预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

基于FF现场总线的动态矩阵控制软件 随着科学技术的不断进步,工业控制零碎正向着开放化、数字化、智能化、分布化和网络化的方向发展。现场总线控制零碎FCS即顺应了这一发展方向,正替代着传统的DCS和PLC零碎而成为主流的控制零碎。国内外最近几年在现场总线控制技术的研讨方面较为活跃,我国在FF现场总线技术研讨和符合FF协议的现场设备产品开发方面己经取得了长足的进步。如中科院沈阳自动化研讨所等曾经开发出各种基金会现场总线产品,例如NCS-IF105现场总线变送器、NCS-FI105现场总线变送器、NCS-LD105现场总线网关等。然而中科院沈阳自动化研讨所设计的这套基于FF现场总线的过程控制实验零碎所采用的控制算法主要是常规PID控制。 在平时的实验中被控对象常常有纯滞后的存在,这类情况下,控制产生的作用要滞后一段时间才能在输出端反映出来,利用实际输出作为反馈信息往往不能及时地改变控制造用。常规的PID控制算法是基于当前时刻的输出偏差,对纯滞后无能为力,导致控制效果较差甚至极差。DMC作为一种预测控制算法,本身已具备这一功能,可以直接用于时滞对象而无需附加其它的控制结构。因而在利用VB6.0设计实际的先进监控软件零碎时,利用OPC技术把动态矩阵控制算法与FF现场总线控制零碎的集成,更大发挥它们各自的优势,可以获取令人满意的结果。 FF现场总线控制零碎的过程控制实验零碎 本实验零碎包括两个部分:FF现场总线部分和现场控制模型部分。FF现场总线包括低速现场总线H1和高速现场总线HSE。低速现场总线H1=31.25Kbps,可用于温变、液位及流量等控制场合,信号类型为电压信号;高速现场总线HSE=100Mbp,普通用于高级控制、远程输入/输出和高速工厂自动化等场合,信号类型为电流和电压信号。现场控制模型可以利用实验室的原有设备,从而节约了投资。本来的模拟仪表可以通过电流信号到现场总线信号变送器转接到现场总线。 图SEQ图表\*ARABIC1现场实验安装接线图 图中,LT表示液位变送器,Qi,Qo分别表示输入流量和输出流量,在该现场总线控制零碎中,液位变送器LT将检测到的液位高度转化为0-10mA的电流输出,NCS-IF105现场总线变送器再将液位2的模拟量信号(0-10mA)转换为符合FF现场总线协议的数字量信号,经过上位机中的动态矩阵预测控制算法的计算,得到数字控制信号,NCS-FI105变送器则将符合FF现场总线协议的数字量控制信号转换为0-10V的电压信号,送到变频器控制端,使变频器输出相应的电压和频率(0–50Hz),从而改变水泵转速,达到控制液位的目的。 该过程为自衡非振荡,具有彼此影响的双容过程。其数学模型可用如下传递函数描述:该过程为自衡非振荡.具有彼此影响的双容过程.其数学模型可用如卜传递函数描述:G(s)=式中,Kp,Tp,τ为过程的增益、时间常数和时滞。 动态矩阵预测控制算法 动态矩阵控制是一种利用被控对象的单位阶跃呼应采样数据作为预测模型的预测控制算法。设被控对象的单位阶跃采样数据为{a1,a2,⋯},对于渐近不变的零碎,其阶跃呼应在若干个采样周期后就趋于稳态值,即aN≈a(∝),因而可以用单位阶跃呼应采样数据的前无量项描述零碎的动态特性{a1,a2,⋯,aN} 由线性零碎的叠加原理,可以得到零碎输出的预测模型为 Ym(k+1)=AΔU(k)+A0U(k-1)……………………………………………………(1) 其中 Ym(k+1)———k时刻预测有Δu(k)作用时未来N个时刻的预测模型输出矢量 —待求控制增量矢量; —已知控制矢量; A= A0= 称为零碎的动态矩阵; A0U(k-1)———k时刻预测无Δu(k)作用时未来N个时刻的输出初始矢量,它是由k时刻之前加在零碎输入端的控制增量产生的。假定从(k-N)到(k-1)时刻加入的控制增量分别为Δu(k-N)、Δu(k-N+1)、⋯Δu(k-1),而在(k-N-1)时刻之前均假定 Δu(k-N-1)=Δu(k-N-2)=0,则(1)式是用过去施加于零碎的控制量表示初值的预测模型输出,由此可知预测模型输出由两部分组成:待求的未知控制增量和过去控制量产生的零碎已知输出初值。由于模型误差和干扰等的影响,零碎的输出预测值需求在预测模型输出的基础上用实际输出误差修正,即 YP(k+1)=Ym(k+1)+h[y(k)-ym(k)] AΔU(k)+A0U(k-1)+he(k) 式中 YP(k+1)—零碎输出预测矢量; YP(k+1)=[yP(k+1),yP(k+2),⋯,yP(k+P)]Te(k)—k时刻预测模型输出误差; e(k)=y(k)-ym(k) h—误差修正系数; h=[h1,h2,⋯,hp]T 优化以下功能目标 Jp=[yp(k+1)-yr(k+1)]TQ[Yp(