quantification of valve stiction by the method of unknown input estimation", 《JOURNAL OF PROCESS CONTROL》, pages 207 - 208 * |
| 刘洋等: "基于扩展Hammerstein 系统辨识的调节阀粘滞建模", 《工业控制计算机》, vol. 28, no. 9, pages 6 - 8 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7273063B2 (en) | Methods and apparatus for pressure compensation in a mass flow controller | |
| US6459939B1 (en) | Performance assessment of model predictive controllers | |
| US7317953B2 (en) | Adaptive multivariable process controller using model switching and attribute interpolation | |
| CN107703761B (zh) | 一种气动调节阀粘滞特性参数的估计方法 | |
| Tamilselvan et al. | Online tuning of fuzzy logic controller using Kalman algorithm for conical tank system | |
| Bequette | Nonlinear predictive control using multi‐rate sampling | |
| Bonchis et al. | Experimental evaluation of position control methods for hydraulic systems | |
| US6820631B2 (en) | Method for the continuous control of a position of a control valve | |
| Hugo | Process controller performance monitoring and assessment | |
| Dai et al. | Adaptive force tracking control of electrohydraulic systems with low load using the modified LuGre friction model | |
| US20090228220A1 (en) | Weight Observer for Mass Metering and Inventory Management | |
| EP1452937B1 (en) | Valve positioner system | |
| CN113433903A (zh) | 一种气动调节阀粘滞特性参数在线估计方法 | |
| Komsta et al. | Input-output linearization and integral sliding mode disturbance compensation for electro-hydraulic drives | |
| JP2019057198A (ja) | 油圧システムのパラメータ推定方法 | |
| JP5037443B2 (ja) | 流量制御方法 | |
| JPH04220701A (ja) | 流体制御システム | |
| Sayedain et al. | Optimal PI tuning rules for flow loop, based on modified relay feedback test | |
| Liu et al. | Adaptive Identification and Application of Flow Mapping for Electrohydraulic Valves | |
| Zhang et al. | Hydraulic gap control of rolling mill based on self-tuning fuzzy PID | |
| Shahir et al. | Estimation of shape memory alloy actuator dynamics to design reduced‐order position controller with input saturation | |
| Chaohui et al. | Controller Design for a Pneumatic Actuator System with Proportional Valve. | |
| CN106164804A (zh) | 螺线管阀精确度估计方法 | |
| CN117325833A (zh) | 线控制动系统的无偏移预测控制方法、系统、车辆及介质 | |
| Zhe | Research on Feedforward Parameter Identification of Valve-Controlled Cylinder System Based on Kalman Algorithm |
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 |