Разработка автоматизированной системы управления микроклиматом жилых и общественных зданий
Особенности управления микроклиматом помещений, относящихся к административным зданиям. Необходимость организации управления микроклиматом. Разработка нечетких, нейронечетких контроллеров систем автоматизации зданий, их структурные и принципиальные схемы.
| Рубрика | Коммуникации, связь, цифровые приборы и радиоэлектроника |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 22.09.2018 |
| Размер файла | 6,4 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Из определения следует, что лингвистической переменной называется переменная, заданная на количественной (измеряемой) шкале и принимающая значения, являющиеся словами или словосочетаниями естественного языка общения. Нечеткие переменные описывают значения лингвистической переменной. На рисунке 2.4 показана взаимосвязь основных понятий.
Таким образом, лингвистическими переменными можно описать трудно формализуемые понятия в виде качественного, словесного описания. Лингвистическая переменная и все ее значения связываются при описании с конкретной количественной шкалой, которая по аналогии с базовым множеством иногда называется базовой шкалой.
Применяя лингвистические переменные, можно формализовать качественную информацию в системах управления, которая специалистами (экспертами) формулируется в словесной форме. Это позволяет строить нечеткие модели систем управления (нечеткие регуляторы)
Рис. 2.4- Взаимосвязь основных понятий нечеткой логики
2.2.3 Вид функций принадлежности
В практических приложениях теории нечетких множеств используется большое количество различных типов функций принадлежности [9], рассмотрим наиболее часто встречающиеся из них, рисунке 2.5.
Функции принадлежности, состоящие из прямолинейных участков. Применяются на практике достаточно часто, что обусловлено их простотой. Существенным преимуществом многоугольных функций принадлежности является то, что для их определения требуется наименьший по сравнению с остальными функциями объем информации, который в данном случае ограничивается данными об угловых точках, что является весьма важным обстоятельством при моделировании систем в условиях ограниченности объема исходных данных. Чтобы определить многоугольную функцию принадлежности, на практике обычно требуется задать лишь модальное значение соответствующего нечеткого множества.
Рис. 2.5- Классификация функций принадлежности
Достоинства многоугольных функций принадлежности: для их задания требуется малый объем данных; простота модификации параметров (модальных значений) функции; принадлежности на основе измеряемых значений входных и выходных величин системы; возможность получения в рамках модели отображения «вход>выход» в виде гиперповерхности, состоящей из линейных участков.
К недостаткам многоугольных функций принадлежности можно отнести то, что они не являются непрерывно дифференцируемыми.
Симметричная гауссова функция. Достоинства гауссовой функции принадлежности: использование гауссовых функций обеспечивает получение гладких, непрерывно дифференцируемых гиперповерхностей отклика нечеткой модели; являясь непрерывно и, более того, бесконечно дифференцируемыми (бесконечная дифференцируемость означает наличие производной любого порядка), гауссовы функции дают возможность проведения теоретического анализа нечетких систем.
Недостатки гауссовой функции принадлежности: гауссова функция симметрична, что приводит к нарушению условия разбиения единицы; использование гауссовой функции принадлежности предполагает задание большего, чем для треугольной функции, числа параметров (по два параметра для каждой функции), что усложняет настройку нечеткой модели; гауссова функция имеет неограниченный носитель, что означает, что любой элемент x области определения X будет принадлежать любому нечеткому множеству, задаваемому с помощью этой функции, это может не соответствовать представлениям эксперта о моделируемой системе; использование гауссовой функции затрудняет получение простых локально линейных поверхностей отклика нечеткой модели.
2.2.4 Структура, алгоритм функционирования нечеткого контроллера
Нечеткие контроллеры в виде готовых решений выпускаются многими производителями [12 _ 16]. В большинстве случаев они имеют вид платы универсального контроллера, универсального контроллера персональной ЭВМ либо вид самостоятельного блока. Так же выпускается программное обеспечение с интерфейсом пользователя, которое позволяет программировать контроллер в виде структурных блоков, как это принято при моделировании в теории автоматического управления.
Существует так же большое количество программных реализаций нечетких контроллеров, которые используются для решения не менее актуальных задач. Несмотря на такое многообразие предлагаемых решений, все они, основаны на аппарате нечеткой логике и имеют подобную структуруобусловленную особенностью построения. Общая структура нечеткого контроллера приведена на рисунке 2.6.
Она включает в себя следующие основные части:
- блок фаззификации;
- базу знаний;
- блок решений;
- блок дефаззификации.
Блок фаззификации преобразует четкие величины, поступающие от датчиков, различных источников информации, без использования которых не обходится практически любая система управления, измеренные на выходе объекта управления и не только в нечеткие величины, описываемые лингвистическими переменными в базе знаний.
Рис. 2.6- Общая структура нечеткого контроллера
Блок решений использует нечеткие условные (if _ then) правила, заложенные в базу знаний, для преобразования нечетких входных данных в требуемые управляющие воздействия, которые носят также нечеткий характер. Упрощается процесс выбора управляющего воздействия, который происходит в зависимости от значений определенных информационных параметров системы, что положительным образом сказывается на общем быстродействии.
База знаний содержит определение лингвистических переменных с интервалом их значений, правила выбора решений, по которым осуществляется управление системой.
Блок дефаззификации преобразует нечеткие данные с выхода блока решений в четкую величину, которая используется для управления объектом, т.е. преобразует выработанное решение, об управлении, выраженное в нечеткой форме в форму пригодную для дальнейшей работы.
Необходимо понимать, что разбиение нечеткого контроллера на отдельные функциональные блоки является скорее условным. Оно дает более наглядное представление того, что происходит в процессе работы контроллера построенного с применением аппарата нечеткой логики. При проектировании реального нечеткого контроллера, написании программного обеспечения разбиение системы на отдельные блоки позволит внести ясность в процесс работы и облегчит ее.
Алгоритм функционирования нечеткого контроллера (нечеткого регулятора) определим, исходя из следующей системы уравнений:
,
где «» - композиция нечетких отношений;
- « _ нечеткая импликация;
- _ база правил (совокупность нечетких продукционных правил);
- _ локальный вывод из правил;
- _ общий вывод из базы правил ;
- _ процедура преобразования физической (числовой) величины в нечеткую переменную (fazzification _ англ.), fazz _ операция фазификации;
- dfz _ процедура дефазификации, т.е. z=dfz _ преобразование нечеткого множества в физическую переменную z.
Приведенный выше алгоритм функционирования нечеткого контроллера в виде системы уравнений показывает, что в нечетком контроллере реализованы три последовательных этапа обработки информации.
Этап 1. На вход нечеткого контроллера поступает физическая переменная x и выполняется преобразование этой входной переменной x в нечеткое множество . Результатом обработки информации на первом этапе является получение нечетких множеств .
Этап 2. Выполняется логическая обработка нечетких множеств : ; . В результате обработки информации на втором этапе будут получены локальные правила вывода и общее правило вывода в виде нечеткого множества .
Этап 3. Выполняется преобразование нечеткой переменной в физическую переменную z=dfz , которая является управляющим воздействием для объекта управления.
Этапы обработки информации в нечетком контроллере показывают, что алгоритм функционирования нечеткого контроллера рассматривается как модель регулятора в терминах «вход-выход» в новом пространстве, переход в которое из пространство реальных параметров осуществляется с применением оператора fazz
2.3 Основные понятия и определения нейро-нечетких сетей
2.3.1 Выбор базовой архитектуры нейро-нечеткой сети для синтеза регулятора
Процесс выбора архитектуры, способной обеспечить качественные показатели определенного процесса невозможен без рассмотрения имеющихся альтернатив и сравнения их основных показателей. Нужно понимать, что на сегодняшний день имеется большое количество способов организации нейро-нечетких сетей (ННС), предложенных различными авторами, однако можно говорить о большей распространенности, востребованности одних по сравнению с другими.
Рассмотрение структур нейро-нечетких сетей позволяет сделать вывод о существенном их сходстве, наличии следующих общих логических операций:
- объединение предпосылок, получение следствий (локальных выводов);
- агрегация локальных выводов, получение общего результата
Несмотря на сходство ННС (формы операций, алгоритмы нечеткого вывода) результаты их работы различаются. Процесс выбора определенной архитектуры сложен и не может быть сведен к рассмотрению только базовых свойств, которые не дают полного представления об успешности применения сети для решения конкретной задачи.
Анализ публикаций по тематике нейро-нечетких сетей позволяет говорить о большей целесообразности применения одних архитектур при решении некоторого круга задач по сравнению с другими, таблице 2.10.
Согласно тематики работы наибольший интерес представляют архитектуры ННС использующиеся при решении задач управления техническими объектами. Разделение ННС по областям, где они показывают лучшие результаты применения продиктовано стремлением не только найти наиболее подходящий вариант организации ННС, но и снизить количество рассматриваемых архитектур, до некоторого значения [14, 15].
Таблица 2.10- Приблизительное распределение архитектур ННС по областям применения
|
Область применения |
Нейро-сетевая модель |
|
|
Интеллектуальная обработка и анализ данных |
NEFPROX, NEFCLASS |
|
|
Задачи классификации, принятие решений |
NEFCLASS, EfuNN |
|
|
Аппроксимация и интерполяция, реализация нелинейных зависимостей |
ANFIS, NEFPROX, RBF |
|
|
Интеллектуальное управление |
NEFCON, ARIC, GARIC, ANFIS, FUN, AMN, EfuNN, FALCON |
|
|
Моделирование |
NNDFR, ANFIS |
|
|
Прогнозирование ( выявление тенденций в данных) |
FAM, NEFPROX, EfuNN |
Вычислительная мощность сети зависит не только от ее архитектуры, большое влияние оказывает применяемый алгоритм обучения. Сравнение подразумевает выбор определенных показателей. Можно утверждать, что для любых задач управления критичными являются следующие параметры:
- точность;
- скорость вычисления управляющего воздействия;
- скорость адаптации;
- величина затрачиваемых ресурсов.
Точность работы ННС как и любых регуляторов оценивается по величине ошибки, которая может быть определена например на основании значения среднеквадратичной ошибки (СКО) (2.2), абсолютной ошибки (АО) (2.3).
(2.2)
(2.3)
Выбор подходящей архитектуры из некоторого множества должен быть произведен после тестирования на вычислительную мощность с помощью специальных средств определения производительности:
- Sunspot;
- Santa Fe A (laser);
- Waves;
- Mackey-Glass идр.
Сравнение вычислительных возможностей моделей ННС проведем на основании данных теста решения дифференциального уравнения Mackey-Glass и значения СКО, таблице 2.11 [14, 18].
Нужно отметить, что сравнение будут проходить не все существующие ННС, а только определенная их часть.
Таблица 2.11- Проверка производительности архитектур ННС
|
Модель ННС |
Кол-во итераций |
Время вычисления |
СКО |
|
|
ANFIS |
75 |
165 |
0,0017 |
|
|
NEFPROX |
216 |
75 |
0,0332 |
|
|
EfuNN |
1 |
30 |
0,014 |
|
|
dmEFuNN |
1 |
52 |
0,0042 |
|
|
SONFIN |
1 |
- |
0,018 |
|
|
ANN |
1580 |
165 |
0,0047 |
Приведенные результаты тестирования архитектур ННС наиболее часто упоминающихся в научных публикациях по тематике управления различными объектами позволяют сделать вывод о существенном преимуществе в точности вычисления результатов ННС ANFIS. Так же нужно сказать, что ANFIS существенно проигрывает остальным архитектурам по времени обучения. На основании публикация различных авторов можно говорить, что ANFIS является лучшим апроксиматором функций среди остальных ННС.
2.3.2 Адаптация ННС ANFIS к выбранной задаче
Процесс адаптации архитектуры ANFIS к поставленной задаче состоит из определенной последовательности этапов как показано нарисунке 2.7. Рассмотрим особенности выполняемых действий на каждом из этапов.
Этап №1 Выбор архитектуры ННС. В качестве базовой архитектуры выбранной для реализации ННС управления выступает ANFIS. Здесь следует, обратит внимание на то, что данный тип ННС позволяют иметь неограниченное количество входных параметров и только один выходной параметр, который является взвешенной суммой некоторых локальных моделей.
Рис. 2.7- Этапы адаптации архитектуры ANFIS к поставленной задаче
Несмотря на то, что количество входных параметров теоретически неограниченно необходимо стремится к уменьшению их числа, путем исключения переменных, не оказывающих существенного влияния на протекания процесса управления. Такой подход объясняется желанием увеличить прозрачность и быстродействие синтезируемого ННС модуля. ННС, ANFIS, представляет собой нечеткий контроллер с базой правил заданной в виде нейронной сети
Этап №2 Адаптация выбранной архитектуры ННС к поставленной задаче. Выбор базовой архитектуры является важным этапом синтеза ННС, но не решает проблему получения структуры ННС, применимой в контексте решаемой задачи. Помимо выбора архитектуры необходимо провести ее адаптацию к решаемой задаче, которая заключается в следующем:
- определение количества входных нейронов сети;
- определение количества нейронов фазифицирующего слоя;
- определение формы функций принадлежности;
- определение величины базы правил;
- выбор алгоритма нечеткого вывода.
Определение количества входных и выходных параметров системы. Функционирование любой системы управления, в том числе основанной на ННС невозможно без определения входных, выходных параметров.
В общем случае множество входных параметров ОУ может быть представлено как:
N {N1, N2, N3 ... Nn}
Количество входных нейронов сети равно длине множества N. Каждая входная величина из множества Nв соответствии с подходом принятым для систем, основанных на нечеткой логике состоит из нескольких частей, которые образуют ее терм-множество:
F {F1, F2, F3 ... Fn}
Определение количества нейронов фазифицирующего слоя. Нужно отметить, что существующие на сегодняшний день методы решения проблемы величины фазифицирующего слоя, базы правил в большинстве одинаковы, основываются на количестве используемых переменных, длинах их терм-множеств.
Количество нейронов фазифицирующего слоя можно вычислить по формуле:
L=N1len+ N2len+•••+Nnlen(2.4)
где N1len, N2len, Nnlen длины соответствующих терм-множеств входных лингвистических переменных.
Определение формы функций принадлежности. Конечный результат работы ННС зависит от вида и формы функций принадлежности. В данном случае планируется использовать треугольные функции принадлежности, которые вычисляют принадлежность входной величины, эталонному значению используя следующую зависимость:
,(2.5)
где xi_i-ая входная величина;ai, bi, ci_ вершины i-ой нечеткой переменной.
Определение величины базы правил. Величина базы правил (БП) существенно влияет на качество работы ННС: чем больше БП, тем точнее работает система. В тоже время с увеличением БП замедляется быстродействие системы, уменьшается ее логическая прозрачность.
В процессе синтеза БП необходимо соблюдать взаимоисключающие требования точности с одной стороны и быстродействия, логической прозрачности с другой. Первоначальная величина базы правил достаточная для построения качественной нечеткой модели объекта может быть вычислена по формуле:
K=N1lenЧN2lenЧ•••ЧNnlen(2.6)
Рассмотрим процесс получения конечного результата ННС ANFIS по слоям.
Слой №1. Не выполняет никаких операций, назначением его является только передача данных на следующий слой.
Слой №2. На основании выбранной функции принадлежности, в данном случае треугольной осуществляется вычисление степени принадлежности входной величины xi. Полученное значение ФП передается на следующий слой.
Слой №3. Вычисляет степень выполнения локальных моделей, т.е. веса wi на основании выбранной активационной функции и значении входных переменных. В данном случае в качестве активационной функции нейронов третьего слоя используется операция min. Выходной сигнал третьего слоя будет иметь следующий вид:
wi=min(x1, x2, ... , xn)
Слой №4. Производит нормализацию весов wi на основе зависимости
Можно говорить, что назначением данного слоя является приведение весовwiк некоторому среднему виду.
Слой №5. Производит вычисление локальных результатов на основе зависимости вида:
,
где wi_ нормализованное значение весового коэффициента, выполнения правила;
_ локальная модель, (pi, qi, r_ настраиваемые параметры локальной модели)
Слой №6. На основе значений локальных моделей вычисляется некоторое среднее значение на основе зависимости:
Струткрура ННСANFIS представлена на рисунке 2.8.
Как видно из рисунке 2.8 ННС имеет довольно сложную структуру связей между элементами. В процессе обучения весовые коэффициенты большого количества связей практически гарантированно приобретут очень маленькие значения, не будут вносить весомого вклада в конечное решение. Такие связи планируется удалить, тем самым снизив вычислительные затраты на получение итогового выход Y ННС.
Рис. 2.8- Структура ННСANFIS
3 . РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ КОНТРОЛЛЕРОВ СИСТЕМ АВТОМАТИЗАЦИИ ЗДАНИЯ
3.1 Применение методологии системного анализа к решению задачи автоматизации здания
Задача реализации системы управления эксплуатации здания с мероприятиями энергосбережения представляет собой сложную техническую задачу. Согласно методологии системного анализа решение сложных задач целесообразно вести, представляя всю последовательность в виде этапов более простых подзадач, как показано на рисунке 3.1 [14].
Этап 1. Определение проблемы. Первый этап рассматривает задачу синтеза системы автоматического управления и возможные методы ее решения.
Рис. 3.1- Последовательность этапов реализации автоматизированной системы управления
Этап 2. Определение целей системы, критериев их достижения. Цель функционирования САУ _ желание разработчика придать системе определенные свойства, которые зависят от предъявляемых к ней требований. Так как однозначное определение целей функционирования и критериев оценки качества работы в физических величинах не всегда возможно, то осуществляется их вербальное задание с применением нечетких формулировок, с помощью аппарата нечеткой логики.
Этап 3. Определение модели системы. Модель системы позволяет получить информацию о ее поведении при различных входных и возмущающих воздействиях в виде однозначной зависимости вида «вход-выход».
В случае невозможности синтеза модели объекта классическими методами, т.е. аппарате дифференциальных уравнений, возможен вариант использования альтернативных методов, таких как искусственные нейронные сети и нечеткая логика. Этап определения модели системы является одним из ключевых, определяет методы и алгоритмы, которые будут использованы для вычисления управляющих воздействий регулятора.
Этап 4. Реализация системы. Реализация системы направлена на апробацию выбранных методов решения задачи синтеза САУ. Первоначальная апробация осуществляется средствами имитационного моделирования, заключается в применении современных программных пакетов, например, таких как MATLAB. После проведения моделирования, анализа получившихся результатов приступают ко второму этапу реализации, а именно разработке технического прототипа.
Наличие технического исполнения регулятора позволяет проводить на нем исследования, которые невозможно осуществлять с помощью программных моделей. Двухуровневый подход к реализации современных технических систем способен существенным образом сократить время разработки, а так же снизить величину экономических затрат.
Этап 5. Ввод в эксплуатацию, оптимизация. Ввод в эксплуатацию синтезированной САУ может выявить, что ее характеристики могут быть не оптимальны. В таком случае необходимо проведение оптимизации САУ. Необходимо отметить, что в большинстве случаев все недостатки работы проектируемой системы устраняются на этапе №4.
3.2 Определение задачи
В соответствии с тематикой основной целью работы является разработка системы эксплуатации здания с мероприятиями энергосбережения. Указанную задачу в соответствии с методологией системного анализа целесообразно представить, как совокупность более простых подзадач:
- разработка системы управления микроклиматом помещений здания;
- разработка системы управления освещением помещений здания;
- разработка системы управления отоплением помещений здания.
Каждая из подсистем представляет собой систему управления, реализованную на основе аппарата нечеткой логики _ нечеткий контроллер, нейро-нечетких сетей. Проектирование нечетких, нейро-нечетких контроллеров по данным п. 2может быть представлено в виде последовательности этапов, рисунке 3.2 (для ННС необходим этап обучения сети).
3.3 Определение целей системы, критериев их достижения
Цель функционирования технических систем заключается в минимизации или максимизации некоторого критерия или критериев оценки качества работы:
max(F)=max{fj},
min(F)=min{fj}
где fj - значение оценочного функционала F на определенном этапе функционирования ОУ, j=1,..n; F - оценочный функционал, представляющий собой совокупность целей и ограничений, задается на этапе проектирования СУ.
При определении целевых критериев управления необходимо придерживаться следующих требований: всесторонности; измеримости;
Рис. 3.2- Этапы синтеза нечетких контроллеров
Критерий является всесторонним, если принятие решений на его основе позволяет точно определить в какой степени достигается поставленная цель. Критерий является измеримым, если он оказывается пригодным для получения вероятностного распределения его возможных значений для каждой альтернативы, точного значения, а также количественного описания степени предпочтения.
Выбор для практического использования определенного целевого функционала не так прост, как кажется, необходим комплексный подход к решению проблемы.
В качестве целевого функционала функционирования проектируемой системы автоматизации примем критерий минимума (min) отклонения регулируемых параметров от задаваемых/оптимальных значений.
3.4 Определение модели системы
В качестве моделей объектов управления, рассматриваемых в данной работе будут использованы упрощенные модели электрических двигателей (ЭД). Выбор данного типа моделей для анализа эффективности регуляторов системы управления объясняется тем фактом, что ЭД являются наиболее распространённым типом исполнительных механизмов.
Так же в ходе выполнения работы будут рассмотрены нечеткие модели. В настоящее время сформулирована и доказана теорема универсальности нечетких систем [12, 20], основной смысл которой может быть выражен следующим утверждением: нечеткие системы являются универсальными и могут бить применены для решения любых задач.
3.5 Реализация системы автоматизации здания
3.5.1 Разработка системы управления микроклиматом помещений здания
Как упоминалось в главе 1 данной работы микроклимат помещений в процессе трудовой деятельности человека изменяется, а его параметры могут оказывать пагубное влияние на здоровье и самочувствие. В связи с этим становится актуальной задача автоматического поддержания в помещениях зданий комфортных и безопасных значений климатических параметров. Определим перечень контролируемых и изменяемых параметров системы управления микроклиматом помещений как показано на рисунке 3.3.
Рис. 3.3- Обобщенная структура системы управления микроклиматом
Для контроля и изменения параметров,представленных на рисунке 3.3, необходимы соответствующие измерительные и исполнительные устройства,примерная схема расположения которых приведена на рисунке 3.4.Поясним необходимость получения системой управления микроклиматом некоторых из приведенных параметров.
Ошибка по температуре (ET) характеризует разницу между заданной (Tзад) и действительной (Tдейств):
ET= Tзад-Tдейств.
Ошибка по влажности (EВ) характеризует разницу между заданной (Взад) и действительной (Вдейств): ВT= Взад-Вдейств.
В процессе эксплуатации водяных систем отопления может возникнутьнештатная ситуация,связанная с протечкойводы. Это в свою очередь можетпослужить причиной порчи оборудования и причинения др. материального ущерба. Данные о возникновении протечки воды позволят системе управления своевременно перекрыть ее подачу в поврежденный участок системы отопления.
В процессе своей деятельности человек выделяет определенное количество энергии, тепла, что вызывает определенное нагревание температуры воздуха в помещении. В результате при длительной одновременной работе в помещении нескольких человек могут возникать ситуации, когда персонал оказывается в ситуации необходимости снижения мощности работы системы отопления. Другими словами, температура в помещении повышается выше некоторого определенного значения и, следовательно, можно обеспечить экономию ресурсов снизив подачу тепла на данном участке.
Управление микроклиматом помещений будет осуществляться на основе аппарата нечеткой логики, а именно нечеткого, нейро-нечеткого контроллеров. Обобщенная схема контроллеров, приведенная на рисунке 3.3 может быть упрощена и представлена в виде совокупности нескольких контроллеров, рисунке 3.5.Под ошибкой понимается разность между заданным и желаемым значением контролируемого параметра, а также скорость изменения разности (e, e'). Дополнительные параметры, которые могут быть учтены при выработке управляющего воздействия изображены пунктирной линией.
ДТ - датчик температуры; ДВ - датчик влажности; ДПВ - датчик подвижности воздуха; КТГ - датчик концентрации токсичных газов; ДКЧ - датчик количества человек; ДП - датчик протечек воды
Рис. 3.4- Схема размещения измерительных устройств в помещении
а) - нечеткий, нейро-нечеткий контроллер управления температурой; б) _ нечеткий, нейро-нечеткий контроллер управления влажностью; в) _ нечеткий, нейро-нечеткий контроллер управления подвижностью воздуха
Рис. 3.5 - Нечеткие, нейро-нечеткие контроллеры системы управления микроклиматом
В соответствии с перечнем этапов синтеза нечетких, нейро-нечетких контроллеров, приведенного на рисунке 3.3, выполним перечень необходимых действий.
Определение наиболее важных параметров управления.Перечень значимых параметров системы управления микроклиматом представлен на рисунке 3.3.
Входными, контролируемыми, параметрами нечетких контроллеров являются: ошибка по температуре в помещении; ошибка по влажности в помещении; ошибка по подвижности воздуха; концентрация токсичных газов; данные о протечке воды; данные о количестве человек. Понятие ошибки как уже говорилось, может содержать в себе так же значение скорости изменения невязки желаемого и действительного значений параметра.
Выходными, изменяемыми, параметрами контроллеров являются: количество подаваемого тепла в помещение; количество подаваемого воздуха в помещение; количество добавляемой влажности.
Определение функций принадлежности, правил управления. Выполним синтез терм множеств лингвистических переменных.
Определим терм-множество ЛП E(ошибка значения параметра): Т(E)={NB - отрицательная большая, NM - отрицательная средняя, NS - отрицательная малая, ZR - нулевая, PS - положительная малая, PM - положительная средняя, PB - положительная большая}. На рисунке 3.6 приведена функция принадлежности для нечетких переменных терм-множества Т(E). Терм-множество ЛП E' (производная ошибки значения параметра) аналогично представленному на рисунке 3.6 (отличие заключается в значении параметров -x1, -x2, x1, x2 ).
-x1, -x2, x1, x2 - численные значения границ нечетких переменных
Рис. 3.6- Функция принадлежности терм-множества Т(E)
Терм-множество значения выходной переменной (управляющего воздействия) для нечеткого контроллера аналогично представленному на рисунке 3.6 (отличие заключается в значении параметров -x1, -x2, x1, x2). Для ННС выходной сигнал будет представлять из себя взвешенную сумму простых слагаемых.
После того как определены функции принадлежности контроллеров осуществим синтез их баз управляющих правил. Первоначально выполним реализацию нечетких регуляторов (П, ПД).
База правил нечеткого П регулятора представлена в таблице 3.1. База правил нечеткого ПД регулятора представлена в таблице 3.2.
Таблица 3.1- База правил нечеткого П регулятора
|
№ |
E |
U |
|
|
1. |
ZR |
ZR |
|
|
2. |
NS |
NS |
|
|
3. |
NM |
NM |
|
|
4. |
NB |
NB |
|
|
5. |
PS |
PS |
|
|
6. |
PM |
PM |
|
|
7. |
PB |
PB |
Таблица 3.2- База правил нечеткого ПД регулятора
|
№ |
E |
E' |
U |
|
|
1. |
NB |
NB |
NB |
|
|
2. |
NM |
NB |
NB |
|
|
3. |
NS |
NB |
NB |
|
|
4. |
ZR |
NB |
NB |
|
|
5. |
PS |
NB |
NM |
|
|
6. |
PM |
NB |
NS |
|
|
7. |
PB |
NB |
ZR |
|
|
8. |
NB |
NM |
NB |
|
|
9. |
NM |
NM |
NB |
|
|
10. |
NS |
NM |
NB |
|
|
11. |
ZR |
NM |
NM |
|
|
12. |
PS |
NM |
NS |
|
|
13. |
PM |
NM |
ZR |
|
|
14. |
PB |
NM |
PS |
|
|
15. |
NB |
NS |
NB |
|
|
16. |
NM |
NS |
NB |
|
|
17. |
NS |
NS |
NM |
|
|
18. |
ZR |
NS |
NS |
|
|
19. |
PS |
NS |
ZR |
|
|
20. |
PM |
NS |
PS |
|
|
21. |
PB |
NS |
PM |
|
|
22. |
NB |
ZR |
NB |
|
|
23. |
NM |
ZR |
NM |
|
|
24. |
NS |
ZR |
NS |
|
|
25. |
ZR |
ZR |
ZR |
|
|
26. |
PS |
ZR |
PS |
|
|
27. |
PM |
ZR |
PM |
|
|
28. |
PB |
ZR |
PB |
|
|
29. |
NB |
PS |
NM |
|
|
30. |
NM |
PS |
NS |
|
|
31. |
NS |
PS |
ZR |
|
|
32. |
ZR |
PS |
PS |
|
|
33. |
PS |
PS |
PS |
|
|
34. |
PM |
PS |
PB |
|
|
35. |
PB |
PS |
PB |
|
|
36. |
NB |
PM |
NS |
|
|
37. |
NM |
PM |
ZR |
|
|
38. |
NS |
PM |
PS |
|
|
39. |
ZR |
PM |
PM |
|
|
40. |
PS |
PM |
PB |
|
|
41. |
PM |
PM |
PB |
|
|
42. |
PB |
PM |
PB |
|
|
43. |
NB |
PB |
ZR |
|
|
44. |
NM |
PB |
PS |
|
|
45. |
NS |
PB |
PM |
|
|
46. |
ZR |
PB |
PB |
|
|
47. |
PS |
PB |
PB |
|
|
48. |
PM |
PB |
PB |
|
|
49. |
PB |
PB |
PB |
3.5.2 Разработка системы управления освещением помещений здания
Определим перечень контролируемых и изменяемых параметров системы управления освещением помещений как показано на рисунке 3.7.
Рис. 3.7- Обобщенная структура системы управления освещением
Для контроля и изменения параметров, представленных на рисунке 3.7, необходимы соответствующие измерительные и исполнительные устройства, схема расположения которых приведена на рисунке 3.8.
ДКЧ - датчик количества человек; ДО - датчик освещенности
Рис. 3.8- Схема размещения измерительных устройств в помещении
Определение наиболее важных параметров управления.Входными, контролируемыми, параметрами нейро-нечеткого контроллера являются: уровень естественного освещения в помещении (UEO); данные о количестве человек (KP).
Выходными, изменяемыми, параметрами нейро-нечеткого контроллера являются: уровень освещения рабочих мест (UOO), уровень общего освещения (UORM).
В качестве основы системы управления освещением будет использована ННС ANFIS. Для создания ННС необходимо провести ее обучение на основе пар значений входов/выходов, обучающей выборки, таблице 3.3.
Таблица 3.3- Обучающая выборка ННС управления освещением
|
№ |
UEO |
KP |
UORM |
UOO |
|
|
1. |
0 |
0 |
0 |
0 |
|
|
2. |
5 |
25 |
80 |
80 |
|
|
3. |
10 |
25 |
80 |
80 |
|
|
4. |
15 |
25 |
80 |
80 |
|
|
5. |
20 |
255 |
90 |
75 |
|
|
6. |
30 |
25 |
85 |
70 |
|
|
7. |
50 |
25 |
70 |
40 |
|
|
8. |
70 |
25 |
65 |
35 |
|
|
9. |
75 |
25 |
0 |
0 |
|
|
10. |
90 |
25 |
0 |
0 |
|
|
11. |
100 |
25 |
0 |
0 |
|
|
12. |
0 |
0 |
0 |
0 |
|
|
13. |
5 |
50 |
80 |
90 |
|
|
14. |
10 |
50 |
80 |
90 |
|
|
15. |
15 |
50 |
80 |
90 |
|
|
16. |
20 |
50 |
90 |
80 |
|
|
17. |
30 |
50 |
85 |
75 |
|
|
18. |
50 |
50 |
70 |
45 |
|
|
19. |
70 |
50 |
65 |
40 |
|
|
20. |
75 |
50 |
0 |
0 |
|
|
21. |
90 |
50 |
0 |
0 |
|
|
22. |
100 |
50 |
0 |
0 |
|
|
23. |
0 |
0 |
0 |
0 |
|
|
24. |
5 |
75 |
80 |
95 |
|
|
25. |
10 |
75 |
80 |
95 |
|
|
26. |
15 |
75 |
80 |
95 |
|
|
27. |
20 |
75 |
90 |
85 |
|
|
28. |
30 |
75 |
85 |
80 |
|
|
29. |
50 |
75 |
70 |
55 |
|
|
30. |
70 |
75 |
65 |
45 |
|
|
31. |
75 |
75 |
0 |
0 |
|
|
32. |
90 |
75 |
0 |
0 |
|
|
33. |
100 |
75 |
0 |
0 |
3.6 Разработка интеллектуальных контроллеров системы автоматизации здания в Matlab
3.6.1 Разработка нечетких контроллеров
Разработка нечеткого П - регулятора в Matlab приведена на рисунке 3.9. Результаты исследования нечеткого П - регулятора в Matlab приведены на рисунке 3.10.
Рис. 3.9- Синтез нечеткого П регулятора
а, в) - графики переходного процесса; б) - график выходного сигнала регулятора; в) - график ошибки
Рис. 3.10- Исследование нечеткого П регулятора
Исследования П регулятора выполнялось в пакете Simulink среды Matlab, рисунке 3.11.
Разработка нечеткого ПИ - регулятора в Matlab приведена на рисунке 3.12. Результаты исследования нечеткого ПИ - регулятора в Matlab приведены на рисунке 3.13.
Рис. 3.11 - Схема Simulink для П регулятора
Рис. 3.12- Синтез нечеткого ПД регулятора
а) _ график переходного процесса; б) - график выходного сигнала регулятора
Рис. 3.13- Исследование нечеткого ПД регулятора
3.6.2 Разработка нейро-нечеткого контроллера
Для управления освещением помещений здания будет использован контроллер на основе нейро-нечеткой сети ANFIS. Процесс проектирования ННС в среде Matlab представлен на рисунке 3.14. При использовании терм-множеств длинной равной 3 величина ошибки обучения составляет 12.5, что не позволяет использовать ННС по ее прямому назначению. При увеличении длин терм-множеств до 15 величина ошибки сокращается до 3,4*10-4. В результате ННС обеспечивает высокую точность обработки входной информации, рисунке 3.15.
Поверхность решений нейро-нечеткого контроллера, база управляющих правил представлены на рисунке 3.16.
Рис. 3.14- Создание ННС ANFIS, вар. №1
Рис. 3.15- Создание ННС ANFIS, вар. №2
Рис. 3.16- Поверхность решений, база управляющих правил ННС ANFIS
4. АППАРАТНАЯ РЕАЛИЗАЦИЯ АВТОМАТИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ ЗДАНИЕМ
4.1 Выбор программно-вычислительного модуля системы управления
В работе в качестве основного вычислительного элемента системы управления будет использован программируемый логический контроллер (ПЛК). Выбор ПЛК обусловлен его достоинствами: гибкость программирования; отсутствие необходимости самостоятельной разработки печатных плат; масштабируемость получаемых решений; соотношение цена/функциональные возможности.
В настоящее время существует большое количество предложений ПЛК различными производителями: Siemens, Mitsubishi, ОВЕН, Beckhoff, Rockwell Automation, Segnetics, Honeywell, Omron. Каждый из них разработал и продвигает на рынок целые линейки контроллеров, отличающихся друг от друга функциональными возможностями, назначением. В таблице 4.1 приведен краткий обобщенный обзор существующих групп ПЛК.
Таблица 4.1- Обобщенные группы ПЛК
|
Группа |
Краткое описание |
|
|
Программируемые реле |
Недорогие устройства для работы с дискретной логикой. Предназначены для решения простых задач автоматизации (например, управление освещением). Достоинствами группы являются ценовые характеристики, недостатками - функциональные возможности (малый объем памяти, невозможность работы с аналоговыми датчиками и удаленного управления). Стоимость порядка 2-3 т.р. |
|
|
Автоматизация малых промышленных систем |
Возможность организации общения с оператором. Обладают набором внешних элементов управления, индикации (дисплей, кнопки). Могут использоваться для автоматизации аквариумов, котлов, небольших станков и т.д. К недостаткам можно отнести ограниченность количества подключаемых устройств (мене 100). Стоимость порядка 5-8 т.р. |
|
|
Автоматизация средних промышленных систем |
Большое количество входов - выходов, наличие разнообразных интерфейсов связи, энергонезависимая память, широкий спектр подключаемого оборудования. Могут использоваться для автоматизации «умных домов», К недостаткам можно отнести невозможность архивирования значительных объемов данных. Стоимость порядка 10-12 т.р. |
|
|
Панельные ПЛК |
Представляют собой совокупность ПЛК с сенсорной панелью. Обладают большим количеством внешних элементов управления, визуализации. К недостаткам можно отнести высокую стоимость, порядка 20-25 т.р. |
|
|
ПЛК верхнего уровня |
Предназначены для сбора больших объемов информации и управления другими ПЛК по сети, либо через последовательные интерфейсы. Достоинство - большое количество интерфейсов, размеры памяти; недостатки - высокая стоимость |
Выбор определенного ПЛК из приведенных групп можно облегчить, если последовательно ответить на вопросы, представленные на рисунке 4.1. Ответы в порядке их убывания представлены в таблице 4.2.
Таблица 4.2- Выбор ПЛК
|
Свойства ПЛК |
Необходимость |
|
|
Характер применения |
Управление сложным техническим объектом |
|
|
Количество входов, выходов системы автоматизации не менее 50. |
||
|
Требуемая скорость передачи данных |
Объект управления не является стратегическим, а его функционирование не несет угрозы жизни и безопасности персонала, следовательно, высокая скорость передачи данных не требуется. |
|
|
Наличие автономного счетчика времени |
Возможность учета времени позволяет увеличить автономность, универсальность оборудования. Является необходимым и желаемым свойством ПЛК системы. |
|
|
Условия регистрации и хранения данных |
Необходимо обеспечивать хранение относительно небольшого количества данных о технологическом процессе |
|
|
Возможность самодиагностики |
Необходимо обеспечивать неисправности системы управления |
|
|
Требования к панели оператора |
Минимальный набор элементов управления, визуализации |
|
|
Функциональное назначение |
Управление электрическими двигателями, задвижками и др. оборудованием здания |
|
|
Количество входов/выходов |
Не менее 50 входов и выходов |
|
|
Язык программирования |
С/С++ подобный |
|
|
Интерфейсы связи |
Поддержка Ethernet |
|
|
Режим и условия эксплуатации |
Условия эксплуатации приближены к офисным за счет расположения шкафа с элементами автоматизации в специализированном помещении |
Под приведенные в таблице 4.2 требования подпадают многие ПЛК различных производителей. В дальнейшем будут рассматриваться ПЛК фирмы ОВЕН, т.к. данный производитель является отечественным. Так же в пользу выбора послужила качественная всесторонняя информационная поддержка производителем, наличие сообщества разработчиков и документации на русском языке.
Для выбора конкретного логического контроллера сравним технические характеристики ПЛК ОВЕН 63, 100, 150, таблице 4.3. Полного сравнения технических характеристик не проводилось по причине отсутствия такой необходимости.
Рис. 4.1 - Последовательность выбора ПЛК
Таблица 4.3- Сравнительный анализ ПЛК ОВЕН 63, 100, 150
|
Модель ПЛК |
Поддержка интерфейсов |
Поддержка протоколов |
Количество входов |
Количество выходов |
|
|
ОВЕН 63 |
ОВЕН, Modbus RTU, Modbus ASCII, GateWay, (протокол CoDeSys) |
RS232, RS485 |
8 |
14 |
|
|
ОВЕН 100 |
ОВЕН, Modbus RTU, Modbus ASCII, Modbus TCP, DCON, GateWay (протокол CoDeSys), Mass Storage Device |
RS-232, RS-485, Ethernet 10/100 , USB-Device |
8 |
12 |
|
|
ОВЕН 150 |
ОВЕН, Modbus RTU Modbus ASCII, Modbus TCP, DCON, GateWay (протокол CoDeSys), Mass Storage Device |
RS-232, RS-485, Ethernet 10/100 , USB-Device |
8 |
12 |
Как видно технические характеристики, предлагаемые ПЛК без расширяющих модулей примерно одинаковы. Единственное значимое отличие ОВЕН 63 от ОВЕН 100, 150 заключается в неспособности первого обеспечивать взаимодействие с Ethernet, что как уже упоминалось, является обязательным условием.
В тоже время функциональные возможности рассмотренных ПЛК могут быть расширены с помощью специализированных модулей. В связи с этим различия между ПЛК становятся незначительными, и, следовательно, может быть выбран для реализации любой контроллер.
На основе сказанного выше примем для дальнейшего использования ПЛК ОВЕН 150 технические характеристики и внешний вид, которого приведен в таблице 4.4, рисунке 4.2.
Рис. 4.2 - Внешний вид ПЛК ОВЕН 150
Таблица 4.4- Технические характеристики ПЛК ОВЕН 150
|
Технические характеристики |
Значение |
|
|
Общие сведения |
||
|
Конструктивное исполнение |
Унифицированный корпус для крепления на DIN-рейку (ширина 35 мм), длина 105 мм (6U), шаг клемм 7,5 мм |
|
|
Степень защиты корпуса |
IР20 |
|
|
Напряжение питания: ПЛК150-24 ПЛК150-220 |
18... 29 В постоянного тока (номинальное напряжение 24 В) 90... 264 В переменного тока (номинальное напряжение 220 В) частотой 47... 63 Гц |
|
|
Потребляемая мощность |
6 Вт |
|
|
Индикация передней панели |
1 индикатор питания 6 индикаторов состояний дискретных входов 4 индикатора состояний выходов 1 индикатор наличия связи с CoDeSys 1 индикатор работы программы пользователя |
|
|
Ресурсы |
||
|
Центральный процессор |
32-х разрядный RISC-процессор 200 МГц на базе ядра АRМ9 |
|
|
Объем оперативной памяти |
8 МВ |
|
|
Объем энергонезависимой памяти хранения ядра СоDеSуs, программ и архивов |
4 МВ |
|
|
Размер Retain-памяти |
4 кВ |
|
|
Время выполнения цикла ПЛК |
Минимальное 250 мкс (нефиксированное), типовое от 1 мс |
|
|
Дискретные входы |
||
|
Количество дискретных входов |
6 |
|
|
Гальваническая изоляция дискретных входов |
есть, групповая |
|
|
Электрическая прочность изоляции дискретных входов |
1,5 кВ |
|
|
Максимальная частота сигнала, подаваемого на дискретный вход |
1 кГц при программной обработке 10 кГц при применении аппаратного счетчика и обработчика энкодера |
|
|
Дискретные выходы |
||
|
Количество дискретных выходов |
4 э/м реле |
|
|
Характеристики дискретных выходов |
Ток коммутации до 2 А при напряжении не более 220 В 50 Гц и cos j > 0,4 |
|
|
Гальваническая изоляция дискретных выходов |
есть, индивидуальная |
|
|
Электрическая прочность изоляции дискретных выходов |
1,5 кВ |
|
|
Аналоговые входы |
||
|
Количество аналоговых входов |
4 |
|
|
Типы поддерживаемых унифицированных входных сигналов |
Напряжение 0...1 В, 0...10 В, -50...+50 мВ Ток 0...5 мА, 0(4)...20 мА Сопротивление 0...5 кОм |
|
|
Типы поддерживаемых датчиков |
Термосопротивления: ТСМ50М, ТСП50П, ТСМ100М, ТСП100П, ТСН100Н, ТСМ500М, ТСП500П, ТСН500Н, ТСП1000П, ТСН1000Н Термопары: ТХК (L), ТЖК (J), ТНН (N), ТХА (K), ТПП (S), ТПП (R), ТПР (В), ТВР (А-1), ТВР (А-2) |
|
|
Разрядность встроенного АЦП |
16 бит |
|
|
Внутреннее сопротивление аналогового входа: в режиме измерения тока в режиме измерения напряжения 0...10 В |
50 Ом Около 10 кОм |
|
|
Время опроса одного аналогового входа |
0,5 с |
|
|
Предел основной приведенной погрешности измерения аналоговыми входами |
0,5 % |
|
|
Гальваническая изоляция аналоговых входов |
отсутствует |
|
|
Аналоговые входы |
||
|
Количество аналоговых выходов |
2 |
|
|
Разрядность ЦАП |
10 бит |
|
|
Тип выходного сигнала ПЛК 150-И ПЛК 150-У ПЛК 150-А |
Ток 4...20 мА Напряжение 0...10 В Ток 4...20 мА или напряжение 0...10 В |
|
|
Питание аналоговых выходов |
встроенное, общее на все выходы |
|
|
Гальваническая изоляция аналоговых выходов |
есть, групповая |
|
|
Электрическая прочность изоляции аналоговых выходов |
1,5 кВ |
|
|
Интерфейсы связи |
||
|
Интерфейсы |
Ethernet 100 Base-T RS-232 RS-485 |
|
|
Скорость обмена по интерфейсам RS |
от 4800 до 115200 bps |
|
|
Протоколы |
ОВЕН ModBus-RTU, ModBus-ASCII DCON ModBus-TCP GateWay (протокол CoDeSys) |
4.2 Выбор модулей расширения программируемого логического контроллера
4.2.1 Выбор модулей расширения ввода/вывода
Для обеспечения возможности подключения дополнительного количества устройств ввода-вывода потребуется использование специализированных модулей. Программируемый логический контроллер изначально имеет модульную структуру, поэтому проблем с поиском дополнительного оборудования не должно возникнуть.
Внешний вид и технические характеристики используемых модулей МДВВ, МВУ8 приведены на рисунке 4.3, 4.4, таблице 4.5, 4.6.
Таблица 4.5- Технические характеристики ОВЕН МДВВ
|
Рис. 4.3 - Внешний вид ОВЕН МДВВ |
Рис. 4.4 - Внешний вид ОВЕН МВУ8 |
Таблица 4.6- Технические характеристики МВУ8
4.2.2 Выбор модулей беспроводной связи
В данной работе для коммутации оборудования обеспечивающего автоматизации здания, сбора данных предлагается использовать GSM канал. Такой выбор легко объясним тем, что сети GSM достигли существенных объемов покрытия, присутствуют даже в удаленных и малодоступных местах нашей страны.
Учитывая то, что в данной работе рассматривается вопрос организации системы автоматизации здания в крупном населенном пункте, городе, можно считать, что доступность использования GSM канала связи гарантирована.
В качестве модуля GSM в данной работе предлагается использовать техническое решение предлагаемое фирмой ОВЕН ПМ01. GSM/GPRS модемОВЕН ПМ01 предназначен для удаленного обмена данными через беспроводные системы связи стандарта GSM с оборудованием, оснащенным последовательными интерфейсами связи RS232 или RS485.
Внешний вид им технические характеристики ОВЕН ПМ01 приведены на рисунке 4.5, таблице 4.7.
Таблица 4.7- Технические характеристики GSM/GPRS модема ОВЕН ПМ01
|
Технические характеристики |
Значение |
|
|
Область применения |
- системы сбора данных, диспетчеризации и управления;- автоматические терминалы;- cистемы охранной и противопожарной безопасности;- удаленный контроль датчиков и различного оборудования, оснащенными последовательными интерфейсами;- дистанционные измерения;- доступ в Интернет. |
|
|
Основные функциональные возможности |
- прием и передача SMS;- прием и передача данных с помощью CSD;- прием и передача данных с помощью GPRS;- работа с последовательными интерфейсами RS-232, RS-485- позволяет производить управление приемом и передачей данных по последовательным интерфейсам RS-232, RS-485 с помощью АТ-команд в соответствии со стандартами GSM 07.05 и GSM 07.07; |
|
- производит индикацию наличия обмена данными по последовательным портам RS-485 или RS-232;- производит индикацию наличия регистрации в сети GSM и наличия передачи данных в режиме GPRS. |
||
|
Напряжение питания |
24 В |
|
|
Интерфейс |
RS-485 |
Рис. 4.5 - Внешний вид GSM/GPRS модема ОВЕН ПМ01
4.3 Выбор измерительных устройств системы управления
4.3.1 Выбор датчика температуры, влажности, содержания вредных примесей в воздухе
В качестве датчика - измерителя параметров воздуха в помещении (температура, влажность, вредные газообразные примеси) будет использовано решение фирмыThermokon Sensortechnik серии WRF04.
Внешний вид и технические характеристики датчика приведены на рисунке 4.6, таблице 4.8.
Рис. 4.6- Внешний вид датчика Thermokon Sensortechnik WRF04
Таблица 4.8 - Технические характеристикиThermokon Sensortechnik WRF04
4.3.2 Выбор датчика анализатора содержания вредных примесей в воздухе
В качестве анализатора качества воздуха в помещении может быть применено устройство «газоанализатор стационарный ЭГС» производства ЗАО НП «Электростандарт». Внешний вид и технические характеристики газоанализатора приведены на рисунке 4.7, таблице 4.9, 4.10.
Газоанализаторы ЭГС предназначены для измерения объемной доли метана, пропана, паров этанола, кислорода, диоксида углерода, водорода и массовой концентрации токсичных газов (оксид углерода, сероводород, диоксид азота, диоксид серы, хлор, аммиак) в воздухе рабочей зоны.Допускается заказывать поставку дополнительных датчиков после первичной поставки ЭГС потребителю.
Таблица 4.9- Перечень элементов, определяемых газоанализатором ЭГС
|
Датчик |
Определяемый компонент |
Диапазон измерений концентрации определяемого компонента |
Пределы допускаемой основной погрешности |
|||
|
Объемная доля |
Массовая коцентрация, мг/м3 |
Абсолютной |
Относительной |
|||
|
ЭГОС-И-СН4 |
Метан СН4 |
(0…5)% |
- |
±(0,1+0,04МСвх)% |
- |
|
|
ЭГОС-И-С3Н8 |
Пропан С3Н8 |
(0…2)% |
- |
±(0,05+0,04МСвх)% |
- |
|
|
ЭГОС-И-С2Н5ОН |
Этанол С2Н5ОН |
(0…0,78)% |
- |
±0,16% |
- |
|
|
ЭГОС-И-СО2 |
Диоксид углерода СО2 |
(0…5)% |
- |
±(0,1+0,04МСвх)% |
- |
|
|
ЭГТС-И-СН4 |
Метан СН4 |
(0…2,5)% |
- |
±0,2% |
- |
|
|
ЭГТС-И-С3Н8 |
Пропан С3Н8 |
(0…1)% |
- |
±0,08% |
- |
|
|
ЭГЭС-И-О2 |
Кислород О2 |
(0…30)% |
- |
±(0,2+0,04МСвх)% |
- |
|
|
ЭГЭС-И-Н2 |
Водород Н2 |
(0…5)% |
- |
±0,2% |
- |
|
|
ЭГЭС-И-СО |
Оксид углерода СО |
(0…17)млн-1 |
0…20 |
± 5 мг/м3 |
- |
|
|
ЭГЭС-И-Н2S |
Сероводород Н2S |
(0…7)млн-1 |
0…10 |
± 2,5 мг/м3 |
- |
|
|
ЭГЭС-И-NO2 |
Диоксид азота NO2 |
(0…1)млн-1 |
0…2 |
± 0,5 мг/м3 |
- |
|
|
ЭГЭС-И-SO2 |
Диоксид серы SO2 |
(0…3,8) млн-1 |
0…10 |
± 2,5 мг/м3 |
- |
|
|
ЭГЭС-И-NН3 |
Аммиак NН3 |
(0…28) млн-1 |
0…20 |
± 5 мг/м3 |
- |
Таблица 4.10- Технические характеристики газоанализатора ЭГС
|
Технические характеристики |
Значение |
|
|
Время установления показаний ЭГС Т0,9 ном, с: |
10 |
|
|
Напряжение питания переменного тока частотой 50 Гц |
220В |
|
|
Потребляемая мощность, ВА, не более |
150 |
|
|
Способ отбора пробы датчиками |
диффузионный |
|
|
Питание датчиков: |
+12В |
|
|
Интерфейс передачи данных |
RS-485 |
Рис. 4.7- Внешний вид датчика газоанализатора ЭГС
4.4 Выбор исполнительных механизмов
В качестве исполнительных механизмов системы управления будут использованы электрические двигатели. Электрические двигатели на сегодняшний день являются наиболее распространенным типом исполнительных механизмов.
Непосредственное управление электрическими двигателями ПЛК невозможно, следовательно, необходимо использование дополнительного устройства.
4.4.1 Выбор устройства управления и защиты электропривода
В качестве устройства управления и защиты электропривода будет использоваться устройство ОВЕН ТРМ12. Внешний вид и технические характеристики ОВЕН ТРМ12 приведены нарисунке 4.8, таблице 4.11.
Рис. 4.8 - Внешний вид ОВЕН ТРМ12
Таблица 4.11- Технические характеристики ОВЕН ТРМ12
|
Технические характеристики |
Значение |
|
|
Питание |
||
|
Напряжение питания переменного тока |
90…245 В |
|
|
Частота напряжения питания |
47...63 Гц |
|
|
Потребляемая мощность |
не более 7 ВА |
|
|
Напряжение встроенного источника питания нормирующих преобразователей |
24 ± 2,4 В |
|
|
Универсальные входы |
||
|
Количество универсальных входов |
1 (RS485) |
|
|
Время опроса входа |
||
|
для термопреобразователей сопротивления |
не более 0,8 с |
|
|
для других датчиков |
не более 0,4 с |
|
|
Предел основной приведенной погрешности измерения |
||
|
для термоэлектрических преобразователей |
±0,5 % |
|
|
для других датчиков |
±0,25 % |
4.4.2 Выбор частотного преобразователя электропривода
Подобные документы
Разработка микропроцессорной системы управления микроклиматом в теплице. Требования пользователя в автоматизированной системе, алгоритм ее функционирования. Мониторинг и индикация температуры и влажности в соответствии с выбранным режимом работы.
курсовая работа [455,4 K], добавлен 21.12.2015Обзор системы управления микроклиматом FC-403-65. Разработка структурной схемы системы управления температурным режимом теплицы. Выбор датчиков и исполнительных механизмов, принципиальная схема их подключения. Разработка инструкций по эксплуатации.
дипломная работа [1,8 M], добавлен 10.04.2017Разработка структурной схемы системы контроля микроклимата теплицы. Формирование выходных сигналов для запуска исполнительных устройств проветривания, нагрева, полива. Выбор температурного датчика. Пульт управления и устройство визуальной индикации.
курсовая работа [1,0 M], добавлен 25.03.2015Общая характеристика электроэрозионного оборудования. Описание существующего проволочного станка AC Classic V2. Разработка структурной схемы автоматизированной системы управления. Техническая реализация проекта системы управления и диагностики параметров.
дипломная работа [7,1 M], добавлен 05.04.2012Разработка конструкции исполнительных механизмов платформы шагающего робота. Разработка универсальных контроллеров и системы управления высокого уровня. Проектирование базовых алгоритмов управления, обеспечивающих автономное и супервизорное управление.
дипломная работа [6,3 M], добавлен 07.07.2012Разработка проекта внедрения SAP CRM. Анализ организации, анализ процессов, подлежащих автоматизации. Решение SAP Best Practices в организации управления клиентами и продажами. Функции системы, основные вопросы предпосылки к внедрению ее на предприятии.
курсовая работа [2,0 M], добавлен 12.05.2014Классификация (типы) бортовых систем автотранспортного средства. Система автоматического управления трансмиссией автомобиля. БИУС – вид автоматизированной системы управления, предназначенной для автоматизации рабочих процессов управления и диагностики.
дипломная работа [1,5 M], добавлен 26.07.2017Изучение укрупненных характеристик системы, подлежащей автоматизации, как первый этап создания автоматизированной системы управления. Выявление глобальной цели исследуемой системы. Структура системы, таблица функций организации и рабочего процесса.
контрольная работа [470,2 K], добавлен 25.10.2010Разработка общей структуры промышленной сети программируемых контроллеров в рамках автоматизированной системы расчета технологии измерения размеров образца металла с использованием компьютерных сетей связи. Проведение технического контроля аппарата.
дипломная работа [96,3 K], добавлен 06.03.2010Сварочный автомат в среде аргона, его исполнительные устройства, датчики. Циклограмма работы оборудования. Перечень возможных неисправностей, действие системы управления при их возникновении. Построение функциональной электрической схемы блока управления.
курсовая работа [745,9 K], добавлен 25.05.2014
