CZ20023362A3 - Způsob a řídící zařízení pro řízení procesu - Google Patents
Způsob a řídící zařízení pro řízení procesu Download PDFInfo
- Publication number
- CZ20023362A3 CZ20023362A3 CZ20023362A CZ20023362A CZ20023362A3 CZ 20023362 A3 CZ20023362 A3 CZ 20023362A3 CZ 20023362 A CZ20023362 A CZ 20023362A CZ 20023362 A CZ20023362 A CZ 20023362A CZ 20023362 A3 CZ20023362 A3 CZ 20023362A3
- Authority
- CZ
- Czechia
- Prior art keywords
- model
- control
- conditions
- linear
- approximate solution
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 230000008569 process Effects 0.000 title claims abstract description 65
- 230000004044 response Effects 0.000 claims description 26
- 238000004886 process control Methods 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 229920000642 polymer Polymers 0.000 claims description 11
- 230000007704 transition Effects 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 8
- 238000006116 polymerization reaction Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000009471 action Effects 0.000 description 12
- 239000000047 product Substances 0.000 description 12
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 12
- 239000003054 catalyst Substances 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 10
- 239000004743 Polypropylene Substances 0.000 description 8
- 229920001155 polypropylene Polymers 0.000 description 8
- 239000002002 slurry Substances 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 229910052739 hydrogen Inorganic materials 0.000 description 7
- 239000001257 hydrogen Substances 0.000 description 7
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 6
- -1 Polypropylene Polymers 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000005086 pumping Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012369 In process control Methods 0.000 description 1
- HPNSNYBUADCFDR-UHFFFAOYSA-N chromafenozide Chemical compound CC1=CC(C)=CC(C(=O)N(NC(=O)C=2C(=C3CCCOC3=CC=2)C)C(C)(C)C)=C1 HPNSNYBUADCFDR-UHFFFAOYSA-N 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F10/00—Homopolymers and copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond
-
- 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
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F2400/00—Characteristics for processes of polymerization
- C08F2400/02—Control or adjustment of polymerization parameters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Polymers & Plastics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Software Systems (AREA)
- Organic Chemistry (AREA)
- Feedback Control In General (AREA)
- Polymerisation Methods In General (AREA)
- Diaphragms For Electromechanical Transducers (AREA)
- Paper (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
Description
Způsob a řídící zařízení pro řízení procesu
Oblast techniky
Předkládaný vynález se týká řídícího systému, zejména pro použití při řízení průmyslového zařízení, jako je polymerační reaktor.
Dosavadní stav techniky
Je známo mnoho typů řídících systémů. Jednoduchý klasický řídící systém zahrnuje jeden vstup a jeden výstup (SISO), například regulátor průtoku. V takovém regulátoru je řízena či regulována pouze jedna proměnná, jmenovitě průtok skrz ventil, která se potom označuje jako řízená (regulovaná) proměnná (CV). Je zadána požadovaná hodnota, aby regulátor věděl jaký je požadovaný průtok. Rovněž se provádí měření průtoku jako vstup pro regulátor, aby měl informace o aktuálním průtoku. Regulátor bude porovnávat aktuální průtok s nastavenou hodnotou a použije odchylku pro výpočet, s použitím předtím definovaných rovnic, hodnoty pro akční veličinu (MV) , kterou je v tomto případě poloha ventilu. Ta je potom výstupem z regulátoru.
Zde je působení regulátoru založeno na pozorované odchylce v regulované veličině. Důležitou součástí rovnic použitých pro výpočet akční (řídící) veličiny z odchylek je soustava ladících parametrů, které budou modifikovat vlastnosti řídícího algoritmu.
Ve složitějších procesech ale může existovat mnoho uvažovaných proměnných, které mohou být vzájemně na sobě závislé, takže změna jedné proměnné nevyhnutelně ovlivní více než jednu odezvu. Takové vlivy se označují vazby nebo li
interakce mezi proměnnými. Navíc mohou být rovněž charakteristickým chováním procesu nelineární odezvy akčních proměnných. SISO řídící zařízení nemají schopnost řídit takové procesy účinně, protože nejsou schopné kompenzovat vazby a protože hodnoty parametrů, vyladěné pro jednu soustavu podmínek procesu, nemusí vůbec fungovat pro jiné podmínky procesu.
Pro vyřešení těchto problémů jsou používány složitější řídící systémy nazývané pokročilým řízením procesu (APC) . Jedním příkladem APC je prediktivní řízení na bázi modelu (MPC). Zde je jako součást regulátoru použit počítačový model procesu, který má být řízen. Model obsahuje informace týkající se vlivu akčních (řídících) proměnných na řízené proměnné a může rovněž obsahovat interakce, popsané prostřednictvím matematických rovnic. APC regulátory jsou realizovány jako programy na počítačích spojených s řídícím systémem procesu. Tyto regulátory jsou obecně uspořádány pro příjem signálů a hodnot z měřících zařízení procesu a pro vysílání řídících signálů, například, požadovaných hodnot pro regulátory průtoku a vypočtených hodnot pro systém řízení procesu.
Existuje několik typů dostupných MPC řídících zařízení, které jsou založeny na různých přístupech aplikovaných na prediktivní řídící algoritmus na bázi modelu, viz například Model Prediktive Control: Theory and Practice - A Survey, Automatica, svazek 25, č. 3, strany 335 - 348, 1989.
Cílem řízení je obecně vytvořit konzistentní a stabilní podmínky procesu, například zajistit stabilní koncentrace komponentů, stabilní teplotu, tlak, a podobně.
II ···· ··· ·· ···· ·· ··
Cílem MFC řídícího systému je detekovat změny v měřených vstupních podmínkách do jednotky, například přítoky, koncentrace, teploty a podobně, a rozdíly mezi podmínkami skutečně naměřenými uvnitř nebo za jednotkou a vypočítanými hodnotami odpovídájícího modelu, a provádět řídící akce pro kompenzaci těchto poruch a odchylek. Pokud je například měřen průtok ingredience do reaktoru a je detekován pokles rychlostí průtoku, budou potřebné kompenzační změny podmínek reaktoru pro zabránění tomuto poklesu, aby měl vliv na jednu nebo více řízených proměnných.
Alternativně jsou některé procesy, jako procesy v polymeračních reaktorech, zkonstruovány pro kontinuální chod, dokonce i když mohou být použity pro výrobu různých produktů. Za účelem změny z jednoho produktu na jiný jsou vhodně měněny podmínky reaktoru, a podobně. Změna z jedné třídy polymery na jinou tímto způsobem se označuje přechod mezi třídami. Zde je potom žádoucí provést tento přechod tak rychle, jak jen je možné, protože meziprodukt by byl produktem zcela mimo specifikaci.
Modely v obecném MFC systému mohou být buď empirické nebo fundamentální (základní) modely. Empirické modely jsou založeny na údajích ze skutečného zařízení, vytvořené například prostřednictvím provedení více-proměnné regrese mezi vstupy procesu (u a v) a výstupem y, zatímco fundamentální dynamické modely jsou odvozeny ze základních principů jako je zachování hmoty, energie a momentu, rovnovážné rovnice, kinetika reakcí, a podobně.
Nejběžnější MPC řídící zařízení jsou založena na empirických modelech, viz Dynamic Matric Control - A Computer Control Algorithm, AIChE National Mtg., Houston,
Texas (1979). Důvodem pro to je, že pro jednoduché procesy, jako v destilačních kolonách, kde jsou pracovní podmínky téměř stejné po celou dobu, je velmi snadné vytvořit a provozovat tento typ modelů. Pro složitější jednotky, jako jsou polymerační reaktory, bylo ale zjištěno, že empirické modely jsou problematické. Pro toto tvrzení existuje několik důvodů v případě polymeračních reaktorů: mnoho proměnných vykazuje nelineární chování; mnoho proměnných má silnou vazbu nebo jsou vzájemně závislé, oblast provozování reaktoru je rozsáhlá a podmínky reaktoru jsou rovněž často měněny v důsledku přechodu mezi třídami. Posledním důvodem je situace, kdy výroba jednoho produktu při jedné soustavě podmínek reaktoru je ukončena a podmínky reaktoru jsou změněny pro započetí výroby dalšího produktu s odlišnými vlastnostmi.
Vytvoření empirických modelů pro takový proces vyžaduje množství testů krokových odezev ve skutečném zařízení s prováděním jedné krokové změny pro každou akční veličinu a pro každou poruchu, která bude začleněna do modelu. Rovněž musí být provedeny samostatné testy krokových odezev pro každý vazební vliv, který má být modelován. V praxi je provádění testů krokových odezev na polymeračním reaktoru velmi nákladné, protože obvykle zabere 2 až 4 doby zdržení pro změření úplné odezvy na krokovou změnu v MV (akční, řídící veličině) a, pokud jakákoliv událost v procesu naruší test, test musí být spuštěn úplně od začátku. Proces rovněž musí být přiměřeně stabilní při začátku testu zavádějícího měnící se vstupy, které změní stabilní situaci. Krokové změny rovněž musí být prováděny na skutečné výrobní jednotce, kde by neměly být narušeny stabilní podmínky poskytující konzistentní kvalitu produktu. Rovněž každý il produkt má často samostatný model, protože v důsledku nelineárního chování procesu regulační zařízení využívající linearizovaný model nebude pracovat pro jakýkoliv jiný model, než pro model vytvořený se skutečnou soustavou podmínek, při kterých byl prováděn krokový test pro specifický produkt.
Vzhledem k výše uvedeným problémům by bylo výhodné v takovýchto aplikacích použít MPC na bázi fundamentálního modelu. Jak bylo diskutováno na Model Predictive Control for Grade Transitions od Polypropylene Reactor, 4. evropském symposiu o řízení procesů s pomocí počítačů, V Dublinu v roce 1994, fundamentální dynamické modely společně s MPC algoritmem by měly poskytovat účinnější řešení, jak s ohledem na náklady pro realizaci tak i s ohledem na výkon řídícího procesu. V praxi ale bude výpočetní výkon omezovat možnosti vytvoření takového řízení, když je značný počet CV, MV a omezení, což je častý případ z praxe. Například v případě polymeračního reaktoru je nezbytná složitost modelu taková, že při využití jakékoliv velikosti dostupného výpočetního výkonu bude doba pro vyřešení modelu nadměrná, protože bude omezovat frekvenci, se kterou model může být použit a protože zde bude zaváděno značné zpoždění mezi stanovením vstupních podmínek a stanovením řešení - přičemž mezitím se podmínky mohou podstatně změnit, což povede na značné problémy se stabilitou.
Podstata vynálezu
Podle předkládaného vynálezu je navržen způsob řízení procesu, který zahrnuje kroky:
a) vytvoření fundamentálního modelu odpovídajícího procesu;
il
b) zadání údajů popisujících aktuální a požadované budoucí podmínky procesu;
c) vytvoření lineárního přiblížení k modelu, které je platné pro uvedené aktuální podmínky;
d) použití uvedeného lineárního přiblížení pro stanovení přibližného řešení pro řídící problém týkající se procesu; a
e) řízení procesu s použitím uvedeného přibližného řešení.
Vynález je tedy schopen vytvořit přesný model procesu, protože je založen na základních principech, je totiž fundamentálním modelem a ne empirickým přiblížením. Tento model může být nelineární, pokud je to potřebné, a je platný pro široký rozsah pracovních podmínek. Značná nepřesnost, vlastní pro model lineárního přiblížení, je tím vyloučena. Vynález je ale výhodný ve srovnání s běžnými systémy a se systémy na bázi nelineárního modelu, protože neřeší přímo každou z nelineárních rovnic modelu pokaždé, když je požadováno vytvořit predikci (odhad). Pro danou soustavu podmínek platících v daném okamžiku je spíše potom použito lineární přiblížení pro stanovení vhodného řešení pro řídící problém. Toto lineární přiblížení je výhodně vytvořeno prostřednictvím numerické perturbace modelu a může vyústit v problém kvadratického programování. Ten ale samozřejmě může být vyřešen mnohem rychleji, než plně nelineární model, takže budoucí scénář řízení může být stanoven rychle. Proces potom může být řízen běžným způsobem prostřednictvím generování nových nastavených hodnot.
Vynález je tedy schopen kombinovat přesnost a pracovní rozsah fundamentálního modelu s rychlostí a
I účinností lineárního modelu, takže je tak dosaženo vytvoření účinného systému pro řízení procesu.
V některých aplikacích může být přibližné řešení dostatečně přesné pro použití přímo při řízení procesu. Výhodně je ale přibližné řešení použito pro stanovení přesnějšího řešení. To může být obvykle provedeno substitucí přibližného řešení do modelu a potom použitím iterační metody. Iterační metoda může být opakována tak často, jak je požadováno, pro stanovení řešení s postačující přesností.
Ve výhodných provedeních vynálezu je potom fundamentální model na bázi základních principů použit pro výpočet skutečných odezev řídících proměnných, takže odezva budoucího scénáře řízení je výsledkem fundamentálního modelu a ne zjednodušeného linearizovaného modelu.
V jednoduchých aplikacích může být vypočítané lineární přiblížení dostatečně přesné pro použití pro množství různých podmínek procesu. Aby ale předkládaný vynález mohl řídit složitější systémy, je výhodné, když je lineární model přepočítán, například pro každou novou soustavu podmínek reaktoru. Nový linearizovaný model tedy bude vytvořen, když je to požadováno. Je zřejmé, že v mnoha aplikacích mohou být takovéto modely vytvářeny ve velmi častých intervalech.
Jednou z důležitých výhod použitých fundamentálních modelů je v této souvislosti to, že mohou být platné a konsistentní v širokém pracovním rozsahu. To znamená, že stejný model a parametry modelu mohou pokrýt široký rozsah výrobních podmínek, jako jsou například podmínky, které nastávají při výrobě polymerů různých tříd. Výhodně tedy může
řídící zařízení skutečně řídit vlastní přechod, přičemž přesouvá podmínky procesu z jedné soustavy podmínek do druhé soustavy podmínek, aby bylo možné vyrábět další produkt. Když vypočítané hodnoty modelu jsou dostatečně přesné a blízko skutečného chování zpracovatelské jednotky, je vypočítaná soustava MV ze způsobu podle vynálezu velmi blízko k optimálnímu postupu pro změnu podmínek.
To je velmi výhodné v porovnání s obvyklou situací pro řídící zařízení na bázi empirického modelu, kde je často potřebné provádět přechod manuálně a potom pokračovat s MPC řízením, když je přechod dokončen, s použitím dalšího modelu procesu. Vynález tedy může být využit pro umožnění rychlejšího přechodu mezi třídami, to jest pro dosažení stabilních podmínek procesu s požadovanými vlastnostmi produktu, což tudíž zmenšuje ztrátu nákladů, spojenou se ztrátou výroby a s vytvářením produktů mimo specifikaci.
Předkládaný vynález se rovněž týká řídícího zařízení pro řízení procesu, které zahrnuje regulátor, vstupní a výstupní prostředky a model, přičemž:
a) uvedeným modelem je fundamentální model odpovídající procesu;
b) jsou vytvořeny prostředky pro zadávání údajů popisujících aktuální a požadované budoucí podmínky procesu;
c) jsou vytvořeny prostředky pro výpočet lineárního přiblížení k modelu, které je platné pro uvedené vstupní podmínky;
d) jsou vytvořeny prostředky pro použití uvedeného lineárního přiblížení pro stanovení přibližného řešení pro řídící problém týkající se procesu; a
e) jsou vytvořeny prostředky pro generování ι| výstupních signálů pro řízení procesu s použitím uvedeného přibližného řešení.
Výhodně je řídící zařízení podle vynálezu uspořádáno pro činnost v souladu s výhodnými provedeními výše diskutovaného způsobu podle vynálezu.
Předkládaný vynález se rovněž týká procesu nebo zařízení řízeného způsobem podle vynálezu nebo zařízením podle vynálezu, které byly diskutovány výše. Navíc se předkládaný vynález týká také softwaru zahrnujícího model a/nebo regulátor a uloženého na vhodném datovém nosiči.
Regulátor a model jsou obvykle realizovány s použitím výpočetního zařízení na bázi mikroprocesoru.
V následujícím popisu bude podrobněji popsáno příkladné provedení vynálezu ve spojení s odkazy na připojené výkresy.
Přehled obrázků na výkresech
Obr.l znázorňuje blokové schéma celkového uspořádání regulátoru či řídícího zařízení v provedení podle vynálezu;
Obr.2 znázorňuje blokové schéma struktury regulátoru v provedení podle vynálezu;
Obr.3 a obr. 4 znázorňují vývojové diagramy ilustrující kroky, které jsou prováděny regulační části provedení podle vynálezu;
Obr. 5 znázorňuje graf ilustrující výkon čerpání z reaktoru, přičemž je patrné zlepšení stability, dosažené použitím vynálezu ve srovnání s běžným SISO řízením; a il
Obr.6 až obr. 11 znázorňují různé grafy ilustrující simulace vlivů použití provedení podle vynálezu.
Příklady provedení vynálezu
Provedení podle vynálezu je realizováno s použitím řídícího systému typu ilustrovaného na obr. 1, který je obecně známý a obsahuje matematický model procesu.
Regulátor JL je systém na bázi počítačového softwaru, který může být prováděn na běžně komerčně dostupných počítačích. Jak je ale diskutováno níže, provoz modelu je podstatně odlišný od standardního systému.
Obr. 1 znázorňuje celkový tok informací z procesu 2., který zahrnuje jednu nebo více zpracovatelských jednotek, jako je reaktor, do počítače I 3., kde je nainstalován MPC software. Měření z procesu jsou shromažďována v základním řídícím systému 4. (DOS), který bude obvykle obsahovat všechny základní regulátory potřebné pro řízení průtoku, řízení teploty a řízení tlaku, a podobně. Tyto regulátory jsou realizovány jako klasické SISO regulátory. Podmnožina těchto měření, která jsou potřebná pro APC regulátor, je označena vztahovou značkou jako měření b. Všechna měření, včetně měření b, jsou dostupná ve stanici 5. operátora na displejích a v tištěné podobě. Obvykle je rozhraní operátora pro MPC regulátor rovněž realizováno jako displej (není ilustrováno) na stanici 5. operátora.
Na tomto displeji operátor může sledovat vypočítaný výstup a informace z MPC regulátoru a rovněž může zadávat informace do MPC regulátoru, jako jsou nastavená hodnoty pro řízení proměnné/požadované hodnoty, vysoké a nízké limity pro il vynucené akční nebo řídící proměnné, může zvolit zapnutí a vypnutí regulátoru nebo může zvolit regulaci aktuálních proměnných, a podobně.
Soustava informací do MPC regulátoru od operátora je na označena vztahovou značkou jako soustava c informací na obr. 1. Tyto informace jsou přenášeny ze stanice 5. operátora do DCS systému 4_. Informace potřebné v MPC, to jest měření b a soustava c informací, jsou přenášeny z DCS systému 4. do databázového systému 6. procesu, který zajišťuje dlouhodobé uložení dat a který má dostupné vlastní knihovní podprogramy, které jsou použity pro čtení dat z databáze nebo zápis dat do databáze.
MPC regulátor čte data, to jest měření b a soustavu c informací, z databázového systému 6, případně s použitím propojovacího softwaru, který je vyvinut s použitím vlastních podprogramů aplikovaných jako součást databázového systému 6. Je rovněž zpřístupnit data, to jest měření b a soustavu c informací, MPC regulátoru přijímáním dat přímo z DCS systému .4 nebo ze stanice 5. operátora, nahrazením softwaru databázového rozhraní na bázi databázových podprogramů podprogramy rozhraní, které mohou vyměňovat data přímo do a z DCS systému 4_ nebo stanice 5. operátora. Je rovněž možné realizovat displej operátora, použitý pro zobrazení a/nebo zadání dat pro MPC na počítači II, s použitím nástrojů zajišťovaných samotným databázovým systémem nebo prostřednictvím dalších nástrojů namísto provádění těchto operací na stanici 5. operátora.
MPC regulátor využívá naměřené vstupy z procesu společně s modelem a jeho vnitřními regulačními algoritmy pro výpočet MPC výstupů a. Tyto výstupy obvykle sestávají z • · • · modelem předvídaných odezev a hodnot pro akční proměnné, které budou přenášeny do databázového systému 6., a podmnožina a' těchto dat bude přenášena také dále do DCS systému 4_, přičemž se jedná přinejmenším o vypočítané hodnoty pro akční proměnné a případně některé vypočítané odezvy a informace o stavu MPC regulátoru. Vypočítané hodnoty pro akční proměnné jsou potom přeneseny jako nové nastavené hodnoty do SISO regulátorů v DCS 2 (viz obr. 2) pro realizaci výsledku MPC řízení.
Obr. 2 ilustruje strukturu MPC regulátoru. Měření b týkající se procesu 2, jak bylo naznačeno na obr. 1, sestávají z podmnožin, kterými jsou měřené hodnoty um z MV, měřené poruchy v z procesu a měřené odezvy qm z procesu. Soustava c informací z obr. 1 je vstupem od operátora ve stanici 5. operátora (viz obr. 1) a je tvořena daty vest, zrnin a zmax, což jsou nastavené hodnoty pro CV a minimální a maximální limity pro vynucené odezvy, které mají být regulovány prostřednictvím MPC. Měřené hodnot um a měřené poruchy v se vyskytují v procesu 2 a jsou rovněž zadávány do modelu 10, který vypočítá odezvy cest. Některé odezvy qm jsou rovněž změřené a z porovnání hodnot odpovídajících vypočítaných odezev pěst a měřených odezev qm se vytvoří korekce modelu. Regulátor použije současný aktualizovaný model jako část řídícího algoritmu pro výpočet hodnot MV uest. Tento řídící algoritmus predíkuje budoucí chování procesu s použitím modelu 10 a vypočítává MV, které poskytnou nejmenší součet odchylek mezi CV nastavenými hodnotami a predikovanými hodnotami. MV, které jsou výstupem z případně více-proměnného MPC regulátoru, jsou vlastně vstupem/nastavenými hodnotami do SISO regulátorů 2 DCS • · » · · · systému, které budou generovat řídící signály do ventilů, topných těles, motorů, a podobně, pro minimalizování odchylky mezi vypočítanou hodnotou uest a změřenou hodnotou um.
Jak bylo diskutováno v předcházejícím popisu, systém obsahuje model 10 procesu, který je fundamentálním modelem. Tento model zahrnuje pod-modely pro kinetiku reakce, kvalitu nebo vlastnosti produktu, které mohou být použity pro výpočet vlivu poruch nebo změn ve vstupu jednotky (jednotek) na odezvy procesu s ohledem na řízené proměnné, vynucené odezvy a další vypočítané výstupy. Tento model je stavovým prostorovým modelem (jak bylo popsáno ve výše zmiňovaném materiálu ze symposia v Dublinu). Struktura použitých výpočtů zahrnuje tři kroky:
i) integrování rovnic modelu pro dobu vzorkování se získáním nových hodnot pro stavový vektor.
ii) výpočet výstupu modelu (vypočítaná měření) z hodnot nového stavového vektoru.
iii) výpočet hodnot pro CV a vynucené odezvy z hodnot nového stavového vektoru.
Stavový vektor obsahuje prvky pečlivě zvolené na základě kritérií majících unikátní popis informace o obsahu reaktoru, která je relevantní pro řídící účely a která neobsahuje redundance.
Tento model je realizován jako softwarová jednotka zahrnující úplnou sadu softwarových modulů. Tato sada modulů provádí řízení zpracovatelské jednotky (jednotek) prostřednictvím následujících kroků, které jsou shrnuty na obr. 3:
a) spuštění této softwarové jednotky s předem definovanou vzorkovací rychlostí vhodně zvolenou pro aktuální zpracovatelskou jednotku, například jednou za každou minutu. Potom jsou provedeny kroky b) až 1) níže:
b) vyjmutí vstupu zadaného operátorem, který specifikuje nastavené hodnoty pro řízené proměnné, horní a dolní limity pro vynucené odezvy, horní a dolní limity pro řídící proměnné, maximální rychlost změny pro hodnoty řídících proměnných, volby pro to, které proměnné budou řízeny touto softwarovou jednotkou, vzájemnou výáhu/důležitost mezí různými řízenými proměnnými, vzájemné závazky pro použití různých řídících veličin, nebo vyjmutí některé nebo všech těchto hodnot ze souboru nebo jiné datové paměti, a rovněž testování platnosti a konzistence těchto hodnot před jejich použitím v řídícím postupu.
c) vyjmutí měření ze zpracovatelské jednotky procesu, provedených prostřednictvím vyhrazených částí softwaru, který byl vytvořen pro tento účel, a rovněž testování platnosti a konzistence těchto měření.
d) vyjmutí parametrů modelu a vyladění parametrů pro algoritmus korekce modelu, který má být použit, a pro regulační algoritmus, který má být použit jako součást postupu.
e) aktualizace všech nastavení použitých regulátorem na základě nového vstupu přečteného z DCS nebo databázového systému nebo ze souboru nebo jiných paměťových zařízení.
f) použití hodnot získaných v kroku c) pro provedení výpočtů s modelem podle kroků i) až iii) výše, pro výpočet aktuálních podmínek ve zpracovatelské jednotce /jednotkách) • · * r · » » « » · ···· .·· >· ···· ·· *· procesu a aktuálních hodnot řízených proměnných, vynucených odezev a vypočítaného výstupu z modelu. Tento krok se nazývá predikce (předpoklad) (aktuálních podmínek).
g) provedení korekcí parametrů modelu a současných hodnot pro podmínky procesu (stavy) s použitím korekčního algoritmu a pozorovaných odchylek mezi výstupy vypočítanými modelem a odpovídajícími hodnotami dostupnými jako měření z vlastního procesu, aby se eliminovaly tyto odchylky. Tento krok se nazývá korekce (často rovněž označovaný jako odhad) a zajišťuje, že model je v souladu s aktuálním procesem.
h) použití regulačního algoritmu (jak je popsáno v krocích hl až h8 níže) pro výpočet hodnot, které mají být přiřazeny k MV, pro minimalizování (součtu) odchylky (odchylek) mezi řízenými proměnnými a jejich příslušnými nastavenými hodnotami pro specifikovaný stav jako časovou periodou do budoucnosti, rovněž nazývanou horizont, zatímco vynucené odezvy jsou udržovány v jejich definovaných limitech. Tento krok se nazývá řízení.
i) Kontrola výsledků výpočtu prováděného podle výše popsaného postup, a nastavení vhodných kontrolních příznaků v souladu s těmito kontrolami.
j) vyslání výsledků výpočtů, týkajících se datové sady MPC výstupů a na obr. 1, do databázového systému pro jejich uložení pro použití jako informačních údajů o zařízení pro vytváření výkazů nebo výpisů.
k) vyslání výsledků výpočtů z předcházejícího kroku, totiž podmnožiny a' dat, přímo nebo nepřímo do DCS systému, kde jsou hodnoty pro nové nastavené hodnoty pro DCS • · · · regulátory zpřístupněny těmto regulátorům a jsou aktuálně použity jako nastavené hodnoty. DCS regulátory potom vytvoří řídící signály řídící signály a'' do řídícího zařízení v procesu na základě odchylky mezi aktuálním měřením a novou nastavenou hodnotou, aby se minimalizovala uvedená odchylka.
1) čekání softwarové jednotky (bez činnosti), dokud vzorkovací řízení nebo prováděcí frekvenční řízení nezjistí, že nastal okamžik pro opětovné spuštění od kroku a), takže řídící postup se provádí v pravidelných vzorkovacích intervalech.
Regulační algoritmus, jak je použit v kroku h) výše, zahrnuje následující kroky (které jsou shrnuty na obr. 4):
hl) algoritmus je spuštěn v odezvě na řídící akci. Potom je generováno lineární přiblížení k (fundamentálnímu) modelu, odpovídající vstupním podmínkám, prostřednictvím numerické perturbace modelu. Predikční horizont je rozdělen na množství předem definovaných, tak zvaných blokových intervalů. Pro každý interval mají MV dané hodnoty v souladu s aktuálními hodnotami MV. Toto se nazývá vstupní scénář.
h2) na základě současného vstupního scénáře řídících proměnných se vypočítá budoucí odezva, to jest predikované hodnoty pro řízené proměnné a vynucené odezvy. Fundamentální model se integruje s použitím vstupního scénáře, který byl výsledkem výpočtu řídícího problému z předchozího vzorku.
h3) nastaví se nastavená omezení na vstupu a výstupu - to jest minimální a maximální přípustné hodnoty řídících (akčních) proměnných a řízených proměnných.
il
h4) vypočte se hesianovská matice způsobem v oboru známým a vektor definující odchylku mezi predikovanou a žádanou (referenční) hodnotou řízených proměnných.
h5) vyřeší se řídící problém, který je formulován problémem kvadratického programování (QP), s použitím lineárního přiblížení k fundamentálnímu modelu.
h6) pokud je výsledkem neproveditelné řešení, může být použito zavedení přídavných proměnných a opětovné provedení QP problému - zde hodnoty mimo maximální a minimální hodnoty nastavené pro řídící proměnné.
h7) je zřejmé, že kroky h2 až h7 poskytují iterační metodu, která zajišťuje, že řešení přibližného modelu je optimální v souladu s (fundamentálním) modelem. Pokud řešení konvergovalo, to jest pokud nová iterace nezlepšila výsledek v porovnání s nelineárním modelem, pokračuje se do kroku h8), jinak se pokračuje do kroku h2).
h8) nastaví se první část vstupního scénáře pro řídící vektor, aby se realizoval výsledek.
Níže jsou uvedeny dva příklady aplikací předkládaného vynálezu:
Příklad 1
Předkládaný vynález byl realizován pro řízení čerpacího výkonu pro dva reaktory zapojené do série. Obsahem reaktorů je kapalný polymer propylenu a polypropylenu (PP). Množství tuhého PP bude určovat viskozitu kaše a tudíž množství energie potřebné pro čerpání kaše dostatečně tak, aby se vyloučilo usazování a vytváření hrudek, a aby se • · · ·
distribuoval monomer (propylen) a komponenty katalyzačního systému, které jsou přiváděny do kaše v reaktoru, a tudíž určuje potřebný výkon čerpání.
pro stabilizování reaktoru musí být množství tuhých látek udržováno konstantní. Tuhé látky jsou řízeny přívodem polypropylenu. Problém s řízením množství tuhých látek s obvyklými řídícími systémy je ten, že dynamika procesu způsobuje, že je obtížné vyladit běžné regulátory tak, aby poskytovaly stabilní obsah tuhých látek pro všechny možné podmínky a pracovní rozsahy pro proces. S MPC algoritmem předkládaným podle vynálezu může být tento vliv predikován a kompenzován tak, že stabilita smyčky je podstatně zlepšena. Obr. 5 znázorňuje jak se chová měřený výkon čerpání.
Nastavená hodnota 20 pro výkon čerpání je znázorněna rovnou čarou. Vlastní výkon 21 čerpání je znázorněn zvlněnou křivkou, kde je patrné, kdy je regulátor spuštěn (první část 22 křivky) ve srovnání s běžným řízením poté, co byl regulátor zastaven (druhá část 23 křivky). Jak může být patrné, je dosaženo podstatného zlepšení ve stabilitě řízeného parametru, když je regulátor podle vynálezu spuštěn.
Příklad 2
Předkládaný vynález byl realizován pro řízení průtokové rychlosti taveniny (MFR), výrobní rychlosti (Rp) a hustoty kaše (Dens) kontinuálního reaktoru pro výrobu polypropylenu. MFR je vztažena na molekulární hmotnost polymeru, který je vyráběn, a je použita jako důležitý ukazatel pro třídu produktu. Řídícími proměnnými jsou přívod vodíku (uh), katalyzátoru (ucat) a propylenu (up). Vodík je použit pro řízení MFR, ale koncentrace H2 v reaktoru rovněž ovlivňuje aktivitu katalyzátoru. Pro změnu MFR tedy musí být změněn přívod H2, ale pro udržení nastavené hodnoty pro rychlost výroby musí být rovněž změněn přívod katalyzátoru. Hustota kaše je vztažena na množství polymeru vedle kapalného propylenu v reaktoru. Pro řízení hustoty je měněn přívod propylenu (liq). Zvýšený přívod propylenu má rovněž vliv na to, že H2 a katalyzátor v reaktoru jsou vypláchnuty.
Model tohoto reaktoru bude obsahovat stavový vektor, který obsahuje následující prvky:
množství katalyzátoru v reaktoru množství propylenu v reaktoru množství polypropylenu v reaktoru množství vodíku v reaktoru střední molekulární hmotnost (nebo příslušný parametr) pro polymer v reaktoru
Pro každý z těchto prvků model vypočítá rychlost změny:
dx(l)/dt = wcatin - wcatout dx(2)/dt = wpin - Rp - wpout dx(3)/dt = Rp - wPPout dx(4)/dt = wh2in - Rh - wh2out dx(5)/dt = Rp/X(3)*(f - x(5)) kde :
wcatin = přívod katalyzátoru wcatout = odtok katalyzátoru z reaktoru * · · ·
wpin = přívod propylenu
Rp = rychlost polymerace propylenu z kinetického modelu wpout = odtok propylenu z reaktoru wPPout = odtok polypropylenu z reaktoru wh2in = přívod vodíku
Rn = rychlost spotřeby vodíku wh2out = odtok vodíku z reaktoru f = molekulární hmotnost (nebo příslušný parametr) pro nepřetržitě vyráběný polymer
Pro vypočítání aktuálních stavů v reaktoru, je stavový vektor integrován v intervalu vzorkovací doby:
v + \ f (x,u,v,ť)dt ^prevtous 1 J v 7 1 ' kde x je stavový vektor a t, je vzorkovací doba pro regulátor a f (x) pro, například stavové číslo 5, je rovnice n í ž e :
/(5)=^y(f(MFR.)-X (5)) • · ·
kde gíMFRJ je funkce nepřetržité MFR pro polymer, jako LN (MFR) nebo MFR-0'314, vypočítané samostatným vzorcem. χ(3) je množství polymeru v reaktoru. Rp je rychlost výroby, vypočítaná prostřednictvím kinetického modelu v modulu obsahujícím kinetické výrazy:
Rp = Ap * mc * xp * a * fl(T) * f2(D) * f3(H) kde
Ap je rychlostní konstanta mc je množství katalyzátoru v reaktoru xp je koncentrace propenu v reaktoru a je aktivita katalyzátoru fl(T) je teplotní závislost, například Arheníova rovnice f2(D) je závislost množství pomocného katalyzátoru (donoru) f3(H) je závislost vodíku
To je provedeno numerickou integrací. Vypočítané hodnoty modelu pro CV jsou potom odvozeny ze stavového vektoru, například pro řízeni rychlosti výroby a MFR y (yRate) = Rp y(yMFR) = MFR vypočítaná z molekulární hmotnosti (nebo příslušného parametru)
Tyto jsou potom řízeny s ohledem na jejich nastavené hodnoty. Ze stavového vektoru jsou rovněž vypočítány hodnoty použité pro aktualizaci:
q(qrate)= Rp q(qMFR) = MFR vypočítaná z molekulární hmotnosti (nebo příslušného parametru) kde parametr rychlosti pro kinetický model q-rate je aktualizován na základě rozdílu mezi q-vypočtenou a q-změřenou hodnotou, například:
Ap = Ap + q * (q_změřená - q_vypočtená)/q_změřená
Když je tento postup prováděn on-line, výsledky jsou reprezentovány na obr. 6, obr. 7 a obr. 8, kde CV jsou MFR (viz obr. 6), hustota kaše (viz obr. 7) a rychlost výroby (viz obr. 8). Přechod mezi třídami se provádí z MFR=4 na MFR=12 a současně se mění nastavená hodnota hustoty kaše z 500 na 520 kg/m3 a nastavená hodnota rychlosti výroby se mění z 8000 kg/hod na 10000 kg/hod. Budoucí predikce jsou prezentovány na displeji tak zvaného budoucího grafu, kde je prezentováno očekávané chování CV v blízké budoucnosti. Obr.
znázorňuje predikované chování MFR (křivka A). Skoková změna je způsobena aktualizací hodnoty na základě výsledku z laboratoře. Křivka B je nastavená hodnota operátorem pro požadovanou hodnotu. Křivka C ilustruje, jak si regulátor přeje manipulovat s přívodem vodíku pro dosažení správné MFR. Time=0 je aktuální čas. Nalevo je vynesena historie ilustrující aktuální hodnot, zatímco napravo je vynášena budoucnost ilustrující predikované (vypočítané) hodnoty. Stejné grafy jsou rovněž znázorněny pro rychlost výroby (obr. 10) a hustotu kaše (obr. 11). To ilustruje skutečně více-proměnný regulátor.
Claims (10)
- PATENTOVÉ NÁROKY1. Způsob řízení procesu, vyznačující se tím, že zahrnuje kroky:a) vytvoření fundamentálního modelu odpovídájíčího procesu;b) zadání údajů popisujících aktuální a požadované budoucí podmínky procesu;c) s použitím uvedených údajů vytvoření lineárního přiblížení k modelu, které je platné pro uvedené aktuální podmínky;d) použití uvedeného lineárního přiblížení pro stanovení přibližného řešení pro řídící problém týkající se procesu;e) řízení procesu s použitím uvedeného přibližného řešení; af) opakování kroků b) až e).
- 2. Způsob podle nároku 1, vyznačující se tím, že modle je nelineární.
- 3. Způsob podle nároku 1 nebo 2, vyznačující se tím, že lineární přiblížení je generováno prostřednictvím numerické perturbace modelu.
- 4. Způsob podle nároku 3, vyznačující se tím, že lineární přiblížení vytváří problém kvadratického programování, který je řešen pro stanovení přibližného řešení pro řídící problém.
- 5. Způsob podle kteréhokoliv z předcházejících nároků, vyznačující se tím, že přibližné řešení se použije pro stanovení přesnějšího řešení.
- 6. Způsob podle kteréhokoliv z předcházejících nároků, vyznačující se tím, že fundamentální model se použije pro výpočet řídící odezvy.
- 7. Způsob podle kteréhokoliv z předcházejících nároků, vyznačující se tím, že vytváření lineárního přiblížení k modelu se opakuje podle požadavků s použitím nových vstupních údajů.
- 8. Způsob podle kteréhokoliv z předcházejících nároků, vyznačující se tím, že procesem je polymerační proces.
- 9. Způsob podle nároku 8, vyznačující se tím, že proces zahrnuje přechod z výroby polymeru první třídy na polymer druhé třídy, přičemž tento přechod je řízen automaticky.
- 10. Řídící zařízení pro řízení procesu, které zahrnuje regulátor, vstupní a výstupní prostředky a model, vyznačující se tím, že:a) uvedeným modelem je fundamentální model odpovídající procesu;b) jsou vytvořeny prostředky pro opakované zadávání údajů popisujících aktuální a požadované budoucí podmínky procesu;c) jsou vytvořeny prostředky pro výpočet lineárního přiblížení k modelu, které je platné pro všechny uvedené vstupní podmínky;d) jsou vytvořeny prostředky pro použití každého uvedeného lineárního přiblížení pro stanovení přibližného řešení pro řídící problém týkající se procesu; ae) jsou vytvořeny prostředky pro generování výstupních signálů pro řízení procesu s použitím uvedeného přibližného řešení.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB0005866.9A GB0005866D0 (en) | 2000-03-10 | 2000-03-10 | Process control system |
Publications (1)
Publication Number | Publication Date |
---|---|
CZ20023362A3 true CZ20023362A3 (cs) | 2003-05-14 |
Family
ID=9887417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CZ20023362A CZ20023362A3 (cs) | 2000-03-10 | 2001-03-12 | Způsob a řídící zařízení pro řízení procesu |
Country Status (18)
Country | Link |
---|---|
US (1) | US20030120361A1 (cs) |
EP (1) | EP1264224B1 (cs) |
JP (1) | JP2003526856A (cs) |
KR (1) | KR100518292B1 (cs) |
CN (1) | CN1248074C (cs) |
AT (1) | ATE265701T1 (cs) |
AU (2) | AU2001240799B2 (cs) |
BR (1) | BR0109154A (cs) |
CA (1) | CA2401543A1 (cs) |
CZ (1) | CZ20023362A3 (cs) |
DE (1) | DE60103037T2 (cs) |
ES (1) | ES2220732T3 (cs) |
GB (1) | GB0005866D0 (cs) |
HU (1) | HUP0302014A3 (cs) |
NO (1) | NO322812B1 (cs) |
PL (1) | PL357339A1 (cs) |
PT (1) | PT1264224E (cs) |
WO (1) | WO2001067189A1 (cs) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7783468B2 (en) * | 1998-05-13 | 2010-08-24 | Accretive Technologies, Inc. | Automated system and method for service and cost architecture modeling of enterprise systems |
US7389211B2 (en) * | 1998-05-13 | 2008-06-17 | Abu El Ata Nabil A | System and method of predictive modeling for managing decisions for business enterprises |
US20020049573A1 (en) * | 1998-05-13 | 2002-04-25 | El Ata Nabil A. Abu | Automated system and method for designing model based architectures of information systems |
CN1329110C (zh) * | 2001-09-26 | 2007-08-01 | 伊内奥斯美国公司 | 一体化的化工工艺控制 |
US7376472B2 (en) * | 2002-09-11 | 2008-05-20 | Fisher-Rosemount Systems, Inc. | Integrated model predictive control and optimization within a process control system |
DE10349661B8 (de) * | 2003-10-24 | 2007-12-06 | Siemens Ag | Einrichtung und Verfahren zur Überwachung der Parameterwahl beim Betrieb eines technischen Gerätes |
JP4722461B2 (ja) * | 2003-12-03 | 2011-07-13 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | モデルスイッチングおよび属性補間を用いた適応型多変数プロセスコントローラ |
US7400933B2 (en) * | 2004-02-06 | 2008-07-15 | Wisconsin Alumni Research Foundation | SISO model predictive controller |
JP4834988B2 (ja) * | 2004-12-14 | 2011-12-14 | 横河電機株式会社 | 連続系プロセス制御方法および連続系プロセス制御システム |
US7451004B2 (en) * | 2005-09-30 | 2008-11-11 | Fisher-Rosemount Systems, Inc. | On-line adaptive model predictive control in a process control system |
US7877154B2 (en) * | 2005-09-30 | 2011-01-25 | Fisher-Rosemount Systems, Inc. | Method and system for controlling a batch process |
JP5096359B2 (ja) * | 2005-12-05 | 2012-12-12 | フィッシャー−ローズマウント システムズ,インコーポレイテッド | 同時プロセスシミュレーションを伴う多目的予測プロセス最適化 |
US7496413B2 (en) * | 2006-05-03 | 2009-02-24 | Honeywell Asca Inc. | Apparatus and method for coordinating controllers to control a paper machine or other machine |
US7496414B2 (en) | 2006-09-13 | 2009-02-24 | Rockwell Automation Technologies, Inc. | Dynamic controller utilizing a hybrid model |
EP2067079B1 (en) * | 2006-09-21 | 2020-03-18 | Union Carbide Chemicals & Plastics Technology LLC | Method of controlling properties in multimodal systems |
DE102007030492B4 (de) * | 2007-06-30 | 2009-11-26 | Robert Bosch Gmbh | Gebäudemodellbasiertes prädiktives Verfahren zur Generierung und Weitergabe von Informationen über Auswirkungen von Sollwert-Änderungen |
US7881815B2 (en) * | 2007-07-12 | 2011-02-01 | Honeywell International Inc. | Method and system for process control |
US8862438B2 (en) * | 2007-08-07 | 2014-10-14 | Dow Global Technologies Llc | Method for improving the prediction of polymer properties |
EP2055721A1 (en) * | 2007-11-05 | 2009-05-06 | Total Petrochemicals Research Feluy | Method for optimising the transition from one polymer grade to another |
EP2055720A1 (en) * | 2007-11-05 | 2009-05-06 | Total Petrochemicals Research Feluy | Predictive model for density and melt index of polymer leaving loop reactor |
US8108074B2 (en) * | 2008-02-12 | 2012-01-31 | Honeywell International Inc. | Apparatus and method for optimizing operation of sugar dryers |
CN101887255B (zh) * | 2009-05-14 | 2012-07-04 | 宝山钢铁股份有限公司 | 一种实时数据传递装置及其方法 |
US8560283B2 (en) * | 2009-07-10 | 2013-10-15 | Emerson Process Management Power And Water Solutions, Inc. | Methods and apparatus to compensate first principle-based simulation models |
AU2010326117A1 (en) | 2009-12-02 | 2012-05-31 | Shell Internationale Research Maatschappij B.V. | Economics-based coordination of advanced process control and real-time optimization |
EP2383301A1 (en) | 2010-04-30 | 2011-11-02 | Ineos Europe Limited | Polymerization process |
EP2383298A1 (en) | 2010-04-30 | 2011-11-02 | Ineos Europe Limited | Polymerization process |
CA2859847C (en) | 2011-12-22 | 2019-01-22 | Statoil Petroleum As | Method and system for fluid separation with an integrated control system |
US9122261B2 (en) * | 2012-04-24 | 2015-09-01 | Honeywell International Inc. | Apparatus and method for real-time sequential quadratic programming in industrial process control systems |
DK177915B1 (en) * | 2013-05-28 | 2015-01-05 | Core As | Process control method |
DE102013109412A1 (de) * | 2013-08-29 | 2015-03-05 | Prominent Gmbh | Verfahren zur Verbesserung von Dosierprofilen von Verdrängerpumpen |
US10379503B2 (en) | 2014-07-21 | 2019-08-13 | Honeywell International Inc. | Apparatus and method for calculating proxy limits to support cascaded model predictive control (MPC) |
US9733629B2 (en) | 2014-07-21 | 2017-08-15 | Honeywell International Inc. | Cascaded model predictive control (MPC) approach for plantwide control and optimization |
EP3248077B1 (en) * | 2015-01-24 | 2020-09-02 | ABB Schweiz AG | A method and system for controlling a process plant using transition data |
US10466684B2 (en) | 2017-05-25 | 2019-11-05 | Honeywell International Inc. | Apparatus and method for adjustable identification of controller feasibility regions to support cascaded model predictive control (MPC) |
US10908562B2 (en) | 2017-10-23 | 2021-02-02 | Honeywell International Inc. | Apparatus and method for using advanced process control to define real-time or near real-time operating envelope |
US20230057943A1 (en) * | 2020-02-04 | 2023-02-23 | Daicel Corporation | Prediction apparatus, prediction method, and program |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5559728A (en) * | 1990-10-09 | 1996-09-24 | University Of Washington | Calibration transfer for second order analytical instruments |
US5459677A (en) * | 1990-10-09 | 1995-10-17 | Board Of Regents Of The University Of Washington | Calibration transfer for analytical instruments |
US5687090A (en) * | 1994-09-01 | 1997-11-11 | Aspen Technology, Inc. | Polymer component characterization method and process simulation apparatus |
US5682309A (en) * | 1995-04-28 | 1997-10-28 | Exxon Chemical Patents Inc. | Feedback method for controlling non-linear processes |
US6654649B2 (en) * | 1999-12-22 | 2003-11-25 | Aspen Technology, Inc. | Computer method and apparatus for optimized controller in a non-linear process |
-
2000
- 2000-03-10 GB GBGB0005866.9A patent/GB0005866D0/en not_active Ceased
-
2001
- 2001-03-12 WO PCT/GB2001/001079 patent/WO2001067189A1/en not_active Application Discontinuation
- 2001-03-12 DE DE60103037T patent/DE60103037T2/de not_active Expired - Lifetime
- 2001-03-12 AU AU2001240799A patent/AU2001240799B2/en not_active Ceased
- 2001-03-12 ES ES01911877T patent/ES2220732T3/es not_active Expired - Lifetime
- 2001-03-12 PT PT01911877T patent/PT1264224E/pt unknown
- 2001-03-12 AT AT01911877T patent/ATE265701T1/de not_active IP Right Cessation
- 2001-03-12 CZ CZ20023362A patent/CZ20023362A3/cs unknown
- 2001-03-12 AU AU4079901A patent/AU4079901A/xx active Pending
- 2001-03-12 HU HU0302014A patent/HUP0302014A3/hu unknown
- 2001-03-12 JP JP2001566100A patent/JP2003526856A/ja active Pending
- 2001-03-12 CA CA002401543A patent/CA2401543A1/en not_active Abandoned
- 2001-03-12 US US10/221,219 patent/US20030120361A1/en not_active Abandoned
- 2001-03-12 CN CNB018062636A patent/CN1248074C/zh not_active Expired - Fee Related
- 2001-03-12 BR BR0109154-9A patent/BR0109154A/pt not_active Application Discontinuation
- 2001-03-12 EP EP01911877A patent/EP1264224B1/en not_active Expired - Lifetime
- 2001-03-12 KR KR10-2002-7011822A patent/KR100518292B1/ko not_active IP Right Cessation
- 2001-03-12 PL PL01357339A patent/PL357339A1/xx unknown
-
2002
- 2002-09-09 NO NO20024288A patent/NO322812B1/no unknown
Also Published As
Publication number | Publication date |
---|---|
PT1264224E (pt) | 2004-09-30 |
EP1264224B1 (en) | 2004-04-28 |
GB0005866D0 (en) | 2000-05-03 |
KR20020083175A (ko) | 2002-11-01 |
DE60103037T2 (de) | 2005-04-28 |
NO20024288L (no) | 2002-11-05 |
US20030120361A1 (en) | 2003-06-26 |
NO20024288D0 (no) | 2002-09-09 |
CA2401543A1 (en) | 2001-09-13 |
ES2220732T3 (es) | 2004-12-16 |
CN1248074C (zh) | 2006-03-29 |
CN1416540A (zh) | 2003-05-07 |
WO2001067189A1 (en) | 2001-09-13 |
NO322812B1 (no) | 2006-12-11 |
EP1264224A1 (en) | 2002-12-11 |
BR0109154A (pt) | 2003-04-22 |
JP2003526856A (ja) | 2003-09-09 |
ATE265701T1 (de) | 2004-05-15 |
PL357339A1 (en) | 2004-07-26 |
AU2001240799B2 (en) | 2005-04-28 |
DE60103037D1 (de) | 2004-06-03 |
AU4079901A (en) | 2001-09-17 |
HUP0302014A3 (en) | 2006-01-30 |
KR100518292B1 (ko) | 2005-10-04 |
HUP0302014A2 (hu) | 2003-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CZ20023362A3 (cs) | Způsob a řídící zařízení pro řízení procesu | |
AU2001240799A1 (en) | Process control system | |
Qin et al. | An overview of nonlinear model predictive control applications | |
EP2788827B1 (en) | Apparatus and methods for non-invasive closed loop step testing using a tunable trade-off factor | |
JP3949164B2 (ja) | 非線形プロセスを制御するためのフィードバック法 | |
JP5479443B2 (ja) | バッチプロセスを制御するためのシステムおよび方法 | |
US8055358B2 (en) | Multi-objective predictive process optimization with concurrent process simulation | |
Biegler | Advances in nonlinear programming concepts for process control | |
CN106537267B (zh) | 用于化学处理工业和其它工业的鲁棒控制设计方案 | |
JP2007188473A5 (cs) | ||
EP4202582A1 (en) | Method of operation of a process plant, soft sensor and digital process twin system and use thereof | |
Ye et al. | Global self-optimizing control with active-set changes: A polynomial chaos approach | |
Bonvin et al. | Control and optimization of batch chemical processes | |
Himmel et al. | Machine learning for process control of (bio) chemical processes | |
Ye et al. | Generalized global self-optimizing control for chemical processes part I. The existence of perfect controlled variables and numerical design methods | |
KRÄ et al. | Process Systems Engineering, 5. Process Dynamics, Control, Monitoring, and Identification | |
JP2021082200A (ja) | 情報処理システム、方法、およびプログラム | |
Tyagounov | High-performance model predictive control for process industry | |
Dvoretskii et al. | Integrated design of power-and resource-saving chemical processes and process control systems: Strategy, methods, and application | |
Jämsä | Model predictive control for the Tennessee Eastman process | |
Naidoo et al. | Experiences with nonlinear MPC in polymer manufacturing | |
Qin et al. | An Overview of Nonlinear Model Predictive Con-trol Applications | |
Castillo et al. | Continuous Flow Synthesis of Mesalazine via Data-Driven Nonlinear Model Predictive Control | |
WO2024126785A1 (en) | Hybrid modelling and control of industrial batch distillation processes | |
Arpornwichanop et al. | Dual mode NMPC for regulating the concentration of exothermic reactor under parametric uncertainties |