Автоматизация шлихтовальной машины

Технические средства АСУ допускается использовать только в условиях, определенных в эксплуатационной документации на них. В случаях, когда необходимо их использование в среде, параметры которой превышают допустимые значения, установленные для этих технических средств, должны быть предусмотрены меры защиты отдельных технических средств АСУ от влияния внешних воздействующих факторов.

В АСУ должны быть использованы средства вычислительной техники, удовлетворяющие общим техническим требованиям по ГОСТ 22552-84.

 

 

2. Раздел автоматизации

    2.1 Обоснование по выбору новой структуры модернизируемой системы автоматизации.

Из шлихтовальной машины выбираю свой контур регулирования температуры шлихтовального раствора:

 

 

6

 

 

Рисунок 2.1.1 Контур регулирования температуры шлихтовального раствора

 

Контур регулирования температуры включает в себя:

1. Емкость с раствором
2. Датчик температуры
3. Автоматический регулятор
4. Регулирующий орган
5. Исполнительный механизм (задвижка)
6. Источник пара

         y(T0C)

 

Рисунок 2.1.2 Структурно-функциональная схема контура регулирования температуры

             Исходя из структурно-функциональной схемы строим структурно-математическую:

 

Рисунок 2.1.3 Структурно-математическая схема контура регулирования температуры

 

 2.2 Идентификация объекта автоматизации.

 

Под идентификацией динамических объектов понимают процедуру определения структуры  и параметров их математических моделей, которые при одинаковом входном сигнале объекта и модели обеспечивают близость выхода модели к выходу объекта при наличие какого-то критерия качества.

Обычно идентификация – многоэтапная процедура. Основные ее этапы следующие:

1. Структурная идентификация – заключается в определении структуры математической модели на основании теоретических соображений.
2. Параметрическая идентификация – включает в себя проведение идентифицирующего эксперимента и определение оценок параметров модели по экспериментальным данным.
3. Проверка адекватности – проверка качества модели в смысле выбранного критерия близости выходов модели и объекта.

Для проведения идентификации технологического объекта управления воспользуемся пакетом System Identification Toolbox (SIT) из состава MATLAB.

Пакет System Identification Toolbox содержит средства для создания математических моделей линейных динамических объектов (систем) на основе наблюдаемых входных/выходных данных. Он имеет удобный графический интерфейс, позволяющий организовывать данные и создавать модели. Методы идентификации, входящие в пакет применимы для решения широкого класса задач – от проектирования систем управления и обработки сигналов до анализа временных рядов.

Обработка массива данных с помощью пакета System Identification Toolbox предполагает следующие этапы:

1. обработка и преобразование данных с целью создания файла данных;
2. непараметрическое оценивание данных с целью предварительного определения основных характеристик ТОУ;
3. параметрическое оценивание данных с целью создания различных видов моделей с тета-формате;
4. задание структуры модели;
5. изменение и уточнение структуры модели (если это необходимо);
6. проверка адекватности и сравнение различных видов моделей с целью выбора наилучшей;
7. преобразование модели тета-формата в вид удобный для дальнейшего использования при анализе и синтезе системы управления.

 

В результате проведенного эксперимента был получен массив данных состоящий из 2 тысяч значений входного параметра (расход пара, м3/ч) и 2 тысяч значений выходного параметра (температура раствора, гр. ºС). Интервал дискретизации равен 3 (ts=3). Для загрузки в рабочую область MATLAB массива данных необходимо выполнить команду:

 

>> load datta

 

После выполнения команды в рабочей области появились массив входных переменных u и массив выходного параметра y.

 

 

Интервал дискретизации указывается дополнительно:

>> ts=0.1;

 

 

 

Для объединения исходных данных в единый файл воспользуемся командой:

 

>> dan2=iddata(y(101:200),u(101:200),ts)

 

Time domain data set with 100 samples.

Sampling interval: 0.1                

                                      

Outputs      Unit (if specified)      

   y1                                 

                                      

Inputs       Unit (if specified)      

   u1                                 

                                   

Сформированный файл указывает, что он содержит результаты 100 измерений с интервалом дискретизации 3 с. Входными переменными является массив u, а выходным параметром y.

Для наглядности сформированного файла необходимо в его структуру ввести обозначения входных и выходных данных, а также их размерностей:

 

>> dan2.outputn='Температура';

>> dan2.inputn='Расход газа';

>> dan2.inputUnit='м3/час';

>> dan2.outputUnit='град Ц';

Для просмотра полной информации о полученном файле воспользуемся командой:

 

>> get(dan2);

 

ans =

 

              Domain: 'Time'

                Name: ''

          OutputData: [100x1 double]

                   y: 'Same as OutputData'

          OutputName: {'Температура'}

          OutputUnit: {'град Ц'}

           InputData: [100x1 double]

                   u: 'Same as InputData'

           InputName: {'Расход газа'}

           InputUnit: {'м3/час'}

              Period: Inf

         InterSample: 'zoh'

                  Ts: 0.1000

              Tstart: []

    SamplingInstants: [100x0 double]

            TimeUnit: ''

      ExperimentName: 'Exp1'

               Notes: {}

            UserData: []

 

 

Для дальнейшего использования полученных исходных данных необходимо провести предварительную обработку этих данных с целью удаления тренда из набора данных и если необходимо отфильтровать данные с помощью имеющихся средств в пакете System Identification Toolbox. Данные операции проведем в графическом интерфейсе System Identification Toolbox, который запускается из командной строки командой:

 

>> ident

Opening System Identification Tool ....... done.

В результате выполнения этой команды появляется диалоговое окно показанное на рисунке 2.2.1. На начальной стадии идентификации с использованием графического интерфейса после проведения эксперимента необходимо сформировать файл данных, в нашем примере таким файлом является dan2.

Рисунок 2.2.1 Окно графического интерфейса SIT

 

В левом верхнем углу окна выберем в раскрывающемся списке Data вариант Import. Это приведет к открытию диалогового окна показанного на рисунке 2.2.2.

 

В поле окна Data Format for Signals выбираем IDDATA object. В поле Iddata вводим название нашего файла dan (см. рисунок 2.2.2)

Рисунок 2.2.2 Окно параметров импорта

 
 

Запустим режим быстрого старта, для чего в падающем меню Operations выберем Quick Start (см. рисунок 2.2.3).

 

Рисунок 2.2.3 Импорт файла данных выполнен

 

Во время выполнения этого режима производится:

• Удаление тренда из массива экспериментальных данных;
• Формирование усеченных массивов данных с именами dande и dandv для построения моделей.

 

Рисунок 2.2.4 Завершен импорт и преобразование данных

 

После проведения предварительной обработки данных можно приступить к нахождению оценки модели.

В предложенном списке Estimate выбираем Parametric models (см. рисунок 2.2.5), данный выбор приведет к открытию диалогового окна задания структуры модели (см. рисунок 2.2.6).

 

Рисунок 2.2.5 Выбираем параметрические модели

 

Получим параметрические модели из предложенного списка (ARX, ARMAX, OE, BJ, State Space см. рисунок 2.2.6), оценка производится нажатием кнопки Estimate. Существует возможность изменить параметры модели в редакторе Order Editor. Воспользуемся значениями по умолчанию, за исключением ARX и State Space, у которых параметры выберем нажав кнопку Order Selection.

 

Рисунок 2.2.6 Окно выбора структуры моделей

 

После того как были получены все 5 моделей объекта управления (см. рисунок 2.2.7), можно приступит к выбору одной из них, которая будет использоваться далее для получения передаточной функции ТОУ.

 

Рисунок 2.2.7 Получены 5 моделей ТОУ

 

Для выбора модели следует пользоваться средствами которые предоставляет System Identification Toolbox:

• Transient resp (переходная характеристика);
• Frequency resp (частотные характеристики);
• Zeros and poles (графики нулей и полюсов);
• Noise spectrum(графики спектров шумов).

 

Выбор отображаемых на этих графиках моделей осуществляется выделением соответствующих в окне списка моделей.

Для анализа модели ТОУ возьмем модель n4s4, для чего перетащим ее на иконку To Workspace, при этом модель n4s4 появится в рабочем пространстве MATLAB.

Полученная модель представлена в так называемом тета – формате и является дискретной. Для преобразования модели из тета - формата в вид удобный для дальнейшего использования в пакете System Identification Toolbox имеются специальные функции.

Преобразуем модель тета-формата многомерного объекта в вектор передаточных функций, связанных с выбранным входом:

 

>> [num,den]=th2tf(n4s4)

 

num =

 

         0    0.0442   -0.1081    0.1703   -0.0793

 

 

den =

 

    1.0000   -2.3544    2.1298   -0.8945    0.1494

где  num, den соответственно числитель и знаменатель дискретной передаточной функции.

Получим дискретную передаточную функцию:

 

 

 

>> Wz=tf(num,den,ts)

 

Transfer function:

0.0442 z^3 - 0.1081 z^2 + 0.1703 z - 0.07925

----------------------------------------------

z^4 - 2.354 z^3 + 2.13 z^2 - 0.8945 z + 0.1494

 

Sampling time: 0.1

Преобразуем дискретную модель в непрерывную и представим ее в виде передаточной функции:

 

>> Ws=d2c(Wz)

 

Transfer function:

    1.753 s^3 - 10.45 s^2 + 107 s + 690.8

---------------------------------------------

s^4 + 19.01 s^3 + 160.6 s^2 + 601.9 s + 769.2

 

Приведенные передаточные функции являются одной и той же моделью, записанной в разных формах и форматах.

Проанализируем динамические характеристики модели. Для чего построим переходную характеристику ТОУ для дискретной и непрерывной моделей и определим основные показатели переходного процесса.

На графиках переходных процессов ступенчатой линией представлен переходной процесс дискретной модели, а сплошной линией – непрерывной модели.

По виду переходной характеристики можно сделать однозначный вывод о том, что система неустойчивая.

 

Для построения переходной характеристики воспользуемся командой:

>> step(Ws)

 

Рисунок 2.2.8 Переходные характеристики дискретной и непрерывной моделей

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Для построения импульсной характеристики воспользуемся командой: