CC BY
79
массобменного технологического процесса ректификации // Информатика и системы управления. 2011. № 4 (30). С. 17 — 26.
5. Бахтадзе Н. Н. Виртуальные анализаторы (идентификационный подход) // Автоматизация и телемеханика. 2004. № 11. С. 3-23.
6. Диго Г. Б., Диго Н. Б., Можаровский И. С., Торга-шов А. Ю. Разработка моделей показателей качества ректификационных колонн, функционирующих в предельных режимах // Идентификация систем и задач управления: тр. IX Меж-дунар. конф. SICPRO'12, 30 января — 2 февраля 2012 г. М., 2012. С. 211 — 221.
7. Friedman Y. Z. Alkylation Product Separation Control // HYDROCARBON PROCESSING. 09. 2008. Vol. 87. no. 9. P. 178.
8. Бельков Ю. Н., Кнеллер Д. В., Торгашов А. Ю., Файрузов Д. X. Система усовершенствованного управления установкой первичной переработки нефти: создание, внедрение, сопровождение // Автоматизация и телемеханика. 2013. № 8. С. 3 — 23.
ИБАТУЛЛИН Альберт Амирович, кандидат технических наук, доцент кафедры автоматизации и робототехники.
Адрес для переписки: Ibatullin77@yandex.ru ОГУДОВ Андрей Александрович, магистрант гр. АТПм-151 факультета элитного образования и магистратуры.
Адрес для переписки: Andreyogudov@gmail.com ХАКИМОВ Рустам Анварович, магистрант гр. АТПм-151 факультета элитного образования и магистратуры.
Адрес для переписки: Machinestandart@mail.ru
Статья поступила в редакцию 23.12.2016 г. © А. А. Ибатуллин, А. А. Огудов, Р. А. Хакимов
УДК 681.5:658.5
Л. Л. ИБАТУЛЛИН А. А. ОГУДОВ Р. А. ХАКИМОВ
Омский государственный технический университет, г. Омск
РАЗРАБОТКА МОДЕЛИ НЕЧЕТКОГО ПИД-РЕГУЛЯТОРА КОНТУРА УПРАВЛЕНИЯ ТЕМПЕРАТУРЫ В КОЛОННЕ ДЕИЗОБУТАНИЗАЦИИ_
В данной статье представлена проблема управления температурного контура в колонне деизобутанизации н а установке сернокислотного алкилирования. Проанализированы основные проблемы и характерные особенности н астройки данного контура. Была поставлена цель — ра зработать ПО, которое позволит учитывать нелинейности и высокую инерционность технологического процесса. Выявлена и обоснована необходимость внедрения нечеткого управления. На основе проведенных исследований была разработана модель нечеткого ПИД-регулятора, а также создан пакет н адстроек, реализующий принципы нечеткой логики, в АСУТП Centum VP фирмы Yokogawa. Ключевые слова: нечеткое управление, алкилирование, Centum VP.
Введение. Анализу качества подстройки ПИД-регуляторов посвящено немало трудов [1, 2]. При плохих подстройках оператор будет вести процесс вручную, что повышает нагрузку на оператора, ухудшает качество продукции, повышает риск возникновения аварийной ситуации. ПИД-регуляторами на стандартной логике не учитывают нелинейные зависимости параметров процесса. Решить ряд названных проблем можно при помощи применения правил нечеткой логики для подстройки коэффициентов ПИД-регулятора.
При построении ПИД-регулятора на нечеткой логике необходимо решить следующие задачи:
— разработать математическую модель объекта регулирования;
— произвести идентификацию контура регулирования;
— разработать базу правил для нечеткой логики;
— провести моделирование работы контура с применением нечеткой логики;
— разработать ПО для реализации методов нечеткой логики в АСУТП.
Постановка задачи. Рассмотрим контур управления температуры в колонне С-331 на установке сернокислотного алкилирования (рис. 1). Перепад температуры между 46 и 16 тарелками (датчик ТУС207) регулируется за счет подогрева куба колонны. Куб подогревается в теплообменнике Е-335, в трубчатую часть которого подается пар (расход пара регистрируется прибором 33РЯС201). Расход пара в теплообменник управляется при помощи регулирующего клапана 33ЬУ201 на линии откачки конденсата и датчика уровня ЬШСА201 в конденсато-сборнике. Данный контур представляет собой слож-
---
I-
Рис. 1. Колонна дензоОутанизации установки сернокислотного алкилирования
ный каскад и имеет существенные проблемы в конфигурировании, а именно вследствие того, что кон-десатосборник находится ниже теплообменника, датчик уровня постоянно залит, а также присутствует высокая инерционность теплового процесса, поэтому для увеличения адаптивности системы управления предлагается использовать методы нечеткой логики для автоматической подстройки коэффициентов ПИД-регулятора.
Теория. Теория нечетких множеств была предложена американским математиком Лотфи Заде в 1965 г. [3]. Применение теории нечетких множеств позволяет описывать нечеткие понятия и знания, оперировать этими знаниями и делать нечеткие выводы. Нечеткое множество представляет собой совокупность элементов произвольной природы, относительно которых нельзя с полной определенностью утверждать, принадлежит ли тот или иной элемент рассматриваемой совокупности. Формально нечеткое множество А определяется как множество упорядоченных пар или кортежей вида <х, ||А(х)>, где х является элементом некоторого универсального множества, или универсума, Е, а ||А(х) — функция принадлежности, которая ставит каждому из элементов х универсального множества некоторое действительное число из интервала [0, 1]. При этом |А(х)=1 означает, что элемент х из Е определенно принадлежит нечеткому множеству А, а значение |А(х) = 0 означает, что элемент х из Е определенно не принадле-
жит нечеткому множеству А. С помощью нечеткой логики обрабатывают неопределенные данные и ситуации, используя ассоциативные понятия человека — лингвистические термины.
Разработка и применение систем нечеткого вывода включают в себя ряд этапов, которые выполняются с помощью основных положений нечеткой логики [4]. Нечеткий вывод характеризуется следующими этапами:
1. Формирование базы правил (БП) систем нечеткого вывода, предназначенной для формального представления эмпирических знаний или знаний экспертов в проблемной области. В системах нечеткого вывода используются правила, в которых условия сформулированы в терминах нечетких лингвистических высказываний.
2. Фаззификация (Ф) входных переменных, представляющая собой процедуру нахождения значений функций принадлежности нечетких множеств (термов) на основе обычных (четко определенных) исходных данных. Целью этапа фаззификации является установление соответствия между конкретным значением отдельной входной переменной системы нечеткого вывода и значением функции принадлежности соответствующего ей значения входной лингвистической переменной.
3. Операции блока логического заключения (ЛЗ), выполняющего функции, аналогичные функциям вычислительного устройства в классической системе
ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
ОМСКИИ НАУЧНЫЙ ВЕСТНИК № 1 (151) 2017
Рис. 2. Колонна деизобутанизации установки сернокислотного алкилирования в ПО Нувув
Таблица 1
Выборка данных из Pi Datalink
Дата 33FRC201 33LRCA201 33T203
02.01.2015 00:00:00 17,57973671 99,99977875 69,68743896
03.01.2015 00:00:00 17,06762505 99,99977875 69,70450592
04.01.2015 00:00:00 16,64416695 99,99977875 69,09999847
05.01.2015 00:00:00 17,00856781 99,99977875 70,05821991
регулирования, и определяющего степень истинности условий по каждому из правил, хранящихся в БП.
4. Дефаззификация (ДФ) выходных переменных в системах нечеткого вывода, представляющая собой процедуру или процесс нахождения обычного (четко определенного) значения для каждой из выходных лингвистических переменных. Цель дефаззифика-ции заключается в том, чтобы, используя результаты логического заключения, получить значение каждой из выходных переменных, которое может быть использовано специальными устройствами, внешними по отношению к системе нечеткого вывода.
Для разработки базы правил и проверки работоспособности необходимо произвести идентификацию объекта регулирования. Процесс получения (синтеза) математического описания объекта на основе экспериментально полученных сигналов на его входе и выходе называется идентификацией объекта [5]. Существуют две причины, ограничивающие применение точных моделей. Первой из них является невозможность аналитического решения системы уравнений, описывающих ПИД-регулятор с моделью высокого порядка (а именно аналитические решения получили наибольшее распространение в ПИД-регуляторах с автоматической подстройкой). Вторая причина состоит в том, что при большом числе параметров и высоком уровне шума измерений количество информации, полученной в эксперименте, оказывается недостаточным для идентификации тонких особенностей поведения объекта. Выбор оптимальной модели обычно основан на критерии достаточности качества регулирования при минимальной сложности модели. Для нелинейных процессов и при повышенных требованиях к качеству регулирования разрабатывают модели с индивидуальной структурой, основываясь на физике процессов, протекающих в объекте управления. Если процесс любой сложности аппроксимировать моделью первого порядка с транспортной задержкой, то полученные таким способом постоянная времени Т и задержка L называются соответственно эффективной постоянной времени и эффективной задержкой. Теория ПИД-регуляторов хорошо развита для линейных объектов управления. Однако практически все реальные объекты имеют нелинейность типа «ограничение управляющего воздействия». Ограничение может быть связано, например, с ограниченной мощностью нагревателя при регулировании тепловых процессов, с ограничением площади сечения перепускного клапана, с ограничением скорости потока жидкости и т.п. [6].
Результаты экспериментов. Для разработки математической модели объекта управления используем ПО Aspen Hysys. На рис. 2 представлена разработанная схема. Можно сказать, что невозможно настроить контур при данной конфигурации, используя стандартные методы настройки ПИД-регу-ляторов. Поэтому необходимо выполнить другую конфигурацию контура и использовать аппарат
Рис. 3. Модели, полученные в ÏO Mathlab
нечеткой логики для автоматической подстройки ПИД-регулятора. Для разработки базы правил нечеткой логики, а также для последующего моделирования работы контура необходимо произвести идентификацию модели в ПО Matlab. Для идентификации объекта использовалась выборка данных из Pi Datalink. Часть выборки представлена в табл. 1.
Для получения математической модели используется пакет System Identification Tool ПО Matlab. В нашем случае наиболее оптимальной моделью будет считаться модель tf4, с достоверностью 86,17, т.к. сигнал модели tf4 меньше остальных выходит за границы «достоверности» (рис. 3).
В результате синтеза модели получили передаточную функцию теплообменника. Рассмотрим построение регулятора на базе нечеткой логики для подстройки ПИД-регулятора контура управления температуры в колонне дезоизобутанизации установки сернокислотного алкилирования. На рис. 4 изображена структурная схема контура управления температурой.
Структура нечетного регулятора выглядит следующим образом:
1 ) база правил;
2) функция принадлежности входов, в нашем случае это функция для изменения скорости температуры;
3) функция принадлежности выходов, в нашем случае это функции для пропорционального и интегрального коэффициентов ПИ-регулятора, так как данный тип регулятора получил наибольшее распространение на практике.
Нечеткой базой правил [7] называется совокупность нечетких правил «Если — то», определяющих взаимосвязь между входами и выходами исследуемого объект. Для данной системы были разработаны следующие правила, представленные в табл. 2, где bn — большое отрицательное значение, mn — малое отрицательное значение, 0 — нулевое значе-
Диаметр Высота Уровень
-о оэталз^.огог^-ю 000005618 5^+0.1313*2+0.0 3725&Ю .00000129
Теплообменнис
Рис. 4. Структурная схема контура управления температуры
Рис. 5. Структура нечеткого регулятора а — входной терм; б, в — выходные термы коэффициентов Кр и К
а
б
в
Рис. 6. Переходная характеристика САР температуры
Основная часть ; Вычисления Фазифм кл ция
All = О А12 = О А13 = 0,5 А14 = 0,05 А15 = О Агрегирование
Правило 1 = min{0) ~ 0 Правило 2 = min{0} - 0 Правило 3 = т:п-0 5) - 0,5 Правило 4 - тиг{0 CS} - 0,05 Правило 5 = min{0) = О
Аккумуляция
В11 макс, значение = О
В12 макс, значение = О
В13 макс, значение - 0,5
В14 макс, значение = 0,05
В15 макс, значение = 0
В21 макс, значение з 0
В22 макс, значение = 0
В23 макс, значение = 0,5
В24 макс, значение = 0,05
В25 макс, значение = 0
Дефазификация
В1 = 0,576501217622317
В2 = 0,580095 389507124
Рис. 7. Интерфейс программы «Нечеткая логика»
ние, mp — малое положительное значение, bp — большое положительное значение.
Ниже описаны одна входная и две выходные переменные, для каждой выбраны пять треугольных термов (рис. 5).
Итоговую оценку качества настроенной системы производим по графику переходного процесса (рис. 6). Для полученного переходного процесса в САУ величина перерегулирования равна 11 %. Время регулирование процесса равно 69,8 с.
Для внедрения полученных правил необходимо разработать ПО, реализующее принципы нечеткой логики, в АСУТП Centum VP фирмы Yokogawa [8].
На рис. 7 представлена программа «Нечеткая логика», написанная на языке С +. Данную программу можно внедрить как модуль в АСУТП. В данный момент проводятся работы по связи ПО с математической моделью в НУЗУЗ.
Обсуждения результатов. Внедрение рассмотренной системы позволит снизить стандартное отклонение ключевых производственных параметров за счет подстройки ПИД-регулятора, что позволит установке работать ближе к технологическим ограничениям, сохраняя при этом исходную приемлемую вероятность количества нарушений технологических параметров (либо их отсутствие), также
Таблица 2 База правил нечетного регулятора
DT Ki Kp
Bn bp Bp
Mn mp Mp
0 0 0
Mp mn Mn
Bp bn bn
позволит получить дополнительную экономическую прибыль за счет работы в предельном режиме.
Выводы и заключения. Результатом работы является ПО для решений проблем, связанных с управлением технологическим процессом в колонне деизобутанизации на установке сернокислотного алкилирования. ПО позволяет учитывать нелинейности и высокую инерционность процесса для подстройки системы управления, что позволяет увеличить точность управления и повысить ее адаптивность к возмущениям. Перевод в автоматический режим также снизит нагрузку на оператора. Однако перед внедрением прежде всего необходимо произвести испытание ПО непосредственно на математической модели объекта управления в Aspen Hysys. Работы в данном направление ведутся. Однако результаты модели могут отличаться от реального процесса, поэтому перед внедрением необходимо произвести предварительные испытания на установке для корректировки базы правил.
Библиографический список
электростанций // Вестник Ивановского гос. энергет. ун-та имени В. И. Ленина. 2010. Вып. 4. C. 72 — 75.
2. Борисов В. В., Круглов В. В., Федулов А. С. Нечеткие модели и сети. М.: Горячая линия—Телеком, 2007. 284 с.
3. Чернецкая И. В., Чернецкий В. О. Нечеткие регуляторы в системах автоматического регулирования // Вестник ЮжноУральского гос. ун-та. 2006. Вып. 16. C. 156 — 159.
4. Shreiber R. Air Flow Control Using Fuzzy Logic // Microchip Technology Inc. Application Note AN600. 1997. 21 p.
5. Stotts L., Kleiner B. H. New developments in fuzzy logic computers // Industrial Managment & Data Systems. 1995. Vol. 95. P. 22—27.
6. Tanaka K., Sano M. A robust stabilization problem of fuzzy controller systems and its applications to backing up control of a truck-trailer // IEEE Trans. Fuzzy Systems. 1994. Vol. 2. no 2. P. 119 — 134.
7. Захаров В. Н., Ульянов С. В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. IV. Имитационное моделирование // Известия РАН. Техническая кибернетика. 1994. № 5. С. 169 — 211.
8. Ротач В. Я. Возможен ли синтез нечетких регуляторов с помощью теории нечетких множеств // Промышленные АСУ и контроллеры. 2004. № 1. C. 33 — 34.
ИБАТУЛЛИН Альберт Амирович, кандидат технических наук, доцент кафедры автоматизации и робототехники.
Адрес для переписки: Ibatullin77@yandex.ru ОГУДОВ Андрей Александрович, магистрант гр. АТПм-151 факультета элитного образования и магистратуры.
Адрес для переписки: Andreyogudov@gmail.com ХАКИМОВ Рустам Анварович, магистрант гр. АТПм-151 факультета элитного образования и магистратуры.
Адрес для переписки: Machinestandart@mail.ru
1. Новиков С. И., Шахнович В. Р., Сафронов А. В. Методы нечеткой логики в задачах автоматизации тепловых процессов
Статья поступила в редакцию 23.12.2016 г. © А. А. Ибатуллин, А. А. Огудов, Р. А. Хакимов
