Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种智能阀门定位器控制参数动态优化调整的方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:杭州电子科技大学

摘要:本发明公开了一种智能阀门定位器控制参数动态优化调整的方法,应用在智能调节阀领域。本发明针对带有压电式智能阀门定位器的气动调节阀,通过强化学习网络不断的迭代学习,使闭环控制算法的控制参数自适应调节阀阀体、工作环境等条件的变化,实现控制参数动态优化,控制性能达到最优。本发明提高了控制算法的控制性能与环境变化情况下的自适应能力,同时避免调节阀的停机维护。

主权项:1.一种智能阀门定位器控制参数动态优化调整的方法,其特征在于:具体包括以下步骤实现:步骤A1:通过参数自整定模块整定出所需的控制参数,包括最大过冲量、最小启动PWM、最小位移量与最小速度;步骤A1所述的参数自整定模块获取所需的控制参数,具体实现步骤如下:步骤B1:首先Bang-Bang控制驱动气动调节阀进行排气,直到阀位移动到最低端位置,记录当前位置为零位pos_zero,当录前时刻记为t1;然后Bang-Bang控制驱动气动调节阀进行进气,直到阀位移动到最高端,记录当前位置为满位pos_full,记录当前时刻为t2;气动调节阀实际行程POS_FSR=|pos_full-pos_zero|,全程调节时间tFSR=|t2-t1|;步骤B2:控制气动调节阀进行排气,使气动调节阀阀位移动到零位pos_zero;定义位移阈值pos_thr=0.2%POS_FSR;定义进气阶段最小气动PWM为pwm_for,初始值设置为5%;定义pwm增益步长为pwm_step,设置默认值为pwm_step=1%;实时采集阀位反馈值pos_val,并判断是否满足|pos_val-pos_zero|=pos_thr,若不满足,则pwm_for+=pwm_step,直至|pos_val-pos_zero|=pos_thr,记录当前PWM为进气阶段的最小启动PWM,记为pwm_for;延迟tdelay后,Bang-Bang控制驱动气动调节阀进行进气,直到调节阀到达满位pos_full,同理自整定获得排气阶段的最小启动PWM,记为pwm_back;其中tdelay为时间,单位为秒,tdelay取值范围为0-10%tFSR;步骤B3:Bang-Bang控制驱动阀位到达pos_zero,延迟tdelay后,以步骤B2自整定获取的pwm_for为PWM控制信号驱动阀杆移动,每采样周期获取当前阀位pos_val,记前一时刻阀位为pos_val_bef,定义当前阀位速度pos_vel=|pos_val-pos_val_bef|,前一时刻阀位速度为pos_vel_bef;则在PWM=pwm_for控制信号下,到达阀位最终位置的阀位反馈值记为pos_val_for,则调节阀进气阶段最小速度pos_vel_for_min=Math.maxpos_vel,pos_vel_bef,最小位移量upmin=|pos_val_for-pos_zero|;延迟tdelay后,驱动阀位到达满位pos_full,同理自整定获得当PWM=pwm_back时,排气阶段的最小速度pos_vel_back_min,最小位移量downmin;其中tdelay为时间,单位为秒,tdelay取值范围为0-10%tFSR;步骤B4:驱动阀位到达pos_zero,延迟tdelay后Bang-Bang控制驱动调节阀进气运动,由步骤B3中的定义得调节阀实时阀位速度为pos_vel,实时采集调节阀的当前阀位pos_val,当前阀位速度pos_vel;定义调节阀进气最大速度为vel_up,初始值设置为0,最大速度对应的位置pos_up_max,如果pos_vel大于vel_up,则vel_up=pos_vel,pos_up_max=pos_val,直到阀位到达满位pos_full;延迟tdelay后,驱动阀位到达满位pos_full,同理自整定获得排气阶段最大速度vel_down,最大速度对应的位置pos_down_max;其中tdelay为时间,单位为秒,tdelay取值范围为0-10%tFSR;步骤B5:驱动阀位到达pos_zero,延迟tdelay后,Bang-Bang控制驱动调节阀进气运动,实时采集当前阀位pos_val,当阀位到达步骤B4获得的最大阀速位置pos_up_max时,令PWM=0,直至调节阀停止移动,并记录当前阀位pos_val,则进气阶段最大过冲量δup=|pos_val-pos_up_max|;延迟tdelay后,驱动阀位到达满位pos_full,同理自整定获得排气阶段最大过冲量δdown;其中tdelay为时间,单位为秒,tdelay取值范围为0-10%tFSR;步骤A2:根据调节阀误差信号与控制参数将控制过程划分为快速区、微调区与缓冲区,进行调节阀闭环控制;若闭环调节阀时间大于最大闭环调节时间阈值,则中断控制,并故障报警处理;步骤A2所述的闭环控制具体实现策略:步骤C1:用户给定目标阀位控制信号Ictr,记录目标控制信号的当前给定时刻为tctr;由步骤B1可知零位pos_zero,满位pos_full,定义目标阀位其中Ictr为电流,单位为mA,Ictr取值范围为4-20mA;步骤C2:实时采集当前阀位为pos_val,目标阀位pos_tar,阀位误差e=pos_tar-pos_val,绝对误差e_abs=|pos_tar-pos_val|;根据阀位误差e将调节阀控制过程分为进气阶段与排气阶段,e0,则为排气阶段,e0,则为进气阶段;根据绝对误差将控制过程分为快速区、微调区、缓冲区,各控制阶段的切换点为步骤A1自整定获得,其中最大过冲量δup、δdown为快速区与微调区的切换点,最小位移量upmin、downmin为微调区与缓冲区的切换点,定义调节阀死区范围dead为-0.02POS_FSR≤dead≤0.02POS_FSR;步骤C3:当调节阀绝对误差e_abs≤0.02POS_FSR,则令PWM=0,保持调节阀阀位稳定在目标位置;步骤C4:当e_abs>δup,则令当e_abs<-δdown,则令其中pwm_for、pwm_down为步骤B1自整定获得的最小启动pwm;步骤C5:当e_abs<δup或e_abs>-δdown时,则进入微调区;当阀位速度小于步骤B3自整定获得的最小速度时,当e_abs<δup,令PWM=pwm_for+αpwm_temp,其中pwm_temp=0.5pwm_for,当e_abs>-δdown,令PWM=pwm_down+αpwm_temp,其中当阀位速度大于最小速度时,令PWM=0,直到绝对误差进入缓冲区;步骤C6:当e_abs<upmin或e_abs>-dowmmin,则令PWM=0,使阀位利用自身惯性进入死区,从而到达目标阀位;步骤C7:实时记录当前时刻为tnow,若tnow-tctr>3tFSR则中断闭环控制,故障报警;否则,判断阀位绝对误差e_abs是否到达死区,若e_abs≤0.02POS_FSR,则进入步骤C3,若e_abs≥0.02POS_FSR,则进入步骤C4~C6;其中tFSR由步骤B1获得的全程调节时间,3tFSR为闭环调节时间最大阈值;步骤A3:在调节阀运行期间通过在线学习调节阀的动态响应指标,若调节阀响应指标不满足规定值,则基于强化学习网络进行控制参数的动态优化,实现调节阀的最优控制;步骤A3强化学习网络的控制参数动态优化具体实现:压电式智能阀门定位器控制气动调节阀运动,获取气动调节阀响应指标:阀位误差、最大超调量、调节时间等,将其作为强化学习网络的状态输入;其中阀位误差e=pos_tar-pos_val;最大超调量其中pos_val_max为阶跃响应阶段的最大阀位值;调节时间满足|pos_valts-pos_tar|≤0.02POS_FSR,其中ts为调节时间,pos_valts表示ts时刻调节阀阀位值;智能阀门定位器产生阶跃控制信号驱动气动调节阀运动,则记录当前时刻状态St,St∈S,其中{e,σ%,ts}∈St,S为状态集合;强化学习网络根据当前时刻状态St产生动作At:πa|s;其中策略π表示强化学习网络状态到动作的选择概率之间的映射,πa|s表示当St=s时,At=a的概率,其中St为当前时刻状态,At为强化学习网络在状态St下的动作输出,即步骤A2所涉及到的闭环控制策略的控制参数,进气阶段{pwm_for,pos_vel_for_min,upmin,δup}∈At,排气阶段{pwm_back,pos_vel_back_min,downmin,δdown}∈At,At∈A,A为动作集合,其中,当前状态St仅与前一个状态St-1和前一个动作At-1有关;在当前状态St,产生动作At,并产生奖励rs,a,计算奖励函数Rt: 其中Rt表示当前奖励,为奖励集合,s′,s∈S,a∈A,St-1表示前一刻状态,At-1表示前一刻状态下产生的动作;具体奖励函数设计为: 其中e表示调节阀误差值,POS_FSR为调节阀实际行程范围,当误差值小于死区0.02POS_FSR时,获得奖励值由调节时间ts与超调量σ%决定,当ts、σ%越小,则奖励值越大;当误差值0.02POS_FSR<|e|≤0.15POS_FSR时,所获得的奖励值随着误差的增大而减小;当误差值|e|>0.15POS_FSR时,奖励值为负值;强化学习网络通过奖励进行迭代学习,不断调整强化学习网络参数,使得奖励Rt达到最大值;根据气动调节阀的响应指标,输出相应的动作,从而更新智能阀门定位器控制算法中的控制参数,通过强化学习网络不断的迭代学习,使整个过程中的奖励最大,进而得到闭环控制策略的最优控制参数;当调节阀的运行环境或自身状态发生变化时,通过强化学习网络实现闭环控制策略中控制参数的动态优化,增强闭环控制策略的自适应性,最终使闭环控制算法达到最优控制。

全文数据:

权利要求:

百度查询: 杭州电子科技大学 一种智能阀门定位器控制参数动态优化调整的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。