您的位置:控制工程论坛网论坛 » 现场总线 » 基于Lonworks总线的智能数据采集系统

chenwh78

chenwh78   |   当前状态:在线

总积分:6174  2024年可用积分:0

注册时间: 2008-10-10

最后登录时间: 2019-06-16

空间 发短消息加为好友

基于Lonworks总线的智能数据采集系统

chenwh78  发表于 2009/5/4 13:20:11      1063 查看 2 回复  [上一主题]  [下一主题]

手机阅读

摘 要:现场总线综合了数字通信技术、计算机技术、自动控制技术、网络技术和智能仪表等多种技术手段,其数据通信具有较高的可靠性、实时性和灵活性。在现场总线控制网络中,系统的各种设备通过多个节点连接到一根公共总线上,使得各个节点之间可以实现点对点的对等通讯和系统中信息资源的共享,同时大大减少系统中的连接线。因此,为了实现低成本的远距离、大规模、分散目标的测控系统,本文采用现场总线技术(Lonworks)和单总线构建该混合式数据采集与处理系统。
关键字:现场总线;Lonworks;数据采集

1 概述

集散控制系统(DCS)和现场总线控制系统(FCS)已经发展到相当成熟的地步,但是他们仍然存在着缺陷和不足。因此需要建立具有良好的柔性、系统重构能力、容错能力和快速反应性的网络化测控系统。分布式人工智能技术(DAI), Agent理论、现场总线与单总线的集成技术为设计和实现这种系统提供了一条切实有效的途径。

基于此点出发,本章提出一种基于总线技术的智能化数据采集系统。在该系统中,每个测控单元都被构造成具有自主性和自适应能力的Agent,通过多个Agent之间的协同工作来提高整个系统的可靠性、稳定性和工作效率。这样该现场总线测控系统就具有了信息感知、分布性、并发性、主动性和自适应性的特性。

近来,Agent技术己被认为是进行分布式工业系统建模的一种重要方法,是设计与实施分布式智能测控环境的最自然的手段,是构建下一代测控系统的重要技术之一。

2 系统的多Agent模型

该系统主要由系统管理Agent、控制Agent和感知与执行Agent三部分组成,它们都是具有独立工作能力的自治体或半自治体,通过协作完成系统分配给它或它们的任务,构成一个具有并发性与分布性的MAS (Multi-Agent System)系统。事实上,对于MAS环境下的检测监控系统应是一种具有敏捷性的多Agent系统,由于任务的不同分解与分配以及其它不可预测因素的出现,使得这种多Agent体系能够随时改变组织配置,实现系统的重构,而一旦任务结束,临时组建的系统则立即解散。基于上述思想,图1从系统的组成结构和通信方式定义了该分布式的系统模型。在此系统中,管理Agent是一个综合状态识别系统,它完成对系统总体运行状态的监控,提供对各监控对象的实时监测、评价与决策功能。

newmaker.com
图1 系统的结构图

控制Agent和感知与执行Agent为具有自主性和自适应能力的Agent,但它们之间并没有严格的一一对应关系,而是由管理Agent根据任务的需要临时召集组成动态的节点Agent。其中,感知与执行Agent是运行在控制现场的智能设备,是管理Agent在执行任务时信息的主要来源,也是Agent感知能力的基本体现。它们负责现场信号的采集和预处理,提取传感器信号的特征形成监控变量,并确定信号发往何处。同时该Agent接收来自控制Agent的指令,转化为与现场设备匹配的开关量和模拟量输出;控制Agent是系统的核心部件,具有自主决策的能力。此外,在这种多Agent系统中,任务的来源是多方面的。既可以是来自某一控制层次的命令,也可以是来自另一多Agent体系中管理Agent的协作请求。

3 系统工作过程

正常情况下,系统的工作过程如图2所示。

newmaker.com
图2 系统工作原理图

当来自任务源的任务传给管理Agent以后,任务处理模块首先对任务进行分解,然后通过知识库查询其所管理的控制Agent能否完成分解后的所有子任务。如果能够完成则进行任务分配并启动系统;如果不能完成则放弃任务的执行并通知任务源。系统启动后,控制Agent召集相关的感知与执行Agent处理分配给自己的任务,并通过自身的交互机制实现与其它控制Agent的协作以及信息和资源的共享。当某个控制Agent发生故障时,管理Agent的监控模块首先根据检测到的故障信息做出相应的诊断决策,然后通知任务处理模块将该控制Agent的控制权限转交给其它控制Agent或者进行任务的重新分配,从而使整个系统仍能正常运行。这样就实现了依靠各Agent之间的协作来提高整个系统的可靠性,而不是通过单个设备的可靠性和关键部件的冗余。

4 系统的硬件结构

本文采用现场总线作为系统的通信平台,构建一个开放的,具有互操作性的实时现场总线数据采集系统。实现该测控系统的具体方案如下:

考虑到系统降低成本的要求,结合现有总线控制系统的特点,作者利用现场测控设备、Lonworks节点和其网络设备组成现场测控网络。在此,我们只要在设计每个Agent的时候,给每个模块加上Neuron芯片,通信线路只需普通的双绞线即可,这样便可以实现各Agent之间的任意通信。同时以单片机系统作为硬件支撑,用MCS51语言作为软件开发工具,使其与新型传感器和执行机构构成相应的智能Agent。主要完成对测控对象的基本控制,通过临时的现场节点采集所需要的监控信息,进行感知处理,并通过总线传到管理Agent进行总体数据分析、处理和故障诊断。动态节点Agent之间遵循Lontalk协议,采用网络变量实现各节点的连接。节点间的数据通信采用窗口协议以显示报文进行数据传输,并通过网络变量来管理,这样就实现了节点Agent间的相互操作,并采用类KQML的通讯模式实现Agent间的信息和知识的共享。

4.1控制Agent

控制Agent的主要功能是完成自身的控制算法,并根据任务需要与其它Agent组成动态的多Agent合作系统。控制Agent所需要的控制命令和数据均通过Lon总线传输。控制Agent只带有Lonworks接口芯片和外部扩展EZPROM,并无任何其它外设。

本文采用神经元芯片TMP3150与AT89c51单片机连接构成Lon总线接口电路,二者之间采用并行通讯方式。单片机AT89c51的P0口与3150的IO0~IO7,相连作为8位的数据总线;AT89c51的P3.2与3150的IO8相连,作为单片机请求发送数据的信号线和接收3150控制命令的应答线;P3.3与IO9相连,作为神经元芯片接收数据的应答信号线;P3.4与I010。相连,用作3150发送控制命令的信号线。这样选取P3.2和P3.3。作握手信号,保证了单片机与3150的严格同步。同时,为了避免系统受到干扰时死机,在单片机每次等待应答信号时都加入了一个延时。若延时结束还未收到应答信号,那么单片机就跳到初始状态。该Agent的电路原理如图3所示:

newmaker.com
图3 控制原理图

4.2感知与执行Agent

该Agent不仅能完成信号的采集,而且能对传感器信号进行预处理,提取传感器信号的特征形成监控变量,并通过Lonworks接口传送给控制Agent。同时它也是控制器节点的信号输出接口,负责从控制Agent接收控制指令,并转化为与现场设备匹配的控制量或开关量输出。

为了实现对现场数据的直接采集,作者采用新型单总线数字温度传感器作为现场测量设备。单总线数字传感器在测量中无需进行通道切换、A/D转换和结果修正,而且能够直接输出数字信号,从而使系统的结构更趋于简单,可靠性更高。同时,采用TMP3150构建Lon总线接口电路。电路原理如图4所示:

newmaker.com
图4 感知与执行Agent原理图

5 小结

本文设计的基于Lonworks总线技术的智能数据采集系统具有以下优点:

(1) 不同于现有控制系统通过单个设备的可靠性和关键部件的冗余来提高整个系统的可靠性的做法,依靠各个智能Agent之间的合作来提高可靠性。

(2) 整个控制系统在处理系统故障等异常突发事件方面具有智能性。

(3) 系统的性能如可靠性和快速性可以具有很好的扩展性。

本文作者创新点:

本文结合现场总线技术和分布式人工智能技术给出了数据采集系统的多Agent结构,并基于Lonworks总线和单总线技术构建了该系统。系统具有成本低、可靠性和稳定性好,智能化程度高等特。

参考文献:
[1] 王锦标,刘宇。现场总线控制系统的集成技术[J]。冶金自动化,2003 (3 ): 21-230
[2] 阳宪惠。现场总线技术及其应用[M]。北京:清华大学出版社,1999: 1-2, 6-8。
[3] 殷波、孟庆春、庄晓东等。多Agent智能现场总现数据采集系统设计[J]。中国海洋大学学报,2003. Vol. 33 (3): 443-448
[4] 杨世忠,邢丽娟。基于Lonworks现场总线技术的DDC模块配置[J]。微计算机信息, 2007, 1-1: P66-67
[5] 付晓峰等. Lonworks技术与模糊PID控制相结合应用于中央空调系统的研究[J]. 电气传动自动化,2005,27(2):23-26
[6] 钟丽媛,庞小红. 基于Lonworks现场总线的模糊控制器的实现方法[J]. 计算机仿真,2005,22(10):155-158

作者简介:
朱连军(1968.12-), 男(汉), 河南确山县人, 河南教育学院信息技术系讲师, 主要从事数据库,计算机网络和检测技术与自动化装置。
1楼 0 0 回复
  • chenwh78

    chenwh78   |   当前状态:在线

    总积分:6174  2024年可用积分:0

    注册时间: 2008-10-10

    最后登录时间: 2019-06-16

    空间 发短消息加为好友

    chenwh78   发表于 2009/5/4 13:19:06

    摘 要:随着工业控制对象的日趋复杂,传统的PID控制已无法满足要求。文中介绍了一种基于Lonworks现场总线的模糊控制系统,给出了系统的三层结构。并以化工生产过程中的温度控制器为实例,介绍了模糊控制智能节点的设计方法。控制效果与传统的PID控制相比有明显的改善。

    关键词:Lonworks总线,模糊控制,智能节点,温度
    Abstract: As the objects become more and more complex ,traditional PID controller can’t have a satisfactory result.In this paper,one fuzzy-control system based on Lonworks-bus is introduced.And The three-layer structure of Lonworks is given. By a case of temperature controller in chemical process, a method for smart node utilizing fuzzy control is also introduced.And the control effect has got better than traditional PID controller.
    Key words: Lonworks-bus, fuzzy control, intelligent node, temperature
    1.引言
      在化工生产中,温度通常是一个重要的控制参数。对于一些过程比较复杂,工艺要求精准的化工生产过程,采用传统的PID控制方式很难克服过程扰动的影响。如针对特定的工艺情况,总结控制经验,制定一套有效的模糊控制策略,则可实现对温度的精确平稳控制。
      现场总线是一种全分布式智能、双向的串行数字通讯链路,它直接沟通生产现场的测量控制和执行设备以及更高层次的自动化控制设备,是一种开放式控制系统。其中LON(Local Operating Networks)总线是美国ECHELON公司于1991年推出的一种功能全面的局部操作网络,广泛应用于冶金、化工、电力以及楼宇自动化等领域中,实现系统的全面网络化现场测控。若将模糊控制与LON现场总线相结合,建立一套基于Lonworks技术的模糊控制系统,则既可以实施现场级的模糊控制,又可以实现复杂模糊算法的上位机控制。
      本文以某化工厂一个化学反应生产过程为例[3],介绍了一种基于Lonworks技术的温度模糊控制系统,详细介绍了其中智能节点的设计方法。该化学反应生产过程是:先将几种化工原料按一定比例混合,制成混合料,再向其中加入另一种化工原料A,发生化学反应生成所需的产品。为保证产品的质量和产量,工艺控制的最佳温度为T℃。由于是放热反应,所以采用调节冷冻水流量来控制反应温度。此温度控制系统具有非线性、时变、有噪声干扰、纯滞后等特性,难以用精确的数学模型描述,因此传统的PID控制方式,很难取得好的控制效果。
    2. 温度模糊控制系统设计
      2.1 模糊控制系统的结构
      在工艺控制的要求和特点的基础上,同时分析了大量生产过程中温度、原料A加入速度和冷冻水温度等历史曲线数据,并对熟练操作人员的操作经验进行了归纳整理,最后确定了“三输入——单输出”的温度模糊控制系统。
      输入变量:
      (1)反应温度:t,单位:℃
      (2)反应温度的变化量:△t:t(n)-t(n-1),单位:℃。式中:t(n)为当前第n采样时刻的反应温度,t(n-1)为前一个采样时刻的反应温度,采样周期设为5s。
      (3)原料A加入速度:v,单位:kg/h
      输出变量:冷冻水流量调节阀门的开度:u
      2.2 各模糊变量的模糊子集
      ①反应温度t的基本论域为[(t-t0),( t+t0)],其模糊子集T的论域为[-4,4],t0为生产中可能达到的最大温度偏差;②反应温度的变化量△t的基本论域为[-3℃,3℃],其模糊子集△T的论域为[-3,3];③原料A加入速度v的基本论域为[0,1200kg/h],其模糊子集V的论域为[-2,2];④冷冻水阀门开度u的基本论域为[0,100%]。各对应模糊关系见表1、2、3。其中t1、t2、t3、t4为控制中可能的温度偏差,且t0>t4>t3>t2>tl。u的精确值将在控制规则中直接给出。

      表1 反应温度t与其模糊子集T的模糊关系

      表2 反应温度变化量△t与其模糊子集△T的模糊关系

      表3 原料A加入速度v与其模糊子集V的模糊关系

      本系统共建立了60条模糊控制规则。根据控制规则,最后得到下面的模糊控制查询表[3],见表4。其中UF为考虑原料A加入速度v时为确定阀门开度u而引入的中间值,它与原料A加入速度的模糊子集V的关系见表5。

      表4 模糊控制量u(%)查询表

      表5 UF与原料A加入速度的模糊子集V的关系

     


    图1 系统结构图


    图2 温度控制节点结构图
    2楼 回复本楼

    引用 chenwh78 2009/5/4 13:19:06 发表于2楼的内容

  • chenwh78

    chenwh78   |   当前状态:在线

    总积分:6174  2024年可用积分:0

    注册时间: 2008-10-10

    最后登录时间: 2019-06-16

    空间 发短消息加为好友

    chenwh78   发表于 2009/5/4 13:20:11

    系统结构如图1所示,共包含三大部分:上位机、LON总线和智能节点。其中:
      上位机主要负责LON网络的安装、维护和管理,可对温度进行实时监控。同时建立测量值数据库,对数据进行存档和归表以便查询、打印。上位机还可作为Web服务器与Internet相连,实现远程监控。
      智能节点主要包括温度控制节点和温度测量节点。温度测量节点对温度进行测量并对非线性值进行线性化处理,使得到的数值有足够的精度和线性度,并定期将温度对应的数字量发送到LON总线上交上位机处理。温度控制节点采用模糊控制算法对冷水阀进行控制,并负责各采样点温度采样值的显示与上传。
    4.智能节点硬件设计
      智能节点采用的Neuron芯片是可带外存储器的MC143150。其片内有三个CPU,即:网络CPU,应用CPU和介质访问CPU。它们与I/0口驱动电路、定时器、片内存储器、网络通讯接口通过8位数据总线和16位地址相连。该芯片有11个可编程的I/0口对象。通过引脚的不同配置,为外部硬件提供灵活的接口,实现不同的I/0对象。
      4.1温度控制节点的设计
      温度控制节点主要包括:Neuron芯片MC143150,外带的程序存储器,D/A转换,执行机构,显示电路和总线收发器等,如图2所示。D/A转换选用MAX7228,显示电路由MAX7219及相关的驱动电路构成,执行机构包括AD694及其相关的外围电路。执行机构是角行程电动执行机构,应用于冷水阀控制。模糊推理所用的知识库数据存放于神经元芯片的E2PROM存储器中,有一组初始值。系统运行期间可以通过LON总线从上位机获取新的控制参数,从而完成控制参数的更新。
      4.2温度测量节点的设计
      温度测量节点的结构如图3所示。包括神经元芯片MC143150,程序存储器,温度传感器,光电耦合器MOC3020,A/D转换电路ADC0809, FTT-10A收发器等。

     


    图3温度测量节点结构图
    5.智能节点软件设计
      节点应用程序用Neuron C语言编写。Neuron C是神经元芯片的专用语言,是ANSI C的扩展,并增添了一些较强的功能,如网络变量类型,事件调度语句等。神经元芯片的任务调度是事件驱动的。当一个给定的条件变为真时,与该条件相关联的一段代码被执行。该智能节点的软件设计包括主程序、A/D转换程序、D/A转换程序、显示子程序、控制算法子程序等,下面以查表法实现模糊控制为例,给出部分源代码[2]:
      signed short fc(float-type*input1){
      …… //设置局部变量
      if(mcc==1)
      sp=sp1;
      pe=e; //记下偏差的上一个状态
      fl_sub(input1,&sp,&e); //计算偏差get e
      fl_neg(&range_e,&f1); //对偏差限幅
      if(fl_it(&e,&f1)==TRUE)
      ce=f1;
      else if(fl_gt(&ce,&range_ce)==TRUE)
      ce=range_ce;
      fl_ mul(&e,&f1_6,&f1); //对偏差进行量程变换
      fl_div(&f1,&range_e,&f1);
      fl_add(&f1,&f1_6,&f1);
      fl_ round(&f1,&f2); //对变换后误差进行四舍五入
      rol=low-byte(1ro1);
      fl_mul(&ce,&f1_6,&f1); //对偏差变化值进行量程变换
      fl_div(&f1,&f1_6,&f1);
      fl_add(&f1,&f1_6, &f1);
      fl_round(&f1,&f2); //对变换后的偏差变化值四舍五入
      lcow=fl_to_ulong(&f2);
      cow=low_byte(1cow);
      table_u=table[ro1][cow];
      ……
      fl_from_ulong(ltable_u,&f1); //对查表结果进行量程变换
      fl_mul(&f1,&range_dtu,&f2); //查模糊控制表
      fl_div(&f2,&f1_6,&f1);
      ……
      return f_out;//返回输出控制增量

     


    图4 温度曲线对比
      本系统投入运行后,取得了比传统单回路PID控制方式更好的控制效果,见图4中的温度曲线对比。从图中可看出,模糊控制过渡过程时间短,超调量小,达到了工艺生产的要求。
    6.结束语
      模糊控制技术在我国已广泛应用于工业过程、家用电器等领域,但模糊控制技术的网络应用还不多见。本文将Lonworks技术与模糊控制技术结合起来,通过上位机实现实时测控,在实际应用中取得了良好的控制效果。该系统还可充分利用主机资源,使模糊控制算法位于上层,从而可以绑定多个设备节点,以便于构造不同的模糊控制器。控制参数可以通过人机界面由用户输入,通用性强、操作灵活便捷,为模糊控制生成器与现场设备的集成提供了一种有效的途径。
      本文作者创新点:将Lonworks技术与模糊控制技术结合起来,给出了智能节点的设计方法和实例,通过计算机实现网络监控,能远程实施温度测控,在应用中取得了良好的控制效果。
    3楼 回复本楼

    引用 chenwh78 2009/5/4 13:20:11 发表于3楼的内容

总共 , 当前 /