Автоматизированное проектирование системы управления технологическим процессом производства цем (стр. 5 из 14)

При этом в процессе исследования ТОУ необходимо принять некоторые допущения, позволяющие применить хорошо отработанный аппарат анализа стационарных, линейных объектов:

· технологический объект управления является системой с сосредоточенными параметрами;

· технологический объект управления стационарен, т. е. статические и динамические свойства ТОУ неизменны во времени;

· уравнения моделей ТОУ линеаризуются в малом, т.е. при небольших отклонениях ± ∆ y_i от выбранной "рабочей" точки (рабочего режима) ТОУ.

Массив данных [u_i , y_i] образуется в результате трудоемкой операции расшифровки регистрограмм по приборам измерительной системы. Однако широкое развитие микропроцессорной и вычислительной техники и внедрение ее в производственные технологические процессы позволили существенно усовершенствовать техническое обеспечение идентификации ТОУ. Обработка массива данных с помощью пакета System Identification Toolbox предполагает следующие этапы:

· обработка и преобразование данных с целью создания файла данных;

· анализ экспериментальных данных с целью предварительного определения основных характеристик ТОУ;

· параметрическое оценивание данных с целью создания различных видов моделей (описанных во втором разделе) в тета-формате;

· задание структуры модели;

· изменение и уточнение структуры модели (если это необходимо);

· проверка адекватности и сравнение различных моделей с целью выбора наилучшей;

· преобразование модели из тета-формата в вид удобный для дальнейшего использования при анализе и синтезе системы управления.

На каждом этапе идентификации имеется возможность графического отображения результатов моделирования и извлечения необходимой информации об объекте.

2. 6. Обработка данных при построении модели объекта управления

Начнем процедуру построения аналитической модели технического объекта управления (ТОУ) – сушилки. В сушилку подводится шликер, где он распыляется. Инжекционные горелки создают высокую температуру в зоне распыления материала. Распыленные частицы, теряя влагу, уже в виде порошка собираются в днище сушилки, откуда поступают непосредственно с бункера над прессами.

Основная задача системы регулирования состоит в поддержании характеристик продукта (влажность шликера) в заданных пределах. При этом, необходимость организации процесса автоматического регулирования обусловлена и наличием также случайных возмущений (т. е. неотвратимых в реальной обстановке факторов), воздействие которых может привести к нарушению технологического процесса и отклонению характеристик продукта от заданных значений. В частности, к таким возмущениям могут относиться случайные изменения интенсивности

подачи шликера в сушилку, или случайные изменения качества топлива в горелках и т. д. Эти изменения необходимо учесть при построении модели ТОУ (сушилки). Теоретически задача будет сводиться к изучению поведение ТОУ с учетем воздействии на него и этих случайных факторов.

Как было отмечено выше, аналитическая модель сложных ТОУ может быть построена на основе массива входных и выходных данных, полученных в результате физического эксперимента, проведенного над ТОУ. При этом необходимо учитывать и воздействие случайных факторов, поэтому при проведении физического эксперимента случайное воздействие должно быть смоделировано.

Для дальнейших вычислений будем использовать статистические данные, полученные при изучении теплового объекта, и содержащиеся в файле project4, который включает массив данных, состоящий из 159 значений входного параметра – расход газа, выраженный в м³/час и 159 значений выходного параметра – температуры в объекте в градусах Цельсия.

Для проведения модельного эксперимента и формирования массива входных и выходных данных об объекте автоматизации следует в Simulink построить S-модель установки для снятия массивов входных и выходных данных, изображенную на рис. 2. 0.

Рис. 2.0. S-модель объекта автоматизации

Набрать в блоке Transfer Fcn передаточную функцию составляющей компоненты объекта автоматизации своего варианта и запустить моделирование. Перед запуском моделирования в раскрывающемся меню Simulation следует открыть окно Configuration Parameters и установить Stop time равным 999 (или набрать 999 непосредственно в окне модели).

Для загрузки файла в рабочую среду Workspace системы MATLAB необходимо в режиме командной строки выполнить следующую команду:

>> load project4

В результате выполнения команды в рабочей области Workspace появится массив входных переменных u2 и массив выходных переменных y2. Интервал дискретизации (промежутки времени, через которые производились измерения входных и выходных величин) в ходе эксперимента был принят равным 0. 08 с, который необходимо указать дополнительно в командной строке:

>> ts=0.08

Этот массив данных при использовании в дальнейшем в пакете System Identification Toolbox необходимо объединить в единый файл, содержащий необходимую информацию о входных и выходных параметрах объекта, их значениях и единицах измерения.

Для объединения исходных данных в единый файл dan. m пользуются командой:

>> dan=iddata(y2,u2,ts).

Результат выполнения команды комментируется следующей фразой MATLAB:

Time domain data set with 1097 samples.

Sampling interval: 0.08

Outputs Unit (if specified)

y1

Inputs Unit (if specified)

u1

Сформированный файл dan. m указывает, что он содержит результаты 1097 измерений с интервалом дискретизации 0. 08 с. Входными переменными является массив u1, а выходным параметром – y1.

Для наглядности сформированного файла необходимо в его структуру ввести обозначения входных и выходных данных c указанием размерностей параметров:

>> dan.outputn='температура';

>> dan.inputn='расход газа';

>> dan.inputUnit='м3/ч';

>> dan.outputUnit='гр.С 100'

В конечном итоге сформированный файл данных dan.m имеет следующий вид:

Time domain data set with 1097 samples.

Sampling interval: 0.08

Outputs Unit (if specified)

температура гр.С 100

Inputs Unit (if specified)

расход газа м3/ч

Полную информацию о файле dan.m можно получить воспользовавшись командой:

>> get(dan)

Результат выполнения команды комментируется следующей фразой MATLAB:

ans =

Domain: 'Time'

Name: []

OutputData: [1097x1 double]

y: 'Same as OutputData'

OutputName: {'температура'}

OutputUnit: {'гр.С 100'}

InputData: [1097x1 double]

u: 'Same as InputData'

InputName: {'расход газа'}

InputUnit: {'м3/ч'}

Period: Inf

InterSample: 'zoh'

Ts: 0.0800

Tstart: []

SamplingInstants: [1097x0 double]

TimeUnit: ''

ExperimentName: 'Exp1'

Notes: []

UserData: [] ExperimentName: 'Exp1'

Notes: []

UserData: []

Для графического представления данных используется команда plot (dan), либо команда idplot (datta), однако в последнем случае графики не будут содержать информации о названии переменных и их размерностях. Исходные данные с использованием команды plot (dan) приведены на рис. 2. 1.

>> plot(dan)

Для дальнейшего использования полученных исходных данных необходимо провести предварительную обработку этих данных с цель удаления тренда (постоянной соста

вляющей) из набора данных и если необходимо отфильтровать данные с помощью имеющихся средств в пакете System Identification Toolbox.

Для удаления тренда пользуются функцией dtrend:

>> zdan=dtrend(dan)

Исполнение функции приведет к появлению в командной строке записи:

Time domain data set with 1097 samples.

Sampling interval: 0.08

Outputs Unit (if specified)

температура гр.С 100

Inputs Unit (if specified)

расход газа м3/ч

а в рабочей области Workspace системы MATLAB файла zdan.

Получен новый файл zdan.m, в котором отсутствует постоянная составляющая сигналов (рис. 2. 2 получен после выполнения команды:

>> plot(zdan)).

Файл в дальнейшем будет использован для построения моделей ТОУ.