叢 雨, 王樹青, 謝 磊

(浙江大學(xué)智能系統(tǒng)與控制研究所,工業(yè)控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室,浙江杭州 310027)

氣動(dòng)控制閥Choudhury粘滯模型分析與改進(jìn)

叢 雨, 王樹青＊, 謝 磊

(浙江大學(xué)智能系統(tǒng)與控制研究所,工業(yè)控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室,浙江杭州 310027)

在現(xiàn)今研究氣動(dòng)控制閥粘滯特性中,Choudhury模型有著廣泛的應(yīng)用。對(duì)該模型進(jìn)行分析,提出了改進(jìn)的Choudhury模型,結(jié)果顯示改進(jìn)后的模型更好地描述氣動(dòng)控制閥粘滯特性。同時(shí),給出了利用氣動(dòng)控制閥粘滯特性模型的參數(shù)(S,J)辨識(shí)結(jié)果,結(jié)果顯示利用改進(jìn)的Choudhury模型的參數(shù)辨識(shí)誤差率均小于5%,而利用Choudhury模型的參數(shù)辨識(shí)誤差超過5%。最后,通過實(shí)際工業(yè)生產(chǎn)過程實(shí)例,驗(yàn)證了改進(jìn)模型參數(shù)辨識(shí)的有效性。

氣動(dòng)控制閥; 粘滯現(xiàn)象; 參數(shù)辨識(shí)

在流程工業(yè)過程中有大量的控制回路,其性能狀況直接影響企業(yè)生產(chǎn)效益。根據(jù)Honeyw ell公司針對(duì)26 000多個(gè)控制回路歷時(shí)2年多的跟蹤調(diào)查發(fā)現(xiàn),有2/3的回路控制性能不佳,其中最突出的表現(xiàn)為回路振蕩[1]。而引起振蕩的原因主要包括以下3個(gè)方面:控制器的參數(shù)整定不好;周期性的外部干擾;控制閥存在顯著的粘滯作用。據(jù)統(tǒng)計(jì)控制閥粘滯占控制回路振蕩原因中的20%～30%。因此,如何檢測(cè)控制閥粘滯特性的存在與補(bǔ)償,對(duì)化工、石油等工業(yè)過程的安全、穩(wěn)定、高效的生產(chǎn)有著非常重要的意義[2-3]。

控制閥粘滯特性研究具體分為粘滯特性建模、檢測(cè)、參數(shù)辨識(shí)及補(bǔ)償4個(gè)方面。由于控制閥粘滯特性比較復(fù)雜,因此,對(duì)控制閥粘滯特性進(jìn)行建模成為首要的任務(wù)。目前,比較成熟的氣動(dòng)控制閥粘滯特性模型是粘滯數(shù)據(jù)驅(qū)動(dòng)模型,主要有3種:Kano模型[4]、Choudhury模型[5-6]和雙層二叉樹模型[7]。其中,Choudhury數(shù)據(jù)驅(qū)動(dòng)模型得到廣泛應(yīng)用,但該模型存在一定的不足,即當(dāng)控制信號(hào)變方向時(shí)以及閥位處于物理輸出的上下界時(shí),模型與實(shí)際物理過程不符。本文在分析Choudhury模型的基礎(chǔ)上,修改了該模型控制閥狀態(tài)改變時(shí)的判斷條件,使得模型輸入、輸出的關(guān)系特性與實(shí)際氣動(dòng)控制閥粘滯特性一致。

氣動(dòng)控制閥粘滯特性的參數(shù)辨識(shí)是粘滯補(bǔ)償過程中不可缺少的重要環(huán)節(jié)[8-11]。因而,本文進(jìn)一步分析了Choudhury模型及其改進(jìn)模型,對(duì)氣動(dòng)控制閥粘滯參數(shù)辨識(shí)結(jié)果的影響。最后,用一工業(yè)實(shí)際例子來驗(yàn)證改進(jìn)模型的有效性。

1 Choudhury模型存在的問題

氣動(dòng)控制閥具有結(jié)構(gòu)簡(jiǎn)單、使用安全、維護(hù)方便、價(jià)格低廉等特點(diǎn),廣泛應(yīng)用于石油化工等流程工業(yè)中。氣動(dòng)控制閥根據(jù)輸入信號(hào)大小來控制閥芯的位置,進(jìn)而調(diào)節(jié)流過閥門的介質(zhì)流量。閥芯的位置由閥芯和閥桿上所受各作用力的合力決定。

當(dāng)控制閥性能良好時(shí),控制閥的特性表現(xiàn)為線性特性[5]。但在實(shí)際工藝流程中,控制閥作為控制回路中唯一可以活動(dòng)的元件,往往由于流體沖擊、密封保護(hù)裝置過緊、長(zhǎng)時(shí)間處在高溫環(huán)境中或流過黏稠液體等原因,閥桿與密封裝置之間的摩擦力增大,從而導(dǎo)致閥門具有明顯的粘滯現(xiàn)象,控制閥閥芯特性曲線如圖1所示。

Fig.1 Behaviour of a stiction valve圖1 控制閥閥芯特性曲線

由圖1可知,只有當(dāng)控制信號(hào)克服閥桿與閥體之間的最大靜摩擦力fs時(shí),閥桿將會(huì)移動(dòng),在移動(dòng)瞬間,最大靜摩擦力轉(zhuǎn)變?yōu)榛瑒?dòng)摩擦力fd,由于最大靜摩擦力大于滑動(dòng)摩擦力,閥桿會(huì)產(chǎn)生跳躍,如圖1中CD段所示,這種現(xiàn)象被稱為粘滯[4-5]。

為了模擬控制閥粘滯現(xiàn)象,文獻(xiàn)[4-7]分別提出了不同的閥門粘滯數(shù)據(jù)驅(qū)動(dòng)模型。其中, Choudhury模型在模擬與檢測(cè)辨識(shí)粘滯參數(shù)中廣泛應(yīng)用,其流程圖如圖2所示[6]。圖3為不正確的閥芯位置狀態(tài)。

由圖2可知,當(dāng)控制器輸出改變方向時(shí)該模型輸出并不符合實(shí)際狀況;其次,閥桿初始位置不在圖1工作直線l1或l2上時(shí),模型輸出存在漏洞;另外,控制器輸出由不變到再次變化時(shí),模型輸出不符合實(shí)際。假設(shè)S=10,J=4,根據(jù)圖3(a)所示的控制信號(hào)輸入,可以得到Choudhury模型輸出如圖3(b)所示;根據(jù)圖3(c)所示的控制信號(hào)輸入,可以得到相應(yīng)的閥桿位置狀態(tài)圖如圖3(d)所示。

Fig.2 Logic flow chart of Choudhury model圖2 Choudhury模型流程圖

Fig.3 Incorrect relation between controller output and valve position圖3 不正確的閥芯位置狀態(tài)

圖3中存在以下3個(gè)問題:①當(dāng)輸入控制信號(hào)的方向發(fā)生改變且變化量大于控制閥粘滯參數(shù)S時(shí),閥桿應(yīng)隨之反向移動(dòng),但圖3(a)中第2個(gè)采樣時(shí)刻控制器輸出由0跳變到50,信號(hào)變化量大于粘滯參數(shù)S,但圖3(b)中輸出仍保持不變,模型處于粘滯狀態(tài),不符合實(shí)際控制閥輸出。同樣在采樣時(shí)刻4～9 s也存在類似問題;②假設(shè)閥桿初始位置為0。由于靜摩擦力的存在,當(dāng)控制器輸出克服最大靜摩擦力fs時(shí),閥芯位置會(huì)產(chǎn)生相應(yīng)的跳躍,而圖3中(d)所示模型在控制器輸出大于S(S>fs)時(shí)才產(chǎn)生跳躍;③控制器輸出由不變到再次變化時(shí),控制信號(hào)只需克服閥門粘滯J閥桿即可移動(dòng),而圖3中(d)所示控制信號(hào)變化量為S時(shí)閥桿才開始移動(dòng),不符合控制閥實(shí)際閥門特性。

2 氣動(dòng)閥粘滯模型改進(jìn)算法

針對(duì)上述指出的Choudhury模型存在的3個(gè)問題,本節(jié)將分別予以詳細(xì)分析,并給出改進(jìn)后的Choudhury模型,如圖4所示。圖5為修改后正確的閥桿位置狀態(tài)。

(1)由上述可知,當(dāng)Choudhury模型輸入信號(hào)改變方向時(shí)模型輸出始終保持不變。若此時(shí)的信號(hào)變化量大于反向滑動(dòng)摩擦力與最大靜摩擦力之和S時(shí),控制信號(hào)將會(huì)驅(qū)動(dòng)閥桿克服阻力移動(dòng), Choudhury模型輸出與實(shí)際特性不符。在該情況下控制閥輸出應(yīng)分兩種情況考慮:當(dāng)信號(hào)變化量小于粘滯參數(shù)S時(shí),閥桿處于靜止?fàn)顟B(tài);反之,閥桿將會(huì)移動(dòng)。本文在Choudhury模型的基礎(chǔ)上增加了輸入信號(hào)改變方向情況下閥桿是否移動(dòng)的判斷項(xiàng),同時(shí)為確保xss參數(shù)準(zhǔn)確更新,增加了更新xss參數(shù)的判斷項(xiàng)。在圖4方塊(i)中首先判斷上一時(shí)刻閥桿是否移動(dòng),如果上一時(shí)刻閥桿移動(dòng),那么將xss參數(shù)置為上一時(shí)刻控制信號(hào)輸出,否則xss參數(shù)不變。然后判斷控制信號(hào)反向時(shí)信號(hào)變化量是否滿足閥桿反向移動(dòng)的條件。如果滿足,那么閥桿移動(dòng),同時(shí)將代表閥桿移動(dòng)狀態(tài)的參數(shù)I置為0;反之閥桿靜止,參數(shù)I置為1。根據(jù)第1節(jié)中給出的粘滯參數(shù)及控制信號(hào),修改后的模型可以得到相應(yīng)正確的閥桿位置,如圖5(b)所示,在時(shí)刻2～9 s,在控制器輸出變化量大于粘滯參數(shù)S時(shí),控制閥輸出發(fā)生了正確改變。

(2)模型初始閥位為0時(shí),控制器輸出大于時(shí)閥桿才產(chǎn)生跳躍,與實(shí)際特性不符。說明當(dāng)閥桿處于物理輸出的上界或下界時(shí)以及初始閥位不在直線l1、l2上時(shí),按照Choudhury模型框圖編寫的程序?qū)a(chǎn)生錯(cuò)誤的閥芯位置狀態(tài)變化。由上述分析得知, Choudhury模型在判斷閥桿是否滿足由靜止到移動(dòng)的條件上存在錯(cuò)誤,本文將原模型中判斷條件:|x (k)-xss)|>s改為|x(k)-y(k-1)|>fs,如圖4中方塊(ii)所示。根據(jù)給出的粘滯參數(shù)及控制信號(hào),修改后的模型可以得到相應(yīng)正確的閥桿位置,如圖5(d)所示。

(3)控制器輸出由不變到再次變化時(shí), Choudhury模型在輸入信號(hào)變化量為S時(shí)閥桿產(chǎn)生跳躍,與實(shí)際特性不符。因?yàn)檫@種情況下,只有當(dāng)控制器信號(hào)變化的方向與上次閥桿移動(dòng)的方向相同時(shí),控制信號(hào)克服閥桿上粘滯作用,閥桿移動(dòng),否則控制信號(hào)需滿足閥桿反向移動(dòng)的條件閥桿才可移動(dòng),說明Choudhury模型在判斷控制閥是否滿足同向移動(dòng)的判斷條件上存在錯(cuò)誤。因此,需要添加針對(duì)控制器信號(hào)變化是否與上次閥桿移動(dòng)同向的判斷條件。為實(shí)現(xiàn)以上邏輯判斷,本文設(shè)置一個(gè)新的變量d v,用來代表上次閥桿移動(dòng)的方向。根據(jù)粘滯特性以及圖1所示的控制器輸出與閥芯位置關(guān)系規(guī)則,令d v=sign(xss-y(k-1)),判斷d v和v_new是否同向。如果滿足判斷條件,那么控制信號(hào)變化量只需克服粘滯作用J即可使閥桿移動(dòng),反之控制信號(hào)需滿足閥桿反向移動(dòng)的條件才可使閥桿移動(dòng)。修改后的Choudhury模型如圖4中方塊(iii)所示。根據(jù)給出的粘滯參數(shù)及控制信號(hào),修改后的模型可以得到相應(yīng)的正確閥桿位置狀態(tài)如圖5(d)所示。

Fig.4 Logic flow chart of the improved Choudhury model圖4 修改后的Choudhury模型的流程圖

3 模型對(duì)粘滯參數(shù)辨識(shí)的影響

3.1 粘滯參數(shù)辨識(shí)方法原理與算法

控制閥粘滯特性研究是通過檢測(cè)回路中控制閥粘滯特性的存在,以及對(duì)粘滯參數(shù)的辨識(shí),最終實(shí)現(xiàn)粘滯補(bǔ)償,達(dá)到減小回路振蕩的目標(biāo)。本文采用的是第2節(jié)中改進(jìn)的Choudhury模型。由于生產(chǎn)過程的對(duì)象模型往往未知,因而辨識(shí)氣動(dòng)控制閥粘滯參數(shù)的同時(shí)需要對(duì)過程對(duì)象模型進(jìn)行聯(lián)合辨識(shí)。為簡(jiǎn)化問題,假設(shè)過程對(duì)象模型為線性,回路可分解為非線性部分和線性部分,利用Hammerstein模型辨識(shí)可同時(shí)描述出閥門粘滯參數(shù)和過程對(duì)象模型,并通過最小方差法求相對(duì)應(yīng)的粘滯參數(shù)。由此粘滯參數(shù)辨識(shí)問題可轉(zhuǎn)化為求方差最優(yōu)解,如式(1)所示。

其中,S,J為粘滯參數(shù),O P、PV分別為回路中控制器輸出和被控變量輸出,M V′為相應(yīng)模型輸出,PV′為預(yù)測(cè)輸出,Gp為被控對(duì)象傳遞函數(shù),I_Choudhury (.)為圖4中改進(jìn)后的Choudhuary控制閥數(shù)據(jù)驅(qū)動(dòng)模型。

Fig.5 Correct relation between controller output and valve position圖5 正確的閥桿位置狀態(tài)

由于控制閥粘滯特性為非線性特性,一般無法采用基于目標(biāo)函數(shù)梯度的優(yōu)化算法來求解,因此通常采用演化算法(如遺傳算法)來解決此問題[6,9-11]。微粒群優(yōu)化算法(PSO)是由Kennedy和Eberhart于1995開發(fā)的一種基于迭代的優(yōu)化方法[12],通過群體中粒子間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索。由于PSO算法簡(jiǎn)單,易于實(shí)現(xiàn),具有較強(qiáng)的全局收斂能力,近年得到了很大的發(fā)展,十分適合解決此問題。因此本文采用基于PSO算法的粘滯辨識(shí)算法。

基于PSO控制閥參數(shù)辨識(shí)算法的粒子適應(yīng)度計(jì)算如下:

(1)Hammerstein模型中非線性部分為控制閥粘滯部分,用改進(jìn)的Choudhury模型來描述,回路線性部分為控制閥線性部分及過程對(duì)象,該線性部分可利用ARX或ARMAX模型來描述;

(2)二維取值范圍內(nèi)選擇一組;

(3)根據(jù)參數(shù)為(Si,Ji)的粘滯模型及控制信號(hào)OP可得到相應(yīng)的閥芯位置MV′;

(4)利用閥芯位置M V′和過程輸出PV數(shù)據(jù)辨識(shí)過程對(duì)象的模型;

(5)根據(jù)辨識(shí)出的過程對(duì)象的模型以及閥芯位置M V′可以得到過程預(yù)測(cè)輸出PV′;

(6)計(jì)算預(yù)測(cè)輸出PV′與實(shí)際輸出PV之間的方差F(Si,Ji);

(7)計(jì)算二維取值范圍內(nèi)各點(diǎn)所對(duì)應(yīng)的方差M SE,為各粒子的適應(yīng)度值。

3.2 模型對(duì)參數(shù)辨識(shí)的影響

考慮單回路控制,控制對(duì)象和控制器采用文獻(xiàn)[11]中的仿真對(duì)象及相應(yīng)控制器Gc控制閥采用改進(jìn)后的Choudhury粘滯模型。由于實(shí)際過程控制閥粘滯一般在1%～2%[1],所以控制閥粘滯仿真參數(shù)設(shè)置為[0,2%],對(duì)每組S,J的取值各產(chǎn)生了1 500個(gè)樣本。為符合工業(yè)過程的真實(shí)情況,在回路輸出信號(hào)上增加了方差為0.01的正態(tài)隨機(jī)噪聲?？刂茖?duì)象辨識(shí)采用ARX模型,并根據(jù)A IC準(zhǔn)則確定模型階次[11]。PSO算法中自身正反加速度和種群正反加速度分別設(shè)置為0.5,慣性權(quán)重設(shè)置為1.2,粒子數(shù)設(shè)置為20,最大迭代數(shù)為20。利用所提供的確定參數(shù)取法范圍的方法以及微粒群優(yōu)化算法得到粘滯參數(shù)辨識(shí)結(jié)果見表1。

表1 粘滯參數(shù)辨識(shí)結(jié)果Table 1 Results for the process simulations%

從表1可以看出,改進(jìn)的Choudhury模型的辨識(shí)精度均小于5%,而Choudhury模型的辨識(shí)精度只有一個(gè)小于5%,其余均超過5%,最大達(dá)到54.60%,與粘滯參數(shù)實(shí)際值存在較大差異。

由于粘滯模型為非線性模型,目標(biāo)函數(shù)極可能存在局部最優(yōu)解。從辨識(shí)結(jié)果中,并不能十分肯定地判斷該辨識(shí)結(jié)果的差異是否由模型不同造成的。所以為了分析差異的原因,要從優(yōu)化算法、模型差異和噪聲影響這幾個(gè)方面考慮。

首先,為排除噪聲影響和優(yōu)化算法產(chǎn)生的局部最優(yōu)值所產(chǎn)生的差異,將在無噪聲情況下,以表1中第1組粘滯參數(shù)為例,利用改進(jìn)的Choudhury模型作為氣動(dòng)控制閥模型模擬閉環(huán)控制,在尋優(yōu)最大范圍內(nèi),以0.1%為最小精度平均劃分二維網(wǎng)格線,求取每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)所對(duì)應(yīng)的目標(biāo)函數(shù)值。所求取的Choudhury模型、改進(jìn)的Choudhury模型對(duì)應(yīng)的目標(biāo)函數(shù)的三維圖分別如圖6中(a)和(b)所示。圖中x、y軸分別為S參數(shù)和J參數(shù),Z軸為最小方差。

從圖6的(a)和(b)中可以直觀看出,改進(jìn)的Choudhury模型最優(yōu)點(diǎn)在設(shè)定參數(shù)附近,而Choudhury模型所對(duì)應(yīng)目標(biāo)函數(shù)的三維圖有明顯的不同。為何會(huì)造成如此差異呢?下面將在有噪聲且輸入相同OP曲線情況下,針對(duì)Choudhury模型及改進(jìn)模型所產(chǎn)生的MV、M V改進(jìn)進(jìn)行對(duì)比分析。

Fig.6 The objective functions of originalmodel and im proved model圖6 原模型及改進(jìn)模型對(duì)應(yīng)的目標(biāo)函數(shù)

同樣,以表1中第1組粘滯參數(shù)為例,添加0.01%的白噪聲,并針對(duì)過程對(duì)象FOPTD及其控制器,利用改進(jìn)的Choudhury模型作為氣動(dòng)控制閥模型進(jìn)行閉環(huán)回路控制的模擬。

回路中設(shè)定值設(shè)為常數(shù)50%。回路控制器輸出信號(hào)O P和Choudhury模型及改進(jìn)模型所產(chǎn)生的M V、M V改進(jìn)曲線圖,選取50 s至350 s進(jìn)行局部放大如圖7所示。從圖7中可以看出,MV與M V改進(jìn)信號(hào)在250 s至350 s之間存在明顯差異。256 s時(shí)改進(jìn)模型的閥桿反向移動(dòng),而Choudhury模型的閥桿仍然靜止。產(chǎn)生此差異的具體原因需從85 s閥桿進(jìn)入靜止?fàn)顟B(tài)時(shí)開始分析。85 s時(shí),控制信號(hào)值為1 7.0 9%,8 6 s時(shí)控制信號(hào)值仍為17.09%,因而閥桿進(jìn)入停滯狀態(tài);260 s時(shí)控制信號(hào)值變?yōu)?6.08%,與上次閥桿由移動(dòng)到靜止?fàn)顟B(tài)的控制信號(hào)值xss之間相差了-1.01%,其絕對(duì)值大于S,因而閥桿應(yīng)產(chǎn)生反向移動(dòng)。而Choudhury模型邏輯上存在問題,只要控制信號(hào)反向變化或保持不變時(shí)該模型就會(huì)更新變量xss。又由于噪聲干擾存在,控制信號(hào)雖在100 s至250 s之間是減小的趨勢(shì),但相鄰時(shí)刻的控制信號(hào)存在不變或反向情況,所以xss值不斷變化。由上述分析,參數(shù)xss并不能代表上次閥桿由移動(dòng)到靜止?fàn)顟B(tài)的控制信號(hào)值,因而產(chǎn)生了差異。

Fig.7 Partial curve of OP,MV,MV改進(jìn)圖7 OP及MV、MV改進(jìn)局部曲線圖

4 工業(yè)實(shí)例應(yīng)用研究

為驗(yàn)證改進(jìn)模型及參數(shù)辨識(shí)方法的有效性,本文采用某石化廠延遲焦化車間5個(gè)典型的閉環(huán)控制回路數(shù)據(jù)進(jìn)行氣動(dòng)控制閥粘滯參數(shù)S,J的辨識(shí)分析。這5個(gè)回路均為流量控制系統(tǒng),其中JFICA 137為控制重質(zhì)渣油由緩沖罐流入加熱爐F-1的總管路上流量控制回路,JFICA 0145、JFICA 0147、JFICA 0157和JFICA 0159為重質(zhì)渣油流入加熱爐F-3四條分管路的流量控制回路。采樣周期為5s,采樣時(shí)間段中包含20個(gè)震蕩周期以上,采樣點(diǎn)數(shù)分別為1 000、1 000、1 000、1 000、750。5個(gè)回路的控制器輸出,控制對(duì)象輸出,及PV-OP圖見圖8。采用辨識(shí)算法,其中PSO算法中自身正反加速度和種群正反加速度分別設(shè)置為0.5,慣性權(quán)重設(shè)置為1.2,粒子數(shù)設(shè)置為20,最大迭代數(shù)為20。最后得到這5個(gè)氣動(dòng)控制閥粘滯參數(shù)辨識(shí)結(jié)果如表2所示,結(jié)果顯示JFICA 137回路中的氣動(dòng)執(zhí)行閥粘滯參數(shù)分別為S=0.023%,J=0.023%,均小于0.05%,可忽略。這是由于流過的介質(zhì)溫度不高,因而具有較小的粘滯特性。而回路JFICA 0145、JFICA 0147、JFICA 0157和JFICA 0159主要控制爐膛F3的4個(gè)管路的進(jìn)料流量,流過氣動(dòng)執(zhí)行閥的重質(zhì)渣油粘稠,含雜質(zhì)多,并且溫度高,壓力大;從辨識(shí)結(jié)果中分析,可知4個(gè)回路的S或J參數(shù)都大于1.0%,說明這些氣動(dòng)控制閥有粘滯現(xiàn)象。因?yàn)樵诖罅垦芯恐?認(rèn)為S或J參數(shù)大于1.0%,則認(rèn)為控制閥具有粘滯特性[1]。

Fig.8 Industrial control loop data圖8 工業(yè)數(shù)據(jù)

表2 工業(yè)實(shí)例辨識(shí)結(jié)果Table 2 Results of the industrial control loops

[1] Desbo rough L,M iller R.Increasing customer value of industrial control performance monito ring-honeywell’s experience[J].Proceedings of p rocess control,2002:172-192.

[2] Tho rnhill N F,Hagglund T.Detection and diagnosis of oscillations in control loops[J].Control engineering p ractice, 1997,5(10):1343-1354.

[3] Hagglund T.A control-loop performancemonito r[J].Control engineering p ractice,1995,3(11):1543-1551.

[4] Manabu K,Hiroshi M,Hidekazu K,et al.Practical model and detection algorithm for valve stiction[C].IFAC symposium on dynamics and control of p rocess system s,2004:5-7.

[5] Shoukat C M A A,Tho rnhill N F,Shah S L.Modelling valve stiction[J].Control engineering p ractice,2005,13(5): 641-658.

[6] Choudhury C M A A,Jain M,Shah SL.Detection and quantification of control valve stiction[C].Proceedings of the 7the DPCOPS,USA:Boston,2006:2097-2106.

[7] Si-Lu C,Tan K K,Sunan H.Two-layer binary tree data-driven model fo r valve stiction[J].Ind.eng.chem., 2008,47:2842-2848.

[8] Srinivasan R,Rengaswamy R,Narasimhan S,et al.Control loop performance assessment 2:Hammerstein model app roach fo r stiction diagnosis[J].Industrial&engineering chemistry research,2005,44(17):6719-6728.

[9] Jain M,Choundhury M A A S,Shah S L.Quantification of valve stiction[C].International symposium on advanced control of chemical p rocesses,Brazil:Gramado,2006:1157-1162.

[10] Choudhury M A A S,Jain M,and Shah SL.Stiction-definition,modelling,detection and quantification[J].Journal of p rocess control,2008,18(3-4):232-243.

[11] Jelali M.Estimation of valve stiction in control loops using separable least-squares and global search algorithm s[J]. Journal of p rocess control,2008,18(7-8):632-642.

[12] Kennedy J,Eberhart R.Particle swarm op timization[C].Neural networks,p roceedings,IEEE international conference,Piscataway,NJ:IEEE service center,1995.

(Ed.:SGL,Z)

王樹青,男,漢族,1938年12月生,浙江省仙居縣人,自動(dòng)化方向的碩士、博士、博士后和國內(nèi)外訪問學(xué)者導(dǎo)師,現(xiàn)為浙江大學(xué)控制系返聘教授。曾任工業(yè)控制技術(shù)國家重點(diǎn)實(shí)驗(yàn)室主任、中國微生物學(xué)會(huì)常務(wù)理事及名譽(yù)理事、中國生物過程模型化與控制學(xué)會(huì)理事長(zhǎng)及副理事長(zhǎng)、中國自動(dòng)化學(xué)會(huì)應(yīng)用委員會(huì)(過程控制)常務(wù)理事和中國化工學(xué)會(huì)化工自動(dòng)化及儀表委員會(huì)常務(wù)理事等職務(wù)。先后獲得國家教育部科技進(jìn)步一等獎(jiǎng),國家教委科技進(jìn)步二、三等獎(jiǎng),國家計(jì)委、科委和財(cái)政部聯(lián)合嘉獎(jiǎng)等榮譽(yù)。享受國務(wù)院頒發(fā)的政府特殊津貼。主要研究方向:先進(jìn)控制理論與應(yīng)用,控制系統(tǒng)性能評(píng)估方法與應(yīng)用,基于多智能體的網(wǎng)絡(luò)控制系統(tǒng)理論及應(yīng)用,運(yùn)動(dòng)控制算法及實(shí)施,企業(yè)綜合自動(dòng)化理論與應(yīng)用。

Analysis and Imp rovement on Choudhury’s Stiction Model of Pneumatic Control Valve

CONG Yu,WANG Shu-qing＊,XIE Lei
(N ational Key Laboratory of Industrial Control Technology,Institute of Cyber-Systems and Control,
Zhejiang University,Hangzhou Zhejiang 310027,P.R.China)

20 M ay 2010;revised 9 Ju ly 2010;accep ted 12 July 2010

Choudhury’s model was w idely used in the pneumatic control valve stiction research.Based on the analysis and discussion fo r Choudhury’smodel,the results show that the imp roved Choudhury describes the characteristicsof valve stiction better.Then,the identification results of stiction parameters(S,J)were given by using the Choudhury’s model and the imp roved Choudhury’smodel.The results show that the error ratesof identification used by the imp roved Choudhury’smodel are all below 5%,w hile the erro r rates of identification used by the Choudhury’s model are over 5%.The validity of the p roposed method is illustrated through industrial examp les.

Pneumatic control valve;Stiction;Parameter identification

TP311+.32

A

10.3696/j.issn.1006-396X.2010.03.022

1006-396X(2010)03-0094-07

2010-05-20

叢雨(1984-),女,遼寧大連市,在讀碩士。

國家自然科學(xué)基金(60721062);國家高技術(shù)研究發(fā)展(863)計(jì)劃資助項(xiàng)目(2007AA 04Z162)。

＊通訊聯(lián)系人。

＊Co rresponding author.Tel.:+86-571-87951125;fax:+86-571-87951125;e-mail:sqwang@iipc.zju.edu.cn