CN107615185A - 用于处置针对模型预测控制器和估计器的设备服务的***和方法 - Google Patents

用于处置针对模型预测控制器和估计器的设备服务的***和方法 Download PDF

Info

Publication number
CN107615185A
CN107615185A CN201680032843.7A CN201680032843A CN107615185A CN 107615185 A CN107615185 A CN 107615185A CN 201680032843 A CN201680032843 A CN 201680032843A CN 107615185 A CN107615185 A CN 107615185A
Authority
CN
China
Prior art keywords
variables
device service
variable
service
model structure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680032843.7A
Other languages
English (en)
Other versions
CN107615185B (zh
Inventor
P·C·M·卡瑞特尔
J·M·威廉姆森
J·瓦力盖特
周恒杰
W·M·坎尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shell Internationale Research Maatschappij BV
Original Assignee
Shell Internationale Research Maatschappij BV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shell Internationale Research Maatschappij BV filed Critical Shell Internationale Research Maatschappij BV
Publication of CN107615185A publication Critical patent/CN107615185A/zh
Application granted granted Critical
Publication of CN107615185B publication Critical patent/CN107615185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

当设备(或设备组件)停止服务或关机以用于检修或维护时，处置某些条件是有利的。设备服务标志可用以指示由于相关联设备已经离线以用于检修，所以将不再传播个别变量。当多个变量馈送到下游的另一***或组件时，这些变量可置于设备服务集中，且所述集可与指示所述设备服务集中的变量组不可用的指示符相关联。关于使哪些变量不可用于传播的视觉指示符可显示给用户。一旦所述设备或***回到线上或离开设备服务模式，便重新设置适当标志和设备服务集，并且再次向下游传播相关联变量。

Description

用于处置针对模型预测控制器和估计器的设备服务的***和 方法
技术领域
本公开大体上涉及通过使用允许控制或估计模型设计者准备和处置处理设备模式改变(如使设备停止服务以用于短期维护)的设备服务标志或设备服务设置来处置设备服务。
背景技术
本发明涉及一种使用设备服务标志或设备服务设置来恰当地管理用于制造过程设备的操作模式改变(例如，使设备停止服务以用于短期或临时维护)的预测控制或估计***模型的方法和过程。
通常情况为需要使制造过程设备的离散件离线(停止服务)或暂时停机以用于物理维护或用于其它目的。举例来说，可能频繁停用或“停止(taken down)”乙烯裂解炉以进行脱焦，可能停止焦化进料炉以进行“剥离”，并且可使热交换器停止服务以进行“回洗”。类似地，可启用其它设备，例如，可添加乙烯裂解炉以增加容量，或者可将热交换器置于服务中以提供额外冷却。在现有***中，当需要改变设备的模型化组件或件的模式时，模型预测控制或估计软件必须停用，或经专门译码和维护以管理这些条件。在石化环境以及其它环境中存在多个其它此类实例。
当必须改变处理设备的模式时，例如扰动变量(DV)、受操控变量(MV)、中间过程输出变量(POV)和所属领域的普通技术人员已知的其它***分量等某些变量的期望过程效应必须使其测量和模型预测效应基于这些设备状态改变进行调整，以便允许估计器或控制器继续操作。举例来说，当处理设备的中间件停止服务时，设计者可选择不使其预测的过程变量效应向前传播到与下游处理设备相关联的变量。举例来说，两个蒸馏塔之间的换热器可停止服务，使得其温度测量值的改变不再对与下游塔的进料相关联的测量值产生效应。当前模型预测控制技术通过将相关联服务标志设置为“关断”来消除MV和DV的效应，但目前不包含用于消除中间POV的效应的方法。
所要设计行为通常是当改变相关联处理设备的模式时，停止模型的选择变量或选择部分的中间POV测量反馈和预测传播。因此，在现有模型预测估计和控制技术中，以结构化方式管理一个或多个过程变量的模型化过程效应的改变将需要定制译码并且频繁地改变多个模型的维护或编程模型化。此要求归因于对个别解决方案进行译码的时间量、软件和模型的维护以及与选择恰当配置相关联的操作者或用户的错误而为高成本的。这还是效率低下的，因为缺少与此方法相关联的灵活性造成需要停用用于所发生的多种处理设备改变的控制和/或估计应用程序。
发明内容
根据本公开，本文中公开用于允许估计和控制应用程序设计者指定个别变量或变量组(如在服务条件中)并且使其对以结构化方式恰当地调整的过程模型具有所得效应的设备服务概念的***和方法。
在设备服务概念的一个实施例中，接收对一个或多个设备组件的服务的请求。可在估计器或控制器或其任何组合处接收所述请求。确定请求类型，其中所述请求类型包括一个或多个变量的设备服务。在一个实施例中，所述请求类型可针对个别变量。在另一实施例中，所述请求类型可针对变量组，其中所述变量组形成集。此变量组的集可由处置某些条件的用户或设计者具体构建。设置与所述变量相关联的一个或多个标志。接下来，调整所述变量以及模型结构。接着确定设备服务是否已经完成。一旦完成，重新设置所述一个或多个标志，并且重新调整所述模型结构以传播所述一个或多个变量。还调整一个或多个内部模型预测。重新设置设备服务标志，并且重新调整模型结构以传播所述一个或多个变量。接着可调整内部模型预测。
在一个实施例中，所述模型结构包括以下中的至少一个：将模型化系数设置为零以移除过程关系，以及调整更复杂模型化过程关系的系数。可至少部分地针对以下中的至少一个调整所述模型结构：预测目的、相关联过程输出变量(POV)过程测量值的校准、过程POV估计和未来预测、受操控变量控制调整的确定、可行受操控变量和控制变量目标值的确定，以及过程优化。
在一个实施例中，视觉指示符(例如对显示器的指示符)可用以标识目前处于设备服务模式中的一个或多个变量。也就是说，设置与一个或多个变量相关联的设备服务标志。在一个实施例中，不包含在服务状态改变中的一个或多个输入变量与一个或多个设备组件相关联。
附图说明
通过参考结合图式进行的以下描述，可以更完整地理解本发明的实施例和优点，图式中相同的参考标号指示相同特征，且其中：
图1示出根据本公开的一个或多个实施例的实例信息处置***；
图2流程图是根据本公开的一个或多个实施例的用于处置针对模型预测控制器和估计器的设备服务改变的流程图；以及
图3示出根据本公开的一个或多个实施例的实例***。
虽然本公开容许各种修改和替代形式，但其具体实例实施例已在图式中示出，且在本文中详细描述。然而，应理解，本文中对具体实例实施例的描述并不意在将本公开限制于本文中所公开的特定形式，而是相反，本公开应当涵盖所附权利要求书限定的所有修改和同等物。
具体实施方式
介绍将设备服务标志用于模型预测估计器和控制器的方法和过程，以提供修改选择变量条件改变对其它模型相关变量的所预测值的效应的便捷方式。一个实施例可包含例如用于预测与处理设备相关联的测量值以用于操作目的(例如监测、质量控制、报警或所属领域的普通技术人员已知的任何其它操作目的)的估计器，或过程控制器。当直接连接到过程设备时，使用***隔区，所属领域的技术人员已知为“线上”或用于“离线”条件下的设计计算。估计器是指被设计成估计与处理设备相关联的实际或可能的测量变量的基于计算的预测应用程序，本领域的普通技术人员还已知为“软传感器”、“推理测量”、“预测估计器”或其它术语。控制器是指被设计成执行高级过程控制(APC)的基于模型的多变量预测控制(MPC)应用程序。控制器或估计器处理器并入有多个功能，包含I/O通信、变量和测量验证、估计和预测、稳态优化以及控制移动计算
现在参考图式，示意性地说明具体实例实施例的细节。在图式中，相同的元件将由相同的标号表示，且类似的元件将由带有不同小写字母后缀的相同编号表示。
对于本发明的一个或多个实施例，可以利用信息处置***来实施一个或多个实施例。此类实施例都可以在几乎任何类型的信息处置***上实施，而不管所使用的平台为何。用于实施本文中所描述的实施例中的一个或多个的此类信息处置***硬件可包含处理器，所述处理器被配置成执行指令、编程步法或存储在非暂时性计算机可读媒体上的代码的一个或多个序列。举例来说，如图1中所示，信息处置***100包含一个或多个中央处理单元(CPU)102、相关联存储器104(例如，随机存取存储器(RAM)、只读存储器(ROM)、高速缓冲存储器、闪存存储器等)、存储装置106(例如，硬盘、固态存储器、光盘驱动器(例如压缩光盘驱动器)或数字视频光盘(DVD)驱动器、闪存存储器棒等)，以及现今的计算机(未示出)的多个其它元件和功能性。CPU 102可用以执行来自一个或多个模块的程序指令，其中所述程序指令存储于存储器装置中，所述存储器装置例如存储器104或存储装置106或所属领域的普通技术人员已知的任何其它存储器。CPU 102可被配置成执行本发明的一个或多个实施例所涵盖的控制器。CPU 102可为通用微处理器、微控制器、数字信号处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、可编程逻辑装置、控制器、状态机、门控逻辑、离散硬件组件、人工神经网络，或所属领域的普通技术人员已知的可执行根据本发明的其它数据操控的计算的任何类似的适合硬件。信息处置***100还可包含I/O接口108以用于发送和/或接收输入，例如来自键盘、鼠标或麦克风的输入。I/O接口108还可接收例如多维(例如3D)地球物理数据、与来自任何一个或多个过程、***或外部组件的一个或多个读数、设置、结果、变量、反馈(或所属领域的普通技术人员已知的任何其它类型的数据)相关联的一个或多个值的信息，或所属领域的普通技术人员已知的用在模型预测控制***中的任何其它信息。举例来说，在某些实施例中，I/O接口108可从环境内的组件接收质量控制、电平、压力、温度或所属领域的普通技术人员已知的任何其它读数。此外，信息处置***100可包含输出装置，例如显示器114(例如，液晶显示器(LCD)、等离子显示器或阴极射线管(CRT)监视器)。举例来说，控制器可将变量已被指定为“不可用”或“可用”的通知发送到显示器114。显示器114包括显示本发明的一个或多个实施例中的任一个所必要的任何类型的数据的必要元件。
可通过网络接口连接110将信息处置***100连接到网络116(例如，局域网(LAN)、互联网等广域网(WAN)或任何其它类似类型的网络)以接收本发明的任何一个或多个实施例所需要的来自传感器的数据、测量值、读数或所属领域的普通技术人员已知的任何其它数据。所属领域的技术人员将理解，存在许多不同类型的信息处置***，并且前述输入和输出构件可以采用其它形式。一般来说，信息处置***100至少包含实践本发明的实施例所必要的最少的处理、输入和/或输出装置，无论是硬件、软件还是其任何组合。
信息处置***100的CPU 102还可执行一个或多个应用程序118。应用程序118可包含一个或多个处理器(未示出)，例如估计器和控制器。控制器是指被设计成执行高级过程控制(APC)的多变量MPC应用程序。估计器是指被设计成执行测量估计的基于计算的预测应用程序。例如CPU102的CPU可执行用于包含I/O通信、变量和测量验证、估计和预测、稳态优化以及控制移动计算的多个功能的指令。应用程序118可含有其自身的估计功能，但具有可供用于与包含CPU 102的其它处理单元介接和协作的参数。实例参数可包含估计值、最大估计值、最小估计值以及所属领域的普通技术人员已知的其它参数。
与应用程序118相关联的任何一个或多个处理器、控制器和估计器也可与一个或多个预测模型或计算算法相关联，所述预测模型或计算算法本身可含有输入和输出变量列表，并且还包含调谐以及其它设计和配置信息。
在说明书中和在权利要求书中，术语‘受操控变量’(MV)用以指可通过应用程序118操控的变量，且术语‘受控变量’(CV)用以指必须通过高级过程控制器保持在预定值(设定点)处或预定范围(设定范围)内的变量。术语‘扰动变量’(DV)用以指到控制器或估计器的非MV输入。术语‘中间变量’(IV)用以指过程输出变量(POV)，其预测值可用以改进其相关POV(通常是“在下游”且同等地或更慢地时间响应)的估计。用语“变量集”用以指供给定模型使用的变量的所定义组。给定模型可具有多个变量集，且任何变量可以是变量集的成员。用语‘优化变量’用以指求变量的最大值或最小值且将所述变量维持在预定值。术语POV涉及其值依据过程输入的改变而改变的变量。用语“实时优化”用以指变量值或处理参数的调整以便达成经济、可靠性、性能或其它操作益处。
应用程序118中的变量可基于其与过程的结构关系而进行进一步分类。过程输入是其值改变可以独立地用以估计过程输出的改变的变量。过程输入为所属领域的普通技术人员已知常规地包含MV(将由控制器进行调整的独立过程设置)或作为DV(将不由控制器进行调整且不受MV的改变影响的独立过程设置)。POV是实际或可能的过程测量值，其值直接与制造过程的工程化现象(例如，温度、压力和组成)有关，且所属领域的普通技术人员最普遍已知为由过程输入的值确定。变量集提供用于显示和用于事务控制(例如，改变模式)的变量的分组。
用户可以是与一个或多个信息处置***100通信或交互的任何操作者、技术员或工程师，或所属领域的普通技术人员已知的任何其它用户。
此外，所属领域的技术人员将理解，前述信息处置***100的一个或多个元件可以位于远程位置处并且通过网络连接到一个或多个其它元件。此外，本发明的实施例可以在具有多个节点的分布式***上实施，其中本发明的每个部分可以位于分布式***内的不同节点上。举例来说，显示器114可以位于远离信息处置***100的其它组件的位置。信息处置***100可以包括一个或多个客户端装置、服务器或其任何组合。
参考图2，大体在200处描绘处置针对模型预测估计器或控制器的设备服务改变以减少停机时间和包含多个组件或设备的***中可能的控制设计者错误的流程图。举例来说，在一个实施例中，***可包含其中如大体在图3中的300处所示来自一个组件的变量馈送到另一组件中的数个组件或设备。在一个实施例中，设备1 312可具有作为输入的流310与相关联测量变量F1 302，以及输出流314和其相关联测量值F2 304，所述输出流314进一步充当到设备2 316的输入，所述设备2具有输出流318和其相关联测量值F3 306，所述输出流318进一步充当到设备3 320的输入，所述设备3具有输出流322和其相关联测量值F4308。相关联测量值是例如电平、温度、压力、质量或所属领域的普通技术人员已知的其它可能的可测量工程化值。
出于模型化目的，F1 302的值可用以导出变量F2 304的当前和未来值，所述变量F2 304的当前和未来值本身可用以导出F3 306的当前和未来值。此外，变量F3 306的当前和未来值可用以导出F4 308的当前和未来值。当设备1 312置于停止服务中时，流314的性质改变使得F2 304不再恰当地提供原本用以导出F3 306的值。然而，维持例如使用F3 306以用以导出F4 308的关系的其它模型化关系。虽然仅示出三个设备组件，但可使用设备1302、设备2 306、设备3 308和任何数目个其它设备组件。
在一个或多个实施例中，设备组件可为物理过程设备的的全部或部分，或更一般地出于模型化目的分离的个别工程化现象。另外，组件和流可包含与下游组件具有复杂模型化关系的一个或多个变量。复杂模型化关系包含线性和非线性项、统计和经验模型、开放和封闭式方程式形式、基本原理和相关性模型以及所属领域的普通技术人员已知的其它形式。包含(例如)将组件置于服务中，改变组件流的性质以及改变操作条件的数个实施例同样地是适用的。同样地，任何一个或多个设备组件可具有一个或多个输入变量(包含未包含在服务状态改变中的其它输入变量)以及一个或多个输出(包含未包含在服务状态改变中的其它输出变量)，其中这些输入和输出馈送到一个或多个设备组件中。
在大体在图2的200处示出的一个实施例中，在步骤202处接收对设备服务改变的请求。所述请求可由用户事务、从I/O接口接收的值、来自另一程序或应用程序的输入/输出或所属领域的普通技术人员已知的任何其它触发事件触发。所接收的请求可针对个别变量或针对变量组。变量组可含有两个或大于两个变量，且所述集可由处置所标识的处理条件的用户或设计者具体构建，或由***基于其它可用的模型和应用程序配置信息自动构建。当操作条件保证考虑仅单个变量的模型改变时；例如，当过程流的组件改变使得分析器将不提供适用于下游变量的过程值时，可请求个别变量。当操作条件保证考虑与若干变量有关的数个模型改变时，可请求变量组，所述所有若干变量可与置于停止服务中的设备件相关联。举例来说，当热交换器置于停止服务中时，交换器两侧的出口温度可不提供适用于多种下游变量的过程值。
在步骤204处，确定请求类型。也就是说，如果在步骤204处确定设备服务是针对个别变量，那么在步骤206处，调整对应于个别变量的设备服务标志，以指示所述变量处于设备服务模式中，且必须做出对模型的调整。设备服务标志可为存储于任何存储器中的单个位或多个位，所述任何存储器包含存储器104、存储装置106、与CPU 102相关联的存储器或所属领域的普通技术人员已知的任何其它存储器。如果在步骤204处确定设备服务是针对变量组，那么在步骤208处，同样地调整用于与所述集相关联的所有变量的设备服务标志，从而指示必须做出对模型的多个调整。设备服务集标志可与存储于任何存储器中的单个位或多个位相关联，所述任何存储器包含存储器104、存储装置106、与CPU 102相关联的存储器或所属领域的普通技术人员已知的任何其它存储器。当设备服务标志针对任何变量(不管是个别变量还是变量组)被设置时，可不传播用于预测更新的值改变。
一旦在步骤206中设置设备服务标志或在步骤208中设置多个标志，便在步骤210中适当地调整模型结构，其可包含例如将模型化系数设置为零以移除原本存在的过程关系，以及/或调整所属领域的普通技术人员已知的更复杂模型化过程关系的系数。可至少部分地针对以下做出结构调整：预测目的、相关联POV过程测量值的校准、过程POV估计和未来预测、MV控制调整的确定、可行MV和CV控制目标值的确定，以及过程优化。在步骤206或步骤208中设置设备服务标志指示特定个别变量或变量组集不再提供对模型过程的传播连接。举例来说，在具有串联连接的塔、热交换器和反应器的***中，当热交换器变量置于设备服务中(设置相关联设备服务标志)时，从塔通过交换器到反应器的模型过程效应不再连接于所述模型中。出于扰动估计和预测传播的目的，交换器MV、DV和POV的值即使可继续被测量和个别地预测仍会保持恒定(不产生用以产生效应的改变)。模型结构提供估计和控制所需的功能性，并且可至少部分地基于与待模型化***相关联的先验知识或相关性数据。用户可提供模型结构。
除了模型化调整之外，还可能需要做出步骤212中的变量或信号调整以确保模型化一致性和对所指示设备服务的恰当考虑。这些调整可像使变量保持恒定一样简单，或可以其它方式由在应用程序118中构建的模型的类型和结构确定，其中具有针对所属领域的普通技术人员熟知的特定配置的适当调整。举例来说，在一个实施例中，***包含放置成彼此串联连接的塔、热交换器和反应器。当热交换器变量置于设备服务中时，从塔穿过交换器到反应器的模型化过程效应不再连接于模型中，且来自反应器模型中的塔的任何输入效应保持恒定或以其它方式被估计。
在步骤212处调整的值可包含过去、当前和所预测未来值，并且可取决于所使用的模型的性质以及所指示的设备服务的投射的过程效应。举例来说，当使用简单线性时间序列模型时，与置于设备服务中并且供下游模型使用的个别变量或变量组的值相关联的任何输入可至少部分地基于恒定值。
接下来，在步骤214处，可提供标识一个或多个变量或变量分组或模型的部分中的哪些目前处于设备服务模式中的视觉指示符或标志，使得以其它方式调整其模型化过程效应。也就是说，可通过显示器114提供指示与设备服务集相关联的个别变量或变量组何时置于设备服务模式中的标识。
在步骤216处，确定设备服务是否完成。重复步骤216直到设备服务完成，***或设备准备调整回到其正常状态，例如，置回到在线。如果确定设备服务完成，那么在步骤218处，重新设置设备服务标志或调整设备服务标志。当设备不再处于服务中时，在步骤220处，适当地重新设置模型或将其调整回到其正常条件，设置其它内部标志，以及例如个别变量或变量组。
在步骤222处，调整内部模型预测以重新连接一个或多个变量值。当设备服务标志改变时，做出对测量和预测值的适当“重建连接”的恰当考虑。举例来说，这包含对保持恒定但可在设备服务条件期间具有实际过程改变的模型值的补偿、对估计校准过程的重新设置以及对所属领域的普通技术人员已知的控制和优化值的一般初始化。
虽然参考各种实施方案和开发利用描述实施例，但应理解，这些实施例是说明性的，且本发明主题的范围不限于这些实施例。多个变化、修改、添加和改进是可能的。
针对本文中描述为单个实例的组件、操作或结构可以提供多个实例。一般来说，在示范性配置中呈现为分开的组件的结构和功能性可以实施为组合结构或组件。类似地，呈现为单个组件的结构和功能性可实施为分开的组件。这些和其它变化、修改、添加和改进可属于本发明主题的范围内。

Claims (20)

1.一种用于处置设备服务标志的方法，包括以下步骤：
接收对一个或多个设备组件的服务的请求；
确定请求类型，其中所述请求类型包括一个或多个变量的设备服务；
设置与所述一个或多个变量相关联的一个或多个标志；
调整所述一个或多个变量；
调整模型结构；
确定设备服务是否完成；
重新设置所述一个或多个标志；
重新调整所述模型结构以传播所述一个或多个变量；以及
调整一个或多个内部模型预测。
2.根据权利要求1所述的方法，其中所述一个或多个变量包括个别变量和变量组中的至少一个。
3.根据权利要求1所述的方法，其中调整所述模型结构包括以下中的至少一个：将模型化系数设置为零以移除过程关系，以及调整更复杂模型化过程关系的系数。
4.根据权利要求1所述的方法，其中所述调整所述模型结构是至少部分地针对以下中的至少一个做出的：预测目的、相关联过程输出变量POV过程测量值的校准、过程POV估计和未来预测、受操控变量控制调整的确定、可行受操控变量和控制变量目标值的确定，以及过程优化。
5.根据权利要求1所述的方法，其中视觉指示符标识目前处于设备服务模式中的所述一个或多个变量。
6.根据权利要求1所述的方法，其中在估计器或控制器处接收所述请求。
7.根据权利要求1所述的方法，其中一个或多个复杂模型化关系与所述一个或多个设备组件相关联。
8.根据权利要求1所述的方法，其中不包含在服务状态改变中的一个或多个输入变量与所述一个或多个设备组件相关联。
9.一种***，包括：
一个或多个处理器，用于处理信息；
存储器，通信连接到所述一个或多个处理器；以及
一个或多个模块，包括存储于所述存储器中的指令，所述指令在由所述处理器执行时能操作以执行包括以下的操作：
接收对一个或多个设备组件的服务的请求；
确定请求类型，其中所述请求类型包括一个或多个变量的设备服务；
设置与所述一个或多个变量相关联的一个或多个标志；
调整所述一个或多个变量；
调整模型结构；
确定设备服务是否完成；
重新设置所述一个或多个标志；
重新调整所述模型结构以传播所述一个或多个变量；以及
调整一个或多个内部模型预测。
10.根据权利要求9所述的***，其中所述一个或多个变量包括个别变量和变量组中的至少一个。
11.根据权利要求10所述的***，其中调整所述模型结构包括以下中的至少一个：将模型化系数设置为零以移除过程关系，以及调整更复杂模型化过程关系的系数。
12.根据权利要求9所述的***，其中所述调整所述模型结构是至少部分地针对以下中的至少一个做出的：预测目的、相关联过程输出变量POV过程测量值的校准、过程POV估计和未来预测、受操控变量控制调整的确定、可行受操控变量和控制变量目标值的确定，以及过程优化。
13.根据权利要求9所述的***，其中视觉指示符标识目前处于设备服务模式中的所述一个或多个变量。
14.根据权利要求9所述的***，其中在估计器或控制器处接收所述请求。
15.根据权利要求9所述的***，其中一个或多个复杂模型化关系与所述一个或多个设备组件相关联。
16.根据权利要求9所述的***，其中不包含在服务状态改变中的一个或多个输入变量与所述一个或多个设备组件相关联。
17.一种非暂时性计算机可读媒体，包含用于执行方法的代码，所述方法包括：
接收对一个或多个设备组件的服务的请求；
确定请求类型，其中所述请求类型包括一个或多个变量的设备服务；
设置与所述一个或多个变量相关联的一个或多个标志；
调整所述一个或多个变量；
调整模型结构；
确定设备服务是否完成；
重新设置所述一个或多个标志；
重新调整所述模型结构以传播所述一个或多个变量；以及
调整一个或多个内部模型预测。
18.根据权利要求17所述的方法，其中所述一个或多个变量包括个别变量和变量组中的至少一个。
19.根据权利要求17所述的方法，其中调整所述模型结构包括以下中的至少一个：将模型化系数设置为零以移除过程关系，以及调整更复杂模型化过程关系的系数。
20.根据权利要求17所述的方法，其中所述调整所述模型结构是至少部分地针对以下中的至少一个做出的：预测目的、相关联过程输出变量POV过程测量值的校准、过程POV估计和未来预测、受操控变量控制调整的确定、可行受操控变量和控制变量目标值的确定，以及过程优化。
CN201680032843.7A 2015-06-05 2016-06-02 用于处置针对模型预测控制器和估计器的设备服务的***和方法 Active CN107615185B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562171583P 2015-06-05 2015-06-05
US62/171,583 2015-06-05
PCT/US2016/035468 WO2016196762A1 (en) 2015-06-05 2016-06-02 System and method for handling equipment service for model predictive controllers and estimators

Publications (2)

Publication Number Publication Date
CN107615185A true CN107615185A (zh) 2018-01-19
CN107615185B CN107615185B (zh) 2021-02-09

Family

ID=57441892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680032843.7A Active CN107615185B (zh) 2015-06-05 2016-06-02 用于处置针对模型预测控制器和估计器的设备服务的***和方法

Country Status (5)

Country Link
US (1) US10824124B2 (zh)
EP (1) EP3304221B1 (zh)
JP (1) JP7043261B2 (zh)
CN (1) CN107615185B (zh)
WO (1) WO2016196762A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10909066B2 (en) * 2018-04-03 2021-02-02 Microsoft Technology Licensing, Llc Virtual RDMA switching for containerized applications

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040153437A1 (en) * 2003-01-30 2004-08-05 Buchan John Gibb Support apparatus, method and system for real time operations and maintenance
US6973366B2 (en) * 2002-11-15 2005-12-06 Fuji Photo Film Co., Ltd. Production process control system
CN1751278A (zh) * 2003-02-19 2006-03-22 费舍-柔斯芒特***股份有限公司 用于过程控制***的基于开放网络的数据获取、集合和优化
CN1864156A (zh) * 2003-01-30 2006-11-15 凯洛格·布朗及鲁特有限公司 支持实时操作和维护的装置、方法和***
CN101126928A (zh) * 2006-08-16 2008-02-20 费舍-柔斯芒特***股份有限公司 用于维护过程控制***的***及方法
CN101158872A (zh) * 2006-10-02 2008-04-09 费舍-柔斯芒特***股份有限公司 在操作过程环境中更新及使用动态过程仿真
US20090287319A1 (en) * 2008-03-26 2009-11-19 Attarwala Fakhruddin T Universal model predictive controller
CN102289366A (zh) * 2004-05-04 2011-12-21 费舍-柔斯芒特***股份有限公司 用于访问过程控制数据的方法和设备

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2680159B2 (ja) * 1990-02-15 1997-11-19 山武ハネウエル株式会社 制御システムにおける表示方法
JPH0830320A (ja) * 1994-07-15 1996-02-02 Mitsubishi Electric Corp プラント監視制御システム
US6952808B1 (en) * 1999-07-01 2005-10-04 Honeywell Inc. Process variable gauge interface and methods regarding same
SE522691C3 (sv) * 2002-06-12 2004-04-07 Abb Ab Dynamisk on-line-optimering av produktionsprocesser
US7323036B2 (en) * 2004-08-27 2008-01-29 Alstom Technology Ltd Maximizing regulatory credits in controlling air pollution
GB0521625D0 (en) 2005-10-24 2005-11-30 Ricardo Uk Ltd A method of modelling the effect of a fault on the behaviour of a system
US8073659B2 (en) * 2007-11-13 2011-12-06 Honeywell International Inc. Decomposition of nonlinear dynamics using multiple model approach and gap metric analysis
GB2495434B (en) * 2008-09-29 2013-05-22 Fisher Rosemount Systems Inc Efficient design and configuration of elements in a process control system
JP2011253275A (ja) 2010-06-01 2011-12-15 Yokogawa Electric Corp プラントシミュレータ
US8855804B2 (en) 2010-11-16 2014-10-07 Mks Instruments, Inc. Controlling a discrete-type manufacturing process with a multivariate model
US9298176B2 (en) 2012-01-17 2016-03-29 Fisher-Rosemount Systems, Inc. Compensating for setpoint changes in a non-periodically updated controller

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6973366B2 (en) * 2002-11-15 2005-12-06 Fuji Photo Film Co., Ltd. Production process control system
US20040153437A1 (en) * 2003-01-30 2004-08-05 Buchan John Gibb Support apparatus, method and system for real time operations and maintenance
CN1864156A (zh) * 2003-01-30 2006-11-15 凯洛格·布朗及鲁特有限公司 支持实时操作和维护的装置、方法和***
CN1751278A (zh) * 2003-02-19 2006-03-22 费舍-柔斯芒特***股份有限公司 用于过程控制***的基于开放网络的数据获取、集合和优化
CN102289366A (zh) * 2004-05-04 2011-12-21 费舍-柔斯芒特***股份有限公司 用于访问过程控制数据的方法和设备
CN101126928A (zh) * 2006-08-16 2008-02-20 费舍-柔斯芒特***股份有限公司 用于维护过程控制***的***及方法
CN101158872A (zh) * 2006-10-02 2008-04-09 费舍-柔斯芒特***股份有限公司 在操作过程环境中更新及使用动态过程仿真
CN103631150A (zh) * 2006-10-02 2014-03-12 费舍-柔斯芒特***股份有限公司 在操作过程环境中更新及使用动态过程仿真
US20090287319A1 (en) * 2008-03-26 2009-11-19 Attarwala Fakhruddin T Universal model predictive controller

Also Published As

Publication number Publication date
JP2018516416A (ja) 2018-06-21
JP7043261B2 (ja) 2022-03-29
US20180157224A1 (en) 2018-06-07
CN107615185B (zh) 2021-02-09
EP3304221A4 (en) 2019-01-23
US10824124B2 (en) 2020-11-03
EP3304221B1 (en) 2020-10-07
WO2016196762A1 (en) 2016-12-08
EP3304221A1 (en) 2018-04-11

Similar Documents

Publication Publication Date Title
He et al. Statistical process monitoring as a big data analytics tool for smart manufacturing
JP5795645B2 (ja) 多変量モデルを用いた離散型製造プロセスの制御
US9760067B2 (en) System and method for predicting future disturbances in model predictive control applications
JP5511698B2 (ja) 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム
US20210389738A1 (en) Control system database systems and methods
JP7138621B2 (ja) Ｋｐｉ性能分析のための無拘束の従属変数によるｍｐｃ
US11175976B2 (en) System and method of generating data for monitoring of a cyber-physical system for early determination of anomalies
JP2012515984A5 (zh)
JP2012515984A (ja) 多変量モデルによる製造工程の制御
CA2941919A1 (en) Method and apparatus for specifying and visualizing robust tuning of model-based controllers
Akram et al. Quality monitoring and process adjustment by integrating SPC and APC: a review
Hu et al. Online model regression for nonlinear time-varying manufacturing systems
CN107615183B (zh) 模型预测控制应用程序中相对于最佳性能值的优良性能的***和方法
Kozjek et al. Multi-objective adjustment of remaining useful life predictions based on reinforcement learning
JP2018516415A (ja) ステージ済アプリケーションによりライブ状態の制御／推定アプリケーションを置換するシステムと方法
CN107615185A (zh) 用于处置针对模型预测控制器和估计器的设备服务的***和方法
CA3175819A1 (en) Improved pattern recognition technique for data-driven fault detection within a process plant
Wang et al. Multi-objective monitoring of closed-loop controlled systems using adaptive LASSO
CN107615184B (zh) 用于针对模型预测估计和控制应用程序中的模型的后台元件切换的***和方法
Schlüter et al. Reliable bof endpoint prediction by novel data-driven modeling
Wang et al. On-line modeling and monitoring for multi-operation batch processes with infinite data types
Arroyo et al. Supporting plant disturbance analysis by dynamic causal digraphs and propagation look-up tables
Stluka et al. Advanced control solutions for building systems
JP6109438B1 (ja) システム設計支援装置、方法及びプログラム
JP7389518B2 (ja) 高度な攻撃からの産業生産の保護

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant