Нейросетевая система управления процессом термохимического обезвоживания нефтяных эмульсий
 Скачать 4.35 Mb.
|
3.8.1 Первый контур адаптации В первом контуре адаптации производится расчет управляющего воздействия на основе эталонной модели процесса для достижения цели управления – соответствия значения выхода системы заданному значению. Структура контура представлена на рисунке. Рисунок 3.8 – Первый контур адаптации В первом контуре решается стандартная задача одноконтурного регулирования с обратной связью. Целью управления является подбор такого значения вектора параметров V, при котором объект управления (его 94 эталонная модель) даёт на выходе значение G, равное U. Обеспечивается выполнение условия: 0 G U E (3.7) Чтобы статическая ошибка системы была равна нулю, необходимо чтобы в регуляторе содержалась интегрирующее звено [32]. Поэтому искомым законом будет ПИ-закон регулирования. Расчет параметров регулятора производится при настройке системы управления, так как необходимо учитывать нелинейность зависимостей выходной величины от входных воздействий у объекта управления. Таким образом, первый контур адаптации позволяет исключить транспортное запаздывание объекта управления и регулировать подачу реагента–деэмульгатора и температуру сразу при получении значения обводненности нефти на входе на технологическую установку. 3.8.2 Второй контур адаптации Во втором контуре адаптации производится корректировка управляющего воздействия под реакцию объекта управления с учетом влияния на него внешних возмущений. Структура контура адаптации представлена на рисунке 3.9. Рисунок 3.9 – Схема второго контура адаптации 95 Для синтеза контура адаптивного управления представим объект управления в общем виде [12]: ) , , ( z u x f x , (3.8) где x – многомерный вектор состояний объекта; x - производная по времени вектора состояний; u – сигналы управления, z – вектор неизвестных параметров. Структура объекта представлена на рисунке 3.10. Рисунок 3.10 – Общая структура объекта управления Цель управления состоит в слежении за эталонным состоянием M x объекта, то есть в обеспечении условия: 0 ) ( lim t t , (3.9) где M x x t ) ( – функция ошибки слежения. Если предположить, что параметры z являются известными, получается уравнение управляющего сигнала: ) , , ( z x x U u M (3.10) На основе этого уравнения и известных параметров с помощью методов современной теории автоматического управления синтезируется неадаптивный регулятор. Для синтеза адаптивного регулятора необходимо заменить в выражении (3.10) неизвестные параметры z на настраиваемые параметры zˆ Таким образом, получены выражения для адаптивного регулятора: ) ˆ , , ( z x x U u M , (3.11) 96 ) , ( ˆ x z , (3.12) где ) , ( x – функция алгоритма адаптации, которую необходимо определить в процессе построения адаптивного регулятора. Для упрощения структуры алгоритма адаптации необходимо при его построении опираться на базовые (канонические) структуры, применяемые для управления параметрически неопределенными объектами. Основой для синтеза структуры алгоритма адаптации является определение канонической модели ошибки одного из следующих видов: вид 1 – статическая модель ошибки; вид 2 – динамическая модель ошибки с измеряемым вектором состояния; вид 3 – динамическая модель ошибки с измеряемым выходным вектором. Статическая модель ошибки описывается уравнением: z T , (3.13) где z z z ˆ – ошибка неизвестных z и настраиваемых zˆ параметров объекта; ) (t – вектор функций времени (регрессор). Задача синтеза регулятора статической ошибки состоит в выборе параметров настройки zˆ , чтобы все сигналы в замкнутой системе были ограниченными, и выполнялось условие: 0 ) ( lim t t (3.14) Стандартный алгоритм адаптации для компенсации статической ошибки имеет вид: z ˆ , (3.15) где 0 – коэффициент адаптации. Модель ошибки и алгоритм адаптации модели к ней представлены на рисунке 3.11. 97 а) статическая модель ошибки; б) алгоритм адаптации. Рисунок 3.11 – Структуры модели ошибки и алгоритма адаптации В адаптивной системы управления процессом термохимического обезвоживания нефти модель ошибки будет иметь статический вид в установившемся режиме при управлении по выходной переменной. Такая модель называется регрессионной [12]. Основной вклад в рассогласование выходного сигнала вносит конструкция аппарата. Далее синтезируем блок адаптивного регулятора для компенсации статической ошибки. Для реализации алгоритма адаптации построен регулятор объекта управления, который представляет собой блок, в котором параметр настройки zˆ представлен передаточной функцией регулятора рег W изменяющимся в соответствии со значением – погрешности, при которой необходимо производить корректировку управляющих воздействий. Проинтегрируем выражение и представим zˆ как передаточную функцию регулятора рег W , представив в пространстве отображений. В таком случае передаточная функция регулятора примет вид: s W рег 1 (3.16) Таким образом, регулятор объекта управления для адаптации к статической ошибке реализует интегральный закон регулирования с подобранным коэффициентом 98 В регуляторе объекта управления, указанном на рисунке 3.9 производится сравнение параметров Y и G. В случае, когда верно неравенство: Tp e G Y , (3.17) изменение параметров регулятора не производится. В случае, когда неравенство принимает вид: Tp e G Y , (3.18) регулятор начинает уменьшать значение рег W В случае, когда неравенство принимает вид: Tp e G Y , (3.19) регулятор увеличивает значение рег W Так как при изменении входной обводненности подача реагента- деэмульгатора может изменяться в некотором диапазоне (от 10 до 50 г/т), регулятор должен сохранять свои адаптивные функции даже при большом изменении входного параметра. Из-за большой инерционности процесса и влияния помех F коэффициент рег W должен быть устойчив к случайным воздействиям и выполнять функции приведения значения Y к значению G в соответствующий момент времени. Второй контур адаптации «Объект управления – Регулятор объекта управления» позволяет отработать ошибку расчета величины входного воздействия V и учесть влияние помех F. Таким образом, регулятор объекта управления производит сравнение прогнозной выходной величины эталонной модели G и реальной выходной величины объекта управления Y в момент времени, при которых на объект подавались те же самые значения управляющих воздействий, которые перед этим подавались на вход эталонной модели. 99 3.8.3 Третий контур адаптации Третий контур адаптации выполняет функцию сбора рабочих значений управляющих параметров и выходного значения объекта управления по следующему отношению: ) , , ( T t Q f E (3.20) После накопления достаточного количества данных для формирования новой эталонной модели, полученные данные используются для обучения нейросетевой модели. В таком случае не требуется исходная таблица экспериментальных данных лабораторных исследований. Одной из возможностей, которые предоставляет третий контур адаптации, является способность адаптировать любую модель объекта управления, под технологический процесс. Таким образом, обеспечивается инвариантность к выбранной технологии обезвоживания, а также независимость от типа и качества реализации изначально заложенной в систему эталонной модели. Практическая реализация такой функции заключается в хранении данных в цифровом виде на специальном устройстве. В условиях промышленной АСУТП это производится с помощью SCADA-системы и сервера архивных данных. 3.8.4 Общая структура системы Общая структура системы управления с учетом передаточных функций блоков, составляющих технологическую установку, а также с учетом всех трех контуров адаптации представлена на рисунке 3.13. 100 Рисунок 3.12 – Система адаптивного управления Преимущества такой системы заключаются в следующем: «быстрый» первый контур адаптации «Эталонная модель – Регулятор эталонной модели» позволяет по заданному входному воздействию U подобрать управляющие воздействия на объект управления V. В рамках величины транспортного запаздывания объекта управления длительностью расчёта значения V, то есть длительность переходного процесса на эталонной модели, является пренебрежимо малой. «медленный» второй контур адаптации «Эталонная модель – Объект управления» позволяет адаптировать входное воздействие под реальный объект управления с учетом его характерных особенностей. «периодический» третий контур управления позволяет актуализировать эталонную модель на основе реальных значений управляющих воздействий и выходной величины объекта управления. 101 3.9 Моделирование адаптивной системы управления процессом термохимического обезвоживания нефтяной эмульсии Многомерный многосвязный нелинейный характер объекта управления не позволяет аналитически рассчитать параметры его функционирования, поэтому как единственный возможный способ такого описания используется имитационное моделирование Для моделирования системы управления была построена модель в программном комплексе MATLAB. С помощью программного пакета Simulink имеется возможность моделировать любые непрерывные и дискретные процессы с широкими возможностями настройки параметров функционирования модели (рис. 3.14). При создании модели были использованы следующие элементы: Source – источник сигнала для задания значения входного воздействия. Transfer Function – передаточная функция линейного динамического объекта, заданная в пространстве состояний. User-defined function – свободно описываемая функция для описания преобразований входных сигналов в выходной. Neural Network – блок, содержащий в себе модель предварительно обученной нейронной сети с определённой структурой, синаптическими весами и смещениями. Saturation – для задания ограничений на минимальное и максимальное значение сигнала. Transport Delay – блок задержки входного сигнала на предварительно заданное число шагов моделирования. дополнительные блоки для сложения, вычитания, интегрирования и мультиплексирования сигнала. 102 Рисунок 3.13 – Simulink-модель системы управления процессом термохимического обезвоживания нефтяной эмульсии 103 Параметры «flowN» - скорость входного потока нефти, «HumidIn» - входная обводнённость нефти поступают с измерительных преобразователей на входе в аппарат. Блок 1 отвечает за ввод входных параметров процесса с датчиков КИП, а также ручной ввод параметров. В блоке 3 выполняется адаптация (корректировка) управляющего параметров. Входное управляющее воздействие (расход деэмульгатора) принимается от блока расчёта 2 и передаётся на блок 4 объекта управления. По команде блока 5 входное управляющее воздействие может быть увеличено или уменьшено в процессе адаптации. В блоке 4 находится модель объекта управления – блок термохимического обезвоживания. Модель объекта представляет собой нейронную сеть, аналогичную модели процесса, с транспортным запаздыванием выходного воздействия и различными переменными и постоянными возмущениями. В блоке 5 производится расчёт параметров адаптации и реализуется функция (3.16). Для этого выходное значение модели объекта из блока 4 сравнивается с выходным значением модели процесса из блока 2. Для устранения разницы между выходными значениями двух моделей на механизм адаптации подаётся команда об увеличении, либо об уменьшении входного воздействия (расхода деэмульгатора). Эталонная модель процесса включена параллельно объекту управления и корректирует управляющие воздействия – расход деэмульгатора и температуру нагрева эмульсии. Регулятор производит выбор значений управляющих параметров, основываясь на реакции нейронной сети, как эталонной модели объекта, на входные воздействия (изменение свойств и состава сырья). Механизм адаптации производит подстройку управляющих параметров в блоке «FlowDAdapt» с учётом реакции эталонной модели объекта и модели 104 реального объекта на входные параметры, а также на основе прямых и косвенных измерений необходимых переменных с использованием датчиков или вычислительных блоков. Такая структура системы управления позволяет использовать эталонную модель без ограничения сложности её реализации. Входные параметры: обводненность на входе ( 1 W ), % об.; требуемая обводнённость на выходе ( 2 W ), % об.; скорость потока жидкости ( F ), м 3 /мин; объем аппарата (V ), м 3 ; коэффициент заполнения аппарата (c ); Параметр «Коэффициент заполнения аппарата» определяется из технического паспорта. Для горизонтальных цилиндрических отстойников это зависит от точек установки вводов и выводов жидкости. Для трёхфазного сепаратора с нефтесборником учитывается высота перегородки и объём нефтесборника. Обычно коэффициент заполнения аппарата равен 0.75. Параметры F , V , c необходимы для расчёта времени T пребывания жидкости в аппарате, значение которого подаётся на вход эталонной модели. Блок «Эталонная модель» представляет собой нейронную сеть, на вход которой подаётся матрица значений Q , t , T размером [3x1]. В блоке 2 производится расчёт необходимого управляющего воздействия на основе нейросетевой модели объекта. Управляющие параметры затем поступают на блок 4 объекта управления через блок адаптации 3. Блок адаптации производит корректировку управляющего воздействия по формуле (3.16). 105 3.10 Алгоритм управления Алгоритм работы системы управления представлен на рисунке 3.15. Как видно из алгоритма, в процессе работы корректировка управляющего воздействия производится во втором контуре адаптации при условии, что выходная величина не соответствует уставке, а корректировка в первом контуре адаптации производится при изменении величины обводнённости на входе. В то же время, проверка уставки выходной обводнённости производится со смещением по времени на величину времени запаздывания (времени пребывания жидкости) в аппарате. 106 Рисунок 3.14 – Алгоритм работы систему управления Корректировка управляющих величин Q,t Первый контур Начало Получение значений технологических параметров W1, F с датчиков Выходная обводненность W2 соответствует уставке? Продолжение работы Нет Да Нет Ввод значений уставок W 2 , c, V Запуск системы Получение значений технологических параметров W 1 , F с датчиков и расчет управляющих величин Q, t в первом контуре адаптации Автоматическая подача деэмульгатора и нагрев Входная обводненность W 1 изменилась? Да Ожидание времени запаздывания Второй контур 107 3.11 Исследование динамики процесса Для динамического исследования процесса термохимического обезвоживания нефтяной эмульсии и установления характера взаимного влияния параметров используется разработанная имитационная модель в пакете Simulink программного комплекса MATLAB. В качестве модели объекта управления была использована разработанная эталонная модель в виде нейронной сети. Для сравнения динамических свойств разработанной адаптивной системы со свойствами неадаптивных систем были рассмотрены система управления на основе ПИ-регулятора и система управления с предиктором Смита [66]. Структурная схема системы с ПИ-регулятором представлена на рисунке 3.16. Рисунок 3.15 – Схема управления с помощью ПИ-регулятора Расчет параметров настройки регулятора производится с помощью стандартного инструмента Tune блока PID Controller до достижения объектом переходного процесса без перерегулирования. Переходный процесс системы и параметры с автоматическими и с ручными настройками ПИ- регулятора в пакете Simulink приведены на рисунке 3.17. 108 а) автоматические настройки ПИ-регулятора; б) ручная настройка без перерегулирования. Рисунок 3.16 – Настройки ПИ-регулятора Предиктор Смита используется для того, чтобы запаздывание не оказывало влияние на качество переходных процессов [11]. Структурная схема системы с предиктором Смита представлена на рисунке 3.18. 109 Рисунок 3.17 – Схема управления с помощью предиктора Смита Окно настройки предиктора Смита в пакете Simulink представлено на рисунке 3.19. Рисунок 3.18 – Окно настройки параметров предиктора Смита 110 Результаты расчетов ошибок управления, расхода деэмульгатора и накопленного превышения целевого значения (уставки) представлены в таблице 3.1. Адаптивная система показала более высокое качество управления в сравнении с ПИ-регулированием и предиктором Смита. Управление с предсказанием эффективнее реализуется адаптивной системой с эталонной моделью, так как накопленная ошибка управления у такой системы самая низкая. Также результатом применения адаптивной системы стало снижение расхода деэмульгатора. Проблемы, возникающие из-за скачкообразных изменений входной обводнённости при необходимости поддержания заданной уставки выходного параметра, решаются снижением уставки. При ПИ-регулировании для компенсации скачкообразных возмущений уставка снижалась на 0.5%. В случае предиктора Смита уставка снижалась на 0.3%. При управлении адаптивной системой уставку достаточно снизить на 0.1% для поддержания одинаковой с предыдущими способами точность управления. Таблица 3.1 – Сравнение различных способов управления |