论文部分内容阅读
工业自动化生产过程中,调节阀是整个工艺过程控制系统的终端执行件,其中气动调节阀占据约70%的份额,它的性能好坏直接影响工艺过程的安全性和稳定性。阀门定位器作为调节阀的核心附件,极大地改善了调节阀的动静态特性,增加了控制的灵活性,已成为整个调节阀控制系统的“大脑”。智能电气阀门定位器相比于传统阀门定位器具有无可比拟的优势,已然成为发展趋势和研究重点,但国内研发的核心定位控制算法在动静态性能方面存在较大的改进空间。本文属于应用研究,针对包含气动放大器、I/P转换单元、PID控制器的智能电气阀门定位器,提出了基于神经网络的双闭环系统PID参数整定算法和基于气室气压的切换控制PID算法。由于调节阀控制系统存在各类干扰因素,往往会影响到定位控制性能,针对调节阀控制系统的稳定性能,分析出影响稳定性能的干扰因素,并且提出相应的解决方案。本文提出的两种控制算法参数整定便利,并通过大量仿真研究与实体阀实验,验证了其控制性能的有效性和对不同规格调节阀的适用性。首先,在本实验室已建立的气动定位系统实验平台基础上,展开大量实体阀实验研究,发现影响调节阀控制系统稳定性的干扰因素,包括气源气压、粘滞、阀芯不平衡力。本论文提出了采用前馈控制器的方法补偿气源波动对稳定性的影响,并且提出了采用Knocker算法来消除或减轻粘滞对稳定性的影响。其次,引入气室气压来构造调节阀双闭环控制系统,提出了基于神经网络的双闭环系统PID参数整定算法。该算法采用相关分析法提取出反映阀门特性的最主要参数作为神经网络的输入层,神经网络样本集的最优PID参数获取采用IMC整定公式与手动微调的形式。最后,围绕调节阀闭环定位控制系统的快速性,提出了基于气室气压的切换控制PID算法。该算法采用硬切换形式输出控制信号,并且设计三个子控制器进行切换控制。在本实验室已搭建的调节阀测试平台和企业生产现场,将基于神经网络的双闭环系统PID参数整定算法和基于气室气压的切换控制PID算法进行测试,通过与SVP300系列智能阀门定位器闭环对比实验,验证了两种算法的有效性、差异性和适用性。