基于PLC的污水处理自动控制系统设计.pdf

《基于PLC的污水处理自动控制系统设计.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第52卷第6期2016年12月石油化工自动化AUTOMATl0NINPETRO—CHEMICALINDUSTRYV01．52，No．6December。2016基于PLC的污水处理自动控制系统设计李刚，李辉(大庆石化公司水气厂，黑龙江大庆163714)摘要：以污水处理装置的工艺及实际运行情况，采用以PLc加上位机的控制系统，上位机与PIc之间采用Profibus总线通信，下位机和现场仪表之间采用以太网通信。利用BP神经网络结合传统PID控制器自整定算法，通过软硬件设计实现了污水处理厂的控制要求，取得了更好的控制效果。关键词：可编程控制器组态软件污水处理自控系

2、统中图分类号：TP273文献标志码：B文章编号：1007—7324(2016)06一0069一02近年来国家对工业污水处理标准不断提高，自动控制系统在污水处理中更受到重视，本文主要对大庆石化公司水气厂污水处理装置控制系统的设计思路、控制方案进行说明，针对污水处理溶解氧量指标进行软测量预测，采用BP神经网络算法应用至控制回路自整定中并与传统PID控制方法比较，得出该方法的优点和缺点。1污水处理装置自控系统设计根据污水处理装置的工艺技术要求及现场实际情况，文中设计的控制系统框架主要包括：上位机监控、PLC处理、现场仪表检测的监控网络模式，系统结构如图1所示。下位

3、机PLC通过以太网实现与现场仪表设备的通信；上位机通过Profibus—DP总线与PLC数据交换。该控制系统由3个PLC控制站：预处理站、CASS处理站、脱水泵房处理站组成。通过现场仪表收集反应池中数据：液位、溶解氧量、pH值、压力、流量等。每个PLC从站之间数据交换通过建立统一Profibus～DP协议，由控制器完成动作指令、数据采集、实时工艺参数处理、控制算法实现、异常现象报警等功能。上位机采用Wincc组态软件实现对各个PLC控制站的数据监测，实时监控各控制站的设备运行情况，并针对每个工艺参数对相应的设备进行操作‘1引。1)预处理站主要控制设备有粗格栅

4、、提升泵、细格栅、砂水分离器等。粗、细格栅是一组回转格栅链，可对污水中的杂物拦截捞取，自控系统按照格栅前后的液位差控制格栅机的启停。对污水液位监测控制提升泵的启停，当液位达设定值时PI￡自动控制启停提升泵，确保污水能在污水处理过程中顺利流过，达到净化的效果。砂水分离器用于沉砂池，根据设定时间及运行时间自动控制启停。图1自动控制系统结构示意2)CASS处理站主要包括：CASS生化池，生化池流程分为生物选区，耗氧区，反应区，按照设定的时间顺序完成进水、曝气、沉淀、闲置4个步骤并循环运行。曝气机通过PLC控制变频器的输出，进而控制鼓风机的转速变化，从而控制曝气机的

5、进风量来调节反应池中的溶解氧量L3J。3)脱水泵房控制站主要包括加药泵、污泥浓缩泵。现场在线分析仪表采集CASS生化池排出的污水水质分析参数，然后通过设计好的神经模糊控制器控制加药泵可在线实时调节水质指标，使排除的污水水质参数达到国家排污标准[4]。2污水处理装置自动控制实现2．1过程变量统计及网络结构各控制站的过程变量如下：1)预处理站。控制器控制污水处理的预处理稿件收到日期：2016一07—25，修改稿收到日期：2016一09—12。作者简介：李刚(1965一)，男，黑龙江大庆人，1991年毕业于大庆石化公司职工大学石油大学生产过程自动化专业，任大庆石化

6、公司水气厂机动科仪表主管、工程师。70石油化工自动化第52卷部分。要测量的数字量主要包括泵的启动、停止及报警信号，测量模拟量包括粗格栅前后液位及沉砂池液位等。2)CASS处理站。控制污水系统的核心部分是生化池，生化池为循环运行，该站的模拟量主要有变频鼓风机的工频变频控制、软启动器的启动、停生化池的溶解氧、滗水器的上升与下降等。3)脱水泵房控制站。控制污水系统的脱水环节，该站的主要模拟量主要有液位、污泥浓度、变频泵的输出频率及频率设定时的输入频率等。2．2结合BP神经网络的PID自整定算法设计污水处理系统模型复杂，应用在控制系统中仍需要智能算法与传统PID控制

7、相结合。笔者结合BP神经网络的自学习性和PID的鲁棒性优点，设计了基于BP神经网络的PID控制器。控制器分两部分：传统PID控制器，可实现对控制对象进行的闭环控制，通过改变3个参数使系统实现最优化；神经网路控制器，具有自学习特点调整各层神经元权值，可以在线实时调整PID参数，实现系统动态性能旧J，其结构如图2所示。图2基于BP神经网络的自整定PID控制结构示意输入节点对应系统的4个参数，如系统的偏差与偏差变化率，统一进行归一化处理。输出节点对应PID的3个可调参数。输入层传递函数选取Sigmoid函数[8]。神经网络自学习过程包括正向和反向传播。如果输出值有

8、偏差，那么进入反向传播过程，通过调整中间各层神经元的