西门子模块6ES7211-0BA23-0XB0常备现货
1、系统概述
CARGOPRO系统主要有四个相对独立的子系统组成，包括：液位遥测系统、阀门遥控系统、独立高位及高高位报警系统和大舱进水报警系统，能对全船的货控系统进行监测及报警，是全船电气系统的重要组成部分。该系统有大量数字量和模拟量的测量点，且这些测量点种类多，分布广，因此对系统的安全性，可靠性及通信能力有较高的要求。我们采用GE Fanuc 90-30、VersaMax Micro等系列的PLC作为系统的控制单元，VersaMax Remote I/O作为远程站进行信号采集，Genius Bus、Mod Bus、Profibus等通用总线协议作为内部通信协议，并通过TCP/IP网络协议与工控软件iFix通信，实现人机对话。
2、系统解决方案
整套CARGOPRO系统的系统图如图1所示：
图1 CARGOPRO系统图
2.1 液位遥测系统
液位遥测系统采用分散采集，集中控制的设计理念，对相应舱室的液位，液货舱的温度以及四角吃水等进行检测与报警。由于所需采集的信号分布广，数量与种类多，因此所有的信号都通过安装在各个采集箱中的GE VersaMax Remote I/O模块进行采集，保证所采集信号的准确性。GE VersaMax Remote I/O模块通过GE的Genius Bus总线协议与安装在货控台的PLC主站通信，将所采集的信号发送到PLC的CPU模块。CPU经过运算将控制信号经Genius Bus发送到GE VersaMax Remote I/O模块，实现远程控制。
上位机部分包括一台工控机、一台交换机以及打印机和软件。工控机通过TCP/IP协议与PLC主站通信，实现监控软件HMI/SCADA iFix与PLC之间的信息交换。操作者通过iFix软件可以实现对所有测量点的实时监测以及对报警信息的处理。
2.2 独立高位及高高位报警系统
该系统通过采集独立的报警信号，对液货舱、污水舱、压载水舱等舱室的高液位及高高液位信号进行报警。采用独立的VersaMax Micro系列PLC作为控制器，QuickPanel View系列的触摸屏作为HMI，构成了一个相对独立的控制系统，实现相应报警信号的显示和控制。
作为HMI的触摸屏与PLC控制器之间通过Mod Bus总线协议通信，所有报警信号的显示以及操作员对系统的操作在一个触摸屏上完全实现，使得整个系统极为精简。
2.3 大舱进水报警系统
系统利用压力式液位测量原理，将压力信号转换成4-20mA电流信号，送至货控台上的VersaMax Micro系列PLC控制站，PLC控制站与QuickPanel View系列的触摸屏通过TCP/IP通信，实现报警信号的现实与控制。整套系统可以实现独立的液位显示，报警显示及控制。
2.4 阀门遥控系统
阀门遥控系统由货控台GE Fanuc 90-30系列PLC控制主站、电磁阀 Remote I/O PLC采集控制站、阀门遥控专用工控机、液压动力泵站、电磁阀箱（包括应急阀块）、液动阀门、手摇泵、应急手摇泵组成。阀门遥控装置采用电—液型驱动装置来控制电磁阀的动作以达到遥控操纵货油及压载舱管路阀门的打开和关闭。阀门的开闭操作及阀位指示都在货控台上阀门遥控专用显示屏上。
在货控台的 PLC 控制主站处可对液动遥控阀进行开关操作。开关阀的开关指示，红色指示阀门关闭，绿色指示为阀门打开;开度阀具有开度指示及控制。电磁阀箱 PLC 控制站通过 Genius Bus与货控台 PLC 主站连接，根据货控台 PLC控制站的操作要求，控制相应的电磁阀，通过电磁阀的瞬间通电换向并锁位功能，控制油路进出方向，达到开关阀门的目的;所有遥控阀的阀位指示及开度控制信号均送到电磁阀箱 PLC 控制站，通过 Genius Bus发送至货控台 PLC 控制站接收。
上位机部分包括一台工控机、一台交换机以及打印机和软件。工控机通过 TCP/IP 协议与 PLC 主站通信，实现监控软件 HMI/SCADA iFix 与 PLC 之间的信息交换，实现阀门的控制及状态的显示及报警历史记录与查询。
3、系统特点
采用GE的PLC作为控制和信号采集模块，大限度保证了系统运行的稳定性和安全性; 分散采集，集中控制的设计，使得各种信号的采集与控制准确、方便；兼容多种通用的总线协议，如：Genius Bus，Mod Bus，ProfiBus等，大大扩展了系统的适用范围；先进的模块化打包设计，使得各子系统之间相对独立，可以单独运行，同时各子系统之间也可以无缝连接，协调工作，能满足根据客户的特殊需要，实现个性化的组合；多种人机界面，如：IPC、触摸屏、MIMIC板等，确保了操作人员能方便，快捷地获取信息并实现控制
而且备件货源逐步枯竭。随着设备存续周期的临近，不排除出现大面积故障的可能，进而直接导致控制系统的局部或整体瘫痪。在这种严峻形势下，对PLC自控系统进行改造势在必行。
地表水厂担当着石家庄市供水任务的半壁江山，只有改造工程成功完成，才能保证地表水厂生产顺利进行。从某种意义上讲，工程的顺利与否是关乎国计民生的大事；同时将为水行业自控系统的改造开辟成功的先河。
改造工程选用稳定性、扩充性、先进性和兼容性俱佳的罗克韦尔公司的ControlLogix系列PLC产品作为本次改造的主力自控产品。目前改造工程取得了前所未有的成效，开创了多项技术创新先河。在送水泵房实现了变频调速恒压供水的设计要求，在保证供水管网压力恒定的前提下，仅节电一项一年就可以为水厂节约开支约70万元。同时成功地实现了ControlLogix系统与第三方设备的Modbus通讯，特别是远程的两个取水管理站与中控室之间的数据通讯，采用无线Modbus的方式实现ControlLogix系统与第三方设备之间的通讯，成为整个工程的亮点。改造过程中新PLC系统与旧PLC系统（SquareD自控设备）之间的数据交换采用OPC服务器的方式加以实现，这样既保证了整个水厂的日常制水生产不被中断，又为用户节省了采用过渡硬件设备所需要的投资。两套自控系统自始至终保证数据互联互通，在一般的技术改造工程中是很少见的。使用这种技术，可以保证两套系统真正实现无缝割接。
2PLC自动控制系统的组成
(1)系统简介
根据水厂生产工艺及管理要求，在系统设计时以原系统的站点结构为依据,保留原有的6个主站、9个子站。6个主站采用ControlLogix系列PLC；9个子站采用CompactLogix系列PLC，厂区内主干网以及主站与子站之间均采用ControlNet冗余网络，上位机及触摸屏均挂在ControlNet冗余网络上。为保证信号的稳定和介质的抗干扰性，在伴有高电压及大电流的区段选用光纤作为网络介质。厂区中控室与岗南取水管理站和黄壁庄取水管理站数据传输采用无线通讯的方式实现。
(2)系统拓扑结构
图1为八水厂自控系统拓扑图。
图1 八水厂自控系统拓扑图
3变频调速恒压供水系统
石家庄地表水厂清水泵房配备三台定速泵，三台变频调速泵。送水泵将两个清水池内的水通过两个出水管线输送到供水管网，原则上保持管网压力恒定。原PLC自控系统，由于未成功完成对变频调速泵的PID参数整定，调速泵的泵速未实现自动调节；加之其配泵方案的设计不适合国情，清水泵房的原PLC自控系统实际只完成数据采集功能，主要设备——送水泵一度处于手动状态，使变频调速恒压供水成为泡影。
改造后的清水泵房采用变频调速的运行方式，系统可根据实际设定水压自动调节调速泵电机的转速或加减泵，使供水系统管网中的压力始终保持在给定值，实现了大限度的节能、节水、节支，并使系统处于可靠的运行状态。恒压供水的实现一方面归功于先进合理的工艺设计，根据实际的生产和设备情况重新进行工艺整定，为地表水厂量身定做的配泵方案，使恒压供水、自动配泵终得以实现。另一方面依托ControlLogix系列PLC的强大功能，特别是智能jingque的PID调节功能，使管网压力的控制精度达到0.5%，远远超过工艺要求，仅高效节能一项直接为地表水厂年节约资金约70万元，带来的隐性效益更是不可估量。
4ControlLogix系统与第三方产品的Modbus通讯
由于配电室的中压配电柜控制和数据传输系统选用SEPAM2000，该设备使用Modbus协议，通过SY/NET协议转换器SPE4连接到原有的PLC自控系统。显然在新系统投入使用之后，SPE4已经失去存在的意义了。在这里需要特别提出针对配电室的改造思路。在去掉SPE4之后，SEPAM2000的数据在出口端是使用Modbus协议的。ControlLogix系列PLC有第三方的通讯模块MVI56-MCM来支持对Modbus网络的通讯。我们所要做的工作是在新PLC系统中通过MVI56-MCM模块实现新PLC系统与SEPAM2000的通讯。与使用MODBUS协议的其余第三方设备的通讯与此类似。
这种数据流动方式如下图2所示：
图2 数据流动方式
5ControlLogix系统中的无线通讯设计
由于岗南水库取水管理站和黄壁庄水库取水管理站的自控系统相对独立，相当于水厂控制系统的两块飞地。水厂中控室只要求实时掌握管理站的运行情况，并没有在系统内向管理站下达任何控制指令。因此管理站的改造工作不受水厂自控系统的影响，新系统投运后采用无线通讯的方式将管理站内的现场数据传输到水厂控制系统。
岗南水库取水管理站的自控系统不在改造范围之内，使用MOTOROLA公司的MOSCAD系列RTU来完成现场设备的监控和数据传输工作，上位软件选用PCSOFT公司的WIZCON组态软件，使用的是MDLC通讯协议。如何通过无线通讯的方式实现ControlLogix系统与第三方设备的互联互通，是工程设计、实施中的一个难点。
根据岗南水库、黄壁庄水库和地表水厂之间的特殊的地理、地形情况，在三方组成的无线通讯网络中，黄壁庄水库取水管理站设计为主站，地表水厂中控室为1号从站，岗南水库取水管理站为2号从站。由黄壁庄水库取水管理站读取岗南水库取水管理站的数据，会同自身的数据一同写到地表水厂中控室。无线通讯网络各站点之间采用MODBUS通讯协议，各PLC站点的ControlLogix系统通过MODBUS通讯模块MVI56-MCM的RS232口与无线通讯网络之间进行数据交换。黄壁庄水库取水管理站的ControlLogix系统通过MODBUS通讯模块MVI56-MCM的RS485口与使用MODBUS协议的第三方设备——liuliang计进行数据通讯。
无线通讯网络的拓扑结构如下图3所示：
图3 无线通讯网络的拓扑结构
6新系统与旧系统的软件兼容
由于地表厂自控系统的改造工作不能影响整个供水生产的正常进行，因此改造工作应该是分步骤实施的。这种阶段式改造必然导致新系统与原系统长期共存。那么，两套系统的互联互通就是该项目的又一难点。
新旧系统的兼容是暂时行为，在总体投资上不应该过分加大，因此我们选用比较经济的软件兼容方式，即使用第三方的OPC服务器作为两个系统数据交换的桥梁。新自控系统将已改造站点的数据按照原系统的数据格式写入原自控系统，从而保证原自控系统的显示完整。为了完成这一目的，新自控系统增加OPC服务器，同时原自控系统内的PLC程序将做必要的改动以适应这种运行模式。
实现兼容的方式如下图4所示：
图4 实现兼容的方式
7结束语
ControlLogix系统在石家庄地表水厂运行稳定，以其先进的技术充分满足了水厂自控系统的要求。变频调速恒压供水的实现展示了PLC的强大功能，与MODBUS第三方产品的通讯和兼容证明了系统的可扩展性和开放性强，进一步扩展了罗克韦尔自动化的PLC应用的空间和灵活性。
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“IF A THEN B”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，因此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，同时构造调节学习网络，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。另外，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，同时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。
