咨詢電話
ENGLISH0755-88840386發(fā)布時間:2020-12-28 13:35:52 |來源:網(wǎng)絡轉(zhuǎn)載
1動態(tài)稱重方法
對動態(tài)稱重的改進包括兩方面內(nèi)容,首先是對稱重信號中的噪聲進行處理,以改善稱重系統(tǒng)的抗干擾能力提高稱重精度;另一方面是提高稱重速度,在稱重系統(tǒng)未穩(wěn)定前迅速獲得真實質(zhì)量值。
目前對測量信號中干擾噪聲的處理方法有很多,如數(shù)字平均濾波法,IIR和FIR數(shù)字濾波器,小波分析,遺傳算法等。在動態(tài)稱重中常用的抗干擾處理方法包括平均濾波方法,小波變換方法,以及IIR和FIR數(shù)字濾波方法.單片機為核心的稱重儀表通常采用數(shù)字平均濾波法,對周期干擾濾波明顯,也可用于減小系統(tǒng)隨機干擾。但對較大的脈沖如尖峰脈沖干擾抑制能力弱以及對低頻噪聲抑制能力差。目前,國內(nèi)的工業(yè)用稱重儀表均釆用這種處理方法.小波變換卩刖是近年來得到迅速發(fā)展的一種新的信號處理方法,它的多分辨率特性使其在許多領(lǐng)域得到了重要的應用。小波濾波利用不同頻率的信號和噪聲在各尺度下的小波變換系數(shù)有所不同的特點,來對它們進行分離,從而達到去除噪聲和頻帶分離目的.在小波分析的許多應用中,都可以歸結(jié)為信號處理問題.在實際應用中,適用于非穩(wěn)定信號的工具就是小波分析。但其比較復雜,運算量大,目前基本上處于實驗和仿真階段數(shù)字濾波器的特點是,通過一個合適的濾波器,將占有不同的頻帶的輸入信號有效成分和噪聲頻率成分進行分離,從而達到濾波目的。無限脈沖響應(IIR)濾波器保留典型濾波器優(yōu)良的幅度特性,但相位特性和穩(wěn)定性差。有限脈沖響應(FIR)濾波器在保證幅度特性的同時,很容易做到有嚴格的線性相位特性。常用的設(shè)計方法:窗函數(shù)法、頻率采樣法和切比雪夫等波紋逼近法。
提高動態(tài)稱重的速度主要有兩種思路.一條思路-就是釆取縮短過渡時間,使系統(tǒng)較快地趨于穩(wěn)定.目前采用的方法是動態(tài)補償法1911,011111.即在測量系統(tǒng)輸出端串連一個動態(tài)補償環(huán)節(jié),改善整個系統(tǒng)的動態(tài)性能,加快系統(tǒng)的響應速度,待系統(tǒng)趨于穩(wěn)態(tài)時,得到被測量參數(shù)的值.另一條思路是通過系統(tǒng)動態(tài)過渡過程的信息,來提取被測量參數(shù)的值。當被測物料施加于系統(tǒng)上時,稱重系統(tǒng)自身特征也發(fā)生了改變,特征量改變的大小與物料重量存在著一定的數(shù)量關(guān)系。通過系統(tǒng)的過渡過程包含特征量的改變,來間接進行測量。把動態(tài)測量作為一個參數(shù)估計和預測問題來處理,即首先根據(jù)有關(guān)稱重系統(tǒng)的先驗知識,推導出一個含有未知參數(shù)的模型,然后用該模型去擬合稱重過渡過程信號1,211,511141.參數(shù)估計法和神經(jīng)網(wǎng)絡辨識法等屬于后種思路。
一.動態(tài)補償法
稱重傳感器具有二階低通特性。目前測量用的稱重傳感器阻尼比不理想,固有諧振頻率不高,難以滿足快速測量的要求。因此,改善稱重傳感器動態(tài)性能,擴大應用范圍具有非常重要的意義。動態(tài)補償法即可用軟件實現(xiàn),也可用硬件實現(xiàn)。用軟件方法補償時參數(shù)設(shè)置靈活,使用方便,主要問題是數(shù)據(jù)處理的實時性問題。硬件補償時實時性好,但電路參數(shù)調(diào)整麻煩。動態(tài)補償器的設(shè)計要基于傳感器的動態(tài)模型。在測量中,所測重量成為傳感器參數(shù)的一部分。傳感器的動態(tài)模型隨著被測重量而變化叫.在傳感器后串接一個補償器即構(gòu)成一個動態(tài)補償模型和傳感器儀器構(gòu)成一個理想的動態(tài)測試系統(tǒng),從而實現(xiàn)對傳感器的動態(tài)特性補償。
該補償器特點除具有一般數(shù)字電路穩(wěn)定性好、不存在阻抗匹配等優(yōu)點外,還具有調(diào)節(jié)準確度高,穩(wěn)定性好的特點,可使傳感器獲得較理想的頻率補償.體積小、質(zhì)量輕、便于實現(xiàn)小型化、集成化、標準化,算法簡單,適合嵌入式稱重儀表硬件平臺。
二系統(tǒng)辨識法
根據(jù)關(guān)于稱重裝置的先驗知識推到出一個含有未知參數(shù)的模型,用這一模型去擬合稱重過渡過程信號也就是階躍響應,從而獲得最小平方誤差意義上的參數(shù)估計°因為稱重系統(tǒng)的動態(tài)響應特性是系統(tǒng)固有的,可以在系統(tǒng)還沒有穩(wěn)定、稱重信號還處在動態(tài)變化之中就預測出被稱的重量值來。將被稱質(zhì)量看作稱重過程的終值,因此,可以用模型參數(shù)加以估計或者預測出來.該類方法主要包括狀態(tài)估計方法如Kalman濾波、自適應濾波時,系統(tǒng)辨識與參數(shù)估計方法如最小二乘法等方法。
三智能算法
神經(jīng)網(wǎng)絡辨識法。將動態(tài)稱重系統(tǒng)等效為二階系統(tǒng),推導出動態(tài)數(shù)學模型,根據(jù)ARMA模型,采用神經(jīng)網(wǎng)絡不斷在線辨識系統(tǒng)參數(shù),從而使系統(tǒng)始終工作在最佳參數(shù)狀態(tài)下.首先,分析稱重系統(tǒng)工作原理,建立系統(tǒng)的數(shù)學模型,得出含有未知參數(shù)的模型。然后,采用具有結(jié)構(gòu)、學習算法明確和有逼近任意非線性函數(shù)的神經(jīng)網(wǎng)絡結(jié)構(gòu)在線辨識出模型的參數(shù),根據(jù)參數(shù)與重量之間的函數(shù)關(guān)系計算出重量值"氣基于徑向基神經(jīng)網(wǎng)絡辨識的模型預測拉制法.以徑向基神經(jīng)網(wǎng)絡作為預測器和控制器的模型預測控制系統(tǒng).實踐證明,該系統(tǒng)可以改進被控對象的性能岡.專家系統(tǒng)法主要是引入知識模型而構(gòu)成專家系統(tǒng),即把優(yōu)秀稱重測力專家的思維過程固化到測量程序中,并與計算機修正程序結(jié)合起來,進而提高計量儀器的測試能力和故障檢測能力網(wǎng)。例如,通過對高速公路上以地感線圈為傳感器而采集到的大量車輛樣本行數(shù)據(jù)分析和特征提取,提出以數(shù)據(jù)中的某些特征值作為識別依據(jù),用隸屬度函數(shù)充當知識庫的識別方法對車輛進行分類,并將識別結(jié)果用于稱重結(jié)果的校正㈣.
2配料控制方法
在建筑、水泥、醫(yī)藥、玻璃、建材、化工等行業(yè)中,配料是生產(chǎn)過程的重要組成部分。通常采用的配料控制方法有PID控制、模糊控制、自適應控制、專家控制、神經(jīng)網(wǎng)絡控制和迭代學習控制等。
根據(jù)控制對象情況需要,基于計算機的PID控制主要有:PID基本算法、PID增量式算法、PID位置式、PID微分先行、帶死區(qū)的PID算法和神經(jīng)網(wǎng)絡PID控制法等.PID控制器,存在參數(shù)修改不方便,不能進行自整定等缺點。模糊PID控制法。利用模糊控制規(guī)則對P1D控制器的三個參數(shù)進行在線調(diào)整。該算法具有良好的跟蹤性能和抗擾動,性能。但是,該算法依賴于技術(shù)工人的豐富配料經(jīng)驗,以及要采用調(diào)速控制等,要增加很多硬件設(shè)備成本。主要用于大型設(shè)備及要求精度特別高的場合。其他諸如神經(jīng)網(wǎng)絡PID控制法可以實現(xiàn)常規(guī)控制參數(shù)的自動調(diào)整,但參數(shù)難于自動調(diào)整以適應外界環(huán)境變化的缺點16711761.此類算法處于研究仿真實驗階段,尚未投入實際生產(chǎn)中使用。
模糊控制是把操作人員經(jīng)過長期積累得到的知識,用包含有模糊集合的規(guī)則進行記錄,并通過模糊推理來確定控制量的一種智能控制方法.模糊控制方法能有效處理大量的不確定性信息,效果好于一般的控制方式顧。日本的鋼管公司福山鋼鐵廠將模糊邏輯引入到返礦量控制,控制效果超過最熟練的操作者,返礦槽位的偏差大大降低四。
專家控制是從專家和熟練員工處獲得知識進行推理控制的一種方式.主要適于變量較多,機理復雜的過程控制。具有知識全面性、無時空限制性和穩(wěn)定性等優(yōu)點。
自適應控制中將每次配料的實際配料量、喂料提前量、下料流量和點動次數(shù)等數(shù)據(jù)記錄下來,作為以后修改喂料提前量的原始經(jīng)驗數(shù)據(jù)。以稱重配料控制喂料提前量為自適應的模型,設(shè)計喂料提前量自適應算法,結(jié)論實例驗證說明該算法能夠很好地解決現(xiàn)有系統(tǒng)的不足叫。
人工神經(jīng)網(wǎng)絡是由大量神經(jīng)元相互連接而成的自適應非線性動力系統(tǒng),具有大規(guī)模并行處理、知識分布式存儲、自學習能力強的特點,適合于實時控制系統(tǒng)18511861.在確定網(wǎng)絡結(jié)構(gòu),功能函數(shù)和學習算法以后,對于給定樣本的學習,知識就表示為閥值和權(quán)重,分布于整個網(wǎng)絡之中。能夠超過設(shè)計者的知識水平,是其突出優(yōu)點.
迭代自學習的基本思想是對于周期性的動態(tài)過程,在控制過程中記錄前個周期的控制輸入和控制誤差,即被控系統(tǒng)的實際輸出與期望輸出之差,并根據(jù)這兩個量決定當前周期的控制輸出量,使系統(tǒng)誤差逐漸衰減,系統(tǒng)輸出最終達到期望值。它與傳統(tǒng)的自適應控制不同。傳統(tǒng)的自適應控制是利用前個時刻或前幾個時刻的數(shù)據(jù)來確定當前時刻的控制量,含有逐點修正的意思。迭代學習算法具有記憶功能,它是根據(jù)前個周期某時刻的控制輸人量和誤差來確定本周期同一時刻的控制量,含有逐周期修正的意思。因此迭代學習算法非常適合于具有某種重復運行(運動)性質(zhì)的被控對象,可實現(xiàn)完全跟蹤而不是漸近跟蹤??稍跊]有精確已知(甚至未知)被控對象動力學特性的情況下設(shè)計控制器,因此它適用于非線性對象的控制。另外,迭代學習控制具有在線計算量小的特點,適合于快速運動控制而它的記憶功能可使得在遇到類似控制任務時,能根據(jù)記憶系統(tǒng)中的信息迅速調(diào)整控制信號。由于在在稱重配料過程中,一定的時間段內(nèi)每次振動下料的重量是相同的,每次下料過程具有很強的重復性,迭代學習法控制應用于配料過程的思想是合理的問。
一般情況,配料控制還會結(jié)合落差控制一起運用落差控制方法主要有落差修正法、變速控制法、定值補償法、多料門上料法、超量扣稱法和多料門上料法.落差修正方法是目前配料中比較常見的一種落差修正方法,可單獨采用,但大部分情況和其他方法同時存在.主要適用于落差比較穩(wěn)定的情況,即當設(shè)備定型和物流性質(zhì)比較穩(wěn)定后,落差在一定范圍內(nèi)隨意波動的情況.即釆用每次落差值保存,累計到一定數(shù)量后再加權(quán)求平均值。逐次修正法在配方變化頻率較低和落差變化不大的情況非常有效。變速控制法適用于螺旋配料或皮帶配料的結(jié)構(gòu),有效地調(diào)節(jié)控制電機轉(zhuǎn)速就可提高配料速度和精度。但調(diào)節(jié)速度需要增加很多硬件成本,目前沒有市場競爭力,是一種有發(fā)展?jié)摿Φ目刂品绞?,這種控制方式運用在大型設(shè)備或精度要求非常高的環(huán)境中"七定值補償法適用于單斗對整個批次影響不大的情況,落差值的不穩(wěn)定可通過下一次或多次修改局部配方以達到整批穩(wěn)定在標準范圍內(nèi),此種方法可適用于部分場合,適應面不是很廣"氣多料門上料法是目前常用的一種配料方法,適用于用量比較大的顆粒狀物料,也同時適用于粉狀或液體料。從機械角度來說是最應該考慮的配料方式。為兼顧上料速度和精度矛盾,采用設(shè)置兩個或者多個料倉控制系統(tǒng)根據(jù)設(shè)定值的多少和落差的差值來確定打開多個料倉還是其中一個料倉門設(shè)定值小于一定量是可選擇單門配料,或某個料門。多料門上料法采用可有效減小由落差不穩(wěn)定帶來的誤差,并且使系統(tǒng)的冗余度加強,控制系統(tǒng)設(shè)計更為靈活。超量扣稱法上料超差時,在卸料時提前關(guān)門扣住多余的料。此種方法不好控制留住的料量,精度相對較低,只適用于差別很大的情況,對機械的損壞也較大.有些機械結(jié)構(gòu)不適用提前關(guān)門,或者不起作用。當配料到一定范圍之后常用點動補償法自動點動配料,點動配料的精度很高,不過頻繁點動對機械設(shè)備磨損較大,適用于精度要求高的場合。
高爐煉鐵配料的方法有容積配料法、重量配料法和化學成分配料。容積配料法是在假定物料堆積密度一定的情況下,控制配料的容積。由于各種原料的堆積密度隨料粒和濕度不同發(fā)生波動,導致配料量產(chǎn)生較大誤差,一般在5%以上。重量配料法是按原料的重量來配料,比容積配料法準確,其配料精度在1.0%左
右,對配比量較小的燃料,就更加明顯?;瘜W成分配料是一種目前最為理想的配料方法,它采用先進的在線檢測技術(shù),隨時測出原料混合料成分并輸入微機進行分析、判斷、調(diào)整,獲得最理想的原料配比闞目前,國外對這種方法也處于開發(fā)階段,我國的寶鋼、首鋼已具備開發(fā)這種水平的條件。
本文源于網(wǎng)絡轉(zhuǎn)載,如有侵權(quán),請聯(lián)系刪除