CN110597053A - 大型磨机过程控制*** - Google Patents
大型磨机过程控制*** Download PDFInfo
- Publication number
- CN110597053A CN110597053A CN201910956040.6A CN201910956040A CN110597053A CN 110597053 A CN110597053 A CN 110597053A CN 201910956040 A CN201910956040 A CN 201910956040A CN 110597053 A CN110597053 A CN 110597053A
- Authority
- CN
- China
- Prior art keywords
- control
- fuzzy
- value
- error
- deviation
- 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.)
- Granted
Links
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种大型磨机过程控制***,涉及矿山机械,尤其是一种通过甄别处理,规避失真信号,有效避免因假性报警、故障造成频繁停机的大型磨机过程控制***。本发明的大型磨机过程控制***,安装在磨机上,其特征在于该控制***包括内部架构、外部辅助单元和磨机监测***,内部架构、外部辅助单元以及磨机监测***通过导线连接。本发明对所有外部传感器检测信号,进行甄别处理,避免失真信号进入逻辑连锁控制单元,避免磨机因假性报警和故障的频繁停机;增加了机械性能预测性控制功能,有效控制轴承、轴瓦、齿轮等机械损伤程度;增加在线运行故障处理功能,实现了不需要停机就可以对齿轮润滑油润滑、温度检测等故障进行处理,减少磨机非必须停车频次。
Description
技术领域
本发明涉及矿山机械,尤其是一种通过甄别处理,规避失真信号,有效避免因假性报警、故障造成频繁停机的大型磨机过程控制***。
背景技术
目前,国内日处理万吨级以上的铜矿山磨机润滑控制***设计理念比较陈旧和传统,它绝大部分是应用理想环境状态下的信号检测与控制进行设计。未能解决电磁干扰、粉尘、油污、振动等恶劣环境影响故障停车频发问题;不能进行磨机机械病态预测,一旦发生故障,机械损伤将扩大化,修复及其困难的问题;而且不可以通过在线运行故障处理的办法,减少磨机非计划停车频次;同时,磨机停车后,再启动开车困难的问题。究其根源,此类超大型重点设备控制***存在如下缺陷:1、无***传感器信号失真与否的甄别判断和分类推送控制功能;2、无对机械性能的预测性控制功能;3、无在线运行故障处理功能等。据不完全统计,磨机故障停车造成影响有:1、每次的故障停机,公司将进行3天左右停车善后处理,每年大约出现10次以上的假故障停车,不包括非计划停车,共计全年耽误单系列生产合计约30天,每天单系列停车直接经济损失约200万元,全年共计直接经济损失约为30*200=6000万元;2、降低单系列设备全年运转效率约为30/365/2=4.1%;3、大量的停车善后处理,额外增加在高原环境下,员工的高强度体力劳动,减低员工身心健康指数,增加安全风险。
传统磨机的结构包括驱动电机、离合器、小齿轮、大齿圈和磨机筒体,驱动电机通过离合器与小齿轮连接,大齿圈安装在磨机筒体上,小齿轮与大齿圈啮合,磨机筒体的入料端和出料端均设置轴承,驱动电机通过离合器带动小齿轮转动,小齿轮带动大齿圈转动,大齿圈带动磨机筒体绕轴承转动,通常驱动电机、离合器以及小齿轮为两套,连接后,大齿圈两侧分别与两个小齿轮啮合,通过两组驱动电机,带动磨机筒体转动,有效提高转动的稳定性;并在小齿轮两端和磨机筒体的两个轴承处连接供油管道和喷油嘴,实时补充润滑油。
发明内容
本发明所要解决的就是现有铜矿山磨机润滑控制***设计不科学,在恶劣环境中使用,容易受到失真信号干扰,造成频繁停机的问题,提供一种通过甄别处理,规避失真信号,有效避免因假性报警、故障造成频繁停机的大型磨机过程控制***。
本发明的大型磨机过程控制***,安装在磨机上,其特征在于该控制***包括内部架构、外部辅助单元和磨机监测***,内部架构、外部辅助单元以及磨机监测***通过导线连接,其中:
内部架构包括逻辑连锁控制单元、运行状态监控单元、甄别控制处理单元、预测控制处理单元、数据历史储存单元以及在线故障处理单元,甄别控制处理单元分别与逻辑连锁控制单元、数据历史储存单元连接,预测控制处理单元分别与逻辑连锁控制单元、数据历史储存单元连接,逻辑连锁控制单元、数据历史储存单元分别与运行状态监控单元连接,运行状态监控单元与在线故障处理单元连接;
外部辅助单元包括远程传送监控单元、声光报警单元;
磨机监测***包括温度传感器、油压传感器、流量传感器和振动传感器,在磨机设置数个测温点、油压监测点和油量监测点,入料端和出料端的轴承上各设置三个测温点,小齿轮表面设置三个测温点,小齿轮的两端分别设置一个测温点,每个测温点上均设置温度传感器,通过温度传感器采集测温点的温度,小齿轮表面测温点的温度传感器采用红外温度传感器;在小齿轮两端以及两个筒体两端轴承的喷油嘴上设置流量传感器,在供油管道上设置油压传感器;在小齿轮驱动端、非驱动端以及竖直方向,设立X、Y、Z三个方向的振动检测,每个小齿轮安装6个振动传感器,一台磨机的两个小齿轮上共安装12个振动传感器;磨机监测***与甄别控制处理单元连接,获取的监控数据传递给甄别控制处理单元;
具体控制过程如下:
1)甄别控制处理单元获取小齿轮红外温差、小齿轮红外温度、油流、油压、轴承温度以及振动范围,通过模糊控制判断失真情况,判断为失真信号,则不参与逻辑连锁控制,进入历史数据记录单元储存,仅供查询使用;判断为真实信号,则将数据传送给逻辑连锁控制单元,参与运行连锁控制;
2)逻辑连锁控制单元接收到甄别控制处理单元的数据信号后,对信号进行分析,判断故障问题,利用模糊控制寻找最佳使用值得设定值;首先每个温度传感器设定-200℃的断线温度,检测到该温度时,直接将信息传输至在线故障处理单元,并发出报警信号;设定正常使用温度值为60℃,利用模糊控制计算,得到超高温度90℃,超出超高温度值时,发出该检测点的故障停机指令,并发出报警信息;对小齿轮小端的温差范围,根据红外温度传感器的信息,设定两端温差值正常范围为15,超大温差值为30,温差值超过15时,发出报警信号,超过30时,则发出故障停机指令;对供油管道的油压,设定正常使用范围的低压为40kg/cm3、超低压为15kg/cm3的预设值,当信号达到该值时输出相应检测点的报警信息或故障停机指令;
3)在线故障处理单元主要针对两类故障处理,分别是润滑油故障处理和温度检测故障处理,具体处理方式为:
(1)润滑油故障进行不停机在线处理,包括润滑油故障处理等待间歇和计时置零两个功能,润滑油喷射周期结束后预设等待间歇时间,等待间歇时间功能中加入计时置零功能,在等待间歇时间内进行润滑油***的故障处理,等待间歇时间中启动计时置零功能,令等待间歇时间重新开始计时,保证故障处理具有充分时间,在处理过程中,通过人工观察润滑油情况,及时以人工方式补充润滑油,直至故障消除;
(2)温度检测故障处理,对每个温度传感器的线路和探头进行监测,任意一个温度传感器发出断线故障故障时,显示断线信息,提示维护人员针对性检查和处理,避免因高温产生故障,导致停车;
4)预测控制处理单元,根据实时检测数据和历史数据在线趋势记录,结合设备性能的正常使用范围指标值域,设定正常运行的超出区域界限值,检测数据超出区域界限值时,提前预警,通知维护人员提前对设备的轴承、轴瓦、齿轮等机械结构进行性能分析和保养维护;
5)声光报警单元配合内部架构,对操作、维护人员进行及时预警,便于操作、维护人员采取措施;
6)远程传送监控单元,将磨机运行相关信息传送到分布式控制***,在分布式控制***服务器做实时及历史储存、趋势查询、状态信息显示以及控制功能,便于中控操作人员及时掌握磨机运行的一手信息,并准确下达相应指令。
所述的控制步骤1)中,模糊控制判断失真情况步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器:
输入语言变量:偏差语言变量为E,偏差变化率EC;
偏差e=r–y,r为失真度设定值,y为失真度测试值;
偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:失真度测试过程中控制滤波时间长度的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定:
偏差e的基本论域:[-20次,+20次];
偏差语言值E的离散论域:X={-6,...,0…,+6};
则偏差e的量化因子为:Ke=2*6/[20-(-20)]=0.3;
语言变量偏差E的语言值选为:PB,PM,PS,PO,NO,NS,NM,NB 8个语言值:
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(x),并据此建立语言变量E的赋值表
语言变量E的赋值表
偏差变化率EC的基本论域:[-15,+15];
偏差变化率语言值EC的离散论域:Y={-6,-5,...,0…,+5,+6};
则偏差变化率ec的量化因子为:Kec=2*6/[15-(-15)]=0.4;
语言变量偏差EC的语言值选为:PB,PM,PS,ZO,NS,NM,NB 7个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(y),并据此建立语言变量EC的赋值表
语言变量EC的赋值表
控制量变化u的基本论域:[-10s,+10s];
控制量变化语言值U的离散论域:Z={-7,-6,...,0,…,+6,+7};
则控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=10/7;
语言变量控制量变化U的语言值选为:PB,PM,PS,ZO,NS,NM,NB 7个语言值;
通过长期应用总结,确定在论域Z上用以描述模糊子集PB,…,NB的隶属函数μ(z),并据此建立语言变量U的赋值表
语言变量U的赋值表
3)模糊控制规则的确定:
当误差,暨希望值减去测试值,为负大时,说明测试值高于希望值,当误差变化率也为负,则误差有增大趋势,为尽快消除已有的负大误差和抑制其变大,因此控制量的变化取正大,暨控制量增大,意味着滤波时间控制设置增大,使得失真度下降;当误差为负而误差变化率为正时,***本身已有减少误差的趋势,为尽快消除误差而又不超调,取较小的控制量;当误差为负中时,控制量的变化应使误差尽快消除;基于上述原则,控制量的变化选取同误差为负大时相同;当误差为负小时,***接近稳态;当误差变化微小时,选取控制量变化为正中,以抑制误差向负方向变化;当误差变化为正时,***本身有消除负小误差的趋势,选取控制量变化为正小;得到模糊控制表
模糊控制规则表
得到该失真度偏差、偏差变化率与滤波时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
其中规则内的模糊集取交集运算,规则间的模糊集取并集运算;
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*,ec*
且e*∈X={-6,-5,...,-0,+0…,+5+6},ec*∈Y={-6,-5,...,0,…,+5+6}将e*、ec*模糊化得模糊子集E*、EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
解模糊与模糊控制表的生成,采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*,对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,均能得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成表格,即得模糊控制表
模糊控制查询表
模糊控制表离线计算得到:根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差
e(k)、ec(k),(k=0,1,2,……)
分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,
即u=u**ku;
本模糊控制的目的去掉失真度,则包含了e≤0的所有u*,另外ku=10/7;结合实际运行历史数据趋势波形图来看滤波时间的设置应不小于5s,通过u=u**ku≥5s计算,得出u*≥3.5,所以,在该模糊控制器下,所有u*>3的控制量均可以达到去掉失真度的要求;但是u*选择过大,实际控制量的变化值u也会过大,即滤波时间增大,导致控制***出现进入逻辑控制等单元的正常信号严重滞后,***对外部正常信号处理不及时,严重超调,失去***的优越性,所以最佳失真度的控制量u*应该满足:3<u*≤4,所以控制***信号处理单元去掉信号失真度的最佳滤波时间长度设置为5s。
所述的控制步骤2)中,利用模糊控制寻找最佳使用值得设定值的具体步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器:
输入语言变量:偏差语言变量为E,偏差变化率EC;
偏差e=r–y,r为各设定值的目标值,y为多次的测试值;
偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:设定目标稳定运行过程中控制控制设定值长度的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定;组成二维坐标系,采用三角形或半梯形的隶属度函数关系进行模糊计算;
3)模糊控制规则的确定:
当误差较大时,选择控制量以尽快消除误差为主;当误差较小时,选择控制量要注意防止超调,根据上述规则,得到以下模糊控制表
模糊控制规则表
按上述控制规则,得到该失真度偏差、偏差变化率与滤波时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*、ec*
且e*∈X={-6,-5,...,-0,+0…,+5+6}
ec*∈Y={-6,-5,...,0,…,+5+6}
将e*和ec*模糊化得模糊子集E*和EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*;对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成模糊控制查询表:
模糊控制查询表
模糊控制查询表离线计算得到:
根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差e(k)、ec(k),(k=0,1,2,……)分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,即u=u**ku;
6)根据上述模糊控制设计得出以下设定值控制设置结论:
(1)红外温差报警的最佳设定值寻找:
选择:报警值的控制量变化u的基本论域:[-15,+15];
控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=15/7;
由上述推导u=u**ku计算得出,u*=7。满足最大隶属度取值原则,所以上述报警值的最佳设定为15℃;
(2)红外温差故障停机的最佳设定值寻找:
选择:报警值的控制量变化u的基本论域:[-30,+30];
则控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=30/7;
由上述推导u=u**ku计算得出,u*=7,满足最大隶属度取值原则,所以上述故障停机值的最佳设定为30℃。
所述的具体控制过程中,还设置有润滑油恒温控制过程,根据现场使用情况,要求保持磨机稳定高效运行,润滑控制***务必稳定恒温运行,通过长时间的经验总结,磨机润滑***温度稳定在28℃不变,为最佳状态;该控制过程利用模糊计算进行控制,具体控制步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器;
输入语言变量:偏差语言变量为E,偏差变化率EC;
温度偏差e=r–y,r为润滑***温度设定值,y为润滑***温度检测值;
温度偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:恒温保持过程中控制加热器动作时长的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定:
偏差e的基本论域:[-10℃,+10℃];
偏差语言值E的离散论域:X={-6,...,0…,+6};
则偏差e的量化因子为:Ke=2*6/[10-(-10)]=0.6;
语言变量偏差E的语言值选为:PB、PM、PS、PO、NO、NS、NM以及NB 8个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(x)为三角隶属度函数,并据此建立语言变量E的赋值表
语言变量E的赋值表
偏差变化率EC的基本论域:[-15,+15];
偏差变化率语言值EC的离散论域:Y={-6,-5,...,0…,+5,+6};
则偏差变化率ec的量化因子为:Kec=2*6/[15-(-15)]=6/15;
语言变量偏差EC的语言值选为:PB、PM、PS、ZO、NS、NM和NB 7个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(y)为三角隶属度函数,并据此建立语言变量EC的赋值表
语言变量EC的赋值表
控制量变化u的基本论域:[-60min,+60min];
控制量变化语言值U的离散论域:Z={-7,-6,...,0,…,+6,+7};
则控制量变化u的比例因子为:Ku=[60-(-60)]/2*7=60/7;
语言变量控制量变化U的语言值选为:PB、PM、PS、ZO、NS、NM以及NB7个语言值;
确定在论域Z上用以描述模糊子集PB,…,NB的隶属函数μ(z)为三角隶属度函数,并据此建立语言变量U的赋值表
语言变量U的赋值表
3)模糊控制规则的确定:
当误差,暨希望值减去检测值为负大时,说明检测值高于希望值,当若误差变化率也为负,则误差有增大趋势,为尽快消除已有的负大误差和抑制其变大,因此控制量的变化取正大;当误差为负而误差变化率为正时,***本身已有减少误差的趋势,所以为尽快消除误差而又不超调,取较小的控制量;当误差为负中时,控制量的变化应使误差尽快消除,基于这种原则,控制量的变化选取同误差为负大时相同;当误差为负小时,***接近稳态,若误差变化微小时,选取控制量变化为正中,以抑制误差向负方向变化;当误差变化为正时,***本身有消除负小误差的趋势,选取控制量变化为正小;
根据上述规则,得到模糊控制规则表
模糊控制规则表
按上述控制规则,得到该温度偏差、偏差变化率与加热器工作时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*和ec*,且
e*∈X={-6,-5,...,-0,+0…,+5+6},
ec*∈Y={-6,-5,...,0,…,+5+6}
将e*和ec*模糊化得模糊子集E*和EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*;
对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,均能得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成表格,即得模糊控制查询表
模糊控制查询表
模糊控制查询表离线计算:
根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差e(k)、ec(k),(k=0,1,2,……)分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,即u=u**ku;
最终控制过程:由实时检测的温度偏差、结合偏差变化率,得到模糊控制变化量,经过反模糊控制的一系列转换,输出需要的实际控制量。
本发明的大型磨机过程控制***,结构简单,设计科学,使用方便,对所有外部传感器检测信号,进行甄别处理,避免失真信号进入逻辑连锁控制单元,避免磨机因假性报警和故障的频繁停机;增加了机械性能预测性控制功能,有效控制轴承、轴瓦、齿轮等机械损伤程度;增加在线运行故障处理功能,实现了不需要停机就可以对齿轮润滑油润滑、温度检测等故障进行处理,减少磨机非必须停车频次;经过该项技术开发应用后,获得成效有:1、增加公司年度生产直接经济收益约6000万元;2、提高单系列设备全年运转效率约为4.1%;3、在高原环境下,减少员工高强度额外体力劳动,提高员工身心健康指数,降低安全风险。
附图说明
图1为本发明控制***结构示意图。
图2为本发明磨机监测***结构示意图。
其中,逻辑连锁控制单元1,运行状态监控单元2,甄别控制处理单元3,预测控制处理单元4,数据历史储存单元5,在线故障处理单元6,远程传送监控单元7,声光报警单元8,温度传感器9,油压传感器10,流量传感器11,轴承12,小齿轮13,供油管道14。
具体实施方式
实施例1:一种大型磨机过程控制***,安装在磨机上,该控制***包括内部架构、外部辅助单元和磨机监测***,内部架构、外部辅助单元以及磨机监测***通过导线连接,其中:
内部架构包括逻辑连锁控制单元1、运行状态监控单元2、甄别控制处理单元3、预测控制处理单元4、数据历史储存单元5以及在线故障处理单元6,甄别控制处理单元3分别与逻辑连锁控制单元1、数据历史储存单元5连接,预测控制处理单元4分别与逻辑连锁控制单元1、数据历史储存单元5连接,逻辑连锁控制单元1、数据历史储存单元5分别与运行状态监控单元2连接,运行状态监控单元2与在线故障处理单元6连接;
外部辅助单元包括远程传送监控单元7、声光报警单元8;
磨机监测***包括温度传感器9、油压传感器10、流量传感器11和振动传感器,在磨机设置数个测温点、油压监测点和油量监测点,入料端和出料端的轴承12上各设置三个测温点,小齿轮13表面设置三个测温点,小齿轮13的两端分别设置一个测温点,每个测温点上均设置温度传感器9,通过温度传感器9采集测温点的温度,小齿轮13表面测温点的温度传感器9采用红外温度传感器9;在小齿轮13两端以及两个筒体两端轴承12的喷油嘴上设置流量传感器11,在供油管道14上设置油压传感器10;在小齿轮13驱动端、非驱动端以及竖直方向,设立X、Y、Z三个方向的振动检测,每个小齿轮13安装6个振动传感器,一台磨机的两个小齿轮13上共安装12个振动传感器;磨机监测***与甄别控制处理单元3连接,获取的监控数据传递给甄别控制处理单元3;
具体控制过程如下:
1)甄别控制处理单元3获取小齿轮13红外温差、小齿轮13红外温度、油流、油压、轴承12温度以及振动范围,通过模糊控制判断失真情况,判断为失真信号,则不参与逻辑连锁控制,进入历史数据记录单元储存,仅供查询使用;判断为真实信号,则将数据传送给逻辑连锁控制单元1,参与运行连锁控制;
2)逻辑连锁控制单元1接收到甄别控制处理单元3的数据信号后,对信号进行分析,判断故障问题,利用模糊控制寻找最佳使用值得设定值;首先每个温度传感器9设定-200℃的断线温度,检测到该温度时,直接将信息传输至在线故障处理单元6,并发出报警信号;设定正常使用温度值为60℃,利用模糊控制计算,得到超高温度90℃,超出超高温度值时,发出该检测点的故障停机指令,并发出报警信息;对小齿轮13小端的温差范围,根据红外温度传感器9的信息,设定两端温差值正常范围为15,超大温差值为30,温差值超过15时,发出报警信号,超过30时,则发出故障停机指令;对供油管道14的油压,设定正常使用范围的低压为40kg/cm3、超低压为15kg/cm3的预设值,当信号达到该值时输出相应检测点的报警信息或故障停机指令;
3)在线故障处理单元6主要针对两类故障处理,分别是润滑油故障处理和温度检测故障处理,具体处理方式为:
(1)润滑油故障进行不停机在线处理,包括润滑油故障处理等待间歇和计时置零两个功能,润滑油喷射周期结束后预设等待间歇时间,等待间歇时间功能中加入计时置零功能,在等待间歇时间内进行润滑油***的故障处理,等待间歇时间中启动计时置零功能,令等待间歇时间重新开始计时,保证故障处理具有充分时间,在处理过程中,通过人工观察润滑油情况,及时以人工方式补充润滑油,直至故障消除;
(2)温度检测故障处理,对每个温度传感器9的线路和探头进行监测,任意一个温度传感器9发出断线故障故障时,显示断线信息,提示维护人员针对性检查和处理,避免因高温产生故障,导致停车;
4)预测控制处理单元4,根据实时检测数据和历史数据在线趋势记录,结合设备性能的正常使用范围指标值域,设定正常运行的超出区域界限值,检测数据超出区域界限值时,提前预警,通知维护人员提前对设备的轴承12、轴瓦、齿轮等机械结构进行性能分析和保养维护;
5)声光报警单元8配合内部架构,对操作、维护人员进行及时预警,便于操作、维护人员采取措施;
6)远程传送监控单元7,将磨机运行相关信息传送到分布式控制***,在分布式控制***服务器做实时及历史储存、趋势查询、状态信息显示以及控制功能,便于中控操作人员及时掌握磨机运行的一手信息,并准确下达相应指令。
在控制步骤1)中,模糊控制判断失真情况步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器:
输入语言变量:偏差语言变量为E,偏差变化率EC;
偏差e=r–y,r为失真度设定值,y为失真度测试值;
偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:失真度测试过程中控制滤波时间长度的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定:
偏差e的基本论域:[-20次,+20次];
偏差语言值E的离散论域:X={-6,...,0…,+6};
则偏差e的量化因子为:Ke=2*6/[20-(-20)]=0.3;
语言变量偏差E的语言值选为:PB,PM,PS,PO,NO,NS,NM,NB 8个语言值:
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(x),并据此建立语言变量E的赋值表
语言变量E的赋值表
偏差变化率EC的基本论域:[-15,+15];
偏差变化率语言值EC的离散论域:Y={-6,-5,...,0…,+5,+6};
则偏差变化率ec的量化因子为:Kec=2*6/[15-(-15)]=0.4;
语言变量偏差EC的语言值选为:PB,PM,PS,ZO,NS,NM,NB 7个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(y),并据此建立语言变量EC的赋值表
语言变量EC的赋值表
控制量变化u的基本论域:[-10s,+10s];
控制量变化语言值U的离散论域:Z={-7,-6,...,0,…,+6,+7};
则控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=10/7;
语言变量控制量变化U的语言值选为:PB,PM,PS,ZO,NS,NM,NB 7个语言值;
通过长期应用总结,确定在论域Z上用以描述模糊子集PB,…,NB的隶属函数μ(z),并据此建立语言变量U的赋值表
语言变量U的赋值表
3)模糊控制规则的确定:
当误差,暨希望值减去测试值,为负大时,说明测试值高于希望值,当误差变化率也为负,则误差有增大趋势,为尽快消除已有的负大误差和抑制其变大,因此控制量的变化取正大,暨控制量增大,意味着滤波时间控制设置增大,使得失真度下降;当误差为负而误差变化率为正时,***本身已有减少误差的趋势,为尽快消除误差而又不超调,取较小的控制量;当误差为负中时,控制量的变化应使误差尽快消除;基于上述原则,控制量的变化选取同误差为负大时相同;当误差为负小时,***接近稳态;当误差变化微小时,选取控制量变化为正中,以抑制误差向负方向变化;当误差变化为正时,***本身有消除负小误差的趋势,选取控制量变化为正小;得到模糊控制表
模糊控制规则表
得到该失真度偏差、偏差变化率与滤波时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
其中规则内的模糊集取交集运算,规则间的模糊集取并集运算;
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*,ec*
且e*∈X={-6,-5,...,-0,+0…,+5+6},ec*∈Y={-6,-5,...,0,…,+5+6}
将e*、ec*模糊化得模糊子集E*、EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
解模糊与模糊控制表的生成,采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*,对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,均能得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成表格,即得模糊控制表
模糊控制查询表
模糊控制表离线计算得到:根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差
e(k)、ec(k),(k=0,1,2,……)
分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,
即u=u**ku;
本模糊控制的目的去掉失真度,则包含了e≤0的所有u*,另外ku=10/7;结合实际运行历史数据趋势波形图来看滤波时间的设置应不小于5s,通过u=u**ku≥5s计算,得出u*≥3.5,所以,在该模糊控制器下,所有u*>3的控制量均可以达到去掉失真度的要求;但是u*选择过大,实际控制量的变化值u也会过大,即滤波时间增大,导致控制***出现进入逻辑控制等单元的正常信号严重滞后,***对外部正常信号处理不及时,严重超调,失去***的优越性,所以最佳失真度的控制量u*应该满足:3<u*≤4,所以控制***信号处理单元去掉信号失真度的最佳滤波时间长度设置为5s。
在控制步骤2)中,利用模糊控制寻找最佳使用值得设定值的具体步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器:
输入语言变量:偏差语言变量为E,偏差变化率EC;
偏差e=r–y,r为各设定值的目标值,y为多次的测试值;
偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:设定目标稳定运行过程中控制控制设定值长度的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定;组成二维坐标系,采用三角形或半梯形的隶属度函数关系进行模糊计算;
3)模糊控制规则的确定:
当误差较大时,选择控制量以尽快消除误差为主;当误差较小时,选择控制量要注意防止超调,根据上述规则,得到以下模糊控制表
模糊控制规则表
按上述控制规则,得到该失真度偏差、偏差变化率与滤波时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*、ec*
且e*∈X={-6,-5,...,-0,+0…,+5+6}
ec*∈Y={-6,-5,...,0,…,+5+6}
将e*和ec*模糊化得模糊子集E*和EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*;对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成模糊控制查询表:
模糊控制查询表
模糊控制查询表离线计算得到:
根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差e(k)、ec(k),(k=0,1,2,……)分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,即u=u**ku;
6)根据上述模糊控制设计得出以下设定值控制设置结论:
(1)红外温差报警的最佳设定值寻找:
选择:报警值的控制量变化u的基本论域:[-15,+15];
控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=15/7;
由上述推导u=u**ku计算得出,u*=7。满足最大隶属度取值原则,所以上述报警值的最佳设定为15℃;
(2)红外温差故障停机的最佳设定值寻找:
选择:报警值的控制量变化u的基本论域:[-30,+30];
则控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=30/7;
由上述推导u=u**ku计算得出,u*=7,满足最大隶属度取值原则,所以上述故障停机值的最佳设定为30℃。
具体控制过程中,还设置有润滑油恒温控制过程,根据现场使用情况,要求保持磨机稳定高效运行,润滑控制***务必稳定恒温运行,通过长时间的经验总结,磨机润滑***温度稳定在28℃不变,为最佳状态;该控制过程利用模糊计算进行控制,具体控制步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器;
输入语言变量:偏差语言变量为E,偏差变化率EC;
温度偏差e=r–y,r为润滑***温度设定值,y为润滑***温度检测值;
温度偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:恒温保持过程中控制加热器动作时长的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定:
偏差e的基本论域:[-10℃,+10℃];
偏差语言值E的离散论域:X={-6,...,0…,+6};
则偏差e的量化因子为:Ke=2*6/[10-(-10)]=0.6;
语言变量偏差E的语言值选为:PB、PM、PS、PO、NO、NS、NM以及NB 8个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(x)为三角隶属度函数,并据此建立语言变量E的赋值表
语言变量E的赋值表
偏差变化率EC的基本论域:[-15,+15];
偏差变化率语言值EC的离散论域:Y={-6,-5,...,0…,+5,+6};
则偏差变化率ec的量化因子为:Kec=2*6/[15-(-15)]=6/15;
语言变量偏差EC的语言值选为:PB、PM、PS、ZO、NS、NM和NB 7个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(y)为三角隶属度函数,并据此建立语言变量EC的赋值表
语言变量EC的赋值表
控制量变化u的基本论域:[-60min,+60min];
控制量变化语言值U的离散论域:Z={-7,-6,...,0,…,+6,+7};
则控制量变化u的比例因子为:Ku=[60-(-60)]/2*7=60/7;
语言变量控制量变化U的语言值选为:PB、PM、PS、ZO、NS、NM以及NB7个语言值;
确定在论域Z上用以描述模糊子集PB,…,NB的隶属函数μ(z)为三角隶属度函数,并据此建立语言变量U的赋值表
语言变量U的赋值表
3)模糊控制规则的确定:
当误差,暨希望值减去检测值为负大时,说明检测值高于希望值,当若误差变化率也为负,则误差有增大趋势,为尽快消除已有的负大误差和抑制其变大,因此控制量的变化取正大;当误差为负而误差变化率为正时,***本身已有减少误差的趋势,所以为尽快消除误差而又不超调,取较小的控制量;当误差为负中时,控制量的变化应使误差尽快消除,基于这种原则,控制量的变化选取同误差为负大时相同;当误差为负小时,***接近稳态,若误差变化微小时,选取控制量变化为正中,以抑制误差向负方向变化;当误差变化为正时,***本身有消除负小误差的趋势,选取控制量变化为正小;
根据上述规则,得到模糊控制规则表
模糊控制规则表
按上述控制规则,得到该温度偏差、偏差变化率与加热器工作时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*和ec*,且
e*∈X={-6,-5,...,-0,+0…,+5+6},
ec*∈Y={-6,-5,...,0,…,+5+6}
将e*和ec*模糊化得模糊子集E*和EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*;
对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,均能得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成表格,即得模糊控制查询表
模糊控制查询表
模糊控制查询表离线计算:
根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差e(k)、ec(k),(k=0,1,2,……)分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,即u=u**ku;
最终控制过程:由实时检测的温度偏差、结合偏差变化率,得到模糊控制变化量,经过反模糊控制的一系列转换,输出需要的实际控制量:当实际测量温度为14℃,目标温度为28℃,温差为14℃,而正在加热的温差变化率为正,且有减小趋势,通过计算和查表找到模糊控制范围,可以取u*=2,u=2*60/7=17.14,因此当前检测情况来看,还有持续加热17分钟左右,同时进行实时的检测输入到模糊控制***进行实时修正控制输出,最终使温度稳定在目标值28℃,磨机润滑***达到最佳润滑运行状态。
Claims (4)
1.一种大型磨机过程控制***,安装在磨机上,其特征在于该控制***包括内部架构、外部辅助单元和磨机监测***,内部架构、外部辅助单元以及磨机监测***通过导线连接,其中:
内部架构包括逻辑连锁控制单元(1)、运行状态监控单元(2)、甄别控制处理单元(3)、预测控制处理单元(4)、数据历史储存单元(5)以及在线故障处理单元(6),甄别控制处理单元(3)分别与逻辑连锁控制单元(1)、数据历史储存单元(5)连接,预测控制处理单元(4)分别与逻辑连锁控制单元(1)、数据历史储存单元(5)连接,逻辑连锁控制单元(1)、数据历史储存单元(5)分别与运行状态监控单元(2)连接,运行状态监控单元(2)与在线故障处理单元(6)连接;
外部辅助单元包括远程传送监控单元(7)、声光报警单元(8);
磨机监测***包括温度传感器(9)、油压传感器(10)、流量传感器(11)和振动传感器,在磨机设置数个测温点、油压监测点和油量监测点,入料端和出料端的轴承(12)上各设置三个测温点,小齿轮(13)表面设置三个测温点,小齿轮(13)的两端分别设置一个测温点,每个测温点上均设置温度传感器(9),通过温度传感器(9)采集测温点的温度,小齿轮(13)表面测温点的温度传感器(9)采用红外温度传感器(9);在小齿轮(13)两端以及两个筒体两端轴承(12)的喷油嘴上设置流量传感器(11),在供油管道(14)上设置油压传感器(10);在小齿轮(13)驱动端、非驱动端以及竖直方向,设立X、Y、Z三个方向的振动检测,每个小齿轮(13)安装6个振动传感器,一台磨机的两个小齿轮(13)上共安装12个振动传感器;磨机监测***与甄别控制处理单元(3)连接,获取的监控数据传递给甄别控制处理单元(3);
具体控制过程如下:
1)甄别控制处理单元(3)获取小齿轮(13)红外温差、小齿轮(13)红外温度、油流、油压、轴承(12)温度以及振动范围,通过模糊控制判断失真情况,判断为失真信号,则不参与逻辑连锁控制,进入历史数据记录单元储存,仅供查询使用;判断为真实信号,则将数据传送给逻辑连锁控制单元(1),参与运行连锁控制;
2)逻辑连锁控制单元(1)接收到甄别控制处理单元(3)的数据信号后,对信号进行分析,判断故障问题,利用模糊控制寻找最佳使用值得设定值;首先每个温度传感器(9)设定-200℃的断线温度,检测到该温度时,直接将信息传输至在线故障处理单元(6),并发出报警信号;设定正常使用温度值为60℃,利用模糊控制计算,得到超高温度90℃,超出超高温度值时,发出该检测点的故障停机指令,并发出报警信息;对小齿轮(13)小端的温差范围,根据红外温度传感器(9)的信息,设定两端温差值正常范围为15,超大温差值为30,温差值超过15时,发出报警信号,超过30时,则发出故障停机指令;对供油管道(14)的油压,设定正常使用范围的低压为40kg/cm3、超低压为15kg/cm3的预设值,当信号达到该值时输出相应检测点的报警信息或故障停机指令;
3)在线故障处理单元(6)主要针对两类故障处理,分别是润滑油故障处理和温度检测故障处理,具体处理方式为:
(1)润滑油故障进行不停机在线处理,包括润滑油故障处理等待间歇和计时置零两个功能,润滑油喷射周期结束后预设等待间歇时间,等待间歇时间功能中加入计时置零功能,在等待间歇时间内进行润滑油***的故障处理,等待间歇时间中启动计时置零功能,令等待间歇时间重新开始计时,保证故障处理具有充分时间,在处理过程中,通过人工观察润滑油情况,及时以人工方式补充润滑油,直至故障消除;
(2)温度检测故障处理,对每个温度传感器(9)的线路和探头进行监测,任意一个温度传感器(9)发出断线故障故障时,显示断线信息,提示维护人员针对性检查和处理,避免因高温产生故障,导致停车;
4)预测控制处理单元(4),根据实时检测数据和历史数据在线趋势记录,结合设备性能的正常使用范围指标值域,设定正常运行的超出区域界限值,检测数据超出区域界限值时,提前预警,通知维护人员提前对设备的轴承(12)、轴瓦、齿轮等机械结构进行性能分析和保养维护;
5)声光报警单元(8)配合内部架构,对操作、维护人员进行及时预警,便于操作、维护人员采取措施;
6)远程传送监控单元(7),将磨机运行相关信息传送到分布式控制***,在分布式控制***服务器做实时及历史储存、趋势查询、状态信息显示以及控制功能,便于中控操作人员及时掌握磨机运行的一手信息,并准确下达相应指令。
2.如权利要求1所述的大型磨机过程控制***,其特征在于所述的控制步骤1)中,模糊控制判断失真情况步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器:
输入语言变量:偏差语言变量为E,偏差变化率EC;
偏差e=r–y,r为失真度设定值,y为失真度测试值;
偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:失真度测试过程中控制滤波时间长度的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定:偏差e的基本论域:[-20次,+20次];
偏差语言值E的离散论域:X={-6,...,0…,+6};
则偏差e的量化因子为:Ke=2*6/[20-(-20)]=0.3;
语言变量偏差E的语言值选为:PB,PM,PS,PO,NO,NS,NM,NB 8个语言值:
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(x),并据此建立语言变量E的赋值表
语言变量E的赋值表
偏差变化率EC的基本论域:[-15,+15];
偏差变化率语言值EC的离散论域:Y={-6,-5,...,0…,+5,+6};
则偏差变化率ec的量化因子为:Kec=2*6/[15-(-15)]=0.4;
语言变量偏差EC的语言值选为:PB,PM,PS,ZO,NS,NM,NB 7个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(y),并据此建立语言变量EC的赋值表
语言变量EC的赋值表
控制量变化u的基本论域:[-10s,+10s];
控制量变化语言值U的离散论域:Z={-7,-6,...,0,…,+6,+7};
则控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=10/7;
语言变量控制量变化U的语言值选为:PB,PM,PS,ZO,NS,NM,NB 7个语言值;
通过长期应用总结,确定在论域Z上用以描述模糊子集PB,…,NB的隶属函数μ(z),并据此建立语言变量U的赋值表
语言变量U的赋值表
3)模糊控制规则的确定:
当误差,暨希望值减去测试值,为负大时,说明测试值高于希望值,当误差变化率也为负,则误差有增大趋势,为尽快消除已有的负大误差和抑制其变大,因此控制量的变化取正大,暨控制量增大,意味着滤波时间控制设置增大,使得失真度下降;当误差为负而误差变化率为正时,***本身已有减少误差的趋势,为尽快消除误差而又不超调,取较小的控制量;当误差为负中时,控制量的变化应使误差尽快消除;基于上述原则,控制量的变化选取同误差为负大时相同;当误差为负小时,***接近稳态;当误差变化微小时,选取控制量变化为正中,以抑制误差向负方向变化;当误差变化为正时,***本身有消除负小误差的趋势,选取控制量变化为正小;得到模糊控制表
模糊控制规则表
得到该失真度偏差、偏差变化率与滤波时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
其中规则内的模糊集取交集运算,规则间的模糊集取并集运算;
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*,ec*
且e*∈X={-6,-5,...,-0,+0…,+5+6},ec*∈Y={-6,-5,...,0,…,+5+6}
将e*、ec*模糊化得模糊子集E*、EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
解模糊与模糊控制表的生成,采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*,对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,均能得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成表格,即得模糊控制表
模糊控制查询表
模糊控制表离线计算得到:根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差
e(k)、ec(k),(k=0,1,2,……)
分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,
即u=u**ku;
本模糊控制的目的去掉失真度,则包含了e≤0的所有u*,另外ku=10/7;结合实际运行历史数据趋势波形图来看滤波时间的设置应不小于5s,通过u=u**ku≥5s计算,得出u*≥3.5,所以,在该模糊控制器下,所有u*>3的控制量均可以达到去掉失真度的要求;但是u*选择过大,实际控制量的变化值u也会过大,即滤波时间增大,导致控制***出现进入逻辑控制等单元的正常信号严重滞后,***对外部正常信号处理不及时,严重超调,失去***的优越性,所以最佳失真度的控制量u*应该满足:3<u*≤4,所以控制***信号处理单元去掉信号失真度的最佳滤波时间长度设置为5s。
3.如权利要求1所述的大型磨机过程控制***,其特征在于所述的控制步骤2)中,利用模糊控制寻找最佳使用值得设定值的具体步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器:
输入语言变量:偏差语言变量为E,偏差变化率EC;
偏差e=r–y,r为各设定值的目标值,y为多次的测试值;
偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:设定目标稳定运行过程中控制控制设定值长度的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定;组成二维坐标系,采用三角形或半梯形的隶属度函数关系进行模糊计算;
3)模糊控制规则的确定:
当误差较大时,选择控制量以尽快消除误差为主;当误差较小时,选择控制量要注意防止超调,根据上述规则,得到以下模糊控制表
模糊控制规则表
按上述控制规则,得到该失真度偏差、偏差变化率与滤波时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*、ec*
且e*∈X={-6,-5,...,-0,+0…,+5+6}
ec*∈Y={-6,-5,...,0,…,+5+6}
将e*和ec*模糊化得模糊子集E*和EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*;对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成模糊控制查询表:
模糊控制查询表
模糊控制查询表离线计算得到:
根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差e(k)、ec(k),(k=0,1,2,……)分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,即u=u**ku;
6)根据上述模糊控制设计得出以下设定值控制设置结论:
(1)红外温差报警的最佳设定值寻找:
选择:报警值的控制量变化u的基本论域:[-15,+15];
控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=15/7;
由上述推导u=u**ku计算得出,u*=7。满足最大隶属度取值原则,所以上述报警值的最佳设定为15℃;
(2)红外温差故障停机的最佳设定值寻找:
选择:报警值的控制量变化u的基本论域:[-30,+30];
则控制量变化u的比例因子为:Ku=[10-(-10)]/2*7=30/7;
由上述推导u=u**ku计算得出,u*=7,满足最大隶属度取值原则,所以上述故障停机值的最佳设定为30℃。
4.如权利要求1所述的大型磨机过程控制***,其特征在于所述的具体控制过程中,还设置有润滑油恒温控制过程,根据现场使用情况,要求保持磨机稳定高效运行,润滑控制***务必稳定恒温运行,通过长时间的经验总结,磨机润滑***温度稳定在28℃不变,为最佳状态;该控制过程利用模糊计算进行控制,具体控制步骤如下:
1)确定模糊控制器的结构及输入、输出语言变量,采用双输入单输出的二维模糊控制器;
输入语言变量:偏差语言变量为E,偏差变化率EC;
温度偏差e=r–y,r为润滑***温度设定值,y为润滑***温度检测值;
温度偏差变化率ec(k)=e(k)-e(k-1),(k=0,1,2,……);
输出语言变量:恒温保持过程中控制加热器动作时长的变化量U;
2)输入语言变量偏差E、偏差变化EC和输出语言变量控制量变化U的语言值的确定:
偏差e的基本论域:[-10℃,+10℃];
偏差语言值E的离散论域:X={-6,...,0…,+6};
则偏差e的量化因子为:Ke=2*6/[10-(-10)]=0.6;
语言变量偏差E的语言值选为:PB、PM、PS、PO、NO、NS、NM以及NB 8个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(x)为三角隶属度函数,并据此建立语言变量E的赋值表
语言变量E的赋值表
偏差变化率EC的基本论域:[-15,+15];
偏差变化率语言值EC的离散论域:Y={-6,-5,...,0…,+5,+6};
则偏差变化率ec的量化因子为:Kec=2*6/[15-(-15)]=6/15;
语言变量偏差EC的语言值选为:PB、PM、PS、ZO、NS、NM和NB 7个语言值;
确定在论域X上用以描述模糊子集PB,…,NB的隶属函数μ(y)为三角隶属度函数,并据此建立语言变量EC的赋值表
语言变量EC的赋值表
控制量变化u的基本论域:[-60min,+60min];
控制量变化语言值U的离散论域:Z={-7,-6,...,0,…,+6,+7};
则控制量变化u的比例因子为:Ku=[60-(-60)]/2*7=60/7;
语言变量控制量变化U的语言值选为:PB、PM、PS、ZO、NS、NM以及NB7个语言值;
确定在论域Z上用以描述模糊子集PB,…,NB的隶属函数μ(z)为三角隶属度函数,并据此建立语言变量U的赋值表
语言变量U的赋值表
3)模糊控制规则的确定:
当误差,暨希望值减去检测值为负大时,说明检测值高于希望值,当若误差变化率也为负,则误差有增大趋势,为尽快消除已有的负大误差和抑制其变大,因此控制量的变化取正大;当误差为负而误差变化率为正时,***本身已有减少误差的趋势,所以为尽快消除误差而又不超调,取较小的控制量;当误差为负中时,控制量的变化应使误差尽快消除,基于这种原则,控制量的变化选取同误差为负大时相同;当误差为负小时,***接近稳态,若误差变化微小时,选取控制量变化为正中,以抑制误差向负方向变化;当误差变化为正时,***本身有消除负小误差的趋势,选取控制量变化为正小;
根据上述规则,得到模糊控制规则表
模糊控制规则表
按上述控制规则,得到该温度偏差、偏差变化率与加热器工作时间长度之间的模糊关系R:
R=(E×U)○(EC×U)=E×EC×U=(NBE×NBEC×PBU)∪(NME×NBEC×PBU)∪(NSE×NBEC×PMU)∪……
4)模糊化与模糊推理:
设实测偏差为e(k),ec(k)=e(k)-e(k-1),(k=0,1,2,……)
量化后得e*和ec*,且
e*∈X={-6,-5,...,-0,+0…,+5+6},
ec*∈Y={-6,-5,...,0,…,+5+6}
将e*和ec*模糊化得模糊子集E*和EC*
则即模糊控制器的输出为误差向量、误差变化率向量与模糊关系的合成;
5)控制量的反模糊化:
采用最大隶属度法对模糊控制增量进行解模糊,得到在论域Z={-7,...,0,…,+7}上取值的控制增量u*;
对论域X(X={-6,...,-0,+0,…,+6})和论域Y(Y={-6,...,0,…,+6})的全部元素所有组合进行上述模糊化、模糊推理及模糊判决运算,均能得到论域Z(Z={-7,...,0,…,+7})上的元素与之一一对应,将这些对应关系制成表格,即得模糊控制查询表
模糊控制查询表
模糊控制查询表离线计算:
根据在E*=(PB,PM,PS,PO,NO,NS,NM,NB),EC*=(PB,PM,PS,ZO,NS,NM,NB)时,计算控制器的输出模糊向量U*,再按照“最大隶属度法”进行反模糊化,则选择控制量为U*在(PB,PM,PS,ZO,NS,NM,NB)上计算的最大值,即为U* max值填入以上模糊控制查询表;
在线控制时,在每一控制周期将实测偏差e(k)、ec(k),(k=0,1,2,……)分别进行量化,取得查找模糊控制表所需的e*、ec*,再从表中查出对应的控制量变化u*,与比例因子ku相乘,便得到用于被控对象的实际控制量的变化值u,即u=u**ku;
最终控制过程:由实时检测的温度偏差、结合偏差变化率,得到模糊控制变化量,经过反模糊控制的一系列转换,输出需要的实际控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910956040.6A CN110597053B (zh) | 2019-10-09 | 2019-10-09 | 大型磨机过程控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910956040.6A CN110597053B (zh) | 2019-10-09 | 2019-10-09 | 大型磨机过程控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110597053A true CN110597053A (zh) | 2019-12-20 |
CN110597053B CN110597053B (zh) | 2022-09-30 |
Family
ID=68865962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910956040.6A Active CN110597053B (zh) | 2019-10-09 | 2019-10-09 | 大型磨机过程控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597053B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113137772A (zh) * | 2021-04-26 | 2021-07-20 | 佳木斯大学 | 一种基于模糊算法的活塞式冷水机组plc控制***及方法 |
CN117193273A (zh) * | 2023-11-07 | 2023-12-08 | 广东鑫钻节能科技股份有限公司 | 一种数字能源空压站的定位溯源***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178580A (zh) * | 2007-10-19 | 2008-05-14 | 西安交通大学 | 基于数据挖掘的火电厂钢球磨煤机制粉***自动控制方法 |
DE102007062820A1 (de) * | 2007-12-21 | 2009-08-06 | Evonik Energy Services Gmbh | Mühlenregelungssystem und Verfahren zum Betreiben einer Mühle |
CN103028480A (zh) * | 2012-12-10 | 2013-04-10 | 上海凯盛节能工程技术有限公司 | 一种基于模糊pid算法的立磨智能控制*** |
-
2019
- 2019-10-09 CN CN201910956040.6A patent/CN110597053B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101178580A (zh) * | 2007-10-19 | 2008-05-14 | 西安交通大学 | 基于数据挖掘的火电厂钢球磨煤机制粉***自动控制方法 |
DE102007062820A1 (de) * | 2007-12-21 | 2009-08-06 | Evonik Energy Services Gmbh | Mühlenregelungssystem und Verfahren zum Betreiben einer Mühle |
CN103028480A (zh) * | 2012-12-10 | 2013-04-10 | 上海凯盛节能工程技术有限公司 | 一种基于模糊pid算法的立磨智能控制*** |
Non-Patent Citations (6)
Title |
---|
HONG’EN WU 等: "Fuzzy Logic Thermal Error Compensation for Computer Numerical Control Noncircular Turnning System", 《2006 9TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION, ROBOTICS AND VISION》 * |
李坤: "模糊控制在磨机出入口温度上的应用", 《自动化技术与应用》 * |
李艳姣等: "磨矿过程磨机负荷的优化计算与智能控制", 《自动化与仪表》 * |
谭卢敏: "模糊PID控制在球磨机给矿量控制***中的应用", 《化工自动化及仪表》 * |
赵金明: "润滑油温模糊控制***及其实现", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
韩宪伟等: "高炉水渣微粉自动控制技术", 《黑龙江科技信息》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113137772A (zh) * | 2021-04-26 | 2021-07-20 | 佳木斯大学 | 一种基于模糊算法的活塞式冷水机组plc控制***及方法 |
CN117193273A (zh) * | 2023-11-07 | 2023-12-08 | 广东鑫钻节能科技股份有限公司 | 一种数字能源空压站的定位溯源***及方法 |
CN117193273B (zh) * | 2023-11-07 | 2024-01-12 | 广东鑫钻节能科技股份有限公司 | 一种数字能源空压站的定位溯源***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110597053B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597053B (zh) | 大型磨机过程控制*** | |
CN109724785A (zh) | 一种基于多源信息融合的刀具状态监测及寿命预测*** | |
CN113076625B (zh) | 一种舰船柴油发电机组健康管理***及其工作方法 | |
Yang et al. | A new failure mode and effects analysis model of CNC machine tool using fuzzy theory | |
CN110397476B (zh) | 一种核电用汽轮机油品在线监测分析***与方法 | |
WO2012004099A1 (de) | Überwachungs- und diagnosesystem für ein fluidenergiemaschinensystem sowie fluidenergiemaschinensystem | |
CN110097209A (zh) | 一种基于参数残差的设备劣化分析方法 | |
CN111098463A (zh) | 一种注塑机故障诊断***及诊断方法 | |
Li et al. | Performance supervised fault detection schemes for industrial feedback control systems and their data-driven implementation | |
CN112943911B (zh) | 风电机组齿轮箱润滑油在线监控装置、监控方法及*** | |
CN113902288A (zh) | 一种用于水资源调控与运营的管理***及方法 | |
CN111912644A (zh) | 一种基于5g的水泥厂产线综合在线状态监测***和监测方法 | |
CN114298384A (zh) | 适用于船用装卸臂的安全运维预测***及方法 | |
CN110254793A (zh) | 一种卷烟机组在线扭矩监测和控制*** | |
Zhi | Remote performance evaluation, life prediction and fault diagnosis of RV reducer for industrial robot | |
CN116628544A (zh) | 基于液压绞车状态在线监测的故障诊断方法 | |
CN107790507A (zh) | 一种轧制工作辊轴向力判断方法 | |
CN112024837A (zh) | 一种连铸板坯喷嘴堵塞的实时诊断方法 | |
CN114781671A (zh) | 一种用于电力用油的智慧监督***及监督测试方法 | |
CN114925867A (zh) | 一种无缝钢管生产重点设备物联网维修预测*** | |
CN113570160A (zh) | 一种混砂车砂泵的寿命预测方法及装置 | |
CN114859829A (zh) | 一种球墨铸铁管液压***智能运维监控控制装置 | |
CN115478351B (zh) | 一种基于物联网的纺织生产用纺织架 | |
FI130578B (en) | Method, equipment, system and computer program product for analyzing a substance | |
Juuso et al. | Cavitation indices in power control of Kaplan water turbines |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |