CN205959054U - 全流程智能控制成套系统 - Google Patents
全流程智能控制成套系统 Download PDFInfo
- Publication number
- CN205959054U CN205959054U CN201620911155.5U CN201620911155U CN205959054U CN 205959054 U CN205959054 U CN 205959054U CN 201620911155 U CN201620911155 U CN 201620911155U CN 205959054 U CN205959054 U CN 205959054U
- Authority
- CN
- China
- Prior art keywords
- data
- control
- controller
- parameter
- module
- 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.)
- Active
Links
Classifications
-
- 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
- Feedback Control In General (AREA)
Abstract
本实用新型公开了全流程智能控制成套系统,属于石油化工生产控制技术领域。该系统为一种多变量智能协调控制系统,全流程智能控制成套系统包括AMIC控制设备、安全防护模块、OPC服务器、过程控制器、现场仪表和操作站。基于采集过程数据,形成多模型数据库,运用快速小超调无超调控制器参数设计方法,计算得到过程对象的PID控制参数,直接从底层控制消除控制回路间的互相干扰。本实用新型解决了现有的常规控制仅针对单塔、单设备等局部装置,没有从整体上考虑装置的复杂程度和上下游高度关联性,控制参数多靠人工摸索,回路控制不稳定,鲁棒性差等问题。
Description
技术领域
本实用新型为全流程智能控制成套系统,属于石油化工生产控制技术领域。
背景技术
集散控制系统(Distributed Control System,DCS)在石油化工领域广泛应用,主要特点集中管理、分散控制。PID(Proportion-Integration-Differentiation比例-积分-微分)控制器是一种DCS控制方法,常规PID整定的方法为人为手动整定参数,比较粗放,不够精确。同时还有以下问题:
(1)常规控制及优化技术仅针对单塔、单设备等局部系统而不是全流程实施先进控制及优化,未从整体上考虑装置的复杂程度和上下游高度关联性,不能消除内部干扰,影响装置整体平稳运行;
(2)常规控制及优化技术主要是基于底层控制之上的控制策略,即对上层进行控制及优化,使生产指标趋于优化状态,但底层控制器参数整定多靠人工摸索、经验的方法,耗时较长、鲁棒性差,若底层控制不稳定,上层的控制及优化难以达到理想效果;
(3)部分装置控制及优化技术不能及时适应工况或原料组成等变化,此外,由于后期维护不及时,存在不能长期投用的情况。
根据石油化工装置的特点和控制要求,结合计算机技术、控制理论和优化技术以及化学工程技术,研究开发了一种石油化工领域全流程智能控制成套系统,可提升石化装置技术水平,改善生产操作,实现石油化工装置高水平的“安、稳、长、满、优”。
基于此,北京世纪隆博科技有限责任公司提出“全流程智能控制成套系统”的专利申请。
发明内容
本实用新型提供了一种用于全流程的智能控制成套系统,解决了现有技术中的DCS集散控制系统中控制参数整定粗放、忽略系统间的相互关联、鲁棒性差、无法满足系统多种工况需求等问题。化工生产设备均是多设备相互关联的复杂系统,各变量之间互相关联、互相影响,如果只是对各变量进行独立控制,会造成系统之间的耦合,顾此失彼。所申请的全流程智能控制成套系统专利,基于采集过程数据,形成多模型数据库,运用全流程智能控制技术,计算得到过程对象的PID控制参数。
为实现上述目的,本实用新型采用的技术方案为全流程智能控制成套系统,解决了现有的常规控制仅针对单塔、单设备等局部装置,没有从整体上考虑装置的复杂程度和上下游高度关联性,控制参数多靠人工摸索,回路控制不稳定,鲁棒性差等问题。
全流程智能控制成套系统包括AMIC控制设备1、安全防护模块2、OPC服务器3、过程控制器4、现场仪表5和操作站6。
其中所述的OPC服务器3通过工业以太网与所述的过程控制器4相连接;所述的OPC服务器3通过工业以太网与所述的安全防护模块2相连接;所述的OPC服务器,通过工业以太网从所述的过程控制器4上采集数据信息。
所述的AMIC控制设备1与安全防护模块2连接,然后通过安全防护模块2从OPC服务器3获取到控制过程的数据,进行特定的运算处理后形成所需要的控制参数。
所述的安全防护模块2通过连接端口与安全防护系统对接,保护工业以太网安全,避免病毒侵入。
所述的OPC服务器3,与安全防护模块2连接,通过安全防护模块从所述的AMIC控制设备1上获取所述的参数,并将所述的参数通过工业以太网传送至所述的过程控制器4。
所述的过程控制器4,通过工业以太网与所述的OPC服务器3相连接,经过该过程控制器进行特定的运算处理后形成阀位信号,该阀位信号直接送到所述的现场仪表5,进而对具体过程进行调节。
所述的操作站6,通过工业以太网7与所述的过程控制器4相连接,接收并显示AMIC控制设备1输出的参数。
所述的AMIC控制设备1包括采集器1.1、存储器1.2、数据处理器1.3、多模型数据辨识模块1.4、控制器参数设计模块1.5、仿真与图形显示器1.6和数据输出口1.7。
所述的采集器1.1,通过工业以太网从所述的OPC服务器上采集数据信息,并将采集的数据信息发送给所述的存储器1.2;
所述的存储器1.2,将过程数据存储在AMIC控制设备硬盘中,并将存储的数据信息发送给所述的数据处理器1.3;
所述的数据处理器1.3,用于对接收的数据信息进行有效信息挖掘,采用小波分析技术对现场数据进行处理,从海量的全流程生产数据中智能捕捉有效的过程数据,并将处理后的数据信息发送给所述的多模型数据辨识模块1.4;
所述的多模型数据辨识模块1.4,用于全流程过程对象模型的系统辨识,采用混合精英随机搜索优化算法,在不加测试信号的前提下,自动在线辨识闭环系统的多工况过程对象的多个模型,建立包含不同工况数据的模型库,每个模型库包含多个多时段模型集,并将对象多模型数据发送给所述的控制器参数设计模块1.5和仿真与图形显示器1.6;
所述的控制器参数设计模块1.5,基于所建立的模型库采用快速小超调无超调控制器参数设计方法来进行控制器参数的设计,可直接在DCS上实施,且适用于不同工况,使控制参数长期稳定运行,设计好的参数数据发送到所述的仿真与图形显示器1.6和数据输出口1.7;
所述的仿真与图形显示器1.6,分别与多模型数据辨识模块1.4和控制器参数设计模块1.5相连接,将建立的对象模型及控制器参数设计进行仿真及显示,为用户提供参考;
所述的数据输出口1.7,与所述的控制器参数设计模块1.5相连接,输出基于模型集所设计的全流程过程对象的PID控制器参数。
与现有技术相比,本实用新型具有如下有益效果。
(1)全流程智能控制成套系统无需进行现场测试,基于海量的生产数据智能捕捉有效过程数据,直接在线自动辨识闭环系统中的过程模型,不会对生产装置造成干扰,提高系统的安全性。
(2)从整体上考虑装置的复杂程度和上下游高度关联性,对于全流程各个回路均进行过程建模和控制器参数设计,并且建立包含多种工况的模型库,实现小超调或无超调地快速平稳控制,进一步提高控制系统的鲁棒性及控制精度。
(3)全流程智能控制成套系统能在DCS上长期稳定运行,保留了DCS原有的安全、可靠及稳定性。
附图说明
图1为全流程智能控制成套系统的结构示意图;
图2为AMIC控制设备的结构框图。
具体实施方式
下面将结合本实用新型专利附图,对本专利进行完整描述。图1为全流程智能控制成套系统的结构示意图,由图1可知,本实用新型全流程智能控制成套系统包括现场仪表、过程控制器、操作站、OPC服务器、安全防护模块和AMIC控制设备。
其中OPC服务器通过工业以太网与所述的过程控制器相连接;所述的OPC服务器通过工业以太网与所述的安全防护模块相连接;
所述的OPC服务器,通过工业以太网从所述的过程控制器采集数据信息,以一定的采样间隔采集数据,采样间隔时间可选择10秒、20秒、40秒等,采集的数据主要包括现场的温度、压力、流量、液位等操作数据及控制阀信号等信息;
所述的AMIC控制设备,与安全防护模块相连接,通过安全防护模块从所述的OPC服务器上获取过程的数据信息,进行特定的运算处理后形成所需要的参数;
所述的OPC服务器,与安全防护模块相连接,通过安全防护模块从所述的AMIC控制设备上获取所述的参数,并将所述的参数通过工业以太网传送至所述的过程控制器;
所述的安全防护模块,主要是通过连接端口与安全防护系统对接,保护工业以太网安全,避免病毒侵入;
所述的过程控制器,通过工业以太网与所述的OPC服务器相连接,通过工业以太网接收所述的AMIC控制设备输出的参数,经过该过程控制器进行特定的运算处理后形成阀位信号,该阀位信号直接送到所述的现场仪表,进而对具体过程进行调节;
所述的操作站,与所述的过程控制器相连接,接收并显示AMIC控制设备输出的参数。
图2为本实用新型实施例中的全流程智能控制成套设备的结构框图,由图2可知,所述的AMIC控制设备包括:
采集器,通过工业以太网从所述的OPC服务器上采集数据信息。采集器采集到信息数据后,可通过与其相连接的存储器,将所述的数据信息进行存储;
存储器,将过程数据存储在AMIC控制设备硬盘中,并将存储的数据信息发送给所述的数据处理器;
数据处理器,用于对接收的数据信息进行有效信息挖掘,采用小波分析技术对现场数据进行处理,从海量的全流程生产数据中智能捕捉有效的过程数据,并将处理后的数据信息发送给所述的多模型数据辨识模块;
多模型数据辨识模块,用于全流程过程对象模型的系统辨识,采用混合精英随机搜索优化算法,在不加测试信号的前提下,自动在线辨识闭环系统的多工况过程对象的多个模型,建立包含不同工况数据的模型库,每个模型库包含多个多时段模型集,并将对象多模型数据发送给所述的控制器参数设计模块和仿真与图形显示器;
控制器参数设计模块,基于所建立的模型库,采用快速小超调无超调控制器参数设计方法来进行控制器参数的设计,可直接在DCS上实施,且适用于不同工况,使控制参数长期稳定运行,设计好的参数数据发送到所述的仿真与图形显示器和数据输出口;
仿真与图形显示器,分别与多模型数据辨识模块和控制器参数设计模块相连接,将建立的对象模型及控制器参数设计进行仿真及显示,为用户提供参考;
数据输出口,与所述的控制器参数设计模块相连接,输出基于模型集所设计的全流程过程对象的PID控制器参数。
Claims (2)
1.全流程智能控制成套系统,其特征在于:该系统包括AMIC控制设备(1)、安全防护模块(2)、OPC服务器(3)、过程控制器(4)、现场仪表(5)和操作站(6);
其中所述的OPC服务器(3)通过工业以太网与所述的过程控制器(4)相连接;所述的OPC服务器(3)通过工业以太网与所述的安全防护模块(2)相连接;所述的OPC服务器(3),通过工业以太网从所述的过程控制器(4)上采集数据信息;
所述的AMIC控制设备(1)与安全防护模块(2)连接,然后通过安全防护模块(2)从OPC服务器(3)获取到控制过程的数据并形成所需要的控制参数;
所述的OPC服务器(3),与安全防护模块(2)连接,通过安全防护模块从所述的AMIC控制设备(1)上获取参数,并将所述的参数通过工业以太网传送至所述的过程控制器(4);
所述的安全防护模块(2)通过连接端口与安全防护系统对接,保护工业以太网安全,避免病毒侵入;
所述的过程控制器(4),通过工业以太网与所述的OPC服务器(3)相连接,经过该过程控制器进行处理后形成阀位信号,该阀位信号直接送到所述的现场仪表(5),进而对具体过程进行调节;
所述的操作站(6),通过工业以太网(7)与所述的过程控制器(4)相连接,接收并显示AMIC控制设备(1)输出的参数。
2.根据权利要求1所述的全流程智能控制成套系统,其特征在于:所述的AMIC控制设备(1)包括采集器(1.1)、存储器(1.2)、数据处理器(1.3)、多模型数据辨识模块(1.4)、控制器参数设计模块(1.5)、仿真与图形显示器(1.6)和数据输出口(1.7);
所述的采集器(1.1),通过工业以太网从所述的OPC服务器上采集数据信息,并将采集的数据信息发送给所述的存储器(1.2);
所述的存储器(1.2),将过程数据存储在AMIC控制设备硬盘中,并将存储的数据信息发送给所述的数据处理器(1.3);
所述的数据处理器(1.3),用于对接收的数据信息进行有效信息挖掘,采用小波分析技术对现场数据进行处理,从海量的全流程生产数据中智能捕捉有效的过程数据,并将处理后的数据信息发送给所述的多模型数据辨识模块(1.4);
所述的多模型数据辨识模块(1.4),用于全流程过程对象模型的系统辨识,在不加测试信号的前提下,自动在线辨识闭环系统的多工况过程对象的多个模型,建立包含不同工况数据的模型库,每个模型库包含多个多时段模型集,并将对象多模型数据发送给所述的控制器参数设计模块(1.5)和仿真与图形显示器(1.6);
所述的控制器参数设计模块(1.5)基于模型集数据,运用快速小超调无超调控制器参数设计方法来计算控制器参数,并将参数数据发送到所述的仿真与图形显示器(1.6)和数据输出口(1.7);
所述的仿真与图形显示器(1.6),分别与多模型数据辨识模块(1.4)和控制器参数设计模块(1.5)相连接,将建立的对象模型及控制器参数设计进行仿真及显示,为用户提供参考;
所述的数据输出口(1.7),与所述的控制器参数设计模块(1.5)相连接,根据基于模型集设计的控制器输出全流程过程对象的PID控制器参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620911155.5U CN205959054U (zh) | 2016-08-19 | 2016-08-19 | 全流程智能控制成套系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620911155.5U CN205959054U (zh) | 2016-08-19 | 2016-08-19 | 全流程智能控制成套系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205959054U true CN205959054U (zh) | 2017-02-15 |
Family
ID=57977586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201620911155.5U Active CN205959054U (zh) | 2016-08-19 | 2016-08-19 | 全流程智能控制成套系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205959054U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942678A (zh) * | 2017-12-17 | 2018-04-20 | 北京世纪隆博科技有限责任公司 | 一种无外加测试信号在线闭环建立连续对象模型的方法 |
CN108170024A (zh) * | 2017-12-17 | 2018-06-15 | 北京世纪隆博科技有限责任公司 | 一种广义智能内部模型集pid控制器设计方法 |
CN110795492A (zh) * | 2019-11-11 | 2020-02-14 | 国网山东省电力公司电力科学研究院 | 一种交易数据可视化展示参数多维度快速处理系统 |
-
2016
- 2016-08-19 CN CN201620911155.5U patent/CN205959054U/zh active Active
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107942678A (zh) * | 2017-12-17 | 2018-04-20 | 北京世纪隆博科技有限责任公司 | 一种无外加测试信号在线闭环建立连续对象模型的方法 |
CN108170024A (zh) * | 2017-12-17 | 2018-06-15 | 北京世纪隆博科技有限责任公司 | 一种广义智能内部模型集pid控制器设计方法 |
CN107942678B (zh) * | 2017-12-17 | 2021-03-02 | 北京世纪隆博科技有限责任公司 | 一种无外加测试信号在线闭环建立连续对象模型的方法 |
CN110795492A (zh) * | 2019-11-11 | 2020-02-14 | 国网山东省电力公司电力科学研究院 | 一种交易数据可视化展示参数多维度快速处理系统 |
CN110795492B (zh) * | 2019-11-11 | 2022-06-14 | 国网山东省电力公司电力科学研究院 | 一种交易数据可视化展示参数多维度快速处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN205959054U (zh) | 全流程智能控制成套系统 | |
CN106104398B (zh) | 过程控制系统中的分布式大数据 | |
CN106650228B (zh) | 改进k-means算法的噪声数据去除方法及实施系统 | |
CN105046352B (zh) | 基于血管仿生原理的供水管网漏损计算方法 | |
CN107886182B (zh) | 油田集输系统优化设计方法及装置 | |
RU2020141650A (ru) | Оценка сетей потоков | |
CN103761420B (zh) | 一种火电设备性能逐步回归评测方法 | |
CN107977527A (zh) | 一种确定火电机组标杆值数据的方法与装置 | |
Gao et al. | Design of PID controller for greenhouse temperature based on Kalman | |
CN103177289A (zh) | 一种噪声不确定复杂非线性动态系统的建模方法 | |
CN105740989B (zh) | 一种基于varx模型的供水管网异常事件侦测方法 | |
CN105868918A (zh) | 一种谐波电流类监测样本的相似度指标计算方法 | |
CN106227040A (zh) | 基于极值控制的伺服系统输入补偿方法 | |
Cullen et al. | Adversarial decisions on complex dynamical systems using game theory | |
CN106292289B (zh) | 流程工业控制回路对象的混合精英随机搜索优化方法 | |
CN101706659A (zh) | 一种车载设备生产的过程控制系统及其实现方法 | |
CN107301202A (zh) | 一种用于大坝外观变形监测系统平台的架构及其流程方法 | |
CN106950826A (zh) | 一种基于蚁群算法的气化装置pid参数整定方法 | |
CN107292353A (zh) | 一种果树分类方法及系统 | |
CN107870567A (zh) | 一种比例微分超前广义智能内部模型集pid控制器设计方法 | |
CN205959052U (zh) | 智能工厂控制系统 | |
Liu et al. | Research and prediction of yellow soil moisture content in Guizhou province based on ARIMA model | |
CN107316126A (zh) | 一种钢铁企业pdca循环评价及提升的方法 | |
Xiao-Yan et al. | Agriculture intelligent control system algorithm for wireless sensor networks based on internet of things | |
Benatti et al. | Simple Games on Complex Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |