汤 伟 甘文涛 党世红 王 震 于东伟

(陕西科技大学轻工与能源学院,陕西西安,710021)



·卡伯值软测量·

基于OPC技术卡伯值软测量的实现

汤 伟 甘文涛*党世红 王 震 于东伟

(陕西科技大学轻工与能源学院,陕西西安,710021)

近年来蒸煮终点卡伯值软测量的模型多采用高级智能算法来建立,其在工业控制器编程实现上存在较大难度。本文提出了一种新的软测量设计方案：利用MATLAB软件对高级智能算法的可实现性,将软测量模型建立在MATLAB中,采用OPC通信技术,使MATLAB与上位机监控软件WinCC实时交换数据,从而实现卡伯值的在线软测量。通过实验仿真表明,该系统设计方案简单易行,仿真结果真实可靠。

蒸煮终点；卡伯值软测量；OPC技术；MATLAB；WinCC

卡伯值是纤维原料经蒸煮后所得粗浆中残留木素的相对含量[1]。蒸煮终点卡伯值预测的研发将对促进我国造纸工业的发展和增收节支意义重大：如若达到蒸煮终点时适时放锅,不仅能得到高质量的纸浆,还能够避免不必要的能耗和化学药品消耗并减少环境污染。由于目前开发出的纸浆卡伯值在线传感器价格昂贵,且调试、维护十分困难,暂不适合我国制浆造纸行业的发展现状。因此开发适合工业现场应用的蒸煮终点卡伯值软测量系统将结束我国长期以来对该技术依赖进口的局面,还将为我国制浆蒸煮工艺的发展提供强有力的技术支撑。

1 卡伯值软测量原理

蒸煮是一个非线性、时变性、不确定性的过程,蒸煮终点的卡伯值受影响的因素多而复杂,且大多数因素缺乏有效的测量手段[1]。蒸煮终点卡伯值软测量的主要影响因素包括蒸煮温度、蒸煮时间及H因子,蒸煮液的有效碱浓度、硫化度、木片合格率、木片水分以及蒸煮液比等。

卡伯值软测量就是针对蒸煮过程中,真实的卡伯值不方便实时在线测量,故研究其主要的影响因素,在这些影响因素中选择对卡伯值影响较大并且比较容易测量的作为辅助变量,利用辅助变量和卡伯值之间的数学关系来推断和预测卡伯值。建立辅助变量和卡伯值之间的数学关系称为卡伯值软测量的建模,模型建立后可以通过与实际卡伯值的对比来进行卡伯值软测量模型的校正,以提高模型的测量精度。卡伯值软测量原理如图1所示。

图1 卡伯值软测量原理

在1957年Vroom最早为蒸煮终点软测量建立模型,将蒸煮温度和时间两个因素结合在一起,提出了H因子的概念[2]。H因子的提出代表了蒸煮自动化的发展,利用H因子判断蒸煮终点要比单独控制温度或时间方便且准确。但该方法忽略了其他因素的影响,对蒸煮终点的判断精度有待提高。

为了提高蒸煮终点的判断精度,国内外学者做了大量的研究。先后提出了基于经验的Hatton模型,以及基于脱木素机理建立的Kerr模型和Chari模型。这些蒸煮模型需要精确测量的辅助变量较多,而且对蒸煮的初始条件要求比较严格,实际应用中还需很多修正措施; 并且它们只适用于某一类蒸煮。随着人们对产品质量的要求进一步提高,对工业模型的精度要求也随之提高,以往的经验模型以及机理模型往往不能满足现代生产的要求。但与此同时,人工智能技术飞速发展,人们开始用智能控制技术建立蒸煮终点的软测量模型，主要有模糊控制技术、神经网络技术、遗传算法等[3]。

人工神经网络技术不依赖于精确的数学模型,需要的对象先验知识少；具有很强的自适应性、自学习能力和容错性；能够以任意精度逼近任意非线性映射,且处理速度快。而蒸煮正好是一个高度非线性和非常不确定的过程,人工神经网络的迅速发展和广泛应用正好为蒸煮过程的建模提供了一种有效的方法。近年来在蒸煮过程建模方面的研究多采用人工神经网络或人工神经网络与其他人工智能技术相结合的方法。

虽然这些基于人工神经网络的蒸煮模型大大提高了蒸煮终点的预测精度,但它们在工业现场的实现上又存在一定的困难。因为在当前的工业现场,要在下位机PLC中编程实现人工神经网络,难度比较大,对编程人员的要求比较高；即使通过编程可以实现,下位机PLC控制器中存储空间有限,大量神经网络代码的使用势必会占用系统的资源,这样不仅会增加控制程序的复杂程度,增加程序扫描时间,而且加重了PLC的运行负担。所以为了使这些模型在工业现场得到实现,需要开发出专门的软件包。

2 卡伯值软测量方案设计

针对上述问题,本课题提出了一种新的蒸煮终点软测量系统的设计方法。该系统以蒸煮过程DCS系统为基础,下位机采用西门子S7-400系列PLC,上位机软件为西门子WinCC,蒸煮终点软测量模型采用黄俊梅等人[4]所建立的BP神经网络卡伯值预测模型,系统设计思路为：现场的变送器将现场数据送到蒸煮过程DCS系统下位机PLC中,上位机WinCC从下位机中读取现场变量数据并放入WinCC数据库中。将蒸煮终点预测模型放在上位机中,直接在WinCC数据库中读取预测模型所需要的辅助变量的数据,并将模型预测的结果(卡伯值)写入到WinCC中的预测卡伯值变量中去。WinCC将预测卡伯值进一步下传至下位机PLC,下位机PLC根据预测卡伯值与设定目标卡伯值的关系发出相应的控制信号,来控制现场执行器的动作。同理对于其他类型的上位机软件(非WinCC),只要该软件可以提供OPC服务器连接,该系统设计方法同样适用。系统结构图如图2所示,系统的运行流程图如图3所示。

图2 系统结构图

MATLAB是Mathworks提供的一种用于数学分析和工程运算的专业软件,提供了强大的数据处理能力和开放的应用程序接口,拥有丰富的控制算法工具箱,可以完成动态复杂控制系统的建模与仿真[5],故BP神经网络蒸煮终点预测模型在MATLAB环境中实现。同时MATLAB软件与上位机软件WinCC之间采用OPC技术进行数据的实时交换。

图3 系统运行流程图

3 基于OPC技术的软测量系统的实现

OPC(OLE for process control) 是以Microsoft 公司的OLE /COM 和DCOM 机制作为应用程序的通信标准,采用客户/服务器模式[6]。WinCC 支持OPC连接,并提供3 个OPC 服务器:OPC_DA Server,OPC_HDA Server,OPC A & E Server,分别对工控过程的实时数据、历史数据和报警信息开放接口,使外部程序可以与WinCC 进行数据交互[7]。

为了连接到WinCC的OPC服务器,首先要保证WinCC服务器处于激活状态,其次需要知道服务器的主机名和服务器ID。通过下面命令可以查询主机的数据。

hostInfo=opcserverinfo('localhost')

hostInfo=

Host:′localhost′

ServerID:{′OPCServer.WinCC′}

ServerDescription:{′OPCServer.WinCC′}

OPCSpecification:{′DA2′}

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

当知道了主机名和要连接到OPC服务器的服务器ID,就可以创建与该服务器关联的OPC_DA对象,实现以WinCC为OPC服务器,MATLAB 为OPC客户端的实时数据通信链接。其通信流程主要有[5]：①建立起与OPC服务器的连接。②添加组对象。本设计将建立2个组对象,分别为“group1”(辅助变量读入)和“group2”(预测卡伯值输出)。③将所要读写的变量从OPC服务器中添加到客户端中的组对象中。在组对象“group1”中添加H因子,有效碱浓度和硫化度3个变量；在组对象“group2”中添加预测卡伯值变量。④对所建立连接的变量进行读写。本设计将读取3个辅助变量的值,然后调用神经网络M文件,将网络的输出写入预测卡伯值变量中,并通过OPC连接传给WinCC。⑤若要断开连接,在断开连接后,需要清除MATLAB客户机中的数据项、组以及服务器对象。

主要程序代码如下：

da=opcda(′localhost′,′OPCServer.WinCC′); ∥创建OPC数据访问服务器

connect(da);

group1=addgroup(da);∥添加一个名为“group1”的组对象

在group1中添加3个辅助变量,分别为“H因子”、“有效碱浓度”和“硫化度”。

itm1=additem(group1,′H_factor01′);

itm2=additem(group1,′Con_alkali01′);

itm3=additem(group1,′sulphidity01′);

set(grp,′updaterate′,0.5);∥设置数据更新周期

Start (group);

Wait (group);

Connect (da);

group2=addgroup(da);∥添加一个名为“group2”的组对象

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

Writeasync(item4,25);

断开与服务器的连接,释放变量与内存。

Disconnect (server);

Delete (server);

Clear Server group item1 item2 item3 item4.

4 仿真结果

在MATLAB 7.0版本中集成了OPC Toolbox,大量丰富的OPC函数省去了复杂的语言编程,能够更方便的建立服务器和客户端的连接。通过调用工具箱函数读取OPC服务器里的数据进行计算,并把结果写回WinCC。

采用OPC Toolbox建立服务器和客户端的连接简单直观。主要有以下步骤：①保证所要连接的WinCC服务器处于激活状态。②在MATLAB的command窗口中输入“opctool”,即可打开OPC工具箱。③在OPC Network中添加的一个本地Host,命名为“localhost”。然后就可以看见本地可连接的服务器,选择所要连接的WinCC服务器“OPCSever.WinCC”,并在属性中选择“Connect”。④添加2个组,分别命名为“辅助变量读入”和“预测卡伯值输出”。⑤在“辅助变量读入”组中添加变量“H-factor01”、“Con_alkali01”和“sulphidity01”,在“预测卡伯值输出”组中添加“Kappa01”。添加完成结果如图4所示。

图4 OPC Tool添加完对象、组和项后的界面

图5 系统仿真框图

为了便于仿真,将两个组导入到Simulink中去,在“辅助变量读入”组上右键选择“Export To Simulink OPC Read”,在“预测卡伯值输出”组上右键选择“Export To Simulink OPC Write”,这样就可以在Simulink中得到两个模块：一个OPC读入模块,一个OPC读出模块。将BP神经网络卡伯值预测模型的算法编写为m文件,并用gensim命令生成卡伯值软测量模块。利用生成的模块可以在Simulink中搭建如图5所示的仿真框图。

设置Simulink的仿真时间为inf,便可以开始仿真。在MATLAB中查看各个变量的趋势图,也可以在WinCC中建立过程变量的趋势图。如要在MATLAB中查看变量的趋势图,可以在所要查看的变量所在组选择“Logging”,并设置采样周期和采样数量,然后点击“start”开始采集变量数据。当“logging task”的进度条达到100%时,点击“plot”就可得到该变量组的趋势图。在该仿真中,卡伯值的趋势图如图6(a)所示,由于卡伯值的变化较慢,所以选择采样周期为30 s,采样数量240个。从图6(a)看出,预测的卡伯值有波动,这主要是由于预测模型的精确度不够,存在一定的误差造成的。图6(b)是WinCC监控画面中卡伯值软测量系统的各个变量的监控画面。

图6 仿真结果图

5 结 论

在原有DCS控制系统的基础上,采用OPC技术,在几乎不增加任何硬件设备的情况下,可以实现卡伯值实时在线软测量以及蒸煮终点的在线预测,解决了不同监控系统间实时数据交换难题,实现先进控制算法的无缝传输和实验测试,较好地满足了软测量系统对数据实时、高效的要求。并且在现场实际应用时,对于大多数监控软件平台,只要用实际对象代替仿真对象,而后台算法不需要做任何变化。将为制浆造纸以及其他工业过程控制中的高级控制算法的实现提供了一种实时在线的简单方法。

[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.

邱书波,王化祥,刘雪真.RBF 神经网络在卡伯值软测量中的应用研究[J].电子测量与仪器学报,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.

单鸿亮,王文海,孙优贤.间歇蒸煮过程软测量建模综述[J].中国造纸学报,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.

黄俊梅,汤 伟.基于BP神经网络的蒸煮卡伯值预测模型[J].化工自动化及仪表,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.

赵 武,马建伟.基于OPC的MATLAB与WinCC实时数据交换设计与实现[J].通信技术,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.

陈丹丹,钱 美,夏 立,等.OPC服务器开发的几种方法[J].微计算机信息,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与MATLAB的软件接口方法研究[J].后勤工程学院学报,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.

(责任编辑：董凤霞)

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

汤 伟先生，博士，教授；主要研究方向：制浆造纸全过程自动化、工业过程高级控制、大时滞过程控制及应用。

2014-09-20(修改稿)

本课题受国家国际科技合作项目(基金号：2010DFB43660)以及陕西省科技厅国际科技合作项目(基金号：2011KW-11(2))的资助。

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

TP27

A

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