CN103842919B - 集成线性/非线性混合过程控制器 - Google Patents
集成线性/非线性混合过程控制器 Download PDFInfo
- Publication number
- CN103842919B CN103842919B CN201280037047.4A CN201280037047A CN103842919B CN 103842919 B CN103842919 B CN 103842919B CN 201280037047 A CN201280037047 A CN 201280037047A CN 103842919 B CN103842919 B CN 103842919B
- Authority
- CN
- China
- Prior art keywords
- linear
- model
- control
- mpc
- controller
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- 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
-
- 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
Abstract
一种用于控制物理过程的模型预测控制器(MPC)(100)包括非线性控制部(110)和线性控制部(118),所述非线性控制部(110)包括存储有非线性(NL)模型的存储器(112),所述存储器(112)耦合到提供至少一个线性化模型的线性化电路(114),所述线性控制部(118)包括存储有线性模型的存储器(122)。控制器引擎(140)被耦合为接收线性化模型和线性模型这两者。所述MPC包括切换器(125),其在一个位置时使控制器引擎利用线性模型在线性模式中操作以实现线性过程控制,而在另一个位置时使控制器引擎利用线性化模型在NL模式中操作以实现NL过程控制。所述切换器能够是自动切换器,其被配置用于在线性过程控制和NL过程控制之间自动地切换。
Description
技术领域
公开的实施例涉及反馈控制系统,更具体地涉及针对使用模型预测控制器的过程控制的方法和系统。
背景技术
通常使用过程控制系统来管理处理设施(诸如,制造厂、化工厂和炼油厂)。阀门、泵、电机、加热/冷却设备和其它工业设备通常执行在处理设施中处理材料所需的动作。除其它功能之外,过程控制系统常常管理处理设施中的工业设备的使用。
在传统的过程控制系统中,控制器常常被用来控制处理设施中的工业设备的操作。控制器通常能够监控工业设备的操作、向工业设备提供控制信号和/或在检测到故障时生成警报。过程控制系统通常包括一个或多个过程控制器以及输入/输出(I/O)设备,其诸如通过模拟和/或数字总线通信地耦合到至少一个工作站以及一个或多个现场设备。现场设备能够包括传感器(例如,温度、压力和流率传感器)、以及其它无源和/或有源器件。过程控制器能够接收过程信息(诸如,由现场设备产生的现场测量结果)以便实现控制例程。然后能够生成控制信号,并将其发送到工业设备以控制过程的操作。
先进的控制器常常使用基于模型的控制技术来控制工业设备的操作。基于模型的控制技术通常涉及使用经验模型来分析输入数据,其中该模型识别应当如何基于所接收的输入数据来控制工业设备。
模型预测控制器(MPC)依赖于过程的动态模型,最常见的是通过系统识别而获得的线性经验模型。该模型被用来关于过程自变量(例如,输入)的改变来预测动态系统的因变量(例如,输出)的行为。在化学过程中,自变量最常见的是控制阀门移动的调节控制器的定位点(例如,具有或不具有流量、温度或压力控制器级联的阀门定位器),而因变量最常见的是过程中的约束(例如,产品纯度、设备安全操作限制)。MPC使用模型和当前工厂测量结果来计算自变量的未来移动,其将产生试图满足所有自变量和因变量约束的操作。然后MPC发送这组自变量以移动到将在过程中实现的相应的调节控制器定位点。
在特定控制系统中,在操作具有特性上不同的操作工况的不同过程时可能出现困难。例如,一些制造过程(诸如,多变量化学过程)可能需要同时或相继对线性过程和非线性过程这两者的控制以用于所需的过程控制。传统的控制器利用单独的线性和非线性MPC来处理每个单独的任务。
发明内容
公开的实施例认识到的是,包括单独的非线性和线性控制器的传统的模型预测控制器(MPC)通过增加切换时间来降低整个控制过程的效率,并且可能占用更多的用户时间。此外,切换可能不是无缝的,这可能导致控制的短暂丧失,这可能影响过程的完整性,诸如导致一个或多个生产损失、不合规格的产品、质量差的产品以及处理设施处的设备上的增加的磨损。
公开的实施例通过取而代之地提供一种包括线性模型和NL模型这两者的集成混合MPC来解决了包括单独的非线性(NL)和线性控制器的传统MPC的问题。此类集成混合MPC允许基于当前模式或物理过程(诸如,由处理设施或工厂运行的制造过程)的操作工况来切换。由于能够从线性模型和NL模型这两者同时可得到未来过程参数预测,所以线性和NL控制之间的切换能够是无缝免碰撞切换,这促进了工厂或其它物理系统的平稳操作,诸如在等级转变期间以及在等级操作时。
附图说明
图1是根据示例实施例的提供线性和NL控制模式之间的切换的示例混合MPC的框图。
图2A是示出了根据示例实施例的使用混合MPC来控制物理过程的示例方法中的步骤的流程图。
图2B示出了根据示例实施例的受控系统,其包括用于控制处理设施运行制造过程的功能块和数据流,所述受控系统包括单个用户界面(UI),所述用户界面(UI)包括用于使用所公开的混合MPC在线性和NL控制模式之间进行切换的切换器。
图3示出了根据示例实施例的基于图1中所示的混合MPC的示例混合MPC的针对受控变量(CV)和其相应的上限和下限以及作用于该CV的相应的操纵变量(MV)的模拟的响应。
图4示出了Hammerstein-Wiener(N-L-N)NL结构及其关系。
具体实施方式
参照附图来描述所公开的实施例,其中在整个附图中使用类似的附图标记来指明类似或等同的元件。附图不是按照比例绘制的,并且提供这些附图仅仅是用来说明特定的公开的方面。以下参照用于说明的示例应用来描述若干公开的方面。应当理解的是,大量特定细节、关系和方法被阐述以提供对所公开的实施例的充分理解。然而,相关领域中的普通技术人员将容易认识到的是,在没有特定细节中的一个或多个的情况下或者利用其它方法,能够实践本文中公开的主题。在其它实例中,未详细地示出众所周知的结构或操作,以避免使特定方面模糊。本公开不被图示的动作或事件的顺序限制,因为一些动作可以按不同的顺序发生和/或与其它动作或事件同时发生。此外,并非需要所有图示的动作或事件来实现根据本文中所公开的实施例的方法。
所公开的实施例包括混合MPC,其能够通过包括线性模型和NL模型这两者的混合MPC框架而被应用于包括非线性制造过程的NL物理过程。由于能够从线性模型和NL模型这两者同时可得到未来过程参数预测,所以MPC能够在线性和NL模型之间被无缝地切换,这促进了工厂或其它物理系统的平稳操作。根据当前模式或受控的物理过程的操作工况,用户能够使用单个切换器来在线性控制和NL控制之间切换控制模式,或者混合MPC能够在线性控制和NL控制之间被自动地切换。
如本领域中已知的那样,能够有利的是,只要有可能,就针对线性或基本上线性的过程使用线性控制,因为利用NL控制器来控制线性过程或基本上线性的过程可能会过度毁伤,并且因而导致退化的过程性能。特别地,NL控制涉及与将NL模型线性化和更新反映因变量(CV)的改变对自变量(一个或多个MV)的单位改变的增益信息相关联的额外的处理负载,即使过程增益可能未显著地改变。通常为每个CV/MV组合确定增益。
如本文中所使用的那样,CV是能够在物理过程中使用的变量,并且其值取决于一个或多个MV的使用或不使用。如本文中所使用的那样,MV是变量,其值能够保持恒定或者被改变以实现过程中所期望的结果,例如诸如在炼油厂或处理厂中。“被操纵”的时态不意图暗示已经发生了值的操纵。相反,“操纵变量”意图传达可操纵的变量,其值可以在过去已经被操纵或者可以在过去尚未被操纵以及可以或者可以不在未来被操纵。
此外,线性控制可用于特定NL过程,因为即使过程可以是高度NL,操作工况和操作模型也可以指定由过程展示出的NL。例如,高度非线性聚合物制造过程可能在等级转变期间展示出严重的非线性,而在用于抵制干扰的等级操作时,非线性可能不显著,并且简单的线性控制器可能能够适当地控制过程。
用于提供线性和NL控制的传统实现方式具有用于线性控制器和NL控制器的单独的软件包(其由单独的控制器引擎运行)。这是关于调谐和控制器设置来执行控制器设计的方式所需要的。所公开的MPC提供单个控制器引擎,所述单个控制器引擎提供具有类似的调谐参数的线性和NL控制两者,所述线性和NL控制提供一致的方式来调谐和配置线性和NL控制器两者。例如,设定CV/MV限制和/或大部分过程相关的调谐对于线性和NL控制部能够是共同的。此外,所公开的MPC能够自动地向用户强调过程的非线性,诸如通过连续地监控系统中的增益改变,这允许采取适当决策(自动或手动)来切换到线性或NL控制。此外,能够考虑在操作范围内的模型灵敏度信息,以确定是否根据当前控制配置来切换到线性/NL控制。
图1是根据示例实施例的提供线性和NL控制模式之间的切换的示例混合MPC100的框图,示出了控制由运行物理过程的处理设施150(诸如包括化工厂或炼油厂的处理设施150)运行的过程。虽然示出了控制单个MV(被示出为Y),但是所公开的混合MPC(诸如,MPC100)能够同时控制多个MV。
MPC100包括NL控制部110和线性控制部118,所述NL控制部110包括存储有NL模型的存储区(memory block)112,其耦合到生成线性化模型116的线性化电路114,所述线性控制部118包括存储有线性模型120的存储器122。存储器112和122所存储的相应的模型能够被离线地生成并加载到存储器中。然而,所公开的实施例还包括在线模型开发。通过将在当前控制循环内或在先前控制循环之一内由存储器112提供的NL模型线性化,线性化电路114生成线性化模型116。因而,MPC100具有(i)线性模型120以及来自线性模型122的未来预测123和(ii)线性化模型116和来自线性化电路114或直接来自存储器112的可供目前使用的未来预测127中的至少一个。
能够用于所公开的实施例的示例非线性模型包括基于经验数据的模型(诸如,(一个或多个)黑盒(BB)模型、(一个或多个)灰盒(GB)模型)以及第一原理模型(诸如,(一个或多个)白盒(WB)模型)。在(一个或多个)BB模型中,用户可以开发具有外来输入的非线性自回归(NARX)以及非线性输出误差(NOE)类型的基于经验数据的模型。在(一个或多个)GB模型中,用户能够开发Hammerstein、Wiener以及Hammerstein-Wiener类型的基于经验数据的模型。基于过程的一般性的NL模型,线性化电路114提供或以其它方式生成线性化模型116(例如,状态空间模型),其能够包括分段线性模型。
线性模型120能够包括但不限于,包括有限脉冲响应(FIR)、闭环识别(CLID)、预测误差方法(PEM)以及其组合的模型。MPC100包括示出为包括单个切换器125,其能够是UI的一部分(参见图2B),所述切换器125在一个位置时允许MPC100直接利用线性模型120以及在另一个位置时允许MPC100使用由线性化电路114提供的线性化模型116。切换器125还能够包括自动切换器,其被配置用于在线性过程控制和NL过程控制之间自动地切换,并且因而与UI分离。
能够通过一组状态空间方程来描述动态系统。状态空间表示是物理系统的线性化数学模型,如一阶微分方程所关联的一组输入、输出和状态变量,以及相应的状态空间矩阵。NL控制可以基于相继线性化策略,其中状态估计技术被嵌入以尽可能快地抵制不可测量的干扰。相继线性化策略能够产生状态空间矩阵,以及MPC100的NL模型能够基于这个状态空间模型。已经发现状态空间矩阵允许在线性和NL控制器之间的无缝切换,因为(使用状态估计器的)状态演化包含最新的信息,并且获得关于这个状态的线性化模型,从而所获得的模型提供无缝的未来预测。由于未来预测是无缝的,所以模型的切换也是无缝的。
状态估计器可以基于Kalman滤波。可以使用两种或更多种方法来获得由MPC100提供给控制器引擎140的非强制的未来预测。非强制的向前预测可以基于速度模型规范。第一方法(线性方法)可以使用从受控系统的线性化模型120获得的传统的阶跃响应系数来计算非强制的预测。在第二方法(NL方法)中,NL控制部110利用具有在每个循环处为Kalman校正状态的初始条件的线性化状态空间模型,可以获得非强制的未来预测。
在一些实施例中,在每个计算循环处MPC100使用第一和第二方法这两者来计算非强制的未来预测。然而,基于线性/非线性控制器类型,这些向前预测计算之一可以用于控制器移动计算中。当MPC100处于线性模式中时,MPC100可以使用利用上述第一方法计算的非强制的未来预测。如果MPC正在NL模式中操作,则可以使用利用第二方法的非强制的未来预测。在每个循环都执行第一和第二方法的实施例中,当MPC模式从NL切换到线性或者反过来时,可以实现无缝或免碰撞切换。在一些实施例中,可以对用户遮蔽特定于NL控制器的各种调谐旋钮。各种调谐旋钮或其执行的功能可以由控制器在内部操作。在NL调谐旋钮被遮蔽的实施例中,用户可以使用特定于线性控制器的调谐旋钮,在这种情况下,此类调谐旋钮也可以被定制为非线性控制器的功能。
控制器引擎140被示出为从存储器122接收未来过程参数预测123,并且从线性化电路114接收未来过程参数预测127,接收能够由UI提供的针对MV Y的定位点值(被示出为YSP)以及由经由反馈回路135耦合到处理设施150的适当的传感器(例如,当MV是温度时为温度传感器)提供的Y的当前值。反馈回路135能够是有线或无线回路。控制器引擎140输出一个或多个控制信号(被示出为U),其表示控制轨迹,所述控制器引擎140耦合到处理设施150中的致动器(未示出),所述致动器实现Y的改变以使得Y和YSP之间的误差被减小。通常,仅实现U的第一次移动。
切换器125从控制器引擎140接收控制信号(被示出为U),并且基于U能够在直接使用线性模型120的线性控制或使用由NL控制部110提供的线性化模型116的NL控制之间自动地切换。在一个实施例中,增益映射信息被用来确定线性和NL控制之间的切换。例如,如果增益信息在允许/指定的公差内未改变,那么能够使用线性控制。为了加快诸如从NL控制到线性控制的切换,在切换后所利用的模型能够是最近使用的模型或默认(或备用)模型。
各种原因可能针对线性和NL控制之间的切换。例如,基于来自客户的需求,过程操作工况可以改变。在一个特定示例中,工厂可以正在制造等级A的产品,而客户针对具有不同规格的不同等级(等级B)下订单,使得与等级A相比针对等级B操作工况改变。在另一个示例中,在物理过程中发生高幅度的已知干扰,诸如在冷却套管系统中的严重故障,导致反应器温度增加。在又一个示例中,过程可以正在等级转变后的新等级处进行操作并且具有最小干扰,因此不存在对NL控制的需要,并且MPC100能够切换到线性控制。
图2A是示出了根据示例实施例的利用混合MPC来控制物理过程的示例方法200中的步骤的流程图。步骤201包括监控由处理设施运行的物理过程,包括获得至少一个测量参数。步骤202包括至少部分地基于所述测量参数,自动地确定物理过程是处于线性当前操作模式中还是处于非线性当前操作模式中。步骤203包括控制物理过程,包括在当物理过程被确定为处于线性操作模式中时的线性过程控制和当物理过程被确定为处于NL操作模式中时的NL过程控制之间切换。
图2B示出了根据示例实施例的受控系统250,其包括用于控制处理设施运行制造过程的功能块和数据流,所述受控系统250包括单个用户界面(UI)210,所述用户界面(UI)210包括用于使用所公开的混合MPC在线性和NL控制模式之间进行切换的切换器。系统250包括单个UI210,其允许在线性和NL控制模式之间的切换。UI210包括调谐旋钮211和212,其中这些调谐旋钮中的至少一个用于线性过程控制和NL过程控制这两者。切换器213允许用户手动地在线性控制和NL控制之间切换。UI210能够向用户(诸如,过程操作员、技术人员或工程师)呈现各种控制信息,包括对应于过程参数的显示以及控制器输入和/或输出的趋势。用户215被示出为位于UI210处。UI210耦合到协调器块220,所述协调器块220包括软件组件(算法),其被配置为使得UI210能够执行UI210的读取和写入操作。
协调器块220经由图1中所示的反馈回路135从传感器接收测量结果,所述传感器从处理设施150所运行的物理过程进行感测,所述测量结果通常包括来自图1中所示的控制器引擎140所提供的控制器块245和状态估计向前预测的MV和MV定位点,并且协调器块220将MV定位点输出到处理设施150。协调器块220因而在由处理设施150运行的实际物理过程、状态估计向前预测和控制器块245、UI210之间交互。
用户215能够读取来自所示出的控制器块245和状态估计向前预测的过程测量结果(例如,MV定位点)、CV以及因变量(DV)和/或写入信息,诸如MV定位点以及来自协调器块220的调谐。所述流还包括判定块225,其中确定是实现NL控制还是实现线性控制。如上文所述,该判定能够是手动的或自动的。如果实现NL控制,则遵循NL路径226,其包括生成新的线性化模型228并且然后读取该模型以及更新的增益信息229。能够为每个CV/MV组合确定增益。如果实现线性控制,则遵循图2B中所示的线性路径227。
在NL控制的情况下的来自模型和更新的模型信息块229的更新信息或者在线性控制的情况下的线性模型信息耦合到状态估计向前预测和控制器块245。状态估计向前预测和控制器块245生成更新的MV定位点,其如上文所述被提供给协调器块220,用户215能够经由UI210读取所述更新的MV定位点。
所公开的实施例能够被应用于通常控制各种物理过程,例如但不限于制造过程,诸如造纸、pH控制、聚合物制造、氨合成、蒸馏塔。然而,所公开的混合MPC能够被用于涉及可能产生其它类型的最终产品的物理过程(诸如对飞行器进行供电的燃气涡轮的控制)的系统。
图3示出了根据示例实施例的基于MPC100的示例混合MPC的针对CV和其相应的上限和下限以及作用于该CV的相应的MV的模拟的响应。所示出的响应表明在示出MPC在NL模式中和在线性模式中的操作的操作时期期间在线性和NL控制模式之间的切换,并且证明是无缝的模式转变。该模拟基于NL物理过程,其由图4中所示的Hammerstein-Wiener(N-L-N)NL结构及其关系决定。
使用所公开的混合MPC控制的NL过程能够被视为在线性和NL控制器模式之间的切换。在图3中能够观察到的是,如果在UI显示中控制器模式是如所提到的“非线性”,那么过程被很好地控制,并且过程能够容易达到(一个或多个)定位点。对于同样的过程,当控制器模式是“线性”并且提供MV的阶跃改变时,那么能够观察到存在持续的振荡,如图3中突出显示的那样。当触发切换器以将控制器模型从“线性”改变为“非线性”时,持续的振荡快速地向下消失并且实现平稳控制。虽然未示出,但是在持续的振荡降到预定水平以下之后,控制器模式稍后能够被切换回到线性模式。
虽然在上面已经描述了各种公开实施例,但是应当理解的是,它们已经仅通过示例的方式被呈现,而不是限制。在不偏离本公开的精神或范围的情况下,能够根据本公开做出对本文中公开的主题的大量改变。另外,虽然可能已经关于若干实现方式中的仅一个公开了特定的特征,但是此类特征可以与其它实现方式的一个或多个其它特征相组合,如对于任何给定或特定的应用而言可能是期望的并且有利的。
本文中所使用的术语仅仅是出于描述特定的实施例的目的,并且不意图限制。如本文中所使用的那样,单数形式“一”、“一个”和“该”意图也包括复数形式,除非上下文另外明确指示。此外,在术语“含有”、“包含”、“具有”、“持有”、“带有”或其变形被用于详细的描述和/或权利要求中的程度上,此类术语意图以与术语“包括”类似的方式是包含的。
如本领域技术人员将认识到的那样,本文中所公开的主题可以被具体化为系统、方法或计算机程序产品。因此,本公开能够采用以下形式:完全硬件实施例、完全软件实施例(包括固件、常驻软件、微代码等)或将软件和硬件方面组合的实施例,其在本文中通常可以均被称为“电路”、“模块”或“系统”。此外,本公开可以采用在任何有形的表达介质中被具体化的计算机程序产品的形式,其具有在介质中被具体化的计算机可用程序代码。
可以利用一个或多个计算机可用或计算机可读介质的任何组合。计算机可用或计算机可读介质例如可以是但不限于,电子、磁性、光学、电磁、红外或半导体系统、装置或设备。计算机可读介质的更多特定示例(非详尽列表)将包括非瞬态介质,其包括以下各项:具有一个或多个电线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、便携式紧致盘只读存储器(CDROM)、光学存储设备、或磁性存储设备。
可以用一种或多种编程语言的任意组合来编写用于执行本公开的操作的计算机程序代码,所述编程语言包括面向对象的编程语言(诸如Java、Smalltalk、C++等)以及传统的过程化编程语言(诸如“C”编程语言或类似的编程语言)。程序代码可以作为独立的软件包,全部在用户计算机上执行、部分在用户计算机上执行,部分在用户计算机上执行并且部分在远程计算机上执行,或全部在远程计算机或服务器上执行。在后一种场景中,远程计算机可以通过任何类型的网络连接到用户计算机,所述网络包括局域网(LAN)或广域网(WAN),或者可以对外部计算机进行连接(例如,通过使用互联网服务供应商的互联网)。
下面参照根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图来描述本公开。将理解的是,流程图图示和/或框图的每个块以及在流程图图示和/或框图中的块的组合能够通过计算机程序指令来实现。这些计算机程序指令可以被提供给通用计算机的处理器、专用计算机的处理器、或其它可编程数据处理装置以生产机器,从而经由计算机的处理器或其它可编程数据处理装置执行的指令创建用于实现在流程图和/或一个或多个框图块中指定的功能/动作的装置。
这些计算机程序指令还可以被存储在物理计算机可读存储介质中,所述计算机程序指令能够引导计算机或其它可编程数据处理装置以特定的方式起作用,使得存储在计算机可读介质中的指令生产制品,包括实现在流程图和/或一个或多个框图块中指定的功能/动作的指令装置。
计算机程序指令还可以被加载到计算机或其它可编程数据处理装置中,使得在计算机或其它可编程装置上执行一系列操作步骤,以产生计算机实现的过程,使得在计算机或其它可编程装置上执行的指令提供用于实现在流程图和/或一个或多个框图块中指定的功能/动作的过程。
Claims (11)
1.一种用于控制物理过程的方法(200),其包括:
监控(201)由处理设施运行的物理过程,包括获得至少一个测量参数;
至少部分地基于所述测量参数,自动地确定(202)所述物理过程是处于线性当前操作模式中还是处于非线性当前操作模式中;以及
控制(203)所述物理过程包括当在所述自动地确定中将所述物理过程确定为处于所述线性当前操作模式中时从使用非线性过程模型的非线性过程控制切换到使用线性过程模型的线性过程控制和当在所述自动地确定中将所述物理过程确定为处于所述非线性当前操作模式中时从使用所述线性过程模型的所述线性过程控制切换到使用所述非线性过程模型的非线性过程控制。
2.根据权利要求1所述的方法,其中所述切换是自动切换。
3.根据权利要求1所述的方法,其中所述切换是手动切换。
4.根据权利要求1所述的方法,其中在每个循环内通过线性模型和非线性模型这两者同时提供未来过程参数预测,以加快所述线性过程控制和所述非线性过程控制之间的所述切换。
5.根据权利要求1所述的方法,其中单个混合控制器引擎为所述线性过程控制和所述非线性过程控制这两者提供所述控制。
6.一种用于控制物理过程的模型预测控制器(MPC)(100),其包括:
非线性控制部(110),其包括存储有非线性(NL)模型的存储器(112),所述存储器(112)耦合到提供至少一个线性化模型的线性化电路(114);
线性控制部(118),其包括存储有线性模型的存储器(122);
控制器引擎(140),其被耦合为接收所述线性化模型和所述线性模型这两者,其中所述控制器引擎至少部分地基于来自所述物理过程的测量参数来自动地实现确定所述物理过程处于线性当前操作模式中还是非线性当前操作模式中;以及
切换器(125),其在一个位置中使所述控制器引擎利用所述线性模型在线性模式中操作以实现线性过程控制,并且在另一个位置中使所述控制器引擎利用所述线性化模型在非线性模式中操作以实现非线性过程控制;
其中所述切换器被配置成用于当所述物理过程被确定成处于所述线性当前操作模式中时从使用所述线性化模型的所述非线性控制切换到使用所述线性模型的所述线性过程控制并且当所述物理过程被确定成处于所述非线性当前操作模式中时从使用所述线性模型的所述线性过程控制切换到使用所述线性化模型的所述非线性过程控制。
7.根据权利要求6所述的MPC,其中所述控制器引擎由单个混合控制器引擎组成,所述混合控制器引擎提供所述线性模式和非线性模式这两者。
8.根据权利要求6所述的MPC,还包括用户界面(UI)(210),其包括所述切换器,所述切换器可操作用于在所述线性模式和所述非线性模式之间手动切换所述控制器引擎。
9.根据权利要求6所述的MPC,其中在每个循环内通过所述线性控制部和所述非线性控制部这两者向所述控制器引擎同时提供未来过程参数预测。
10.根据权利要求6所述的MPC,其中所述切换器(125)包括自动切换器,其被配置用于在所述线性过程控制和所述非线性过程控制之间自动地切换。
11.根据权利要求6所述的MPC,其中从所述非线性模型的相继线性化实现所述非线性过程控制,并且其中所述非线性模型基于包括状态空间矩阵的状态空间模型。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/192,233 US8649884B2 (en) | 2011-07-27 | 2011-07-27 | Integrated linear/non-linear hybrid process controller |
US13/192233 | 2011-07-27 | ||
PCT/US2012/047824 WO2013016272A1 (en) | 2011-07-27 | 2012-07-23 | Integrated linear/non-linear hybrid process controller |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103842919A CN103842919A (zh) | 2014-06-04 |
CN103842919B true CN103842919B (zh) | 2016-11-23 |
Family
ID=47597878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280037047.4A Active CN103842919B (zh) | 2011-07-27 | 2012-07-23 | 集成线性/非线性混合过程控制器 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8649884B2 (zh) |
EP (1) | EP2737374B1 (zh) |
CN (1) | CN103842919B (zh) |
WO (1) | WO2013016272A1 (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101894288B1 (ko) * | 2009-09-03 | 2018-09-03 | 월러스 이. 래리모어 | 반복 선형 부분공간 계산을 통하여 시간 변화, 파라미터 변화 및, 비선형 시스템들의 실증적인 모델링을 위한 방법 및 시스템 |
US9677493B2 (en) | 2011-09-19 | 2017-06-13 | Honeywell Spol, S.R.O. | Coordinated engine and emissions control system |
US9650934B2 (en) | 2011-11-04 | 2017-05-16 | Honeywell spol.s.r.o. | Engine and aftertreatment optimization system |
US20130111905A1 (en) | 2011-11-04 | 2013-05-09 | Honeywell Spol. S.R.O. | Integrated optimization and control of an engine and aftertreatment system |
KR101927246B1 (ko) * | 2012-12-12 | 2019-03-12 | 한국전자통신연구원 | 전동기 위치 검출부 및 브러쉬리스 전동기 시스템 |
US9594359B2 (en) * | 2014-04-14 | 2017-03-14 | Honeywell International Inc. | Feedback control for reducing flaring process smoke and noise |
EP3051367B1 (en) | 2015-01-28 | 2020-11-25 | Honeywell spol s.r.o. | An approach and system for handling constraints for measured disturbances with uncertain preview |
EP3056706A1 (en) | 2015-02-16 | 2016-08-17 | Honeywell International Inc. | An approach for aftertreatment system modeling and model identification |
EP3091212A1 (en) | 2015-05-06 | 2016-11-09 | Honeywell International Inc. | An identification approach for internal combustion engine mean value models |
CN107615184B (zh) * | 2015-06-05 | 2021-02-09 | 国际壳牌研究有限公司 | 用于针对模型预测估计和控制应用程序中的模型的后台元件切换的系统和方法 |
EP3121672B1 (de) * | 2015-07-22 | 2019-04-24 | Siemens Aktiengesellschaft | Diagnoseeinrichtung und verfahren zur überwachung des betriebs eines regelkreises |
EP3734375B1 (en) | 2015-07-31 | 2023-04-05 | Garrett Transportation I Inc. | Quadratic program solver for mpc using variable ordering |
US10272779B2 (en) | 2015-08-05 | 2019-04-30 | Garrett Transportation I Inc. | System and approach for dynamic vehicle speed optimization |
JP6519457B2 (ja) * | 2015-11-30 | 2019-05-29 | オムロン株式会社 | 補正装置、補正装置の制御方法、情報処理プログラム、および記録媒体 |
US10415492B2 (en) | 2016-01-29 | 2019-09-17 | Garrett Transportation I Inc. | Engine system with inferential sensor |
US11188037B2 (en) * | 2016-03-24 | 2021-11-30 | Siemens Aktiengesellschaft | Controlling methods, control systems, and plants using semantic models for quality criteria or adaptation of control rules |
US10124750B2 (en) | 2016-04-26 | 2018-11-13 | Honeywell International Inc. | Vehicle security module system |
US10036338B2 (en) | 2016-04-26 | 2018-07-31 | Honeywell International Inc. | Condition-based powertrain control system |
EP3548729B1 (en) | 2016-11-29 | 2023-02-22 | Garrett Transportation I Inc. | An inferential flow sensor |
US11057213B2 (en) | 2017-10-13 | 2021-07-06 | Garrett Transportation I, Inc. | Authentication system for electronic control unit on a bus |
AT522290B1 (de) * | 2019-03-25 | 2021-01-15 | Avl List Gmbh | Verfahren und Regelungseinheit zur Regelung eines nichtlinearen technischen Prozesses |
US11624332B2 (en) | 2020-08-31 | 2023-04-11 | Garrett Transportation I Inc. | Control system with diagnostics monitoring for engine control |
WO2024043933A1 (en) * | 2022-08-25 | 2024-02-29 | Siemens Corporation | Controller with on-demand nonlinearity |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101563660A (zh) * | 2006-09-13 | 2009-10-21 | 搭篷技术公司 | 采用混合模型的动态控制器 |
CN101796505A (zh) * | 2007-07-12 | 2010-08-04 | 霍尼韦尔国际公司 | 用于过程控制的方法和系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1133580A (ja) | 1997-07-18 | 1999-02-09 | Mitsubishi Chem Corp | プロセスの運転支援装置 |
US6453308B1 (en) * | 1997-10-01 | 2002-09-17 | Aspen Technology, Inc. | Non-linear dynamic predictive device |
US6826521B1 (en) * | 2000-04-06 | 2004-11-30 | Abb Automation Inc. | System and methodology and adaptive, linear model predictive control based on rigorous, nonlinear process model |
US7006900B2 (en) | 2002-11-14 | 2006-02-28 | Asm International N.V. | Hybrid cascade model-based predictive control system |
US7765029B2 (en) | 2005-09-13 | 2010-07-27 | Neurosciences Research Foundation, Inc. | Hybrid control device |
US20070225835A1 (en) * | 2006-03-23 | 2007-09-27 | Yucai Zhu | Computer method and apparatus for adaptive model predictive control |
US7970482B2 (en) | 2007-08-09 | 2011-06-28 | Honeywell International Inc. | Method and system for process control |
KR100920522B1 (ko) | 2009-05-21 | 2009-10-09 | 대양바이오테크 주식회사 | 하수처리공정 진단 및 제어장치 및 방법 |
-
2011
- 2011-07-27 US US13/192,233 patent/US8649884B2/en active Active
-
2012
- 2012-07-23 EP EP12816991.9A patent/EP2737374B1/en active Active
- 2012-07-23 WO PCT/US2012/047824 patent/WO2013016272A1/en active Application Filing
- 2012-07-23 CN CN201280037047.4A patent/CN103842919B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101563660A (zh) * | 2006-09-13 | 2009-10-21 | 搭篷技术公司 | 采用混合模型的动态控制器 |
CN101796505A (zh) * | 2007-07-12 | 2010-08-04 | 霍尼韦尔国际公司 | 用于过程控制的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2013016272A1 (en) | 2013-01-31 |
US20130030554A1 (en) | 2013-01-31 |
EP2737374B1 (en) | 2017-05-03 |
EP2737374A4 (en) | 2015-07-15 |
CN103842919A (zh) | 2014-06-04 |
US8649884B2 (en) | 2014-02-11 |
EP2737374A1 (en) | 2014-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103842919B (zh) | 集成线性/非线性混合过程控制器 | |
JP4413563B2 (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
CN102906650B (zh) | 多阶段过程建模方法 | |
US20090043546A1 (en) | Method and system for process control | |
Wang et al. | A nonlinear least-squares approach for identification of the induction motor parameters | |
CN108572609B (zh) | 控制装置、记录媒体以及控制系统 | |
TWI471708B (zh) | 伺服控制裝置 | |
EP2998803B1 (en) | Simulation method | |
JP4698656B2 (ja) | 制御システムおよび制御支援装置 | |
CA2678820A1 (en) | Two-stage model predictive control technique | |
EP2062104A2 (en) | Dynamic controller utilizing a hybrid model | |
JP2005292862A (ja) | プロセス制御システムにおける統合型モデル予測制御および最適化 | |
GB2432682A (en) | A method of performing control and optimising of a process system | |
CN105103059B (zh) | 用于在plc中实现模型预测性控制的系统和方法 | |
Bilbao-Guillerna et al. | Robustly stable multiestimation scheme for adaptive control and identification with model reduction issues | |
US20130013086A1 (en) | Dynamic model generation for implementing hybrid linear/non-linear controller | |
EP3599527A1 (en) | Maintenance management system for assisting operator to rectify faults in a plant | |
CN104765271A (zh) | 用于可变参数和相关程序产品的控制器系统 | |
JP2021140771A (ja) | プロセスのデュアルモードモデルベース制御 | |
JP2009175917A (ja) | 制御パラメータ調整方法および制御パラメータ調整プログラム | |
JP5245606B2 (ja) | 予測シミュレータを用いた運転支援装置および運転支援方法 | |
JP5125875B2 (ja) | Pidコントローラのチューニング装置、pidコントローラのチューニング用プログラムおよびpidコントローラのチューニング方法 | |
Velagic et al. | Incubator system identification and temperature control with PLC & HMI | |
EP2753991B1 (en) | Arrangement and method for system identification of an industrial plant or process | |
JP4200357B2 (ja) | 電動機制御装置の運転立上げ方法および電動機制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |