Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Часть 41.doc
Скачиваний:
13
Добавлен:
19.08.2019
Размер:
885.76 Кб
Скачать
    1. Виды систем автоматизации и управления. Место асутп в них.

Виды систем автоматизации и управления ТП:

  1. АСР (САР) – автоматические системы регулирования (системы автоматического регулирования) – системы нижнего уровня АСУ ТП (15-20 видов), в том числе одноконтурные, каскадные, инвариантные, многосвязные, автономные, экстремальные, системы переменной структуры (СПС или Емельяновские структуры), структуры с бесконечно большим коэффициентом усиления (K → ∞, Мееровские), адаптивные системы, параметрически инвариантные компенсационные системы (ПИКС, структуры Соколова), самонастраивающиеся системы.

  2. САЛ – системы автоматического управления (5 видов):

    • системы централизованной или локальной оптимизации процесса, т.е. системы с наличием критерия оптимизации;

    • систем централизованного автоматического пуска или останова агрегата, процесса или производства;

    • системы логического управления (СЛУ) процессом или производством на базе управляющего автомата (УА);

    • системы централизованной автоматической защиты (блокировки) и выведения процесса из аварийных и нештатных ситуаций;

САЗ предназначены для устранения вредного влияния на процесс.

САБ – для сохранения (удержания) какого-то полезного действия в системе.

  • системы централизованного автоматического оперативного управления производством или предприятием по техническим или экономическим критериям.

  • АСУ (5 видов):

    • ОАСУ – отраслевые АСУ;

    • АСУ П – АСУ предприятия;

    • АСУ ТП – АСУ производством;

    • АСУ ТП – АСУ технологическим процессом;

    • ИАСУ – интегрированные АСУ, включают и АСУ П, и АСУ ТП.

  • ГАПС – гибкие автоматизированные производственные системы, оборудование используется для производства нескольких видов продукции.

  • ОСУ – организационные системы управления.

  • КСУ – корпоративные системы управления.

    Схема взаимосвязи АСУ:

    Под АСУ ТП обычно понимается комплексное решение, обеспечивающее автоматизацию основных технологических операций на производстве в целом или каком-то его участке, выпускающем относительно завершенный продукт. Термин автоматизированный в отличие от термина автоматический подчеркивает возможность участия человека в отдельных операциях, как в целях сохранения человеческого контроля над процессом, так и в связи со сложностью или нецелесообразностью автоматизации отдельных операций.

    4 Уровня в архитектуре асу тп (технические уровни)

    1) – сбор информации с объекта

    2) УСО – устройство связи с объектом (устройство согласования)

    3) – ПЛК (программно-логические контроллеры (PLC)) + ПО.

    4) HMI – системы человеко-машинного управления.

    1. Задача получения информации для неизмеряемых величин посредством полного факторного эксперимента.

    Полный факторный эксперимент (ПФЭ) – система опытов, содержащая все неповторяющиеся комбинации уровней варьирования факторов.

    Если факторы варьируются на двух уровнях, то число опытов ПФЭ будет равно 2m:

    N = 2m,

    где N – число опытов, m – число факторов.

    Пример: y=f(x1, x2, … , xm)

    Здесь y – отклик, x1, x2, … , xm – факторы.

    Число опытов: N = 2m.

    Мы имеем:

    Понятие кодированных координат.

    – кодированные координаты, где – интервал варьирования, – истинное значение, – кодированное значение.

    Составим план эксперимента.

    Ф

    0

    x1

    x2

    1

    +

    +

    0 – опыты

    Ф – факторы

    2

    +

    3

    4

    +

    Две задачи. Два вида планирования.

    В планировании эксперимента выделяют два типа задач:

    1. Задача аппроксимации – задача получения модели в окрестности заданной точки;

    2. Задача оптимизации – задача нахождения максимальной точки (см. рис. ниже – точка Х). Она распадается на два вида планирования:

    1. крутое восхождение

    1. планирование в почти стационарной области (истинный оптимум).

    Для нас важна задача 1: y=f(x1, x2, … , xm)

    Составим уравнение регрессии:

    линейный эффект эффект взаимодействия квадратичный эффект

    Приведенное уравнение является уравнением, описывающим поверхность отклика.

    В основе решения задачи 1, т. е. представления поверхности отклика в виде уравнения регрессии, лежит возможность представления любой непрерывной дифференцируемой функции в виде ряда Тейлора или его частного случая – ряда Маклорена. Ряд Маклорена: значения берутся в окрестности начала координат. Когда мы записываем в кодированных координатах, то мы именно это и делаем, т.е. переносим начало координат в нашу базовую точку.

    Основные этапы планирования по методу ПФЭ.

    Назначение критериев Кохрена, Стьюдента и Фишера.

    1. Проводится серия опытов, в результате которой проверяется их воспроизводимость (по критерию Кокрена); при этом находится оценка дисперсии воспроизводимости опытов – и оценка дисперсии среднего значения – . Другими словами, воспроизводимость – повторяемость результатов.

    2. Выбирается базовое значение (базовая точка) для проведения эксперимента и интервалы варьирования по каждому из факторов.

    3. Осуществляем переход к новой кодированной системе координат и определяем кодированные значения факторов по формуле:

    1. составляем матрицу ПФЭ или ДФЭ (дробный факторный эксперимент). При ДФЭ берется часть матрицы, если очень большое число опытов.

    2. П

      i

      роводим эксперимент в соответствии с написанным планом и получаем y экспериментальное.

    Ф

    0

    x1

    x2

    YЭ

    YП

    1

    j

    +

    +

    y1

    YП– y полученное

    2

    +

    y2

    3

    y3

    4

    +

    y4

    1. Вычисляем коэффициенты уравнения регрессии по МНК (методу наименьших квадратов):

    1. Проверим полученные коэффициенты уравнения регрессии на значимость по критерию Стьюдента.

    2. Проверка уравнения регрессии на адекватность по критерию Фишера. Проверяется, соответствует ли YЭ – YП, т.е. определяется степень соответствия.

    Свойства матрицы ПФЭ:

      1. Свойство симметричности:

      1. Свойство нормировки:

      1. Свойство ортогональности:

    Свойство имеет два положительных эффекта:

    • упрощаются формулы определения коэффициентов регрессии в сравнении с аналогичными формулами для их вычисления при пассивном эксперименте;

    • не требуется делать пересчет коэффициентов уравнения регрессии, оставшихся после вычеркивания незначимых слагаемых;