pcs7加热炉画面流程组态_PCS7在污水处理自适应模糊控制中的应用

摘要：SIMATICPCS 7是西门子针对如水处理、冶金、石油、化工等过程工业行业推出一种全集成解决方案，PCS 7包括适用于所有工业自动化层级的全系列协同产品、系统和解决方案，PCS 7是从企业管理级到控制级，一直到现场级，实现所有生产、过程混合工业的统一且可定制的自动化系统。本文主要介绍了PCS7系统在杭州萧山餐厨垃圾处理厂污水系统两级A/O池曝气环节中利用模糊控制模型以实现溶解氧含量稳定、节能为目的算法及程序处理方法。

关键词：PCS7, 污水处理，模糊控制

Abstract: SIMATIC PCS 7 is a fully integrated solution from Siemens for the processindustries such as water treatment, metallurgy, petroleum and chemicalengineering. PCS 7 includes a full range of synergistic products, systems andsolutions for all industrial automation levels, PCS 7 From the enterprisemanagement level to the control level, to the field level, a unified andcustomizable automation system for all production and process hybridindustries. This paper mainly introduces the algorithm and program processingmethod of PCS7 system in the aeration process of the two-stage A/O pool in thesewage system of Hangzhou Xiaoshan kitchen waste treatment plant using fuzzycontrol model to achieve stable dissolved oxygen content and energy saving.

Keywords: PCS7, sewage treatment, fuzzy control

一、简介

1.项目概述

    杭州萧山餐厨废弃物资源化利用项目，服务对象为餐厨垃圾、地沟油及外购毛油。建设内容包括餐厨垃圾预处理系统、油脂提取系统、厌氧发酵及脱水系统、沼气储存系统、沼气净化及预处理系统、污水处理系统、地沟油预处理系统、生物柴油制取系统及辅助配套系统。本项目餐厨垃圾处理规模为一期200吨/天，二期处理规模为400吨/天。污水处理系统设计规模近期250m3/d，远期450m3/d；项目分两期建设。航星国际自动控制工程有限公司(航星)负责对全厂污水系统、餐厨垃圾厌氧系统的低压柜(MNS抽屉式马达控制柜)、自控柜的图纸设计与制作；负责污水系统、垃圾厌氧发酵系统PCS7自控系统程序及画面的编制及调试，同时负责全厂自控系统的通讯及集成，系统包括：厌氧垃圾预处理、生物除臭、沼气净化、地沟油、锅炉系统、地磅系统、污水超滤系统、污水气浮系统、污水离心脱水等。

二、算法介绍

2.1算法意义

    在污水处理过程中，生物氧化环节(曝气环节)是其中最重要的一部分。在这一环节中，以好氧菌为主体的微生物通过生化反应处理污水中的有机污染物，决定其处理效果的关键因素之一是生化池中的溶解氧浓度(DO)。由于原水水质往往在不断的变化，在某些环境下还可能剧烈波动，这就使得按传统的时间程序控制法进行控制存在很大的弊端。曝气时间长或者曝气量大会造成大量能源的浪费，曝气时间短或者曝气量小又可能使出水水质波动大甚至不达标，所以采用固定时间固定风量进行曝气是与污水反应的实际过程相脱离的。以DO 作为SBR 法的模糊控制参数，实现对曝气量的变频控制。所以，如何通过调节鼓风机频率将DO 控制在理想状况下，就成为提高处理效率、节能降耗的关键。由于对DO 的控制无法建立准确的数学模型，同时由于曝气风机维护要求，禁止频繁快速改变风机频率，所有很难通过经典PID的控制方法进行有效控制，这就为模糊控制提供了用武之地；在这方面应用西门子PCS7控制器实现模糊控制的相关资料很少，以下将着重介绍PCS7控制系统模糊控制算法的实现方法，同时也在该领域进行一种新的探索和尝试。

2.2 DO自适应模糊控制系统介绍

    在污水处理过程中，由鼓风机将空气送到生化反应池，来提供微生物分解有机物所需要的氧气。以DO 值作为SBR 法的模糊控制参数能够在保证出水水质的前提下尽可能多地节省运行费用，并能避免曝气量的不足或反应时间过长而引起的污泥膨胀。本系统的风机转速由变频器调节，其控制原理是首先将DO 设定值与检测值进行比较得到精确量E和EC，通过模糊化变换成模糊量，再根据由大量实验数据和专家经验得出的模糊知识库把模糊输入量进行模糊推理得到相应的模糊控制量，经模糊判决将模糊控制量转化为精确控制量输出，即变频器的频率，从而实现对曝气量的变频调节。控制流程图如图1 所示。

图1 .2-1  DO 模糊控制系统流程图

2.3模糊控制器的结构选择

    所谓模糊控制器的结构选择，就是确定模糊控制器的输入输出变量。模糊控制器的结构对整个系统的性能有较大影响，必须根据被控对象的具体情况合理选择。模糊控制器的结构主要分为单输入-单输出(SISO)结构和多输入-多输出(MIMO)结构。根据污水处理的实际过程，该系统采用典型的双输入单输出二维模糊控制器，这里的维数就是输入变量的个数，输入变量分别为DO 的偏差E 和偏差变化率EC，输出变量U 为变频风机的频率VRI。

2.4模糊语言变量及论域的确定和模糊化

    模糊规则是由若干语言变量构成的模糊条件语句，它们反映了人类的某种思维方式。在确定模糊变量时，首先确定其基本的语言值，再根据需要生成若干个语言子值。一般来说，一个语言变量的语言值越多，对事物的描述就越准确，可能得到的控制效果就越好。但是，过细的划分会使控制规则变得复杂，实现起来更困难，因此应根据具体情况而定。在本系统中，对E、EC 和U 的模糊子集规定为：

E=EC=U={负大(NB)，负中(NM)，负小(NS)，零(ZO)，正小(PS)，正中(OM)，正大(PB)}

E 的基本论域为：(-0.6，0.6)，语言变量为：{-6，-5，-4，-3，-2，-1，-0，0，1，2，3，4，5，6}；

EC的基本论域为：(-0.15，0.15)，语言变量为：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；

U 的基本论域为：(-4，4)，语言变量为：{-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7}；

    模糊集合是用隶属度函数描述的，它的特征函数就称为隶属度函数。隶属度函数是模糊集合论的基础，如何确定隶属度函数是模糊控制器设计中的一个关键问题。由于模糊集理论研究的对象(本文中为变频器的频率)具有“模糊性”和经验性，因此找到一种统一的隶属度计算方法是不现实的。通常，确定隶属度函数的方法主要有：主观经验法、分析推理法、调查统计法、演绎推理法、神经网络法以及遗传算法等。本文结合了实际操作的经验和前人比较成型的设计方法，同时，为降低模糊控制器的设计难度，将E、EC 和U 的隶属函数均采用典型的高斯曲线隶属度函数，各模糊状态的隶属函数为：

PB1-EXP[-(0.5/|1-X|)25]；

PM1-EXP[-(0.25/|0.7-X|)25]；

PS1-EXP[-(0.25/|0.4-X|)25]；

Z0EXP[-(5/|X-0.05|)25]；

NS1-EXP[-(0.25/|-0.4-X|)25]；

NM1-EXP[-(0.25/|-0.7-X|)25]；

NB1-EXP[-(0.5/|-1-X|)25]。

2.5模糊控制规则和控制表的建立

    在模糊控制系统中，模糊控制器的性能对系统的控制特性影响很大，而模糊控制器的性能在很大程度上取决于模糊控制规则的确立及其可调整性。根据经验手动总结出四十九条规则，其形式为“IF E=┅and IF EC=┅thenU=┅”。所有的控制规则库如下表 所示。

表2.5-1 模糊控制规则表

    根据模糊控制规则表，对输入变量采用最大隶属度法进行反模糊化，经离线计算得到每一个状态的模糊控制器输出，即鼓风机频率的基础变化值，制成如表2 所示的模糊控制表。

表2.5-2 模糊控制表

2.6引入调整引子

    为增加模糊控制系统的稳定性和自适应能力，我们引入调整因子对控制规则进行调整，以便对变化的水环境具备自适应能力。带有调整因子的控制规则可表述为：ｕ＝－[αＥ＋(１－α)ＥＣ]，０＜α＜１。式中的α就是调整因子，也称加权因子。通过不断调整α的大小，可以改变对误差及误差变化的不同加权程度，以此进一步确定适合水质变化的模糊控制规则。在实验中，根据经验α通常取0.4-0.8 之间效果较为理想。

三、程序实现

3.1建立曝气数据DB块

    在主数据库中建立DB2,作为曝气算法的主数据块。(由于DB块用户范围受限，建立时确保在用户可用范围内)。

图3.1-1

图3.1-2

3.1.2数据含义

1.Do设定值：溶解氧含量目标值，为PCS7画面输入值

2.采样周期：为模糊控制算法的执行周期，单位为分钟，为PCS7画面输入值

3.Do基础偏差：当前溶解氧含量与目标值的差值，为PCS7画面只读值

4.Do基础偏差率：当前偏差与上一周期偏差相减值，为PCS7画面只读值

5.偏差与偏差率调整因子:范围为0~1(偏差与偏差率所占比)；0.5为中间值，对输出的影响各占50%，数值越大偏差对输出加权影响越大，数值越小偏差率对输出加权影响越大。

6.Do加权偏差：加入调整因子后得出的变差值

7.Do加权偏差率：加入调整因子后得出的变差率

8.语言化偏差：将得出的偏差值按范围转换为1~13(对应E模糊表格的-6~6)之间的数字

9.语言化偏差率：将得出的偏差率按范围转换为1~13(对应Ec模糊表格的-6~6)之间的数字

10.输出基础频率：对应输出U值为0时的输出频率

11.输出调整因子：模糊表格中输出值U所乘以的系数

12.输出频率：输出频率=基础频率+输出调整因子*表格输出值U

13.模糊偏差比较值:建立数组，12个比较值，通过大于，小于划分13个范围，得出13个语言化偏差值

14.模糊偏差率比较值:建立数组，12个比较值，通过大于，小于划分13个范围，得出13个语言化偏差率

15.语言化输出值：建立13×13(1..169)数组，得出输出值U

3.2模糊程序编制

3.2.1数据采集

1.偏差采集：将Do当前值与Do设定值相减，采集程序如下：

2.偏差率采集:将开始计算时采集的偏差与上个采集周期采集的偏差相减，流程如下：

图3.2-1.1

偏差率采集程序如下：

3.2.2将所得基础偏差值与偏差率语言化

    基础偏差值与偏差率各乘以加权因子后，通过比较的方式将所得值变成1~13之间的数值，偏差部分示例程序如下：

偏差率部分示例程序如下

3.2.3从模糊表格中取值程序

    现在已经取得了语言化的偏差值，由于输出值涉及到13×13共169个数据查询单元，如果用梯形图比较的方式搭建程序，程序量比较大，同时不利于如果对表格扩容比较麻烦，所以采样指针查询地址的方式进行表格查询。将模糊表格去负数转换为1~13，同时将表格内变为数据DB2的地址(300即为DB2.DBD300)转换后的表格如下:

表3.2.3-1地址转换

指针地址的计算公式如下：

地址=296+[(语言化偏差率-1)×13+语言化偏差]×4

如语言化后的偏差为5，偏差率为4利用上述公式得到的地址为：DB2.DBD472；利用指针取得表中的基础频率值，如果这个值为+5.0Hz，将基础频率值×输出调整因子+基础频率值即得到实际输出频率了。

程序如下：

3.2.4模糊控制PCS7 CFC程序界面

3.2.5:1、2号罗茨风机PCS7 CFC控制程序界面

3.2.6：模糊控制界面

图3.2.3-1模糊设置

四、结束语

    在工艺模拟调试阶段，工艺工程师将曝气风机变频变化时间变为定5min(模糊控制采样周期)，通过对各个开放的模糊接口进行设置，将DO值稳定的控制在2~3之间(实际在2.3~2.8范围内)；由于工艺条件及工程进度限制，模糊控制在实际效果并未得到，通过PCS7 PLCSIM模拟得到的模拟结果满足相关的控制要求；本次项目预计5月底前污水系统进入试运行阶段，在工艺调试阶段，根据DO实际值曲线即可得到控制效果反馈。

作者：曹建斌  航星国际自动控制工程有限公司工程师 本文曾刊登于《智慧工厂》