西门子模块6ES7232-0HD22-0XA0大量库存

西门子模块6ES7232-0HD22-0XA0大量库存

变频技术的产生和发展解决了锅炉运行中控制的难题，不仅节约能源，降低运行成本，使锅炉对大气的污染大大减轻，司炉工强度大大改善，也为实现自动化控制提供了良好的帮助。

1、变频技术

变频技术是一种电子技术。变频器是在变频技术上产生的，它能够应用在大部分的电机拖动场合，由于它能提供jingque的速度控制，可以方便地控制机械传动的升、降和变速运行。变频器经常被用于系统复杂、工作环境恶劣、高负荷、长时间运行的工况中。由于采用了通讯方式，可以通过PC机来方便地进行组态和系统维护，包括上传、下载、复制、监控、参数读写等。简单来讲变频器是由三绕组输人变压器、整流电路、合成母线、逆变电路、合成滤波电路、控制柜等组成。

目前，变频调速技术已经被推广应用到风机、水泵节能改造等上，用途广泛。

2、变频器在风机控制系统中的应用

如图1为变频器控制风机电动机系统框图。

图1 系统框图

风压设定通过变频器的输人端子设定；压力传感器将压力信号传送给变频器；变频器通过预编程序进行运算，对应不同压力输出控制信号，从而控制电动机使风机改变转速来调节炉膛风压，炉膛内风压通过风压传感器将信号传送给变频器，实现自动控制。

在变频状态下，应用变频器改变风机电机输入电压的频率，从而控制电机的转速。电机的转速可以用下面公式表示：

n为转速、f为频率、p为电机级数（2、4、6...）

风机的变速运动是利用改变风机转速来改变风机曲线这种变化关系可以用一组公式来表达：

式中，n－风机转速；Q－风量；P－风压；N－功率。将风量公式（1）与（2）相结合，其结果恰好符合系统曲线公式：

一般使用的风机，其选用风量、风压通常都超过实际需要。（风量裕量5%－15%，压力裕量为10%－30%），传统控制裕量方法大多采用挡板式阀门来调节，用这些方法节流。方法简单，但实际上是通过人为增加阻力的办法来达到调节的目的。不仅造成了浪费，还增加了噪音污染。

经过对变频器的改造具有以下优点：

（1）实现了自动控制，揭开了锅炉运行自动化的新篇章。使难以控制的燃烧过程实现了自动化，减少劳动强度。在网络化日益普及的，与普通的点对点硬线连接方式而言，通过高速通讯连接的变频器系统可以大程度上降低系统维护时间、tigao生产效率、减少运行成本。

（2）控制电机的启动电流。当电机通过工频直接启动时，它将会产生7到8倍的电机额定电流。这个电流值将大大增加电机绕组的电应力并产生热量，从而降低电机的寿命。而变频调速则可以在零速零电压启动（当然可以适当加转矩tisheng）。一旦频率和电压的关系建立，变频器就可以按照WF或矢量控制方式带动负载进行工作。使用变频调速能充分降低启动电流，tigao绕组承受力，用户直接的好处就是电机的维护成本将降低、电机的寿命则相应增加。

（3）降低电力线路电压波动。在电机工频启动时，电流剧增的电压也会大幅度波动，电压下降的幅度将取决于启动电机的功率大小和配电网的容量。电压下降将会导致同一供电网络中的电压敏感设备故障跳闸或工作异常，如咒机、传感器、接近开关和接触器等均会动作出错。而采用变频调速后，由于能在零频零压时逐步启动，则能大程度上消除电压下降。

（4）可对风机的风量作平滑的无级调速，风机工作在佳工作点，工况曲线更符合系统，可tigao风机效率，避免了“喘振”现象。稳定了炉膛压力，满足工作环境的要求。

（5） 低速运行可以减少磨损，降低噪音，有利于延长电机和风机的使用寿命。

（6）节能效果显著。由于终的能耗是与电机的转速成立方比，采用变频后，大大地节约了成本，投资回报更快，用户也愿意接受。

3、效益与回报

瑞千源自动化公司为东北某大学安装了四台02吨刨燃煤供暖锅炉，其中保持二台锅炉每天24小时间断供暖，每年供暖期6个月，鼓风机功率37kw，引风机为110kw。在锅炉运行中，电力线路波动较大，经常损毁附近校舍电器，引风机风量偏大，使用档风插板调节风量，电机功耗基本不变，电能浪费大。根据以上缺点，决定安装变频器。安装变频调速装置后风机起动平稳无冲击电流，运行稳定。

表1 鼓引风机测量参数表

对于刚投人运行的锅炉，一般因各种原因负荷未达到70%以上时，采用变频器控制效果更加明显。如下供热项目是X市政府批准的新型项目，两台卯T锅炉鼓、引风机都采用变频器控制，引风机电动机3sokw，鼓风机电动机1印kw，两台锅炉鼓、引风机变频器一次投人50万元，结果2（X）5年，2（X巧年负荷分别为30%、印%，在此情况下，锅炉在低负荷运行，鼓、引风都在低负荷下运转，两个采暖期下共用电613725k琪飞。如果不用变频器控制约用电18以X洲）k不飞，估计两个采暖期节约1186275k从飞，按每度电0.7元计算，共计节约83万元。

下面是其锅炉系统两种方式实际运行费用对比：

表2 实际运行费用表

一年共节省24万元，一次性投人控制系统共计40万元。1年多收回成本。

工业锅炉风机采用变频器调速实现风量控制，稳定性和可靠性高，调节特性好。由于变频器可以非常平滑稳定地调整风量，运行人员可灵活地调控燃烧状况，tigao了锅炉效率，减少工作强度。变频调速使电机运行明显改善，维护量明显减少，大大减少和机械系统变速机构和控制机构。使系统更加方便操作，设备工作效率明显tigao，系统采用过流、过压、瞬时断电、短路、欠压、缺相等多种保护，避免了赞成电机烧损而影响生产所带来的直接和间接经济损失，更为重要是它的节能效果取得了可观的经济效益。

1 引言

　　实木质装饰线条（又称木线条）是室内装饰用基础建筑材料。室内装饰工程的实木线条主要用于美化和保护装饰面板的收口位置，例如门套线、平板线、半圆线、阴角线、百叶线等。实木质线条由专用机械将各种木材剖析加工而成。由于木线条细长，对于木质要求较高，需用柚木、山毛榉（大多为红榉）、白木、水曲柳、椴木等“无节木”树材加工。木线条的加工质量是装饰效果的关键。木线条表面加工工艺的优劣，对油漆后的装饰成品形态和视觉效果有直接影响。

　　自动化木线条砂光机属于木材表面精加工专用木工机械。自动线条砂光机是对各种形状木线条进行砂光的机器，利用砂带、砂布(纸)砂光木工件表面，适合异性线条的砂光，减少人力，增进产能。复杂的直线仿形边的砂光，砂带速度和送料速度均采用无级变速。

2基于台达机电一体化技术的砂光机

2.1 机械结构

　　（1）砂光功能与整机结构。适用于直线和L型较复杂之直线仿形砂光机，能一次砂削三个面两角。
整机结构参见图1。从进料位可看出,工位砂架1号是砂削木块上侧面；工位2号、3号是砂削及抛光木块右侧面；工位4号、5号是砂削及抛光木块左侧面，一次性共砂削三个面，进料处有一个光电开关，送料电机配有一个编码器计算加工量及计算位置。
　　（2）无级调速。砂带砂轮速度采用变频调速，能满足各种材质需求，操作方便。
　　（3）进给工位自动补偿。根据加工量增加来启动气阀进行仿形轮的自动进给补偿，保证砂头不会因磨轮的磨损而改变砂削效果。

2．2　机械性能设计

机械性能设计是机电一体化自动化系统设计的基础。机械性能设计参参见表1。

表1砂光机机械性能

2．3台达自动化体系设计
根据设备装置及工艺的要求，选择台达SV系列PLC自动化技术平台。台达SV系列是台达Slim家族的新成员，不但体积小性能高，由于一个28点的主机上就有4信道200kHz高速脉冲输入和4通道200kHz高速脉冲输出，一台机器上只要一个28点的主机即可实现。SV系列PLC超强的网络通讯功能为设备联网和工厂信息化提供了可能性，使客户无需增加额外的硬件投资即可实现轻松联网。满足了砂光机工艺高速计数要求。
电气自动化总配置选择台达机电产品：台达触摸屏DOP57CSTD； SV系列PLC主机DVP28SV11R；8DI/8DO继电器扩展模块DVP16SP11R；8DO继电器扩展模块DVP08SN11R；高功能低噪音迷你型变频器VFD022M43B分别驱动1号砂架电机、2号砂架电机、3号砂头电机、4号砂架电机、5号砂头电机。系统构架参见图2。

2.3人机界面与操作

　　根据工艺的要求，在设计时每一个工位是独立分开的，可以任意选择，方便用户操作。在每一个工位里有一个隐藏按钮,启用了工位才可以按取隐藏按钮进入启用工位的参数设定及调试监控，如图3、图4所示。

　　　图4中每一个砂架上都配有一个吹灰阀吹干净砂削的木削粉。压模块推出长度设定:指木块起始端从光电开关ON时编码器开始有料计数达到设定此置时压模块推出开始削木块。压模块退回长度设定:指木块尾端从光电开关为OFF时编码器开始无料计数达到此设定数值时为退出压模块停止砂削木块。每个工位的旋转速度（变频器速度）在触摸屏上调整改变了以前在面板上调节。砂架2、4同理。

　　　图5显示砂头工位3控制画面，砂头推出长度设定跟压模块推出长度设定动作原理一样,砂头是用来抛光木块用的，而砂架上的是砂纸用来打磨用的，两者的功能用途不一样。此画面有补偿阀有开关选择可启用或者关闭此工功能，开始此功能时，须设定位置来补偿，这设定值是指在砂头抛光木块多少个厘米开始补偿一次，实现不会因为砂轮抛光木块多而直径减小，造成抛光不到木块。后面有一个显示值可实时观看到当次补偿后的抛光木块数量。砂头工位5原理相同控制画面。

2.4故障处理

　　　触摸屏设计报警画面如图7图所示。当有报警时此画面会自动调出，并显示当前的警报故障。


　　　从警报内容可看出，警报号1—5分别是变频器通信故障，当没有接通信线时或者说通信断了及接错了，都会报站号的变频器通信故障报警,以便电气工程师查询；警报号8—12分别是变频器过载报警；警报号13指输送电机过载；14号编码器故障，没有接编码器或者说相位接错及缺相者会报14编码器信号错误。在总个机械上装有多个急停按钮，在触摸屏上专做一个子画面显示急停按钮信息。当任何一个急停按钮按下时，触摸屏会自动跳出图7的子画面并一直显示，直到全部急停按钮都释放后，图7画面会自动关闭。总个电气有报警信息显示，方便电工及操作工的故障排除。

3 结束语

　　　该设备用于装饰线条的直线异行面砂光,是木线条、竹线条等饰条生产的理想设备，能大幅tisheng的产品品质，tigao生产效率，降低加工成本，有效解决了线条生产中砂光环节用工多、工作粉尘大、质量难于控制等问题。台达机电产品在木工行业广泛运用得到木工加工行业用户的好评。机电产品功能灵活性以及技术支持深受众多木工设备制造商电气工程师欢迎。

一、前 言

　　近年来，模拟生物神经系统的神经网络，由于具有学习、自组织等新的信息处理能力，对于模式识别问题有很大的优越性，得到了迅速的发展。在冶金行业中,轧钢加热炉是轧钢生产过程中的重要设备之一,在实际操作过程中，操作人员依靠传感器的信息，判断炉况，进行操作。有些判断难以用简单的“IFA THENB”这样的规则表达，而是根据操作人员的经验，将炉况分成几种模式，用神经网络来识别目前炉况属于那种模式，对其进行操作进行指导，或作为专家系统的补充，有较大的作用。

二、神经网络模型

　　神经网络是模拟生物的神经系统（特别是脑）功能的网络。人脑约由150亿个神经细胞组成，每个细胞同数千、数万个神经细胞相联系，形成网络。这样，神经细胞模型可以看作是n输入单输出的信息处理单元。某个输入Xi对神经细胞的影响以影响度表示，称为细胞的结合权重或效率Wi，这个细包模型如图1所示。

图1 细胞模型

　　细胞的输入有强有弱，当其总合超过某一阀值，则细胞进入兴奋状态，产生输出;当其总合低于阈值时，细胞进入抑制状态，没有输出。

　　神经细胞之间可以有不同的连接方式，目前已经提出了许多神经网络模型，在神经网络中，由于神经细胞的计算的并行性，其总体计算效率很高。生物的一个重要特征是有自学习功能，改变神经网络中细胞（或节点）输入端的权重或者细胞兴奋的阀值，控制细胞的兴奋状态，可以实现生物系统所具有的灵活的判断和自学习功能。

　　神经网络的两种常用的模型。

　　2.1 多层感知器模型

图2 层次感知器神经网络

　　图2是一个三层感知器神经网络，有N个输人，M个输出，一个中间层。从输入信

　　号x，由内部单元经非线性变换，终得到输出y。

　　对于输入x，期望的输出设为yd=yd（x），而实际输出为y=y（x），一般二者不一致;

　　输入—输出的函数与网络内部细胞的结合权重有关。由期望输出与实际输出的误差信号

　　e = yd（x）-y（x）

　　调整网络内部的结合权，使误差减小，以改善神经网络的工作，这称为学习神经网络。

　　在这种场合，因为给定期望的输出，故称为有教导的学习。

　　目前逆向误差传播学习法得到广泛应用，这一学习法以输出的二乘误差为评价函数，以速下降法反向修正各层结合权和阀值。

　　这样，开始时在网络上随机设置小的权重和内部阀值，重复输入训练数据进行学习，每一试验，根据指标的误差信息对权值和阀值进行调整，直到指标达到可以接受的值。这一迭代算法步骤如下：

　　（1） 权值和阀值的初始值设定。

　　（2） 给连续输入向量x=｛x1，x2，…，xn｝和期望输出 yd=｛yd1，yd2， …，ydM｝

　　（3） 计算实际输出。

　　（4） 调整权重。

　　（5） 返回（2），重复进行。

　　对于阀值的调整也可以相似进行。

　　2.2自组织模型

　　自组织模型与上述不同的是不规定期望的输出，通过自学习抽取对象数据的特征，进

　　行基本模式的分类，这称为无教导的学习。

　　图3所示M个输出节点的阵列，用来抽取输入特征，输出节点用局部连接相连。每一输入xi通过可变的权重wij与每一输出节点yj相连。反复送入分类数据作为输入向量x，权重将进行组织，以输出大的节点为核心，使核的节点和其邻近的节点响应相同的输入信号。通过这种学习，使各节点的权重代表相应的输入模式。与逆向误差传播多层神经网络不同的是：这里是由学习自动抽取数据的特征，分成典型的模式，而不用给定期望的模式：而分成的典型模式用权重记忆，找出权重就掌握了数据的特征。图3为自组织网络图。

图3 自组织网络图

三、多层感知器神经网络在轧钢加热炉模式识别中的应用

　　采用多层感知器神经网络作为轧钢加热炉炉温控制和热风量控制专家系统的一部分。以轧钢加热炉炉温预测神经网络为例，采用如图4所示的三层网络。以钢坯加热状况，煤气成分，炉中部热平衡计算求得的计算值指数、炉体热损失量过程数据作为输入层的输入。

图4 炉温预测神经网络

　　中间层通过调整后选用几个节点，输出层有三个节点，即“炉温变高”，“炉温不变”和“炉温变低”。输入数据经归一化后，为-1～+1之间的值，输出为0～1范围的预测值。学习采用逆向误差传播学习算法，进行权重调整以加快收敛。

　　对于采用多层神经网络对炉内煤气流分布进行预测，作为专家系统的一部分。模式识别的对象是炉膛上部检测器、炉膛中部检测器和炉壁（纵向）温度计，检测器是插入炉内的煤气温度计或煤气采样管。对炉膛上部检测、炉膛中部检测、炉壁;（纵向）温度的模式识别都采用三层神经网络。预先根据过去的操作经验对轧钢加热炉炉况进行分类，直观判断所检测的数据模式接近那一类，这样，得到几种模式作为教导数据，故神经网络的输出层也采用几个节点，每个节点的输出代表一种模式。

　　输入层的节点数和中间层的节点数也都进行归类分析经过归一化进行整理得出有效控制模式。

　　学习方法也采用逆向误差传播学习法进行学习，并与专家系统结果进行比较，得出佳结果。

　　神经网络与专家系统的结合如图5所示。神经网络用C语言编写程序，起动后，读入数据，在几个煤气流分布模式中，取接近的作为判定结果，送入专家系统。专家系统根据模式识别的输出和信息处理的输出，使用预先装入的规则，经过推理机进行推理，预测轧钢加热炉炉况，输出操作指导。

图5 神经网络与专家系统的结合

四. 自组织神经网络在轧钢加热炉模式识别中的应用

　　以炉膛温度来说，在炉膛沿上方向和左右方向共设置一些测温点，温度数据是二维的分布模式，依靠操作人员观察对模式进行分类是很困难的，不能预先给出教导模式，而是用自组织网络自动抽取数据特征，进行分类。

　　自组织网络采用多个输入节点，多个输出阵列，用一段时间的日平均测温数据，用自组织网络进行分类，得到轧钢加热炉高温、稍高温、低温等几种炉膛温度模式，模式特征在邻近节点间平滑变化。

　　使用自组织后的网络，可以用来识别日平均炉膛温度数据与哪一温度分布模式为接近，用这一识别可以定量分析与其它炉况数据的关系。

五.自适应神经网络控制器在轧钢加热炉过程控制中的应用

　　自适应神经网络控制是根据对人脑的宏观结构功能模拟与人脑的控制、决策行为和各种逻辑推理机构出发而设计的一种控制器，它通过在线、实时学习，自动获取知识，并能不断地tigao和完善控制性能。

　　5.1自适应神经网络控制方式

　　5.1.1系统工作方式:

　　神经网络控制系统将根据加热炉工艺条件的不同和各种检测情况,在其投运以后按下述方式工作.

　　5.1.1.1 加热炉学习过程

　　加热炉学习过程是系统观察炉子的操作,记录炉内各参数的变化,在线收集各种数据,建立各种工况模式,建立起各种自适应加热炉模式,在线观察其工作性能,使其达到操作预报的功能。

　　5.1.1.2基础调节及性能监视

　　通过各种常规PID调节算法进行在线实验，确定其佳参数，构造调节学习网络，并由其记录炉子的响应，评价其控制性能，建立起工况条件与调节器工作参数模式的识别网络，这个过程形成的性能监视器和运行模式识别网络具有在线运行能力，即对于工况的变化具有识别和输出适当结果的功能。调节器学习网络也在线运行，以比较调节器在各种工况下的行为和性能，提供系统报警和修改参数的依据。

　　5.1.1.3自适应环境跟随

　　由前两阶段形成的系统模式，经过在线确认后，就形成了自适应加热炉控制模式，其主要特征是：随工况环境和检测条件的变化，自动完成这些状态变化的识别，作出相应的调节策略，作出各种操作下的状态预报，完成其控制目的。

　　5.1.2自适应神经网络控制

　　图6是采用一个非线性神经元作为控制对象的补偿器，构成自适应控制系统。

图6 神经网络自适应控制系统

　　取期望输出Yd与实际输出之差e作为神经网络的输入，采用Hebb学习规则调整神经元的权值Wj，产生所要求的控制，使系统跟随期望输出。

　　这里取

　　x1 = yd — y = e（K），x2 = e（K） — e（K—1），x3 = e（K）— 2e（K—1）+e（K—2）

　　
　　W1 e（K）+W2[e（K）—e（K—1）]+W3[e（K）—2e（K—1）+ e（K—2）]

　　可以看出，控制量正好是PID调节器的比例、积分、微分作用。可以通过有指导的学习，对权值进行训练，训练时，采用下式：

　　Wj（t+1）= Wj（t）+り[Yd — Y] + a [Wj（t）— Wj（t—1）]

　　J = 1，2，3

　　不断更新权值。

　　训练完成后，即可对系统进行PID控制，并可在线修正权值，进行自适应控制。

　　这样将轧钢加热炉燃烧过程中的各种检测数据作为输入信号，加热炉的各种炉况视为输出信号，通过学习，可将测量数据与炉况之间的各种复杂的非线性影射关系用自适应网络来表示，在加热炉实际操作时，根据加热炉监视系统所测到的各种数据输入到计算机，自适应网络将自动判别加热炉目前的炉况。同样，可将炉况和温度、压力、liuliang等各种测量值数据作为输入信号，将各种控制参数作为输出信号，自适应控制系统将根据目前的炉况和各种测量数据，自动控制加热炉的操作，由于自适应控制具有较强的自学习能力，将大大地改善加热炉的判别和控制的可靠性，以及自动化程度。

　　控制系统的动态过程是不断变化的，为了获得良好的控制性能，控制器必须根据系统的动态特性，不断地改善或调节控制决策，以便使控制器本身的控制规律适应于控制系统的需要。

　　计算机就这样从数据库中获取知识，借助于特征状态捕捉动态过程的特征信息，识别系统的动态行为，作为控制决策的依据，在控制过程中，使用定性知识和推理机构对控制对象进行有效的控制。

　　5.2炉温产量自协调控制

　　轧制节奏对炉温设定值影响很大，为适应不同的轧制节奏，炉温的设定值就必须随轧制速度进行修正，通过对出炉钢坯数的记录，计算出轧机的轧制速度，将轧制速度分为5个档次：高速轧制，稍高速轧制，中速轧制，低速轧制，停轧。在炉温设定值的基础上，根据轧机生产的节奏快慢，自动上下浮动一定的温度值来控制，生产故障时，自动调整温度值来控制加热炉的燃烧过程，以达到节能降耗的目的。

六、结 语

　　实践结果表明，利用神经网络，对难以实现自动化的轧钢加热炉的分布数据模式可以进行自动识别，用于支持轧钢加热炉操作的专家系统，以增强轧钢加热炉操作管理系统的功能。

　　操作人员可以根据经验能抽取数据特征，形成教导用模式分类，用层次神经网络，采用自学习算法识别输入数据的模式，在操作人员难以根据直观判断抽取数据特征形成模式分类时，采用自组织神经网络，自动抽取数据特征，形成模式识别的分类。

　　根据前面模式识别所得出的轧钢加热炉各种特征数据，我们就可以对加热炉进行自适应神经网络控制。

　　这里分析研究了神经网络在轧钢加热炉模式识别和智能控制中的应用情况，从这些应用中可以看出神经网络的优异牲能，可以预见，神经网络在冶金工业自动化系统中将会得到越来越多的应用，具有广阔的应用前景。