基于模糊Smith控制的智能阀门定位器研究.doc

基于模糊Smith控制的智能阀门定位器研究 拟投期刊： 张浩1，王昕2*，王振雷1* (1华东理工大学化工过程先进控制和优化技术教育部重点实验室，上海200237； 2上海交通大学电工与电子技术中心，上海200240 *通讯作者：王振雷，E-mail: wangzhen_lecust.edu.cn *通讯作者：王昕，E-mail: wangxin26sjtu.edu.cn) 摘 要：智能阀门定位器作为调节阀的核心附件，在工业控制中决定系统的动静态性能。由于工业调节阀中广泛存在时滞的现象，导致调节阀的动态响应变差，控制回路整体性能有所减弱，快速性大大降低。对此，本文提出一种基于模糊原理的带有Smith预估器的智能阀门定位器控制方法，通过Smith预估器来克服时滞对系统性能的影响，通过模糊控制实现参数的自动整定，两者结合来提升系统性能。这种方法能兼顾工业生产过程对快速性和稳定性的要求。仿真结果表明，模糊Smith控制方法比模糊内模控制方法和传统PID方法更能有效提高调节阀的快速性，改善系统性能。 关键词：智能阀门定位器；模糊Smith；模糊内模；时滞 中图分类号：TP277 文献标识码：A Research on Intelligent Valve Positioner Based on Fuzzy-Smith Control Method ZHANG Hao 1, WANG Xin2*, WANG Zhenlei1* (1Key Laboratory of Advanced Control and Optimization for Chemical Processes, East China University of Science and Technology, Shanghai 200237, China; 2Center of Electrical & Electronic Technology，Shanghai Jiao Tong University, Shanghai 200240, China *Corresponding Author: WANG Zhen-lei, E-mail: wangzhen_lecust.edu.cn *Corresponding Author: WANG Xin, E-mail: wangxin26sjtu.edu.cn) Abstract：As the core of the control valve accessories, intelligent valve positioner determines the static and dynamic performance of the system in the industrial control system. Because of the widespread phenomenon of time delay, the dynamic response of the system becomes worse, the overall performance is weakend, and the speed of the system is greatly reduced. In this regard, this paper proposes a Smith predictive control method for intelligent valve positioner based on fuzzy theory, which can overcome the influence of time delay on the performance of the system by the the Smith predictor and achieve parameters self-tuning by the fuzzy theory and improve the system performance by combining two methods. This method can satisfy the requirements of rapidity and stability of the industrial production process. The simulation results show that the Fuzzy-Smith control method can effectively improve the speed and improve the dynamic performance of the system more than the traditional PID method and internal model control method based on fuzzy theory. Key words：intelligent valve positioner ; fuzzy smith; fuzzy internal model control; time delay 收稿日期：2016年月日；修回日期：2016年月日。 基金项目：国家自然科学基金面上项目（21376077）；国家自然科学基金优秀青年基金（61422303）；上海市自然科 学基金(14ZR1410000)；资助上海市自然科学基金(14ZR1421800)；流程工业综合自动化国家重点实验室开放课题基金资助项目(PAL-N201404)。 作者简介：张浩(1993-)，男(汉)，山东、潍坊，硕士，从事控制系统性能研究； 王振雷(1975-)，男(汉)，山东、德州，教授，博士生导师，从事控制系统性能研究； 王昕(1972-)，男(汉)，辽宁、沈阳，副教授，博士，上海交通大学，从事控制系统性能研究。 1 引言 调节阀又称控制阀，它是过程控制系统中用动力操作去改变流体流量的装置。调节阀等辅助控制装置能决定工业过程控制的质量，它在一定程度上影响过程控制的调节品质。阀门定位器是调节阀的核心控制附件，通过阀门定位器可以实现精确调节流体介质的流量，这将直接影响控制系统的整体性能。在工业过程中，时滞是常见的影响系统品质的特性之一。在阀门定位器控制流量过程中存在时滞问题，通过改善阀门定位器的控制方法，可以提高系统的快速性，对优化工业过程、降低成本、提高生产效率等有很大的帮助1。 相对传统阀门定位器，智能阀门定位器不仅体现出精度提高，能耗降低，功能增多等优点，而且它能结合经典与先进的控制技术，改善控制系统的动、静态性能，满足工业上的要求2。文献3将PID控制算法与模糊逻辑控制原理结合起来，形成一种模糊自适应PID控制算法，并与传统的PID控制算法进行对比，该方法在一定程度上提高了系统的快速性。文献4和5将模糊控制算法和模糊自适应策略应用在工业过程控制中，提高了控制系统的稳定性，加快了系统的响应速度。文献6首先提出了内模控制（internal model control）设计方法，并与PID原理相结合，它是现今最常用的控制器设计方法之一。在此基础上，文献7和8将内模PID控制方法与模糊逻辑策略结合到一起，应用到工业过程中，该方法的控制器参数计算简便，便于调节，易于实现。系统既有较好的动态特性，又有较小的超调和较短的过渡时间。在大多数工业过程中，系统的动态响应及反馈过程都存在时滞，它的存在增大了控制系统的上升时间和超调量，影响控制性能和稳定性。文献9和10以一阶时滞系统(FOPDT)为控制对象，提出了基于Smith预估器的控制方案，该方法可有效消除时滞对系统动态性能的影响，加快时滞系统的调节过程。文献11把模糊PID与Smith预估器相结合，控制精度高，自适应能力强，动静态性能有很大提高。 本文将模糊内模控制方法（F-IMC）与模糊Smith控制方法（F-SMITH）应用到流量阀定位器的控制中。对过程进行建模、仿真，结果表明上述两 种方法能显著提高系统的快速性，改善系统的动态性能。其中模糊Smith方法效果更突出。 2 智能阀门定位器 2.1 智能阀门定位器简介 气动系统因其结构简单、价格低廉、以空气为介质、不污染环境等特点，使气动调节阀成为工业过程控制中的一种重要的执行部件，但由于空气介质的压缩性大、精度小，获得高精度的位置控制是当前气动技术的一大难点。随着微电子技术的不断发展，微处理芯片的集成度越来越高，己经可以在一块芯片上同时集成CPU、存储器、定时器、计数器、并行和串行接口，甚至A/D转换器等。人们把这种超大规模集成电路芯片称作“单片微控制器”，简称单片机。单片机的出现，引起了仪器仪表结构的根本性变革，以单片机为主体取代传统仪器仪表的常规电子线路，可以容易地将计算机技术与测量控制技术结合在一起，组成新一代的所谓“智能化测量控制仪表”1。智能阀门定位器使用单片机微控制器和阀位传感器取代了传统阀门定位器的机械式力矩平衡机构，使其具备许多符合现代过程控制技术要求的功能，具有传统阀门定位器不可比拟的优势：它实现了智能化，不易受环境的影响，工作稳定性好，无机械误差造成的死区影响，具有更高的定位精度和可靠性，流量特性易于修改，具有诊断和检测功能等。 2.2 智能阀门定位器工作原理 设定信号 图1 智能阀门定位器结构原理 Figure1 Structure principle of intelligent valve positioner 如图1所示，智能气动阀门定位器由微控制器、电气转换单元和阀位传感器三部分组成，具备很多符合现代工业自动化要求的性能。它采用的是以单片机为核心的控制电路，它接受来自调节器的设定 阀门开度的电流信号(4-20mA)，当阀位开度设定后，定位器根据设定值与阀位变送器的反馈的实际开度值的偏差立即控制进气阀或排气阀动作，通过充气或排气来控制气室压力。气室气体压力通过膜片作用推动阀杆动作，阀杆位置通过阀位变送器反馈到定位器实现闭环控制。如果偏差很大，则输出连续信号给压电阀；如果偏差很小，则没有定位脉冲输出；如果偏差大小适中，则输出脉冲序列给压电阀，从而使一定量的压缩空气经过压电阀进入到调节阀的执行机构的气室，推动阀芯的移动或转动，从而达到阀芯的准确定位。 以HA1D型气动调节阀为例，其行程范围为38mm，其阀门特性可以表示为工业中常见的一阶惯性时滞对象。调节阀特性传递函数如式（1）所示12。 G(s)? 1.1 2.33s?1 e?s (1) 3 控制器原理与设计 3.1 模糊控制 模糊控制是基于丰富操作经验总结出的、用自然语言表达控制策略，或通过大量实际操作数据归纳总结出的控制规则，用计算机予以实现的自动控制。它与传统控制的最大不同，在于不需要知道控制对象的数学模型，而需要积累对设备进行控制的操作经验或数据3。 模糊控制器通过检测系统的状态改变控制过程中的规则近而推理得到其输出。它的原理主要包括以下三个方面：模糊化、模糊推理和清晰化，其概念图如图2所示。 把实际测量的物理量通过比例因子转变成其语言变量论域中不同的模糊子集，这就是模糊化。模糊推理则调用数据库，而其输出子集由系统的状态来决定。清晰化是将由模糊推理所得到的模糊控制量转化成所要输出控制量的过程13。 图2 模糊推理概念图 Figure2 Concept of fuzzy reasoning 3.2内模PID控制 典型的内模控制结构如图3所示，其中P(s)为被控过程，M(s)为被控过程的数学模型，即内部模型，Q(s)为内模控制器，r、y和d分别为控制系统的输入、输出和干扰信号。 我们把内模控制结构等效变换为简单反馈控制形式，将内模控制与PID控制相结合其等效结构如图4所示14。 图3 典型内模结构控制图 Figure3 Typical structure of internal model control 图4 等效内模结构控制图 Figure4 Equivalent structure of internal model control 其设计步骤为： 步骤1：M(s)可分解成 M(s)?M?(s)?M?(s) (2) 其中， M?(s)包含了所有时滞和右半平面零点。M?(s)是具有最小相位特征的传递函数。 步骤2：定义内模控制器为： ?1 Q(S)?M?1 ? (S)F(S)?M? (S) (?s?1)? (3) s)?1 上式中，M?(为M?(s)1为低通滤(?s?1) 波器，以确保系统的稳定性和鲁棒性，?为滤波器 参数，是内模控制器仅有的设计参数。对于一阶时 滞模型而言，滤波器阶次为1。 ?Ls 因此数学模型为 M(s)? KeTs?1 (4) 上式中，K为过程稳态增益，L为滞后时间， T为过程的时间常数。 用一阶泰勒级数逼近时滞项 e ?Ls ?1?Ls (5) 将以上几式化简，可得反馈控制器为如下形式 C(s)? T1 K(?L)? K(?L)s (6) 与理想的PID控制器形式相比，得 Kp? T K(?L) (7) K1 i? K(?L) (8) Kd?0 (9) 3.3 Smith预估器 Smith预估器是针对大时滞系统设计的一种控制算法。其原理为首先得出系统的动态模型，获取模型参数；然后补偿滞后时间使控制器超前响应，从而避免了系统中纯滞后特性。Smith预估器控制框图如图5所示。 图5 Smith预估器控制图 Figure5 structure of Smith predictive control 其中Gc(s)为控制器Gp(s)为不含时滞部分的数学模型，e?s 为时滞部分。 当模型准确时，通过计算得到Smith预估器的传递函数为： Gs)Gp(s)e?s1(s)? Gc(1?Gc(s)Gp(s) ( 10) 其特征方程为 1?Gc(s)Gp(s)?0 (11) 可见，特征方程消去了滞后环节e?s ，因此Smith 预估器消除了时滞对系统动态性能的影响，减小了超调量，提高了系统稳定性，可实现对控制系统的快速响应。 3.4 模糊Smith控制系统 在模糊控制器中，偏差E、偏差变化率EC作为模糊控制器的输入，将PID控制器的调整参数? Kp、?Ki、?Kd作为输出。模糊控制器输入输出参 数的模糊子集均为 负大(NB)，负中(NM)，负小 (NS) ，零(ZO)，正小(PS)，正中(PM) ，正大(PB)，选择常用的三角函数作为隶属度函数，各子集疏密程度相等。 图6 模糊Smith控制图 Figure6 structure of fuzzy Smith predictive control 其中，E、EC 、?Kp 的论域为-3，-2，-1，0， 1，2，3；?Ki、?Kd 的论域为-0.06 ，-0.04，-0.02，0，0.02，0.04，0.06。 模糊规则如表1所示，其中U分别为 ? K p 、 ?Ki、?Kd 。 系统在运行时会时刻对偏差和偏差的变化率 进行比对，然后不断调整，进而对被控对象的静态与动态性能作出改善。三个参数在超调量、响应速度和稳态精度等多方面对系统都有所影响。 比例系数Kp能提高系统的反应速度，消除系统存在的误差。当Kp选取值过大，系统的响应速度便随之加快，从而引起了超调量，导致系统出现不稳 定性。Kp值选取过小，系统的响应速度随之变慢其调节精度也会降低许多，这样会加长调节时间。 积分系数Ki用来消除系统的稳态误差。当Ki的值选取过大，系统的静态偏差消除效果会变快，在响应过程初期时，系统的超调量会变的很大，随之系统的动态性能也会降低；但Ki的值选取过小， 减弱的积分效果很难把系统的静态偏差消除，反而会加长了过渡时间。 微分系数Kd：有预测功能，对系统中偏差的变化趋势和反馈系统偏差的变化率进行预测，它通过产生一个超前的控制作用来提升系统的超调量、动态性能及稳定性；当Kd的值选取过大，系统的制动响应作用会提前出现，这样会加长系统的调节时间，导致系统的抗扰动性能也降低。 在模糊规则选取过程中，由上述的经验以及仿真，对规则的选取和参数选择进行不断调整，最终得到适宜于控制系统的模糊规则表。 表1 模糊Smith规则表 Table1 Rules of F-Smith 3.5 模糊内模PID控制系统 建立模糊内模PID控制系统，如图7。 图7 模糊内模控制图 Figure7 structure of fuzzy internal model control 其中C(s)为等效后的反馈控制器，P(s)为被控对象，通过模糊控制器来实现参数?的修正，修正公式为?0?。将等效后的各参数搭建成 PID控制器结构，等效为PID控制。 在模糊控制器中，偏差E、偏差变化率EC作为模糊控制器的输入，参数?作为模糊控制器的输出，再由修正公式计算?，并输出到等效控制器 C(s)中，构成PID控制结构，对系统进行控制。 图8 E的隶属函数图 Figure8 membership function of E 图9 ?的隶属函数图 Figure9 membership function of E 表2 模糊内模规则表 Table2 Rules of F-IMC 下面对E、EC、U的隶属函数进行说明： 各变量均选择三角形的隶属函数，E的模糊子集取负大(NB)，负中(NM)，负小(NS) ，零负(NZ)，零正（PZ），正小(PS)，正中(PM) ，正大(PB) 。 由于液体流量是一个较为不稳定的量，每次检测到的流量值可能存在一定的波动。为了保证流量的基本稳定，在误差允许的范围内，允许E有极小的偏差，所以设置E的隶属函数中间疏、两端密。具体结构如图8所示。其中横坐标代表论域，纵坐标代表隶属度。 EC、?的模糊子集取负大(NB)，负中(NM)，负小(NS) ，零(ZO)，正小(PS)，正中(PM) ，正大(PB)。 4 仿真 4.1模糊Smith控制系统 在模糊Smith控制系统中，通过Smith预估器来克服时滞对系统的影响，通过基于模糊控制器的PID控制方法，使输出快速、有效地反映对输入量的响应。设?Kp、?Ki、?Kd的初始值为0.5，2，0.5。结合模糊控制两个输入量和三个输出量的论域，对比例因子不断调整，当E和EC的输入比例因子分别为40、0.5时，输入量与模糊控制器的论域能有效地联系；当?Kp、?Ki、?Kd的输出比例因子取0.8，0.5，0.5时，输出量能更好地进行PID控制器参数的自整定。考虑到实际对象与模型会有一定的偏差，在构造Smith预估器时，采用如下模型： G(s)? 1.1 2.2s?1 e?1.1s （12） 在单位阶跃激励下，响应如图10。 图10 模糊Smith系统阶跃响应图 Figure10 Step response of fuzzy Smith predictive control 4.2模糊内模PID控制系统 在模糊内模控制系统中，将模糊控制器的输出通过修正公式与等效反馈控制器的唯一参数?相连，再通过这个等效控制器对对象模型进行控 制。先取参数初始值?0为1，对模糊控制器的比例因子进行试凑，当E和EC的输入比例因子为0.1、2且模糊控制器输出比例因子为20时，模糊控制器能产生较好的效果。此时再对参数的初始值?0进行调整，当初始值?0为0.2时，控制器效果最佳。 在单位阶跃激励下，其响应如图11。 图11 模糊内模系统阶跃响应图 Figure11 Step response of fuzzy internal model control 4.3 对两种方法进行分析 取响应曲线上升到0.98时所用的时间作为快速性的指标，记为响应时间。 由图12、图13可得： 模糊Smith方法的响应时间为2.193s、超调量为0；模糊内模方法的响应时间为2.378s、超调量为2.8%。 图12 模糊Smith系统阶跃响应细节图 Figure12 Step response detail of F-SMITH 图13 模糊内模系统阶跃响应细节图 Figure13 Step response detail of F-IMC 可见，模糊Smith控制方法的响应时间比模糊内模控制方法要少，模糊内模方法会产生超调量，模糊Smith方法不产生超调量。综合快速性和稳定性来看，模糊Smith方法对系统性能的提升更有效。 4.4 三种控制方法比较 将传统PID控制方法、模糊内模控制方法、模糊Smith控制方法一起进行仿真，同时对比一个单位阶跃信号，观察几种方法的阶跃响应，结果如图14所示。 图14 三种控制方法阶跃响应比较图 Figure14 Comparison of three control methods for step response 在传统PID控制方法仿真时，对参数使用试凑法进行调整，当?Kp=1.6，?Ki=0.56，?Kd=0.45时，能兼顾快速性和稳态性能。 其中，传统PID控制方法的响应时间为2.761，超调量为1.04%。 模糊Smith控制方法（F-SMITH）效果最好，响应时间最短，且无超调量，有很好的快速性和动静态性能。 模糊内模控制方法比传统的PID控制方法更快速，动态性能更优，但该方法也产生了一点超调量。但就其快速性响应的性能而言，不如模糊Smith方法效果更好。 在工业过程中，智能阀门定位器将通过控制阀门的开度来控制液体流量的进出。系统响应的快速性提高能使阀门开度及时地进行调整，有利于对液体流量的大小快速达到要求，对工业生产的品质有一定的帮助。若阀门不能及时的进行响应，不仅会造成工业生产过程落后于工业要求的目标，甚至也有安全隐患。 与此同时，控制系统输出量的稳定性在生产过程中也占有很大的比重，输出量越接近设定量，控制过程越精确，越有利于生产过程的顺利进行，若系统输出不够稳定、超调较大，则不利于生产过程的精确控制，会导致生产效率不高，无形之中增加了成本，降低了经济效益。若输出大幅不稳定则可能产生安全问题。 所以，快速性和稳定性都要兼顾，需要综合考虑。由以上分析得，模糊Smith控制方法的动态响应和稳态性能均有很好的效果，能满足快速性和稳定性的要求，是一种有效的控制手段。 5 结论 本文将模糊控制与Smith预估器设计结合，构 成模糊Smith控制方法，将该方法与模糊内模以及传统PID控制方法进行对比。仿真结果显示，模糊Smith控制方法具有更好的动静态性能。对于工业过程，该方法能兼顾快速性和稳态性能，对智能阀门定位器进行及时和精确的控制提供了一种好的思路。 参考文献 (References) 1 金献军. 智能电气阀门定位器自整定算法研究D. 杭 州: 浙江大学, 2013.(Jin Xianjun. Research on self-tuning algorithm of intelligent valve positioner D. Hangzhou: Zhejiang University,2013.) 2 赵明南,杨金堂,夏中愈,张俊,全芳成. 智能阀门定位器控 制方法的研究J. 机床与液压, 2015: 43(2):141-144.( ZHAO Mingnan, YANG Jintang, XIA Zhongyu, ZHANG Jun, QUAN Fangcheng. Research on the Intelligent Valve Positioner Control Method J. Machinetool&Hydraulics,2015:43(2):141-144.) 3 ZHANG LI , FU Wenyong, LI Yanghua, DENG Haowen, LIU Hongchang. Design and simulation about a self-Tuning fuzzy-PID controllerJ. Journal of CHONGQING University of Posts and Telecommunications(Natural Science Edition), 2009, 21(2): 192-195. 4 Makara Seri Teknologi. PID Fuzzy Logic Controller System for DC Motor Speed Control J. Directory of Open Access Journals, 2004, 8(1): 25-27. 5 宋新甫,梁波. 基于模糊自适应PID的风力发电系统变 桨距控制J. 电力系统保护与控制, 2009: 37(16):50-58.( Song Xinfu, Liang Bo. Wind power system pitch control based on fuzzy self-learning emendation control theoryJ. Power System Protection and Control, 2009: 37(16):50-58.) 6 Gaicia C.E, Morari M. A Unifying Review and Some New ResultsJ. Ind.Eng.Chem.Proc.Dev,1982,21(2): 308-323. 7 C.R.Edgar, B.E.Postlethwaite. MIMO Fuzzy Internal Model ControlJ. Automatica, 2000, 36(6): 867-877. 8 白建云,尹二新,李春晖. 基于PID的模糊内模控制在炉 内脱硫系统控制中的应用J. 热力发电, 2015: 44(1):58-63.(Bai Jianyun, YIN Erxin, LI Chunhui. Application of PID Controller Based Fuzzy Internal Model Control in Furnace Desulfurization Control System J. Thermal Power Generation, 2015: 44(1):58-63.) 9 刘启辉,文云,张云龙. 基于一阶时滞系统的Smith预估 器控制研究J. 工业控制与应用, 2014: 33(9):11-14.( Liu Qihui, Wen Yun, Zhang Yunlong. Research of Smith Predictor Controller Based on First-Order Dynamics Plus Dead TimeJ. Industry Control and Applications, 2014: 33(9):11-14.) 10 N. Cyriac, J.Satheesh Kumar. Model Based Compensator for Control Valve A. Innovations in Information, Embedded and Communication Systems C. Coimbatore: IEEE, 2015: 1-5. 11 曾庆良,顾强,仉毅,刘斌斌,殷凡姣. 基于Smith模糊PID 控制的温室监控系统设计J. 计算机测量与控制, 2015: 23(6):1964-1966.(Zeng Qingliang, Gu Qiang, Zhang Yi, Liu Binbin, Yin Fanjiao. Design of Monitoring and Control System of Greenhouse Based on Smith Fuzzy PID ControlJ.Computer Measurement & Control, 2015: 23(6):1964-1966.) 12 李飞. 智能阀门定位器控制系统的研究D. 上海: 上 海应用技术学院, 2015.(Li Fei. Study on control system of smart valve positionerD. ShangHai: Shanghai Institute of Technology,2015.) 13 Rong Huigui, Zheng Hui, Li Zhengqiang, Xia Yuxiang. Tuning of Fuzzy PID Controller for Smith PredictorJ. Journal of Central South University of Technology, 2010, 17(3): 566-571. 14 Chen Juan , He Zefang , Qi Xin. A New Control Method for MIMO First Order Time Delay Non-Squere SystemsJ. Journal of Process Control, 2011, 21(4): 538-546.