五年以后的过程控制传感器销售市场

<正> 根据市场调查,加利福尼亚州的芒廷维龙有限公司(MIRC)研究了用于控制工业过程的传感器。予计1997年,年度销售收入可达3.1亿美元,比1990年增收1亿美元。 1990年,MIRC所报导的题目为“过程控制中的传感器”的研究中表明,近物过程控制传感器是七大类中需求增长最快的传感器,这些传感器以10.5％的速率增长,比温度、压力、流量、电平、湿度和视屏传感器更畅销。     

造纸过程定量环节容错控制方法研究

本文针对造纸过程控制中所使用的定量传感器精度较低和可靠性较差的问题，提出了利用多传感器间的冗余关系，实现对传感器的故障诊断和造纸过程定量环节的容错控制，仿真和实验均证实了该方法的有效性。     

FCS中的智能传感器的数据处理方法

FCS是工业过程控制系统的必然趋势 ,就系统中的智能传感器进行结构分析 ,并根据其特点 ,论述并分析了其数据处理方法的特性 ,并提出了一些具有先进性的数据处理方法 ,对处理平稳传感器数据和非平稳传感器数据都有适应性。     

键合图法在传感器优化配置中的应用

传感器优化配置在大型过程控制系统中具有重要的地位,但目前所采用的方法较复杂,不易在工程中应用.提出将基于键合图模型的系统结构特性分析应用于系统传感器优化配置中,具有实用性强、建模方便、简单易行的优点.通过举例验证了该方法在过程控制系统中的应用效果.     

传感器使用时的抗干扰措施

工业过程控制计算机的应用效果往往与多方面的因素有关。从传感器获取信息的正确程度就是其中之一。本文即介绍了传感器及其电路常见的种种干扰和抗干扰的有关措施。     

过程控制软传感器对象设计方法与应用

基于面向对象的柔性设计与控制理论,提出了软传感器对象概念,并对其结构、功能与实现方法进行了论述。软传感器对象为智能传感器的设计提供了新途径,为传感器故障诊断和数据有效性检验提供了新方法。文章还对自映射神经网络提出了新的训练学习方法。软传感器对象在水处理过程控制系统中得到应用。     

传感器在冶金工业中的应用

汇编了冶金行业近年来发表的文章 ,综合列举了冶金工业在操作过程中需检测的信息 ,同时重点以选矿控制、轧钢过程控制、冶炼过程控制等实用系统为例 ,显示了传感器在冶金工业技术进步中所发挥的积极作用。     

生物传感器在堆肥过程控制与动态监测中的研究进展

生物传感器作为一种新兴的分析工具,在堆肥过程控制与动态监测中具有广泛的应用价值.该文主要介绍了生物传感器的工作原理、分类、特点及其在堆肥过程中的应用.     

过程控制系统中多条件约束的多传感器故障检测与诊断

针对工业过程控制系统中的故障具有类型多样、时空独立和非线性等特点,使得检测与诊断效率降低,系统性能下降等问题,提出了一种基于自定义多条件约束的多传感器故障检测与诊断机制;该机制,首先考虑了系统的稳态和时空特征建立了非线性过程控制系统多故障模型,并给出了满足条件判定法则;然后对于系统中的单故障,并发故障和通信故障等类型给出了多条件约束法则及独立特性判断;最后提出了通过自定义多条件约束的多传感器故障检测与诊断机制;实验结果表明,在平均检测概率、稳态特征保持能力和系统功耗等方面明显优于无条件约束的机制,可以显著改善过程控制系统性能.     

TE Connectivity(TE)最新推出可旋转数字显示压力变送器

<正>TE Connectivity(TE)推出M5800带可旋转数显压力传感器。该产品主要设计用于现场过程控制需要实时压力显示的应用,如食品和饮料、制药和医疗系统领域。M5800压力传感器可按具体客户需求提供多种包括压力量程,压力接口,信号输出和电气连接在内的配置。"在过程控制中,现场的操作人员经常无法看到设备压     

基于单片机的磁通门传感器非正交性校正研究

为提高对磁通门传感器误差校正的能力,该文提出基于单片机的磁通门传感器非正交性误差校正方法。构建磁通门传感器非正交性约束参数模型,结合PI调节器对磁通门传感器的节点进行部署设计;在输出振荡模式约束下设计磁通门传感器的组网结构,结合ZigBee组网协议实现传感器路由探测;在自适应反馈调节方法的约束下,结合最短路径寻优控制过程实现磁通门传感器非正交性误差补偿抑制,通过自适应扩频处理方法对传感器的信道输出进行补偿,并提取传输信道的关联特征量,结合信道均衡控制方法进行磁通门传感器网络的输出误差补偿;采用单片机对磁通门传感器校正过程进行集成控制,提高磁通门传感器输出过程的自适应信息处理能力。仿真结果表明,采用该方法进行磁通门传感器非正交性误差校正过程的稳定性较好、传输损耗较少,输出结果误码率较低,有效提高了传感器的信息输出的准确性。     

一类非线性时滞过程的传感器主动容错控制

通过结合非线性过程的一般模型控制(GMC)、强跟踪预测器(STP)和强跟踪滤波器(STF),本文提出了一类具有输入时滞非线性时变过程的传感器主动容错控制方法.基于强跟踪预测器对未来状态的预测,传统的一般模型控制被扩展到一类具有输入时滞的非线性过程.然后采用强跟踪滤波器估计过程状态及传感器偏差,传感器偏差估计用于驱动一个故障检测逻辑.当某一传感器故障被检测出来时,STF的状态估计值将用于重构过程输出(代替真实输出),此重构输出被STP用于继续进行状态预测,从而确保系统性能.最后,三容水箱系统仿真结果证明该方法的有效性.     

Soft sensor and expert control for blending and digestion process in alumina metallurgical industry

This paper presents a soft sensor model for a high-pressure digestion process to control the raw material proportioning for the bauxite slurry blending process in the alumina metallurgical industry. By dividing the sample data set into several clusters with an improved rival penalized competitive learning clustering algorithm, a distributed support vector machine-based soft sensor is presented to measure the quality of the digested slurry online. Based on expert knowledge and the mechanism of the blending and digestion process, a hybrid expert control system for supervisory control of the blending process is developed to optimize the raw material proportioning. Both the experiments and the industrial applications demonstrate the feasibility and effectiveness of the soft sensor and the developed expert control system.     

Sensor validation and process fault diagnosis for FCC units under MPC feedback

Model predictive control (MPC) has been widely applied in industry, especially in the refining industry. As all feedback controllers require correct sensor measurements, unreliable sensors can cause the MPC controller to move the process in an erroneous manner. Data validation of sensor measurements is a prerequisite in applying advanced control, particularly multivariable control which depends on many sensors. However, little research work is available on how feedback controllers like MPC complicate the task of sensor validation and process fault diagnosis. In theory, a controller can transfer the effect of a sensor fault in a controlled variable to the manipulated variables. In this paper, principal component analysis (PCA) is applied to detect, identify and reconstruct faulty sensors in a simulated FCC unit. A base PCA model is generated by perturbing the process throughout the operating region. Performance of MPC with and without data validation is compared. The same base PCA model is applied to detect and identify dynamic process faults. We demonstrate that process faults can be detected and diagnosed at an early stage.     

无线传感器网络在变流控制系统中的应用

介绍了应用于蓄电池制造过程的变流控制系统中的无线传感器网络的设计和实现,详细论述了无线传感器模块的硬件和算法软件设计问题,给出了无线传感器与控制单元之间的通信控制方法.     

组态软件与Modbus协议在矿用传感器调校装置中的应用

针对现有的传感器调校装置存在缺乏数据实时显示和处理、自动闭环控制、通信接口功能等问题,提出了一种将组态软件与Modbus通信协议应用于矿用气体传感器调校装置的方法。该方法利用串行口和Modbus通信协议将所调校的传感器通过单片机和上位机相连,可实时控制传感器调校的整个过程,并能动态采集、处理各传感器数据。实际应用表明,该方法实现了矿用气体传感器调校装置的自动化、精确化,保障了煤矿的生产安全。     

基于广域氧传感器的λ分析仪设计

以广域氧( UEGO)传感器为敏感元件,STM32f407为核心处理器,开展了一种λ分析仪的设计.详细介绍了UEGO传感器测量原理,推导了UEGO传感器的极限电流对空燃比的理论公式.设计了传感器信号检测与处理、工作温度控制、LCD显示等硬件电路,完成了λ分析仪的硬件设计.结合推导公式和硬件电路编写相应的软件驱动程序,传感器工作温度控制过程中引入PlD控制算法,使得温度控制性能得到了优化,空燃比值更加精确.     

Sensor adaptive fault tolerant control for non-linear processes

Adaptive fault tolerant control of non-linear processes is an open problem. In this paper, on the basis of a strong tracking filter (STF), an approach to sensor adaptive fault tolerant generic model control for non-linear processes is proposed. When the process runs normally, Adaptive Generic Model Control (AGMC) based on parameter estimation is used to control non-linear time-varying processes. A sensor fault model is set up by introducing a bias vector into the output equation of the process. The bias vector is estimated on-line based on the STF during every control period. With the estimated sensor bias vector and the time-varying parameters, a fault detection mechanism is developed to supervise sensors. When a sensor fault is detected, AGMC will be switched to a state estimation and soft-sensor-based GMC. This strategy constitutes a sensor-adaptive fault tolerant generic model control for non-linear processes. Experimental results on a three-tank system demonstrate the effectiveness of the proposed approach.     

基于视觉与电弧多信息传感的焊缝跟踪算法

随着焊接传感技术以及信号处理技术的快速发展,人们越来越注重对焊接过程质量控制的研究,而多传感器信息融合技术是焊接质量控制的一种重要的方法,采用该技术实现熔化极气体保护焊(MIG)脉冲焊接质量的自动控制。该技术采用了视觉传感器和电弧传感器将采集的不同的描述信息进行了有效的特征提取和传输,并运用多传感器信息融合算法进行焊缝的跟踪。视觉传感器利用工业电荷耦合元件(CCD)获取图像信息控制焊炬的横向偏差信息,电弧传感器利用数据采集卡获取电流信息控制焊炬的高度互补偏差信息和横向的冗余信息,将两种传感器得到的冗余信息和互补信息在特征层下进行融合实现焊接过程横向和高度的纠偏控制。冗余信息的融合可以实现视觉传感的图像去噪,而互补信息的融合可以进一步提高焊缝跟踪的精度。实验结果表明,所提算法能够较好地提高焊接的质量,从而也验证了算法的有效性和合理性。     

A nonlinear model predictive control scheme for sensor fault tolerance in observation processes

This article addresses the problem of designing a sensor fault‐tolerant controller for an observation process where a primary, controlled system observes, through a set of measurements, an exogenous system to estimate the state of this system. We consider sensor faults captured by a change in a set of sensor parameters affecting the measurements. Using this parametrization, we present a nonlinear model predictive control (NMPC) scheme to control the observation process and actively detect and estimate possible sensor faults, with adaptive controller reconfiguration to optimize the use of the remaining sensing capabilities. A key feature of the proposed scheme is the design of observability indices for the NMPC stage cost to improve the observability of both the state of the exogenous system and the sensor fault parameters. The effectiveness of the proposed scheme is illustrated through numerical simulations.