KR100877061B1 - Multivariable Predictive Control System and Method thereof - Google Patents

Multivariable Predictive Control System and Method thereof Download PDF

Info

Publication number
KR100877061B1
KR100877061B1 KR1020060128077A KR20060128077A KR100877061B1 KR 100877061 B1 KR100877061 B1 KR 100877061B1 KR 1020060128077 A KR1020060128077 A KR 1020060128077A KR 20060128077 A KR20060128077 A KR 20060128077A KR 100877061 B1 KR100877061 B1 KR 100877061B1
Authority
KR
South Korea
Prior art keywords
output
variable
input
mvo
control system
Prior art date
Application number
KR1020060128077A
Other languages
Korean (ko)
Other versions
KR20080055132A (en
Inventor
이승주
Original Assignee
엘에스산전 주식회사
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 엘에스산전 주식회사 filed Critical 엘에스산전 주식회사
Priority to KR1020060128077A priority Critical patent/KR100877061B1/en
Publication of KR20080055132A publication Critical patent/KR20080055132A/en
Application granted granted Critical
Publication of KR100877061B1 publication Critical patent/KR100877061B1/en

Links

Images

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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • G05B13/041—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 variable is automatically adjusted to optimise the performance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Feedback Control In General (AREA)

Abstract

본 발명은 다변수 예측 제어 시스템에 관한 것으로서, 특히 분산 제어 시스템의 실시간 제어기에 다변수 예측 제어 기능을 내장시켜서 엔지니어링 방식으로 구현하는 방법 및 시스템에 관한 것이다.The present invention relates to a multivariate predictive control system, and more particularly, to a method and system for implementing a multivariate predictive control function in an engineering manner by embedding a multivariate predictive control function in a real time controller of a distributed control system.

상기 제어기에 내장되는 다변수 제어기능은 공정의 모델링, 예측 알고리즘 수행, 공정변수 및 조작변수의 입출력 등의 각 기능별로 기능부(Function Block)를 구현하고, 현장의 공정 상태나 제어방법에 따라서 각 기능부의 전부나 일부만을 변경하여 제어 시스템을 구축할 수 있는 표준화된 방법을 제공한다.The multi-variable control function built into the controller implements a function block for each function such as modeling of a process, performing prediction algorithms, input / output of process variables and operation variables, and depending on the process state or control method of the site. It provides a standardized way to build a control system by changing all or part of the functional units.

분산 제어 시스템, 다변수 예측 제어 시스템, 기능부(Function Block) Distributed Control System, Multivariate Predictive Control System, Function Block

Description

다변수 예측제어 시스템 및 방법{Multivariable Predictive Control System and Method thereof}Multivariable Predictive Control System and Method

도 1은 종래의 모델기반 예측제어 시스템의 구성을 나타내는 도면.1 is a view showing the configuration of a conventional model-based predictive control system.

도 2는 종래의 모델기반 예측 제어 시스템에 따르는 다변수 예측 제어 방법을 나타내는 운영 흐름도.
도 3은 본 발명에 따르는 모델기반 예측제어 시스템의 구성을 나타내는 도면.2 is a flowchart illustrating a multivariate predictive control method according to a conventional model-based predictive control system.
3 is a diagram showing the configuration of a model-based predictive control system according to the present invention;

도 4은 본 발명에 따르는 다변수 예측 제어 방법을 나타내는 운영 흐름도.4 is an operational flow diagram illustrating a multivariate predictive control method in accordance with the present invention.

* 도면의 주요부분 설명 *Description of the main parts of the drawing

100 : 분산제어시스템 110 : HMI100: distributed control system 110: HMI

120 : 데이터베이스 130 : 제어기120: database 130: controller

131 : 모델링 계수 기능부 133 : 알고리즘 기능부131: modeling coefficient function 133: algorithm function

135 : 공정 입출력 기능부135: process input / output function

본 발명은 분산 제어 시스템의 실시간 제어기에 다변수 예측 제어 기능을 내 장시켜서 엔지니어링 방식으로 구현하는 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for implementing an engineering method by embedding a multivariate predictive control function in a real time controller of a distributed control system.

모델기반 예측제어(MPC : Model based Predictive Control)시스템은 공정을 제어할 때, 수학적 방법이나 실험적 방법을 통해 해당 공정의 특성을 모델링하여 미래의 조작변수(Manipulated Variable : MV)를 예측하고, 미리 설정된 조작변수(MV)와의 오차가 최소화 되도록 제어기 조작변수(MV)를 계산하여 공정의 입력으로 주는 예측 제어 기능을 수행한다.Model based Predictive Control (MPC) system predicts future manipulated variable (MV) by modeling the characteristics of the process through mathematical or experimental methods when controlling the process. Predictive control is performed to calculate the controller manipulated variable (MV) as input to the process to minimize the error with the manipulated variable (MV).

종래에 다변수 제어 기능을 수행하기 위해서는 상기한 바와 같이 미리 공정의 액위, 스팀 또는 밸브 등의 연관관계나 특성을 수학적 방법이나 실험적 방법을 통해 모델링 하고, 이 모델을 소프트웨어로 구현한 후에 외부의 PC나 UNIX 시스템에 포팅(Porting) 해서 모델 기반 예측제어 시스템을 구성한다.Conventionally, in order to perform the multivariate control function, the correlation or characteristics of the liquid level, steam, or valve of the process are previously modeled by a mathematical method or an experimental method as described above. Or porting to a UNIX system to construct a model-based predictive control system.

도 1은 종래의 모델기반 예측제어 시스템의 구성을 나타내는 도면이다. 1 is a diagram showing the configuration of a conventional model-based predictive control system.

종래의 모델기반 예측제어 시스템은 다변수 제어 시스템(10)이 분산제어 시스템(DCS : Distributed Control System)(20)과 네트워크로 연결되어 있고, 분산제어 시스템(20)은 상호 연관 관계를 갖는 탱크, 밸브, 유량계 등의 공정부(30)와 연결되어 있다.In the conventional model-based predictive control system, the multivariate control system 10 is connected to a distributed control system (DCS) 20 in a network, and the distributed control system 20 includes a tank having a mutual relationship. It is connected with the process part 30, such as a valve and a flowmeter.

상기의 분산 제어 시스템(20)은 일반적으로 플랜트(plant)에 적용되는 대형 시스템을 다양한 소단위 서브시스템으로 분리하고 각 소단위 시스템에서 각자의 역할을 수행하도록 하며 소단위 서브시스템 상호 간에 통신을 가능하게 한 것으로, 공정을 제어하는 제어기(RCS: Remote Control Station)(25), 공정 데이터를 저장하는 데이터베이스(DB)(23)와 공정 데이터를 표시하고 운영자가 감시 및 조작할 수 있는 HMI(Human Machine Interface)(21)로 구성되어 있다.The distributed control system 20 generally divides a large system that is applied to a plant into various sub-unit subsystems, performs its own role in each sub-unit system, and enables communication between the sub-unit subsystems. , A remote control station (RCS) 25 to control the process, a database (DB) 23 to store process data and a Human Machine Interface (HMI) that displays process data and can be monitored and operated by an operator ( 21).

상기의 다변수 제어 시스템(10)은 다변수 제어 알고리즘이 내장된 PC 또는 UNIX 시스템으로 구성되며, 분산 제어 시스템(20)과는 별도로 구성되므로, 네트워크를 통하여 분산 제어 시스템의 공정변수(CV : Controlled Variable)와 조작변수(MV)를 입력받아서 예측제어 알고리즘을 수행한 후 다시 네트워크를 통하여 분산 제어 시스템(20)에 조작변수(MV)를 출력하는 구조로 되어있다.The multivariate control system 10 is composed of a PC or UNIX system in which a multivariate control algorithm is embedded, and is configured separately from the distributed control system 20, thereby controlling process variables (CV) of the distributed control system through a network. Variable) and an operation variable (MV) are input to perform a predictive control algorithm, and then outputs the operation variable (MV) to the distributed control system 20 through a network.

이하, 도 2를 참조하여 종래의 다변수 예측 제어 시스템의 동작을 살펴보면, 상기 분산 제어 시스템(20)의 제어기(25)는 공정변수(CV)와 조작변수(MV)를 데이터베이스(23)에 저장한다(S40).Hereinafter, referring to FIG. 2, the operation of the conventional multivariate predictive control system will be described. The controller 25 of the distributed control system 20 stores the process variable CV and the manipulated variable MV in the database 23. (S40).

그리고 다변수 제어 시스템(10)은 네트워크를 통해서 상기 분산 제어 시스템(20)의 데이터베이스(23)에 저장되어 있는 공정변수(CV)와 조작변수(MV)를 입력받고, 한편 분산 제어 시스템(20)이 다변수 제어 시스템(10)의 이상 유무를 알 수 있도록 해주는 표지인 라이브 카운트(live count)를 증가시켜서 출력한다(S42).The multivariate control system 10 receives a process variable CV and an operation variable MV stored in the database 23 of the distributed control system 20 through a network, and the distributed control system 20 The live count, which is a mark that allows the user to know whether the multivariate control system 10 is abnormal, is increased and output (S42).

그리고 다변수 제어 시스템(10)이 상기 입력받은 공정변수(CV)와 조작변수(MV)가 적정 범위 내에 있는지 확인한 후에(S44), 기기들 간의 특성조사를 통해서 생성된 행렬 형태의 공정 모델에 상기 공정변수(CV)와 조작변수(MV)를 대입하고(S46), 조작변수(MV)의 결과에 영향을 줄 수 있는 튜닝 파라미터 등을 입력하여 공정 상태 추정(State estimation)을 수행한다(S48).After the multivariate control system 10 checks whether the received process variable CV and the manipulated variable MV are within an appropriate range (S44), the multivariate control system 10 checks the process model in the form of a matrix generated through the characteristic investigation between devices. Substituting the process variable CV and the manipulated variable MV (S46) and inputting a tuning parameter that may affect the result of the manipulated variable (MV) to perform state estimation (S48). .

그리고 다변수 제어 시스템(10) 내의 최적화 기법 알고리즘에 따라 반복 연 산을 수행하여 최적의 조작변수(MV)를 결정한다(S50).Then, iterative calculation is performed according to the optimization technique algorithm in the multivariate control system 10 to determine the optimum operation variable (MV) (S50).

그리고 다변수 제어 시스템(10)은 상기 결정된 최적의 조작변수(MV)를 네트워크를 통해 분산 제어 시스템(20)의 데이터베이스(23)에 저장하고(S52), 상기 분산 제어 시스템(20)의 제어기(25)는 상기 데이터베이스(23)로부터 입력받은 조작변수(MV)를 현장의 공정부(30)에 출력한다(S54).The multivariate control system 10 stores the determined optimal operation variable MV in a database 23 of the distributed control system 20 through a network (S52), and controls the controller of the distributed control system 20 (S52). 25 outputs the operation variable (MV) received from the database 23 to the process unit 30 of the field (S54).

종래의 모델기반 예측제어 시스템은 상기의 과정을 반복함으로써 현장 공정을 제어하게 된다.The conventional model-based predictive control system controls the field process by repeating the above process.

상술한 종래의 다변수 제어 시스템(10)은 복잡한 경로를 통해 공정변수(CV)와 조작변수(MV)를 입출력하므로 네트워크에 이상이 생기는 경우이거나, 데이터베이스의 통신 과부하 등의 문제 발생시 공정 제어가 불가능해져 해당 공정에 치명적인 손상을 줄 수 있다. Since the above-described conventional multivariate control system 10 inputs and outputs process variables (CV) and operation variables (MV) through a complicated path, when a problem occurs in the network or a problem such as communication overload of a database, process control is impossible. This can cause serious damage to the process.

그리고 상기 다변수 제어 시스템(10)은 단독 시스템으로 구성되므로 다변수 제어 시스템 자체에 이상이 발생하는 경우에 공정 전체가 마비될 수 있는 문제가 있으며, 분산 제어 시스템(20)이 다변수 제어 시스템(10)의 이상을 감지하여 운전을 중단시키고 공정을 구제한다고 하더라도 공정을 복구하기는 매우 어려운 문제가 발생할 수 있다. In addition, since the multivariate control system 10 is configured as a single system, when an abnormality occurs in the multivariate control system itself, the entire process may be paralyzed, and the distributed control system 20 may use the multivariate control system ( Even if it detects an abnormality in 10) and stops the operation and rescues the process, it may be very difficult to recover the process.

또한, 다변수 제어 시스템의 표준화된 알고리즘이 존재하지 않으므로 새로운 공정마다 새로이 프로그램을 변경해야 하는 기술적인 문제점 및 별도의 PC나 UNIX 시스템을 구성해야 하므로 비용상의 문제점이 있을 수 있다.In addition, since the standardized algorithm of the multivariate control system does not exist, there may be a technical problem that requires a new program change for each new process and a cost problem since a separate PC or UNIX system must be configured.

따라서, 본 발명의 목적은 분산 제어 시스템의 제어기 내부에 표준화된 알고리즘을 갖는 다변수 예측 제어 기능을 구현하고, 입력 파라미터의 일부 설정만을 변경함으로써 다양한 현장의 공정을 제어할 수 있는 엔지니어링 방식의 다변수 예측 제어 방법 및 시스템을 제공하는 데 있다.Accordingly, an object of the present invention is to implement a multivariate predictive control function having a standardized algorithm inside a controller of a distributed control system, and to control various field processes by changing only a part of input parameters. It is to provide a predictive control method and system.

상기 목적을 달성하기 위한 본 발명은, 출력조작변수(MVO : Manipulated Variable Output)를 연산하기 위한 파라미터를 입력받고, 현장 공정부의 공정을 모니터링하여 표시하는 HMI(Human Machine Interface), 상기 HMI로부터 입력되는 파라미터를 저장하는 데이터 베이스, 상기 데이터베이스에 저장되어있는 파라미터를 입력받고, 현장의 공정부로부터 공정변수(CV : Controlled Variable) 및 입력조작변수(MVI : Manipulated Variable Input)를 입력받아 출력조작변수(MVO)를 연산하여 상기 연산 결과를 알고리즘 모드 또는 HMI 모드 중 선택하여 출력하는 제어기로 이루어진 분산 제어 시스템을 포함하는 다변수 예측 제어기이다.In order to achieve the above object, the present invention includes a HMI (Human Machine Interface) for receiving a parameter for calculating a Manipulated Variable Output (MVO), and monitoring and displaying a process of an on-site process unit, which is input from the HMI. Database for storing parameters, parameters stored in the database are input, and process variables (CV: Controlled Variable) and Manipulated Variable Input (MVI) are input from the process unit in the field and output operation variables (MVO) ) Is a multivariate prediction controller including a distributed control system comprising a controller for selecting and outputting the calculation result in algorithm mode or HMI mode.

또한, 상기 출력조작변수(MVO)를 연산하기 위한 파라미터는, 출력조작변수(MVO)의 제어주기, 출력조작변수(MVO)의 출력 모드, 공정변수(CV) 및 입력조작변수(MVI)의 범위, 제어기를 튜닝하기 위한 가중치 행렬, 공정변수(CV)의 목표값(Set Point), 다변수 예측 제어방법에 있어서의 예측 단계의 수로 이루어지는 것을 특징으로 한다.In addition, the parameter for calculating the output operation variable (MVO), the control period of the output operation variable (MVO), the output mode of the output operation variable (MVO), the range of the process variable (CV) and the input operation variable (MVI) , A weight matrix for tuning the controller, a target value (Set Point) of the process variable (CV), and the number of prediction steps in the multivariate prediction control method.

또한, 상기 출력조작변수(MVO)를 연산하는 다변수 예측 제어기는, 공정 상태의 동특성을 공정 모델로 표현하고, 공정조사를 통해 상기 공정 모델의 각 공정 모델 계수가 행렬 형태로 구현되는 모델링 계수 기능부, 상기 모델링 계수 기능부로부터 공정 모델 계수를 입력받고, 공정변수(CV) 및 입력조작변수(MVI)를 대입하여 상태추정 및 동적 최적화 과정을 수행하여 구해진 출력조작변수(MVO)를 출력하는 알고리즘 기능부, 현장의 공정부와 상기의 알고리즘 기능부 사이에 상기의 공정변수 및 조작변수의 입출력을 담당하는 공정 입출력 기능부로 이루어지는 것을 특징으로 한다.In addition, the multivariate prediction controller for calculating the output operation variable (MVO) is a modeling coefficient function that represents the dynamic characteristics of the process state in a process model, and the process model coefficients of the process model are implemented in a matrix form through process investigation The algorithm which receives the process model coefficients from the modeling coefficient function unit, substitutes process variables (CVs) and input manipulation variables (MVIs), and outputs output MVOs obtained by performing state estimation and dynamic optimization processes. And a process input / output function unit that is responsible for input / output of the process variable and the operation variable between the functional unit, the field process unit, and the algorithm function unit.

한편, 본 발명에 따르는 다변수 예측 제어 방법은 출력조작변수(MVO)의 연산을 수행하기 위하여 알고리즘 기능부가 HMI로부터 파라미터를 입력받고, 모델링 계수 기능부로부터 공정 모델 계수를, 공정 입출력 기능부로부터 공정변수(CV) 및 입력조작변수(MVI)를 입력받는 단계, 상기 공정 입출력 기능부로부터 입력받은 공정변수(CV) 및 입력조작변수(MVI)가 기설정된 범위 내에 있는지를 판단하는 단계, 상기 판단결과 공정변수(CV) 및 입력조작변수(MVI)의 값이 기설정된 범위 내에 있는 경우에는 출력조작변수(MVO)의 출력모드를 선택하거나 또는 기설정된 범위 내에 없는 경우에는 다시 알고리즘 기능부가 모델링 계수 기능부로부터 공정 모델 계수를 입력받는 단계, 상기 판단결과 공정변수(CV) 및 입력조작변수(MVI)의 값이 기설정된 범위 내에 있어서 출력조작변수(MVO)의 출력모드를 선택할 때, 상기 선택한 조작변수 출력모드가 알고리즘 모드인 경우에는 상기 공정변수(CV) 및 입력조작변수(MVI)의 제약조건을 고려하여 현장 공정부의 미래 출력을 예측하고 미리 설정된 출력과의 오차가 최소가 되도록 출력조작변수(MVO)를 연산한 후 제어주기를 확인하여 공정 입출력 기능부에 출력하거나 또는 상기 선택한 조작변수 출력모드가 알고리즘 모드가 아닌 경우에는 상기 HMI로부터 입력받은 출력조작변수(MVO)를 공정 입출력 기능부에 출력하는 단계 및 공정 입출력 기능부는 상기 상기 공정 입출력 기능부로 출력되는 출력조작변수(MVO)를 현장의 공정부에 출력하여 공정을 제어하는 단계로 이루어진다.Meanwhile, in the multivariate prediction control method according to the present invention, an algorithm function unit receives a parameter from an HMI, a process model coefficient from a modeling coefficient function unit, and a process input / output function unit to perform an operation of an output manipulation variable (MVO). Receiving a variable CV and an input operation variable MVI, determining whether the process variable CV and the input operation variable MVI received from the process input / output function unit are within a preset range, and the determination result If the values of the process variable (CV) and the input manipulated variable (MVI) are within the preset range, select the output mode of the output manipulated variable (MVO), or if it is not within the preset range, the algorithm function adds the modeling coefficient function. Receiving a process model coefficient from the controller; and outputting the process variable CV and the input manipulation variable MVI within a predetermined range as a result of the determination. When selecting the MVO output mode, when the selected manipulated variable output mode is an algorithm mode, the future output of the field process unit is predicted by considering the constraints of the process variable CV and the input manipulated variable MVI. After calculating the output operation variable (MVO) to minimize the error with the preset output, check the control period and output it to the process input / output function unit, or input from the HMI when the selected operation variable output mode is not the algorithm mode. Outputting the received output operation variable (MVO) to the process input / output function unit and the process input / output function unit outputting the output operation variable (MVO) output to the process input / output function unit to a process unit in the field to control the process. .

삭제delete

삭제delete

이하, 도면을 참조하여 본 발명의 목적, 특징 및 장점들을 보다 상세히 설명한다.Hereinafter, with reference to the drawings will be described in more detail the objects, features and advantages of the present invention.

도 3는 본 발명에 따르는 모델기반 예측제어 시스템(MPC)의 구성을 나타내는 도면이다. 상기 모델기반 예측제어 시스템(MPC)은 분산 제어 시스템(DCS)(100)들이 네트워크로 연결되어 있고, 분산제어 시스템(100)들은 상호 연관 관계를 갖는 탱크, 밸브, 유량계 등의 공정부(200)와 연결되어 있다.3 is a diagram illustrating a configuration of a model-based predictive control system (MPC) according to the present invention. The model-based predictive control system (MPC) is a distributed control system (DCS) 100 is connected to the network, the distributed control system 100 is a process unit 200, such as tanks, valves, flow meters having a mutual relationship Connected with

본 발명에 따르는 상기의 분산 제어 시스템(100)은 공정 데이터의 감시 및 운영자의 조작이 가능한 HMI(110), 공정 데이터를 저장하는 데이터베이스(120), 공정을 제어할 수 있는 제어기(130)들로 구성되어 있고, 상기의 제어기(130)에는 다변수 제어 알고리즘이 구현된 기능부(Function Block)가 내장되어 있다.The distributed control system 100 according to the present invention includes an HMI 110 capable of monitoring process data and operating by an operator, a database 120 storing process data, and controllers 130 capable of controlling a process. The controller 130 includes a function block in which a multivariate control algorithm is implemented.

상기 HMI(110)는 다변수 제어 예측 알고리즘에 필요한 파라미터들 또는 출력조작변수(MVO1~MVOn)를 입력받아 데이터베이스(120)에 저장한다.The HMI 110 receives parameters or output manipulation variables MVO 1 to MVO n necessary for the multivariate control prediction algorithm and stores them in the database 120.

예를 들어, 상기 HMI(110)에 설정되는 파라미터는 출력조작변수(MVO)의 출력 모드, 출력조작변수(MVO)의 출력주기를 의미하는 조작변수 제어주기, 공정변수(CV) 및 입력조작변수(MVI)를 적정한 범위 이내로 정하기 위한 상한 및 하한값, 공정변수(CV)가 상기의 상한이나 하한값에 너무 치우치지 않도록 하기 위한 공정변수의 목표 값(Set Point), 공정의 상태 추정을 위한 가중치 행렬(Q,R), 다변수 예측 과정의 반복횟수를 의미하는 예측 단계(step)의 수이다.For example, the parameter set in the HMI 110 may include an output mode of the output manipulation variable MVO, an operation variable control cycle meaning a output cycle of the output manipulation variable MVO, a process variable CV, and an input manipulation variable. Upper and lower limit values for setting (MVI) within an appropriate range, set points of process variables so that the process variable (CV) does not deviate too much from the upper limit or lower limit values, and a weight matrix for estimating the state of the process ( Q, R), which is the number of prediction steps, which means the number of iterations of the multivariate prediction process.

상기 출력조작변수(MVO)의 출력 모드에는 운영자가 직접 설정한 출력조작변수(MVO)로 공정을 제어할 수 있는 HMI 모드와 다변수 예측 제어 알고리즘을 통해 결정되는 최적의 출력조작변수(MVO)로 공정을 제어할 수 있는 알고리즘 모드가 있다.The output mode of the output operation variable (MVO) is an HMI mode that can control the process with the output operation variable (MVO) set by the operator as an optimal output operation variable (MVO) determined through a multivariate predictive control algorithm. There is an algorithm mode to control the process.

상기 제어기(130) 내에 구현되는 기능부(Function Block)에는 모델링 계수 기능부(131), 알고리즘 기능부(133), 공정 입출력 기능부(135)가 있다.The function block implemented in the controller 130 includes a modeling coefficient function unit 131, an algorithm function unit 133, and a process input / output function unit 135.

제어기(130)는 상기 데이터베이스(120)에 저장된 파라미터를 입력받아 알고리즘 기능부(133)에 설정한다.The controller 130 receives the parameters stored in the database 120 and sets them in the algorithm function unit 133.

모델링 계수부(131)에는 사전에 미리 현장 공정의 액위, 스팀 또는 밸브들의 연관관계나 특성을 수학적 방법이나 실험적 방법을 통해 동특성을 모델링 하고, 상기 결정된 공정 모델이 구현된다. In the modeling coefficient unit 131, the dynamic characteristics are modeled in advance by using a mathematical method or an experimental method on the relationship or characteristics of the liquid level, steam or valves of the field process in advance, and the determined process model is implemented.

공정의 동특성을 표현하기 위한 공정 모델은 선형 상태 공간 모델(Linear State Space Model)이 적용되며, 이는 다음 수학식으로 나타낼 수 있다.The process model for expressing the dynamic characteristics of the process is applied to the linear state space model (Linear State Space Model), which can be represented by the following equation.

Figure 112006092788510-pat00001
Figure 112006092788510-pat00001

여기서, x(t)는 현재의 공정상태, x(t+1)는 미래의 공정상태를 나타내는 것이고 y(t)는 공정 출력 값이며, u(t)는 공정 입력 값, w(t)는 상태 외란(disturbance), ξ(t)는 측정 외란을 나타내는 것이다. 또한, A는 상태 계수, B는 입력 계수, G는 외란 계수이다.Where x (t) is the current process state, x (t + 1) is the future process state, y (t) is the process output value, u (t) is the process input value, and w (t) is Disturbance, ξ (t) indicates measurement disturbance. A is a state coefficient, B is an input coefficient, and G is a disturbance coefficient.

상기 수학식 1의 각 계수는 공정 조사를 통해서 행렬 형태로 표현되며, 공정 모델 계수 행렬과 각 행렬 사이즈가 모델링 계수 기능부(131)에 구현된다.Each coefficient of Equation 1 is expressed in a matrix form through process investigation, and the process model coefficient matrix and each matrix size are implemented in the modeling coefficient function unit 131.

공정 입출력 기능부(135)는 현장의 공정부와 입출력을 담당한다. 예를 들어, 밸브, 펌프 또는 탱크의 계기 값 등의 공정변수(CV) 및 입,출력조작변수(MVI, MVO)를 입출력한다.The process input / output function unit 135 is in charge of the process unit and the input and output of the field. For example, process variables (CV) such as gauge values of valves, pumps, or tanks, and input and output operation variables (MVI, MVO) are input and output.

상기의 기설정된 조작변수 출력모드가 알고리즘 모드인 경우에 알고리즘 기능부(133)는 상기 모델링 계수 기능부(131)로부터 공정 모델 계수를 입력받아 선형 상태 공간 모델의 공정 모델 계수로 대입한다.When the preset manipulation variable output mode is an algorithm mode, the algorithm function unit 133 receives process model coefficients from the modeling coefficient function unit 131 and substitutes the process model coefficients as process model coefficients of the linear state space model.

그리고 상기 공정 입출력 기능부(135)로부터 공정변수(CV1~CVn)와 입력조작변수(MVI1~MVIn)를 입력받아 공정의 상태 추정(State Estimation)을 수행하고, 최적화 기법 알고리즘에 따라 동적 최적화(Optimization)과정을 수행하여 일정한 제어 주기마다 최적화된 출력조작변수(MVO1~MVOn) 값을 연산한다. 그리고 기설정된 예측 단계(step)의 수만큼 상기의 다변수 예측 연산 과정을 반복 수행하여 얻어진 최적의 출력조작변수(MVO1~MVOn)를 공정 입출력 기능부(135)로 출력한다.In addition, the process variables CV 1 to CV n and the input operation variables MVI 1 to MVI n are received from the process input / output function 135 to perform state estimation of the process, and according to an optimization technique algorithm. By performing the optimization process, the optimized output operation variable (MVO 1 ~ MVO n ) values are calculated at regular control cycles. In addition, the optimum output operation variables MVO 1 to MVO n obtained by repeatedly performing the multivariate prediction calculation process by the number of preset prediction steps are output to the process input / output function unit 135.

공정 입출력 기능부(135)는 상기 연산된 최적의 출력조작변수(MVO1~MVOn)를 현장의 공정부로 출력하여 공정을 제어하게 된다.The process input / output function unit 135 outputs the calculated optimum output manipulation variables MVO 1 to MVO n to the process unit in the field to control the process.

한편, 상기 알고리즘 기능부(133)에서 출력되는 출력조작변수(MVO1~MVOn)가 현장의 공정 상태와 잘 맞지 않는 경우에는 운영자가 상기 HMI(110)를 통해 조작변수의 출력모드를 HMI모드로 설정할 수 있다. 상기 조작변수 출력모드가 HMI 모드인 경우에는 운영자가 설정한 출력조작변수(MVO1~MVOn)가 직접 상기 공정 입출력 기능부(135)를 통해 출력되어 공정을 제어하게 된다.On the other hand, if the output operation variable (MVO 1 ~ MVO n ) output from the algorithm function unit 133 does not fit well with the process state of the field, the operator to change the output mode of the operation variable through the HMI 110 HMI mode Can be set to When the operation variable output mode is the HMI mode, the output operation variables MVO 1 to MVO n set by the operator are directly output through the process input / output function unit 135 to control the process.

도 4는 본 발명에 따르는 다변수 예측 제어 시스템의 공정을 제어하는 방법에 대한 운영 흐름도이다.4 is an operational flowchart of a method for controlling a process of a multivariate predictive control system according to the present invention.

상기 알고리즘 기능부(133)는 모델링 계수 기능부(131)로부터 공정 모델 계수를 입력받고(S300), 공정 입출력 기능부(135)로부터는 공정변수(CV1~CVn) 및 입력조작변수(MVI1~MVIn)를 입력받는다(S315).The algorithm function unit 133 receives the process model coefficients from the modeling coefficient function unit 131 (S300), and the process variables CV 1 to CV n and the input operation variable MVI from the process input / output function unit 135. 1 ~ MVI n ) is input (S315).

그리고 상기 입력된 공정변수(CV) 및 입력조작변수(MVI)가 기설정된 범위 내에 있는지를 판단하여 그 값의 유효성을 검토한다(S320).In operation S320, it is determined whether the input process variable CV and the input operation variable MVI are within a preset range, and the validity of the value is examined (S320).

그리고 알고리즘 기능부(133)의 출력조작변수(MVO) 출력모드가 알고리즘 모드인지 또는 HMI 모드인지 확인하여(S315) 상기 출력모드가 HMI 모드인 경우에는 운영자가 상기 HMI(110)에 설정한 값을 출력조작변수(MVO1~MVOn)로 결정하여 공정 입출력 기능부(135)에 출력한다(S325).In addition, if the output operation variable (MVO) output mode of the algorithm function unit 133 is an algorithm mode or an HMI mode (S315) and the output mode is an HMI mode, the operator sets the value set in the HMI 110. The output operation variables MVO 1 to MVO n are determined and output to the process input / output function unit 135 (S325).

상기 출력모드가 알고리즘 모드인 경우에는 상기 수학식 1에서 나타내고 있는 선형 상태 공간 모델에 상기 모델링 계수 기능부(131)로부터 입력받은 공정 모델 계수 및 공정 입출력 기능부(135)로부터 입력받은 공정변수(CV1~CVn) 및 입력조작변수(MVI1~MVIn)를 대입하여 다변수 예측 제어 알고리즘을 수행한다(S320).When the output mode is an algorithm mode, the process model coefficients inputted from the modeling coefficient function unit 131 and the process variables inputted from the process input / output function unit 135 to the linear state space model represented by Equation 1 above. 1 ~ CV n ) and the input operation variables MVI 1 to MVI n are substituted to perform a multivariate prediction control algorithm (S320).

제어 시스템의 목적에 따라 공정 상태와 공정 입력 값의 변화를 고려하여 목적함수를 구성한다. 상기 목적함수는 다음 수학식으로 나타낼 수 있다.Depending on the purpose of the control system, the objective function is constructed taking into account changes in process conditions and process input values. The objective function can be represented by the following equation.

Figure 112006092788510-pat00002
Figure 112006092788510-pat00002

여기서, x(t+i)는 t+i 시점의 공정상태이고, u(t+i)는 t+i 시점의 공정 입력 값이다. 또한 Q 및 R은 가중치 행렬이다. Here, x (t + i) is the process state at time t + i and u (t + i) is the process input value at time t + i. And Q and R are weight matrices.

상기 알고리즘 기능부(133)에서 입력된 파라미터인 가중치 행렬 Q 및 R을 조정(Tuning)하면서 공정의 상태 추정(State Estimation)을 수행한다.State estimation of the process is performed while tuning the weighting matrices Q and R, which are parameters input from the algorithm function unit 133.

그리고 최적화 기법 알고리즘에 따라 동적 최적화(Optimization) 과정을 반복 수행하여 최적의 출력조작변수(MVO1~MVOn) 출력 값을 연산한다. 공정변수(CV)의 여러 제약 조건(Constraint)을 고려하여 상기의 상태 추정과정을 통해 추출된 상태 추정식을 만족시키는 최적화된 해를 구한다.In addition, it optimizes the output MV 1 ~ MVO n output value by repeating the optimization process according to the optimization technique algorithm. Considering various constraints of the process variable CV, an optimized solution satisfying the state estimation equation extracted through the state estimation process is obtained.

상기 알고리즘 기능부(133)에 설정된 제어주기에 도달했는지 확인하여(S330) 상기 연산된 출력조작변수(MVO1~MVOn) 값을 결정하여 공정 입출력 기능부(135)에 출력하고(S335), 공정 입출력 기능부(135)는 상기 조작변수를 공정부에 출력하여 현장의 공정을 제어한다(S340).Check whether the control period set in the algorithm function unit 133 has been reached (S330), determine the value of the calculated output operation variables (MVO 1 ~ MVO n ) and output it to the process input / output function unit 135 (S335), The process input / output function unit 135 outputs the manipulation variable to the process unit to control the process in the field (S340).

이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.Although the present invention has been described in detail with reference to exemplary embodiments above, those skilled in the art to which the present invention pertains can make various modifications to the above-described embodiments without departing from the scope of the present invention. I will understand. Therefore, the scope of the present invention should not be limited to the described embodiments, but should be defined by the claims below and equivalents thereof.

지금까지 설명한 바와 같이, 본 발명인 다변수 예측 제어 시스템에 따르면, 다변수 제어 시스템과 데이터 베이스 또는 제어기와의 통신과정 없이 제어기에서 다변수 제어 기능이 모두 처리되므로 다양한 고장 요인으로부터 공정을 보호할 수 있고, 별도의 PC나 UNIX 시스템의 구성이 불필요하다.As described so far, according to the present invention, the multivariate predictive control system can handle the multivariate control function in the controller without the communication between the multivariate control system and the database or the controller, thereby protecting the process from various failure factors. There is no need to configure a separate PC or UNIX system.

그리고 출력조작변수(MVO)의 출력모드를 선택할 수 있게 함으로써 공정의 위기 상황을 대처하는데 용이하다.And it is easy to cope with the crisis of the process by being able to select the output mode of the output operation variable (MVO).

또한, 복잡한 통신과정을 거치지 않으므로 다변수 제어 수행 시간이 단축되고, 표준화된 알고리즘으로 구현되어 구체적인 공정 상태에 종속적이지 않은 장점이 있다.In addition, since it does not go through a complicated communication process, the execution time of the multivariate control is shortened, and it is implemented as a standardized algorithm, which has the advantage of not being dependent on the specific process state.

Claims (6)

출력조작변수(MVO : Manipulated Variable Output)를 연산하기 위한 파라미터를 입력받고, 현장 공정부의 공정을 모니터링하여 표시하는 HMI(Human Machine Interface);A HMI (Human Machine Interface) for receiving a parameter for calculating a Manipulated Variable Output (MVO) and monitoring and displaying a process of a field process unit; 상기 HMI로부터 입력되는 파라미터를 저장하는 데이터 베이스;A database storing parameters input from the HMI; 상기 데이터베이스에 저장되어있는 파라미터를 입력받고, 상기 현장의 공정부로부터 공정변수(CV : Controlled Variable) 및 입력조작변수(MVI : Manipulated Variable Input)를 입력받아 출력조작변수(MVO)를 연산하고, 상기 연산 결과를 다변수 예측 알고리즘을 통해 결정되는 알고리즘 모드 또는 운영자가 직접 설정한 출력조작변수(MVO)로 공정을 제어할 수 있는 HMI 모드 중 선택하여 출력함으로써 상기 현장 공정부의 공정을 제어하는 제어기를 포함하는 다변수 예측 제어 시스템.The controller receives a parameter stored in the database, receives a process variable (CV) and a manipulated variable input (MVI) from the process unit of the field, calculates an output manipulation variable (MVO), and It includes a controller for controlling the process of the field process unit by selecting and outputting the operation result of the algorithm mode determined by the multivariate prediction algorithm or HMI mode that can control the process by the output operation variable (MVO) set by the operator directly Multivariate predictive control system. 제 1항에 있어서, 상기 출력조작변수(MVO)를 연산하기 위한 파라미터는;The method of claim 1, wherein the parameter for calculating the output operation variable (MVO); 출력조작변수(MVO)의 제어주기, 출력조작변수(MVO)의 출력 모드, 공정변수(CV) 및 입력조작변수(MVI)의 범위, 제어기를 튜닝하기 위한 가중치 행렬, 공정변수(CV)의 목표값(Set Point), 다변수 예측 제어방법에 있어서의 예측 단계의 수로 이루어지는 것을 특징으로 하는 다변수 예측 제어 시스템.Control period of output manipulated variable (MVO), output mode of output manipulated variable (MVO), range of process variable (CV) and input manipulated variable (MVI), weight matrix to tune controller, target of process variable (CV) A multivariate prediction control system comprising a value (Set Point) and the number of prediction steps in the multivariate prediction control method. 제 1항에 있어서, 상기 출력조작변수(MVO)를 연산하는 다변수 예측 제어기는;2. The apparatus of claim 1, wherein the multivariate prediction controller for calculating the output manipulated variable (MVO); 공정 상태의 동특성을 공정 모델로 표현하고, 공정조사를 통해 상기 공정 모델의 각 공정 모델 계수가 행렬 형태로 구현되는 모델링 계수 기능부;A modeling coefficient function unit for expressing dynamic characteristics of a process state as a process model and implementing process process coefficients of the process model in a matrix form through process investigation; 상기 모델링 계수 기능부로부터 공정 모델 계수를 입력받고, 공정변수(CV) 및 입력조작변수(MVI)를 대입하여 상태추정 및 동적 최적화 과정을 수행하여 구해진 출력조작변수(MVO)를 출력하는 알고리즘 기능부;The algorithm function unit which receives the process model coefficients from the modeling coefficient function unit, substitutes process variables (CVs) and input operation variables (MVIs), and outputs an output operation variable (MVO) obtained by performing a state estimation and dynamic optimization process. ; 현장의 공정부와 상기의 알고리즘 기능부 사이에 상기의 공정변수 및 조작변수의 입출력을 담당하는 공정 입출력 기능부로 이루어지는 것을 특징으로 하는 다변수 예측 제어 시스템.A multivariate predictive control system comprising a process input / output function unit that is responsible for input / output of the process variable and operation variable between the field process unit and the algorithm function unit. 출력조작변수(MVO)의 연산을 수행하기 위하여 알고리즘 기능부가 HMI로부터 파라미터를 입력받고, 모델링 계수 기능부로부터 공정 모델 계수를, 공정 입출력 기능부로부터 공정변수(CV) 및 입력조작변수(MVI)를 입력받는 단계;In order to perform the operation of the output operation variable (MVO), the algorithm function receives parameters from the HMI, the process model coefficients from the modeling coefficient function, the process variable (CV) and the input operation variable (MVI) from the process input / output function. Receiving an input; 상기 공정 입출력 기능부로부터 입력받은 공정변수(CV) 및 입력조작변수(MVI)가 기설정된 범위 내에 있는지를 판단하는 단계;Determining whether the process variable CV and the input operation variable MVI received from the process input / output function unit are within a preset range; 상기 판단결과 공정변수(CV) 및 입력조작변수(MVI)의 값이 기설정된 범위 내에 있는 경우에는 출력조작변수(MVO)의 출력모드를 선택하거나 또는 기설정된 범위 내에 없는 경우에는 다시 알고리즘 기능부가 모델링 계수 기능부로부터 공정 모델 계수를 입력받는 단계;If the determination result of the process variable (CV) and the input operation variable (MVI) value is within the predetermined range, select the output mode of the output operation variable (MVO), or if it is not within the predetermined range, the algorithm function is modeled again Receiving a process model coefficient from a coefficient function unit; 상기 판단결과 공정변수(CV) 및 입력조작변수(MVI)의 값이 기설정된 범위 내에 있어서 출력조작변수(MVO)의 출력모드를 선택할 때, 상기 선택한 조작변수 출력모드가 알고리즘 모드인 경우에는 상기 공정변수(CV) 및 입력조작변수(MVI)의 제약조건을 고려하여 현장 공정부의 미래 출력을 예측하고 미리 설정된 출력과의 오차가 최소가 되도록 출력조작변수(MVO)를 연산한 후 제어주기를 확인하여 공정 입출력 기능부에 출력하거나 또는 상기 선택한 조작변수 출력모드가 알고리즘 모드가 아닌 경우에는 상기 HMI로부터 입력받은 출력조작변수(MVO)를 공정 입출력 기능부에 출력하는 단계; When the output mode of the output manipulated variable MVO is selected when the values of the process variable CV and the input manipulated variable MVI are within a preset range as a result of the determination, the process is performed when the selected manipulated variable output mode is an algorithm mode. In consideration of the constraints of CV and MVI, it predicts the future output of the field process unit, calculates the MVO and calculates the control cycle so that the error from the preset output is minimized. Outputting to the process input / output function unit or outputting an output operation variable (MVO) input from the HMI to the process input / output function unit if the selected operation variable output mode is not an algorithm mode; 공정 입출력 기능부는 상기 공정 입출력 기능부로 출력되는 출력조작변수(MVO)를 현장의 공정부에 출력하여 공정을 제어하는 단계;를 포함하는 것을 특징으로 하는 다변수 예측 제어 방법.And controlling the process by outputting an output operation variable (MVO) output to the process input / output function unit to a process unit in the field. 삭제delete 삭제delete
KR1020060128077A 2006-12-14 2006-12-14 Multivariable Predictive Control System and Method thereof KR100877061B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020060128077A KR100877061B1 (en) 2006-12-14 2006-12-14 Multivariable Predictive Control System and Method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020060128077A KR100877061B1 (en) 2006-12-14 2006-12-14 Multivariable Predictive Control System and Method thereof

Publications (2)

Publication Number Publication Date
KR20080055132A KR20080055132A (en) 2008-06-19
KR100877061B1 true KR100877061B1 (en) 2009-01-08

Family

ID=39801995

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020060128077A KR100877061B1 (en) 2006-12-14 2006-12-14 Multivariable Predictive Control System and Method thereof

Country Status (1)

Country Link
KR (1) KR100877061B1 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9069725B2 (en) 2011-08-19 2015-06-30 Hartford Steam Boiler Inspection & Insurance Company Dynamic outlier bias reduction system and method
CA3116974A1 (en) * 2014-04-11 2015-10-15 Hartford Steam Boiler Inspection And Insurance Company Improving future reliability prediction based on system operational and performance data modelling
KR101596202B1 (en) * 2015-06-16 2016-02-22 중앙대학교 산학협력단 Large-scale pure-feedback system with unknown time-delayed nonlinear interactions and controlling method thereof
US11636292B2 (en) 2018-09-28 2023-04-25 Hartford Steam Boiler Inspection And Insurance Company Dynamic outlier bias reduction system and method

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970076145A (en) * 1996-05-10 1997-12-12 정순착 Process model prediction control device and method for distributed control system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970076145A (en) * 1996-05-10 1997-12-12 정순착 Process model prediction control device and method for distributed control system

Also Published As

Publication number Publication date
KR20080055132A (en) 2008-06-19

Similar Documents

Publication Publication Date Title
CN106575104B (en) Model predictive control using wireless process signals
JP6482699B2 (en) Use of predictive means in process control systems with wireless or intermittent process measurements
JP6008898B2 (en) Online adaptive model predictive control in process control systems.
JP6163526B2 (en) How to perform an online process run analysis of a batch process
JP4413563B2 (en) Integrated model predictive control and optimization in process control systems
JP4781641B2 (en) Multiple input / multiple output control block with nonlinear prediction function
JP4542323B2 (en) Integrated model predictive control and optimization in process control systems
JP6356977B2 (en) Improved Kalman filter in process control systems
EP2045673B1 (en) Method and apparatus for intelligent control and monitoring in a process control system
JP5830251B2 (en) Fast identification and generation of process models
CN105103059B (en) System and method for the predictive control of implementation model in PLC
JP2011511374A (en) Robust adaptive model predictive controller with tuning to compensate for model mismatch
JP6111913B2 (en) Control parameter adjustment system
KR100877061B1 (en) Multivariable Predictive Control System and Method thereof
US20130116802A1 (en) Tracking simulation method
JP2020095352A (en) Control device, control method and program
JP7289924B2 (en) Apparatus and method for incoherent closed-loop step testing with controllable optimization relaxation
JP6870330B2 (en) Data processing device and data processing method
CN112784381A (en) Simulation method and system for management of pipeline network
EP4226219A1 (en) Method and system for modelling industrial processes
Noor Model Predictive Control Design for a Nonlinear Four-Tank System
Meng et al. Control application study based on PROCEL
KR20110101813A (en) Modeling of industrial heater systems and auto-tuning pid control using udeas

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120919

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20130916

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20141001

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20151002

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20161010

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20171011

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20181001

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 12