CC BY
44
10
Измерение. Мониторинг. Управление. Контроль
ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫЕ И УПРАВЛЯЮЩИЕ СИСТЕМЫ
УДК 681.518
А. А. Щербакова
ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНАЯ СИСТЕМА ОПРЕДЕЛЕНИЯ СОСТАВА И ОКТАНОВОГО ЧИСЛА БЕНЗИНОВ В ПРОМЫШЛЕННЫХ УСЛОВИЯХ НА ОСНОВЕ ПАРАМЕТРИЧЕСКОГО КВАНТОВОГО ГЕНЕРАТОРА
A. A. Shcherbakova
INFORMATION-MEASURING SYSTEM FOR DETERMINING THE COMPOSITION AND OCTANE NUMBER OF GASOLINE IN AN INDUSTRIAL ENVIRONMENT ON THE BASIS OF THE PARAMETRIC QUANTUM OSCILLATOR
Аннотация. Актуальность и цели. Оценку компонентного состава и значения октанового числа товарного бензина при производстве путем смешения компонентов производят периодическим лабораторным анализом. Для оперативного контроля и управления технологическим процессом производства товарного топлива необходимо реализовать информационно-измерительную систему с поточным анализом бензинов и компонентов. Материалы и методы. Для решения поставленных задач использовались методы математического моделирования, статистической обработки данных, теория искусственных нейронных сетей, метод обратного распространения ошибки, моделирование в программных средах Visual Basic for Applications (VBA) Microsoft Excel, MathCad. Результаты. Предложена информационно-измерительная система на основе параметрического квантового генератора, которая позволит уменьшить транспортное запаздывание в системе установкой проточных кювет, расположенных в непосредственной близости к технологическому трубопроводу, включает импульсный лазер накачки и перестраиваемый параметрический квантовый генератор с диапазоном перестройки 680-1064 нм -сигнальной волны, 1064-2500 нм - холостой волны. На выходе из системы сигналы со значениями спектральных коэффициентов пропускания и рассчитанным по ним спектральным коэффициентам поглощения сохраняются в компьютере. Выводы. Информационно-измерительная система для оценки состава и октанового числа бензинов, включающая параметрический квантовый генератор и проточную кювету, учитывает излучение от перестраиваемого параметрического квантового генератора по волоконно-оптическому кабелю, одновременно проходит через измерительный канал с проточной кюветой и сравнительный канал. А по измеренным спектральным коэффициентам поглощения компонентов и бензинов производят определение состава и октанового числа бензина, идентификацию компонентов. Эта информационно-измерительная система позволит в режиме реального времени управлять технологией приготовления бензинов и оперативно вносить поправку в технологию его приготовления.
20Х5,№4(Х4)
Abstract. Background. The evaluation component composition and the octane value of commercial gasoline during the production by mixing the components produce periodic laboratory analysis. For operational control and management of the technological process of production of commodity fuels it is necessary to implement information-measuring system with in-line analysis of gasoline and components. Materials and methods. To solve the set tasks we used methods of mathematical modeling, statistical data, theory of artificial neural networks, back propagation method of error modeling in software environments Visual Basic for Applications (VBA) Microsoft Excel, MathCad. Results. The authors suggests information-measuring system (IMS) with parametric quantum oscillator that will reduce transport delay in the system by installing the flow-cell, placed in close proximity to the process pipeline. The system includes a pulsed pump laser and a tunable parametric quantum oscillator with a tuning range of 680-1064 nm signal wave, 1064-2500 nm - blank wave. The output from the system signals with the values of spectral transmittance and designed for them the spectral absorption coefficients are saved in PC. Conclusions. The IMS to assess the composition and octane number of gasoline, including parametric quantum oscillator and flow cell, takes into account the radiation from a tunable parametric lasers through a fiber optic cable simultaneously passing through the measuring channel with flow-through cell and the reference channel. And the measured spectral absorption coefficients of the components and produce a gasoline composition and octane number of gasoline, identification of the components. This IMS will enable real-time control technology of preparation of gasoline and promptly amend the technology of its preparation.
Ключевые слова: импульсный лазер накачки, параметрический квантовый генератор, проточная кювета, волоконно-оптический кабель, темновой ток, спектральный коэффициент поглощения.
Key words: a pulsed pump laser, parametric quantum oscillator, flow cell, optical fiber, dark current, spectral absorption coefficient.
При производстве товарных бензинов необходимо проводить непрерывную идентификацию смешиваемых компонентов бензина, контроль и управление составом готовых бензинов. Используемые методы и приборы для решения этих задач представлены в [1-3]. Чтобы уменьшить транспортное запаздывание в импульсных гидравлических линиях, необходимо измерительные кюветы с анализируемыми жидкостями располагать в непосредственной близости к технологическим линиям.
Предлагается информационно-измерительная система (ИИС) для идентификации компонентов и управления составом бензинов, в которой проточные кюветы соединены волоконно-оптическим кабелем с перестраиваемым в ближнем ИК диапазоне параметрическим квантовым генератором.
На рис. 1 представлена функциональная схема ИИС для оценки состава и октанового числа товарных бензинов на основе параметрического генератора излучения. Система содержит: импульсный лазер накачки, параметрический квантовый генератор [4, 5], волоконно-оптический кабель, проточную кювету на каждом технологическом потоке, фотодиоды [6], интеграторы, устройства выборки хранения, мультиплексор, аналого-цифровой преобразователь (АЦП), микроконтроллер (МК) [7], и персональный компьютер (ПК).
ПК по ШВ-интерфейсу управляет микроконтроллером, дающим в момент времени ^ команду на генерацию импульсного излучения лазера накачки, которое, попадая в параметрический генератор, преобразовывается в излучение необходимой длины волны X1 и через волоконно-оптический кабель направляется в кювету. Далее излучение по волоконно-оптическому кабелю попадает на малоинерционный фотодиод. Ток фотодиода 1и интегрируется интегратором (И) и запоминается устройством выборки и хранения.
АЦП по команде с МК преобразовывает аналоговый сигнал в цифровой, который вводится в МК и запоминается в оперативном запоминающем устройстве.
11
Измерение. Мониторинг. Управление. Контроль
Рис. 1. Функциональная схема ИИС на основе параметрического квантового генератора
12
Одновременно снимается информация со сравнительного канала измерения, при этом излучение по волоконно-оптическому кабелю направляется на фотодиод, а интегратором интегрируется ток фотодиода 1с. Порядок опроса устанавливается программным образом и осуществляется при помощи мультиплексора.
В момент времени ?2 излучение с параметрического генератора отсутствует и интегрируется темновой ток фотодиода 1Т, который преобразовывается в цифровое значение и запоминается в оперативном запоминающем устройстве.
Далее МК дает команду на шаговый двигатель параметрического генератора излучения для поворота нелинейного кристалла и перехода на следующую длину волны. МК вновь в момент времени дает команду на генерацию импульсного излучения лазера накачки и все операции, описанные выше, повторяются на длине волны Хг+1 так, как это показано на временной диаграмме на рис. 2.
Рис. 2. Временная диаграмма импульсного излучения и интегрирования измерительных, сравнительных и темновых сигналов
Цифровые сигналы с АЦП для различных длин волн при заполнении кюветы анализируемой жидкостью Nи (X1) можно представить следующей зависимостью:
N (X г) = Фо(Х г )К (X г )Ти (X г )тв (Хг К (X г) + Щ (Хг), (1)
2015, № 4 (14)
13
где Ф0(Х7) - поток излучения, вошедший в систему; К) - коэффициент передачи у-го оптического тракта на 7-й длине волны (коэффициент отклонения при измерении спектральных коэффициентов пропускания); ти (Х7) - спектральный коэффициент пропускания анализируемой жидкости; тв (X 7) - спектральный коэффициент пропускания оптических элементов системы; тк (X 7) - спектральный коэффициент пропускания кюветы; (Х7) — цифровой сигнал, полученный в режиме измерения темновых токов на 7-й длине волны.
Измеренные цифровые сигналы с интеграторов на различных длинах волн при прохождении излучения через сравнительный канал Nс (X 7) принимают следующий вид:
N (X 7) = Фо(Х 7) К (X, )тв (X 7) + Щ (X 7). (2)
Из (1) и (2) спектральный коэффициент пропускания анализируемого компонента определяется как
Ти (X 7 ) = Щ и ^ 7 ) — Щ Т А 7 ) ^ ^ Щ (X7) — Щт (X7) Тк(X7)
По измеренным спектральным коэффициентам пропускания ти ()^7) рассчитываются соответствующие им спектральные коэффициенты поглощения '-го компонента по формуле
— ТН/ ^7 ) 7>- —
к,(X) =-
где к, (X7) - коэффициент поглощения у-го компонента на 7-й длине волны; Ь,, - длина оптического пути -й кюветы.
Для идентификации компонентов и определения состава смесей предварительно создают базу данных спектральных коэффициентов поглощения тестовых компонентов к,тест (X7).
По измеренным и вычисленным значениям спектральных коэффициентов поглощения компонентов к, (X 7) и значениям спектральных коэффициентов поглощения товарных бензинов (смесей) ксм ()^7) в соответствии с целевой функцией искусственной нейронной сети В [8], производится определение коэффициентов синаптических связей:
-]2
В = I
7 = 1
ксм ^ ) — I к, 7 7, ' = 1
(3)
где ю7у - коэффициенты синаптических связей.
На рис. 3 представлена структура искусственной нейронной сети [9], используемая при идентификации компонентов и вычислении компонентного состава бензиновой смеси.
Идентификацию -компонентов в товарном бензине производят по минимуму целевой функции
г I
= I \_к} (17 Н — кутест (X7 )] .
7 = 1
Значения функции активации нейронов искусственной нейронной сети идентификации компонентов Я вычисляют в соответствии с функцией активации:
Я = е— Вае,
где а - коэффициент, учитывающий наклон функций активации; е - погрешность измерения спектральных коэффициентов поглощения. При активном состоянии нейрона идентификации принимают значения концентрации компонентов в смеси численно равным значениям коэффициентов синаптических связей ю,. На рис. 4 приведен график функции активации нейрона искусственной нейронной сети идентификации компонентов.
2
14
Измерение. Мониторинг. Управление. Контроль
Шу Ш//+1) Шу/+2) Ш
Асм(А /)
/ /)
/)
Ч2(* /)
)
«г-
Ш( +1)/ Ш Ш( /+1)(/'+2)Ш( • 1 " Ш( /+1)(/+1) ш( •
Ч;м(А /+1)
/ /+1) Ч+1(А/1)-Ч+2(Х/1)-кт(\/+1)
Чсм(А/2)
Ш( /+2)/ Ш
/+2) О Ч+1(А /2) Ч+2(А /+2) Чт(Х+2) -
Ш
ксм(*п)
к++1(К) Ч+2(АЯ)
кт(Ю
Шщ+1) Шп(/+2) Ш
Рис. 3. Структура искусственной нейронной сети идентификации компонентов и определения состава товарного бензина
Рис. 4. График функции активации нейрона искусственной нейронной сети идентификации компонентов
После идентификации компонентов и определения состава производится расчет октанового числа топлива Q в соответствии с формулой
т
Q = Ъ c}Q}+b,
=1
где Qj - октановое число компонента бензина; Ь - суммарное отклонение октановых чисел от аддитивности, обусловленное межмолекулярными взаимодействиями между компонентами:
20Х5,№4(Х4)
i m
100 = j j
где bj - интенсивность межмолекулярных взаимодействий j-го компонента [10].
Далее формируются управляющие воздействия для управления расходами компонентов товарного бензина.
Применение параметрического квантового генератора в промышленной ИИС для измерения компонентного состава бензинов позволит производить измерение коэффициентов поглощения всех компонентов и готового товарного бензина в режиме реального времени, что значительно увеличивает быстродействие системы. С помощью спектральных коэффициентов поглощения производится контроль компонентного состава и детонационной стойкости бензинов при производстве и оперативное управление технологией приготовления бензинов.
15
Список литературы
1. Астапов, В. Н. Приборы для измерения октанового числа бензинов в технологическом потоке / В. Н. Астапов // Химия и технология топлив и масел. - 2002. - № 2. -С. 49-51.
2. Bakeev, K. A. Process Analytical Technology / Katherine A. Bakeev // Blackwell Publishing Ltd, 2005. - 445 с.
3. Айхлер, Ю. Лазеры. Исполнение, управление, применение / Ю. Айхлер, Г. Айхлер. -М. : Техносфера, 2008. - 440 с.
4. Бломберген, Н. Нелинейная оптика / Н. Бломберген. - М. : Мир, 1966. - 424 с.
5. Гурзадян, Г. Нелинейно-оптические кристаллы / Г. Гурзадян, В. Г. Дмитриев, Д. Н. Нико-госян // Свойства и применение в электронике. - М. : Радио и связь, 1991.
6. Шредер, Г. Техническая оптика / Г. Шредер, Х. Трайбер. - М. : Техносфера, 2006. -424 с.
7. Гоноровский, И. С. Радиотехнические цепи и сигналы / И. С. Гоноровский. - М. : Радио и связь, 1986. - 512 с.
8. Хайкин, С. Нейронные сети / С. Хайкин. - М. : Вильямс, 2006. - 1104 с.
9. Щербакова, А. А. Принцип искусственных нейронных сетей в промышленной системе идентификации компонентов бензина, определения его состава и детонационной стойкости / А. А. Щербакова, В. А. Соловьев // Модели, системы, сети в экономике, технике, природе и обществе. - 2015. - № 2 (14). - С. 185-192.
10. Смышляева, Ю. А. Моделирование процесса приготовления высокооктановых бензинов на основе углеводородного сырья в аппаратах циркуляционного типа : дис. ... канд. техн. наук / Смышляева Ю. А. - Томск : НИТПУ, 2011. - 144 с.
Щербакова Анна Алексеевна
аспирант,
кафедра приборостроения, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40) E-mail: [email protected]
Shcherbakova Anna Alekseevna
postgraduate student,
sub-department of instrument engineering,
Penza State University
(40 Krasnaya street, Penza, Russia)
УДК 681.518 Щербакова, А. А.
Информационно-измерительная система определения состава и октанового числа бензинов в промышленных условиях на основе параметрического квантового генератора / А. А. Щербакова // Измерение. Мониторинг. Управление. Контроль. - 2015. - № 4 (14). - С. 10-15.
