Đề tài Xây dựng mô hình động học cho lò hơi trong nhà máy Đạm Phú Mỹ

ạn công nghệ trước đó (upstream). Thực tế, đây là cách làm can thiệp khá thô bạo vào quá trình điều khiển và sản xuất, điều này làm cho việc vận hành quá trình công nghệ không thể đảm bảo ổn định và duy trì được chất lượng. Do đó đối với những quá trình công nghệ có mức độ quan trọng cao và nhạy cảm, cần phải thực hiện nhận dạng vòng kín, tức là thu thập dữ liệu trong khi hệ thống vẫn làm việc ổn định dưới sự điều khiển của các vòng điều khiển. Nhận dạng gián tiếp và trực tiếp Có hai cách tính toán mô hình đối tượng: trực tiếp và gián tiếp. Thực tế đây là một vấn đề con bên trong vấn đề nhận dạng vòng kín. Tuy nhiên ta có thể xem như nó là một trong những phương pháp nhận dạng. Nhận dạng trực tiếp là thực hiện nhận dạng dựa trên dữ liệu thu thập là giá trị các biến ngõ vào và biến ngõ ra của hệ thống mà không cần quan tâm đến thông tin của bộ điều khiển. Từ bộ dữ liệu thu được ta có thể tính ra trực tiếp được mô hình của quá trình. Phương pháp nhận dạng trực tiếp có ưu điểm là không cần thông tin chính xác về bộ điều khiển và có thể cho độ chính xác cao nếu chọn được phương pháp nhận dạng phù hợp. Tuy nhiên, nếu dữ liệu thu thập chịu ảnh hưởng của nhiễu mà nhiễu này có tương quan với dữ liệu đầu vào sẽ làm ảnh hưởng đến tính nhất quán và sự hội tụ của phương pháp. Nhận dạng gián tiếp là thực hiện nhận dạng dựa trên bộ dữ liệu thu thập được ở đầu vào và đầu ra của hệ thống bao gồm quá trình công nghệ và bộ điều khiển (hay nói cách khác là thu thập dữ liệu trong lúc bộ điều khiển vẫn đang hoạt động bình thường). Từ bộ dữ liệu đấy ta tính ra mô hình của hệ thống vòng kín (bao gồm quá trình công nghệ, các thiết bị đo/chấp hành và bộ điều khiển). Sau đấy ta tính được mô hình của hệ thống hở từ mô hình kín vừa nhận dạng được, mô hình thu được là mô hình cho quá trình công nghệ và các thiết bị đo/chấp hành. Nhận dạng trực tuyến (online) và ngoại tuyến (offline) Tùy vào nhu cầu mà việc nhận dạng mô hình được thực hiện liên tục hoặc gián đoạn. Nếu quá trình nhận dạng được thực hiện liên tục để phục vụ điều khiển thích nghi hoặc tối ưu hóa thời gian thực cho hệ thống điều khiển, ta phải thực hiện nhận dạng liên tục tức là nhận dạng trực tuyến (online), lúc này các tham số của mô hình được cập nhật liên tục vì quá trình nhận dạng được thực hiện liên tục với bộ dữ liệu vào ra cũng được thu thập liên tục. Còn nếu như không có nhu cầu thực hiện nhận dạng liên tục (ví dụ như nhận dạng mô hình để phục vụ phân tích thiết kế điều khiển, mô phỏng hệ thống…) thì ta chỉ cần thu thập dữ liệu, sau đấy nhận dạng, kiểm chứng và sử dụng mô hình. Đánh giá và kiểm chứng mô hình Một mô hình mà khi thực hiện mô phỏng cho giá trị ra có sai lệch ít so với dữ liệu thực thu thập được thì được coi là mô hình có chất lượng tốt. Sử dụng giá trị vào của bộ dữ liệu kiểm chứng, ta tính sai lệch giữa giá trị ra mô phỏng và giá trị ra thực để đánh giá chất lượng của mô hình. (4-1) Với N là số lần trích mẫu của tín hiệu, là giá trị đầu ra thực ở thời điểm trích mẫu thứ k và là giá trị ngõ ra thu được từ việc mô phỏng tín hiệu của mô hình đã nhận dạng. Phương pháp bình phương tối thiểu Các thuật giải nhận dạng rất đa dạng và phong phú. Có phương pháp dựa vào đồ thị đáp ứng quá độ như phương pháp kẻ tiếp tuyến, phương pháp hai điểm quy chiếu, phương pháp diện tích, phương pháp hai điểm cực trị…. Có phương pháp dựa trên đáp ứng tần số như phương pháp kích thích trực tiếp tín hiệu sin, kích thích tín hiệu dạng xung, phương pháp phân tích phổ tín hiệu… Trong thời gian gần đây, với sự phát triển của máy tính, phương pháp tính toán nhận dạng dựa trên nguyên lý bình phương tối thiểu trở nên phổ biến rộng rãi và dần được phát triển hoàn thiện. Phương pháp bình phương tối thiểu cho mô hình kết quả có chất lượng tốt hơn các phương pháp dựa trên đồ thị đáp ứng quá độ và các phương pháp dựa trên đáp ứng tần số. Nó thường được dùng khi thực hiện nhận dạng những quá trình công nghệ phức tạp hoặc những quá trình đòi hỏi cao về chất lượng điều khiển. Ứng dụng nguyên lý bình phương tối thiểu, thực chất bài toán nhận dạng chính là bài toán tối ưu tham số với hàm mục tiêu là cực tiểu hóa tổng bình phương sai lệch giữa số liệu thu thập được với số liệu tính toán ước lượng của mô hình. Đây là phương pháp có khả năng ứng dụng rộng rãi, nó có thể được áp dụng cho cả hệ phi tuyến lẫn tuyến tính, trên miền thời gian cũng như miền tần số, trực tuyến cũng như ngoại tuyến. Nguyên lý bình phương tối thiểu Nguyên lý bình phương tối thiểu dựa trên cơ sở là một quá trình có thể mô tả được bằng phương trình dưới đây: (4-2) Trong đó là giá trị quan sát được tại thời điểm , là các hàm đã xác định trước còn là vector tham số của mô hình cần xác định: Vector hàm được gọi là vector hồi quy, các phần tử của nó được gọi là biến hồi quy. Thông thường, vector hồi quy biểu diễn trực tiếp các dữ liệu đầu vào (đã xác định). Theo như công thức (4-2) ta nhận thấy giá trị ngõ ra là tuyến tính với giá trị vào. Do đó trong thực tế, nếu cần thiết lập mô hình phi tuyến, người ta cần phải sử dụng vector hàm phức tạp hơn với các biến hồi quy có thể ở dạng biến thiên hoặc phi tuyến. Như đã nêu ở công thức (4-1), việc xác định mô hình thực chất trở thành công việc giải bài toán tối ưu bằng cách tìm ra vector hàm sao cho hàm mục tiêu là cực tiểu. Trên cơ sở dữ liệu nhận dạng có N mẫu, tức thời gian quan sát từ đến , hàm mục tiêu có dạng như sau: (4-3) Ta đặt: Lúc này (4-2) trở thành: (4-4) Ta có thể thấy rằng chính là và tích chính là . Giải bài toán tìm nghiệm tối ưu của hệ (4-4) sẽ thu được bộ tham số của mô hình cần nhận dạng. (4-5) Do vậy, để (4-4) có nghiệm thì N ≥ n và có đủ hạng cột (tức là có các cột độc lập tuyến tính, đây là điều kiện để ma trận khả đảo). Lúc này nghiệm sẽ là: (4-6) trong đó là ma trận giả nghịch đảo (pseudo-inverse) của . Phương pháp ước lượng tham số mô hình FIR Một quá trình ổn định có thể được biểu diễn bằng mô hình FIR (Finite Impulse Response, đáp ứng xung hữu hạn): (4-7) Thể hiện bằng sơ đồ khối như dưới đây (vì quá trình là có trễ nên hệ số ) Hình 4.2.21: Sơ đồi khối mô hình FIR Dãy giá trị được gọi là dãy trọng lượng. Giá trị của từng phần tử trong dãy thể hiện ảnh hưởng của từng đầu vào trong quá khứ tới giá trị đầu ra hiện tại . Đối với một quá trình ổn định, giá trị phần tử của dãy trọng lượng sẽ tiến dần về 0 khi hệ số i lớn lên, do đó n có giá trị hữu hạn và phương trình (4-7) thông thường chỉ là gần đúng. Như được thể hiện trong (4-7) ta thấy mô hình FIR rất trực quan khi nó mô tả rõ ràng ảnh hưởng của từng giá trị đầu vào trong quá khứ lên đầu ra. Tuy nhiên, như đã nêu ở trên nó chỉ sử dụng được đối với quá trình ổn định. Việc áp dụng nguyên lý bình phương tối thiểu cho phép ta xác định các phần tử trong dãy trọng lượng. Nếu ta có các dữ liệu đầu vào , dữ liệu đầu ra , lúc này ta đặt như sau: Vector tham số: Vector hồi quy: Với thời gian quan sát từ đến : Như đã nêu trong phương trình (4-4) (mục 4.2.1) ta có: . Bằng cách giải bài toán tối ưu , ta tìm được vector tham số cho mô hình FIR theo phương trình (4-6): Như đã nêu trong mục 4.2.1, việc sử dụng nguyên lý bình phương tối thiểu yêu cầu ma trận phải có đủ hạng cột, hay nói cách khác là các cột của phải độc lập tuyến tính. Do đó, tín hiệu vào phải biến thiên liên tục và ngẫu nhiên để các phần tử của khác nhau và các cột của trở nên độc lập tuyến tính. Các tín hiệu vào dạng bậc thang, xung, dao động điều hòa không phù hợp cho việc tạo dữ liệu nhận dạng cho phương pháp này. Tiếp đến ta cần phải chọn giá trị của n và t cho phù hợp. Giá trị của n cần phải chọn đủ lớn để khoảng quan sát có thể bao gồm luôn đặc tính trễ của quá trình và cũng đủ để đảm bảo độ chính xác của mô hình, nhưng giá trị của n cũng không nên quá lớn vì sẽ làm tăng khối lượng tính toán lên nhiều mà kết quả cũng không hẳn tốt hơn khi chọn n vừa đủ lớn. Còn giá trị t được chọn càng lớn thì dữ liệu sẽ càng đa dạng, tức là quá trình nhận dạng sẽ cho kết quả càng tin cậy. Tuy nhiên nếu t quá lớn thì khối lượng tính toán rất nhiều, do đó chọn t vừa phải nhưng ít nhất t phải bằng . Hai nhược điểm quan trọng của mô hình FIR đó là khối lượng tính toán lớn do số lượng các phần tử trong dãy trọng lượng khá lớn và khó có thể chuyển đổi mô hình FIR sang mô hình khác một cách chính xác. Người ta đưa ra phương pháp khác có hiệu quả hơn và dễ dàng chuyển đổi qua các dạng mô hình khác dễ dàng, đó là mô hình ARX. Phương pháp ước lượng tham số mô hình ARX Mô hình ARX cho rằng giá trị ngõ ra không những chỉ phụ thuộc các giá trị của biến đầu vào mà còn phụ thuộc vào các giá trị ở ngõ ra trước đó: (4-8) trong đó cho trước (dùng để mô tả độ trễ của quá trình) và là nhiễu ồn trắng (white noise) và: (4-8) có thể được viết lại dưới dạng sau: Theo nguyên lý bình phương tối thiểu: Vector tham số của mô hình cần xác định: Vector hồi quy: Lúc này: Hay: là mô hình cần xác định và xác định thông qua . Việc xác định tối ưu đưa đến việc giải phương trình (4-4): . Chọn thời gian quan sát từ m đến t (với ). Lúc này nghiệm sẽ tính theo (4-6): Với: Nếu quá trình chịu tác động của nhiễu ồn trắng, thì đầu ra cũng sẽ bao gồm cả nhiễu : Hay biểu diễn dưới dạng rời rạc: , với Trong trường hợp nhận dạng trong vòng kín, biến ngõ ra được phản hồi về đầu vào, điều này làm cho biến điều khiển u(t) và nhiễu v(t) có tương quan với nhau, do đó mà tương quan với nhiễu v(t) (do chứa u(t)). Để khắc phục vấn đề này, người ta sử dụng biến công cụ (Instrumental variable), là ma trận thỏa mãn hai điều kiện: không suy biến. Lúc này: Trong tình huống nhiễu v(t) không phải là nhiễu trắng mà là nhiễu màu, người ta đưa vào ước lượng cả mô hình nhiễu bên cạnh mô hình quá trình, mà hai mô hình như thế là ARMAX và Box-Jenkins được trình bày như dưới đây. Các phương pháp ước lượng tham số mô hình ARMAX, Box-Jenkins Để tránh nhược điểm trên đối với phương pháp ARX, người ta đưa vào ước lượng nhiễu vào trong cả mô hình, mà tiêu biểu là các phương pháp ARMAX (AutoRegressive Moving Average with eXternal input), BJ (Box-Jenkins) và OE (Output Error). Phương trình mô hình ARMAX được mô tả như sau: Phương trình mô hình Box-Jenkins được mô tả như sau: Phương trình mô hình Output Error được mô tả như sau: Tổng quát hóa các phương trình ở trên thu được một mô hình chung mà các dạng mô hình ở trên là trường hợp riêng của nó: (4-9) Với: Như vậy, mô hình FIR chính là (4-9) với , mô hình ARX chính là (4-9) với , mô hình ARMAX chính là (4-9) với , mô hình BJ chính là (4-9) với . Nếu là mô hình kết quả thiết lập được từ quá trình nhận dạng, ta có: với là sai lệch giữa thiết bị thực và kết quả của mô hình. Đồng nhất và , (4-9) trở thành: Hay: (4-10) Đây chính là bộ dự báo (predictor) và nó cũng chính là mô hình của đối tượng. Từ đó, sai lệch giữa ngõ ra thực và ngõ ra của mô hình (còn gọi là sai lệch/lỗi dự báo) được viết lại như dưới đây: Ta dùng biến phụ (auxiliary variable) như dưới đây: (4-11) và: (4-12) Lúc này: (4-13) Từ (4-11) ta được (xét trường hợp tổng quát: bao gồm đến ): Và từ (4-12) ta có: Thay vào (4-13) ta được: (4-14) Đặt: (4-15) là vector hồi quy. (4-16) là vector thông số. Từ (4-14) ta nhận thấy: Do vậy: (4-17) Ước lượng tham số mô hình ARMAX Như đã nói ở trên, mô hình ARMAX là một trường hợp riêng của mô hình tổng quát (4-9) với các thành phần F = D = 1. Lúc này v(t) và w(t) thực ra là đa thức của u(t) và y(t) nên bỏ qua. Giả sử thời gian trễ của quá trình là , lúc này mô hình có dạng: Vector hồi quy: Vector tham số: Mô hình đối tượng: Chọn thời gian quan sát từ m đến t (với ). Lúc này: và: Giải bài toán tối ưu: cho ta bộ tham số là mô hình của đối tượng. Ước lượng tham số mô hình Box-Jenkins Đối với mô hình Box-Jenkins, , giả sử trễ của quá trình là nk chu kỳ trích mẫu, phương trình mô hình là: Lúc này, (4-14) trở thành với: Do đó vector hồi quy và vector tham số như sau: Nếu chọn thời gian quan sát từ m đến t (với ) thì: Đặt: Giải bài toán tối ưu: cho ta bộ tham số là mô hình của đối tượng. Chương 5: MÔ HÌNH LÒ HƠI Chọn lựa phương pháp nhận dạng Các biến quá trình và quy mô của mô hình Như đã mô tả trong chương 2, đối tượng lò hơi là quá trình có tính phi tuyến mạnh, do đó (trong khuôn khổ luận văn này) việc nhận dạng được thực hiện dựa trên ý tưởng tuyến tính hóa đặc tính phi tuyến của lò hơi quanh điểm làm việc. Trong chương 3, chúng ta đã đề cập tới vấn đề điều khiển lò hơi, để vận hành lò hơi cần phải kiểm soát được 4 vấn đề: Mức nước trong bao hơi. Chất lượng quá trình cháy trong buồng lửa. Nhiệt độ hơi quá nhiệt ở ngõ ra. Áp suất hơi quá nhiệt ở ngõ ra. Vấn đề i. được duy trì chủ yếu bằng cách duy trì cân bằng vật chất vào ra của lò hơi (tức là khối lượng nước vào và khối lượng hơi ra phải bằng nhau). Quá trình này được điều tiết bằng một vòng điều khiển cascade bao gồm 2 bộ điều khiển FIC8251 và LIC8250A. Bộ điều khiển LIC8250 chỉ hoạt động khi mức nước trong bao hơi xuống quá thấp, lúc đấy LIC8250 sẽ mở hoàn toàn van LV8250 để đưa nước vào để mức nước trong bao hơi trở về giá trị phù hợp (tuy nhiên lúc này thì lò hơi không ở trong trạng thái hoạt động ổn định nữa, do vậy ta không xét đến trạng thái này của lò hơi). Bởi vì tính độc lập giữa việc duy trì mức nước trong bao hơi và chất lượng hơi quá nhiệt ở ngõ ra (dao động của lưu lượng hơi ở ngõ ra (dẫn tới dao động của lượng nước ở ngõ vào) được xem như là nhiễu tải), ta không đưa vòng điều khiển này vào mục tiêu nhận dạng của luận văn này. Vấn đề ii. được duy trì bằng việc bổ sung một bộ điều khiển tỉ lệ AIC8250 để duy trì chất lượng quá trình cháy (thông qua việc duy trì nồng độ Ôxy trong khí thải theo đặc tính tối ưu quá trình cháy đã cho trước). Bộ điều khiển tỉ lệ này sẽ làm nhiệm vụ thay đổi tỉ lệ khí-nhiên liệu (air – gas) sao cho nồng độ Ôxy đúng như mong đợi (biểu đồ nồng độ Ôxy xem hình 5.1.1-1). Như vậy, việc duy trì được nồng độ Ôxy tối ưu đồng nghĩa với quá trình cháy là tốt nhất, lúc này ta chỉ cần quan tâm đến ảnh hưởng của nhiệt lượng lên đến chất lượng hơi, hay nói cách khác chính là cần xác định được ảnh hưởng của lưu lượng nhiên liệu đến nhiệt độ và áp suất của hơi quá nhiệt. Do vậy, vòng điều khiển ii. được xem như là vòng điều khiển độc lập và ta không xét đến nó trong việc thiết lập mô hình cho lò hơi ở luận văn này. Hình 5.1.11: Nồng độ Ôxy tối ưu đối với từng mức tải của lò hơi. Vấn đề iii. được giải quyết bằng cách dùng một dòng nước làm mát phun thẳng vào đường ống hơi để điều tiết nhiệt độ của dòng hơi quá nhiệt ở ngõ ra, như được mô tả trong mục 3.2.2. Giá trị đặt cho bộ điều tiết lưu lượng nước FIT8252 được lấy từ bộ điều khiển TIC8253 và tín hiệu feed forward của nhiên liệu FI8201. Vấn đề iv. được kiểm soát thông qua lưu lượng nhiên liệu vào buồng đốt FI8201 như đã đề cập trong mục 3.2.3. Tuy nhiên bên cạnh ngõ ra của PIC4048, giá trị đặt cho bộ điều khiển FIC8201 còn phải được cộng thêm vào độ biến thiên lưu lượng hơi ở ngõ ra FI8253. Như vậy, trong khuôn khổ của luận văn này, việc nhận dạng lò hơi chỉ thực hiện cho quá trình trao đổi nhiệt và sinh hơi, mà không quan tâm đến quá trình cháy và quá trình duy trì mực chất nước trong bao hơi vì chúng độc lập với quá trình trao đổi năng lượng trong lò hơi. Bên cạnh đấy ta cũng giả thiết là các vòng điều khiển i. (mức nước trong bao hơi) và ii. (quá trình đốt cháy nhiên liệu) đang hoạt động ở chất lượng tốt nhất và ổn định. Lúc này hai biến đầu vào là lưu lượng nhiên liệu ở ngõ vào buồng đốt FI8201 và lưu lượng nước làm mát FI8252 (quench water) ở bộ Desuperheater và hai biến ngõ ra là nhiệt độ TI8253 và áp suất của hơi quá nhiệt ở ngõ ra PI4048. Hệ thống chịu tác động của nhiễu đo và nhiễu tải (lưu lượng khối lượng hơi quá nhiệt FI8253). Thực tế, nhiễu đo bao gồm chủ yếu 3 thành phần: nhiễu do nhiệt độ môi trường tác động lên thiết bị đo, nhiễu do trường điện từ cao tần phát từ các động cơ điện và nhiễu do chính bản thân phương pháp đo gây ra. Do bức xạ từ buồng đốt, bao hơi và các ống dẫn hơi mà nhiệt độ quanh lò hơi khá cao (từ 25 oC đến 60 oC hoặc cao hơn nếu như có xảy rò hơi), điều này có thể làm cho các thiết bị đo hoạt động không ổn định. Bên cạnh đấy trường điện từ do các động cơ điện sinh ra khá mạnh có thể tác động lên thiết bị đo làm sinh ra các điện áp cảm ứng bên trong các phần tử tích cực trong thiết bị đo mà làm sai lệch kết quả đo. Đối với phương pháp đo lưu lượng bằng tấm lỗ orrifice, sai số gây ra từ nhiễu loạn áp suất tạo bởi cảm biến tấm lỗ orrifice tác động lên là ngẫu nhiên và có thể lên đến 1%. Chính vì thế, ta xem nhiễu đo cũng chính là nhiễu trắng có kỳ vọng bằng 0, do đó ta xem như quá trình chỉ chịu tác động của nhiễu trắng và nhiễu tải. Hình 5.1.12: Quá trình và các biến quá trình được sử dụng trong mô hình. Chọn lựa phương pháp thiết lập mô hình Như đã xác định trong mục tiêu của luận văn (mục 1.1), mô hình lò hơi được thiết lập nhằm hướng tới mục đích tối ưu hoạt động của lò hơi. Do vậy, người thực hiện mặc định lựa chọn phương pháp ứng dụng nguyên lý bình phương tối thiểu để đảm bảo mô hình có độ chính xác tương đối cao. Mặc khác, phương pháp bình phương tối thiểu còn có ưu điểm lớn đó là nó rất hiệu quả trong việc tìm cực tiểu toàn cục của hàm tối ưu, cho nên kết quả thu được có độ tin cậy cao. Do tính liên tục của quá trình sản xuất và vai trò quan trọng của lò hơi đối với quá trình sản xuất (là nguồn cung cấp năng lượng cho các turbine) nên yêu cầu về chất lượng hơi khá nghiêm ngặt. Quá trình vận hành luôn yêu cầu hơi nước quá nhiệt ở ngõ ra phải bảo đảm được cả chất lượng (nhiệt độ, áp suất) và số lượng (để cung cấp đầy đủ và kịp thời cho tải là các hệ thống máy động dùng turbine). Chính vì vậy, việc thực hiện thu thập dữ liệu để nhận dạng hệ thống bắt buộc phải thực hiện trong lúc lò hơi đang hoạt động, tức là phải thực hiện nhận dạng trong vòng kín. Các biến quá trình chủ yếu là các đại lượng áp suất, nhiệt độ và lưu lượng đều là các đại lượng chịu ảnh hưởng của nhiễu đo mạnh mẽ. Ví dụ đối với thiết bị đo áp suất, giá trị áp suất đo được là áp suất tương đối, do đó trước tiên nó chịu ảnh hưởng của áp suất khí quyển, bên cạnh đấy việc đo lưu chất có nhiệt độ cao làm chính bản thân thiết bị đo nằm trong môi trường có nhiệt độ cao hơn bình thường mà tác động của nhiệt độ lên các linh kiện bán dẫn trong mạch đo cũng gây ra sai số đáng kể. Đối với thiết bị đo nhiệt độ, mặc dù sử dụng cảm biến là RTD có độ tin cậy cao, nhưng nó vẫn phải chịu tác động của nhiệt độ môi trường. Bên cạnh ảnh hưởng của môi trường, thiết bị đo lưu lượng (sử dụng cảm biến là tấm lỗ orifice, đo theo nguyên lý chênh áp) còn phải chịu nhiễu loạn áp suất do chính cảm biến orifice gây ra, mà nhiễu loạn này thuộc về bản chất của phương pháp đo và không khắc phục được. Đối với quá trình chịu ảnh hưởng của nhiễu, mô hình được đề nghị là ARMAX và BJ. Hai mô hình này có khả năng thiết lập được mô hình nhiễu, điều đấy làm chúng trở nên linh hoạt với tác động của nhiễu (xem mục 4.2.4); đối với ARMAX mô hình nhiễu được thể hiện qua còn đối với BJ là . Nhờ vào việc thiết lập mô hình cho nhiễu mà các mô hình ARMAX và BJ (nếu như bài toán tối ưu cho kết quả hội tụ) có khả năng phân lập được ảnh hưởng của thành phần nhiễu ra khỏi mô hình quá trình dẫn đến kết quả là mô hình thu được có độ chính xác cao hơn (lúc này và ). Mô hình ARMAX nên được sử dụng nếu nhiễu tác động vào đầu vào của quá trình (hay nhiễu tải (load disturbances)), còn đối với nhiễu đo (measurement disturbances) nên dùng mô hình BJ để thể hiện. Thu thập dữ liệu nhận dạng Như trong sơ đồ hệ thống điều khiển nhiệt độ ngõ ra (Hình 5.2.1-1) và sơ đồ điều khiển áp suất ngõ ra (Hình 5.2.2-1), ta nhận thấy chúng không đơn thuần là vòng điều khiển cascade chuẩn mà là sự kết hợp giữa điều khiển cacscade và điều khiển feedforward. Sự kết hợp giữa chúng được thể hiện ở khối TY8253 đối với vòng điều khiển nhiệt độ (giá trị là TY8253A.CPV) và khối FY8250 đối với vòng điều khiển áp suất (là giá trị lưu lượng hơi quá nhiệt ở ngõ ra FI8253.PV). Do vậy, ta không thể tính toán mô hình quá trình một cách gián tiếp từ mô hình của hệ thống trong vòng kín. Chính vì thế mà dữ liệu sẽ được thu thập để sử dụng bằng phương pháp nhận dạng trực tiếp trong vòng kín. Hệ thống lò hơi được duy trì trong trạng thái vận hành, các vòng điều khiển vẫn để ở chế độ auto. Việc thu thập dữ liệu được bắt đầu bằng việc thay đổi setpoint của từng vòng điều khiển (ở chế độ auto) trong khi vòng điều khiển còn lại bị khống chế ở chế độ manual. Các thay đổi của các biến quá trình và biến điều khiển được ghi nhận với tần số lấy mẫu là 1 giây. Như vậy với mỗi lần làm cho một vòng điều khiển ta thu được dữ liệu mô tả ảnh hưởng của biến ngõ vào đó tới hai biến ngõ ra. Các dữ liệu sau khi được thu thập cần phải loại bỏ giá trị trung bình để thực hiện nhận dạng. Ảnh hưởng của lưu lượng nước làm mát FI8252 Đối với ảnh hưởng của lưu lượng nước làm mát (quench water FI8252) tới nhiệt độ và áp suất của hơi quá nhiệt ở ngõ ra, ta thực hiện thay đổi setpoint của bộ điều khiển nhiệt độ TIC8253. Trong lúc đấy, setpoint cho FIC8201 được giữ cố định để tránh thay đổi lưu lượng nhiên liệu vào buồng đốt. Các dữ liệu được thu thập chính là các biến ngõ vào/ngõ ra của FIC8252, TIC8253 và áp suất của hơi quá nhiệt PI4048. Hình 5.2.11 Sơ đồ khối của vòng điều khiển nhiệt độ TIC8253 Như đã nêu trong mục 3.2.2, ta thấy rằng khối FLOW PROCESS thực ra mô tả quá trình duy trì lưu lượng nước làm mát của bộ điều khiển thứ cấp FIC8252 của vòng cascade điều khiển nhiệt độ. Do đó, khi xem lưu lượng nước làm mát FIC8252.PV là biến ngõ vào và TIC8253.PV là biến ngõ ra thì FLOW PROCESS và TEMPERATURE PROCESS thực ra là sự phân tách chi tiết của quá trình điều khiển nhiệt độ. Nói cách khác, khối (hình 5.1.1-2) chỉ là quá trình TEMPERATURE mà không bao gồm quá trình FLOW (hình 5.2.1-1). Tương tự khối chỉ là quá trình PRESSURE mà không bao gồm quá trình FLOW. Các dữ liệu thu thập (đã được loại bỏ giá trị trung bình) được như dưới đây: Hình 5.2.12 Lưu lượng nhiên liệu vào buồng đốt FIC8201.PV Hình 5.2.13 Lưu lượng nước làm mát (Quench water) FIC8252.PV Hình 5.2.14 Lưu lượng hơi quá nhiệt FI8253.PV (tải) ra khỏi lò hơi Hình 5.2.15 Giá trị áp suất hơi quá nhiệt ở ngõ ra PIC4048.PV Hình 5.2.16 Giá trị nhiệt độ hơi quá nhiệt TIC8253.PV Ảnh hưởng của lưu lượng nhiên liệu FIC8201 Đối với ảnh hưởng của lưu lượng nhiên liệu FI8201 tới nhiệt độ và áp suất của hơi quá nhiệt ở ngõ ra, ta thực hiện thay đổi setpoint của bộ điều khiển áp suất PIC4048. Trong lúc đấy, bộ điều khiển TIC8253 được chuyển sang manual để giữ cố định setpoint cho bộ điều khiển lưu lượng nước làm mát FIC8252. Các dữ liệu được thu thập chính là các biến ngõ vào/ngõ ra của bộ điều khiển lưu lượng FIC8201, bộ điều khiển áp suất PIC4048. Hình 5.2.21 Sơ đồ khối của vòng điều khiển áp suất PIC4048 Như đã nêu trong mục 3.2.3, ta thấy rằng khối FLOW PROCESS thực ra mô tả quá trình duy trì lưu lượng nhiên liệu của bộ điều khiển thứ cấp FIC8201. Do đó, khi xem lưu lượng nhiên liệu FIC8201.PV là biến ngõ vào và PIC4048.PV là biến ngõ ra thì FLOW PROCESS và PRESSURE PROCESS thực ra là sự phân tách chi tiết của quá trình điều khiển áp suất. Hay nói cách khác, khối (hình 5.1.1-2) chỉ mô tả quá trình PRESSURE (hình 5.2.2-1) mà không mô tả quá trình FLOW. Tương tự khối là quá trình TEMPERATURE. Các dữ liệu thu thập (đã được loại bỏ giá trị trung bình) như dưới đây: Hình 5.2.22 Lưu lượng nhiên liệu vào buồng đốt FIC8201.PV Hình 5.2.23 Lưu lượng nước làm mát (Quench water) FIC8252.PV Hình 5.2.24 Lưu lương hơi quá nhiệt ở ngõ ra FI8253.PV Hình 5.2.25 Áp suất hơi quá nhiệt PIC4048.PV Hình 5.2.26 Nhiệt độ hơi quá nhiệt ở ngõ ra TIC8253.PV Nhận dạng mô hình bằng Matlab Việc nhận dạng được thực hiện bằng sử dụng chương trình Matlab mà chủ yếu là System Identification Toolbox do công ty The MathWorks cung cấp. Bộ công cụ này do các giáo sư Lennart Ljung (làm việc tại Department of Electrical Engineering thuộc đại học Linköping University ở Sweden), tiến sĩ Qinghua Zhang (làm việc tại Institute National de Recherche en Informatique et en Automatique (INRIA) và Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), ở Rennes, Pháp), tiến sĩ Peter Lindskog (làm việc tại NIRA Dynamics AB, Sweden), giáo sư Anatoli Juditsky (là việc tại Laboratoire Jean Kuntzmann thuộc đại học Université Joseph Fourier, Grenoble, Pháp) phát triển. Đây là bộ công cụ dùng để thiết lập mô hình toán học cho cả đối tượng tuyến tính và phi tuyến. Ý tưởng nhận dạng là xem đối tượng là một hộp đen (hoặc hộp xám), và dựa vào bộ dữ liệu động học vào/ra mà xác định ra mô hình động học của đối tượng. Bộ công cụ này cũng có khả năng thực hiện tính toán đệ quy để thực hiện nhận dạng thời gian thực (ứng dụng trong điều khiển thích nghi, tối ưu). Bên cạnh khả năng hỗ trợ nhận dạng trong miền thời gian, bộ công cụ này còn hỗ trợ nhận dạng trong miền tần số (chỉ hỗ trợ đối tượng tuyến tính trong miền tần số). Các hàm matlab được sử dụng trong nhận dạng Iddata Hàm iddata được sử dụng để tạo ra đối tượng dữ liệu (miền thời gian hoặc tần số) dùng cho nhận d