论文部分内容阅读
1.概述
随着社会进入信息化时代，工业领域对自动化程度的要求越来越高。然而在很多工业行业里，尽管自动化设备越拉越先进，但是实际上，计算机、网络的使用远不能成为自动化，显示器仅仅是取代了传统的模拟仪表，键盘和鼠标取代了开关按钮。针对国内这类传统行业的自动化控制，我们做了大量的工作，下面主要讨论大时滞系统中的控制算法理论和实践，本文讨论控制算法在水泥窑外分解窑上的实践。
2.传统控制方法的缺陷
自动控制理论发展到现在，有很多算法，在过程控制中最常用、最经典的算法应该是PID算法。PID算法，是按控制目标的偏差的比例（P）、积分（I）和微分（D）进行控制。PID算法，在过程中非常实用，效果也不错，但是在非线性大时滞系统里，缺陷也很明显。
在大时滞系统中，每个被控量与影响它的调整量之间都存在着长短不一的延迟，并不是调整控制量得很短的时间内，被控制量就发生变化，而是在一段时间之后这种影响才表现出来。针对这样的延时状况，为了保证系统稳定，只有在PID控制器各参数都比较小，控制周期延长，增益较低的情况下才能使系统稳定，但是这样必然导致调整时间变长，抗干扰能力下降；反之，如果增大了参数就会使系统出现震荡不稳定。这种情况下很难在快速性和稳定性之间找到一个理想的平衡点。同时，这种情况下PID参数的整定过程也会很困难，整定好参数的控制器效果也并不理想。另外大多数控制量与其对应的调整量之间的关系并不是一种线性的关系，而且还是一种多因素共同影响的结果，这时，如何建立有效的关系模型也不是一件容易的事。
3.Smith算法的应用
针对大时滞系统，我们选择了Smith算法。Smith算法被广泛的应用在时滞系统的控制中，
原理简述如下：
E2=E1+(Ym-Xm)=E1-Gm(s)*（1-）*U(s)
其中E1=R(s)-Y(s)；Y(s)=E2(s)*Gc(s)*Go(s)*e-ts
当t*=t且Gc(s)=Go(s)时，Y(s)=Gc(s)*Go(s)*E2;没有延迟。
设置模型为：Gm(s)=为一二阶系统，可以代表大多系统。
既有：Xm(s)()=U_t(s)*(ds+f) 化为差分方程为：
Xm(k)=*[(d+f)*u(k)-d*u(k-1)+(2a+b)*Xm(k-1)_a*Xm(k-2)] (1)而Ym為Xm向后延迟t*/T个点得到。
4.预估模型的选择
在实际的工业过程控制中，影响控制目标的因素往往非常多，且影响的程度非线性，相互之间也有影响，因此用公式或矩阵来建立预估模型非常困难。我们尝试了多种模型后，发现用神经元网络来建立这种非线性的模型比较实用。
每一个节点上的权值和阀值需要通过一个训练来决定。简单的说，拿出一组足够多数据，包括输入和对应的输出，通过一个反相计算的算法进行训练，逐次修正，逐步接近，最后寻找出输入与输出的关系。在运用时，将数据输入至受过训练的神经元网络，得到的输出就是网络预测的结果。
在大时滞系统中，应先确定输入与输出之间的延迟时间，将输入输出对应起来，生成一组或多组样本，进行训练，当训练结果满意后，作为预估模型。在实际中使用时，就可以预估延迟时间后输出的结果。
5.实际效果
我们用此模型在水泥生产线的窑外分解窑的温度控制上做了大量的实验，取得了预期的效果。相对于手工PID调节，该模型快速，并且适应范围较大，不会出现振荡，控制精度比PID方式提高50%。相对于手工状态，与技术高超的老操作工来说，在异常情况下反应的速度稍慢，但是不会误判趋势，尤其在大波动的情况下，该算法模型输出不会任意超调，因此一段时间后，系统会趋于稳定，优于手工操作。相对于普通操作工，该模型效果优于手工，除了特殊情况下的处理，基本可取代收工操作。除了特殊的故障情况下，该算法模型的控制效果和控制精度优于PID控制和手工控制。
但是，该算法也有缺陷。尤其在国内的水泥生产线上，由于设备故障及维修更换、原料化学成分的波动造成工艺上的显著变化，在每次出现变化后，都必须重新整定预估器。这类情况，在其他传统行业也普遍存在。
6.总结
对于工业生产线上的大时滞系统，我们采用了以下的算法模型。该算法模型在实践中取得了很好的效果，但是该模型算法需要设备、工艺稳定，所以对企业的生产管理提出了更高的要求。
作者单位
①南京恒荣智翔软件科技有限责任公司
②南京恒荣电气系统工程有限公司
③南京恒荣智翔软件科技有限责任公司
随着社会进入信息化时代，工业领域对自动化程度的要求越来越高。然而在很多工业行业里，尽管自动化设备越拉越先进，但是实际上，计算机、网络的使用远不能成为自动化，显示器仅仅是取代了传统的模拟仪表，键盘和鼠标取代了开关按钮。针对国内这类传统行业的自动化控制，我们做了大量的工作，下面主要讨论大时滞系统中的控制算法理论和实践，本文讨论控制算法在水泥窑外分解窑上的实践。
2.传统控制方法的缺陷
自动控制理论发展到现在，有很多算法，在过程控制中最常用、最经典的算法应该是PID算法。PID算法，是按控制目标的偏差的比例（P）、积分（I）和微分（D）进行控制。PID算法，在过程中非常实用，效果也不错，但是在非线性大时滞系统里，缺陷也很明显。
在大时滞系统中，每个被控量与影响它的调整量之间都存在着长短不一的延迟，并不是调整控制量得很短的时间内，被控制量就发生变化，而是在一段时间之后这种影响才表现出来。针对这样的延时状况，为了保证系统稳定，只有在PID控制器各参数都比较小，控制周期延长，增益较低的情况下才能使系统稳定，但是这样必然导致调整时间变长，抗干扰能力下降；反之，如果增大了参数就会使系统出现震荡不稳定。这种情况下很难在快速性和稳定性之间找到一个理想的平衡点。同时，这种情况下PID参数的整定过程也会很困难，整定好参数的控制器效果也并不理想。另外大多数控制量与其对应的调整量之间的关系并不是一种线性的关系，而且还是一种多因素共同影响的结果，这时，如何建立有效的关系模型也不是一件容易的事。
3.Smith算法的应用
针对大时滞系统，我们选择了Smith算法。Smith算法被广泛的应用在时滞系统的控制中，
原理简述如下：
E2=E1+(Ym-Xm)=E1-Gm(s)*（1-）*U(s)
其中E1=R(s)-Y(s)；Y(s)=E2(s)*Gc(s)*Go(s)*e-ts
当t*=t且Gc(s)=Go(s)时，Y(s)=Gc(s)*Go(s)*E2;没有延迟。
设置模型为：Gm(s)=为一二阶系统，可以代表大多系统。
既有：Xm(s)()=U_t(s)*(ds+f) 化为差分方程为：
Xm(k)=*[(d+f)*u(k)-d*u(k-1)+(2a+b)*Xm(k-1)_a*Xm(k-2)] (1)而Ym為Xm向后延迟t*/T个点得到。
4.预估模型的选择
在实际的工业过程控制中，影响控制目标的因素往往非常多，且影响的程度非线性，相互之间也有影响，因此用公式或矩阵来建立预估模型非常困难。我们尝试了多种模型后，发现用神经元网络来建立这种非线性的模型比较实用。
每一个节点上的权值和阀值需要通过一个训练来决定。简单的说，拿出一组足够多数据，包括输入和对应的输出，通过一个反相计算的算法进行训练，逐次修正，逐步接近，最后寻找出输入与输出的关系。在运用时，将数据输入至受过训练的神经元网络，得到的输出就是网络预测的结果。
在大时滞系统中，应先确定输入与输出之间的延迟时间，将输入输出对应起来，生成一组或多组样本，进行训练，当训练结果满意后，作为预估模型。在实际中使用时，就可以预估延迟时间后输出的结果。
5.实际效果
我们用此模型在水泥生产线的窑外分解窑的温度控制上做了大量的实验，取得了预期的效果。相对于手工PID调节，该模型快速，并且适应范围较大，不会出现振荡，控制精度比PID方式提高50%。相对于手工状态，与技术高超的老操作工来说，在异常情况下反应的速度稍慢，但是不会误判趋势，尤其在大波动的情况下，该算法模型输出不会任意超调，因此一段时间后，系统会趋于稳定，优于手工操作。相对于普通操作工，该模型效果优于手工，除了特殊情况下的处理，基本可取代收工操作。除了特殊的故障情况下，该算法模型的控制效果和控制精度优于PID控制和手工控制。
但是，该算法也有缺陷。尤其在国内的水泥生产线上，由于设备故障及维修更换、原料化学成分的波动造成工艺上的显著变化，在每次出现变化后，都必须重新整定预估器。这类情况，在其他传统行业也普遍存在。
6.总结
对于工业生产线上的大时滞系统，我们采用了以下的算法模型。该算法模型在实践中取得了很好的效果，但是该模型算法需要设备、工艺稳定，所以对企业的生产管理提出了更高的要求。
作者单位
①南京恒荣智翔软件科技有限责任公司
②南京恒荣电气系统工程有限公司
③南京恒荣智翔软件科技有限责任公司