本發(fā)明屬于自動(dòng)控制技術(shù)領(lǐng)域,涉及一種基于蟻群算法的氣化裝置pid(p是比例增益，i是積分時(shí)間，d是微分時(shí)間)參數(shù)整定方法。

背景技術(shù)：

目前，粉煤加壓氣化技術(shù)是一種重要的清潔能源生產(chǎn)方式。以粉煤為原料的氣化技術(shù)具有煤種適應(yīng)性廣、原料消耗低、碳轉(zhuǎn)化率高等技術(shù)優(yōu)勢(shì),有更強(qiáng)的市場(chǎng)競(jìng)爭(zhēng)力。粉煤加壓氣化工藝是以粉煤和純氧為原料,在高溫、高壓、非催化條件下在氣化爐內(nèi)進(jìn)行部分氧化反應(yīng),生成以一氧化碳和氫氣為有效成分的粗合成氣。煤氣化裝置含有多條控制回路，大部分采用pid控制。pid控制回路的正常工作，是保證煤氣化裝置安全穩(wěn)定運(yùn)行的基礎(chǔ)，也是采用先進(jìn)過(guò)程控制、操作優(yōu)化、質(zhì)量管理、節(jié)能策略的基礎(chǔ)。pid參數(shù)的優(yōu)化與否直接影響著控制效果。優(yōu)化方法一般分為工程整定法和理論計(jì)算法。工程整定法，主要依賴(lài)工程經(jīng)驗(yàn)，直接在控制系統(tǒng)的試驗(yàn)中進(jìn)行，雖然方法簡(jiǎn)單，但往往控制效果不理想。理論計(jì)算法，依據(jù)系統(tǒng)的數(shù)學(xué)模型，經(jīng)過(guò)理論計(jì)算確定控制器參數(shù)。該類(lèi)算法得出的結(jié)果具有很高的可信度和代表性，控制效果也很理想。

現(xiàn)有的煤氣化裝置的控制回路參數(shù)，多采用工程整定法，由于整定的參數(shù)不具有代表性，導(dǎo)致存在現(xiàn)場(chǎng)的很多控制回路都停留在手動(dòng)狀態(tài)，耗費(fèi)大量人力，控制效果不佳，造成了生產(chǎn)原料的浪費(fèi)等問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于，提供一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，解決現(xiàn)有技術(shù)中由于整定的參數(shù)不具有代表性，導(dǎo)致存在的控制回路都停留在手動(dòng)狀態(tài)，耗費(fèi)大量人力，控制效果不佳，造成了生產(chǎn)原料的浪費(fèi)等問(wèn)題，通過(guò)得到優(yōu)化后的控制器參數(shù)，使氣化裝置控制回路能夠平穩(wěn)地投用自動(dòng)控制，控制回路正常運(yùn)行時(shí)不需人為干預(yù)，讓操作員解放雙手，節(jié)約人力成本，提高生產(chǎn)效率，同時(shí)降低生產(chǎn)成本，節(jié)約能源。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，包括建模分析、參數(shù)優(yōu)化和仿真驗(yàn)證，具體包括以下步驟：

第一步，模型辨識(shí)：采用帶遺忘因子的遞推增廣最小二乘法，對(duì)氣化裝置控制回路進(jìn)行模型辨識(shí)；建模步驟如下：

一、選用限幅濾波和遞推平均濾波法兩者相結(jié)合的數(shù)據(jù)預(yù)處理方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

二、采用最大最小之法進(jìn)行歸一化處理；

三、采用帶遺忘因子的遞推增廣最小二乘法進(jìn)行系統(tǒng)辨識(shí)；

四、根據(jù)平均值誤差判斷模型收斂性；

五、模型仿真和驗(yàn)證；

第二步，采用蟻群算法對(duì)建模后的控制回路進(jìn)行pid參數(shù)優(yōu)化：

利用蟻群算法對(duì)煤氣化裝置各回路進(jìn)行pid參數(shù)尋優(yōu)，目標(biāo)函數(shù)為：j＝∫(e(t)²+λu(t)²)dt，j為目標(biāo)函數(shù)值，e(t)為偏差量，u(t)為控制量，λ為控制量加權(quán)；尋優(yōu)步驟如下：

一、確定模型；

二、得出尋優(yōu)后修正結(jié)果比例增益kp和積分時(shí)間ti；

三、繪制仿真曲線圖；

四、進(jìn)行魯棒性分析。

在以上方案中優(yōu)選的是，第一步中第三項(xiàng)中，采用遞推增廣最小二乘法獲得carima模型，再轉(zhuǎn)化為傳遞函數(shù)模型。

在以上任一方案中優(yōu)選的是，第二步第三項(xiàng)中，繪制現(xiàn)場(chǎng)運(yùn)行曲線圖。

在以上任一方案中優(yōu)選的是，第二步第三項(xiàng)中，繪制優(yōu)化后的pid參數(shù)控制效果圖。

在以上任一方案中優(yōu)選的是，第二步第三項(xiàng)中，繪制同一偏差調(diào)節(jié)曲線對(duì)比圖。

在以上任一方案中優(yōu)選的是，第一步第五項(xiàng)中，繪制模型輸出跟蹤曲線圖。

在以上任一方案中優(yōu)選的是，第二步第四項(xiàng)中，先令模型增益增加100％，得出變化后的模型及其仿真結(jié)果，然后再令模型增益減小20％，得出變化后的模型及其仿真結(jié)果。

在以上任一方案中優(yōu)選的是，第二步第四項(xiàng)中，繪制增益增加100％后仿真結(jié)果圖和增益減少20％后仿真結(jié)果圖。

在以上任一方案中優(yōu)選的是，該方法應(yīng)用于高壓閃蒸罐液位調(diào)節(jié)回路。

在以上任一方案中優(yōu)選的是，該方法應(yīng)用于對(duì)液位控制器pid參數(shù)進(jìn)行整定。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

本發(fā)明的一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，能夠解決現(xiàn)有技術(shù)中由于整定的參數(shù)不具有代表性，導(dǎo)致存在的控制回路都停留在手動(dòng)狀態(tài)，耗費(fèi)大量人力，控制效果不佳，造成了生產(chǎn)原料的浪費(fèi)等問(wèn)題，通過(guò)得到優(yōu)化后的控制器參數(shù)，使氣化裝置控制回路能夠平穩(wěn)地投用自動(dòng)控制，控制回路正常運(yùn)行時(shí)不需人為干預(yù)，讓操作員解放雙手，節(jié)約人力成本，提高生產(chǎn)效率，同時(shí)降低生產(chǎn)成本，節(jié)約能源，使控制回路能夠自動(dòng)運(yùn)行，提高裝置自動(dòng)投用率，取得滿(mǎn)意的控制效果。

附圖說(shuō)明

下面結(jié)合附圖和實(shí)施方式對(duì)本發(fā)明作進(jìn)一步說(shuō)明：

圖1是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的蟻群算法流程圖；

圖2是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的系統(tǒng)辨識(shí)原理圖；

圖3是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的高壓閃蒸罐液位控制流程示意圖；

圖4是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的實(shí)施裝置結(jié)構(gòu)示意圖；

圖5是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的l8lc-1003模型輸出跟蹤曲線圖；

圖6是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的現(xiàn)場(chǎng)運(yùn)行曲線圖；

圖7是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的優(yōu)化后的pid參數(shù)控制效果圖；

圖8是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的同一偏差調(diào)節(jié)曲線對(duì)比圖；

圖9是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的增益增加100％后仿真結(jié)果圖；

圖10是本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法的增益減少20％后仿真結(jié)果圖。

具體實(shí)施方式

現(xiàn)有的氣化裝置控制回路主要采用工程整定法或經(jīng)驗(yàn)法獲得pid參數(shù)，但控制效果不佳，導(dǎo)致控制回路無(wú)法長(zhǎng)時(shí)間穩(wěn)定運(yùn)行，需要操作人員手動(dòng)調(diào)節(jié)，無(wú)法獲得令人滿(mǎn)意的控制效果，浪費(fèi)大量人力成本和生產(chǎn)資源。本發(fā)明采用蟻群算法對(duì)氣化爐pid控制器參數(shù)進(jìn)行優(yōu)化，使控制回路能夠自動(dòng)運(yùn)行，提高裝置自動(dòng)投用率，取得滿(mǎn)意的控制效果。

本發(fā)明的一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，其通過(guò)pid參數(shù)優(yōu)化方法中的理論計(jì)算法依據(jù)系統(tǒng)的數(shù)學(xué)模型，經(jīng)過(guò)理論計(jì)算確定控制器參數(shù)。蟻群算法是一種pid參數(shù)整定理論計(jì)算法的，是一種新型模擬進(jìn)化算法，可有效解決連續(xù)空間優(yōu)化問(wèn)題。本發(fā)明采用蟻群算法對(duì)煤氣化裝置控制回路進(jìn)行pid參數(shù)優(yōu)化，從而得到一組相對(duì)優(yōu)化的參數(shù)，使各個(gè)回路能夠做到及時(shí)準(zhǔn)確的自動(dòng)控制。

本發(fā)明采用的蟻群算法是一種新型的模擬進(jìn)化算法，是對(duì)自然界螞蟻的尋徑方式進(jìn)行模擬而得出的一種仿生算法。螞蟻在運(yùn)動(dòng)過(guò)程中，能夠在它所經(jīng)過(guò)的路徑上留下一種稱(chēng)之為外激素的物質(zhì)進(jìn)行信息傳遞，而且螞蟻在運(yùn)動(dòng)過(guò)程中能夠感知這種物質(zhì)，并以此指導(dǎo)自己的運(yùn)動(dòng)方向，因此由大量螞蟻組成的蟻群集體行為便表現(xiàn)出一種信息正反饋現(xiàn)象：某一路徑上走過(guò)的螞蟻越多，則后來(lái)者選擇該路徑的概率就越大。

參見(jiàn)圖1，基本的蟻群算法可以簡(jiǎn)單表述如下：在0時(shí)刻進(jìn)行初始化過(guò)程，螞蟻放置在不同的城市，每一條邊都有一個(gè)初始化外激素強(qiáng)度值，設(shè)為τij(0)。每一只螞蟻禁忌表的第一個(gè)元素置為它的開(kāi)始城市。然后，每一只螞蟻從城市i移動(dòng)到城市j，依據(jù)兩個(gè)變量的概率函數(shù)選擇移動(dòng)城市(包括參數(shù)α和β，見(jiàn)公式(1.4))。在n次循環(huán)后，所有螞蟻都完成了一次周游，同時(shí)他們的禁忌表將滿(mǎn)，這時(shí)，計(jì)算每一只螞蟻k的路徑長(zhǎng)度lk，依據(jù)公式(1.3)更新。而且，保存由螞蟻找到的最短路徑(即minlk，k＝1,…,m)置空所有禁忌表。重復(fù)這一過(guò)程直到周游計(jì)數(shù)器達(dá)到最大(用戶(hù)定義)周游數(shù)maxnc，或者所有螞蟻都走同一路線。后一種情況被稱(chēng)為停滯狀態(tài)。如果算法在nc次循環(huán)后結(jié)束，螞蟻算法的復(fù)雜度為o(nc·n²·m)。

信息素更新公式：

τij(t+n)＝ρ·τij(t)+δτij(1.1)

其中，ρ是一個(gè)參數(shù)，1-ρ表示在時(shí)刻t和t+n之間外激素的蒸發(fā)，

是單位長(zhǎng)度上在時(shí)刻t和t+n之間第k只螞蟻在邊e(i,j)留下的外激素的數(shù)量，其中：

q是一個(gè)常數(shù)，lk是第k只螞蟻周游的路程長(zhǎng)度。

第k只螞蟻從城市i移動(dòng)到城市j的躍遷概率為：

其中φk＝{n-tabuk}，n為一組城市，tabuk表示第k只螞蟻的禁忌表，α和β分別為控制外激素與可見(jiàn)度的相對(duì)重要程度，躍遷概率是可見(jiàn)度和t時(shí)刻外激素強(qiáng)度的權(quán)衡。

本發(fā)明采用的pid控制回路的模型辨識(shí)采用帶遺忘因子的遞推最小二乘法。模型辨識(shí)的目的就是建立能夠描述系統(tǒng)動(dòng)態(tài)及穩(wěn)態(tài)特性的數(shù)學(xué)模型，最小二乘法原理簡(jiǎn)單易懂，計(jì)算方便。遞推增廣最小二乘法是最小二乘法的改進(jìn)算法，能夠在有色噪聲的情況下給出參數(shù)的一致估計(jì)量，并能夠減少計(jì)算量，滿(mǎn)足在線估計(jì)與自適應(yīng)校正的要求。同時(shí)引入遺忘因子，以避免數(shù)據(jù)飽和現(xiàn)象，使模型能夠及時(shí)跟蹤參數(shù)變化，參見(jiàn)圖2；

對(duì)于siso(singleinputsingleoutput,單輸入單輸出系統(tǒng))系統(tǒng)：

其中，yk和uk分別表示線性系統(tǒng)輸出和輸入，ek表示系統(tǒng)噪聲。表示系統(tǒng)參數(shù)。

可寫(xiě)成：

a(z^-1)yk＝z^-db(z^-1)uk+ek(2.2)

其中：

噪聲{ek}為白噪聲，滿(mǎn)足：

e(ek)，cov(ek，uj)表示噪聲的均值和協(xié)方差。

siso系統(tǒng)可以寫(xiě)成最小二乘格式lsf：

其中：

當(dāng)進(jìn)行了l次量測(cè)，得到{yk}和{uk}，k＝1,2,…,l時(shí)，可將批量最小二乘格式寫(xiě)為：

yl＝φl(shuí)θ+el(2.8)

定義：

則遞推增廣最小二乘法公式為：

初始估計(jì)：p0＝γ²i，γ²是一個(gè)充分大的正數(shù)，i為單位矩陣。

引入遺忘因子λ，修改目標(biāo)函數(shù)jk，對(duì)殘差平方加指數(shù)權(quán)λ，則

其中λ越小，遺忘越快。本發(fā)明選擇帶遺忘因子的遞推增廣最小二乘法進(jìn)行煤氣化裝置控制回路模型辨識(shí)。

為了更好地理解本發(fā)明，下面結(jié)合具體實(shí)施例對(duì)本發(fā)明作了詳細(xì)說(shuō)明。但是，顯然可對(duì)本發(fā)明進(jìn)行不同的變型和改型而不超出后附權(quán)利要求限定的本發(fā)明更寬的精神和范圍。因此，以下實(shí)施例具有例示性的而沒(méi)有限制的含義。

實(shí)施例1:

一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，包括建模分析、參數(shù)優(yōu)化和仿真驗(yàn)證，具體包括以下步驟：

第一步，模型辨識(shí)：參見(jiàn)圖2，采用帶遺忘因子的遞推增廣最小二乘法，對(duì)氣化裝置控制回路進(jìn)行模型辨識(shí)；建模步驟如下：

一、選用限幅濾波和遞推平均濾波法兩者相結(jié)合的數(shù)據(jù)預(yù)處理方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

二、采用最大最小之法進(jìn)行歸一化處理；

三、采用帶遺忘因子的遞推增廣最小二乘法進(jìn)行系統(tǒng)辨識(shí)；

四、根據(jù)平均值誤差判斷模型收斂性；

五、模型仿真和驗(yàn)證；

第二步，參見(jiàn)圖1，采用蟻群算法對(duì)建模后的控制回路進(jìn)行pid參數(shù)優(yōu)化：

利用蟻群算法對(duì)煤氣化裝置各回路進(jìn)行pid參數(shù)尋優(yōu)，目標(biāo)函數(shù)為：j＝∫(e(t)²+λu(t)²)dt，j為目標(biāo)函數(shù)值，e(t)為偏差量，u(t)為控制量，λ為控制量加權(quán)；尋優(yōu)步驟如下：

一、確定模型；

二、得出尋優(yōu)后修正結(jié)果比例增益kp和積分時(shí)間ti；

三、繪制仿真曲線圖；

四、進(jìn)行魯棒性分析。

實(shí)施例2：

一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，同實(shí)施例1，所不同的是，第一步中第三項(xiàng)中，采用遞推增廣最小二乘法獲得carima模型(carima模型：controlledauto-regressiveintegralmovingaverage，受控自回歸積分滑動(dòng)平均模型)，再轉(zhuǎn)化為傳遞函數(shù)模型。第二步第三項(xiàng)中，繪制現(xiàn)場(chǎng)運(yùn)行曲線圖、優(yōu)化后的pid參數(shù)控制效果圖和同一偏差調(diào)節(jié)曲線對(duì)比圖。第一步第五項(xiàng)中，繪制模型輸出跟蹤曲線圖。第二步第四項(xiàng)中，先令模型增益增加100％，得出變化后的模型及其仿真結(jié)果，然后再令模型增益減小20％，得出變化后的模型及其仿真結(jié)果。第二步第四項(xiàng)中，繪制增益增加100％后仿真結(jié)果圖和增益減少20％后仿真結(jié)果圖。

實(shí)施例3：

一種基于蟻群算法的氣化裝置pid參數(shù)整定方法，同實(shí)施例2，所不同的是，參見(jiàn)圖3，該方法應(yīng)用于高壓閃蒸罐液位調(diào)節(jié)回路，以對(duì)液位控制器pid參數(shù)進(jìn)行整定；具體包括以下步驟：

第一步，模型辨識(shí)：采用帶遺忘因子的遞推增廣最小二乘法，對(duì)氣化裝置控制回路進(jìn)行模型辨識(shí)；

建模步驟如下：

一、選用限幅濾波和遞推平均濾波法兩者相結(jié)合的數(shù)據(jù)預(yù)處理方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

二、采用最大最小之法進(jìn)行歸一化處理；

三、采用帶遺忘因子的遞推增廣最小二乘法進(jìn)行系統(tǒng)辨識(shí)；

四、根據(jù)平均值誤差判斷模型收斂性；

五、進(jìn)行模型仿真和驗(yàn)證；

采用遞推增廣最小二乘法獲得參數(shù)模型：a1＝-0.722，b0＝0.043，轉(zhuǎn)化為傳遞函數(shù)模型為：

參見(jiàn)圖4為辨識(shí)出的模型對(duì)輸入的跟蹤情況，可以看出，模型跟蹤快速準(zhǔn)確。注：橫坐標(biāo)為時(shí)間，單位為秒s，縱坐標(biāo)為歸一化后的液位值，單位為1；

第二步，采用蟻群算法對(duì)建模后的控制回路進(jìn)行pid參數(shù)優(yōu)化；

利用蟻群算法對(duì)煤氣化裝置各回路進(jìn)行pid參數(shù)尋優(yōu)，目標(biāo)函數(shù)為：j＝∫(e(t)²+λu(t)²)dt，λ為控制量加權(quán)；

對(duì)于一般工業(yè)過(guò)程來(lái)說(shuō)，pi控制器已足夠，微分控制器容易引進(jìn)震蕩，因此，本發(fā)明也僅對(duì)pi控制器進(jìn)行優(yōu)化；

一、建立傳遞函數(shù)模型g(s)：

傳遞函數(shù)是復(fù)變量s的有理真分式函數(shù)，通過(guò)模型辨識(shí)，本實(shí)例模型為時(shí)間常數(shù)t為15，增益為0.16的一階慣性環(huán)節(jié)，即：

二、尋優(yōu)后修正結(jié)果為：

kp＝9.5，ti＝12；

三、繪制仿真曲線圖，圖5為現(xiàn)場(chǎng)運(yùn)行曲線，可以看出，現(xiàn)場(chǎng)運(yùn)行振蕩較大，控制效果不佳；圖6為pid參數(shù)優(yōu)化后的控制仿真曲線，控制過(guò)程無(wú)超調(diào)，穩(wěn)態(tài)余差很小，跟蹤快速，效果良好；圖7為同一偏差下的優(yōu)化前后控制曲線，可見(jiàn)，優(yōu)化后控制效果遠(yuǎn)遠(yuǎn)優(yōu)于優(yōu)化前控制效果。注：圖5至圖7橫坐標(biāo)為時(shí)間，單位為秒s，縱坐標(biāo)為液位，單位為百分比％；

四、魯棒性分析，

令模型增益增加100％，模型變?yōu)椋?/p>

仿真效果參見(jiàn)圖8，注：橫坐標(biāo)為時(shí)間，單位為秒s，縱坐標(biāo)為液位，單位為百分比％；

令模型增益減小20％，模型變?yōu)椋?/p>

仿真效果參見(jiàn)圖9，注：橫坐標(biāo)為時(shí)間，單位為秒s，縱坐標(biāo)為液位，單位為百分比％；；

可以看出，即使模型失配，優(yōu)化后的pid參數(shù)仍然能夠準(zhǔn)確的跟蹤輸入，說(shuō)明該控制器的魯棒性很強(qiáng)?？梢?jiàn)，將采用蟻群算法對(duì)煤氣化裝置控制回路進(jìn)行pid參數(shù)優(yōu)化，從而得到一組相對(duì)優(yōu)化的參數(shù)，使各個(gè)回路能夠做到及時(shí)準(zhǔn)確的自動(dòng)控制。

參見(jiàn)圖3，本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法，其中高壓閃蒸裝置作為氣化裝置典型回路，包括高壓閃蒸罐101，高壓閃蒸罐101的上部與進(jìn)料組件102相連接，高壓閃蒸罐101的下部通過(guò)液位調(diào)節(jié)閥103與出料組件104相連接；高壓閃蒸罐101的側(cè)面設(shè)置有液位測(cè)量組件105，液位測(cè)量組件105與液位調(diào)節(jié)閥103之間通過(guò)液位控制器106相連接。

參見(jiàn)圖4，本發(fā)明的基于蟻群算法的氣化裝置pid參數(shù)整定方法，其實(shí)施裝置包括依次連接的現(xiàn)場(chǎng)測(cè)量變送器201、第一安全柵202、ai(模擬量輸入)信號(hào)卡件203、控制器204、ao(模擬量輸出信號(hào))信號(hào)卡件207和第二安全柵208；控制器204通過(guò)服務(wù)器205與上位機(jī)206相連接。

第二安全柵208和液位調(diào)節(jié)閥103相連接；

優(yōu)選的，液位調(diào)節(jié)閥103設(shè)置在氣化裝置的高壓閃蒸罐101與其出料組件104之間，出料組件104設(shè)置在高壓閃蒸罐101的下部；液位調(diào)節(jié)閥103與高壓閃蒸罐101側(cè)面設(shè)置的液位測(cè)量組件105之間連接設(shè)置有液位控制器106，基于蟻群算法的液位控制器106在控制器204中實(shí)現(xiàn)。

優(yōu)選的，液位控制器106為pid控制器。

優(yōu)選的，現(xiàn)場(chǎng)測(cè)量變送器201將4～20ma信號(hào)通過(guò)第一安全柵202和ai信號(hào)卡件203傳輸至控制器204中，并進(jìn)行信號(hào)處理，且在控制器204中完成對(duì)回路的控制過(guò)程。

優(yōu)選的，上位機(jī)206設(shè)置有人機(jī)交互界面。

優(yōu)選的，蟻群算法優(yōu)化后的參數(shù)在上位機(jī)206中進(jìn)行優(yōu)化修改，并通過(guò)服務(wù)器205及網(wǎng)絡(luò)與控制器204進(jìn)行數(shù)據(jù)交換，控制器204將運(yùn)算后的數(shù)據(jù)通過(guò)ao信號(hào)卡件207和第二安全柵208傳輸至現(xiàn)場(chǎng)閥門(mén)定位器，以控制現(xiàn)場(chǎng)的液位調(diào)節(jié)閥103。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍內(nèi)。