Диссертация (Разработка интеллектуального комплекса для адаптивного управления параметрами микроклимата процессов хранения муки), страница 10

Так как в данном случае не все фазовое пространство измеряемо, то матрица измерений представляет собой единичную матрицу вида: 1 О О 0 0 О оооооо 001000 оооооо' О 0 О О 1 0 О 0 О О 0 О и соответственно будет иметь место не полный вектор измерений У ~ Х . Для нахождения математической модели процесса хранения в классической дифференциальной форме перейдем к новой независимой переменной Е(Ц и обозначим конечные состояния; — а„(~) О Л(~) = о определяемая из системы уравнений (2.5) в виде: определяемый из системы уравнений (2.5) в виде: о о о о о о о 5 (~) 3(~) Учитывая, что процесс дифференцирования есть действие, обратное процессу интегрирования получим в Май ЕаЬ схему переменных состояний процесса хранения„из которой имеем: 2,(~) = Ь„(~)й,(~)+Ь„(Ф„(~) — а„(Р)У, Ф- а„(~)У,Ж, У.

(~) = Ь,,(~)~:,(~)+ Ь„(г)ю, (~) — а,. (г)У, (~) — а„(~)У, (к), Л„(~) — Ь„(~)и,(~) ~-Ь„,(~)м. (~) — а~,(Г)Я,(~) — а, ЯУ,,Я или в классической дифференциальной форме: 2,(~)+а„(г)2,(~)+а,ф)~,® = Ь„(()~',(т)+Ь„р)»,(~), Ё,(к) ~- а„(к)2,(к)+ а„(~)у,(~) = Ь, (~)й, (к)+ Ь„(Г)з,(~), Ё,(~)+ а„,(~)Х,,(й) + а„,(~)7 (г) = Ь„(~)г,(й) + Ь,-,Ф~',(и). Полученная математическая модель (2.14.) характеризует функциональную структуру процесса хранения муки и позволяет найти параметрическую передаточную функцию для анализа характеристики переходного процесса. Однако дальнейшее исследование математической модели позволяет получить лишь ориентировочные результаты, т.к.

используя аналитические методы приходится идти на сильно упрощенное представление реального процесса. Аналитические модели математически верно отражают связь между входными и выходными переменными и параметрами, но их структура не отображает внутренне устройство объекта (4). 2.3. Структурно — параметрическая модель. Наиболее эффективными оказываются комбинированные методы построения математической модели объекта, когда, используя аналитически полученную структуру объекта, ее параметры определяют в ходе натурных экспериментов. Структурно-параметрическое моделирование систем любой физической и социальной природы сводится к построению матриц взаимосвязей между сгруппированными параметрами состояния и цели отдельных функциональных блоков системы аналогично параметрической матрице смежности, При этом главной задачей является отыскание сопоставимых характеристик связей между параметрами состояния технологической системы с последующим построением ситуационной модели состояния системы с алгоритмизацией процедур его идентификации и прогнозирования 1'1171.

На первом этапе характеристики связей между наблюдаемыми параметрами задаются экспертным путем с последующим уточнением в результате обработки статистических данных методами корреляционного и регрессионного анализа 1591. Исходные данные формируются в виде массива случайных наблюдений х1ц). В нашем случае сюда входят; Х~ — влажность муки Х вЂ” Температура муки Х; — относительная влажность воздуха при вентиляции Х~ — температура вентиляции Х; — Расход воздуха на вентиляцию и пневмотранспорт на 1 т. муки Х6 — кислотность муки Предположим, что при проведении случайных измерений были получены следующие статистические данные: Таблица 2.1.

Статистические данные при случайных измерениях. На основе полученных данных при А = 1,п;1 = 1,иг для и- параметров в л наблюдениях сформируем таблицу корреляционных связей. Для этого воспользуемся формулой; " (л,,-х,.) ~х,, —.;.) к, О;. (2.15.) где о; о; - среднеквадратичные отклонения ко и1-го факторов от их математического ожидания Х;„Х,.

Таблица 2.2. Корреляционные связи. Полученную таблицу корреляционных связей необходимо подвергнуть проверке значимости по критерию Стьюдента. В результате получаем преобразованную матрицу коэффициентов корреляции К;,: Таблица 23. Матрица коэффициентов корреляции. Для каждой строки корреляционной матрицы Яц составляется индексный массив параметров, тесно связанных с ~-м фактором и рассчитываются коэффициенты линейной множественной регрессии: Найденные коэффициенты записываются в регрессионную матрицу связей: Таблица 2.4. Регрессионная матрица.

Полученная матрица коэффициентов регрессии пересчитывается в матрицу безразмерных сопоставимых характеристик связей и корректируется с учетом логистики технологической системы: 70 Таблица 2.5. Матрица безразмерных связей. Описанные модели и алгоритмы структурно-параметрического моделирования и идентификации могут быть использованы для разработки интерактивной системы анализа технологической системы БХМ. Исходя из полученных характеристик связей между параметрами, можно подобрать критерий качества, удовлетворяющий текущим требованиям к регулированию технологического процесса, происходящего на складе БХМ.

В общем виде критерий записывается следующим образом: ~2.18.) у~ = С~Х ~+С.Х.+СзХз+....+С,Х. Отсюда получаем следующий критерий качества: ук = 0,35 Х ~+0,16 Хт+0,39 Хз-0,58 Х4+0,5 Х~+0,47 Х~ (2.19.) подходов не принимается во внимание. Для этой цели воспользуемся 71 Как уже выше отмечалось, качественные параметры муки в процессе хранения зависят от многочисленных внешних факторов и от параметров микроклимата внутри силоса. Поэтому целесообразно контролировать и управлять именно микроклиматом. А для этого необходимо уточнить математическую модель объекта управления при рассмотрении его в автоматизированной системе. Модель должна учитывать многосвязность параметров технологического режима, что в большинстве известных формализованным методом описания, в основе которого лежит физический подход к моделированию динамических систем, и который состоит из построениа балансных уравнений соответствующих параметров, где каждый параметр носит физпческую интерпретацию ~55, 2.4.

Исходные допущения при построении и уточнении математической модели Как уже отмечалось„на качественные показатели муки ~температура, влажность, кислотность муки) при ее хранении влияют такие параметры микроклимата„как температура, влажность и концентрациа воздуха (содержание углекислого газа СО2 в воздухе). Также необходимо определить динамические зависимости этих параметров от управляющих воздействий и основных влияющих возмущений.

На рисунке 23 приведена схема силоса как объекта автоматизации с учетом основных параметров регулирования, а также управляющих и возмущающих воздействрлт. Ранен теннант снс кеми отоплении Пострплепие пара от системы тел зжн синя Теплопотери черет стенал силоса Рис. 2.3. Основные параметры микроклимата в силосе и действующие на них возмущающие воздействия.

Необходимый микроклимат обеспечивается за счет изменен~гя интенсивности вентиляции и подготовки поступающего воздуха. Для подготовки воздуха используется широко распространенная прямоточная система воздушного отопления 193-95~. Особенностью такого типа подготовки воздуха является наличие высокой кратности воздухообмена, необходимой для поддержания заданного уровня химического состава воздуха и относительно низкими постоянными времени в каналах управления. Процесс получения необходимой температуры воздуха в технологическом помещении происходит путем подачи подготовленного до расчетной величины воздуха от промышленного кондиционера.

Кондиционер подключен к системе горячего водоснабжения. Изменяя с помощью трехходового клапана соотношение подачи горячей воды с обратной, устанавливается количество отданного теплообменником промышленного кондиционера тепла на нагрев подготавливаемого воздуха с учетом таких внешних возмущений, как теплопотери через внешние ограждения и теплопотери на подготовку свежего воздуха с наружной температурой. Регулирование влажности происходит изменением количества поданного пара системой увлажнения в канал промышленного кондиционера от парогенератора.

Количество поданного пара регулируется клапаном по мере замещения воздуха технологического помещения свежим воздухом системой вентиляции. Управление химическим составом воздуха в технологическом помещении происходит за счет подмеса свежего воздуха к воздуху внутри путем изменения производительности системы вентиляции, Установленная система шиберов изменяя аэродинамическое сопротивление в канале вентиляции определяет интенсивность подачи свежего воздуха от активной системы вентиляции в технолопгческое помещение. На основании исследования ТП БХМ и различных литературных источников можно принять следующие допущения ~38~: 1. При оценке теплового баланса можно пренебречь нагревом солнечным светом.

2, Не учитываем тепловую инерцию стен помещения. 3. Тепловыделения от внутреннего технолопиеского оборудования не учитываются ~теплоизлучение от электросети, освещения и 4. Процессы лучистого теплообмена внутренних поверхностей помещения не учитываются. 5.