基于PLC的液位控制系統(tǒng)的設計

基于PLC的液位控制系統(tǒng)的設計,基于PLC的液位控制系統(tǒng)的設計,基于,plc,控制系統(tǒng),設計 內嵌于可編程控制器的先進控制算法a Jozef Stefan學院，盧布爾雅那，斯洛法尼亞bNova Gorica技術學校，Nova Gorica，斯洛法尼亞c盧布爾雅那大學，電氣工程系，盧布爾雅那，斯洛法尼亞dINEA d.o.o。,盧布爾雅那，斯洛法尼亞e計算機技術學院，雅典，希臘f索非亞化學技術和冶金大學，索非亞，保加利亞2004年4月23日收到； 2005年5月15日接收摘要：本文介紹一個新穎的非線性自動調節(jié)控制器ASPECT（嵌入可編程邏輯控制器的先進控制算法）。它打算使控制成為高度非線性的過程。過程的適當變化改善了其操作范圍，包括三個先進控制算法。它被設計成使用以代理為基礎的概念的系統(tǒng)，應用的目標是自動裝置一些組態(tài)任務。這個過程以一組被證明用了在線升級程序的低命令局部連接，模型為代表。程序被一套低秩序局部的線性的模型代表。這個程序將模型鑒別和前后鑒別步驟聯(lián)合起來，提供可行的運算控制器監(jiān)控和評估控制裝置執(zhí)行閉環(huán)系統(tǒng)。控制在PLC上被執(zhí)行。這個執(zhí)行裝置被應用在液位控制系統(tǒng)領域。（2005 Elsevier有限公司著作權所有）關鍵詞：控制過程；模糊模型；工業(yè)控制；基于模型的控制；可編程邏輯控制器；自調整調節(jié)器1、 序言 模擬控制理論提供了很多的控制方法來完成控制，非線性過程控制比只用常規(guī)在線控制方法的效率更高，他的優(yōu)勢在于準確的過程模型（Bequette,1991;Henson和Seboreys,1997;Murrany-Smith和Johansen,1997）。調查（Takatsu,Itoh,和Araki,1998;Seborg,1999）指出相對于那些供給很少的建成并已交付使用的產(chǎn)品，先進控制器具有相當大的而且正在增長的市場需求。 先進控制算法的結果是優(yōu)秀的，它基于模糊的參數(shù)整定時間（Tan,Hang和Chai,1997;Babuska, Oosterhoff, Oudshoorn和Bruijn,2002）,多重模型控制(Dougherty和Cooper,2003; Gundala, Hoo和 Piovoso, 2000)和自適應控制(Henson 和Seborg, 1994; Hagglund 和Astrom,2000)，這些都在文中提到了。然而，在提供給工業(yè)用途的這些方法中有很多的限制，總結如下：1、 因為現(xiàn)實生活問題的差異性，一個單獨的非線性控制方法有一個相鄰領域的適合關系。因此工業(yè)要求更靈活的方法或實現(xiàn)工具。2、 新的方法通常不會在準備使用的工業(yè)類型中得到。習慣設計要求相當多的努力、時間和金錢。3、 硬件要求是比較高的，因為執(zhí)行和計算要求的復雜性。4、 調節(jié)(Babuskaetal, 2002)和維護方法的復雜性使非專門研究工程師不引人注目。5、 非線性的可靠性模擬通常是個問題。6、 很多非線性程序能被著名和在工業(yè)上被證實的PID控制來控制。一個大量的直接的性能增加的（金融的獲得）當以高階的取代一個傳統(tǒng)的控制系統(tǒng)時被要求。不恰當?shù)膫鹘y(tǒng)控制方法的維護費可能比較不明顯。這些工作的目標是說明一個透過使用以代理為基礎的系統(tǒng)概念的系統(tǒng)（ABS）(Wooldridge 和 Jennings, 1995)來解決上述一些問題的先進控制器。最主要的目的是用部分自動化的試車程序來簡化控制器組態(tài)，這典型地被控制工程設計師執(zhí)行。ABS用分配任務給網(wǎng)狀系統(tǒng)軟件代理來解決疑難問題。軟件具有像自治權（不需要人直接干預的操作），社會能力（和其它對象交互作用），活性（對環(huán)境的感覺和反應），支持活躍（面向目的的行為，自動化）等特性。這項工作不是提出ABS理論的發(fā)布，但是這些同樣也適用于基于ABS概念的程序系統(tǒng)設計的領域。在這個上下文中，一些限制被考慮到了。例如：自主性受限制，高度的可靠性和預測等級被要求，涉及到的范圍問題是受傳感器的讀數(shù)限制的，具體的硬件平臺被使用等等。ASPECT控制器是在工業(yè)處理中的參數(shù)整定時間的控制的一個有效和使用界面友好的設計工具?？刂破鞯墓δ苁怯米詣訉嶒灪驼{節(jié)來簡化控制?？刂破鞯囊粋€區(qū)別的特性是演算法在PLC或開啟的工業(yè)控制器平臺上的執(zhí)行被適應?？刂破鲄?shù)從一種非線性程序模型自動地被調節(jié)。這個模型由操作模擬實驗由一個新穎的在線學習程序發(fā)信號獲得。這個程序使用局部學習方法（Murray-Smith 和Johansen,1997, p. 188）的模型鑒別。測量數(shù)據(jù)被批量智能處理。附加的步驟是在鑒別之后被執(zhí)行，是為了改進模擬的可靠性。比較自適應方法，利用循環(huán)的鑒別(Hagglund 和Astrom,2000)是連續(xù)的。非線性模型包含一組局部的低秩序線性的模型，它們每個在一個特殊操作區(qū)域有效。使用一個構成的確定時間的變量活躍的局部模型( s )被選擇。這個控制器是對于單輸入單輸出過程特殊設計的，可能含有一個干擾檢測。另外，控制器的應用范圍取決于所挑選的控制算法?？刂破鞯囊粋€組件允許在適用于很多不同的程序的控制算法的范圍中使用?？刂破鞅O(jiān)控導致的控制執(zhí)行結果并且對發(fā)現(xiàn)的錯誤作出反應?？刂破髦杏袑崟r模塊（RTM）和組態(tài)工具（CT）。RTM在PLC中運行，執(zhí)行全部的實時控制功能，在線學習和控制執(zhí)行監(jiān)控。CT最初組態(tài)階段通常在個人電腦（PC）中，通過提供引導和設置缺省參數(shù)值來簡化組態(tài)步驟。下文的線索如下：第2節(jié)介紹RTM結構的概要和描述他最重要的模塊。第三節(jié)給出CT的簡單描述；最后，第四節(jié)描述這個控制器在試驗機械設備的應用，在這里它用在液位閥測試裝置中影響不同。2、運行時間模塊 ASPECT控制器的RTM由一組組件連接組成一個多進程系統(tǒng)。圖1給出RTM的概要和它的主要功能模塊：信號預處理進程（SPA），在線學習進程（OLA），模型信息進程（MIA），控制算法進程（CMP），運算管理（OS）。圖1 運行時間模型概要 2.1多面體模型（MFM） ASPECT控制器建立在多面體模型的概念基礎上，由Stephanopoulus, Henning, 和Leone (1990)提出，包含一些CAA和OLA需要的模型。特別是MFM包含一組當?shù)氐挠勺兞縮(k)提供的時間之后和補償?shù)囊?、二級命令分時連接模型。這個模型方程式的局部首要模型條件是： （1）同時，這個模型方程式的第二條件模型是 （2）這里的k是分離的時間索引，j是局部模型的數(shù)量，y（k）是過程的輸出信號u(k)是過程的輸入信號，v（k）是可選擇的干擾檢測信號（MD），du是在模型分量中u對y的導數(shù)，dv是在模型分量中v對于y的導數(shù)，ai，j，bi,j,ci,j和rj是j的局部模型的參變量。 這組局部模型能用一個TakagiSugeno模糊模型解釋，這個模型在一個二級命令模型的情況下可用下面的方式表達： （3）這里j（k）是j的局部，模型關于可變列表現(xiàn)實值s（k）的全體函數(shù)關系的值。正常的三角函數(shù)關系功能被使用，如圖2所示圖2 在MFM中的局部模型的模糊成員函數(shù)確定時間的變量s ( k )被系數(shù)kr，ky，ku，和kv計算使用，使用質量總數(shù)。 （4）系數(shù)被工程師配置成一樣給非線性過程。2.2在線學習進程（OLA）OLA檢測實時信號保護，被SPA準備，評估由信號激發(fā)的局部模型的參數(shù)。最近導出的參數(shù)只有當它們通過驗證和證明是比目前的情況好的時候才被提交給MIA。OLA662在OS或自治權的要求上被調用的，一個輸出信號的間隔在過程中有足夠的激發(fā)因素可用。它使信號成批智能運行。用局部學習方法，一個先進的批量智能概念是決定適應模型是被實時執(zhí)行還是跟著延時允許在應用前檢測來鑒別結果。因此，更好的意思是數(shù)字選擇控制已經(jīng)給出。 分配計算時間的問題要求鑒別出現(xiàn)大量智能數(shù)字過程（相反的在線循環(huán)過程在自適應控制器中典型應用）。這個問題用多任務操作系統(tǒng)來解決。OLA的典型比實時邏輯控制要求更大的計算量，它以一個低優(yōu)先級任務在后臺運行。2.2.1.信號復制保護實時信號的保護被SPA維持。當OLA被調用時，保護的有關部分被復制給進一步過程。2.2.2.抑制激發(fā)快速激發(fā)的抑制在開始時被操作，因此信號的處理只能在它們包含激發(fā)因素是被運行。如果標準有效的保護低于它們的下限時，執(zhí)行被取消。偏離了信號r（k），y（k），u（k）和v（k）。2.2.3.從MIA復制到MFM 在線學習程序一直比新的局部模型鑒別排列在參數(shù)前。因此，活動的MFM從MIA存儲的地方被復制。不履行設置的模型參數(shù)被用于局部模型不再被鑒別（見2、3節(jié)）。2.2.4.選擇局部模型 如果全體函數(shù)j（k）的保護活動被超過最低保護限度的活動糾正，局部模型被選擇。只有被選擇的局部模型含有更多的過程。2.2.5.辨識使用被Blazicetal(2003)發(fā)展的模糊的儀器的變量( FIV )辨識方法，局部模型的模型參數(shù)被辨識。它是一種延伸指定的MFM的線性的儀器的變量辨識程序( Ljung，1987 )，基于局部的學習方法( Murray史密斯與Johansen，1997年)。局部的學習方法基于所有局部模型的參數(shù)將不再是一種單一的衰退運算中被估計的假定。與全面的方法比較它是更不容易傾向于故障條件和局部最小的問題的。這種方法充分被適于工業(yè)的運算(直覺，非線性的模型的漸進的構成，適度的計算要求)的需要。它能夠使因為不足的刺激不是估計適當?shù)木植磕Ｐ偷目偭砍蔀榭赡?。當所有局部模型目前尚未被估計時，它在最初組態(tài)階段是有效和可靠的。另一方面，在最佳附近收斂性是緩慢的。因此，它很有可能產(chǎn)生比使用非線性的方法適宜的一個較壞的模型。下列簡要地描述程序。模型辨識為了每一個選擇的局部模型(按索引j予以指示)單獨地被執(zhí)行。初始估計參數(shù)向量j被復制為活躍的MFM，以及協(xié)變性矩陣Pj MIA是對105種初始I (單位矩陣)。FLS (模糊最小平方)估計，j ，F(xiàn)LS使用質量最最小廣場辨識FLS和PjFLS被獲得，而j ( k )對于質量。計算被執(zhí)行遞歸避免矩陣倒置。FIV (模糊的儀器的變量)估計，jFIV和Pj FIV被用質量儀器的變量鑒別計算。為了防止噪音使結果退化，一個死區(qū)用于每一 FIV和FLS遞歸的評價的步驟。僅當程序輸出和其預測之間的絕對的質量區(qū)別在構成噪音下限之上，參數(shù)和協(xié)變性矩陣的向量最新。在缺乏從到的分支中的或者從到的模型分支中的刺激的情況下u v y (，以及當措施擾動全然不是出席的)，帶有減少的參數(shù)評估向量的方法的變量被使用。圖3 在線學習過程2.2.6.檢驗與有效這個步驟由一個選擇的局部模型的模擬輸出與局部模型的位置近似的實際的程序輸出比較執(zhí)行。平均方的誤差( MSEj )的正常的總數(shù)被計算。近似被全體定義功能j。對于每個選擇的局部模型，這個步驟以三套模型參數(shù)被實行：jMIA，j FLS和j FIV 。帶有最低的MSEj的裝置被選擇。全體的檢驗由把包括選擇的裝置的模糊的模型的模擬輸出與實際的程序輸出比較執(zhí)行。平均的方的誤差( MSEG )的正常總數(shù)被計算。如果與比較全面的檢驗結果被改進。由于在線學習初始模糊模型選擇裝置被傳輸?shù)組IA，否則原來的裝置j，MIA仍然在使用中。因為每一處理局部模型，MIA收到MSEj，這作為一個信息索引和一個標志表明模型是否是新的。2.2.7.模型構造評價兩個模型結構評價單元也被包括OLA里面。死區(qū)時間單元( DTU )估計程序時間延遲。全體功能單元( MFU )建議一個新的局部模型是否應該被插入。它估計附加在兩個相鄰的局部模型之間的一個的局部模型大多數(shù)是活動的。如果導致的模糊模型的全面的有效充分地被改進，模型被提交到MIA,與原來的模糊的模型比較。2.3.模型信息代理( MIA)MIA的任務是保持活躍的MFM和其狀態(tài)信息。其主要的活動處理在線學習結果。當可接受的是一個新的局部模型從OLA被收到時，如果它傳遞穩(wěn)定檢驗和其信號索引是足夠的，它被接受。如果它被接受，一個“準備運行”的標志是為CAA設置的。另一個標志表明局部模型是否自從開始以來已被調節(jié)或者并沒有。如果模型信號索引是十分低的，自動模式可能是不完全的。MIA包含將附加的局部模型插在MFM的一種機制。這可以使用OLA的MFU透過要求發(fā)生或者自動地，。MIA也可以把活躍的MFM儲存到一個局部的數(shù)據(jù)庫或者撤銷以前被儲存的，這對模式的變化有用。在初始的組態(tài)，MIA是充分基于初始評價程序活動的預設局部模型。他們不是確切但是可以提供可靠(雖然行動遲緩)的控制性能，類似于安全的模式。透過實驗或者正常的運算的記錄(當條件適合于關閉回路辨識)時使用在線學習，被收到逐漸估計機械設備的一個精確模型從OLA辨識局部模型。2.4.控制算法代理( CAA)CAA從MFM為自動的調節(jié)其參數(shù)組成一種工業(yè)的非線性控制算法和一個程序。若干不同的CAA可以用于控制器并且可以在初始的組態(tài)階段中被相互交換。運算的下列的模式被支持： 手動的模式：開啟回路運算( 啟動能力約束得到加強)。安全的模式：帶有保守的一個固定的PI控制器調節(jié)參數(shù)。自動的模式(或者帶有不同的調節(jié)參數(shù)的若干自動的模式)：一個非線性控制器。CAA 共享與OS和一種普通的模塊的內部結構的相互作用的一個普通的接口，包括三個層:1.控制層向一個局部的線性的控制器(或者若干個局部的線性的控制器同時)的功能提供反終結保護，包括對工業(yè)的控制所需要的每件事，諸如處理約束，碰撞更少模式交換，等等2.確定時間層執(zhí)行實時交換或者為調節(jié)的局部的線性的控制器確定時間(會合)，這樣與控制層一道，固定參數(shù)非線性控制器被制作。3.當MIA報告一個新的局部模型被產(chǎn)生時，調節(jié)的層能夠從MFM執(zhí)行控制器參數(shù)的自動調節(jié)程序?？刂茖雍痛_定時間的層的參數(shù)按照實時控制不是被擾亂的這樣一種模式被取代。CAA被發(fā)展，并且每一在具體的應用中已被證明有效：模糊的參數(shù)確定時間的控制器(FPSC)，死區(qū)時間補償控制器(DTCC)，和管轄作為基礎的神經(jīng)控制器(RBNC)。在本文中，F(xiàn)PSC的概念僅僅在下列的分段中簡要地被描述。2.4.1.模糊參數(shù)確定時間的控制器FPSC的一種綜述如圖4.所示圖4 FPSC概要FPSC的控制層以適合于控制器的型式包括一個單一的PID控制器和使用以速度為基礎的連接。它裝備有反終結保護和碰撞更少傳輸。FPSC的確定時間的層執(zhí)行對控制器參數(shù)(在Ti的情況下，其反向傳播的價值) 根據(jù)確定時間的變量s ( k )進行模糊，而全體局部模型的j ( k )發(fā)揮作用。以速度為基礎的線性化的儀器能夠使全面的控制器的活動成為可能，它是線性的結合整個的運算的地區(qū)中的局部的控制器活動，不僅是在運算點的均衡周圍。這項潛力提供極少局部模型改進性能，而在均衡中有更多透明的行為運算點( Leith與Leithead，1998年； Kocijan，Zunic，Strmcnik，與Vrancic，2002年)。FPSC的調節(jié)的層基于量級最佳( MO )標準執(zhí)行使用多重的綜合( MI )方法( Vrancic，Strmcnik，與Juricic，2001年)。MO標準為了一種大的帶寬( Whiteley，1946 )使系統(tǒng)的量級(振幅)關閉回路裝置點反應盡可能平和地接近統(tǒng)一。這種在接近循環(huán)系統(tǒng)的一種比較速成和非擺動的反應中的結果。計算PID的表達使用MO標準的控制器參數(shù)是十分復雜的。然而，MI方法極大地簡化方程并且從程序開啟回路時間反應直接能夠計算PID控制器參數(shù)成為可能。自動調節(jié)的程序透過從MIA收到離散時間局部模型開始。模型是轉換到連續(xù)時間局部模型中的。那么，所謂的區(qū)域使用MI方法從模型被計算。最后，PI和PID控制器參數(shù)從該地區(qū)被計算。由于FPSC的透明概念，一名富有經(jīng)驗的設計師可以選擇透過規(guī)定局部的PID控制器位置和參數(shù)非自動構成控制算法，不使用以模型為基礎的調節(jié)的程序。2.5.控制性能顯示器( CPM)CPM為承認事件掃描最近真正報時信號的緩沖器。當事件被發(fā)現(xiàn)時，它估計關閉回路控制反應和一個全面的性能索引的特性。像OLA 一樣，它從OS被呼叫自治并且作為一種低優(yōu)先任務跑或者在要求時。它包括三種模塊： 緩沖器前處理器( BP )，形勢分級器( SC )，和性能估計者( PE )，正如圖5所示.圖5 CPM概要當CPM被呼叫時，BP復制真正報時信號的緩沖器的有關的段，這得到SPA的維護。它檢查程序是否在穩(wěn)定狀態(tài)中；如果如此，它終止處理。否則，它使信號y過濾和v并且執(zhí)行一種低水平的測驗。SC為可以被評價的最后的承認事件掃描前處理的緩沖器，或者是否重要等等。參考信號的一個步驟變化，測量擾動信號的一個步驟變化，一場不可測量的擾動的一個事件，或者振蕩的存在。如果對評價的一個事件可以將加以發(fā)現(xiàn)，并且特性評價的條件被完成(沒有額外的振蕩，信噪比是足夠的，程序反應在事件之后安置和在事件)之前有穩(wěn)定狀態(tài)的一時期，相應的緩沖器間隔被傳輸?shù)絇E，否則執(zhí)行被終止。PE可以提取發(fā)現(xiàn)的事件的下列的特性：穩(wěn)定時間，升高時間，振蕩衰敗率，和追蹤誤差措施或者規(guī)定誤差措施。使用一個模糊的評價程序，一個全面的性能索引( PI )也從特性被計算。CPM結果被傳輸?shù)饺藱C接口。如果糟糕的性能被發(fā)現(xiàn)，CPM觸發(fā)一自動切換到安全的模式。如果振蕩被發(fā)現(xiàn)，其它自動行動包括，例如，阻塞OLA。因為這樣行動是高度具體處理的，基于CPM結果的CAA參數(shù)的修正一般地不是被執(zhí)行，但是他們可以在具體的應用中被執(zhí)行。2.6.運算管理(OS)OS協(xié)同控制，模擬，和調節(jié)代理的活動和分層的套人機接口( HMI )的交談窗口的使用者相互作用。OS和HMI包括對自動使用者友好實驗是需要的功能，這通常對控制器調節(jié)是需要的。委托程序的控制器組成基本的放置的階段，安全的控制器調節(jié)的和非線性的模擬和調節(jié)確定時間的控制器的程序活動的近似的評價，和為定期的運算構成政權制度。OS為了辨識局部模型，透過自動執(zhí)行實驗支持控制設計師。這些實驗包括關于開啟的或者關閉的回路中的模型的運算點的一系列的步驟變化。此外，OS協(xié)同OLA，MIA和CAA自動地處理信號，建設模型并且調節(jié)局部的控制器。當帶有機械設備的實驗被允許時，這是控制器的最速成和最可靠的方法調節(jié)。使用CPM的被關閉回路性能試驗的實驗的自動實施也被支持。有選擇性的，如果實驗不是被允許，為實驗確定時間可能是需要的。在這種情況下中，控制器以安全的模式初始化并且為了模擬處理信號，并且調節(jié)被OLA的自治觸發(fā)。然而，需要的是在運算地區(qū)的整個的足夠的刺激在定期的運算期間是可供使用的。模擬的進步被MIA中的局部模型的狀態(tài)標志表明。標志顯示哪一個模型已被調節(jié)，并且他們的信號索引。當?shù)刂鲃有院徒ㄗh代理在系統(tǒng)組態(tài)期間是有益的時，這可能在定期的運算期間是期望的。因此，在委托的程序結束時，系統(tǒng)可以被構成盡可能地簡化運算。運算政權制度的一個范圍能被使代理和Chang能夠或者喪失能力構成他們的組態(tài)參數(shù)。這種在涉及要求各式各樣的應用并且可以說明診斷問題的一個靈活的控制系統(tǒng)中的結果。這樣，雖然為了非線性程序的控制作為一個工具設計，但是方面控制器也可以為了PID控制器調節(jié)使用一個單一的線性的模型用于自適應控制或者。一些具體的運算政權制度選擇下面被列出了:OLA和/或者CPM可以被呼叫非自動鼠標 (在定期的運算期間)或者在OS要求(下列的預定的實驗)時，或者兩個都是。OLA繼續(xù)不斷或者可以估計程序死亡時間。當適當在固定的前選擇的位置僅僅估計局部模型時，OLA可以嘗試插在附加的局部模型上?？刂破髟僬{節(jié)可以在每一 MIA (“適應的”運算)中的模型的變化之后立即自動地被觸發(fā)，或者跟隨設計師的證實(“自調節(jié)的”運算)。在線學習也可以用于監(jiān)控沒有控制器調節(jié)的意圖的程序活動，或者是透過或者橫跨有效一個固定的模型的適應。在開始，系統(tǒng)從一種組態(tài)檔案是初始的，這可以在任何組態(tài)程序的階段放置它。后來，使用HMI交談窗口組態(tài)程序可以繼續(xù)或者被重復。3.組態(tài)工具CT在一臺個人計算機上被使用，在線到PLC執(zhí)行RTM。CT包含一種組態(tài)，透過委托程序的典型的確定時間的控制器指引設計師的有“魔力”的。它旨在于有很少經(jīng)驗的使用者。富有經(jīng)驗的工程師可以發(fā)現(xiàn)僅僅使用RTM執(zhí)行組態(tài)是更有效的，在其中其它任務的序列是可能的。程序被分解到小的步驟( 25個交談窗口)中。按每一步驟，指令被顯示，并且默認值被使用單憑經(jīng)驗的方法建議，基于已經(jīng)可供使用的信息。矛盾警告可以被顯示。組態(tài)程序的主要的階段是：基本的放置，控制信號的選擇，信號限制，取樣時間，控制算法，確定時間的變量，模型秩序。安全的模式組態(tài)：程序活動(使用RTM的實驗和辨識可以被使用)的評價，自調節(jié)“安全的”控制器參數(shù)(使用RTM )，可選的性能檢驗。模糊的模型沒有初始化， 模型位置的沒有初始化，局部模型參數(shù)的初始化，局部模型參數(shù)和步驟反應的顯示。CAA放置： 默認值，高階的自動調節(jié)的參數(shù)的沒有初始化。OLA放置： 默認值的沒有初始化，推進OLA放置。CPM放置： 默認值的沒有初始化，推進CPM放置。局部的控制器調節(jié)：自動(開啟或者關閉回路)實驗的序列，在線學習和調節(jié)在每一個局部模型位置各處使用RTM。性能檢驗：在每一個局部模型位置各處使用RTM自動實驗和性能評價的序列。CT依賴于RTM的功能無論何地可能。然而，個人計算機發(fā)展環(huán)境對圖形的使用者接口設計與典型的PLC系統(tǒng)比較更方便并且能夠結果的較好的顯現(xiàn)成為可能。4.現(xiàn)場演習方面控制器在若干項試驗性應用中已被測試( Blazicetal,2003 ) 例如在一個 pH控制水平上和氣-液態(tài)的分離器( Kocjanetal,2003)。這在一種儀器上為了測試液壓的電子管提出一種試驗性應用，位于一種液壓的生產(chǎn)機械設備裝置上。儀器的一個簡化的計劃如圖6.所示。它組成配有局部的溫度控制的一部鍋爐，三部泵，圖6：液位控制測試儀器（簡單）一臺壓力傳感器，一個電子管檢驗用一臺壓力區(qū)別傳感器站，為了不同的測量方法和一個延伸容器三塊流量表可以交替地被連接。的泵P1，P2和P3在被并行連接并且在不同的結合中可以被啟動，這樣不同的流量范圍可以被完成。他們裝備有頻率轉換板；當開啟時，他們全部收到同樣的控制信號u。儀器被用來在控制運算的條件下的一個范圍中測試電子管。最重要的控制任務是在測試的電子管( pv )上透過調整在線到活躍的泵的控制信號u控制壓力區(qū)別。程序的非線性和時間不同是因為下列的:(a)關于電子管pv和流量之間壓力區(qū)別通過電子管Qm (與泵旋轉速度有關)是穩(wěn)定狀態(tài)的二次關系。(b)打開的電子管Sv能在一個檢驗期間被改變，而信號Sv 一般地不是可供使用(電子管手冊)的，和(c)不同的泵(或者結合泵) 根據(jù)電子管的大小能被使用。這些因素嚴重影響程序活動，這在基于一個固定的PI控制器的以前和現(xiàn)有的控制系統(tǒng)的無法令人滿意的性能中的結果。當運用一個參數(shù)確定時間的控制器時為可變的選擇確定時間是一個至關緊要的步驟。當使用從pv確定時間非線性( a )可以單獨容易地被解決時，條件( b )使問題的困難更大。處理模擬被使用找到一個適合的確定時間的變量（1）。4.1.程序模擬程序的一個簡化的模型是作為管道(下標為p )的一臺流發(fā)電機，兩個阻抗的組成部份，檢查的電子管(下標為v)和阻抗(下標為l )組成一部泵的一個液壓回路。管道中的液體的慣性充當一個誘導的組成部份。使用牛頓第二定律，這被表達為 （5）pp，pv，和pl在這是泵，電子管和管道的壓力區(qū)別，S是管道橫跨段，和m，v，r,和Qm是質量，速度，密度，和液體的大規(guī)模流。運用關于運算的點（p,v,l,m）的局部的線性關系，區(qū)別于Eq.(5) （6）假定電子管和管道阻抗的特性方程 （7） （8）kv和kl在這里是電子管和管道阻抗系數(shù)，pv和pl使用關于運算的點( Karba，1999 )的部份的起源被計算 （9） （10）在這兒系數(shù)Rv，Rl和bv被簡單介紹，( bv是負的)。同樣地，Rp和bp被介紹用來描述泵，并且從泵特點可以被確定 （11）Eq.(6)插在Eqs.(9)-( 11 )中。液壓的回路的動態(tài)的反應被方程(12)描述 （12）或者，使用Eq.(9)透過方程(13)輸出Qm取代內部的可變的pv， （13）另外，泵控制信號u和速度o之間的關系，用頻率轉換板描述了泵發(fā)動機的活動，必須被給出。它可以用第一命令標志描述 （14） bp1是在這兒獲得系數(shù)和Tp1時間常數(shù)。因此，被控制者程序的第二個秩序活動是假定的。觀察Eq.(13),Rv=2v/ m好的確定時間的變量因為它代表在運算影響被控制程序經(jīng)常的獲得和時間點的水流的檢查的電子管的一種資產(chǎn)。它可以從可供使用的程序測量方法直接被計算。為了改進在低的測量方法價值的商數(shù)計算的穩(wěn)定，對于Qm測量透過在Eq中根據(jù)模型被過濾的控制信號u被取代的被執(zhí)行者控制系統(tǒng)中的實際的確定時間的變量在部門之后，安全約束應用。4.2.實驗的試驗一旦確定時間的變量選擇，控制器的使用是一個經(jīng)驗性的程序，被OS的自動實驗功能支持。首先，一個傳統(tǒng)的PI控制器為了安全的模式被調節(jié)，這樣它保持對運算的地區(qū)的穩(wěn)定的控制。那么，局部模型與控制器位置是可選擇的。在這項應用中，關于s的運算的范圍的六個位置的一種預設等距離地被分配使用。因為帶有程序的實驗被允許，在每一個局部模型位置各處包括實驗的典型程序將加以使用。在實踐中，這是保證信號的適當?shù)拇碳さ淖詈唵蔚姆椒?。使用安全的模式，程序是帶來到每個的連續(xù)不斷位置，在其中自動調節(jié)的實驗被一粒按鈕啟動。OS實施一模式開關(開啟回路實驗被更加喜歡)，注入包含四個步驟變化的刺激信號，在實驗結束時呼叫辨識調節(jié)的程序并且恢復原來的模式。對于頭兩個局部模型，刺激信號振幅是4%。因為它為了其它局部模型被增加到8%改進信噪比的較低的程序獲得。MIA狀態(tài)的一種綜述顯示所有局部模型成功地已被辨識。在設計師確認新的控制器參數(shù)之后，自動的模式被構成。表1顯示這個程序上的實驗的調節(jié)的程序的結果。表1：時間變量定位，直接時間局部模型參數(shù)，間接局部模型參數(shù)，局部控制參數(shù) 圖7 使用PI控制的壓力區(qū)別pv控制 圖8 使用FPSC演算法的壓力區(qū)別pv控制局部模型的開啟回路獲得用Eq中的模型完全地明顯地突現(xiàn)s (和Rv )的依據(jù)。(13 )，這是在減少Kp中的結果。辨識的時間的變化始終如T2是不明顯的，看來似乎與在Eq中經(jīng)常的時間的依賴一致。在Rv上，然而Rl和|Rp|也變化，但是不是可測量的。Ti的變化多半產(chǎn)生于在T1方面的變化，這被用泵活動Tf1聯(lián)系。在頭兩個局部的控制器之間的Kp中有大量但是可接受的區(qū)別。s的較高的范圍中的局部的控制器參數(shù)之間的區(qū)別是小的， 少局部的控制器能用于那一點地區(qū)?？刂菩阅転榱耸筆I控制器被顯示，制作使用方面控制器的安全的模式，和FPSC控制器。圖7個展示被測量程序對在當使用PI控制器時運算范圍上的整個裝置點信號的一系列步驟變化的反應。在電子管pv和裝置點( SP )中的壓力區(qū)別在上面被顯示，泵控制信號u在下面被顯示。PI控制器的參數(shù)被確定，這樣最理想的反應在pv的較低的值被完成。當時壓力增加，反應變得震蕩。圖8展示當使用FPSC控制演算法時。除信號之外如圖7所示，確定時間的變量s也被如圖表8所示.與圖7的PI控制器比較，這種反應在整個的運算區(qū)上方是最理想的。圖9 電子管壓力控制設計使用IDR BLOK4.3.檢驗基臺不論小心的選擇和修正演算法減少計算的要求，OLA和CPM模塊在典型的PLC中適合于執(zhí)行。 DSP或者開啟的控制器增加在模塊上趨向于比上面市場PLC 一種更多經(jīng)濟有效的解決。執(zhí)行這種引導應用中的方面控制器的RTM的檢驗基臺配有一 INEA IDR SPAC20 共處理機的三菱A1S系列PLC，基于得克薩斯儀器DSP在帶有隨機存取內存的2MB的40MHz中的TMS320C32，和一三菱MAC E700 HMI單元。 RTM使用三菱的MELSECAnSH PLC控制器( INEA d.o.o是INEA IDR BLOK的一種延伸，程序工業(yè)中的被關閉回路控制應用的一種圖形的開發(fā)工具,2001).FPSC算法作為一個附加的控制器塊包括“PID與FPSC”。其它RTM組成部份被作為單獨的PLC任務執(zhí)行，在C中編碼和以編輯的型式下載到PLC。透過一分層的套菜單(諸如：使用HMI單元他們被監(jiān)督員顯示，趨勢顯示，放置綜述，實驗放置，在線學習放置，模型參數(shù)，模型狀態(tài)，F(xiàn)PSC噪聲，F(xiàn)PSC參數(shù)等等).圖9顯示電子管壓力控制計劃在IDR BLOK環(huán)境中設計。遺憾地，目前草寫的版本還沒有表明PID與FPSC控制器塊的聯(lián)系RTM的監(jiān)測任務。5.結論先進自調節(jié)的非線性執(zhí)行一個工業(yè)的PLC基臺成功地控制。包括在本文中提出的一若干項引導應用也被完成。與工業(yè)標準的PI控制器比較，使用FPSC控制算法完成在控制性能中的一期待的大量的改進。此外，這種性能在實踐中被在一些運算的點各處執(zhí)行一系列短的實驗使用在線學習程序容易地完成自調節(jié)，。模塊的多代理結構促進控制系統(tǒng)的評論能干靈活性，這樣它為了各種各樣的要求容易地被構成。工作目前朝著使用的簡單和在新的程序中的運用的容易中的較進一步改進被指導。一有前途的未來研究方向從在線學習程序中的數(shù)據(jù)評價中的CPM是圖樣辨識技術的結合，這可以導致對自適應控制的可靠性的一種積極的貢獻。作者愿意承認所有其它設計組成員的貢獻。方面設計透過EC是在財政支持IST-1999-56407合約之下。2002軟件是INEA d.o.o的財產(chǎn)的方面,歐洲S.A保險。,同時， JSCo開始設計。未決的專利PCT/SI02/00029。參考文獻Babus ka, R., Oosterhoff, J., Oudshoorn, A., & Bruijn, P. M. (2002). Fuzzy self-tuning PI control of pH in fermentation. Engineering Applications of Artificial Intelligence, 15, 315.Bequette, B. W. (1991). Non-linear control of chemical processes: A review. Industrial & Engineering Chemistry Research, 30, 13911413.Blaz ic , S., S krjanc, I., Gerks ic , S., Dolanc, G., Strmc nik, S., Hadjiski, M. B., & Stathaki, A. (2003). On-line Fuzzy Identification for Advanced Intelligent Controller. Proceedings of the IEEE international conference on industrial technology ICIT 2003. Maribor, Slovenia, (pp. 912916).Dougherty, D., & Cooper, D. J. (2003). A practical multiple model adaptive strategy for multivariable model predictive control. Control Engineering Practice, 11, 649664.Gundala, R., Hoo, K. A., & Piovoso, M. J. (2000). Multiple Model Adaptive Control Design for a Multiple-Input Multiple-Output Chemical Reactor. Industrial & Engineering Chemistry Research, 39, 15541564.Hagglund, T., & Astrom, K. J. (2000). Supervision of adaptive control algorithms. Automatica, 36, 11711180.Henson, M. A., & Seborg, D. E. (1994). Adaptive non-linear control of a pH neutralisation process. IEEE Transactions on Control Systems Technology, 2, 169182.Henson, M. A., & Seborg, D. E. (1997). Non-linear process control.Upper Saddle River NJ: Prentice-Hall PTR.INEA d.o.o. (2001). IDR BLOK Process control tools for Mitsubishi electric PLCs, users manual, Ver. 4.20. Ljubljana: INEA d.o.o.;http:/www.inea.si/index.php?kategorija=158.Kocijan, J., Zunic, G., Strmcnik, S., & Vrancic , D. (2002). Fuzzy gain-scheduling control of a gas+liquid separation plant implemented on a PLC. International Journal of Control, 75(14), 10821091.Kocijan, J., Vrancic , D., Dolanc, G., Gerksic, S. Strmcnik, S., Skrjanc, I., Blazic, S., Bozicek, M., Marinsek, Z., Hadjinski, M. B., Boshnakov, K., Stathaki, A., & King, R. (2003). Auto-tuning on-linear controller for industrial use. Proceedings of the IEEE nternational conference on industrial technology ICIT 2003.Maribor, Slovenia, (pp. 906-910).Karba, R. (1999). Modeliranje procesov process modelling (in Slovenian). Ljubljana: Faculty of Electrical Engineering.Leith, D. J., & Leithead, W. E. (1998). Appropriate realisation of MIMO gain-scheduled controllers. International Journal of Control, 70(1), 1350.Ljung, L. (1987). System Identification. Englewood Cliffs, NJ: Prentice-Hall.Murray-Smith, R., & Johansen, T. A. (Ed.) (1997). Multiple model approaches to modelling and control. London, Bristol: Taylor & Francis.Seborg, D. E. (1999). A perspective on advanced strategies for process control (revisited). In P. M. Frank (Ed.), Advances in control, highlights of ECC99, (pp. 103134). London: Springer.Stephanopoulus, G., Henning, G., & Leone, H. (1990). Model LAa modelling language for process engineering, II. Multifaceted modelling of processing systems. Computers & Chemical Engineering, 14, 847869.Takatsu, H., Itoh, T., & Araki, M. (1998). Future needs for the control theory in industriesreport and topics of the control technology survey in Japanese industry. Journal of Process Control, 8(5-6), 369374.Tan, S., Hang, C.-C., & Chai, J.-S. (1997). Gain scheduling: From conventional to neuro-fuzzy. Automatica, 33(3), 411419.Vrancic, D., Strmcnik, S., & Juricic, _. (2001). A magnitude optimum multiple integration tuning method for filtered PID controller. Automatica, 37, 14731479.Whiteley, A. L. (1946). Theory of servo systems with particular reference to stabilization. The Journal of IEE, Part II, 93(34), 353372.Wooldridge, M., & Jennings, N. R. (1995). Intelligent agents theory and practice. Knowledge Engineering Review, 10(2), 115152.19