В области промышленной автоматизации методы фильтрации аналоговых входов ПЛК часто рассматриваются как эзотерическое искусство. Некоторые опытные специалисты даже утверждают, что освоение этих методов фильтрации может сделать человека «мастером» в мире управления. Сегодня давайте разгадаем эту загадку и рассмотрим те методы фильтрации, которые ветераны называют «волшебными инструментами».
Следующие десять методов фильтрации могут помочь вам эффективно бороться с различными помехами, улучшить точность сигнала и сделать вашу систему ПЛК более стабильной. Давайте перейдем к делу!
1. Метод ограничивающей фильтрации Метод: На основе опыта устанавливается максимальное допустимое отклонение (A) между двумя образцами. Если разница между новым значением и предыдущим меньше или равна A, оно считается допустимым; если больше, оно считается недействительным и заменяется предыдущим значением.
Преимущества: Хорошо подавляет случайные импульсные помехи. Например, если вы измеряете уровень жидкости и кто-то вдруг бросит камень в воду, вызывая брызги, метод ограничивающей фильтрации отфильтрует эти «недействительные данные».
Недостатки: Неэффективен для периодических помех и имеет низкую плавность.
2. Метод медианной фильтрации Метод: Непрерывно выбираются N образцов (N — нечетное число), затем значения образцов сортируются, и выбирается среднее значение как действительное.
Преимущества: Очень эффективен для медленно изменяющихся параметров, таких как температура и уровень жидкости.
Недостатки: Не подходит для быстро изменяющихся параметров, таких как поток и скорость.
3. Метод арифметического среднего Метод: Непрерывно берутся N образцов для вычисления арифметического среднего. Чем больше значение N, тем выше плавность сигнала и ниже чувствительность; чем меньше значение N, тем ниже плавность сигнала и выше чувствительность.
Преимущества: Подходит для сигналов с случайными помехами.
Недостатки: Не подходит для реального времени из-за медленной скорости вычислений и возможной перерасхода ОЗУ.
4. Метод рекурсивного среднего (метод скользящего среднего) Метод: Рассматриваются N последовательных образцов как очередь, новые данные поступают в хвост, а старые удаляются из головы, затем вычисляется арифметическое среднее очереди.
Преимущества: Хорошо подавляет периодические помехи, подходит для систем с высокочастотными колебаниями.
Недостатки: Низкая чувствительность и плохая эффективность для случайных импульсных помех.
5. Метод медианного среднего (метод фильтрации предотвращения импульсных помех) Метод: Похож на сочетание медианной фильтрации и арифметического среднего. Непрерывно берутся N данных, удаляются максимальные и минимальные значения, затем вычисляется арифметическое среднее оставшихся данных.
Преимущества: Эффективно устраняет случайные импульсные помехи.
Недостатки: Медленная скорость измерений и возможная перерасход ОЗУ.
6. Метод ограничивающего среднего Метод: Сочетание метода ограничивающей фильтрации и рекурсивного среднего. Сначала выполняется ограничение новых данных, затем выполняется рекурсивная фильтрация среднего.
Преимущества: Хорошо подавляет импульсные помехи.
Недостатки: Также имеет проблему с перерасходом ОЗУ.
7. Метод фильтрации с первым порядком запаздывания Метод: Устанавливается параметр a (между 0 и 1). Результат фильтрации каждый раз равен (1-a) умножить на текущее значение образца плюс a умножить на предыдущее значение фильтрации.
Преимущества: Хорошо подавляет периодические помехи, подходит для ситуаций с высокочастотными колебаниями.
Недостатки: Проблемы с фазовым сдвигом и низкая чувствительность.
8. Метод взвешенного рекурсивного среднего Метод: Улучшение метода рекурсивного среднего, при котором различным данным в разные моменты времени присваиваются разные веса, при этом более новые данные имеют более высокие веса.
Преимущества: Подходит для систем с большим чистым временем задержки, позволяя более своевременно отражать изменения.
Недостатки: Неэффективен для сигналов с малым временем задержки и медленными изменениями.
9. Метод дебаунса етод: Устанавливается счетчик фильтрации. Каждый новый образец сравнивается с текущим действительным значением; если они равны, счетчик сбрасывается в ноль. Если не равны, счетчик увеличивается. Если счетчик превышает предел, текущее действительное значение заменяется.
Преимущества: Хороший эффект фильтрации для медленно изменяющихся параметров, предотвращая частое переключение контроллера возле критических значений.
Недостатки: Не подходит для быстро изменяющихся параметров.
10. Метод ограничивающего дебаунса Метод: Сочетание метода ограничивающей фильтрации и метода дебаунса. Сначала выполняется ограничение, затем выполняется дебаунс.
Преимущества: Сочетает преимущества обоих методов, улучшая некоторые недостатки метода дебаунса и предотвращая попадание помех в систему.
Недостатки: Не подходит для быстро изменяющихся параметров.
Через рассмотрение этих десяти методов фильтрации становится очевидно, что каждый метод имеет свои уникальные преимущества и недостатки. Выбор подходящего метода фильтрации для вашей системы может улучшить точность сигнала и продлить срок службы оборудования. Независимо от того, новичок вы или опытный инженер, вы сможете найти инструменты, соответствующие вашим конкретным потребностям, среди этих методов фильтрации.
В конце концов, фильтрация ПЛК похожа на оснащение вашей системы «наушниками с шумоподавлением», позволяющими слышать четкие «сигнальные звуки» среди промышленного шума.
中文
Global
