摘要: 提出利用LabVIEW环境实现智能化热分析仪器研制的关键技术,介绍基于虚拟仪器技术的智能PID控制算法以及采用多种数学模型来处理热分析数据,实现了智能化数据处理通过引入动态增益因子、温度速率变化因子、预测因子以及温度校正因子改善了传统PID控制的动态特性和鲁棒性,利用LabVIEW图形化开发环境,实现了系统的模块化设计及图形化显示
1 引 言
热分析是一种通过分析热力学参数随温度变化的关系对物质进行分析并揭示物质特性的方法。近年来,计算机技术和智能化数据处理技术的快速发展,将这些先进技术与热分析仪器的开发相结合,促进了热分析仪器实现快速、准确、便捷地测量,也使得热分析仪器的应用前景更加广泛[1]。在新型热分析仪器的研制中,利用虚拟仪器技术进行了系统硬件和系统软件的集成、系统模块化设计、智能PID算法、数据处理、图像显示等,并通过网络通信接口实现信息传递。所开发的热分析仪器控温系统能通过动态改变PID修正因子,及时改善控制器系统对温度变化的敏感度;数据分析系统不仅能进行差热分析(DTA)、差示扫描量热分析(DSC)、热重分析(TGA)、微分热重分析(DTG)、逸出气分析(EGA)等热分析实验,还能准确测量试样温度曲线上特征点的搜索,动态显示温度、差热(DTA)、热重(TG)以及热重微分(DTG)的采样曲线。①
2 控制原理
智能控制是当前自动控制领域的前沿技术,其最大优点是:人们根据对被控对象的粗略了解(如,根据被控对象的惯性类型、被控参数的变化范围等),便可利用智能控制方法直接实现最佳控制。本系统提出的多级递阶智能控制,如图1所示。将整个控制系统划分为学习系统级、智能协调级和控制级(由模糊神经网络控制实现)。模糊神经网络控制器与被控对象形成闭环,完成实时的过程控制(实现加温工艺曲线跟踪);智能协调级在线实时监测控制系统性能,并在线调整控制器,起到承上启下作用;学习系统级在线对智能协调的工作进行监督指导与评价,收集环境信息,有效地充实和修改智能协调级,使整个控制系统的品质逐步得到改进
为了便于利用计算机实现PID控制,将传统PID控制公式加以量化,因为采样时间间隔ΔT是由程序设计人员给定的,在计算机运行期间保持为常数值,所以被量化的PID控制公式可以表示为[4]
在热分析仪器温度控制方面,使用固定了的kP,kI,kD的PID控制规律很难适应整个反应过程,会出现温升控制的振荡现象,影响控制精度。所以在选择PID为基本算法的基础上,通过增加其它修正因子和矫正因子来改善控制效果,再通过与模糊神经网络和预测算法的结合使得系统被控指标过冲小、静差小,得到了很好的效果。实际应用的智能PID控制规律中利用如下公式.
动态增益因子α随系统温度偏差而变化,这样处理的目的是使控制器随温度差的变化更加敏感,同时在被控指标接近目标时,系统增益降低,减少了过冲的程度。测量温度与目标温度差变大时α也随着增大,提高了系统的动态特性,使其控制温度尽快到达设定值。
预测校正βΔTt+i设为反应系统未来t+i时刻的设定温度变化速率,它的引入改善了反应器系统温度的时滞,通过控制系统预测未来时间i时刻的设定升温速率,提前i时间进行补偿性增量控制,可有效地补偿系统因滞后带来的温度控制量过调而引起的振荡波动,改善系统的鲁棒性,使得系统温度按照预先设定的轨迹运行,即通过预测未来温度的变化修正PID的控制量。
温度校正γTt对反应控制体系在不同温度下给予相应的补偿,因为反应控制系统并非在绝热状态下运行,会与外界有一定的热量交换,热交换速率视系统温度与环境温度之差而改变。此项的引入可以补偿在一定温度T时系统的静态热量损失,降低控制系统的温度振荡和改善在不同温度下恒温状态的性能。图2和图3分别是简单PID和智能PID控制热分析温升体系的控制效果图。
从图中可以看出,采用智能PID算法动态特性明显提高,尤其改善了初始升温惰性明显的缺陷。同时,变升温速率的情况下,控温精度提高,智能调节因子很好地控制了温升曲线与控温曲线的一致性。
3 数据分析处理
针对热分析数据曲线的特点,充分采用Lab-VIEW信号处理技术与图像显示的优势,采用了多种数学模型对数据进行处理及曲线显示与打印。
热重分析的理论基础就是使样品处于程序控制的温度下,观察样品的质量随温度或时间变化的函数。为了避免等温法热重动力学处理上的不足与难度,采用等温法中Ozawa积分法及多升温速率法来计算动力学参数[6,7]。表1和表2分别为10 mgCaC2O4·H2O以上述两种方法计算动力学参数的实验结果,其结果均在国家标准允许误差范围内。
影响实验结果准确性的因素除了分析处理方法外,还有实验仪器、实验环境、人为误差等。微分热重分析采用高斯平滑方式由热重曲线得到[8]。采用高斯平滑曲线公式:
通过高斯平滑运算规则,对热重实验曲线数据的微分明显提高了数据平整度,实际的平滑深度可以通过α来调节。增大α,则平滑质量同时提高。与滑动平均平滑相比较,高斯平滑淡化了平滑对边界特征的要求,同时也很好地处理了平滑前后数据长度不一致的问题。图4为应用于实验数据的平滑效果,通过从原始TG数据计算的动力学参数和从平滑得到的DTG数据计算得到的参数能很好地一致,这表明平滑算法很有效,可以直接应用于热动力学分析中。
4 结束语
实际应用表明,采用基于虚拟仪器的热分析仪器界面友好、操作方便、准确可靠,便于智能化方法的集成化、柔性化设计,为材料分析提供了高性能、高精度、高效率和高质量的科学手段。该项新技术大大降低了仪器系统功能变更和功能扩展的难度和费用,缩短了开发周期,为仪器系统测试、分析和控制的快速实现和升级提供了条件。
参考文献:
[1] 吴国新,等.虚拟仪器环境下热分析仪器系统开发[J].化工自动化及仪表, 2004, 31(6): 68-70.
[2] 袁男儿,等.计算机新型控制策略及应用[M].清华大学出版社, 1992.
[3] 王 伟,等. PID参数先进整定方法综述[J].自动化学报, 2000, (3).
[4] 王繁臻,等.基于虚拟仪器的智能PID算法对化学反应过程温度的控制研究[J].化工自动化及仪表, 2004, 31(5): 62-64.
[5] 涂象初.智能控制低温恒温系统[J].电子技术应用, 1994,(3): 11-14.
[6] MALECKA B, DROZDZ-CIESLA E,MALECKIA.NoNIsother-malStudies onMechanism andKinetics ofThermalDecomposi-tion ofCobalt(Ⅱ)Oxalate Dehydrate[ J]. Therm Anal Ca,l 2002, 68: 819-831.
[7] GUAN Chun-xiu, CHEN Dong-hua. A Description ofThermalAnalysisKinetics ofDehydration ofAmmonium OxalateMono-hydrate[J]. Journal of South-centralUniversity for Nationali- ties:NatSciEdition, 2004, 23(1): 14-17.
[8] 陈海翔,等.热重数据的平滑和微分[J].火灾科学, 2004, 13 (1): 1-10.
