CC BY
74
УДК 681.511.42 Джамбеков Азамат Матифулаевич,
аспирант кафедры автоматики и управления, Астраханский государственный технический университет, тел. 8-917-098-52-85, e-mail: [email protected] Щербатов Иван Анатольевич, к. т. н., доцент кафедры автоматики и управления, Астраханский государственный технический университет, тел. 8-917-187-27-93, e-mail: [email protected]
НЕЧЕТКИЙ РЕГУЛЯТОР СТАБИЛИЗАЦИИ КАТАЛИЗАТА
A. M. Dzhambekov, Iv. A Sherbatov
ON FUZZY CONTROLLER OF CATALYSATE STABILIZATION
Аннотация. В статье рассматривается система автоматического управления процессом стабилизации катализата установки каталитического риформинга бензинов. Для повышения эффективности процесса стабилизации катализата предложен разработанный нечеткий регулятор температуры низа стабилизационной колонны. Анализ существующих исследований по внедрению нечетких регуляторов в системы автоматического управления технологическими процессами в нефтегазовой промышленности показывает большие преимущества таких регуляторов. Целью исследования является разработка системы автоматического регулирования температуры низа стабилизационной колонны с нечетким регулятором при различных режимах и исследование влияния параметров настройки нечеткого регулятора на качество переходных процессов. На основе полученной экспертной информации об алгоритме управления процессом стабилизации были описаны лингвистические переменные и получена база правил нечеткого регулятора. При исследовании эффективности нечетких регуляторов рассмотрено возмущение - перепад температуры в стабилизационной колонне.
Ключевые слова: каталитический риформинг, блок стабилизации катализата, стабилизационная колонна, система автоматического регулирования, нечеткий регулятор, функция принадлежности, база правил.
Abstract. In the article the automatic control system for the stabilization process of catalysate of catalytic reforming of gasoline is viewed. To improve the efficiency of the process of catalysate stabilization it is proposed to develop a fuzzy temperature controller of stabilizer column bottom. The analysis of existing research on the implementation of fuzzy controllers in automatic control system of technological processes in the oil and gas industry shows great advantages of these controllers. The study aims to develop a system of automatic control of the bottom of the stabilizer column temperature with a fuzzy controller with different modes and study the effect of the fuzzy controller settings on the quality of transients. On the basis of expert information about the stabilization process control algorithm linguistic variables were and the fuzzy controller rule base was obtained. In the study of the effectiveness of fuzzy controllers the outrage - the temperature drop in the stabilization column.
Keywords: catalytic reforming, catalysate stabilizing unit, stabilizer column, automatic control system, fuzzy controller, membership function, rule base.
Введение
Пропорционально-интегрально-дифференциальные регуляторы (ПИД-регуляторы) интенсивно используются на промышленных объектах Астраханского газоконденсатного месторождения (АГКМ), в т. ч. на установке каталитического риформинга (КР) [1]. Получаемую на установке КР очищенную бензиновую фракцию (нестабильный катализат) с помощью блока стабилизации катали-зата (БСК) доводят до требуемых значений технологических параметров для целей транспортирования и извлечения с верха стабилизационной колонны (СК) БСК нестабильной головки и других компонентов. БСК должен обеспечивать разделение катализата на стабильный катализат и нестабильную головку стабилизации при действующих условиях (температура, давление) [2].
Широкое применение промышленных ПИД-регуляторов на установке КР связано с их простотой, низкой стоимостью и высокой эффективностью при автоматическом регулировании техноло-
гических параметров КР. Однако ПИД-регуляторы обычно неэффективны для промышленных объектов управления (ОУ) с неизвестной точной математической моделью или наличием неопределенности [3]. В промышленных условиях зачастую является трудоемким процесс получения необходимой информации с установки КР, что усложняет задачу построения адекватного математического описания ОУ [4]. Модель системы автоматического управления (САУ) может быть получена с применением словесных высказываний, получаемых от оператора установки КР в виде суждений об алгоритме настройки параметров ОУ и принимаемых в процессе управления решений. На основе нечеткой экспертной информации об алгоритмах управления процессом возможно построение системы автоматического регулирования (САР) технологических параметров методами нечеткой логики [5]. Реализация алгоритма САР на основе нечеткой логики осуществляется нечетким регулятором (НР).
Информатика, вычислительная техника и управление
СК является динамическим объектом, управление которым должно обеспечивать заданную степень разделения нестабильного катализата при соблюдении производственных требований. Исполнительными элементами процесса в СК служат вентили, которые управляются регуляторами температуры или давления низа СК [6]. В настоящем исследовании рассматривается задача регулирования, связанная с выбором таких положений вентиля, которые обеспечили бы поддержание заданной температуры низа СК.
НР ПИД-типа является одним из вариантов развития ПИД-регуляторов. Одним из преимуществ НР ПИД-типа по сравнению с ПИД-регуляторами является возможность непосредственного задания диапазонов изменения параметров НР при его разработке [7].
В [8] предложена замена используемых в САУ процессом низкотемпературной сепарации природного газа ПИД-регуляторов на НР. Разработан вариант нечеткой САУ с использованием пакета МЛТЬЛБ. В работе [9] исследуется возможность применения нечеткой логики для разработки САР уровня кубовой жидкости ректификационной колонны. В [10] описывается решение задачи адаптивной настройки ПИД-регуляторов на скважине путем построения САР технологических процессов добычи газа на базе нечеткой логики. В работе [11] описан подход к проведению синтеза адаптивных САУ сложных ОУ методами нечеткой логики. В [12] разработана методология синтеза НР ПИД-типа, позволяющая учитывать как технологические, так и технические требования к САУ, созданным на основе нечеткого логического вывода. В статье [13] рассматриваются методы проектирования баз знаний (БЗ) НР на основе моделей интеллектуальной САУ на примере динамически неустойчивого ОУ типа «каретка - перевернутый маятник». Статья [14] посвящена разработке общих моделей САР, основанных на ПИД-регуляторе и НР. Результаты моделирования свидетельствуют о высокой эффективности использования методов нечеткой логики при разработке САР по сравнению с ПИД-регуляторами. Сравнение НР и ПИД-регулятора в задачах контроля уровня нефти в баке было выполнено в работе [15]. В работе [16] выполнен сравнительный анализ переходных процессов в САР напряжения повышающего импульсного преобразователя с НР и ПИД-регулятором. Результаты анализа показали, что при НР достигается лучший переходной процесс при условиях действия скачкообразных изменений напряжения питания или сопротивления нагрузки.
Постановка задачи
Экспертная информация об алгоритмах управления процессом в БСК может быть представлена математически и включена в модель управления процессом. Это могут быть различные высказывания, связанные с состоянием оборудования БСК, характеристиками поступающего ка-тализата и пр. Выражаются такие высказывания словами типа «велик», «большое», «малый» и т. д. На основе аппарата теории нечетких множеств данную информацию, предварительно представленную в виде продукционных правил типа «Если..., то...», включают в БЗ НР технологических параметров (температуры, давления, расхода и т. д.) [17].
В условиях резкого изменения режима работы БСК или при существенном изменении его характеристик ухудшаются показатели качества переходного процесса и возникает необходимость в изменении параметров НР [18].
При анализе процесса в БСК как ОУ определено возмущающее воздействие - перепад температуры в СК, которое существенно влияет на регулирование температуры низа СК.
Поэтому целью исследования является разработка САР температуры низа СК с НР при различных режимах и исследование влияния параметров настройки НР на качество переходных процессов.
Математическое описание ОУ и САР
температуры низа СК с ПИД-регулятором
Известна передаточная функция (ПФ) ОУ при нулевом возмущении АТ = 0 :
Н (5) = 1,5 • ехр(-3 • 5) -(81,06 • 52 +13,53 • 5 +1)-1. (1)
Возмущение АТ описывается экспоненциальной функцией вида:
АТ (I) = к • ехр( - ^Т),
АТ (0 = - (к/Т) • ехр( - 1/Т), (2)
АТ"(I) = (к/Т2) • ехр( - 1/Т). где к - начальное значение АТ, °С; Т - постоянная времени, мин.
Ранее полученная ПФ для ОУ с возмущениями АТ типа (2) имеет вид:
1,5 • (Т • 5 +1) • ехр(-3 • 5)
Р(5) =
+ -
(Т • 5 +1) • (81,06 • 52 +13,53 • 5 +1) к • (13,53 - Т - 81,06/Т)
- +
(3)
(Т • 5 +1) • (81,06 • 52 +13,53 • 5 +1)' Выбрано несколько произвольных значений параметров к и Т возмущений типа (2), и построены их графики зависимостей (рис. 1).
д^-с \
\ 4 3
2 1
О 5 10 15 20 25 30 35 ЬМЫН
Рис. 1. Графики зависимостей для возмущений
с различными параметрами: 1) к = 1,6; Т = 9; 2) к = 1,8; Т = 9,5; 3) к = 2; Т = 10;
4) к = 2,2; Т = 10,5; 5) к = 2,4; Т = 11
Необходимо разработать САР температуры низа СК с ПИД-регулятором на основе ПФ ОУ (3) с различными возмущениями (рис. 1).
ПИД-регулятор описывается ПФ следующего вида:
Нр (5) = Кп • [1 + 1/(Тя • 5) + Тд • 5] . (4)
В пакете БШиНпк системы МЛТЬЛБ ОУ представлен следующей структурной схемой (рис. 2).
Т а б л и ц а 1
№
1 Р (5) = 7,16 • (9 • 5 +1)-1 X X (81,06• 52 +13,53• 5 +1)-1
2 Р (5) = 8,1 • (9,5 • 5 +1)-1 х X (81,06• 52 +13,53 • 5 +1)-1
3 Р (5) = 9,152 • (10 • 5 +1)-1 х х (81,06• 52 +13,53 • 5 +1)-1
4 Р (5) = 10,32 • (10,5 • 5 +1)-1 х х (81,06• 52 +13,53 • 5 +1)-1
Р(5) = 11,61 (11 5 +1)-1 х
X (81,06• 52 +13,53 • 5 +1)-1
Для ПФ ОУ (табл. 1) рассчитаны настройки ПИД-регулятора методом Циглера - Никольса [19]. ПФ ПИД-регулятора при различных режимах приведены в табл. 2.
Т а б л и ц а 2
№ Н(8)
1 Н (5) = 0,44 + 0,025 • 1/ 5 +1,92 • 5
2 Н2 (5) = 0,39 + 0,02 • 1/5 +1,83 • 5
3 Н (5) = 0,345 + 0,017 • 1/5 +1,725^ 5
4 Н4 (5) = 0,31 + 0,0Ь1/ 5 +1,55 • 5
5 Н (5) = 0,28 + 0,015 • 1/ 5 +1,33 • 5
Разработка НР температуры низа СК
НР ПИД-типа получает на входе ошибку регулирования температуры низа СК, ее интеграл и производную. Общая структура НР температуры низа СК приведена на рис. 3. Входной вектор X может принимать значение длины от одного до трех [21].
Рис. 2. Структура ОУ в пакете БтиУтк системы МЛТЬЛБ
При изменении параметров к и Т в ПФ (3) изменяется составляющая ПФ по возмущению при неизменной составляющей по каналу регулирования (рис. 2). Поэтому анализ переходных процессов в настоящем исследовании выполнен для ветви возмущения.
Для рассмотренных параметров к и Т по формуле (3) получены ПФ ОУ для 5 произвольных режимов процесса (табл. 1).
Рис. 3. Структура НР
Вектор входа НР температуры низа СК при прохождении через блок фаззификации Е становится нечетким X*. В результате нечеткого логического вывода в базе знаний получаем нечеткую выходную переменную и*. При прохождении переменной и через блок дефаззификации БЕ получаем поступающий на ОУ «четкий» сигнал управления и.
В базе знаний НР содержатся описания термов лингвистических переменных (ЛП) и правил управления. Разработка базы знаний является основной задачей при получении модели НР ПИД-типа для конкретного ОУ.
Множество возможных правил НР представляет собой декартово произведение количества термов для терм-множеств входных ЛП. Например, если каждая из трех входных ЛП описывается 5 термами, то имеем 125 возможных правил с неопределенными заключениями. Проведение такой процедуры является процессом за-
5
Информатика, вычислительная техника и управление
труднительным. Поэтому приведем требуемые упрощающие допущения для разработки НР.
1. Использование дифференциальной составляющей в НР служит только для уменьшения влияния перерегулирования.
2. Применение интегральной составляющей в НР практически не влияет на быстродействие и приближает к нулю статическую ошибку.
С помощью методики [23] произведем расчет НР для ПФ, приведенных в табл. 1. Здесь будут использованы результаты расчета настроек ПИД-регулятора, представленные в табл. 2.
Будем разрабатывать НР ПИД-типа по следующей схеме. Посредством команды fuzzy в окне MATLAB вызывается Редактор фази-инференционной системы (Fuzzy Inference System Editor). Выбрана система нечеткого вывода типа Мамдани. Задаем три входные ЛП с именами «p» (ошибка регулирования температуры низа СК), <«» (интеграл ошибки регулирования температуры низа СК) и «d» (производная ошибки регулирования температуры низа СК), а также одну выходную ЛП с именем «u» (изменение положения вентиля).
С помощью Редактора функций принадлежности (ФП) системы MATLAB можно задать ФП всех термов выбранных ЛП, используя опыт экспертов (операторов установки КР). Изображение ФП после задания ЛП для НР ПИД-типа с коэффициентами ПИД-регулятора P = 0,345, I = 0,017, D = 1,725 представлены на рис. 4. Здесь все ЛП, кроме d, описываются семью треугольными термами (NB, NM, NS, ZE, PS, PM, PB). В окне Редактора функций принадлежности при описании переменной d, соответствующей дифференциальной составляющей ПИД-регулятора, заданы три терма треугольной формы - N, ZE и P. К выходной ЛП добавляется еще два терма N и P. Также в этом окне заданы диапазоны изменения ЛП:
• для входных ЛП НР задаются следующие симметричные диапазоны изменения: p е[- 1/P ;l/P], i е[- 1/1 ;1/1], d е [- l;l] (первоначально), где P - пропорциональный коэффициент ПИД-регулятора; I - интегральный коэффициент ПИД-регулятора; параметр d определяется методом подбора;
• для выходной ЛП НР диапазон изменения будет следующий: y е [0; С], где значение С при единичном входном сигнале изменяется в пределах от 1,1 до 2, что необходимо для компенсации данного возмущения. При увеличении значения С динамическая ошибка уменьшается, а время регулирования и степень затухания процесса увеличиваются [23].
Рис. 4. ФП типа gbeUmf в окне Редактора функций принадлежности
С учетом рекомендаций эксперта получено 52 правила для БЗ разрабатываемой системы нечеткого вывода. Нечеткие отношения между параметрами p, i и u НР приведены в табл. 3.
Т а б л и ц а 3
База правил НР
p i
NB NM NS ZE PS PM PB
NB NB NB NB NB NM NS ZE
NM NB NB NB NM NS ZE PS
NS NB NB NM NS ZE PS PM
ZE NB NM NS ZE PS PM PB
PS NM NS ZE PS PM PB PB
PM NS ZE PS PM PB PB PB
PB ZE PS PM PB PB PB PB
База правил (табл. 3) дополняется тремя правилами отношения между параметрами d и к. если d = N, то u = N если d = ZE, то u = ZE; если d = P, то u = P.
Фрагмент базы правил для НР температуры низа СК приведен на рис. 5.
Рис. 5. Фрагмент базы правил НР из окна Редактора правил Rule Editor
На основе вышеизложенного построена САР температуры низа СК с НР ПИД-типа с коэффициентами ПИД-регулятора Р = 0,345, I = 0,017, В = 1,725. Структурная схема САР в системе МЛТЬЛБ представлена на рис. 6.
Рис. 6. Структура САР температуры низа СК с НР в пакете Б1тиИпк системы МЛТЬЛБ
рис. 7.
Рис. 7. Переходной процесс в САР температуры низа СК с НР
Исследование влияния параметров
НР на качество переходных процессов
Аналогичным образом разработана САР температуры низа СК с НР с системой нечеткого вывода Сугено. Переходной процесс в САР с системой Сугено представлен на рис. 8.
11 ; I
1.......1.Д.....
Рис. 8. Переходной процесс в САР температуры низа СК с НР с системой нечеткого вывода Сугено
Анализируя рис. 7 и 8, заключаем, что САР температуры низа СК с НР с системой Мамдани
превосходит по показателям качества процесса ее аналог с системой Сугено.
Поэтому дальнейший анализ САР температуры низа СК с НР будем производить для системы нечеткого вывода Мамдани.
Структурные схемы САР температуры низа СК с НР при различных режимах представлены на рис. 9.
Переходной процесс в системе изображен на
Рис. 9. САР температуры низа СК с НР при различных режимах в пакете 81тш1тк системы МЛТЬЛБ
Сравнительная оценка основных показателей качества переходных процессов в САР температуры низа СК с НР при различных режимах приведена в табл. 4.
Т а б л и ц а 4 Оценка показателей качества
№ Перерегулирование, °С Интегральный критерий качества, [-]
1 0,02 1579
2 0,0212 2222
3 0,031 3051
4 0,03 5057
5 0,027 3775
При режиме № 1 (рис. 1) переходной процесс обладает наилучшими показателями качества, т.е. при возмущении с параметрами к = 1,6 и Т = 9 достигается наибольший эффект от применения НР.
Переходной процесс в САР температуры низа СК с НР для режима № 1 изображен на рис. 10.
Информатика, вычислительная техника и управление
/ 1 1 1
1
1 1 : 1 ; - ———
V ;
Анализируя рис. 7 и 12, заключаем, что САР температуры низа СК с НР с ФП типа trimf превосходит по показателям качества процесса ее аналог с ФП типа gbellmf.
Общий вид ФП типа gaussmf в окне Редактора функций принадлежности представлен на рис. 13.
Рис. 10. Переходной процесс в САР температуры низа СК с НР для режима № 1
Исследуем эффективность использования других форм ФП ЛП для разработки САР температуры низа СК с НР для режима № 1. В Редакторе функций принадлежности MATLAB рассмотрим следующие типы ФП: trimf - треугольная ФП; gbellmf - обобщенная колоколообразная ФП; gaussmf - гауссова ФП.
Общий вид ФП типа gbellmf в окне Редактора функций принадлежности представлен на рис. 11.
□ Membership Function Editor fuzzy2 _ □ £
File Edit View
FIS Variables ЕЭШ Ш d Membership function plots plot points | 181
NM X NS ZE PS Ш PU x>:
input variable "p"
Current Variable Currert Members** Function (click iNF to select)
Name p Name
Type input Type В tnmf
Range 11-2 273 2 273| Params
Display Range ; 1-2 273 2 2731 Help Close 1
Рис. 13. ФП типа gaussmf в окне Редактора функций принадлежности
Структурная схема сравнения показателей качества переходных процессов САР температуры низа СК с НР с ФП типа trimf и gaussmf представлена на рис. 1 4.
Рис. 11. ФП типа gbellmf в окне Редактора функций принадлежности
Переходной процесс в САР температуры низа СК с НР с ФП типа gbellmf изображен на рис. 12.
Рис. 14. Сравнение САР температуры низа СК с НР с ФП типа trimf и gaussmf в пакете Simulink системы MATLAB
На основании схемы (рис. 14) получаем в одной системе координат на рис. 15 переходные процессы в САР температуры низа СК с НР с ФП типа trimf и gaussmf.
Рис. 12. Переходной процесс в САР температуры низа СК с НР с ФП типа gbellmf
Рис. 15. Переходные процессы в САР температуры низа СК с НР с ФП различных типов: 1 - trimf, 2 - gaussmf
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
Сравнительная оценка основных показателей качества переходных процессов в САР температуры низа СК с НР с ФП типа Мт/ и gaussmf приведена в табл. 5.
Т а б л и ц а 5
Оценка показателей качества
Тип ФП Перерегулирование, °С Интегральный критерий качества, [-]
trimf 0,02 1680
gaussmf 0,005 1216
САР температуры низа СК с НР с ФП типа gaussmf значительно превосходит по показателям качества процесса ее аналог с ФП типа trimf.
Для иллюстрации работы построенной САР температуры низа СК с НР с ФП типа gaussmf рассмотрим частный случай, при котором ошибка регулирования температуры низа СК равна 1,5, интеграл ошибки равен 20 и производная ошибки 0,0002. В результате нечеткого вывода получаем значение изменения положения органа управления 1,32, которое соответствует нормальному режиму работы органа. Результат нечеткого вывода для данных значений ЛП после процедуры дефаззи-фикации приведен на рис. 16.
Рис. 16. Графический интерфейс программы просмотра правил НР
Для разработанной САР температуры низа СК с НР получена поверхность нечеткого вывода (рис. 17).
Рис. 17. Поверхность нечеткого вывода в окне Просмотра поверхности
Полученную графическую интерпретацию зависимости значений выходной переменной НР от входных (рис. 17) можно использовать для реализации разработки НР температуры низа СК при программировании промышленного контроллера.
Заключение
В результате исследования выполнено моделирование САР температуры низа СК с НР при различных режимах. При исследовании влияния режимов процесса, типа системы нечеткого вывода или формы ФП были выявлены наилучшие показатели качества САР температуры низа СК с НР с ФП типа gaussmf системы нечеткого вывода Мамдани при действии на ОУ возмущения с параметрами к = 1,6 и Т = 9. В данной САР температуры низа СК качество переходных процессов определяется перерегулированием, равным 0,005 °С, и интегральным показателем качества - 1216. Разработан НР для управления скоростью перемещения вентиля на входе СК при регулировании температуры низа СК. Предложена нечеткая модель управления СК в системе МЛТЬЛБ. Лингвистическое описание переменных и правила БЗ НР - экспертная информация, полученная от операторов установки КР. В результате замены ПИД-регуляторов НР будет упрощена настройка САУ процессом КР и улучшено качество процесса за счет использования экспертной информации.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Проталинский О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов / Астрахань : Изд-во Астрах. гос. техн. ун-та, 2004.
2. Кондрашева Н.К., Кондрашев ДО., Абдульминев К.Д. Технологические расчеты и
Информатика, вычислительная техника и управление
теория каталитического риформинга бензина : учеб. пособие. Уфа : Монография, 2008. 160 с.
3. Немчинов Д.В., Проталинский О.М. Снижение риска аварийной ситуации на производственном объекте // Вестник Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2009. № 1. С. 111-116.
4. Проталинский О.М. Проверка достоверности первичной информации в АСУ ТП с использованием нечетких множеств // Изв. высш. учеб. заведений. Северо-Кавказский регион. Сер.: Технические науки. 2003. № 3. С. 60.
5. Балакирев В.С., Проталинский О.М. Применение математического аппарата нечетких множеств для автоматизации технологических процессов // Измерения, контроль, автоматизация: состояние, проблемы, перспективы. 1985. № 2. С. 85.
6. Немчинов Д.В., Проталинский О.М. Система принятия управленческих решений по снижению влияния субъективного фактора как причины аварийной ситуации // Вестник Астрахан. гос. техн. ун-та. Сер.: Управление, вычислительная техника и информатика. 2011. № 2. С. 43-48.
7. Борулько В.Г. Синтез нечетких ПИД-регуляторов // Междунар. техн.-эконом. журнал. 2012. № 3. С. 56-61.
8. Билюков Р.А., Астапович Ю.М. Разработка нечёткой модели управления процессом низкотемпературной сепарации природного газа // Вестник Саратов. гос. техн. ун-та. 2009. Т. 4. № 2 (43). С. 92-95.
9. Багрин Е.В., Коваленко С.Н., Левенец А.В. Моделирование системы нечеткого регулирования уровня кубовой жидкости ректификационной колонны // Вестник Тихоокеан. гос. ун-та. 2010. № 4. С. 61-68.
10. Неклассический подход к классической проблеме регулирования / П.А. Агапов и др. // Прикасп. журнал: управление и высокие технологии. 2009.№ 1. С. 78-82.
11. Масютина Г.В., Лубенцов В.Ф. Структурно-параметрический синтез адаптивной системы управления на основе нечеткой логики // Известия ЮФУ. Технические науки. 2010. № 5 (106). С. 165-170.
12. Грязнов И.Е., Баринова И.А. Моделирование систем регулирования основанных на классическом и &22у-регуляторах // Известия
Волгоград. гос. техн. ун-та. 2010. Т. 6. № 12 (72). С. 77-79.
13. Решетников А.Г., Ульянов С.В. Метод извлечения знаний из физически измеряемого сигнала обучения: проектирование баз знаний нечеткого регулятора // Системный анализ в науке и образовании. 2013. № 1. С. 211-248.
14. Бураков М.В., Коновалов А.С. Синтез нечетких логических регуляторов // Информационно-управляющие системы. 2011. № 1. С. 22-37.
15. Коберси И.С., Абдулмалик А.М., Игнатьев В.В. Сравнение нечеткого и ПИД регулятора в задачах контроля уровня нефти // Известия ЮФУ. Технические науки. 2013. № 2 (139). С.253-260.
16. Косчинский С.Л., Ретинский С.Н. Сравнительный анализ динамики импульсного повышающего преобразователя постоянного напряжения с линейным и нечетким ПИД регуляторами // Информационные системы и технологии. 2004. № 3 (4). С. 125-129.
17.Антонов О.В. Оптимальное управление процессом каталитического риформинга с использованием гибридной математической модели : дис. ... канд. техн. наук. Астрахань, 2003. 186 с.
18. Джамбеков А.М. Моделирование переходных процессов в нечеткой системе регулирования расхода стабильного катализата установки каталитического риформинга // Тр. Северо-Кавказск. филиала Моск. техн. ун-та связи и информатики. 2014. № 1. С. 210-214.
19. Джамбеков А.М. Управление процессом каталитического риформинга на основе экспертной информации // Новые материалы и технологии: состояние вопроса и перспективы развития : сб. материалов Всерос. молод. науч. конф. Саратов, 2014. С. 382-387.
20. Завьялов В.А., Величкин В.А. Расчёт параметров ПИД-регулятора // Вестник Поволжья. 2014. № 5. С. 190-192.
21.Ханова А.А. Концепция системы интеллектуального управления стратегически-ориентированным предприятием // Экономика, статистика и информатика. 2011. № 1. С. 187-193.
22. Проталинский О.М. Методология интеллектуального управления слабоформализуемыми химико-технологическими процессами : дис. ... докт. техн. наук. Астрахан, 2004. 427 с.
23. Джамбеков А.М. Дискретная система управления процессом каталитического
ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙ СООБЩЕНИЯ
риформинга на базе нечеткой логики // Перспективы развития информационных технологий : тр Всерос. молод. науч.-практ. конф. Кемерово, 2014. С. 52-53.
24. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб. : БХВ-Петербург, 2005. 736 с.
УДК 621.762 Ершов Владимир Александрович,
доцент кафедры автоматизации производственных процессов, Иркутский национальный исследовательский технический университет,
тел. 8-9025-12-27-01, e-mail: [email protected] Горовой Валерий Олегович, аспирант физико-технического института, Иркутский национальный исследовательский технический университет, тел. 8-950-060-5267, e-mail: [email protected] Карлина Антонина Игоревна, ведущий научный сотрудник отдела инновационных технологий ФТИ, Иркутский национальный исследовательский технический университет,
тел. 89501201950, e-mail: [email protected]
УПРАВЛЕНИЕ ТЕХНОЛОГИЧЕСКИМ ПРОЦЕССОМ ПЕРЕРАБОТКИ ОТХОДОВ
КРЕМНИЕВОГО ПРОИЗВОДСТВА
V. A. Ershov, V. O. Gorovoy, A. I. Karlina
CONTROLLING TECHNOLOGICAL PROCESS OF RECYCLING OF SILICON
PRODUCTION WASTE
Аннотация. Разработана автоматизированная система управления технологическим процессом попутного получения концентратов наноструктур. Представлено техническое и программное обеспечение системы, которая включает в себя локальные АСУТП и программно-технические комплексы, разделяемые по технологическому назначению. Рассмотрены основные технологические параметры, контролируемые и управляемые АСУТП. Представлен перечень входных аналоговых сигналов. Рассмотрен состав нижнего уровня АСУТП цеха по производству линейки наносодержащей продукции, программно-технического комплекса теплообменного аппарата и коагулятора. Представлены требования к режимам функционирования АСУ ТПКН. Показано, что разработанная автоматизированная система управления технологическим процессом попутного получения концентратов наноструктур предусматривает возможность развития структуры системы, включающей увеличение количества точек измерения, используя запас 10 % по сигналам ввода-вывода. При этом программное и информационное обеспечение АСУ ТПКН предполагает изменение конфигурации системы и возможность её расширения за счет модернизации и ввода новых задач (комплексов задач и алгоритмов).
Ключевые слова: автоматизация, отходы кремниевого производства, управление технологическим процессом, программно-технический комплекс, концентрат наноструктур.
Abstract. Automated process control system for associated obtaining concentrates of nanostructures is developed. The technical and system software, which includes a local process control system and software, and hardware that are shared by the technological purpose are presented. The main technological parameters controlled and managed by the APCS are considered. The list of input analog signals is given. The composition of low-level control system of the plant for nanomaterial products production, software and hardware complex heat-exchanger and coagulator are reviewed. The requirements to the functioning modes of the ACS TPKN are given. It is shown that the developed automated process control system of associated obtaining concentrates of nanostructures provides the opportunity for the development of the system structure, including increasing the number of measurement points using a margin of 10 % on signals of input / output. Thereby software and information support of automated control systems involves changing the configuration of the system and possibility of its expansion through modernisation and the introduction of new tasks (complexes of tasks and algorithms).
Keywords: automation, silicon production waste, process control, software and hardware, nanostructures concentrate.
Введение 10]. В Норвегии после официального принятия
Как известно, способы производства нано- технологических решений в виде стандартов и со-
структур в виде шаровидного диоксида кремния и ответствующих спецификаций с 1980 года микро-
фуллереноподобного углерода требуют специаль- кремнезем используется как модифицирующая
ных мощностей, повышенного расхода сырья и добавка в бетон [11]. В настоящее время в каче-
энергии [1-4]. Микрокремнезем - неотъемлемый стве модификатора прочности бетонов и строи-
побочный продукт производства кремния и фер- тельных смесей наибольший интерес исследовате-
росилиция. Получают путем очистки газообраз- лей представляет «наносилика» [12-14]. Для мас-
ных выбросов металлургической отрасли, что сового использования наноматериала актуальным
улучшает экологическую обстановку на заводах, является разработка технологических решений по
но создает значительную проблему утилизации [5- созданию высокотехнологичного производства.
