Курсовая работа (т): Система автоматического регулирования расхода добавок в сушильном барабане прямоточного действия

Рис 2.1 Функциональная схема автоматического регулирования процесса сушки добавок в сушильном барабане

2.2 Система регулирования сушки добавок в сушильном барабане

Для сушки сырья используются сушильные барабаны прямоточного типа, на выходе которых влажность сырья не должна превышать 3%. Сырье подается на барабан тарельчатым питателем. Сушка осуществляется подачей в барабан топлива.

Система автоматического регулирования процесса сушки предусматривает работу барабана в режиме максимального теплоиспользования. Система состоит из двух контуров регулирования - загрузки барабана и стабилизации температуры в смесительной камере.

Рис. 2.2 Блок-схема автоматического регулирования процесса сушки добавок в сушильном барабане

Система стабилизации температуры в смесительной камере состоит из термопары Т1, регулирующего прибора Р1 и исполнительного механизма ИМ1, воздействующего на подачу газообразного топлива в топку барабана.

Вторая система - регулирование расхода добавки - двухкаскадная. Первый каскад системы в качестве датчика использует термопару Т2, установленную в барабане на расстоянии 1м от горячего конца. Съем сигнала производится посредством контактных колец и троллей. Термопара измеряет температуру газового потока внутри барабана, зависящую от влажности материала, поступающего в барабан. Экспериментальные исследования барабана как объекта автоматического регулирования показали пропорциональную зависимость температуры от количества и влажности подаваемых добавок. Сигнал от термопары поступает на регулирующий прибор Р2 и через исполнительный механизм ИМ2 воздействует на положение ножа тарельчатого питателя загрузки.

Второй каскад системы - регулирование влажности готового продукта корректирует работу первого каскада, воздействуя через исполнительный механизм ИМ3 на задатчик регулирующего прибора Р2. Влажность продукта оценивается косвенным путем при помощи контроля температуры материала на выходе барабана. Сигнал малоинерционной термопары Т3, установленной в приемном бункере на выходе барабана в специальном лотке, подан на вход корректирующего регулятора Р3.

Производственные испытания системы автоматического регулирования показали, что производительность барабана возрастает на 5%, удельный расход топлива па сушку снижается на 11%, уменьшается диапазон колебания влажности высушенных добавок.

При автоматизации достаточно сложных технологических объектов с большим числом параметров, подлежащих, контролю и регулированию, целесообразно применять малогабаритные устройства. Как правило, у таких объектов нет необходимости регистрировать показания всех точек регулирования. Для других точек достаточно вынести на щит указывающие приборы. Наконец, бывает необходимо быстро изменить схемы регулирования без изменения щитовой части. Все это можно сделать, используя существующую систему пневмоавтоматики, входящую в состав Государственной системы приборов (ГСП). В настоящее время ГСП для контроля и регулирования технологических процессов имеет следующие ветви: пневматическую, электрическую и гидравлическую.

.3 Требования к автоматизированным системам контроля и управления

При автоматизации достаточно сложных технологических объектов с большим числом параметров, подлежащих контролю и регулированию, целесообразно применять малогабаритные устройства. Как правило, у таких объектов нет необходимости регистрировать показания всех точек регулирования. Для других точек достаточно вынести на щит указывающие приборы. Наконец, бывает необходимо быстро изменить схемы регулирования без изменения щитовой части. Все это можно сделать, используя существующую систему пневмоавтоматики, входящую в состав Государственной системы приборов (ГСП). В настоящее время ГСП для контроля и регулирования технологических процессов имеет следующие ветви: пневматическую, электрическую и гидравлическую.

Нормальными условиями работы сушильного барабана, при которых система эффективно функционирует, являются:

- хорошая пропускная способность входных;

1.   непрерывность в подаче сырого материала в барабан;

2.      изменение влажности сырого материала в пределах 8-25%;

.        бесперебойность подачи топлива;

.        исправное состояние всех механизмов агрегата;

.        отсутствие переменных подсосов по всему газовоздушному тракту.

Для получения таких положительных эффектов автоматическая система регулирования должна удовлетворять следующим требованиям:

• Обеспечить статическую ошибку - не более 5 %.

• Максимальное перерегулирование σ, - не более 10 %.

• Время регулирования - не более 3с.

• Время нарастания - не более 1с.

• Запас устойчивости по амплитуде - не менее 10 дБ.

• Запас устойчивости по фазе - от 30 до 80 град.

3. Раздел автоматизации

Исходные данные к проекту:

. Регулируемая величина: Температура добавок.

. Объект автоматизации: Сушильный барабан прямоточного действия.

. Исходные данные для идентификации объекта автоматизации - dan(1401:1500)

. Интервал измерения (время дискретизации) - ТS = 0,2с.

. Передаточные функции:

• Датчика: Кg = 0,08.

• Регулируемого органа: Кро = 1,1.

• Исполнительного механизма

.1 Обоснование по выбору новой структуры модернизируемой системы автоматизации

Из общего процесса регулирования, выбираем контур подачи добавок.

Рис. 3.1 Функциональная схема контура регулирования АСР процесса сушки добавок в сушильном барабане

На основе функциональной схемы контура регулирования АСР процесса сушки сырья в сушильном барабане, составим структурно-функциональную схему (Рис.3.2), для определения автоматического регулятора.

Рис. 3.2 Структурно-функциональная схема контура регулирования АСР процесса сушки добавок в сушильном барабане

На структурно-функциональной схеме приняты следующие обозначения:

З - Задатчик; Р2 - регулирующий орган; ИМ2 - исполнительный механизм;

ТОУ - технологический объект управления; Т2 - датчик температуры.

Для анализа АСР процесса сушки сырья в сушильном барабане, составим алгоритмическую схему (Рис.3.3).

Рис. 3.3 Алгоритмическая схема контура регулирования АСР процесса сушки сырья в сушильном барабане

Для большинства элементов системы автоматизации, математические модели статических и динамических свойств известны:

• Датчика: Кg = 0,08.

• Регулируемого органа: Кро = 1,1.

• Исполнительного механизма

.

.2 Идентификация системы автоматизации

 - расход добавки, т/час

Под идентификацией динамических объектов понимают процедуру определения структуры и параметров их математических моделей, которые при одинаковом входном сигнале объекта и модели обеспечивают близость выхода модели к выходу объекта при наличие какого-то критерия качества.

В результате проведенного эксперимента был получен массив данных состоящий из 2 тысяч значений входного параметра и 2 тысяч значений выходного параметра. Для загрузки в рабочую область MATLAB массива данных необходимо выполнить команду: >>load datta

После выполнения команды в рабочей области появились массив входных переменных U и массив выходного параметра Y.

Интервал дискретизации указывается дополнительно:

>> Ts=0.1=

.100

Для объединения исходных данных в единый файл воспользуемся командой:

>> dan=iddata(y(1401:1500),u(1401:1500),Ts)domain data set with 100 samples.interval: 0.1

Unit (if specified)

Unit (if specified)

Сформированный файл указывает, что он содержит результаты 100 измерений с интервалом дискретизации 0.1 с. Входными переменными является массив U, а выходным параметром Y.

Для наглядности сформированного файла необходимо в его структуру ввести обозначения входных и выходных данных:

>> set(dan,'InputName','Расход добавки','OutputName','Темперетура')

>> dan.inputunit='т/час';

>> dan.outputunit='град Ц';

Для просмотра полной информации о полученном файле воспользуемся командой:

>> get(dan)=: 'Time': []: [100x1 double]: 'Same as OutputData': {'Темперетура'}: {'град Ц'}: [100x1 double]: 'Same as InputData': {'Расход добавки'}: {'т/час'}: Inf: 'zoh': 0.1000: []: [100x0 double]: '': 'Exp1': []: Для графического представления данных воспользуемся командой:

>>plot(dan)

Рис. 3.4 Графическое представление исходных данных

Для дальнейшего использования полученных исходных данных необходимо провести предварительную обработку этих данных с целью удаления тренда из набора данных и если необходимо отфильтровать данные с помощью имеющихся средств в пакете System Identification Toolbox. Данные операции проведем в графическом интерфейсе System Identification Toolbox, который запускается из командной строки командой: >> ident

System Identification Tool ....... done.

Импортируем файл данных в среду интерфейса с помощью команды data - import

Рис. 3.5 Импортируемые данные

Запустим режим быстрого старта, для чего в падающем меню Operations выберем Quick Start. При выборе этого режима производится:

удаление тренда из массива экспериментальных данных;

формирование усеченных массивов данных с именами dande и dandv для построения моделей.

Рис. 3.6 Температура и расход добавки

После проведения предварительной обработки данных можно приступить к нахождению оценки модели.         В предложенном списке Estimate выбираем Parametric models, данный выбор приведет к открытию диалогового окна задания структуры модели. Получим параметрические модели из предложенного списка (ARX, ARMAX, OE, BJ, State Space), оценка производится нажатием кнопки Estimate. Существует возможность изменить параметры модели в редакторе Order Editor. Воспользуемся значениями по умолчанию, за исключением ARX и State Space, у которых параметры выберем, нажав кнопку Order Selection.

Рис. 3.7 Температура

Для анализа моделей воспользуемся средствами System Identification Toolbox: Model output, Transient resp, Frequency resp.

Для анализа модели ТОУ возьмем модель arx441 для чего перетащим ее на иконку To Workspace, при этом модель arx441 появится в рабочем пространстве MATLAB.

Полученные модели представлены в так называемом тета - формате и являются дискретными. Для преобразования модели из тета - формата в вид удобный для дальнейшего использования в пакете System Identification Toolbox имеются специальные функции.

Преобразуем модель тета-формата многомерного объекта в вектор передаточных функций, связанных с выбранным входом:

>> [A, B] =th2arx (arx441)= 1.0000 -1.1324 0.0794 0.3034 -0.1239= 0 0.0098 0.0050 0.0583 0.0571

>> [num,den]=th2tf(arx441)= 0 0.0098 0.0050 0.0583 0.0571= 1.0000 -1.1324 0.0794 0.3034 -0.1239

где num, den соответственно числитель и знаменатель дискретной передаточной функции.

Получим дискретную передаточную функцию:

>> Zarx441 = tf(num, den, Ts)

function:

.009776 z^3 + 0.004965 z^2 + 0.05834 z + 0.05713

------------------------------------------------^4 - 1.132 z^3 + 0.07935 z^2 + 0.3034 z - 0.1239

time: 0.1

Преобразуем дискретную модель в непрерывную, и представим ее в виде передаточной функции:

>> sarx441 = thd2thc (arx441)time IDPOLY model: A(s)y(t) = B(s)u(t) + C(s)e(t)(s) = s^4 + 20.88 s^3 + 195.6 s^2 + 816.5 s + 1050

(s) = 1.241 s^3 - 9.629 s^2 + 68.18 s + 1082

(s) = s^4 + 31.72 s^3 + 453.1 s^2 + 3164 s + 8305

using ARX from data set eDatfunction 0.000862053 and FPE 0.00119045

>> [num1, den1] =th2tf (sarx441)=

.0e+003 *

0.0012 -0.0096 0.0682 1.0815=

.0e+003 *

.0010 0.0209 0.1956 0.8165 1.0501

>> sysarx441 = tf (num1, den1)

function:

W(p) =

Приведенные передаточные функции являются одной и той же моделью, записанной в разных формах и форматах.

Проанализируем динамические характеристики модели. Для этого воспользуемся командой: >> step(sysarx441)

Рис. 3.8 Переходная характеристика

В поле графика указаны основные характеристики переходящего процесса: время нарастания, время регулирования, установившееся значение выходной координаты.

Определим частотные характеристики моделей с помощью команды:

>> bode(sysarx441)

Рис. 3.10 Частотные характеристики

Также можно просмотреть годограф Найквиста:

Рис. 3.11 Годограф Найквиста (АФЧХ)

Значения запасов устойчивости можно определить также и в режиме командной строки MATLAB с помощью команды:

>> [Gm, Pm, Wcg, Wcp] =margin (sysarx441)= 3.6308= 158.2520= 6.4733= 0.5375

Где m - запас устойчивости по амплитуде в натуральных величинах на частоте Wcg,

Pm - запас устойчивости по фазе на частоте Wcp.

Для определения запасов устойчивости в логарифмическом масштабе необходимо выполнить следующие операции:

>> Gmlog=20*log10(Gm)= 11.2000

Как видно, определение запасов устойчивости последним способом позволяет значительно точнее вычислять эти значения, чем на графиках частотных характеристик.

Анализ частотных характеристик показывает, что модели arx441 являются устойчивыми с соответствующими запасами устойчивости.

Для решения задач анализа и синтеза систем управления важно знать ответ на другой не менее важный вопрос, чем полученные временные, частотные и статистические характеристики: обладает ли объект свойством управляемости в смысле возможности его перевода из заданной начальной точки (или области) в заданную конечную точку (или область)?

Решение проблемы управляемости основано на анализе уравнений переменных состояния и формулируется следующим образом: объект называется вполне управляемым, если выбором управляющего воздействия u(t) на интервале времени [t0> tk;] можно перевести его из любого начального состояния y(to) в произвольное заранее заданное конечное состояние y(tk).

Критерием управляемости линейных стационарных объектов является условие: для того чтобы объект был, вполне управляем, необходимо и достаточно, чтобы ранг матрицы управляемости равнялся размерности вектора состояний п.

В пакете Control System Toolbox имеется функция ctrb, формирующая матрицу управляемости в пространстве состояний. Для того, чтобы воспользоваться этой функцией необходимо вычислить матрицы А, В, С, D с помощью команды:

>> [A, B, C, D] = ssdata (sysarx441)

= -20.8836 -12.2273 -6.3792 -2.0509

.0000 0 0 0

8.0000 0 0

0 4.0000 0

=

= 0.6205 -0.3009 0.2663 1.0562

= 0

Вычислим матрицу управляемости:

>> Mu=ctrb (A, B)

=

.0e+003 *

.0020 -0.0418 0.4810 -3.5064

0.0320 -0.6683 7.6956

0 0.2560 -5.3462

0 0 1.0240

Определим ранг матрицы управляемости:

>> nMu=rank(Mu)= 4

Ранг матрицы управляемости равен 4 и размерность вектора состояния равна 4, следовательно объект управляем.