- •Часть 1
- •Глава 1
- •1.1. Общие сведения
- •1.2. Расчет настроек регуляторов в одноконтурных аср
- •1.3. Расчет настроек регуляторов в многоконтурных аср
- •1.3.1. Комбинированные аср
- •1.3.2. Каскадные аср
- •1.3.3. Аср с дополнительным импульсом по производной из промежуточной точки
- •1.3.4. Взаимосвязанные системы регулирования
- •1.4. Системы регулирования объектов с запаздыванием и нестационарных объектов
- •1.4.1. Регулирование объектов с запаздыванием
- •1.4.2. Регулирование нестационарных объектов
- •1.5. Предварительный выбор структуры
- •1.6. Оптимальная фильтрация и прогнозирование случайных процессов. Оптимальное оценивание состояния объекта
- •Глава 2
- •2.1. Последовательность выбора системы автоматизации*
- •2.2. Регулирование основных технологических параметров
- •2.3. Регулирование процессов в химических реакторах
- •2.3.2. Регулирование реакторов с перемешивающим устройством
- •2.3.3. Особенности регулирования трубчатых реакторов
- •Часть 2
- •Глава 3
- •Глава 4
- •4.1. Типовые задачи вычисления неизмеряемых величин и обобщенных показателей
- •4.2. Вычисление интегральных и усредненных значений измеряемых величин
- •4.3. Учет и компенсация динамических связей между измеряемыми величинами
- •4.4. Вычисление неизмеряемых величин по уравнениям регрессии (косвенные измерения)
- •4.5. Автоматическая расшифровка хроматограмм
- •4.6. Прогнозирование показателей процесса
- •Глава 5
- •5.1. Формирование критериев оптимальности
- •5.2. Типовые постановки задач оптимального управления технологическими процессами
- •5.3. Декомпозиция и агрегирование оптимизационных задач
- •5.4. Управление технологическими процессами с параллельной структурой
- •5.5. Оптимальное управление системами с последовательной структурой и с рециклами
- •5.6. Способы упрощения решения задач оптимального управления технологическими процессами
- •5.7. Оптимальное управление периодическими процессами
- •5.8. Уточнение модели управляемого объекта по данным текущих измерений
- •Часть 8
- •Глава 6 техническое обеспечение систем управления
- •6.1. Управляющий вычислительный комплекс
- •6.2. Устройства связи с объектом
- •6.3. Устройства связи с оперативным персоналом
- •6.4. Архитектура управляющих вычислительных комплексов
- •6.5. Системы непосредственного цифрового управления
- •Глава 7
- •7.1. Основные понятия
- •7.2. Специальное программное обеспечение асутп
- •7.3. Разработка функционально алгоритмической структуры асутп*
- •8.1. Асутп микробиологического синтеза лизина ' в биореакторах периодического действия
4.3. Учет и компенсация динамических связей между измеряемыми величинами
В формулу (4.3) для расчета ТЭП в качестве переменных Х{, как правило, входят расходы материальных и энергетических потоков, измеряемые в разных точках объекта управления.
Например, расходный коэффициент по аммиаку, являющийся одним из основных ТЭП работы агрегата по производству разбавленной азотной кислоты, равен отношению расхода аммиака, измеряемого на входе агрегата, к расходу продукционной кислоты, измеряемому на его выходе.
Для получения правильного результата при расчете оперативных ТЭП по текущим значениям измеряемых величин эти значения должны быть согласованы между собой во времени с учетом динамических характеристик объекта управления. Обычно, если хотя бы один из параметров, входящих в расчетную формулу ТЭП, измеряется на выходе объекта, то значения всех остальных параметров также «приводятся» к его выходу.
Рассмотрим простейший случай, когда в формулу (4.3) для расчета оперативного ТЭП входят величины х и у, измеряемые соответственно на входе и выходе линейного объекта 1 (рис. 4.3). Текущие значения величин х(t) и у(t) связаны уравнением
. (4.23)
где - импульсная переходная функция (ИПФ) объекта.
С учетом условия физической реализуемости ИПФ при<0 и конечной «памяти» реальных объектов
Рис. 4.3. Модель расчета оперативного ТЭПи=Цх, у):
1— объект контроля; 2—динамическое звено, моделирующее приведение сиг-вала х(1) к выходу объекта; 3 — статическое звено, моделирующее вычисле-иие ТЭП
Рис. 4.4. График к расчету приведенного значения измеряемой на входе величины к выходу объекта по формуле (4.26)
при max из (4.23) получим:
(4.24)
Текущее значение величины х(t), «приведенное» к выходу объекта (t), получают делением правой части (4.24) на коэффициент усиления k1 объекта:
. (4.25)
Вводя в рассмотрение нормированную ИПФ , получают окончательно:
. (4.26)
Формула (4.26) дает алгоритм приведения текущего значения измеряемой на входе величины к выходу объекта. Он сводится к вычислению интеграла свертки нормированной ИПФ объекта и функциих(t), взятой на отрезке времени от текущего момента tj, до tj -max (рис. 4.4). Расчет можно выполнять любым численным методом интегрирования, например методом прямоугольников. Для этого необходимо постоянно хранить в памяти УВМ т ординат нормированной ИПФ, квантованной по времени с тем же периодом t0, с которым квантована измеряемая функция х(t)~.
, (4.27)
где Int() —функция «целая часть от ».
Кроме того, для расчета требуется т ординат (отсчетов) функции х(t), начиная с полученной в текущий момент tj=jt0 и до момента tj-m-1=(j-m-1) включительно. Расчет выполняют по формуле
. (4.28)
Алгоритм (4.26) обеспечивает максимальную точность приведения к выходу объекта функции х(t), измеряемой на его входе, однако он относительно сложен и трудоемок для реализации, особенно на микро-ЭВМ. Поэтому на практике широкое распространение получили несколько упрощенных алгоритмов, рассмотренных ниже.
Обозначим через (t) текущее значение функции х(t), приведенное к выходу объекта по k-му упрощенному алгоритму. Тогда текущая методическая погрешность k-го алгоритма равна:
. (4.29)
Из сопоставления (4.24) и (4.25) следует*, что
. (4.30)
поэтому
. (4.31)
Если (t) является несмещенной оценкой (t), то с учетом (4.30) можно записать:
, (4.32)
где М{z(t)}—символ операции определения математического ожидания функции z(t); тx и тy —математические ожидания функции х(t) и у(t).
С учетом (4.32) выражение (4.31) можно преобразовать следующим образом:
, (4.33)
где ицентрированные функции (t) и у(t).
Дисперсия Dk методической погрешности k-го приближенного алгоритма приведения равна:
Из (4.30) следует, что Dy=k21Dx. Поэтому окончательно получим
, (4.34)
где и Dx дисперсия функции (t) и х(t); ()—взаимнокорреляционная функция процессов (t) и y(t).
Первым из приближенных алгоритмов приведения рассмотрим алгоритм 1, по которому приведенное значение функции рассчитывают по формуле
, (4.35)
где a, b и — параметры алгоритма.
Для обеспечения несмещенности оценки должно выполняться условие
M { }=mx. (4.36)
Найдем математическое ожидание для правой части (4.35):
М{}=amx+b.
Подставив полученное выражение в условие (4.36), определим значение параметра b, обеспечивающее несмещенность оценки :
b=mx(1-a). (4.37)
Чтобы определить оптимальные значения параметров а и , необходимо рассчитать дисперсию методической погрешности алгоритма (4.35) по формуле (4.34). С этой целью требуется найти для данного алгоритма дисперсию и значение взаимнокорреляционной функции(0). Согласно определению, можно записать:
После подстановки в эти выражения значения функции(t) из формулы (4.35) с учетом (4.37) получим:
Подстановка полученных выражений в (4.34) дает:
. (4.38)
Оптимальные значения параметров a и алгоритма приведения (4.35) получают из условий минимума дисперсии D1. Для , оптимальным, очевидно, является значение, доставляющее абсолютный максимум функции Ryx():
*=argmaxRyx(). (4.39)
Оптимальное значение параметра а находят из необходимого условия минимума функции D1 по этому параметру, т. е. из условия D1/a=0. В результате получают
a*=Ryx(*)/(k1Dx). (4.40)
Минимальное значение дисперсии методической погрешности приведения по алгоритму (4.35), получаемое после подстановки в формулу (4.38) оптимальных значений параметров * из (4.39) и а* из (4.40), равно:
. (4.41)
Другие приближенные алгоритмы приведения представляют собой частные случаи алгоритма (4.35).
Алгоритм 2 отличается от (4.35) тем, что в нем временной сдвиг =0, т. е.
=ах(t)+b. (4.42)
В этом случае значение параметра b, обеспечивающее несмещенность оценки , подчиняется условию (4.37). Оптимальное значение второго параметра алгоритма определяют по формуле (4.40), в которой *=0, так что
a*=Ryx(0)/(k1Dx). (4.43)
Минимальная дисперсия методической погрешности приведения в этом случае возрастает по сравнению с D*1 на величину
. (4.44)
Алгоритм 3 отличается от (4.35) тем, что а=1 и в силу (5.37) b=0. Поэтому
. (4.45)
Оптимальное значение единственного параметра этого алгоритма определяют по формуле (4.39). Минимальная дисперсия методической погрешности этого алгоритма равна:
. (4.46)
Алгоритм 4 отождествляет приведенное к выходу объекта значение параметра х с измеренным его значением:
=х(t). (4.47)
Дисперсия погрешности в этом случае максимальна и равна:
. (4.48)
Оценим точность различных алгоритмов приведения на примере простейшего объекта — апериодического звена с ИПФ
, (4.49)
на входе которого измеряется функция х(t), представляющая собой стационарный случайный процесс с автокорреляционной функцией
. (4.50)
Взаимнокорреляционную функцию [50] рассчитываем по формуле
Подставляя в нее выражения (4.49) и (4.50), выполняя интегрирование и группируя члены, получим:
Координату точки максимума этой функции найдем из условия
Выполняя дифференцирование и промежуточные преобразования, получим
при T>1.
Примем для определенности =1 ч и T=2 ч. Тогда
* = 0,81 ч; ; .
Согласно (4.48), (4.46) и (4.41), имеем:
; ;
Таким образом, в данном случае дисперсия методической погрешности -при использовании алгоритма 3 уменьшается по сравнению с полученной по алгоритму 4 на 16%, а при использовании алгоритма 1 она уменьшается еще в два раза. Следовательно, для приведения параметров к выходу объекта наиболее целесообразно использование алгоритма 1.