图片
网站标志
图片
 
文章正文
计算机控制的多阀门检验系统
作者:管理员    发布于:2017-01-04 09:00:32    文字:【】【】【

  阀门作为工业自动化系统中的一个元件,广泛的应用于石油、化工、电站、冶金、环保等行业。阀门在油田的应用范围广、数量大,因此阀门的检验工作对于油田的安全、高效生产具有十分重要的意义。

  为了改进原有的阀门检测系统,提高阀门检验的自动化水平和检测精度,石油大学和油田合作研制了一套计算机测控系统,改造前后性能指标对比如下:压力误差由1220下降到不大于5;压力响应速度大阀门由15秒下降到不大于9秒,小阀门由17秒下降到不大于13秒;压力超调量由20下降到不大于5;保压时间的误差从大约10秒降到小于1秒。通过对比可以看出该系统具有检测的精度高、效率高、节省人力物力等优点,有数据保存和数据打印,以及历史数据的浏览、打印等功能。

  1计算机测试过程整个检验流程如下:操作人员将阀门就位(图中的粗黑线表示液体的流动管线除已被指明的压力传感器外,黑粗箭头表示流体流动的方向,细线表示控制线)。

  将其中的任何一条检测线单独的表示出来,其原理简图如所示(图中的A/D板采集压力传感器的4~20mA信号,D/A板的输出为电动调节阀提供4~20mA的模拟信号,工控机通过控制板为电磁阀提供0或5V的开关信号)。

  单条检测线系统的结构图如所示:该系统采用压力闭环控制,压力传感器的输出信号是标准信号(4~20mA的电流信号)直接提供给A/D板,工控机根据反馈的压力信号,PID控制器进行运算后,工控机调节输出信号(D/A)提供给电动调节阀,通过电动调节阀的开度来调节被测阀门的承受压力。而系统采用的电动调节阀本身具有位置闭环控制和速度闭环,因此整个测控系统实际上构成了一个三闭环控制系统,测控系统软件只需根据压力就可以判断系统工作状态,完成系统的各项功能。

  3测控系统的软件控制系统表:!

  1~4台,常用压力等级为4MPa(以下压力单位:Mpa,时间单位:s)压7~10台,常用压力等级为2.5Mpa(以下压力单6台,常用压力等级为2.5MPa(以下压力单位:Mpa,时间单位:s)6.0进行开发,VisualC++是世界上优秀的面向对象编程环境之一,自推出以来一直受到关注和欢迎。它的界面优美、功能强大,可以开发Windows95,Windows98,WindowsNT的各种32位应用程序。它是以MFC应用程序为框架的编程方法将编程环境提供的代码和资源编辑器、编译器、连接、调试器、AppWiZart、ClasSWiZ-ad、B0wSe等功能以及在不同的编程阶段实用的工具相互配合提高了编程的效率,使编程工作变得简洁、高效。利用它的集成化开发环境可以通过视图察看应用程序的结构,完成后的应用程序界面为如下所示。

  程序的应用界面说明:窗口包含了阀门测试的全过程和具体试验台阀门的信息与状态提示;数据的浏览、存储、打印;既能够实时的显示正在测试的阀门的压力状态,又能够对过去测试过的阀门的历史记录进行察看;试验台的信息可以分别显示,如果当前阀门正在测试中,操作者可以通过选择左下角的试验台信息提示,来看其他试验台的信息;如果被测阀门出现泄漏等故障,或水路出现问题,比如打压不正常,或者不能保压,都会出现“嘟嘟”的报警提示;当各个参数设置好以后,系统才能正常工作,若各个参数没有设置,则会出现报警信息,若试验台号未填写,系统不能开始工作,并发出“嘟嘟”的报警声,其他的选项则可以不填,存储数据时为默认值:试验类型的默认值为密封试验,阀门类型的默认值为截至阀,试验次数默认值为1次,阀门型号为J11T-16,试验压力默认值为2.4MPa,公称通径为DN50,保压时间为6秒。

  软件主程序流程图如所示,其中控制器是采用PID算法,并将它做成一个单独的类。

  4系统的试验结果与结论经过现场应用一段时间后,可以得出以下结论:用计算机控制后,控制的精度和效率明显提高,节约了劳动力。采用智能控制,不需要控制对象的数学模型,控制的性能指标优越。

  下表给出了压力随时间的变化关系,如表1-1-1-4所示:5台,常用压力等级为2.5Mpa(以下压力单位:Mpa,时间单位:s)试验结果分析:由表1-1-1-4的结果可知,由于阀门的检测压力具有较大的可分类性,因此智能控制可以满足要求,当采集到的压力在相邻近的时间之内压力与给定压力相等或者超过时,保压开始。从试验结果可以看到有的阀门试验台在保压后,压力仍然上升,而有的压力则会下降,这是因为由于电动阀的机械问题造成的。但是从整体情况来看,压力的控制比较准确,过渡过程也较快,能够满足预定的各项指标,因此具有推广。

  位:Mpa,时间单位:s)励软件时空CNN的外界输入Uw取为图像的象素值时,相应的就可以把模板B取为高通滤波模板H,uw表示为细胞的邻域的外界输入值组成3x3的矩阵为:考察当前的象素点(g)的值对应ukl中的X5.黑色对应uw=,白色对应Uw=-1当x5=l或中的任意一个或多个不等于1根据(9)解的〖=-2,这样得到一组CNN的参数:为一磨损刀具的二值图像经过CNN边缘提取仿真处理后的效果图:边缘提取后的图像4结束语本文对于含有噪声磨损刀具图像的平滑滤波和边缘提取各设计了一组细胞神经网络的参数,用来去除刀具的二值图像的噪声并提取其边缘。传统的方法相比,CNN方法突出计算机视觉检测刀具磨损状态中有较大的应用潜力。本文为计算机视觉检测刀具状态中图像处理提供了一种新的思路。

图片
脚注栏目
脚注信息
版权所有 Copyright(C)2012-2013 博山消防泵,博山水泵厂家——淄博博山华杰水泵厂