0　引言

商品砼是国家鼓励发展的产品之一 ,在环保和质量方面 ,商品砼更能得到有效的控制 ,且商品砼可节约水泥 10%. 砼搅拌站是生产商品砼的关键设备. 其自动控制系统是把各种物料( 多种规格的石子、 砂 、 水泥、 粉煤灰 、 添加剂和水) 按照配方进行动态称重计量,然后送入搅拌罐搅拌成混凝土. 它由贮料、 配料、搅拌、放料等子系统组成, 受多个环节制约,这种系统具有如下一些特点:

1)被测对象处于非静止状态 .

2)是一种在线的自动测量系统.

3)在短时间内进行快速测量, 要求系统有良好的时间响应特性 .

这种配料系统属于非线性 、 时变而且不允许超调的系统[ 1]. 影响系统配料速度和配料精度最重要的是料斗的震动 、 落差和过冲量. 料斗的震动使传感器得到重量信号并不能准确地反映料斗内实际物料重量 . 落差是由于运动中的原料,如从给料器或阀门进入到秤斗行程中的原料流, 还没有到达秤斗的原料料面. 产生过冲量是由于从电子装置发出停止信号到阀门确实关闭或到螺旋给料器确实停止转动要有一段时间. 由于物料流的不稳定以致落差和过冲量的随机变化, 这给配料精度的控制带来了较大的困难 . 因此对这些因素的控制显得尤为重要. 作者采用了 PLC 、 工控机及组态王相结合的计算机控制系统对现场一台混凝土搅拌站进行了改造 . 本文主要针对其动态配料系统和非线性误差控制进行探讨

1　混凝土配料控制算法分析

按照配料生产控制工艺流程 ,进入配料程序时,系统首先检测计量称斗确定是否小于预设值 ,若小于预设值即启动物料仓送料装置( 粉料还需经进料机构输送) , 物料进入计量称斗; 计量称斗的称重传感器把所测的动态数据经智能单元完成 A/D 转换后输入控制器; 控制器依据所采集的动态称重数据实时的与事先设定好的预期配料设定值( 即配合比参数) 进行对比, 利用算法进行配料控制 , 保证配料误差; 当达到所设定的重量时,控制器立刻发出关闭卸料装置和进料机构的指令 ; 当所有的物料称量好之后各种料按照设定程序送入搅拌机 ,等待搅拌 . 

其中 ,D( x , t) 表示第 x 种物料进料机构开度控制值; t 表示在t 时刻 ,并在0 至 100%连续可调 ; R( x ,y) 表示第 x 种物料第y 称配料设定值 ; F( x ,y ,t) 表示称斗达到稳态时第 x 种物料第y 称称斗传感器反馈值 ; Q( x ,y) 表示第 x 种物料第 y 称输出值 ; T( x ,y) 表示第 x 种物料第y 称配料前皮重值.对于石料之类固体物料, 当进料机构开度较小时,它们有可能被卡住不能进入计量称斗,这样的情况下 ,对于 D( x ,t) 连续可调没有很大实际意义 . 我们分D( x ,t) 连续可调和不连续可调两种情况讨论 .

1)D( x , t)连续可调情况 .

则ξ ( x , y)=R( x ,y)－Q( x ,y) ,代表第 x 种物料第 y 称配料误差. 当第 x 种物料第 y 称开始配料时,先测得 T( x , y) ,则E( x , y ,t)=T( x , y)+R( x ,y)-F( x , y ,t) 表示动态配料误差 . 显然 ,ξ ( x ,y)是关进料机构以后计量称斗稳定时 E( x , y , t) 的值.

PID 控制器是一种线性控制器 , 在传统 PID 的控制策略下不易找到最佳控制曲线, 而且很容易产生超调. 典型的离散时间 PID 控制规则如下:

D _c ( k +1)=K _p D _e ( k)+K _d [ D _e ( k)-D _e ( k －1) ] +K i D i ( k)+D ref ( k)           ( 1)

式中 : D _c ( k)为在时间点 k 的开度控制比指令信息 ;D _e ( k) 为误差信号 ,D _e ( k)=D _ref ( k)-D _out ( k) .

D( x , t) 可按不允许有超调量的增量PID 计算 .

当 E( x , y ,t)>Δ x 时,

U( x ,k)=U( x , k -1) +K _p ( E( x , y , k)- E( x ,y ,k -1) )+K _i E( x , y , k)+K _d ( E( x , y , k)-2E( x ,y ,k -1)+E( x , y ,k -2) )            ( 2)

D( x , k)=D( x ,k - 1) + K _p ( E( x ,y ,k) - E( x ,y ,k -1) )+K _i E( x , y , k)+K _d ( E( x , y , k)-2E( x ,y ,k -1)+E( x , y ,k -2) )          ( 3)

当 E( x , y ,t)≤Δ x 时, 　D( x , t)=0.

D( x , t)是 0 至 100% 连续可调的, 它是通过PLC 模拟块的一个端口来控制 , 具体 0 ～ 100%调节控制是通过 PLC 软件程序控制具体相关的电磁阀开关的开关度来实现^{[ 2]}.

2)不连续可调的情况.

对于石料之类固体块状物料, 由于D( x ,t) 不是在 0 ～ 100%连续可调, 我们采用粗 、中、精配料方式( 即有 3个进料门) 分别由 20%、 30%、 50%3个出料开度. 它分别通过 PLC 系统的一个端口控制 , 故共可有 0 、 20%、 30 %、 50%、70%、 80%、 100 %等多种开度组合,从可行性和实用性考虑,我们通常采用下列4 种组合形式： 

其中: B _i 为经验设定值; L( x ,y)为第 x 种物料第 y称预期落差 ; M( x ,y) 为第 x 种物料第y 称进料机构时计量称斗反馈值 .

对于这样的系统, 由于 D( x , t) 不是连续变化,当物料仓所储存物料比较满时, 由于自身重力的影响落料速度显然比较快, 此时落差就比较大; 反之,则落差比较小. 因此就必须对落差 L( x ,y)进行预测 ^{[ 3]} .

据系统实际有

F( x ,y ,k)－M( x ,y)=L( x , y)+W( x ,y)            ( 6)

其中: W( x ,y)为白噪声系列.

考虑前面测量值的影响 ,取

L( x , y)=( 1 -η ) L( x , y -1) +η ·[ R( x , y)－M( x , y)+T( x ,y) ]           ( 7)

式中: 0 <η≤1

3　非线性误差控制分析

在满足快速配料的情况下 , 由于物料来料流的不稳定以及机械惯性所造成的纯滞后即存在一个过冲量. 由于过冲量的不确定性,给控制带来了很大困难 ^{[ 4]} . 通常是根据操作经验给出一个控制提前量 ,但是这种固定不变的控制模式往往不能满足控制要求 . 为此本次改造设计了一个控制方法,根据每次实际控制效果来辩识下一次的控制值 . 这样除了刚开始是认为设定的控制值外, 以后每次称量均根据上一次的控制效果加以修正. 由于有了这个控制策略,这些不确定因素可以得到较好的控制 .

3. 1　控制策略

为了达到更准确的精度,在控制策略方面主要是关门提前量u 的确定 ，改造中对 u 的确定采用迭代自学习的方法^{[ 5]}.迭代法是一种逐次逼近的数学方法 , 易于在计算机上实现. 但存在是否收敛和收敛速度快慢的问题. 对于图 2 而言,在对一种原料下料时 ,要使最终实际测量值 W 等于设定值 W _R , 那么关断点的选择 W _S =W _R -u ,用以下方法进行动态修正. 首先, 令W_s,k表示第k 批次的关断量 ,W^s_k 表示第k 批次的实际测量 ,U _K 表示第k 批次的提前量. 其中给料过程中料斗内的重量是对流量积分获得的, W^s_k是静态参数估计得出的. 关门提前量u 的初值为

u =u 0 　　u 0 ∈ ( 0,W _R )      ( 8)

式( 8) 中 ,u 0 在称水泥时取值 W _R 的 2%, 在称石子 、 沙子时取 5 %. 第一次配料时 , 在秤斗内物料的实际重量到达 W _R -u 0 时就提前关门, 空中余料完全落入秤斗后, 得到最终实际配料重量值W^s₀ , 利用实际配料值与设定值存在的误差为

e ₀ = W^s₀ -W _R       ( 9)

可产生新的切换系数

u 1 =u 0 +qe 0 =u 0 +q(W^s₀ -W _R )      ( 10)

式( 10)中,q 为加权学习因子. 则下一次配料过程中, 可按照 u ₁ 进行提前关门. 依此类推, 可采用迭代自学习控制算法, 第 k +1 次配料时的控制量为

u _{k+ 1} =u _k +qe _k =u _k +q(W^s_k－W _R )    ( 11)

加权学习因子 q 通常取为

0

在迭代训练过程中, 当 e k <0 时 , 负向迭代, 迭代的结果是 u k 变小; 而 e k >0 时, 则正向迭代 ,迭代的结果是 u k 变大.

u _{k+ 1} =u _k +q(W^s_k －W _R )=u _k －q( W _R －W^s_k )≥u _k - u _k =0       ( 13)

由式( 13)可知, 负向迭代时, 控制量变小 ,但总是大于零.

当W^s_k >W _R 时,e k >0,正向迭代,结果是 e k 变大 ,此时要进行边界检查,保证

0  R    ( 14)

每次重复训练时都满足初始条件 e k ( 0)=0 当k →∞,即重复训练次数足够多时 , 可实现实际输出能逼近期望输出 ^{[ 6]} .

这样, 每次配料时就可以用上次修正后的提前关门值来提前关门了. 如此反复训练 ,可以使关门提前量不断优化,从而实现关门后料斗内物料重量值逼近给定值.

 

4　结论及现场调试结果

用没有超调量的 PID 控制算法控制动态配料,并实时估计落差; 同时用迭代自学习算法控制系统非线性误差 , 在提高配料速度的同时, 提高配料精度 . 采用这种配料控制算法和误差控制方法,控制规律简单 ,可以有效的减少频繁的更改提前量,使系统运行比较稳定,避免配料精度大幅震荡,不但有较好的实时性,而且对于干扰和系统模型的变化具有一定的鲁棒性 ,同时可以较好的达到控制精度的要求.

按照上面的算法, 通过改造项目中的混凝土搅拌站自动控制系统

从误差数据可以看出 ,骨料配料误差在2% 以内, 粉料配料误差在 1%, 表明用没有超调量的 PID 控制算法控制动态配料 ,同时用迭代自学习算法控制系统非线性误差, 完全满足混凝土搅拌站现场配料的精度和速度要求, 生产出的混凝土经检验都符合要求.

参考文献 :

[ 1] 　张海清, 李宝安. 定量下料问题的动态称重解决方案[ J] . 计量学报, 1998, 19( 3) : 221 -224.

[ 2] 　白瑞林. 基于神经网络技术的动态定量称重控制方法的研究[ J] . 自动化仪表, 2000, 21( 7): 8-10.

[ 3] 　SHU Weiqun. Dynamic weighing under nonzero initial　condition[ J] . IEEE Transactions on Instrumentation　and Measurement, 1993, 42( 4): 806-811.

[ 4] 　黄阶纲. 自动配料控制系统的设计[ J] . 衡器, 1999, 28( 3): 1-3.

[ 5] 　任雪梅, 高为炳. 任意初始状态下的迭代学习控制[ J] .自动化学报, 1994, 20( l): 74 -79.

[ 6] 　孙增圻, 张再兴, 邓志东. 智能控制理论与技术[ M] . 北京: 清华大学出版社, 1997.

 

本文源于网络转载，如有侵权，请联系删除