稳态扩展卡尔曼滤波器对换热器模型应用程序

Natarajan。J, Tamilmani。P, Issan Raj.R

PG学生,电子系和仪表,Valliammai工程学院,印度钦奈
助理教授、电子系、仪器仪表、Valliammai工程学院,印度钦奈
助理教授、电子系、仪器仪表、Valliammai工程学院,印度钦奈

文摘

热交换器是一个非线性的过程,来估计参数,使用过滤技术。这个项目处理反向双管换热器。经验公式的传热包括估计的参数和建模。PI控制器是用来控制和减少偏移量。卡尔曼滤波方法有许多应用,如预测、状态监测、故障诊断、过程控制。热交换器得到的状态变量状态空间模型和状态估计使用扩展卡尔曼滤波(EKF)。卡尔曼滤波器的算法在MATLAB中实现,它将与其他过滤技术。最后,估计比较真实的状态更新。过滤器是有效估计的非线性过程。

关键字

热交换器、非线性滤波,卡尔曼滤波器,估计,真实状态更新

介绍

热交换器广泛应用于化工、电力和食品加工厂,那里是一个非常需要控制的温度。是很重要的监视和控制植物温度保持产品质量。热交换器在许多方面进行建模。确定模型参数,几何换热器和整体传热系数的经验关系。在文献[1],研究证明了EKF方法比系统识别技术。此外,EKF方法使用优化参数对得分函数在数学库。动态状态估计的换热器模型被认为是在这里。反流的数学模型双管换热器[2]。通常估计的参数状态估计需要一些实验装置,是安静的具有挑战性的和昂贵的。卡尔曼滤波器在感应电动机驱动应用程序的实现在许多配置(5、6、7)。 Therefore, the estimation of such parameters by state estimation tends to have a great value.

卡尔曼滤波状态估计技术的发展在1960年。过滤技术广泛应用于各种领域的工程和科学应用。同时,应用包括通信、医学领域、控制、和各种新兴领域。在一般情况下,卡尔曼滤波器适合线性过程。过程控制是非线性和消除噪声在非线性系统中,多个过滤技术被开发出来。噪声系统中电磁性质。去除这种噪声,它被认为是一个统计模型和估计是评估曲线的概率值。卡尔曼滤波器的主要问题是计算雅可比矩阵的模型。当系统非线性严重,估计结果导致严重的问题。当系统复杂的非线性,卡尔曼滤波器的性能不是更好的比较对其正常运行。

其目的是估计状态变量(进口和出口温度)换热器模型的使用EKF(扩展卡尔曼滤波)。PMU模型的电力系统估计已经通过考虑到新的状态估计模型[3]。在这方面,验证了双状态估计模型的模拟。状态估计技术是比其他技术被证明是更有利的。本研究证明,调查卡尔曼滤波器实现的版本考虑进口和出口的温度作为状态变量。估计使用基于过程KF的反馈控制。

二世。热交换器——模型

热交换器的设备用于将热能形成一个流体到另一个。反向双管换热器过程包括直接把元素。得到系统的动力学的二阶微分方程[1]。二阶微分方程的状态模型是通过考虑Tho Tco,出口温度冷热分别连接。

我们不能有工厂或流程来确定参数的描述,因此进行数学建模。这里,余温套管换热器建模是通过考虑到能量平衡方程。反向双套管换热器的实验值代替[2]。

的namecounter-flow套管换热器是因为逆流的冷热流体的热交换器的连接。热交换器应用过程中许多行业不同,食品加工业,化学工业等等。反向双管换热器(冷却器)发现通常在化学过程。一般来说,特定的进程需要的应用温度或在放热过程。

积累的能量是由能量平衡方程[1]和热交换器的建模模型[8]:(mol高等组件流入系统)——(流组件的系统高等的摩尔数)+ (mol的生成率高等组件从化学反应]=[时间变化率的摩尔数高等组件内部系统)

从上面的能量平衡方程,考虑二阶微分方程的单元素/流体:

条款在表1的方程表示和上述方程考虑下列假设:

a1等于流入和流出和暗示恒定体积管;

a2的传热系数与流体的流动和热;

a3,没有环境和外管之间的热传递;

a4流体的热物理性质保持不变;

a5没有能量储存在墙上;

a6,入口温度是不断维护的。

换热器模型实现的是一个细胞有两个完全激起了坦克的流入和流出。这里的状态变量假定初始值。这样的低阶模型被证明是有用的观察者或控制的非常有用的用于合成,高阶动态在哪里方便的实现面向数值模拟测试(观察者或控制)设计算法。

三世。扩展卡尔曼滤波器

是通过卡尔曼滤波状态估计技术。卡尔曼滤波器用于线性系统,对于非线性系统,扩展卡尔曼滤波器是感兴趣的。在工程和嵌入式系统过滤在很多情况下是可取的。例如,无线电通信信号与噪声损坏。良好的滤波算法可以去除噪声系统中存在。通常,在本质上是电磁噪声中信号。广泛的工具,它可以估计变量的过程称为卡尔曼滤波器。鲁道夫·e·卡尔曼这个过滤器在1960年开发的。卡尔曼滤波器受到广泛研究的应用,特别是在跟踪和导航。强大的在各方面,如跟踪事件的过去,现在,和未来的状态,它执行时精确建模系统是未知的。 It is theoretically attractive because of all the filters; it minimizes the variance of the estimated error.

的卡尔曼滤波器,提出了非线性系统的状态模型假设得到的两个状态变量和状态模型表示如下:

上面所示的状态模型是换热器模型。模型的输出方程得到的考虑,在冷端出口温度或热接点的出口温度。控制过程,准确的估计过程的变量是必要的。EKF方法主要是非线性系统,该算法包含五个和两个阶段:

卡尔曼滤波器的时间更新方程给出低于预测阶段如下:

下面的修正阶段表示,

K是卡尔曼滤波增益矩阵,P是协方差矩阵,Fd是系统的雅可比矩阵。雅可比矩阵为输出表示为H。

四、仿真结果

卡尔曼滤波器的响应模拟得到如下所示。这表明,热交换器的降噪模型。同时,有一个系统中存在的噪声。

结论

换热器模型的状态变量的估计是通过扩展卡尔曼滤波计算的两个阶段,预测和修正。扩展卡尔曼滤波器只适合非线性过程。反向双套管换热器的状态变量估计。

稳态卡尔曼滤波器算法比较与真实状态估计的状态。状态变量的估计技术是快。进一步消除误差,无味卡尔曼滤波相比。UKF是有利的,它更新状态变量假定的重量σ点,减少了噪声与卡尔曼滤波器进行比较。

引用

亚瑟G.O.穆坦巴拉和Marwan林亭汝Al-Haik基于卡尔曼滤波器的参数估计一个热交换器”,诉讼的美国控制会议,California.1999
贝蒂·洛佩斯·萨帕塔水Escobar曼努埃尔亚当·梅迪纳和卡洛斯·m·Astroga萨拉戈萨,“状态变量估计余温Double-Piip换热器使用多元线性模型”,电子、机器人和汽车力学会议2009。
Hongga Zhoa”一种新的状态估计模型,利用PMU测量,”《电力系统技术国际会议,2006。
弗雷德里克•Gustafsson的家伙,IEEE和古斯塔夫Hendeby,会员,IEEE“一些扩展和无味卡尔曼滤波器之间的关系”IEEE信号处理,60卷,没有。2、2012年2月。
m . Barut s Bogosyan, m . Gokasan”速度传感器感应电动机使用扩展卡尔曼滤波器,估计“IEEE反式。州电子、54卷,没有1,pp.272 - 280, 2007年2月
n·塞尔瓦托等人,“优化状态滞后基于卡尔曼滤波器的算法无位置传感器控制的感应电动机,通过微分进化”IEEE反式。印第安纳州。电子。,vol. 57, no 1, pp. 385-394, Jan 2010.
Y.R. Kim, M.H.公园,南“感应电动机无速度传感器矢量控制使用扩展卡尔曼滤波,“IEEE反式。印第安纳州,品。,vol.30, pp.1225-1233, 1994.
Fazlur拉赫曼MHR,差动继电器,“Modeling and dynamic feedback linearisation of a heat exchanger model”, proceeding of the third IEEE conference on control applications, 1994: pp. 1801-6.