Sanal Sensörlerin Rolü Enhancing Pid Control Kompleks Sistemleri

Giriş: Unmeasurable'ı ölçmenin zorluğu

Proportional-Integral-Derivative (PID) kontrolü, aldıkları geri dönüş sinyalleri olarak kalır. Her kontrol döngüsü, robotik kolları ve HVAC sistemleri için kimyasal santrallerden ve enerji santrallerinden gelen her şey. onun kalıcı popüler sensörleri - çiftliği, sağlamlığı ve kanıtlanmış pist kaydından - doğal kısıtlamalara bağlıdır, ayrıca zaman içinde sabit bir şekilde sabit bir şekilde sabitlenebilir ve sabit bir şekilde sabit bir şekilde sabitlenebilir.

İnuratif sensörler ([Döneticiler)[Döneticileri ve/veya yumuşak sensörler) olarak da bilinir. Bu, mevcut sensörlerden ve işlem modellerinden verileri kullanarak tahmin edilen algoritma modelleridir.Bu makale, ilgi değişkenlerini sağlayarak, sanal sensörlerin performanslarını dramatik bir şekilde artırabilir ve PID kontrol döngülerini daha iyi bir şekilde artırabilir.

Sanal Sensörler Nedir? Derin Dive

Sanal bir sensör fiziksel bir cihaz değildir, ancak diğer ölçümlerden ve süreç bilgisinden bir süreç değişkeni ortaya koyan matematiksel bir yapıdır. Konsept, devlet tahmin teorisine dayanıyor ve on yıllardır ilerliyor, ancak makine öğrenimi, veri erişilebilirliği ve hesaplama gücündeki son gelişmeler onu çok daha erişilebilir ve doğru hale getirdi.

Sanal Sensörler Nasıl Çalışır

Onun özünde, bir sanal sensör bir veya daha fiziksel sensörlerden giriş alır (şimdi muhtemelen kontrol sinyalleri veya tarihi verileri) ve hedef değişkeni tahmin etmek için bir model uygulanır: Model şu şekilde temellenebilir:

Eğitimli ve doğrulandığında, sanal sensör gerçek zamanlı olarak çalışır (veya yakın zamanda) fiziksel sensörlerle birlikte, izleme, kontrol veya hata algılama için kullanılan bir tahmin sağlar.

Sanal Sensörlerin Türleri

Sanal sensörler amaçlarıyla sınıflandırılabilir:

Sanal Sensörler PID Kontrolünü Nasıl Geliştirir

PID kontrolörleri, bir set noktası ve ölçülen süreç değişkeni arasındaki hataya dayanan bir kontrol çıktısı oluşturur.Bu ölçüm kalitesi doğrudan kontrol performansını etkiler. Sanal sensörler PID döngülerini birkaç farklı şekilde geliştirir.

1. Gürültü Azaltımı ve İşaret Filtreleme

Fiziksel sensörler genellikle elektrik gürültüsü, titreşim veya akış çalkantısını alır. Sanal sensör, bir pompa ile daha güvenilir bir tahmin oluşturabilir. Alternatif olarak, sanal sensör kendisi PID kontrolörünü daha istikrarlı ve dayanıklı bir analog filtre olarak geri getiremeyen bir filtre ile tasarlanabilir. Örneğin, bir akış kontrol döngüsünde, bir pompa kullanarak gürültülü veya harika sinyal üretebilir.

2. Sensör Drift ve Başarısızlık için Açıklama

Zamanla, fiziksel sensörler kalibrasyon kaybı nedeniyle sürüklenir, fouling veya yaşlanma. İyi tasarlanmış bir sanal sensör, çıkışı fiziksel sensöre kıyasla (ve bir sensör tamamen uyarıya devam ederse bile, operatör veya otomatik olarak bir eşiğin ötesindeki hıza kadar uzanır.)

3. Inaccessible Değişkenlerin Ölçülmesi

Birçok PID döngüleri doğrudan ölçülemez bir değişkeni kontrol etmek için tasarlanmıştır. Örneğin, bir kaynar su reaktöründe, boşluk (steam balonları) nötron modurasyonunu etkiler ve böylece reaktör gücüne güvenmek zorunda kalacak bir şekilde çalışır, ancak her yakıt kanalında boşlukları ölçmek için pratik değildir. Sanal bir sensör sıcaklık, basınç ve nötron flux okumaları, bir PID tabanlı güç kontrolü sistemi için geri bildirim sinyali sağlayarak başka türlü daha az doğrudan önlemlere güvenmesi gerekir.

4. Dinamik Yanıtımı Geliştirdim

Fiziksel sensörler, termal inertia nedeniyle zaman gecikmeleri veya ölçüm entegrasyon süreleri nedeniyle zaman gecikmeleri vardır. Sanal sensör, özellikle bir süreç modeli içeren bir işlem modeli, zamanlamanın kritik olduğu durumlarda reaktörler gibi tahmin edilebilir bir değer sağlayabilir.Bu, kontrol döngüsündeki fazı azaltır, PID kontrolörünün stabiliteyi azaltmadan daha yüksek bir kazanç kullanmasına izin verir.

5. Azaltıcı Maliyet Maliyeti

Birçok yüklemede, yüksek kaliteli sensörlerin donanım maliyeti (örneğin, gaz kromatografları, kütle spektrometreleri, radyasyon monitörleri) özellikle küçük ila orta işletmeler için yasaklanmıştır. Sanal sensörler, aynı değişkenleri daha ucuz, daha yaygın sensörler ( sıcaklık, baskı, iletkenlik) yeterli doğrulukla tahmin edebilir.

Kompleks sistemlerde Anahtar Uygulamaları

Sanal sensörler, süreçlerin çok değişken, doğrusal olmayan veya aşırı koşullara tabi olduğu endüstriler üzerinde yaygın bir kabul görmüşlerdir. Aşağıda üç açıklayıcı alan vardır.

Kimyasal İşleme ve Polimerizasyon

Polimerizasyon reaktöründe, erimiş akış indeksi (MFI) – polimer vizolojinin ölçülmesi – katalizör veya monomer beslemesini sağlayan bir PID kontrol cihazı için zaman alıcı bir laboratuvar testi gerektirir. Sanal sensör MFI online olarak reaktör sıcaklığı, basınç, katalizör besleme oranı ve 1990'lardan bu yana sanal sensörler için bir başarı hikayesi olmuştur.

Power Generation: Gaz Türbinleri ve Buhar Döngüsü

Gaz türbinleri yüksek sıcaklıklarda çalışır ve fiziksel sensörlerin başarısız olmaya eğilimli olduğu baskılar. Sanal sensör, kompresörlü basınç ölçümlerinden (TIT) türbin içi basıncı, yakıt akışı ve egzoz gaz ısısını optimize etmek için değişkendir. PID kontrolörleri, sanal TIT sinyalinin güvenli işletim koşullarını sağlamak ve verimliliği artırmak için yakıt akışını düzenleyebilir. Benzer şekilde, buhar çevrimlerinde, sanal sensörler buhar ısı pompasının ölçümlerini önlemek için ısı geçişi ve ısı geçişi önlemek için.

Havacılık ve Uzaysız Aerial Tools (UAVs)

Uçuş kontrol sistemleri, saldırının doğru açısı (AoA) ve hava hızı, yüksek sadakatli AoA sensörlerinin, birincil sensör başarısız olsa bile, PID kontrol cihazını koruyabilen bir yedekleme sinyalini tahmin edebilir.Bu, her iki ticari uçakta ve de kritik bir kırmızı özelliktir.

PID Loops'te Sanal Sensörler için Uygulamayı Değerlendirme

Bir PID kontrol döngüsüne sanal bir sensör entegre etmek, yalnızca bir yazılım bloğu eklemek için bir konudur. Mühendisler güvenli, güvenilir bir operasyon sağlamak için birkaç pratik sorun ele almalıdır.

Model Geliştirme ve Geçerlilik

Sanal sensörin doğruluğu, modelin kalitesine ve onu inşa etmek için kullanılan verilere bağlıdır. Anahtar adımlar şunları içerir:

C ⁇ Overhead ve Latency

PID kontrolörleri gerçek zamanlı olarak çalışır, genellikle ikinci aralıkta milisaniyede örnek zamanlarda çalışır. Sanal sensör modeli bu örnek aralıkta güncel bir tahmin sağlamak için yeterince hızlı yapılmalıdır. Linear modelleri ve basit sinir ağları (örneğin, sığ besleme) genellikle iyi; derin öğrenme modelleri donanım hızlandırma gerektirir. güvenlik-kritik döngüler için, sanal sensör özel bir işlemcide uygulanmalıdır veya PLC'ye bağlı en kötü durumdaki yürütme süresine bağlı olarak uygulanmalıdır.

Model-Plant Mismatch

Süreç koşulları, katalizör deactivation, fouling veya çevresel değişim nedeniyle zamanla değişebilir. Eski veriler üzerinde eğitilmiş bir sanal sensör yavaş yavaş yavaş yanlış hale gelebilir. )Adaptive stratejileri).

PID ile güvenliksiz entegrasyon

Kontrol sistemi, sanal sensör çıktısının güvenilmez hale geldiği davayı ele almalıdır (örneğin, giriş sinyallerinin kaybı nedeniyle). Tipik bir yaklaşım, kontrol çıktılarında hata veya osilasyonlar önlemek gerekir[Dönemli transferler). Birçok modern dağıtım sistemi (DCS) bu tür mantık fonksiyonlarını kullanarak yeniden tasarlamaya izin verir.

Meydanlar ve Sınırlar

Onların sözüne rağmen, sanal sensörler gümüş bir mermi değildir. Mühendisler aşağıdaki tuzakların farkında olmalıdır:

Future: AI, Digital Twins ve Edge Computing

Bir sonraki sanal sensörler birkaç converging trendleri sayesinde dağıtmak için daha güçlü ve daha kolay olacaktır.

Derin Öğrenme ve Kendi Kendine Güvendi

Lineer yöntemler hala endüstride, derin öğrenmede hükmediyordu - özellikle de sınırlı etiketli verilerle belirli sanal sensörler için geri dönüşümlü yöntemler.Bu, karmaşık zaman bağımlıları süreçte veri toplama yükünü azaltır. Self-kontrolel öğrenme teknikleri, çok sayıda unlabeled işlem verileri üzerinde ön lisans modellerine sahip olabilir, sonra onları sınırlı etiketli verilerle inceler.

Sanal Sensör Platformları Olarak Dijital Twins

Bir dijital ikiz, tüm bir sürecin veya varlıkın kapsamlı bir modelidir. Kontrol sistemleri ile dijital ikizlerin entegrasyonu, PID döngüleri için gerekli olan her değişkenin tahminlerine göre önemli bir şekilde hizmet edebilir.

Edge Computing ve Federated Learning

Uzak cihazlarda sanal sensörler (PLC, kenar ağ geçidi) geç saatler ve bant genişliği kullanımı azaltmaktadır. Federated learning, çoklu kenar düğümleri, gizlilik hassas veya özel süreçler için avantajlı olan model eğitimi hakkında işbirliğine olanak sağlar.Bu yaklaşım aynı zamanda gerçek zamanlı adaptasyon sağlar: sanal sensör modeli, sitelerde yerel olarak güncel verilere göre güncellenebilir.

Gelişmiş Kontrolle Entegrasyon PID

Bu makale PID üzerinde yoğunlaşmasına rağmen, sanal sensörler sanal sensör çıktılarından yararlanan bir MPC katmanının (MPC) tarafından denetlendiği varsayılan kontrol mimarilerini görebiliriz. Sanal sensörler, MPC'nin ihtiyaç duyduğu tahminlere göre PID'nin basitliğini birleştiren sağlam, yüksek performanslı bir sistem yaratır.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Sanal sensörler, karmaşık endüstriyel sistemlerde PID kontrolünü geliştiren pratik bir araç için niş bir akademik konseptten gelişti. Daha güvenilir, daha hızlı ve daha hızlı anahtar proses değişkenlerini tahmin ederek, fiziksel sensörlerin temel sınırlamalarını ele aldılar - ulaşılamaz, maliyet ve erişilebilirlik. Sonuç, sensör hatalarına karşı daha iyi bir dayanıklılık sağlar.Veri bilimi ve kenar hesaplamaları ilerlemeye devam ederse, sanal sensörler uygulama ve korumayı daha kolay hale getirecek ve korumak için mühendislere güçlenecek.

[FONT:0]Dönemli kaynaklar:[Dönemli:[Dönemli)