CN105103059A - 用于在plc中实现模型预测性控制的系统和方法 - Google Patents

用于在plc中实现模型预测性控制的系统和方法 Download PDF

Info

Publication number
CN105103059A
CN105103059A CN201480019714.5A CN201480019714A CN105103059A CN 105103059 A CN105103059 A CN 105103059A CN 201480019714 A CN201480019714 A CN 201480019714A CN 105103059 A CN105103059 A CN 105103059A
Authority
CN
China
Prior art keywords
model
plc
programmable logic
logic controller
process equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480019714.5A
Other languages
English (en)
Other versions
CN105103059B (zh
Inventor
纪昆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN105103059A publication Critical patent/CN105103059A/zh
Application granted granted Critical
Publication of CN105103059B publication Critical patent/CN105103059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/048Adaptive 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
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/04Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • G05B19/056Programming the PLC

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Programmable Controllers (AREA)

Abstract

模型预测性控制(MPC)框架实现为可编程逻辑控制器(PLC)系统(510)的运行时系统功能特征的部分。在PLC(510)的运行时MPC功能块(512)中执行最优控制计算。最优控制功能由PLC的工程工具(530)中的MPC块(534)、使用包含来自PLC执行的单位阶跃响应测试的测量的系统动态矩阵来确定。

Description

用于在PLC中实现模型预测性控制的系统和方法
技术领域
本发明一般地涉及使用可编程逻辑控制器(PLC)来控制工业过程。更具体地,本发明涉及用于使用在PLC中所实现的模型预测性控制(MPC)框架控制工业过程的方法、系统和计算机可读介质。
背景技术
PLC已经广泛使用在众多工业中。它们通常使用在诸如工厂组装线和制造装备之类的机器的控制中。然而,当前的PLC由于有限的计算能力和缺乏能够以该有限的计算能力实现MPC的框架而不具有实现诸如模型预测性控制方法之类的高级控制方法的能力。该限制已经显著影响了PLC在化学工厂、炼油厂和类似应用中的应用。
当前的PLC系统设计不提供高级控制方法。代替地,仅诸如比例/积分/微分(PID)控制之类的简单控制算法可以实现为供PLC使用的系统功能。如果不是不可能的话,将会需要价格过高的工程努力以手动地在当前PLC平台中实现MPC算法。
发明内容
本发明通过提供一种用于经由可编程逻辑控制器来控制过程装备的方法来解决以上所描述的需要。实现模型预测性控制工程工具的处理器接收模型预测性控制工程参数;命令可编程逻辑控制器在过程装备上执行模型标识操作;并且从可编程逻辑控制器接收来自模型标识操作的结果。处理器还通过使用来自模型标识操作的结果而构造用于过程装备的系统过程模型,并且构造用于过程装备的控制逻辑。系统过程模型和控制逻辑然后被下载到可编程逻辑控制器。
在一个实施例中,系统过程模型是动态矩阵模型。系统过程模型可以可替换地为状态空间表示、具有外部输入的自回归模型或具有外部输入的自回归移动平均模型。
在本发明的另一方面中,提供了一种非暂时性计算机可用介质,其具有存储在其上的计算机可读指令,以供由处理器执行以履行如以上所描述的用于控制系统的操作。
本发明的另一方面是一种用于对可编程逻辑控制器编程以实现模型预测性控制的模型预测性控制工程工具。工程工具包括处理器和非暂时性计算机可用介质,所述非暂时性计算机可用介质具有存储在其上的计算机可读指令,所述计算机可读指令当由处理器执行时使处理器执行如以上所描述的用于经由可编程逻辑控制器而控制过程装备的操作。
附图说明
图1是示出现有技术PLC框架的示意性框图。
图2是典型的模型预测性控制方案的绘图。
图3是依照本发明的一个实施例的PLC控制器框架的架构概览。
图4是依照本发明的一个实施例的单位阶跃开环响应测试中所获得的结果的绘图。
图5是依照本发明的一个实施例的PLC工程工具和控制器框架的架构概览。
图6是依照本发明的一个实施例的用于控制过程的方法的序列图。
图7是描绘依照本发明的一个实施例的PLC和工程工具的系统示意图。
具体实施方式
本文所描述的MPC使能的PLC平台提供了准许MPC算法被PLC用户容易地使用的新的系统控制功能块。用于系统动态模型标识的相关联的工程工具被集成到现有PLC工程工具中并且被离线用于构建过程动态模型,所述过程动态模型然后在运行时期间被MPC系统控制功能块使用。
PLC广泛地使用在自动化和控制工业中,因为PLC是可适配的、模块化的并且用户友好的。然而,由于PLC有限的计算能力,PLC不提供诸如MPC之类的高级控制算法。由PLC提供的最流行的控制算法是PID控制算法。
在图1中示出包括PLC控制器和操作系统110的典型PLC控制系统100。PLC用户程序120在PLC控制器110上运行以实现特定的控制应用。PLC用户程序120在执行期间调用PLC系统控制功能122。
PID控件123是用于工业控制和自动化应用的最广泛使用的PLC系统控制功能块。然而,对于具有更复杂和动态的过程的一些控制应用,需要诸如MPC之类的更高级的控制算法。然而,由于PLC的有限计算能力,那些高级控制算法中的许多不能实现在PLC中,并且因而不作为PLC系统控制功能122而可用。
模型预测性控制广泛使用在化学工厂和炼油厂中。由于没有框架可用于通过使用PLC来实现MPC,因此通过使用更加复杂并且不太用户友好的硬件来实现MPC。这负面地影响了PLC在化学和石油工业中的采用。
在受控过程150中,PLC控制器110通过工厂网络140或其它网络连接到PLC输入模块132和输出模块134,所述PLC输入模块132和输出模块134分别连接到传感器152和致动器154。为用户提供人机接口(HMI)136以监视控制过程。
PLC工程工具138允许用户配置PLC系统参数并且创建PLC用户程序120。
由于可用CPU芯片的增加的速度和容量,PLC控制器现在具有增加的计算能力。目前所描述的技术利用该增加的计算能力,连同MPC算法在PLC系统控制功能中的新颖实现,来使MPC成为用于使用在PLC用户程序中的可用功能。
MPC基于要被控制的过程的模型的迭代、有限的范围优化(horizonoptimization)。MPC还称为“后退范围控制(recedinghorizoncontrol)”,因为预测范围(predictionhorizon)重复地移位向前。在图2中示出离散MPC方案的图示。在每一个时间实例k=1,2,…,p处,MPC使用若干组件来计算一系列最优的将来控制移动210。在计算中所使用的组件包括过程的内部动态模型、过去控制移动205的历史和在后退预测范围215之上的优化成本函数J。仅应用控制移动系列中的第一个,此后计算将来控制移动的新系列。
在图3中所示的目前所描述的PLC控制器310的配置中,新的MPC系统控制功能块324添加到PLC系统控制功能322。该MPC系统控制功能块324由PLC用户程序320、以PID功能块323可以被调用以执行比例/积分/微分控制的相同方式直接调用以执行模型预测性控制。
MPC功能块所使用的模型由集成在经修改的PLC工程工具530中的新的MPC工程工具534的模型标识工具离线创建,如图5中所示。用于模型标识的优选技术是使用单位阶跃响应测试以创建受控过程的系统动态矩阵模型。该类型的MPC算法还称为动态矩阵控制(DMC)算法。
在图4中所示的用于DMC的示例单位阶跃响应测试400中,以采样时间T从过程输出中采样数据。结果得到的矩阵被用作预测性模型。
通过使用预测性模型,过程输出可以通过设置输入控制增量来预测:
其中是将来P个时刻中的预测性模型的输出矢量并且是将来M个时刻中的未知控制增量矢量并且 是过去N-P个时刻中的已知控制增量矢量。系统动态矩阵为:
系统动态矩阵描述系统过程模型并且可以被离线获得和存储在PLC控制器310(图3)的运行时MPC控制功能块324中。在目前描述的布置中,这通过新的PLC工程工具530(图5)来实现,所述新的PLC工程工具530集成MPC工程工具534以执行单位阶跃响应测试536并且构造系统过程模型。实际的系统反馈输出用于重调整预测值:
其中是将来P个时刻中的系统的输出预测性矢量,其中P是预测范围, 是在时刻k处预测性模型的输出误差,并且是包含误差的校正因子的误差校正因子阵列。
优化问题然后用公式表达为:
其中是针对将来P个时刻的所期望的输出值,并且是成本加权系数阵列。
最优控制为:
其中的第一行并且被用于构成真实的控制定律以生成致动器输入
参照图3,在运行时MPC功能块324中实现以上方程中的计算,其中通过MPC工程工具在离线工程设置期间来设置恰当的参数。MPC功能块324在运行时中处置模型预测性控制任务并且向致动器提供控制器输出以控制过程。
诸如状态空间表示、具有外部输入的自回归模型(ARX)或具有外部输入的自回归移动平均模型(ARMAX)之类的其它MPC建模技术可以可替换地实现在MPC功能块324中。
PLC的操作包括在线实时致动控制、离线参数配置和使用PLC工程工具的用户编程。本文所描述的MPC功能块因此包括两个部分:(1)运行时部分和(2)工程时间部分。
在图5中示出所描述的系统500的详细工程时间使用。新的PLC工程工具530包括新的MPC工程工具534以及传统的PLC工程工具538。如以上的方程(1)中所示的MPC建模方法被集成到新的PLC工程工具530中。新的MPC工程工具534提供单位阶跃响应测试工具536,所述单位阶跃响应测试工具536自动聚合来自受控过程550的采样数据(通过PLC系统510)并且构造供PLC系统510使用的系统动态矩阵,作为MPC模型512。
在图6中所示的示例性序列图600中图示目前所描述的系统的关键操作。序列图被虚线601划分成工程时间序列602和实时序列603。图600中所示的示例性实施例利用DMS作为MPC方法。
PLC工程工具610对应于图5中所示的工程工具530。PLC工程工具610包括能够执行诸如单位响应测试之类的模型发现功能的MPC工程工具和传统PLC工程工具二者并且还能够构造供PLC控制器的MPC功能块使用的模型。
在针对配置序列600的准备中,必须选择包括控制器和I/O硬件的恰当PLC系统624,并且PLC系统必须连接到受控过程632。例如,PLC系统必须被配置成在受控过程中从传感器接收信息,并且PLC系统必须被配置成在受控过程中向致动器传送命令。PLC系统包括MPC功能块以及将由PLC用户程序在实时控制期间调用的诸如PID之类的其它控制功能块。
用于MPC的配置参数由PLC工程工具610接收(块651)。那些配置参数可以例如在配置过程期间手动输入。参数包括在以上的方程(2)和(3)中所使用的那些。特别地,误差校正因子h和成本因子对角矩阵Qλ在所接收的参数之中。
然后执行单位阶跃测试。该过程可以完全或部分地通过PLC工程工具610自动化,所述PLC工程工具610可以向PLC控制器624传送请求652以执行单位响应测试。请求652可以是单个命令或者可以是在执行单位响应测试时传送的一系列增量命令。单位响应测试然后通过向受控过程632提供测试过程输入并且通过在一系列单位时间增量之上测量开环过程响应来执行(箭头653)。
来自单位响应测试的数据被传送(箭头654)到PLC工程工具610,其中系统动态矩阵被构造和保存(块655)为过程模型。PLC工程工具610的传统PLC工程功能块然后被用于对控制逻辑编程(块656),并且从工程工具610将控制逻辑连同最优控制方程下载到PLC系统624,如箭头657所示。MPC系统功能块然后被用于在PLC系统624中构造(块658)实时控制器。
在运行时期间,过程632使用具有MPC系统功能块的PLC系统624来被控制(箭头659)。新的MPC功能块324(图3)可以以与PID功能块323相同的方式来被使用。过程值预测和最优控制计算在新的MPC功能块内完成,并且来自该功能块的输出是针对受控过程的经优化的控制。
如以上所描述的方法的元素使用工业控制系统,所述工业控制系统可以实现为包括单个单元或通过网络或总线而链接的多个单元的计算机系统。示例性系统700在图7中示出。
PLC工程工具760可以驻留在诸如专用工业控制器、大型计算机、台式或膝上型计算机之类的数据处理设备或能够处理数据并且直接或者通过局域数据网络(LAN)720而与其它设备通信的任何其它设备上。PLC工程工具760从可以直接或通过LAN720连接到工程工具的任何数目的数据源接收数据。工程工具760被连接以用于直接、通过LAN720或通过另一网络与PLC控制器730通信。
PLC工程工具760包括中央处理单元(CPU)764和存储器762。工程工具760可以被配置成通过使用例如HMI输入和输出设备750以执行某些任务来操作和显示信息。
CPU764,在使用根据本公开的软件进行配置时,包括被配置成执行如本文所讨论的用于配置PLC控制器的一个或多个方法的模块。
存储器762可以包括随机存取存储器(RAM)和只读存储器(ROM)。存储器还可以包括诸如盘驱动器、磁带驱动器、存储器卡等或其组合之类的可移除介质。RAM起数据存储器的作用,所述数据存储器存储在CPU764中的程序执行期间使用的数据;RAM还被用作工作区域。ROM起到用于存储在CPU764中执行的程序的程序存储器的作用。程序可以驻留在ROM上或者任何其它有形或非易失性计算机可用介质(诸如计算机可读介质740)上,作为存储在其上以供CPU或另一处理器执行以履行本发明的方法的计算机可读指令。ROM还可以包含供程序或其它程序使用的数据。
PLC控制器730还可以驻留在诸如专用工业控制器、大型计算机、台式或膝上型计算机之类的数据处理设备或能够处理数据并且直接或者通过局域数据网络(LAN)720而与其它设备通信的任何其它设备上。PLC控制器730包括CPU734和存储器732。PLC控制器730可以包括准许用户与CPU734交互的输入和输出设备(未示出)。PLC控制器730被工程工具760配置成构造包括MPC的实时控制器,以用于控制系统710。PLC控制器的输入和输出模块(参见图1)直接或通过LAN720或通过诸如因特网之类的广域网与受控系统710的组件通信。
以上描述的方法可以通过如以上所描述的由计算机执行的程序模块实现。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、对象、组件、数据结构等。如本文所使用的术语“程序”可以意味着单个程序模块或一致行动的多个程序模块。本公开可以实现在各种类型的计算机上,包括个人计算机(PC)、手持设备、多处理器系统、基于微处理器的可编程消费性电子器件、网络PC、微型计算机、大型计算机等。本公开还可以在分布式计算环境中被采用,其中任务由通过通信网络而链接的远程处理设备来执行。在分布式计算环境中,模块可以位于本地和远程存储器存储设备二者中。
用于实现以上方法的示例性处理模块可以硬连线或存储在分离的存储器中,其从诸如ROM或其它类型的硬性磁驱动器、光学存储装置、磁带或闪速存储器之类的计算机可读介质被读取到处理器或多个处理器的主存储器中。在被存储在存储器介质中的程序的情况中,模块中的指令序列的执行使处理器执行本文所描述的过程步骤。本公开的实施例不限于硬件和软件的任何具体组合,并且对于实现前述而言所需要的计算机程序代码可以由本领域普通技术人员开发。
如本文所采用的术语“计算机可读介质”是指向一个或多个处理器提供指令或参与提供指令的任何有形的、机器编码的介质。例如,计算机可读介质可以是一个或多个光学或磁性存储器盘、闪速驱动器和卡、只读存储器或诸如DRAM之类的随机存取存储器,其典型地构成主存储器。这样的介质排除传播信号,所述传播信号不是有形的。经高速缓存的信息被视为存储在计算机可读介质上。计算机可读介质的常见手段在本领域中是公知的并且不需要在此进一步详细地描述。
总言之,所提出的框架提供了用于在PLC平台上实现MPC算法以充分利用PLCCPU计算能力的创新解决方案。新的MPC功能块被添加到现有PLC系统功能以容易地用于执行模型预测性控制算法。由MPC功能块所需要以生成受控过程动态模型的附加的工程工具也集成到现有PLC工程工具中。
前述详细描述要被理解为在每一个方面都是说明性和示例性的,而非限制性的,并且本文中的公开内容的范围不要从说明书、而是反而从如根据专利法所准许的完整宽度而解释的权利要求确定。要理解的是,各种修改将由本领域技术人员所实现而不脱离于本公开的范围和精神。

Claims (20)

1.一种用于经由可编程逻辑控制器来控制过程装备的方法,包括:
由实现模型预测性控制工程工具的处理器接收模型预测性控制工程参数;
由处理器来命令可编程逻辑控制器在过程装备上执行模型标识操作;
由处理器从可编程逻辑控制器接收来自模型标识操作的结果;
由处理器、通过使用来自模型标识操作的结果来构造用于过程装备的系统过程模型;
由处理器构造用于过程装备的控制逻辑;以及
将系统过程模型和控制逻辑下载到可编程逻辑控制器。
2.如权利要求1中所述的方法,其中模型预测性控制工程参数包括:误差校正因子阵列、预测范围和成本加权系数阵列。
3.如权利要求1中所述的方法,其中系统过程模型是动态矩阵模型。
4.如权利要求3中所述的方法,其中模型标识操作包括单位阶跃开环响应测试。
5.如权利要求4中所述的方法,其中单位阶跃开环响应测试包括:
经由可编程逻辑控制器向过程装备传送控制命令;以及
由可编程逻辑控制器从过程装备接收一系列响应测量。
6.如权利要求5中所述的方法,其中传送是通过可编程逻辑控制器的输出模块并且接收是通过可编程逻辑控制器的输入模块。
7.如权利要求3中所述的方法,其中系统过程模型实现以下:
其中是未知的控制增量矢量,AA 0 包括系统动态矩阵,Qλ是成本加权系数,是针对将来P个时刻的所期望的输出,是已知的控制增量矢量,h是误差校正因子并且是时间k处的模型的输出误差。
8.如权利要求1中所述的方法,其中系统过程模型是选自包括以下各项的组中的模型:状态空间表示、具有外部输入的自回归模型和具有外部输入的自回归移动平均模型。
9.如权利要求1中所述的方法,其中模型预测性控制工程工具和可编程逻辑控制工程工具包括具有单个人机接口的工具套件。
10.一种具有存储在其上的计算机可读指令的非暂时性计算机可用介质,所述计算机可读指令当被处理器执行时使处理器执行用于经由可编程逻辑控制器而控制过程装备的操作,所述操作包括:
接收模型预测性控制工程参数;
命令可编程逻辑控制器在过程装备上执行模型标识操作;
从可编程逻辑控制器接收来自模型标识操作的结果;
通过使用来自模型标识操作的结果而构造用于过程装备的系统过程模型;
构造用于过程装备的控制逻辑;以及
将系统过程模型和控制逻辑下载到可编程逻辑控制器。
11.如权利要求10中所述的非暂时性计算机可用介质,其中模型预测性控制工程参数包括:误差校正因子阵列、预测范围和成本加权系数阵列。
12.如权利要求10中所述的非暂时性计算机可用介质,其中系统过程模型是动态矩阵模型。
13.如权利要求12中所述的非暂时性计算机可用介质,其中模型标识操作包括单位阶跃开环响应测试。
14.如权利要求13中所述的非暂时性计算机可用介质,其中单位阶跃开环响应测试包括:
经由可编程逻辑控制器向过程装备传送控制命令;以及
由可编程逻辑控制器从过程装备接收一系列响应测量。
15.如权利要求14中所述的非暂时性计算机可用介质,其中传送是通过可编程逻辑控制器的输出模块并且接收是通过可编程逻辑控制器的输入模块。
16.如权利要求12中所述的非暂时性计算机可用介质,其中系统过程模型实现以下:
其中是未知的控制增量矢量,AA 0 包括系统动态矩阵,Qλ是成本加权系数,是针对将来P个时刻的所期望的输出,是已知的控制增量矢量,h是误差校正因子并且是时间k处的模型的输出误差。
17.非暂时性计算机可用介质10,其中系统过程模型是选自包括以下各项的组中的模型:状态空间表示、具有外部输入的自回归模型和具有外部输入的自回归移动平均模型。
18.非暂时性计算机可用介质10,其中模型预测性控制工程工具和可编程逻辑控制工程工具包括具有单个人机接口的工具套件。
19.一种用于对可编程逻辑控制器编程以实现模型预测性控制的模型预测性控制工程工具,工程工具包括处理器和非暂时性计算机可用介质,所述非暂时性计算机可用介质具有存储在其上的计算机可读指令,所述计算机可读指令当由处理器执行时使处理器执行用于经由可编程逻辑控制器而控制过程装备的操作,所述操作包括:
接收模型预测性控制工程参数;
命令可编程逻辑控制器在过程装备上执行模型标识操作;
从可编程逻辑控制器接收来自模型标识操作的结果;
通过使用来自模型标识操作的结果而构造用于过程装备的系统过程模型;
构造用于过程装备的控制逻辑;以及
将系统过程模型和控制逻辑下载到可编程逻辑控制器。
20.如权利要求19中所述的模型预测性控制工程工具,其中系统过程模型是动态矩阵模型。
CN201480019714.5A 2013-04-02 2014-03-27 用于在plc中实现模型预测性控制的系统和方法 Active CN105103059B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/855178 2013-04-02
US13/855,178 US9367055B2 (en) 2013-04-02 2013-04-02 System and method for implementing model predictive control in PLC
PCT/US2014/031971 WO2014165382A1 (en) 2013-04-02 2014-03-27 System and method for implementing model predictive control in plc

Publications (2)

Publication Number Publication Date
CN105103059A true CN105103059A (zh) 2015-11-25
CN105103059B CN105103059B (zh) 2018-01-02

Family

ID=50555289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480019714.5A Active CN105103059B (zh) 2013-04-02 2014-03-27 用于在plc中实现模型预测性控制的系统和方法

Country Status (4)

Country Link
US (1) US9367055B2 (zh)
EP (1) EP2981867B1 (zh)
CN (1) CN105103059B (zh)
WO (1) WO2014165382A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110892348A (zh) * 2017-07-20 2020-03-17 霍尼韦尔国际公司 Newgen控制器中传统控制功能与newgen控制功能

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10054912B2 (en) * 2015-10-19 2018-08-21 General Electric Company Method and apparatus for auto synchronizing control system data structures with model composition
US11144842B2 (en) 2016-01-20 2021-10-12 Robert Bosch Gmbh Model adaptation and online learning for unstable environments
CN106647243A (zh) * 2017-01-06 2017-05-10 蚌埠凯盛工程技术有限公司 压延机风阀自动控制系统
JP7151547B2 (ja) 2019-02-25 2022-10-12 オムロン株式会社 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム
JP7151546B2 (ja) 2019-02-25 2022-10-12 オムロン株式会社 制御装置、制御方法、及び制御プログラム
CN112506038A (zh) * 2020-10-15 2021-03-16 福建龙净环保股份有限公司 一种气体风压平衡控制方法和装置
DE102020213439A1 (de) * 2020-10-26 2022-04-28 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum kontinuierlichen Bestimmen eines Gütemaßes
EP4083584A1 (en) 2021-04-29 2022-11-02 Mettler-Toledo Garvens GmbH Method for evaluating the performance of a dynamic weighing instrument, weighing system and computer program

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060111858A1 (en) * 2004-11-22 2006-05-25 Yucai Zhu Computer method and apparatus for online process identification
US20070225835A1 (en) * 2006-03-23 2007-09-27 Yucai Zhu Computer method and apparatus for adaptive model predictive control
CN101067743A (zh) * 2007-06-13 2007-11-07 袁璞 变结构非线性模型预估控制器
CN101349893A (zh) * 2007-07-18 2009-01-21 太极光控制软件(北京)有限公司 自适应模型预测控制装置
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
CN102301290A (zh) * 2009-02-02 2011-12-28 费希尔-罗斯蒙特系统公司 具有用以补偿模型失配的可调节积分分量的模型预测控制器

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060141107A1 (en) 2004-12-29 2006-06-29 Kraft Foods Holdings, Inc. Method and system for controlling product density
US8384319B2 (en) 2010-04-28 2013-02-26 General Electric Company Systems and methods for controlling an inertia of a synchronous condenser

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060111858A1 (en) * 2004-11-22 2006-05-25 Yucai Zhu Computer method and apparatus for online process identification
US20070225835A1 (en) * 2006-03-23 2007-09-27 Yucai Zhu Computer method and apparatus for adaptive model predictive control
CN101067743A (zh) * 2007-06-13 2007-11-07 袁璞 变结构非线性模型预估控制器
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
CN101349893A (zh) * 2007-07-18 2009-01-21 太极光控制软件(北京)有限公司 自适应模型预测控制装置
CN102301290A (zh) * 2009-02-02 2011-12-28 费希尔-罗斯蒙特系统公司 具有用以补偿模型失配的可调节积分分量的模型预测控制器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张晶: "动态矩阵控制算法研究及其应用", 《中国优秀硕士学位论文全文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110892348A (zh) * 2017-07-20 2020-03-17 霍尼韦尔国际公司 Newgen控制器中传统控制功能与newgen控制功能

Also Published As

Publication number Publication date
US20140297002A1 (en) 2014-10-02
WO2014165382A1 (en) 2014-10-09
EP2981867A1 (en) 2016-02-10
EP2981867B1 (en) 2017-07-19
CN105103059B (zh) 2018-01-02
US9367055B2 (en) 2016-06-14

Similar Documents

Publication Publication Date Title
CN105103059A (zh) 用于在plc中实现模型预测性控制的系统和方法
US11625011B2 (en) Control system database systems and methods
US9760067B2 (en) System and method for predicting future disturbances in model predictive control applications
Adhyaru et al. Bounded robust control of nonlinear systems using neural network–based HJB solution
Volckaert et al. Generalization of norm optimal ILC for nonlinear systems with constraints
CN104049596A (zh) 稳定确定性的基于最优化的控制系统及方法
CN104049598B (zh) 线性和非线性系统的基于确定性优化的控制系统及方法
US10528038B2 (en) Optimization-based control with open modeling architecture systems and methods
Hentz et al. An enabling digital foundation towards smart machining
CN104731022A (zh) 控制单元、输出控制方法和程序
US20190101902A1 (en) Automatic modeling for monitoring, diagnostics, optimization and control
Lu et al. Data‐driven optimal control of operational indices for a class of industrial processes
Jeyaraj et al. Real‐time data‐driven PID controller for multivariable process employing deep neural network
Vishnu et al. A data-driven digital twin framework for key performance indicators in CNC machining processes
WO2008139006A1 (es) Sistema para diseno e implantacion de controlador robusto h (h∞,h2) ajustable en tiempo real para procesos industriales de multiples entradas y multiples salidas
Tutsch et al. Development methods for low cost industrial control by WinPAC controller and measurement cards in matlab simulink
Mattera et al. Optimal data-driven control of manufacturing processes using reinforcement learning: an application to wire arc additive manufacturing
Wang et al. Function block design for adaptive execution control of job shop machining operations
Galleguillos et al. FAHP decisions developing in low cost CPPs
CN104049532A (zh) 基于按顺序的确定性的优化的控制系统和方法
Hossain et al. Advanced control software framework for process control applications
US20230289612A1 (en) Reinforcement learning with optimization-based policy
Kumaresan et al. Design and Implementation of a Cascade Control System for Continuous Process Based on Control Logix 5571 PLC
Zhang et al. Realization of optimization design of electromechanical integration PLC program system based on 3D model
Wu et al. Intelligent control system of water level for boiler drum based on OPC and MATLAB

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant