Prozeßdatenverarbeitung Heinrich Krämer Hochschule für Technik, Wirtschaft und Kultur Leipzig...
-
Upload
reginar-hemmert -
Category
Documents
-
view
109 -
download
3
Transcript of Prozeßdatenverarbeitung Heinrich Krämer Hochschule für Technik, Wirtschaft und Kultur Leipzig...
Prozeßdatenverarbeitung
Heinrich Krämer
Hochschule für Technik, Wirtschaft und Kultur Leipzig (FH)Fachbereich Informatik, Mathematik und Naturwissenschaften
Prozeßdatenverarbeitung
1 Einführung
Entwicklung der Automatisierung (Beispiel: Rührkesselreaktor)
Rohstoff1
1940: Keine Automatisierung
Rohstoff2
Kühl-flüssigkeit
Kühlung
End-produkt
MM
M
MDurchfluß
M
Druck
M
Temperatur
Prozeßdatenverarbeitung
1 Einführung
Entwicklung der Automatisierung (Beispiel: Rührkesselreaktor)
Rohstoff1
1940-1950: Vorstufe der Automatisierung
Rohstoff2
Kühl-flüssigkeit
Kühlung
End-produkt
Leitstand
M M M M M M
Prozeßdatenverarbeitung
1 Einführung
Entwicklung der Automatisierung (Beispiel: Rührkesselreaktor)
Rohstoff1
1950-1960: Erste Stufe der Automatisierung
Rohstoff2
Meßwarte
Kühl-flüssigkeit
Kühlung
End-produkt
Stellglied
Meßwert-,Signal-
umformer
Meßfühler
Leitstand
M M M M M M
Prozeßdatenverarbeitung
1 Einführung
Entwicklung der Automatisierung (Beispiel: Rührkesselreaktor)
Rohstoff1
1950-1960: Zweite Stufe der Automatisierung
Rohstoff2
Meßwarte
Kühl-flüssigkeit
Kühlung
End-produkt
ReglerIstwert
Sollwert
Prozeßdatenverarbeitung
1 Einführung
ab1980: Integration
Kennzeichen• Dezentrale Verarbeitung• Einführung von Netzen
LAN, WAN • Verknüpfung von
– Produktion– Lagerhaltung– Entwicklung– Auftragsannahme
Prozeßdatenverarbeitung
2 Technische Prozesse
Ein Prozeß ist nach DIN 66201 die Umformung und/oder der Transport von Materie, Energie und/oder Information. Ein Technischer Prozeß ist eine Prozeß, dessen Zustandsgrößen mit technischen Mitteln gemessen gesteuert und/oder geregelt werden können.
Prozeßdatenverarbeitung
2.1 Klassifiktion technischer Prozesse
Klassifikation nach transportierten/umgeformte Medien•Materialprozesse
– FörderprozesseTransport von Produkten ohne ihre Form zu verändern (z.B. Paketverteilung, Pipeline)
– Verfahrenstechnische Prozesse und FertigungsprozesseUmformung von Rohstoffen zu einem Endproduk (z.B. Raffinerie, Automobilbau)
•Energieprozesse– Energieumwandlung („Energieerzeugung“, „-verbrauch“)
(z.B. Kraftwerke, Heizanlagen)– Energietransport, -verteilung
•Informationsprozesse– Informationstransport
(z.B. Telefon, Funk, Rundfunk, Fernsehen)– Informationsumformung
(z.B. Rechner)– Informationsspeicherung
Prozeßdatenverarbeitung
2.1 Klassifiktion technischer Prozesse
Klassifikation nach Zeit- und/oder Ortsabhängigkeit der Prozeßgrößen• Kontinuierliche Prozesse
Die Prozeßgrößen (zeit- und/oder ortsabhängig) ändern kontinuierlich ihren Wert.Diese Prozesse werden auch als Fließprozesse bezeichnet.
• Diskrete Prozesse
Die Prozeßgrößen sind diskrete Werte. Der Prozeß besteht aus einer Folge von Einzelereignissen (Folgeprozeß)
• Stückprozesse
Es sind einezelne identifizierbare Stücke oder Objekte vorhanden. Diese änderen ihre Position und/oser ihren Zustand kontinuierlich oder diskret
• Chargenprozesse
Der Ablauf der Prozesses erfolgt in diskreten Zeitabständen. Hierbei können aber sich kontinuierliche ändernte Vorgänge auftreten. Pro Zeiteinheit wird eine bestimmte Menge eines oder mehrerer Rohstoffe verarbeitet.
Prozeßdatenverarbeitung
2.2 Modellierung von Prozessen
Mathematische Prozeßmodelle• Kontinuierliche Prozesse
Die Modellierung erfolgt üblicherweise durch das Aufstellen von Differentialgleichungen
• Diskrete ProzesseDiese Prozesse können durch boolesche Gleichungen und/oder Ablaufpläne modelliert werden
• Simulation
Bei komplexeren Prozessen ist ein geschlossene analytische Beschreibung oft nicht möglich. Daher kann versucht werden, aus bekannten Verhalten von Einzelkomponenten das Gesamtsystem zu simulieren und so Schwachstellen aufzuspüren.
• Verbale BeschreibungIn schwierigen Fällen kann eventuell nur eine verbale Beschreibung aufgestellt werden.
Prozeßdatenverarbeitung
2.2 Modellierung von Prozessen
Mathematische Modellierung von Prozessen
allgemein
T ist hierbei ein allgemeiner Operator
statisch
statisch linear
T ist hierbei eine Matrix
Prozeß...
x1
x2
xk
...
y1
y2
ym
x t T y t( ) ( )
x t T y t( ) ( )
x t T y t( ) ( )
Prozeßdatenverarbeitung
2.2 Modellierung von Prozessen
Beispiel: Prozeß mit einer Eingangs- und einer Ausgangsgröße
linear statisch
x = c0 + c1 y
nicht-linear, statisch
x = c0 + c1 y + c2 y2 + c3 y3
linear, dynamisch
a0x(t) + a1 x´(t) + a2 x ´´(t) ... an x(n)(t) = b0 y(t) + b1 y´(t) + ... +bm y(m)(t)
nicht-linear, dynamisch
a0x(t) + a1 x´(t)2 + a2 x ´´(t) ... an x(n)(t) = b0 y(t) + b1 y´(t) sin(t) + ... +bm y(m)(t)
Prozeßy x
Prozeßdatenverarbeitung
2.2 Modellierung von Prozessen
Beschreibung von Prozessen mit Hilfe von Testsignalen
Gewichtsfunktion
Sprungantwort
Frequenzgang
Prozeßy x
t
y(t)
t
g(t)
Prozeßy x
t
y (t)
t
h(t)
Prozeßy xA0sin()
F()
Dirac-Impuls
Prozeßdatenverarbeitung
2.3 Prozeßidentifikation
Prozeßidentifikation• theoretische Analyse
Die Gleichungen und die Konstanten werden aufgrund von physikalischenb / chemischen Gegebenheiten bestimmt.
• experimentelle Analyse
Das Prozeßmodell wird allein durch Messungen des Zusammenhangs von Eingangs- zu Ausgangsgrößen bestimmt.
• Kombination beider Verfahren
Zunächst werden die (Differential-)Gleichungen durch theoretische Analyse aufgestellt. Diese Gleichungen werden als Struktur bezeichnet.
Die Bestimmung der Konstanten, d. h. der Parameter, erfolgt durch Messung
Prozeßdatenverarbeitung
Prozeßidentifikation
Die Laplace-Transformation
Die Bildfunktion F(s) einer Zeitfunktion f(t) ist gegeben durch
Die Rücktransformation ist gegeben durch
Es gibt also immer ein Paar: Zeit- und Bildfunktion
Hierbei sind die hier interessierenden Funktionen tabelliert, so daß auf eine Berechnung verzichtet werden kann
L f t F s f t e dtst( ) ( ): ( )
0
L
1 1
2F s f t F s e ds
ic i
c ist( ) ( ) ( )
Prozeßdatenverarbeitung
Die Laplace-Tranasformation
Rechenregeln
Linearität
Faltungssatz
Integrationssatz
Differentiationssatz
Prozeßdatenverarbeitung
2.3 Prozeßidentifikation
Das Wendetangentenverfahren
Mathematisches Modell des Prozesses (mit Parametern)
Bildfunktion (Sprungantwort) Zeitfunktion(Sprungantwort)
1 2 3 4 5 6 7 8 9 10 11 12 t / [ 10 s ]
1
2
3
4
0
G s ek
T sX s G s
U
sPT s
AP
V( ) ( ) ( )
1
0x t U k e für t T sonstTA Vt T
V( ) ;( )
0 1 0
1
lim ( ) ( )
( )t
x t x U k
kx
U
0
0x( k = 3/4 = 0,75
WP
Tv
( )
( ) : ( )
( ) ( ) ( )
( )x t
U k
Te
x TU k
TWT x
U k
Tt T
xU k
TT T T T T
A
t T
VA A
v
Ax v A x v
TA V
0
0 0
0
1
Tx
TA
U0
Prozeßdatenverarbeitung
3 Prozeßregegelung und -steuerung
Definitionen
Strecke: Die Strecke ist derjenige Teil eines Systems, in dem technische oder
physikalische Größen gemäß einer Zielfunktion beeinflußt werden sollen.
Steuerung: Die Steuerung ist ein Vorgang in einem abgegrenzten Systém, bei
dem ein oder mehrere Größen als Eingangs- andere Größen als
Ausgangsgrößen aufgrund der dem System eigenen Gesetzmäßigkeiten
beeinflußt werden.
Regelung: Regeln oder die Regelung ist ein technischer Vorgang in einem
abgegrenzten System, bei dem bei dem eine oder mehrere technische oder
physikalische Größe(n), die Regelgröße(n) oder Istwert(e), fortlaufend erfaßt
und durch Vergleich ihres Signals mit einer anderen von außen vorgegebenen
Größe(n), der Führungsgröße(n) oder Sollwert(e) im Sinne einer Angleichung
beeinflußt wird.
Prozeßdatenverarbeitung
3 Prozeßregegelung und -steuerung
Abgegrenztes System
Steuerung
Regelung
Eingangsgrößen y(beeinflußbar)Augangsgrößen xweitere Größen (z)(Störungen)
S ystem
U m gebung
y x
yw xS t r e c k eS t e u e r u n g
yw xS treckeR egler
-
+ ++z
Prozeßdatenverarbeitung
3.1 Regelung
3.1.1 Führungs(übertragungs)- und Störungs(übertragungs)funktion
Strukturbild einer Regelung
w(t) Führunggröße/Sollwert GR(s) Übertragungfunktion des Reglers
xw(t) Regeldifferenz GP(s) Übertragungsfunktion des Prozesses
y(t) Stellwertz(t) Stöung(sgröße)x(t) Ausgangsgröße/Istwert
Es gilt
X(s) = Z(s) + (W(s) - X(s)) GR(s) GP(s)
y(t)
w (t) x(t)P rozeßR egler
-
+ ++
z(t)x (t)
w
G (s)R
G (s)P
Prozeßdatenverarbeitung
3.1.1 Führungs- und Störungsfunktion
Ausgehend von
X(s) = Z(s) + (W(s) - X(s)) GR(s) GP(s)
erhält man
Führungs(übertragungs)funktion (Z(s) = 0)
Störungs(übertragungs)funktion (W(s) = 0)
Zur Untersuchung der Regelungsverhaltens kann also die Ausregelung einer Änderung des Sollwertes und einer Störung untersucht werden. Weiter wirdi. a. das Verhalten unterschiedlich sein.
X sZ(s G s G s W s
G s G sP R
P R( )
) ( ) ( ) ( )
( ) ( )
1
X sG s G s
G s G sW sP R
P R( )
( ) ( )
( ) ( )( )
1
X sG s G s
Z(sP R
( )( ) ( )
)
1
1
Prozeßdatenverarbeitung
3.1.2 Klassiche Reglertypen
Der P-Regler (Proportionalregler)Beim P-Regler erhält man die Stellwerte y(t) durch Multiplikation der Regeldifferenz xw(t) mit einem konstanten Faktor kP
Der PI-Regler (Proportional-Integralregler)Beim PI-Regler wird der Stellwert y(t) aus der Summe des P-Anteils und der Integration der Regeldifferenz xw(t) multipliziert mit einem Faktor kI berechnet.
Der PID-Regler (Proportional-Integral-Differentialregler)Beim PID-Regler berechnet sich der Stelltwert y(t) aus der Summe des P-Anteils, I-Anteils und des ersten zeitlichen Ableitung der Regeldifferenz xw(t) multipliziert mit einem Faktor kD.
Zeit- und Übertragungsfunktionen
R e g le r t y p Z e i t f u n k t i o n Ü b e r t r a g u n g s f u n k t i o nP - R e g le r y t k x tP w( ) ( ) Y s k X sP w( ) ( ) P I - R e g le r
y t k x t k x dP w I w
t( ) ( ) ( )
0
Y s k ks
X sP I w( ) ( )
1
P I D - R e g le ry t k x t k x
d x t
d tP w I w
tw( ) ( ) ( ) d
( )
0
Y s k ks
k s X sP I D w( ) ( )
1
Prozeßdatenverarbeitung
3.1.2 Klassiche Reglertypen
Reglerstrukturen
Zeitalgorithmus Geschwindigkeitsalgorithmus1
kPkI‘
kD‘
1
y(t)xw(t)
kPkI‘
kD‘
y‘(t)xw(t)
ddt
22
Stelleinrichtung
Ein Problem stellt die Bestimmung der Regelparameter kP, kI und kD dar
Prozeßdatenverarbeitung
3.1.3 Bestimmung der Regelparameter
Regelparameter nach Ziegler/Nichols
Methode I : Bestimmung der Totzeit TV und der Anstiegszeit TA
P a r a m e t e r
R e g l e r t y p
k P k I k D
P 1
k
T
TA
V
P I 0 9,
k
T
TA
V
k
TP
V3 3 3, P I D 1 2,
k
T
TA
V
k
TP
V2 0 5, T kV P
Prozeßdatenverarbeitung
3.1.3 Bestimmung der Regelparameter (Beispiel)
TV 19,35 s
TA 209,35 s
k = 1
Prozeßdatenverarbeitung
Bestimmung der Regelparameter (Beispiel)
Berechnung der Regelparameter• P-Regler
• PI-Regler
• PID-Regler
ks
sp 121
209 3519 35
12 98291,
[ ], [ ]
, [ ],
[ ] k
sI
12 98292 19 35
1,, [ ] [ ]
0,33551
[s]
k sD 0 5 19 35 12 98291 1
, , , [ ][ ] [ ]
125,6096[s]
ks
sp 1
1209 3519 35
1[ ]
, [ ], [ ] [ ]
10,8191
ks
sp 0 91
209 3519 35
1,[ ]
, [ ], [ ] [ ]
9,7372 ksI
9 73723 33 19 35
1,, , [ ] [ ]
0,15111
[s]
Prozeßdatenverarbeitung
Sprungantwort eines P-Reglers (Beispiel)
Ausgangsgröße x(t)
Regeldifferenz xw(t)
Stellwert y(t)
Regelabweichung
kP = 10,8191
Prozeßdatenverarbeitung
Sprungantwort eines PI-Reglers (Beispiel)
kP = 9,7372kI‘ = 0,0155
Ausgangsgröße x(t)
Regeldifferenz xw(t)
Stellwert y(t)
Prozeßdatenverarbeitung
Sprungantwort eines PID-Reglers (Beispiel)
kP = 12,9829kI‘ = 0,0258kD‘ = 9,675Ausgangsgröße x(t)
Regeldifferenz xw(t) Stellwert y(t)
Prozeßdatenverarbeitung
Sprungantworten eines PID-Reglers (Beispiel)
kD‘ = 22,14kI‘ = 0,0047
kD‘ = 11,58
Prozeßdatenverarbeitung
Sprungantworten eines PID-Reglers (Beispiel)
kI‘ = 0,01KD‘ = 54
kI‘ = 0,1
• kD = 0,01
kI‘ = 0,02
Prozeßdatenverarbeitung
3.1.3 Bestimmung der Regelparameter
Regelparameter nach Ziegler/Nichols
Methode II : Der Regler wird als P-Regler konfiguriert. Der Parameter kP wird solange erhöht bis sich eine Schwingung mit konstanter Amplitude einstellt. Dieser Wert wird als kP,krit bezeichnet. Die Schwingungsperiode wird mit Tkrit bezeichnet.
Problem: Oftmals ist es nicht möglich den Prozeß zum Schwingen zu bringen
P a r a m e t e r
R e g l e r t y p
k P k I k D
P 0 5, ,k P k r i t
P I 0 4 5, ,k P k r i t k
TP
k r i t0 8 5, P I D 0 6, ,k P k r i t k
TP
k r i t0 5, 0 1 2, T kk r i t P
Prozeßdatenverarbeitung
3.1.4 Stabilitätskriterien
Prozeßdatenverarbeitung
3.1.5 Digitale Regler (Abtastregler)
Aufbau eines Abtastreglers
A
D
A
D
x(t)
t2 3 54
T
t0 1 2 3 54
y(t)
Regel-algorithmus
Rechner
x(n)
y(n)Prozeß
w(t) / w(n)
0 1
Abtastung
Arbeitsweise• Das analoge Eingangssignal x(t) wird zu den Zeitpunkten t = nT mit der konstanten
Abtastperiode T (Abtastfrequenz fT = 1/T) abgetastet.• Die zeitdiskreten Werte x(n) werden im A/D-Wandler in Digitalwerte umgewandelt• Der Regelalgorithmus berechnet daraus eine Folge von Stellwerten y(n)• Diese wird im D/A-Wandler wieder in eine analoge Zeitfunktion y(t) umgewandelt
Prozeßdatenverarbeitung
3.1.5 Digitale Regler (Abtastregler)
Umwandlung eines analogen Reglers
Der analoge Regler (PID) sei gegeben durch
im Zeitbereich im Bilbereich
Approximation der Funktionen durch
Digitale Gleichungen
mit
y t k x t k xdx t
dtP w I w
tw( ) ( ) ( )d
( )
0
G sk s k s k
sPIDD P I( )
2
szT
1 1dx t
dt
x x
Tx T xw w w
w wi
nt( ) (n) (n )( )d (n)
1
00
y a x a x a x yw w w(n) (n ) (n ) (n) (n ) 2 1 02 1 1 G za z a z a
zPID( )
2
21
10
11a
k
T
a kk
T
a k k Tk
T
D
PD
P ID
2
1
0
2
Prozeßdatenverarbeitung
3.1.5 Digitale Regler (Abtastregler)
Approximation der analogen Funktion durch Trapezregel (Bilineare Transformation)
Zeitbereich Bildbereich
sT
z
z
2 1
1
1
1
a k
a k T
a k
Pk
Tk T
I Tk T k
T P
D I
D
I D
02
2
14k
2 22
G za z a z a
zPID( )
2
21
10
21y a x a x a x yw w w(n) (n) (n ) (n ) (n ) 0 1 21 2 2
Formale Berechnung der Parameter
x (t)w
t
D ifferenzenTrapez
Wegen der Verzerrung erfolgt die tatsächliche Berechnung der Parameter durch Plazierung der Pole im Einheitskreis bzw. durch Entzerrung (Prewarping) der kritischen Frequenzen durch
k analoge Frequenzk digitale Frequenz
T k k2 2
tan
Prozeßdatenverarbeitung
3.1.5 Digitale Regler (Abtastregler)
Entwurf auf endliche Einstellzeit (Deadbeat controller)
Prinzip für einen Prozeß 1.Ordnungy(t)
t
x(t)
tT
w0
x (t)0
x (t)1
x(t)
y0
y1
Ziel ist die Einstellung des Sollwerte nach einer Abtastperiode. Bei einem System n-ter Ordnung kann der Sollwert nach n Schritten eingestellt werden.
Arbeitsweise
• Zum Zeitpunkt t = 0 wir der Prozeß so angesteuert (y0), daß er nach dem Zeitpunkt t = T den Sollwert erreicht.
• Dies würde zum Uberschwingen x0(t) führen.
• Durch Zurücknahme des Stellwertes auf y1 wird wird dieses Überschwingen kompensiert
Prozeßdatenverarbeitung
3.1.5 Digitale Regler (Abtastregler)
• Wahl der Abtastperiode
Prozeßdatenverarbeitung
PID-Regler
Approximation durch Differenzen Approximation durch Bilineare Transformation
Entwurf auf endliche Einstellzeit (Deadbeat response)
Alle Regler wurden für den Anwendungsfall optimiert
Prozeßdatenverarbeitung
3.1.6 Adaptive Regler
Ein Regler ist nur bei geringen Änderungen der Prozeßparameter und fester Struktur funktionsfähig. Allerdings gibt es Prozesse deren Parameter größeren Schwankungen unterliegen
Beispiele:•Sauerstoffkonzentration Triebwerksregelungen bei Flugzeugen•Raketenflugbahn (Veränderung des Schwerpunktes durch Verbrennung des Treibstoffs)
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Bisherige Vorgehensweise:• Erstellung eines mathematischen Prozeßmodells in Form von
Differentialgleichungen.• Vereinfachung der Differentialgleichungen durch Linearisierung und Approximation• Synthese eines geeigneten Reglers
Problem: Bei komplexeren Systemen muß das Prozeßmodell stark vereinfacht werden. Manchmal kann mit den konventionellen Methoden kein Regler realisiert werden, der einen gegebenen Prozeß regelt.
Aber: Ein Mensch kann nach "Daumenregeln" und mit Erfahrung den Prozeß regeln.
Automatisierung durch Fuzzy-Regler
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Einführung von Unschärfe
Umgangssprachlich ist ein Begriff nicht exakt definiert. Es besteht eine gewisser Bereich von Werten die eine Größe annehmen kann.
Bsp.: Bei welcher Temperatur ist es kalt.
Eine Fuzzy-Menge ist eine Menge von Zweitupeln.
Jedem Wert x aus einem Grundbereich B wird hierbei ein Zugehörigkeitsgradzwischen 0 und 1 zugeordnet
Der Zugehörigkeitsgrad ist durch die Zugehörigkeitsfunktion µ: B [0,1] gegeben
Bsp.
Ganze Zahlen nahe bei 5
Xnahebei5 = { (3, 0.2), (4, 0.6), (5, 1), (6, 0.6), (7, 0.2) }
Hierbei werden nur Werte mit einem Zugehörigkeitsgrad µ(x) > 0 aufgenommen. Diese Menge wird auch als Träger bezeichnet.
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Bei einem kontinuierlichen Grundbereich B wird die Zugehörigkeit durch eine geeignete Zugehörigkeitsfunktion B [0,1] beschrieben.
Beispiele für Zugehörigkeitsfunktionen.
Die Variable x B wird als Basisvariable bezeichnet. Aus rechentechnischen Gründen werden meist Zugehörigkeitsfunktionen der Form b) (abschnittsweise linear) benutzt. Es können folgenden Typen Unterschieden werden:
a) b)
1 1 1 1
Z-Typ -Typ -Typ S-Typ
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Das Konzept der linguistischen Variablen:
Die linguistische Variable besteht aus einer endlichen Mengen von k Werten, den Termen Ti i = 1 ..k der linguistischen Variablen. Die Terme sind hierbei Fuzzy-Mengen über dem gleichen Grundbereich B. Der scharfe Wert x aus dem Grundbereich B wird als Basisvariable bezeichnet.
Die Träger der einzelnen Terme müssen hierbei den gesamten Grundbereich beinhalten. Weiter muß immer gelten
Die Festlegung der Terme und ihrer Zugehörigkeitsfunktion µ(x) ist anwendungsabhängig und hat großen Einfluß auf die Brauchbarkeit des Reglers.
Die Zugehörigkeitsfunktion der Basisvariablen zu jedem Term ergibt einen unscharfen Wert für jeden Term.
Die Bestimmung des unscharfen Wertes für jeden Term bezüglich der Basisvariablen wird als Fuzzifizierung bezeichnet.
Ti
k
ix( )
1
1
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Beispiel für eine Fuzzifizierung
Linguistische Variable: Drehzahl = { sehr niedrig, niedrig, normal, hoch, sehr hoch }
Zugehörigkeitsfunktionen (Basisvariable in 1000 Upm)
Fuzzifizierung für = 4200 Upm liefert
normal(4200) = 0,25
niedrig(4200) = 0,75
normalniedrig
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Logische Operationen
Bei Logischen Operationen wird die Zugehörigkeitsfunktion neu bestimmt.
meist werden die logischen Operationen folgendermaßen definiert
Die klassische Aussagenlogik kann als Spezialfall der Fuzzy-Logik interpretiert werden.
Beispiel: PA(x) = -1 x 1, PB(x) = 0 x 3
C A B x x x
C A B x x x alternativ wird auch x x x verwen
C A x x
C A B
C A B C A B
C A
( ) max( ( ), ( ))
( ) min( ( ), ( )) ( ) ( ) ( ) det
( ) ( )1
1
-1 0 1 2 3
1
-1 0 1 2 3
A B 1
-1 0 1 2 3
PA PB PA PB
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Die Regelbasis
Die Regelbasis besteht aus einer Menge von WENN-DANN-Regeln (Daumen-Regeln) der Form
IF (v1 = term1,k) (v2 = term2,j) …. THEN av1 := aterm1,m…
Hierbei sind die vi die linguistischen Eingabevariablen und die Terme termi,k ein dazugehöriger Term. Die avn sind die linguistischen Ausgabevariablen mit den Termen atermn,m. Durch die Regeln müssen alle möglichen Eingangskombinationen erfaßt sein. Bei zwei Eingabevariablen lassen sich die Regeln als Tabelle darstellen
v
vterm term term
term res res res
term res res res
term res res res
n
n
n
k k k k n
2
1 21 2 2 2
11 11 21 11 2 2 11 2
12 12 21 12 2 2 12 2
1 1 21 1 2 2 1 2
, , ,
, , , , , , ,
, , , , , , ,
, , , , , , ,
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Regelauswertung
Durch die Regeln werden den Termen der Ausgangsvariablen Zugehörigkeitswerte zugewiesen. Die Auswertung erfolgt in zwei Schritten:
• Aggregation
Zunächst werden die logischen Ausdrücke in den Regeln bewertet. Die Terme der Ausgangsvariablen erhalten zunächst in jeder Regel den Zugehörikeitswert des Ausdrucks.
• Komposition
Bei der Aggregation können einzelnen Termen der Ausgangsvariablen widersprüchliche Werte zugewiesen werden. In diesem Schritt wird durch eine ODER-Verknüpfung (Maximum-Bildung) für jeden Term der Ausgangvariablen ein einheitlicher Wert gebildet.
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Tabelle: RegelbasisNegNull Pos
VK I3 I2 I2K I2 I2 INN I2 IN I1G IN I1 I1VG I1 I1 I0
Drehzahl
Drehzahldifferenz
Stromstärke
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Aus der(den) linguistischen Ausgangsvariablen muß anschließed ein scharfer Stellwert berechnet werden. Dieser Vorgang wird als Defuzzifizierung bezeichnet.
Hierfür gibt es verschiedene Möglichkeiten, die sich im Rechenaufwand und im Resultat unterscheiden. Methoden (Auswahl)
– Plausibelstes Resultat (Es wird nur ein Term zur Bestimmung herangezogen)• Mean of Maximum MoM
Der scharfe Stellwert berechnet sich als Mittelwert des Terms der Ausgangs-variable mit dem größten Zugehörigkeitswert
– Bester Kompromiß (Es werden alle Terme betrachtet)• Mittelwert (Center of Maximum CoM)
Der scharfe Stellwert berechnet sich als gewichtete Summe über die Mittelwerte aller Terme.
• Flächenschwerpunktsmethode (Center of Area CoA)Der scharfe Stellwert ist der Schwerpunkt der durch die Zugehörigkeitswerte erhaltene Fläche, projeziert auf den Grundbereich.
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Darstellung der verschiedenen Methoden
3 4 5 6 7 8
1
CoM
MoMCoA
A B
A
B
0 75
0 5
,
,
A B
MoM
5 5 6 375
5 5
. .
.
CoM
0 75 5 5 0 5 6 3750 75 0 5
5 85. . . .
. ..
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Regelauswertung durch ein Neuronales-Netz (NN) (Neuro-Fuzzy)
Biologisches Neuron Technisches Neuron
Arbeitsweise (technisches Neuron)Jeder Knoten liefert ein Ausgangssignal aj zwischen 0 und 1 Die Knoten i,j sind über Kanten e = (i,j) verbundenJede Kante trägt ein Gewicht wij (dieses kann auch negativ sein)Zunächst wird in der Eingangsstufe die gewichte Summe über alle Eingangssignale gebildet.Auf das Ergebnis wird eine Sigmoidfunktion angewendet, die das Ergebnis in den Ausagngswertebereich transformiert
Knoten i
Axon
Knoten jw
i j
Dentriten
aj
ai
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Beispiel: UND-Verknüpfung
(Werte aj 0,9 gelten als wahr Werte aj 0.1 gelten als falsch )
Wir setzen die Gewichte wij auf 3,15
Üblicherweise wird zur Summe noch ein Bias addiert. Bias = -4,565
Als Sigmoidfunktion wird der Tangenshyperbolicus verwendet
ae e
e exj
x x
x x
0 5 0 5 0 5 0 5, , . tanh( ) .
A B -4,565(Bias) Sigmoidfkt. Ergebnis0,1 (falsch) 0,1 (falsch) 0,63 -3,935 0,00031888 falsch0,1 (falsch) 1,0 (wahr) 3,465 -1,1 0,09975049 falsch1,0 (wahr) 0,1 (falsch) 3,465 -1,1 0,09975049 falsch0,9 (wahr) 0,9 (wahr) 5,67 1,105 0,90114393 wahr
0
0,5
1
-6 0 6
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Bei der Neuro-Fuzzy-Regelung werden meist
Neuronale-Netze mit Schichtstruktur (Layered nets) verwendet
Aufbau
Dieses Netz besteht aus:• einer Eingabeschicht (Input layer),• einer Ausgabeschicht (Output layer) und • einer variablen Anzahl von verborgen Schichten (Hidden layers)
AusgabeschichtEingabeschicht
Verborgene SchichtenKonzeptuell sind alle Neuronen einer Schicht vollständig mit denen der Nachfolgenden verbunden. Falls Kanten nicht benötigt werden, so sind die Gewichte auf 0 zu setzen.
Prozeßdatenverarbeitung
3.1.7 Fuzzy-Regelung
Überwachtes Lernen bei einem Geschichteten Netz
Es gibt eine Menge von Lernmustern (Beispiele, Trainingssets) für die sowohl die Eingabe als auch das gewünschte Ergebnis bekannt sind.
Die Kantengewichte können durch Zufallswerte oder als vorgegebene Werte (vorstrukturiertes Netz) belegt sein.
Durch einen Iterationsprozeß wird versucht durch Veränderung der Gewichte den Gesamtfehler zwischen den erwartetem Ergebnissen und den tatsächlichen zu minimieren.
Das Netz gilt als eingelernt, wenn die Fehlerfunktion ein Minimum annimmt.
Im Betrieb bleiben dann die gelernten Gewichte erhalten und es wird erwartet, daß das Netz auf eine beliebige Eingabe mit sinnvollen Ausgaben reagiert.
Problem:
Es lassen praktische keine Aussagen treffen, wie das eingelernte Netz auf eine unbekannte Eingabe reagiert.
Prozeßdatenverarbeitung
3.2 Steuerung
Steuerung verknüpft binäre Binäre Prozeßsignale und beeinflußt den Prozeß durch das Senden von binären Signalen.
Werden hierbei auch Zeitkriterien berücksichtigt spricht man von einer Ablaufsteuerung.
Bsp. für binäre Signale– Sinale von Schaltern und Stellgliedern– Grenzwertmelder– Zeitgeber– Weichenstellungen– Lichtschranken
Die Realisierung der Steuerung erfolgt durch – Verbindungsprogrammierte Steuerung (VPS)– Speicherprogrammierte Steuerung (SPS)
Prozeßdatenverarbeitung
3.2 Steuerung
Speicherprogrammierte Steuerungen (SPS)
Komponenten einer SPS– Automatisierungsgerät– Programmiergerät– Programmiersprache
Aufbau
ProgrammDaten
Anwenderspeicher
Prozessor
Bef
ehls
regi
ster
Adr
eßzä
hler
Steuerwerk
SystemprogrammSystemdaten
Per
iphe
riebu
s
Digital
Analog
Ausgabe
Eingabe
Ein-/Ausgabe
Ausgabe
Eingabe
Prozeßdatenverarbeitung
3.2 Steuerung
Programmierung einer SPS Arbeitsweise
– Funktionsplan
– Kontaktplan
– Anweisungsliste
&=
E 5.7
E 5.6A 5.6
U E 5.7U E 5.6= A 5.6
E 5.7 E 5.6 A 5.6
Eingabe undFilterung
Verarbeitung derDaten nachAnwender-programm
Ausgabe undFilterung
ZyklischeVerarbeitung
Prozeßdatenverarbeitung
3.3 Führung von Prozessen
Führung: bezeichnet die Aufgabe den Prozeß anhand von überordneten Sollwerten
3.3.1 Führung nach Festprogramm
Der Ablauf des Prozesses ist durch ein festes Programm gegeben. Hierbei werden an den Prozeß die in einem Speicher abgelegte feste Sollwerte bzw. festgelegte Aktionen in Abhängigkeit von logischen oder zeitlichen Bedingungen ausgegeben.
Prozeßdatenverarbeitung
3.3 Führung von Prozessen
• 3.3.3 Führung nach Prozeßgleichungen
Prozeßdatenverarbeitung
3.3 Führung von Prozessen
3.3.3 Führung nach Prozeßgleichungen mit Hilfe von mathematischen Modellen
Prozeßdatenverarbeitung
3.4 Optimierung von Prozessen
Bei der Optimierung werden vom Rechner die für eine gegebene Zielfunktion optimalen Sollwerte errechnet.
Hierbei könnnen zwei Arten unterschieden werden– Optimierung bei der Planung
Falls der Prozeß – Optimierung während
Optimierungziele
Minimierung der Rohstoffkosten
Minimierung der Betriebskosten
Minimierung der Fertigungszeit
Maximierung der Kapazitätsauslastung
Maximierung der Produktqualität
Zur Optimierung muß ein geeignetes Verfahren ausgewählt werden
Prozeßdatenverarbeitung
3.4 Optimierung von Prozessen
Klassifikation von OptimierungsaufgabenOptimierungsproblemKonfiguration x = (x1, x2, …, xn)Kostenfunktion C(x) = Min/Max(Durch Vorzeichenwechsel wird aus einem Minimierungs- ein Maximierungsproblem) evtl Nebenbedingungen der Forma11 x1 + a12 x2 +… +a1n xn b1
a21 x1 + a22 x2 +… +a2n xn b2 oder A x b...
Elemente xi
Kostenfkt. C Kombinatorische Optimierung
kontinuierlich diskret
Lineare Programmierung
linear
Nicht lineare Optimierung
nicht linear
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Bsp.: Lineare Optimierung (LP)
Zielfunktion
Nebenbedingungen
0 1 2 3 45 6
7 80
1
2
3
45
67
8
0
2
4
6
8
10
12
x
y
C
C x y 12
N x
N y
N x y
N x y
N y
1
2
312
412
5
2
1
8
5
6
:
:
:
:
:
N1
N2
N3N4
N5
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Nicht lineare Optimierung
C(x) ist die Kostenfunktion
C(x(i))
Gradientenverfahren
x(i+1) = x(i)+ C(x(i)) (Maximierung)
x(i+1) = x(i)- C(x(i)) (Minimierung)C muß differenzierbar sein
Startpunkt 1: x(0)
Startpunkt 2: x(0)
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Allgemeine Optimierungsmethoden
5 10 15 20 25
5
10
15
20
25
5 10 15 20 25
5
10
15
20
25
12
34
5 10 15 20 25
5
10
15
20
25
Relaxationsverfahren
Rasterverfahren
Simplex-Verfahren
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Kombinatorische Optimierung
Viele der Verfahren der kombinatorischen Optimierung gehören zu der Klasse der NP-harten Probleme. Daher kann meist nur ein annähernd optimales Ergebnis erzielt werden.
Einige allgemeine Verfahren
Branch and Bound
Es wird ein Suchbaum aufgebaut. Eine Kante steht für eine Entscheidung. (Branch) Für jeden Knoten (Abfolge von Entscheidungen) kann eine untere Schranke für das best-mögliche Resultat berechnet werden. Ein Blatt (keine Entscheidung mehr offen) stellt eine Lösung dar. Knoten deren deren Schranke schlechter als die beste bisher bekannte Lösung brauchen nicht weiter betrachtet werden.
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Dynamische Programmierung (nicht NP-hart)
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Branch and Bound
Prozeßdatenverarbeitung
3.4.1 Verfahren zur Optimierung
Evolutionäre Algorithmen
4,61120,08998,20873,18774,53122,62758,65216,08766,8958
4,61120,08998,20873,18774,53122,62758,65216,08766,8958
4,61120,08998,20873,18774,53122,62758,65216,08766,8958
4,61120,08998,20873,18774,53122,62758,65216,08766,8958
4,61120,08998,20873,18774,53122,62758,65216,08766,8958
0,76990,58039,58345,97776,57511,03434,60393,48360,4583
4,61120,08998,20873,18774,53122,62758,65216,08766,8958
4,61120,08999,58345,97774,53122,62758,65213,48360,4583
4,61120,16799,58345,97774,53122,03248,65213,48360,4583
4,61120,16799,58345,97774,53122,03248,65213,48360,4583
4,61120,16799,58345,97774,53122,03248,65213,48360,4583
4,61120,16799,58345,97774,53122,03248,65213,48360,4583
4,61120,16799,58345,97774,53122,03248,65213,48360,4583
4,61120,16799,58345,97774,53122,03248,65213,48360,4583
Selektion
Prozeßdatenverarbeitung
4 Hardware der Prozeßdatenverarbeitung
Prinzipieller Aufbau einer Prozeßdatenverarbeitungsanlage• Indirekte Prozeßkopplung (Off-line-Betrieb)
Stellen und Messenerfolgt manuellevtl. werden die Betriebsdatenin einen Rechner eingegeben
• Direkte Prozeßkopplung
–On-line-open-loop-Betrieb
Eingangsseitig Ausgangsseitig
ProzeßStellen M essen
Dateneingabe
Prozeß
Prozeßrechner
Stellen M essen Prozeß
Prozeßrechner
Stellen M essen
Prozeßdatenverarbeitung
4 Hardware der Prozeßdatenverarbeitung
• On-line-closed-loop-Betrieb
Der Prozeßrechner übernimmtalle Funktionen
• Detailierterer Aufbau
Prozeß
Prozeßrechner
Stellen M essen
A AD D
Prozeß
Prozeßrechner• Regelung/Steuerung• Führung• Optimierung
Stellglied
Signalumformer
Sensor(en)
Meßumformer
AnalogdigitalwandlungDigitalanalogwandlung
Entkopplung
Prozeßdatenverarbeitung
4.1 Sensoren/Aktoren
4.1.1 Sensoren
Sensoren wandeln phsikalische Größen wie Druck, Temperatur, Kraft etc. in eine elektrische Größe z. B. Spannung, Widerstand, Kapazität um. Eine wesentliche Eigenschaft ist der funktionale Zusammenhang zwischen der physkalischen und der daraus abgeleiteten elektrischen Größe. Angestrebt wird meist eine direkte Proportionalität. Diese ist (wenn überhaupt) oft nur für einen eingeschränkten Bereich, dem Meßbereich, gegeben.
Beispiel für einfache Sensoren
Widerstandsthermometer (Temperatur)
Metallwiderstände (PTC) Meßbereich -200°..850°C Meßfehler +/-0,5%
Halbleiterwiderstände (NTC) Meßbereich -100°..+400°C Meßfehler +/-1-5%
Dehnmeßstreifen (Kraft)
Prozeßdatenverarbeitung
Prozeßdatenverarbeitung
4.1.1 Sensoren
Brückenschaltung
Eine Schaltung zur Umwandlung von Widerstandsänderungen von Sensoren in eine Spannung ist die Wheatstone Brücke.
• Nullverfahren
• Ausschlagverfahren
R1
R4R3
R2
U0UV
Prozeßdatenverarbeitung
4.1 Sensoren/Aktoren
4.1.2 Aktoren• Gleichstrommotoren• Wechselstrommotoren• Linearmotor• Schrittmotoren• Hydraulik/Pneumatik
Prozeßdatenverarbeitung
4.2 Datenübertragung/Entkopplung
• Digitale Signale– Übertragung durch Leitungen– Lichtwellenleiter
• Analoge Signale– Fliegende Kapazität– Spannungs-Frequenz-Wandlung
Prozeßdatenverarbeitung
4.2 Datenwandler
4.2.1 Analogdigitalwandler (A/D-Wandler)
Grundsätzliche Überlegungen
Die analoge Eingangsspannung Ue wird durch ein Codewort fester Länge n repräsentiert. Daher ist die kleinste und größte zulässige Eingangsspannung durch die Bauart des Wandlers festgelegt.
Die minimale Auflösung bei N-Bits beträgt
Abtastung Umsetzung in ein Codewort
UU U
LSB N
max min
2
t
Ue
Abtastzeitpunkt
Integration(Mittelwertbildung)
Code
Ue
Skalenfehler
Nichtlinearität
Offset-Fehler
N
N+1 Quantisierungs-fehler
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Nachlaufverfahren Spannungs-Frequenz-Umsetzung
-+ Zählerdown / up
Takt
Ue
AD
Ur e f
z = (z ,..,z )( n - 1 ) 0
n/[Takte]0 10 20 30
Ue
CodeFunktionsweise• Komparator: Überwiegt die
Spannung am invertieren Eingang (-) die Spannung am nicht invertierenen Eingang (+), so wird eine log. Null erzeugt.
• A/D-Wandler: Dieser wandelt einen digital Code in eine Analogspannung.
VCO ZählerSensor
Digtalwert
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Integrationsverfahren (Dual-Sloop)
-+
-+ Steuerlog ik
M eßdauerzähler
Ergebniszähler
en
en
Takt
UI
Ue
S3
S1
S2
C
R
= Ur e f
Funktionsweise:Ruhezustand: S1, S2 offen, S3 geschlossen (Kondensator entladen)Meßbeginn: S2, S3 offen, S1 geschlossen. Der Kondensator wird während der Meßdauer auf die Meßspannung aufgeladen.Meßauswertung: S1, S3 offen S2 geschlossen. Der Kondensator wird mit der (negativen) Referenzspannung entladen. Gleichzeitig wird der Ergeniszähler gestartet. Erreicht die Spannung Null, so entspricht der Wert des Ergebniszählers der Eingangsspannnung.
UI
t
Ue1
Ue2
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Wägeverfahren (Sukzessive Approximation)
Prinzipieller Aufbau des Wandlers
u(t) +
-Steuerung
SARA
D
z = (z(n-1),..,z0)
SOC
EOC
UrefuZ
Funktionsweise
Alle Bits im SAR sind initial auf Null
Ausgehend vom höchsten Bit (z(n-1)) wird zunächst jedes einzelne Bit probeweise auf Eins gesetzt. Ergibt sich eine zu große Referenzspannung UZ, so wird das Bit wieder zurückgesetzt, ansonsten bleibt es erhalten
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Beispiel
0,00
0,50
1,00
1,50
2,00
2,50
3,00
1 2 3 4 5 6 7 8
ue
U UZ Bits
2,50000000 2,50000000 0,00000000 01,25000000 1,25000000 1,25000000 10,62500000 1,87500000 1,87500000 10,31250000 2,18750000 2,18750000 10,15625000 2,34375000 2,18750000 00,07812500 2,26562500 2,26562500 10,03906250 2,30468750 2,26562500 00,01953125 2,28515625 2,28515625 1
Eingangsspannung ue = 2,3 VReferenzspannung Uref = 5 V
uZ vor dem Vergleich uZ nach dem Vergleich
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Parallelumsetzer (Direkte Umsetzung)
+-+-+-+-+- +-+-
ue
Uref
12R R R RR R R 1
2R
1 aus n Prioritätsencoder
3-Bit
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Delta-Sigma-Wandler
Die Frequenz des Taktes 1 muß für n Bits das n-fache der eigentlichen Abtastrate betragen.
-
+
R
R
R R
Subtrahierer
+
- -
+
Komparator
1 Bit-DAC
-
+R
Integrator
+
- C
UR E F
Takt1
Um e s s
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Übersicht DAC (Digital-Analog-Convertor)
24
20
16
12
8
4
100
102
104
106
108
f/[Hz]
Auflösung/[Bit]
Sigm a-DeltaZählverfahren
W ägeverfahrenHalf-F lash
Parallel-um setzung
Sensorik, Meßtechnik
Audio (H iF i)
Sprache(Telekom )
Video, Oszilloskope
Prozeßdatenverarbeitung
4.2.1 Analog/Digitalwandler
Das Abtasttheorem(Shannon-Theorem)
Eine beliebige periodische Funktion läßt sich als unendliche Reihe von Sinusschwingungen darstellen.
(Fourierreihe)
Die Frequenzen der einzelnen Schwingungen sind Vielfache der Grundfrequenz.
Ein analoges Signal läßt sich aus einer Folge von Abtastwerten rekonstruieren, falls die Abtastfrequenz fT doppelt so hoch
ist wie die höchste im analogen Signal vorhandene Frequenz.
f tk
k tk
( ) sin( ( ) )
1
2 12 2 1
0
3
Approximation einer Rechteckschwingung
Bem: Die Fourierreihe einer Rechteck-schwingung ist unendlich.
Prozeßdatenverarbeitung
4.2 Datenwandler
4.2.2 Digitalanalogwandler (D/A-Wandler)
-+ U
a
Ur e f
R R R
2R
2R
2R 2R2RR
N
z1
3z0
2z0
1z1
0
2R 2R
R
U
U/2Widerstand
R
Widerstand2R
Das Leiternetzwerkprinzip
Prozeßdatenverarbeitung
4.3 Prozeßrechner
Integrative Verfahren
Pulsweitenmodulation (PWM)
Eine Folge von digitalne Werten wird in eine Impulsfolge umgewandelt. Die Impulsbreite entspricht dem digitalen Wert.Bsp:x(n)= { 6, 12 }
Die Realisierung erfolgt durch ladbare Zähler
Ein-Bit-Wandler
0 2 4 6 8 10 12 14 16/0 2 4 6 8 10 12 14 16/0
Die Taktfrequenz fOS muß bei einem exakten Ergebnis für N Bits das 2N-fache derAbtastrate betragen(Oversampling)
Int > 0
-2N
0
Analogwertz
Takt fOS
Prozeßdatenverarbeitung
4.3.1 Anforderungen an Prozeßrechner
Echtzeitfähikeit
Hohe Zuverlässigkeit
Prozeßdatenverarbeitung
4.3.2 Unterbrechungsbehandlung
Prozeßdatenverarbeitung
4.4 Zuverlässigkeit und Sicherheit
• Definitionen• Sicherheit
• Zuverlässigkeit
Prozeßdatenverarbeitung
4.4 Zuverlässigkeit und Sicherheit
Die Ausfallrate (t) von beschreibt die Anzahl der Ausfälle pro Zeiteinheit. In technischen Systemen hat sie folgenden Form
Die Verfügbarkeit Q(t) ist die Wahrscheinlichkeit, daß eine technische Komponente oder ein System während der Betriebszeit T bis zum Zeitpunkt t nicht ausgefallen ist
Q(t) = p(T > t)
Die Verfügbarkeit ist exponetialverteilt mit dem Parameter R(t) = e-t
Die Ausfallwahrscheinlichkeit P(t) ist gegegeben als P(t) = 1 - R(t)
(t)
t
Frühausfälle Verschleiß
Zufallsausfälle
Prozeßdatenverarbeitung
4.4 Zuverlässigkeit und Sicherheit
Die mittlere Betriebszeit
Es soll nun der Erwartungswert für die Betriebszeit ohne Störung ermittelt werden. Formal:
Nach dem Gesetz der großen Zahl kann der Erwartungswert geschätzt werden zu
Die mittlere Reparaturzeit
Für eine Komponente kann eine Größe MTTR (mean time to repair) geschätzt werden.
)failurebetweentimemean(tenAusfallzeiitenBetriebsze
MTBF
dtdt
)t(dRtm
0
Prozeßdatenverarbeitung
4.3.1 Verfügbarkeit
Formeln zur Berechnung von Verfügbarkeit q, Q und Ausfallwahrscheinlichkeit p, P
• ZusammenhangP = 1 - Q , Q = 1 - P
• Serienschaltung von n Komponenten
• Parallelschaltung von n Komponenten
• m aus n System (n identische Komponenten, m intakt)
P pS kk
n
1
Q qS kk
n
1
P p pSk
m k n k nk n k
n
k
n
k
0
11 !
!( )!
S
q1 q2 qn
p1
pn
pn
S
p1
pn
pn
S
m:n
Prozeßdatenverarbeitung
4.3.1 Konfigurationen von Rechnern
Prozeßdatenverarbeitung
5 Software in der Prozeßdatenverarbeitung
Prozeßdatenverarbeitung
5.1 Echtzeit-Betriebsysteme
Prozeßdatenverarbeitung
5.2 Echtzeit-Sprachen
Prozeßdatenverarbeitung
5.2.1 Semaphor-Konzept
Prozeßdatenverarbeitung
5.2.2 Monitore
Prozeßdatenverarbeitung
Petri-Netze
Petri-Netze dienen der Beschreibung von nebenläufigen Prozessen
Ein Petri-Netz PN ist ein Fünftupel N = (P, T, I, O, M0) mit
• P = { pi | i = 1...m} ist eine endliche Menge Plätzen
• T = { ti | i = 1...n } ist eine endliche Menge von Transistionen• Es muß gelten P T und P T = . P und T sind über gerichtete Kanten
verbunden und bilden eien gerichteteen bipartiten Graph.• I: P T N ist die Eingangsfunktion die • O: T P N ist die Ausgangsfunktion die
• M0: P N ist die initiale Markierung
Ein wichtiges Modellierungsmittele sind die Token. Diese befinden sich in den Plätzen.
Prozeßdatenverarbeitung
Petri-Netze
Arbeitsweise
Zunächst werden alle Plätze mit der Anzahl von Token belegt, die in M0 vorgegeben ist. Eine Belegung der Plätze mit Token wird als Markierung bezeichnet.
Sind alle Eingangplätze einer Transition mit mindestens der in I angegebenen Anzahl von Token belegt so ist die Transistion bereit.
Prozeßdatenverarbeitung
Petri-Netze
• Modelle
Eingangsplatz Transition AusgangsplatzEingangs-bedingung
Ereignis Ausgangs-bedingung
Eingabedaten Berechnungs-schritt
Ausgabedaten
Eingangssignal Signalprozessor AusgangssignalBenötigteRessource
Task Freigabe vonRessourcen
Bedingung Klausel SchlußfolgerungEingangspuffer Prozessor Ausgangspuffer
Prozeßdatenverarbeitung
Sei PN ein Petri-Netz mit m Plätzen und n Transitionen
Die Matriz A (Inzidenzmatrix) ist eine n m Matrix A = [aik]
wobei aik gegeben ist durch:
mit
Eine Markierung oder Zustand ist ein m 1 Spaltenvektor
Mk = (M(p1), M(p2), ..., M(pm)T
mit M(pi) ist die Anzahl der Marken auf dem Platz pi
Die Feuerregel kann nun formiliert werden durch
Die Transistion ti ist bereit falls
Der n 1 Spaltenvektor ur wird als Steuervektor bezeichnet. Eine 1 an der i-ten Position mit sonst nur 0 bedeutet daß in einer Feuerfolge
a a ai k i k i k, , ,
a O t p und a I p ti k i k i k k i, ,( , ) ( , )
a M p für k mi k k, ( ) ... 1
Prozeßdatenverarbeitung
Die Markierung Mr nach dem feueren einer Transition ti in Markierung Mr-1 läßt sich ausdrücken durch
Hierdurch erhält man eine notwendige Erreichbarkeitsbedingung durch
Eine Markierung Mr ist durch eine Feuerfolge U = {u1,u2,...,ur} erreichbar falls
M M A u mit ui
r rT
r r
1 0 1 0
Prozeßdatenverarbeitung
5.4 Aufbau von Automatisierungssystemen
Fertigung Lager
Interner Transport
Externer Transport
AuftragsannahmeBestellung
Entwicklung Buchhaltung
Geschäftsführung
Prozeßdatenverarbeitung
6 Bussysteme
Prozeßdatenverarbeitung
6.1 Bushierarchie
Prozeßdatenverarbeitung
6.2 Beispiele
Prozeßdatenverarbeitung
6.2.2 IEC-625-Bus (IEEE 488)
Der IEC-Bus entstand als Norm aus dem von HP vorgestellten GPIB (General Purpose Interface Bus)
Eigenschaften• Byte-paralleler Bus für Laborautomatisierung• Zentrale Busvergabe• maximale Buslänge 20 m• Übertragungsraten 330 KB/s, 500KB/s bis 1MB/s
Prozeßdatenverarbeitung
6.2.2 IEC-625-Bus (IEEE 488)
Aufbau eines IEC-Bussystems
16 Bus-Leitungen
ControllerBusvergabe
TalkerDaten senden
ListenerDaten empf.
ListenerDaten empf....
DIO 1-DIO 8
Steuerbus
Prozeßdatenverarbeitung
6.2.3 VME-Bus
Prozeßdatenverarbeitung
6.2.1 CAN-Bus
Prozeßdatenverarbeitung
6.2.4 Profi-Bus
+
-
Ua
Ue
UN
Ie
IN
IR
R1
RN
+
-
Ua
Ue
UN
Ie
IN
IR
R1
+
-
Ua
Ue
UN
Ie
IN
IR
RN
C
C
UC
S pannungverstärker
Integrator
D iffe rentiato r
+
-
UaU
1U
2 UN U
P
UD
Ie
IN
IR
R1
RP
R2
RN
+
-
Ua
Uk
Uk - 1
U3
U2
U1
UN
Ik
Ik - 1
I3
I2
I1
IN
IR
Rk
RNR
k - 1
R3
R2
R1
S ubtrahierer
U m kehradd ierer