基于OPC技術卡伯值軟測量的實現

湯 偉 甘文濤 黨世紅 王 震 于東偉

(陜西科技大學輕工與能源學院,陜西西安,710021)

?

·卡伯值軟測量·

基于OPC技術卡伯值軟測量的實現

湯 偉 甘文濤*黨世紅 王 震 于東偉

(陜西科技大學輕工與能源學院,陜西西安,710021)

近年來蒸煮終點卡伯值軟測量的模型多采用高級智能算法來建立,其在工業控制器編程實現上存在較大難度。本文提出了一種新的軟測量設計方案：利用MATLAB軟件對高級智能算法的可實現性,將軟測量模型建立在MATLAB中,采用OPC通信技術,使MATLAB與上位機監控軟件WinCC實時交換數據,從而實現卡伯值的在線軟測量。通過實驗仿真表明,該系統設計方案簡單易行,仿真結果真實可靠。

蒸煮終點；卡伯值軟測量；OPC技術；MATLAB；WinCC

卡伯值是纖維原料經蒸煮后所得粗漿中殘留木素的相對含量[1]。蒸煮終點卡伯值預測的研發將對促進我國造紙工業的發展和增收節支意義重大：如若達到蒸煮終點時適時放鍋,不僅能得到高質量的紙漿,還能夠避免不必要的能耗和化學藥品消耗并減少環境污染。由于目前開發出的紙漿卡伯值在線傳感器價格昂貴,且調試、維護十分困難,暫不適合我國制漿造紙行業的發展現狀。因此開發適合工業現場應用的蒸煮終點卡伯值軟測量系統將結束我國長期以來對該技術依賴進口的局面,還將為我國制漿蒸煮工藝的發展提供強有力的技術支撐。

1 卡伯值軟測量原理

蒸煮是一個非線性、時變性、不確定性的過程,蒸煮終點的卡伯值受影響的因素多而復雜,且大多數因素缺乏有效的測量手段[1]。蒸煮終點卡伯值軟測量的主要影響因素包括蒸煮溫度、蒸煮時間及H因子,蒸煮液的有效堿濃度、硫化度、木片合格率、木片水分以及蒸煮液比等。

卡伯值軟測量就是針對蒸煮過程中,真實的卡伯值不方便實時在線測量,故研究其主要的影響因素,在這些影響因素中選擇對卡伯值影響較大并且比較容易測量的作為輔助變量,利用輔助變量和卡伯值之間的數學關系來推斷和預測卡伯值。建立輔助變量和卡伯值之間的數學關系稱為卡伯值軟測量的建模,模型建立后可以通過與實際卡伯值的對比來進行卡伯值軟測量模型的校正,以提高模型的測量精度。卡伯值軟測量原理如圖1所示。

圖1 卡伯值軟測量原理

在1957年Vroom最早為蒸煮終點軟測量建立模型,將蒸煮溫度和時間兩個因素結合在一起,提出了H因子的概念[2]。H因子的提出代表了蒸煮自動化的發展,利用H因子判斷蒸煮終點要比單獨控制溫度或時間方便且準確。但該方法忽略了其他因素的影響,對蒸煮終點的判斷精度有待提高。

為了提高蒸煮終點的判斷精度,國內外學者做了大量的研究。先后提出了基于經驗的Hatton模型,以及基于脫木素機理建立的Kerr模型和Chari模型。這些蒸煮模型需要精確測量的輔助變量較多,而且對蒸煮的初始條件要求比較嚴格,實際應用中還需很多修正措施; 并且它們只適用于某一類蒸煮。隨著人們對產品質量的要求進一步提高,對工業模型的精度要求也隨之提高,以往的經驗模型以及機理模型往往不能滿足現代生產的要求。但與此同時,人工智能技術飛速發展,人們開始用智能控制技術建立蒸煮終點的軟測量模型，主要有模糊控制技術、神經網絡技術、遺傳算法等[3]。

人工神經網絡技術不依賴于精確的數學模型,需要的對象先驗知識少；具有很強的自適應性、自學習能力和容錯性；能夠以任意精度逼近任意非線性映射,且處理速度快。而蒸煮正好是一個高度非線性和非常不確定的過程,人工神經網絡的迅速發展和廣泛應用正好為蒸煮過程的建模提供了一種有效的方法。近年來在蒸煮過程建模方面的研究多采用人工神經網絡或人工神經網絡與其他人工智能技術相結合的方法。

雖然這些基于人工神經網絡的蒸煮模型大大提高了蒸煮終點的預測精度,但它們在工業現場的實現上又存在一定的困難。因為在當前的工業現場,要在下位機PLC中編程實現人工神經網絡,難度比較大,對編程人員的要求比較高；即使通過編程可以實現,下位機PLC控制器中存儲空間有限,大量神經網絡代碼的使用勢必會占用系統的資源,這樣不僅會增加控制程序的復雜程度,增加程序掃描時間,而且加重了PLC的運行負擔。所以為了使這些模型在工業現場得到實現,需要開發出專門的軟件包。

2 卡伯值軟測量方案設計

針對上述問題,本課題提出了一種新的蒸煮終點軟測量系統的設計方法。該系統以蒸煮過程DCS系統為基礎,下位機采用西門子S7-400系列PLC,上位機軟件為西門子WinCC,蒸煮終點軟測量模型采用黃俊梅等人[4]所建立的BP神經網絡卡伯值預測模型,系統設計思路為：現場的變送器將現場數據送到蒸煮過程DCS系統下位機PLC中,上位機WinCC從下位機中讀取現場變量數據并放入WinCC數據庫中。將蒸煮終點預測模型放在上位機中,直接在WinCC數據庫中讀取預測模型所需要的輔助變量的數據,并將模型預測的結果(卡伯值)寫入到WinCC中的預測卡伯值變量中去。WinCC將預測卡伯值進一步下傳至下位機PLC,下位機PLC根據預測卡伯值與設定目標卡伯值的關系發出相應的控制信號,來控制現場執行器的動作。同理對于其他類型的上位機軟件(非WinCC),只要該軟件可以提供OPC服務器連接,該系統設計方法同樣適用。系統結構圖如圖2所示,系統的運行流程圖如圖3所示。

圖2 系統結構圖

MATLAB是Mathworks提供的一種用于數學分析和工程運算的專業軟件,提供了強大的數據處理能力和開放的應用程序接口,擁有豐富的控制算法工具箱,可以完成動態復雜控制系統的建模與仿真[5],故BP神經網絡蒸煮終點預測模型在MATLAB環境中實現。同時MATLAB軟件與上位機軟件WinCC之間采用OPC技術進行數據的實時交換。

圖3 系統運行流程圖

3 基于OPC技術的軟測量系統的實現

OPC(OLE for process control) 是以Microsoft 公司的OLE /COM 和DCOM 機制作為應用程序的通信標準,采用客戶/服務器模式[6]。WinCC 支持OPC連接,并提供3 個OPC 服務器:OPC_DA Server,OPC_HDA Server,OPC A & E Server,分別對工控過程的實時數據、歷史數據和報警信息開放接口,使外部程序可以與WinCC 進行數據交互[7]。

為了連接到WinCC的OPC服務器,首先要保證WinCC服務器處于激活狀態,其次需要知道服務器的主機名和服務器ID。通過下面命令可以查詢主機的數據。

hostInfo=opcserverinfo('localhost')

hostInfo=

Host:′localhost′

ServerID:{′OPCServer.WinCC′}

ServerDescription:{′OPCServer.WinCC′}

OPCSpecification:{′DA2′}

ObjectConstructor:{′opcda(′localhost′,′OPCServer.WinCC′)′ }

當知道了主機名和要連接到OPC服務器的服務器ID,就可以創建與該服務器關聯的OPC_DA對象,實現以WinCC為OPC服務器,MATLAB 為OPC客戶端的實時數據通信鏈接。其通信流程主要有[5]：①建立起與OPC服務器的連接。②添加組對象。本設計將建立2個組對象,分別為“group1”(輔助變量讀入)和“group2”(預測卡伯值輸出)。③將所要讀寫的變量從OPC服務器中添加到客戶端中的組對象中。在組對象“group1”中添加H因子,有效堿濃度和硫化度3個變量；在組對象“group2”中添加預測卡伯值變量。④對所建立連接的變量進行讀寫。本設計將讀取3個輔助變量的值,然后調用神經網絡M文件,將網絡的輸出寫入預測卡伯值變量中,并通過OPC連接傳給WinCC。⑤若要斷開連接,在斷開連接后,需要清除MATLAB客戶機中的數據項、組以及服務器對象。

主要程序代碼如下：

da=opcda(′localhost′,′OPCServer.WinCC′); ∥創建OPC數據訪問服務器

connect(da);

group1=addgroup(da);∥添加一個名為“group1”的組對象

在group1中添加3個輔助變量,分別為“H因子”、“有效堿濃度”和“硫化度”。

itm1=additem(group1,′H_factor01′);

itm2=additem(group1,′Con_alkali01′);

itm3=additem(group1,′sulphidity01′);

set(grp,′updaterate′,0.5);∥設置數據更新周期

Start (group);

Wait (group);

Connect (da);

group2=addgroup(da);∥添加一個名為“group2”的組對象

itm4=additem(group2,′Kappa01′);∥在group2中添加卡伯值變量“Kappa01”

Writeasync(item4,25);

斷開與服務器的連接,釋放變量與內存。

Disconnect (server);

Delete (server);

Clear Server group item1 item2 item3 item4.

4 仿真結果

在MATLAB 7.0版本中集成了OPC Toolbox,大量豐富的OPC函數省去了復雜的語言編程,能夠更方便的建立服務器和客戶端的連接。通過調用工具箱函數讀取OPC服務器里的數據進行計算,并把結果寫回WinCC。

采用OPC Toolbox建立服務器和客戶端的連接簡單直觀。主要有以下步驟：①保證所要連接的WinCC服務器處于激活狀態。②在MATLAB的command窗口中輸入“opctool”,即可打開OPC工具箱。③在OPC Network中添加的一個本地Host,命名為“localhost”。然后就可以看見本地可連接的服務器,選擇所要連接的WinCC服務器“OPCSever.WinCC”,并在屬性中選擇“Connect”。④添加2個組,分別命名為“輔助變量讀入”和“預測卡伯值輸出”。⑤在“輔助變量讀入”組中添加變量“H-factor01”、“Con_alkali01”和“sulphidity01”,在“預測卡伯值輸出”組中添加“Kappa01”。添加完成結果如圖4所示。

圖4 OPC Tool添加完對象、組和項后的界面

圖5 系統仿真框圖

為了便于仿真,將兩個組導入到Simulink中去,在“輔助變量讀入”組上右鍵選擇“Export To Simulink OPC Read”,在“預測卡伯值輸出”組上右鍵選擇“Export To Simulink OPC Write”,這樣就可以在Simulink中得到兩個模塊：一個OPC讀入模塊,一個OPC讀出模塊。將BP神經網絡卡伯值預測模型的算法編寫為m文件,并用gensim命令生成卡伯值軟測量模塊。利用生成的模塊可以在Simulink中搭建如圖5所示的仿真框圖。

設置Simulink的仿真時間為inf,便可以開始仿真。在MATLAB中查看各個變量的趨勢圖,也可以在WinCC中建立過程變量的趨勢圖。如要在MATLAB中查看變量的趨勢圖,可以在所要查看的變量所在組選擇“Logging”,并設置采樣周期和采樣數量,然后點擊“start”開始采集變量數據。當“logging task”的進度條達到100%時,點擊“plot”就可得到該變量組的趨勢圖。在該仿真中,卡伯值的趨勢圖如圖6(a)所示,由于卡伯值的變化較慢,所以選擇采樣周期為30 s,采樣數量240個。從圖6(a)看出,預測的卡伯值有波動,這主要是由于預測模型的精確度不夠,存在一定的誤差造成的。圖6(b)是WinCC監控畫面中卡伯值軟測量系統的各個變量的監控畫面。

圖6 仿真結果圖

5 結 論

在原有DCS控制系統的基礎上,采用OPC技術,在幾乎不增加任何硬件設備的情況下,可以實現卡伯值實時在線軟測量以及蒸煮終點的在線預測,解決了不同監控系統間實時數據交換難題,實現先進控制算法的無縫傳輸和實驗測試,較好地滿足了軟測量系統對數據實時、高效的要求。并且在現場實際應用時,對于大多數監控軟件平臺,只要用實際對象代替仿真對象,而后臺算法不需要做任何變化。將為制漿造紙以及其他工業過程控制中的高級控制算法的實現提供了一種實時在線的簡單方法。

[1] Qiu Shubo,Wang Huaxiang,Liu Xuezhen.Application Research on Radial Basis Function Neural Networks in the Kappa Number Soft Sensing [J].Journal of Electronic Measurement and instrument,2005,19(1)：30.

邱書波,王化祥,劉雪真.RBF 神經網絡在卡伯值軟測量中的應用研究[J].電子測量與儀器學報,2005,19(1)：30.

[2] Vroom K E.The “H” factor:A Means of Expressing Cooking Times and Temperatures as A Single Variable[J].Pulp Pap.Mag.Canada,1957,58:228.

[3] SHAN Hong-liang,WANG Wen-hai,SUN You-xian.Summarization of soft measurement modeling on batch cooking process[J].Transactions of China Pulp and Paper,2003,18(2):195.

單鴻亮,王文海,孫優賢.間歇蒸煮過程軟測量建模綜述[J].中國造紙學報,2003,18(2)：195.

[4] Huang Junmei,Tang Wei.Kappa Number Prediction Model of Cooking Process Based on BP Neural Network [J].Control and Instruments in Chemical Industry,2010,37(11)：34.

黃俊梅,湯 偉.基于BP神經網絡的蒸煮卡伯值預測模型[J].化工自動化及儀表,2010,37(11)：34.

[5] Zhao Wu,Ma Jianwei.Design and Realization of Real-time Data Exchange between MATLAB and WinCC Based on OPC [J].Communications Technology,2008,41(12):98.

趙 武,馬建偉.基于OPC的MATLAB與WinCC實時數據交換設計與實現[J].通信技術,2008,12(41):98.

[6] Chen Dandan,Qian Mei,Xia Li,et al.Several Methods of OPC Server Development [J].Microcomputer Information,2006,6(22):28.

陳丹丹,錢 美,夏 立,等.OPC服務器開發的幾種方法[J].微計算機信息,2006,22( 6):28.

[7] Li Zhiyu,Peng Xueming.Research on the Software Interface Between WinCC and MATLAB [J].Journal of Logistical Engineering University,2011,27(6):92.

李智宇,彭雪明.WinCC與MATLAB的軟件接口方法研究[J].后勤工程學院學報,2011,27(6):92.

[8] LI Yan,ZHANG Jian,ZHU Xue-feng,et al.New Development and Application of Soft Sensing Methods of Kappa Number[J].China Pulp and Paper,2003,22(7):41.

(責任編輯：董鳳霞)

The Realization of OPC Based Kappa Number Soft Measurement

TANG Wei GAN Wen-tao*DANG Shi-hong WANG Zhen YU Dong-wei

(CollegeofLightIndustryandEnergy,ShaanxiUniversityofScienceandTechnology,Xi’an,ShaanxiProvince,710021)(*E-mail:15829556865@139.com)

In recent years,many advanced intelligent algorithms are used to establish Kappa number soft measurement model of cooking endpoint,and those algorithms are difficult to programming on the industry controller.This paper proposed a new soft measurement design:Advanced algorithms could be realized by MATLAB software,so soft measurement model could be established in MATLAB,and the real-time data exchange between MATLAB and PC WinCC became possible by using OPC communications technology,then the on-line soft measurement of Kappa number was realized.Simulation experiments showed that the system design was simple and convenient,the simulation results were true and reliable.

cooking endpoint；Kappa number soft measurement；OPC technology；MATLAB; WinCC

湯 偉先生，博士，教授；主要研究方向：制漿造紙全過程自動化、工業過程高級控制、大時滯過程控制及應用。

2014-09-20(修改稿)

本課題受國家國際科技合作項目(基金號：2010DFB43660)以及陜西省科技廳國際科技合作項目(基金號：2011KW-11(2))的資助。

*通信作者：甘文濤先生，E-mail:15829556865@139.com。

TP27

A

0254-508X(2015)02-0045-05