Автоматика.
    Автоматизация.
        Электротехнические
            комплексы и системы.

УДК 62.52:621.86

ПОВЫШЕНИЕ КАЧЕСТВА ФОРМИРОВАНИЯ СМЕСЕЙ СРЕДСТВАМИ

ИНТЕЛЛЕКТУАЛИЗАЦИИ АЛГОРИТМОВ УПРАВЛЕНИЯ

ПОРЦИОННЫМ ДОЗИРОВАНИЕМ

Хобин В.А.

Процессы порционного дозирования являются важной составной частью многих отраслей промышленности: металлургической, строительных материалов, пищевой, комбикормовой и др. Соответствие получаемой в его ходе смеси заданному рецепту в самой существенной степени определяет качество готовой продукции, ее себестоимость и конкурентоспособность. Реализовать необходимую степень этого соответствия призваны алгоритмы управления процессом, реализуемые системами управления, которыми оснащаются комплексы дозирования.

На сегодняшний день ситуация в рассматриваемой области характеризуется следующими важными моментами: 1. Количество компонентов в смесях растет, в том числе, за счет дорогих добавок, передозировка или неравномерное распределение которых в смеси может резко ухудшить ее свойства, а, например, для комбикормовой промышленности – сделать смесь токсичной. Это предопределяет непрерывное повышение требований к качеству процесса дозирования. 2. Контроль качества смеси по объективным показателям непосредственно в ходе дозирования практически невозможен, а после формирования смеси – весьма затруднителен. При этом такой контроль может лишь констатировать фактические значения показателей качества, но изменить их практически уже нельзя. 3. Во всех отраслях промышленности для управления процессом дозирования все более широко распространяются контроллеры и ПЭВМ, на базе которых можно реализовать алгоритмы управления любого интеллектуального уровня.

Таким образом, предприятия, где производятся смеси, стремясь получить высококачественный продукт, объективно нуждаются в повышении точности дозирования, а существующие программно-технические средства, которые могут быть использованы в системах автоматического управления дозаторами, создают для этого материальную основу. Казалось бы, в таких условиях, эта проблема давно должна быть решена, по крайней мере, на тех предприятиях, где используются средства вычислительной техники и тензометрия. Но практика показывает, что она сохраняется и после модернизации систем.

Удобства, которые позволяют создать оператору процесса дозирования современные средства отображения информации, безусловно, важное преимущество модернизированных систем. Повышение точности измерения массы, если оно фактически достигнуто, при замене рычажной системы измерения на тензометрическую, также является прогрессивным моментом. Но сами по себе оба эти нововведения не способны решить указанную проблему в принципе [1 – 3].

Во-первых, в смеси, получаемой в каждом цикле дозирования принципиально важное значение имеет не абсолютное значение измеренной массы каждого компонента, а соотношение их масс. При этом даже если весоизмеритель имеет большую мультипликативную составляющую погрешности (аддитивная составляющая легко компенсируется ее отнесением к массе тары), то она никак не повлияет на соотношение компонентов и, значит, качество смеси. Использование весоизмерителей более высокой точности даст возможность лишь более точного измерения массы отдозированных компонентов и только косвенно повлиять на качество смеси.

Во-вторых, процесс формирования смеси, с точки зрения обеспечения заданного соотношения в ней необходимых компонентов, не так прост, как кажется на первый взгляд. Кажущаяся простота провоцирует разработчиков алгоритмов управления процессом дозирования на такие же простые и, казалось бы, совершенно очевидные, а, следовательно – не требующие специальных исследований, пути их совершенствования. Основное направление совершенствования – учет значений фактического «пересыпа» («недосыпа») компонентов в текущем цикле дозирования, чтобы в следующем на такую же величину уменьшить (увеличить) заданную массу дозируемого компонента. При этом ожидается, что если не в следующем цикле, то в ближайших автоматически будут найдены такие скорректированные («рабочие») заданные значения масс дозируемых компонентов, при которых будет скомпенсирован эффект «досыпки» материала после отключения его питателя. Это означало бы, что отдозированные компоненты будут иметь массы, рассчитанные исходя из заданного соотношения их в смеси, т.е. решение проблемы.

Отказ от кажущейся простоты и использование профессионального подхода, базирующегося на теории автоматического управления, позволяет сделать вывод, что введение коррекций, подобных описанной, означает, что в алгоритм системы управления вводится отрицательная обратная связь, которая может кардинально изменить динамику процессов дозирования. В частности, если реализовать алгоритм «коррекции досыпки» таким, как здесь он описан (по некоторым данным именно такой алгоритм часто используют), то он может привести к неустойчивости процесса. В этом случае, качество смеси в каждом отдельном цикле дозирования будет хуже, чем с простейшими алгоритмами управления. Остается также неясным вопрос количественного влияния точности весоизмерительного канала системы управления на точность формирования смеси.

Очевидно, что на реальном объекте выявить все эти особенности и отработать алгоритмы, обеспечивающие высокую эффективность систем управления, практически невозможно. Альтернатива этому – применение имитационных математических моделей [4], которые позволят исследовать процессы дозирования, в том числе разрабатывать эффективные алгоритмы на основе компьютерных («машинных») экспериментов.

Цель настоящей статьи – рассмотреть сформулированные выше проблемы и предложить обоснованные алгоритмы управления процессом дозирования, реально обеспечивающие повышение точности формируемой смеси.

Перспективным и экономичным направлением повышение качества смеси, является совершенствование алгоритмов управления, использующих более глубокую переработку информации о фактическом (измеренном) значении массы отдозированного материала, т.е. как и для всяких систем управления с обратными связями, эффективность систем управления дозированием будет определяться «интеллектуальным» уровнем алгоритмов управления. А он, в свою очередь, - количеством выявленных и учтенных в алгоритме тех особенностей объекта управления, которые влияют на точность дозирования, т.е. на степень соответствия рецепту фактических концентраций каждого компонента в смеси.

Для оценки погрешности дозирования, по крайней мере, в ходе машинных экспериментов, целесообразно использовать следующие нормированные оценки [2]: 1) для каждого отдельного (i-того) компонента с осреднение по всем «m» циклам дозирования – ; 2) для каждого отдельного цикла дозирования с осреднением по всем «n» компонентам, входящих в смесь – ΔR^н(j); 3) для смеси в целом - с осреднением и по циклам дозирования и по компонентам – ΔR^н:

                         , ; ;                   (1)

                                   , ;                            (2)

         .      (3)

Рассмотрим, первоначально, алгоритмы управления процессом дозирования, хорошо известные и часто встречающиеся на практике:

1) Алгоритм с заданным, фиксированным для всех циклов, законом изменения суммарной массы весоизмерительного бункера. Структурная схема САУ с таким алгоритмом приведена на рис. 1. Характерный прототип такого алгоритма реализован в дозаторе с рычажным весоизмерительным механизмом и циферблатной головкой, по окружности которой устанавливаются бесконтактные датчики положения стрелки. При срабатывании этих датчиков выдаются команды на останов приводов питателей.

Рис. 1. Структурная схема САУ с алгоритмом с заданным, фиксированным для всех

циклов, законом изменения суммарной массы весоизмерительного бункера

Положения (значения шкалы отградуированной в массе), в которых устанавливаются датчики, рассчитывается из выражения:

                                                            ,                                                    (4)

где  - заданные значения масс (нетто) отдозированного продукта в весоизмерительном бункере, которые он должен иметь после завершения дозирования i-того компонента (), если его заданная концентрация в смеси равна , а заданная масса смеси в j-том цикле . Они остаются неизменными для всех циклов дозирования.

2) Алгоритм управления с заданными, фиксированным для всех циклов, значениями масс дозируемых компонентов. Структурная схема САУ с таким алгоритмом приведена на рис. 2. Является одним из широко распространенных простейших алгоритмов, реализуемых, например, в КДК [2].

Рис. 2. Структурная схема САУ с алгоритмом управления с заданными,

фиксированным для всех циклов, значениями масс дозируемых компонентов

(здесь и далее символ Z^–1 означает запаздывание на один цикл дозирования)

Расчёт заданного значения массы бункера, при котором должна быть прекращена работа питателя i-того компонента, осуществляется суммированием заданной массы i-того компонента к измеренному значению суммарной массы отдозированных в j-том цикле дозирования компонентов:

                                  .                           (5)

3) Алгоритм управления с заданными значениями масс дозируемых компонентов, корректируемых для каждого последующего цикла на величину погрешности их дозирования в предыдущем цикле (с коррекцией досыпки). Структурная схема САУ с таким алгоритмом приведена на рис. 3. Сущность алгоритма состоит в том, что для текущего (j-того) цикла дозирования заданное значение массы i-того компонента  корректируется на величину ошибки дозирования ΔM_i(j – 1) =  -  в предыдущем (j-1) цикле. При этом обеспечивается упреждение или запаздывание на отключение питателя. Величина упреждения (запаздывания) в данном случае будет соответствовать величине передозировки (недодозировки) в предыдущем цикле дозирования i-того компонента.

                                    .                                     (6)

Рис. 3. Структурная схема САУ с алгоритмом управления с коррекцией досыпки

       Последующие алгоритмы управления являются новыми.

4) Алгоритм с коррекцией заданного значения массы по результатам всех предыдущих циклов дозирования. Структурная схема САУ с таким алгоритмом приведена на рис. 4. Сущность алгоритма состоит в том, что для текущего (j-того) цикла дозирования заданное значение массы i-того компонента  корректируется на величину ошибки дозирования во всех предыдущих циклах:

                                               ;              (7)

                                                              ,                                             (8)

где  – заданная доля i-того компонента в смеси;

M^с – масса смеси.

Рис. 4. Структурная схема САУ с алгоритмом с коррекцией заданного значения массы

по результатам всех предыдущих циклов дозирования

5) Алгоритм оптимизации качества смеси. Структурная схема САУ с таким алгоритмом приведена на рис. 5. Сущность алгоритма управления состоит в расчете заданных значений массы i-того компонента с учет уже отдозированных компонентов, при чем для компонента, который дозируется первым, заданное значение массы остается неизменным и определяется из выражения (9) с учетом непереполнения весоизмерительного бункера:

.                                           (9)

где r_i – объемная масса (плотность) i-того компонента;

k_зд – коэффициент заполнения бункера;

V_с^зд – заданный объем, который должна занять формируемая смесь.

Рис. 5. Структурная схема САУ с алгоритмом оптимизации качества смеси

Начальные заданные значения масс последующих компонентов определяются из выражения (10):

                                  ,    ,                                            (10)

а их оптимальные значения с помощью процедуры оптимизации со следующим критерием оптимизации (11):

.(11)

6) Совместное использование алгоритмов с коррекцией заданного значения массы по результатам всех предыдущих циклов дозирования и оптимизацией качества смеси. Суть алгоритма состоит в том, что для текущего цикла дозирования заданное значение массы i-того компонента опреде­ляется процедурой оптимизации с учетом уже отдозированных компонентов, после чего корректируется по ошибке дозирования во всех предыдущих циклах.

Результаты моделирования процессов дозирования с рассмотренными вариантами алгоритмов управления 1 – 6 иллюстрируются в табл. 1. Некоторые результаты моделирования процессов дозирования смеси с  = {0,6; 0,24; 0,12; 0,04}^т с рассмотренными вариантами алгоритмов управления 1 – 3 иллюстрируются на рис. 6, где представлены графики изменения нормированной погрешности ΔR^н(j) по всем циклам дозирования. Для алгоритмов 4 – 6 характер процессов изменения погрешности дозирования аналогичен алгоритмам 1 и 2, но имеет меньшую дисперсию. Значения других оценок погрешности сведены в таблицу. При этом там приведены результаты моделирования не только для весоизмерительного устройства с классом точности 0,5, но и с классом точности 0,1, что соответствует весьма хорошей измерительной системе на основе тензодатчиков.

Анализ результатов моделирования (подчеркнем, что здесь представлены только их фрагменты), показывает:

А. Переход от алгоритмов управления с фиксированной («жёсткой») для всех циклов дозирования программой отключения питателей (алгоритм 1) к алгоритмам которые учитывают фактически (близкое к фактическому) отдозированное значение массы предыдущего компонента (алгоритм 2) повысило качество формирования смеси. Это проявляется в приближении средних значений концентрации в смеси всех компонентов  к , уменьшении «разброса» r_i(j) от , т.е. уменьшения  и . В итоге нормированная погрешность ΔR^н снижается примерно в 2 раза.

Б. Применение в алгоритме управления обратных связей для компенсации погрешностей дозирования (алгоритм 3), т.е. переход к алгоритму с коррекцией досыпки в той форме, как он интуитивно, без специальных исследований, часто реализуется, приводит, вопреки ожиданиям, к резкому снижению качества формируемой смеси. При этом, если оценивать качество смеси только по средним значениям концентраций компонентов , то создаётся впечатление, что такие алгоритмы управления более эффективны, т.к.  ближе к . Это впечатление соответствовало бы действительности, если бы все отдельные порции смеси, формируемые в каждом цикле дозирования, могли бы быть перемешаны между собой. Поскольку это невозможно, то вся партия смеси оказывается неоднородной по своему объёму. Об этом свидетельствуют большие значения ,  и ΔR^н. В приведенном примере изменения ΔR^н(j) видно, что в ней присутствует, помимо случайной, детерминированная составляющая, которая возрастает по мере увеличения количества отвесов. Она отражает неустойчивость системы с таким алгоритмом управления, а её характер сильно зависит от начальных условий.

В. Алгоритм с коррекцией заданного значения массы по результатам не только последнего, как в предыдущем случае, а всех предыдущих циклов дозирования (алгоритм 4) позволяет преодолеть проблемы, возникающие при использовании предыдущего алгоритма.

Г. Дальнейшее повышение точности формирования смеси возможно за счет перерасчета заданного значения массы каждого дозируемого компонента (кроме первого) на основе оптимизационной процедуры, которая минимизирует отклонение от заданного соотношения компонентов с учетом результатов дозирования предыдущего компонента (алгоритмы 5, 6).

Д. Весьма существенное повышение класса точности весоизмерительного устройства (с 0,5 до 0,1), т.е. вплоть до предела реально достижимого сегодня в производственных условиях (уровень коммерческой точности), что обеспечивает снижение относительной погрешности измерения массы в 5 раз, снижает нормированную погрешность дозирования примерно только в два раза.

а)

б)

в)

Рис. 6. Иллюстрация изменения нормированной погрешности ΔR^н(j) в каждом цикле

дозирования и по всей смеси в целом ΔR^н при его моделировании с тремя различными

алгоритмами управления: а) алгоритм 1; б) алгоритм 2; в) алгоритм 3

(ΔR^н – среднее значение ΔR^н(j) по всем отвесам)

Дальнейшее повышение точности дозирования возможно за счет использования имитационных моделей непосредственно в алгоритмах управления, например, для целей прогнозирования.

1. Карпин Е.Б. Средства автоматизации для измерения и дозирования массы. – М.: Машиностроение, 1971. – 469 с.

2. Практичні рекомендації щодо поліпшення якості роботи багатокомпонентних вагових дозаторів на комбікормових підприємствах. // В.В. Дудник, В.М. Манзій, О.М. Бурячинський. – Київ, 1993. – 33 с.

3. Хобин В.А., Дец Д.В. Автоматизация процессов порционного многокомпонентного весового дозирования: проблемы, пути решения, перспективы // Хранение и переработка зерна, 2001. – № 1. – с. 60 – 61.

4. Хобин В.А., Дец Д.В. Имитационная математическая модель многокомпонентного весового дозатора периодического действия // Наук. пр. Одес. нац. акад. харч. техн. / Міністерство освіти і науки України. – Одеса: 2003. – Вип. 26. – С. 171 – 177.