基于气动调节阀的一体化智能测控装置与应用

    0 引言

    随着过程控制装置逐渐一体化，生产过程对于控制装置的控制精度和适应性要求日趋严格。在气动控制技术方面，国外起步早、投入力度大，如日本SMC、德国FESTO等公司都成功设计出了性能良好的气压控制装置；而国内的气动技术由于起步较晚，目前大部分还处于仿真与实验研究阶段。在控制算法方面，传统PID控制因其经常性参数整定不良，对运行工况适应性差而不能很好满足要求，因此出现了多种先进控制算法，如神经网络控制、双闭环混合PID控制、线性二次自校正控制等。本文探讨了一种基于气动调节阀的智能测控装置，集气动阀门定位器、被控物理量传感器及调节器等于一体，采用参数自整定模糊PID控制算法，对被控量进行稳定、精确、快速控制。

    1 一体化智能测控装置的组成原理

    基于气动调节阀的一体化智能测控装置组成原理如图1所示。

图1 一体化智能测控装置组成原理

    过程调节器接收被控量设定值以及来自被控量传感器的被控量反馈值，按照设计的控制算法，向阀门开度调节器输出阀门开度指令。阀门的实际开度由阀门开度传感器检测得到并反馈至阀门开度调节器中。阀门开度调节器比较两个输入信号后向电磁阀输出PWM控制信号，通过改变PWM信号的占空比来控制电磁阀的通断时间，从而控制气室内的气体压力。气动执行机构将气室压力的改变转换为阀杆的直线位移或角位移，以此改变调节阀阀芯的位置，即调节阀的流通面积，进而控制流入或流出控制系统的物料或能量，实现过程参数的自动控制。

    2 控制系统数学模型

    以气体流体的压力控制为例，假设气体满足理想气体方程，执行机构选取气开式薄膜调节阀，得到的控制系统双闭环组成框图如图2所示。其中，I^*_p为压力设定值的电流信号（A）；U^*_L为阀门开度设定值的电压信号（V）；U_P为压力反馈值的电压信号（V）；U_L为阀门开度反馈值的电压信号（V）；Uc为阀位控制的电压信号（V）；P₀为气压信号（MPa）；L为阀门开度，其值为阀芯位移与阀芯总行程的比值，用百分比表示；Pc为调节得到的气缸压力值（MPa）。

图2 控制系统组成框图

    忽略执行机构气室的容积变化，气体的温度变化以及阀杆和阀芯加速运动产生的惯性力，可得到执行机构的简化数学模型：

        （1）

        （2）

    式中，e^-τs为纯滞后环节，表明电磁阀的PWM控制存在死区，A为薄膜面积（m²），B为弹簧刚度（N/mm），c为粘性摩擦系数（N·s/m），k为阀芯流体力增量比（N/mm），R为空气气体常数（N·m/kg·K），T为气体的温度（K），t_s为PWM周期（s），V₀为执行机构气室容积（L）。

    压力调节环节由气源、调节阀和气缸组成。忽略气缸的容积变化以及气体的温度变化，可得到气缸内的压力微分方程：。其中，γ为空气绝热指数，和Vc分别为气缸内压力（MPa）的变化量和缸体容积（L），Q_in为流入气缸气体的质量流量（kg·s^-1）；Q_out=k_Lp_c，为气缸的气体泄漏质量流量（kg·s^-1），其值与缸内压力成比例关系，k_L的单位为（kg·s^-1·MPa^-1）。

    忽略管道的气体泄漏，流入气缸气体的质量流量与流过调节阀口的气体质量流量相等，根据理想气体经过收缩喷管的等熵流动过程，得到：

        （3）

    式中，c_q为流量系数，W为阀芯的面积梯度（m），x_m为阀芯的最大行程（m），p_s为气源压力（MPa）。

    假设气缸内的压力与气源的比值恒定小于0.528，可得压力调节环节的简化模型：

        （4）

        （5）

    同时可得到控制系统的数学模型框图，如图3所示。图3中，P^*和L^*分别为压力设定值（MPa）和阀门开度设定值。

图3 控制系统数学模型组图

    3 控制算法设计及MATLAB仿真

    3.1 控制算法设计

    阀门开度调节器采用常规PID控制算法，其3个参数固定不变。

    过程调节器采用参数自整定模糊PID控制算法。将过程控制器的输入信号与压力传感器的反馈信号间的偏差值e以及偏差的变化量Δe作为输入，通过数据库和规则库的模糊推理，得到PID控制器中比例、积分和微分参数的调整量，进而完成3个参数的整定工作，以达到控制调节的目的。设e的基本论域为［-5，5］，Δe的基本论域为［-0.5，0.5］，ΔKp的基本论域为［-3，3］，ΔKi的基本论域为［-0.3，0.3］，ΔKd的基本论域为［-0.03，0.03］。以上5个变量的模糊子集均取为{NB，NM，NS，ZO，PS，PM，PB}，量化论域为{-6，-4，-2，0，2，4，6}。

    PID的控制参数整定规则为：1）当e与Δe同号时，若e的绝对值较大，通过选取较大的Kp，较小的Ki和中等的Kd，能够使其快速降低；若e的绝对值较小，则选取中等的Kp，较大的Ki和较小的Kd，以达到加强整个系统稳态性能的目的；2）当e与Δe异号时，若e的绝对值较大，则取适中的Kp与Kd，并减小Ki，以使得动态性能和稳态性能同时增强；若e的绝对值较小，则应降低Kp与Kd，并增大Ki，以防止系统在设定值附近出现震荡。

    按照上述整定规则建立K_p、K_i、K_d的模糊控制规则，分别如图4～图6所示。

图4 ΔK_p模糊控制规则

图5 ΔK_i模糊控制规则

图6 ΔK_d模糊控制规则

    采用最大隶属度法进行解模糊，得到ΔK_p、ΔK_i、ΔK_d完整的模糊调整规则。在线运行时，调节器的微处理系统连续地采集输入信号和反馈信号，完成偏差及其变化量的计算，并从模糊规则矩阵和模糊调整矩阵中得到Kp、Ki、Kd的调整量，进而达到控制器参数自整定的目的。

    3.2 MATLAB仿真

    根据实验室现有设备得到如下系统对象参数：A=3.2×10^-2m²，B=160N/mm，V₀=3.5L，Vc=250L，c=50N·s/m，c_q=0.68，W=0.25m，T=300K，t_s=0.3s，γ=1.4，p_s=0.8MPa，k=50N·mm^-1，k_L=1.71×10^-2kg·s^-1·MPa-1，R=287N·m/kg·K，x_m=0.15m，电磁阀的纯滞后时间为20ms。常规PID的参数设定为：K_p=10，K_i=0.03，K_d=0.05；模糊PID控制器的参数初值设定为：K_p=5，K_i=0.5，K_d=0.03。以0.15MPa目标压力调节为例，系统仿真结果如图7所示。图7中，压力调节动态响应的超调量低于15%，同时响应速度快，调节时间短，系统快速平稳地达到稳定状态，基本满足了该装置在稳定、精准、快速控制方面的设计要求。

图7 一体化智能测控装置应用仿真图

    4 装置技术实现方案简介

    基于气动调节阀的一体化智能测控装置硬件结构如图8所示。整个系统由24VDC电源供电，设定值输入与控制信号均采用4～20mA标准信号。微处理器采用TI公司出产的MSP430F449超低功耗单片机。MSP430F449带有60kB的Flash存储器，可以满足系统的程序存储要求，从而减少了外接程序存储器和地址锁存器所带来的电流消耗。人机界面的显示采用超低功耗的NJU6433芯片定制成专用字符型液晶显示模块。采用电磁阀控制气动阀门具有动作快能耗低的优点，同时由于电磁阀质量小，即使受到很大的振动也可以正常工作。系统的软件设计基于KEIL-RVMDK，采用模块化任务设计方式，实现系统信号检测、数据处理、PWM控制及人机界面的显示。

图8 一体化智能测控装置硬件结构图

    5 结束语

    本文所探讨的基于气动调节阀的智能测控装置，集气动阀门定位器与被控量测控于一体，采用参数自整定模糊PID控制，具有控制精度高、响应速度快、稳定性较强的优点。