CN113260927A - 过程控制 - Google Patents
过程控制 Download PDFInfo
- Publication number
- CN113260927A CN113260927A CN202080007553.3A CN202080007553A CN113260927A CN 113260927 A CN113260927 A CN 113260927A CN 202080007553 A CN202080007553 A CN 202080007553A CN 113260927 A CN113260927 A CN 113260927A
- Authority
- CN
- China
- Prior art keywords
- variable
- primary
- value
- actual
- set point
- 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
Links
- 238000004886 process control Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 171
- 230000008569 process Effects 0.000 claims abstract description 128
- 238000005312 nonlinear dynamic Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 abstract description 11
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 description 70
- 239000005977 Ethylene Substances 0.000 description 70
- 238000004519 manufacturing process Methods 0.000 description 31
- 239000003054 catalyst Substances 0.000 description 27
- 229920000642 polymer Polymers 0.000 description 26
- 238000004088 simulation Methods 0.000 description 21
- 239000001257 hydrogen Substances 0.000 description 18
- 229910052739 hydrogen Inorganic materials 0.000 description 18
- 238000003860 storage Methods 0.000 description 18
- LIKMAJRDDDTEIG-UHFFFAOYSA-N 1-hexene Chemical compound CCCCC=C LIKMAJRDDDTEIG-UHFFFAOYSA-N 0.000 description 17
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 17
- 238000005259 measurement Methods 0.000 description 12
- 238000012685 gas phase polymerization Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000000052 comparative effect Effects 0.000 description 8
- VXNZUUAINFGPBY-UHFFFAOYSA-N 1-Butene Chemical compound CCC=C VXNZUUAINFGPBY-UHFFFAOYSA-N 0.000 description 7
- IAQRGUVFOMOMEM-UHFFFAOYSA-N butene Natural products CC=CC IAQRGUVFOMOMEM-UHFFFAOYSA-N 0.000 description 7
- 238000012884 algebraic function Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000012190 activator Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000004540 process dynamic Methods 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 150000001336 alkenes Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000012986 chain transfer agent Substances 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- JRZJOMJEPLMPRA-UHFFFAOYSA-N olefin Natural products CCCCCCCC=C JRZJOMJEPLMPRA-UHFFFAOYSA-N 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
Images
Classifications
-
- 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
- C08F2/00—Processes of polymerisation
- C08F2/34—Polymerisation in gaseous state
-
- 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
-
- 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
- C08F210/00—Copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond
- C08F210/16—Copolymers of ethene with alpha-alkenes, e.g. EP rubbers
-
- 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
- G05B11/32—Automatic controllers electric with inputs from more than one sensing element; with outputs to more than one correcting element
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Polymers & Plastics (AREA)
- Organic Chemistry (AREA)
- Feedback Control In General (AREA)
Abstract
提供协调控制系统和控制实际过程的方法。所述协调控制系统和控制实际过程的方法利用非线性动态模型以及预测控制器计算，其中所测量干扰变量并入到所述非线性动态模型中。
Description
技术领域
本公开大体上涉及过程控制。更具体地说，但不限于，本公开涉及协调控制系统和控制实际过程的方法。
背景技术
多个系统和方法用于控制各种过程，例如工业过程。过程控制可用于满足目标，例如可预测性、稳定性和/或在期望水平下操作。业界继续关注提供新的和改进的控制系统和/或控制过程的方法。
发明内容
本公开提供一种控制实际过程的方法，所述方法包括：确定所测量干扰变量的投影值集合，其中所述所测量干扰变量未被主动操纵以影响实际主要控制变量；确定实际主要控制变量的实际主要控制变量值；利用第一非线性动态模型来确定实际主要控制变量值的估计值，其中第一非线性动态模型利用主要操纵变量值、次要操纵变量值和所测量干扰变量的投影值集合；利用第二非线性动态模型、实际主要控制变量值、实际主要控制变量值的估计值、实际主要控制变量设定点值和所测量干扰变量的投影值集合来确定主要操纵变量设定点值，其中主要操纵变量设定点值用于满足控制目标；利用第三非线性动态模型、实际主要控制变量值、实际主要控制变量值的估计值、所确定实际主要控制变量值和所测量干扰变量的投影值集合来确定次要操纵变量设定点值，其中次要操纵变量设定点值用于满足控制目标；以及向实际过程提供主要操纵变量设定点值和次要操纵变量设定点值，由此控制实际过程。
本公开提供了一种存储指令的非暂时性计算机可读介质，所述指令可由处理资源执行以实施控制实际过程的方法，如本文所公开。
本公开提供了一种协调控制系统，其包括：实际过程，其与实际主要控制变量相关联；主要控制器，其控制影响实际主要控制变量的主要操纵变量，其中主要控制器向实际过程提供主要操纵变量设定点值；次要控制器，其控制影响实际主要控制变量的次要操纵变量，其中次要控制器向实际过程提供次要操纵变量设定点值；过程估计，其利用非线性动态模型来确定所估计主要控制变量值，其中非线性动态模型利用主要操纵变量值、次要操纵变量值和所测量干扰变量值；以及所测量干扰变量的投影，其向主要控制器和次要控制器提供所测量干扰变量的投影值集合，其中：主要控制器确定当前要实现的主要操纵变量设定点值；主要操纵变量设定点值用于满足控制目标；并且次要控制器确定当前要实现的次要操纵变量设定点值。
本公开的以上发明内容并非旨在描述本公开的每个所公开的实施例或每个实施方案。以下描述更具体地示范说明性实施例。在本申请整篇的若干处，通过实例列表提供指导，所述实例可以各种组合形式使用。在每一情况下，所列举的列表仅充当代表性群组且不应解释为排它性列表。
附图说明
图1是根据本公开的一个或多个实施例的协调控制系统的实例的说明。
图2是根据本公开的一个或多个实施例的非线性动态模型的实例的说明。
图3说明根据一个或多个实施例的己烯与乙烯比率和氢气与乙烯比率的响应。
图4说明根据一个或多个实施例的聚合物生产速率、催化剂进料速率和乙烯分压。
图5说明了根据比较模拟的聚合物生产速率、催化剂进料速率和乙烯分压。
图6是根据一个或多个实施例的计算机可读存储介质的实例的框图。
具体实施方式
本公开提供协调控制系统和控制实际过程的方法。相较于其它控制系统和/或控制方法，所公开的协调控制系统和控制实际过程的方法可提供改进的响应性。改进的响应性可帮助提供多个期望的益处，例如减小的可变性，允许过程运行更接近可使得过程产量增加的过程限制，以及其它期望的益处。有利地，所公开的协调控制系统和控制实际过程的方法利用非线性动态模型以及预测控制器计算，其中所测量干扰变量并入到非线性动态模型中。
在以下详细描述中，对附图进行参考，所述附图形成本文的一部分。图式借助于说明展示了可如何实践本公开的一个或多个实施例。
足够详细地描述这些实施例，以使得所属领域的一般技术人员能够实践本公开的一个或多个实施例。应理解，在不脱离本公开的范围的情况下，可利用其它实施例，并且可进行机械、电气和/或过程改变。
本文中的图遵循编号定则，其中第一一个或多个数字对应于图号，并且其余的数字识别图式中的元件或组件。可通过使用类似数字来识别不同图之间的类似元件或组件。
图1是根据本公开的一个或多个实施例的协调控制系统102的实例的说明。协调控制系统102说明与协调控制系统102相关联的各种信号的关系。协调控制系统102可与控制过程的方法一起利用，如本文所公开。具有两个或更多个基于互连模型的控制器的控制系统可被称为协调控制系统，如本文所公开。两个或更多个互连控制器中的每一个可用于控制相应操纵变量，并且可利用那些相应操纵变量的目标值。在本文所公开的协调控制系统的一个实施例中，第一控制器可将操纵变量从基值移动到不同值以便实现控制目标，其中额外控制器可暂时地将相应操纵变量移动远离目标值以比可由第一控制器本身实现控制目标更快速地实现所述控制目标，并且接着最终返回到目标值。
协调控制系统102包含主要控制器104。主要控制器104可用于确定(例如，计算)主要操纵变量设定点值。
主要操纵变量是可影响(例如，改变)实际主要控制变量的值的操纵变量。例如，调整主要操纵变量设定点值可帮助将实际主要控制变量移动到期望值。
主要操纵变量可被称为慢作用变量。如本文所使用，相较于可被称为“快作用变量”的其它操纵变量，“慢作用变量”具有更大的死区时间和/或更大的滞后响应。在此上下文中，“死区时间”是指纯时间延迟，例如，在主要操纵变量已移动之后且在实际主要控制变量作为响应移动之前的时间长度。在此上下文中，“滞后响应”是指主要控制变量独立于死区时间从初始值移动到最终值的速度，其中较大滞后响应指示相较于较小滞后响应从初始值到最终值的移动相对较慢。对于各种应用，不同操纵变量可为慢作用变量。作为实例，对于多个气相聚合应用，催化剂流动速率和催化剂组合物可被视为慢作用变量。
主要控制器104可从比较器106接收输入信号108。比较器106可将主要控制变量值与主要控制变量设定点值进行比较，从而提供差作为比较器输出。例如，比较器106可向主要控制器104提供实际主要控制变量的期望值。主要控制变量设定点(例如，实际主要控制变量的期望值)可为恒定值或可为动态值。主要控制器104可提供信号109，例如，主要操纵变量设定点值，如本文进一步所论述。一个或多个实施例规定，可向较低电平的闭环或开环控制器提供主要操纵变量设定点值，包含向例如阀门等过程致动装置直接提供主要操纵变量设定点值。主要控制器104可利用非线性动态模型105A，如本文进一步所论述。
协调控制系统102包含次要控制器110。次要控制器110可用于确定(例如，计算)次要操纵变量值。
次要操纵变量是可影响实际主要控制变量的操纵变量。例如，调整次要操纵变量设定点值可帮助将实际主要控制变量移动到期望值。
次要操纵变量可被称为快作用变量。如本文所使用，相较于其它操纵变量，例如，如本文所论述的慢作用变量，“快作用变量”具有更小的死区时间和/或更小的滞后响应。对于各种应用，不同操纵变量可为快作用变量。作为实例，对于多个气相聚合应用，流体化床的重量、催化剂浓度、一种或多种单体的浓度、一种或多种共聚单体的流动速率、第一共聚单体与第二共聚单体的比率、第一活化剂浓度、第二活化剂与选择性控制剂的比率、链转移剂的浓度、乙烯分压、氧气与乙烯的流量比率以及阻滞剂浓度可被视为快作用变量。
次要控制器110可从比较器106接收输入信号112。例如，比较器106可向次要控制器110提供实际主要控制变量的期望值。次要控制器110可提供信号111，例如，次要操纵变量设定点值，如本文进一步所论述。次要控制器110可利用非线性动态模型105B，如本文进一步所论述。
协调控制系统102包含实际过程114。实际过程114是可利用协调控制系统102和/或控制过程的方法来控制的过程，如本文所公开。实际过程114可为物理系统。实际过程114可包含工业过程，例如，气相聚合反应器。
实际过程114可从主要控制器104接收信号109，即主要操纵变量设定点值。在接收到信号109后，实际过程可将主要操纵变量设定点值例如从在接收到信号109之前利用的值调整到与信号109相关联的主要操纵变量设定点值。实际过程114可从次要控制器110接收信号111，即次要操纵变量设定点值。在接收到信号111后，实际过程可将次要操纵变量设定点值例如从在接收到信号111之前利用的值调整到与信号111相关联的次要操纵变量设定点值。
可从实际过程114获取待用于控制的测量值。可从实际过程114获取多个测量值以确定实际主要控制变量值。实际过程114可用于确定实际主要控制变量值，例如，实际过程114与实际主要控制变量相关联。另外，实际过程114可用于例如通过利用次要测量值来推断实际主要控制变量值。可确定(例如，测量和/或推断)实际主要控制变量值，并且通过信号118向比较器116提供所述实际主要控制变量值。信号120可为差输出。信号120可从比较器116提供到比较器106。信号121可向过程估计提供多个值，例如一个或多个实际过程测量值和/或与实际过程114相关联的其它信息，如本文进一步所论述。
不同的实际主要控制变量可用于各种应用。例如当实际过程是气相聚合时，实际主要控制变量的实例是聚合物生产速率。
协调控制系统102包含过程估计122。过程估计122可用于确定所估计主要控制变量值。可实时确定所估计主要控制变量值。所估计主要控制变量值的确定可利用非线性动态模型105C。所估计主要控制变量值的确定可利用来自所测量干扰变量128的信息和从实际过程114获取的一个或多个测量值。
过程估计122可输出所估计主要控制变量值。所估计主要控制变量值可被视为实际主要控制变量值的经建模估计值。所估计主要控制变量值可通过信号124从过程估计122提供到比较器116。所估计主要控制变量值可通过信号126A从过程估计122提供到主要控制器104以及通过信号126B提供到次要控制器110。信号126A和信号126B可分别向主要控制器104和/或次要控制器110提供多个值，例如一个或多个实际过程测量值和/或与实际过程114相关联的其它信息和/或与过程估计122相关联的信息。
协调控制系统102包含所测量干扰变量128。所测量干扰变量128是影响实际主要控制变量值的所测量变量，例如，对所测量干扰变量值的改变可导致对实际主要控制变量值的改变。然而，所测量干扰变量128未被主动操纵以影响实际主要控制变量值。一个或多个实施例规定所测量干扰变量128是不受控制的变量。一个或多个实施例规定所测量干扰变量128不受主要控制器104或次要控制器110的控制。各种数目的所测量干扰变量可用于不同应用。不同的所测量干扰变量可用于各种应用。例如，当实际过程是气相聚合时，所测量干扰变量128的实例是氢气与乙烯的摩尔气体比。
所测量干扰变量值可通过信号130从所测量干扰变量128提供到实际过程114。所测量干扰变量值可通过信号132从所测量干扰变量128提供到所测量干扰变量的投影138，如本文进一步所论述。所测量干扰变量值可通过信号131从所测量干扰变量128提供到过程估计122。
协调控制系统102包含未测量干扰变量134。未测量干扰变量134是可影响实际主要控制变量值的未测量变量；然而，未测量干扰变量134未被主动操纵以影响实际主要控制变量值。各种数目的未测量干扰变量可用于不同应用。不同的未测量干扰变量可用于各种应用。例如，当实际过程是气相聚合时，未测量干扰变量134的实例是引入到气相聚合进料流中的杂质。
本公开的实施例规定所估计主要控制变量值与实际主要控制变量值之间的差可归因于未测量干扰变量134。未测量干扰变量值可通过信号136从未测量干扰变量134提供到实际过程114。
协调控制系统102包含与所测量干扰变量138相关联的投影值集合，例如，在未来时间处所测量干扰变量的所估计和/或预期值的集合。所测量干扰变量的投影值集合可包含各种未来时间的值。所测量干扰变量的投影值集合可包含连续或离散时间流的值。所测量干扰变量的投影值集合可包含数组。数组可为在当前时间处开始且按所选采样周期在时间上向前递增的值的数组。投影值集合可随时间进行而更新。
所测量干扰变量的投影138投影(例如，估计)未来时间的所测量干扰变量的投影值集合，以供主要控制器104和次要控制器110分别利用。例如，所测量干扰变量的投影138可包含超出当前时间达主要操纵变量的死区时间的未来时间，因为对主要操纵变量的改变将开始不影响主要控制变量，直到死区时间已过去为止。所测量干扰变量的投影138帮助规定主要控制器104和/或次要控制器110可有利地预计过程和干扰动态参数。例如，确定所测量干扰变量的投影值集合可包含：确定可由单独控制器提供以实现单独控制目标的未来设定点；确定是否将应用例如斜变速率或箝位等约束；并且例如通过使用基于历史数据的单独模型和/或使用工程原理的模型来预测所测量干扰变量将如何随时间推移而接近设定点。所测量干扰变量的投影值集合可通过信号140A从所测量干扰变量的投影138提供到主要控制器104以及通过信号140B提供到次要控制器110。
协调控制系统102包含次要控制器目标142。次要控制器目标142可通过信号144向主要控制器104提供次要控制器目标值。次要操纵变量设定点值可在次要控制器目标值周围移动，使得次要操纵变量移动以比仅调整主要操纵变量将满足控制目标更快地满足控制目标。次要控制器目标142可为静止的或可随时间推移而移动，例如基于例如过程目标和/或经济目标等目标。
如所提及，本公开的实施例提供控制可利用如本文所论述的协调控制系统的实际过程的方法。例如，本文所公开的控制实际过程的方法可有利地提供可帮助减少变量与设定点的偏差的改进的控制。
控制实际过程的方法可包含协调地操纵两个或更多个过程变量，即主要操纵变量和次要操纵变量。如所提及，协调地操纵两个或更多个过程变量包含利用非线性动态模型以及预测控制器计算，其中所测量干扰变量并入到非线性动态模型。主要控制器和次要控制器可用于协调地控制主要操纵变量和次要操纵变量。
控制实际过程的方法可包含确定实际主要控制变量值。确定实际主要控制变量值可包含测量(例如，直接测量)来自实际过程的值和/或推断(例如，利用)与实际过程相关联的次要测量值。
可确定所估计主要控制变量值。与过程估计相关联的非线性动态模型可利用从实际过程确定的过去和/或当前值、主要操纵变量值、次要操纵变量值和所测量干扰变量值来确定所估计主要控制变量值。如所属领域的技术人员所理解，与过程估计相关联的非线性动态模型还可利用额外信息。所估计主要控制变量值可与实际主要控制变量值相同或不同。由于一个或多个未测量干扰变量对实际过程的影响，所估计主要控制变量值可与实际主要控制变量值不同。然而，相较于其它控制系统和控制方法，所公开的协调控制系统和控制过程的方法可有利地根据建模误差和/或未测量干扰提供改进的控制性能。
本公开的实施例规定主要控制器和次要控制器可确定相应控制动作，例如，相应设定点值。这些相应控制动作用于实现未来控制目标，例如期望聚合物生产速率等，而不是在执行控制计算时。由于与例如气相聚合的实际过程相关联的死区时间和/或滞后响应，控制器确定未来控制目标。因此，所测量干扰变量的投影用于向主要控制器和次要控制器提供所测量干扰变量的未来值，即投影值。
所测量干扰变量的投影可包含估计所测量干扰变量的未来设定点。如所提及，所测量干扰变量未被主动操纵以影响实际主要控制变量值；然而，所测量干扰变量可被主动操纵以影响其它控制变量和/或控制目标。因而，所测量干扰变量的未来设定点可供主要控制器和次要控制器使用。
所测量干扰变量的投影可包含确定是否将应用例如斜变速率或箝位等约束且将所确定约束应用于所测量干扰变量的投影。将所确定约束应用于所测量干扰变量的投影可影响所测量干扰变量的未来设定点。所测量干扰变量的投影可包含所测量干扰变量如何在主要控制器未来时间和次要控制器未来时间响应所测量干扰变量的设定点(如果存在的话)的改变的建模。
控制实际过程的方法可包含确定未测量干扰和建模误差的有效值。未测量干扰和建模误差的有效值可确定为所估计主要控制变量值与实际主要控制变量值之间的差。有效值可被视为模型与实际过程之间的有效偏置，其可被称为偏移。有效值表示未测量干扰变量对实际过程的影响，并且还涵盖非线性动态模型中的任何建模误差。
控制实际过程的方法可包含确定未测量干扰和建模误差的有效值与主要控制变量设定点值之间的差。未测量干扰和建模误差的有效值与主要控制变量设定点值之间的差可发送到主要控制器和次要控制器以供相应非线性动态模型利用。
主要控制器可确定当前要实现的主要操纵变量设定点值，其中主要操纵变量设定点值用于满足如为主要控制器选择的未来时间处的控制目标。为主要控制器选择的未来时间可被称为时间范围，例如，主要控制器时间范围。为了确定此主要操纵变量设定点值，主要控制器确定控制器将从由主要控制器在先前迭代中使用的主要控制变量设定点值移动到在先前步骤中确定的设定点值的距离。此确定可被称为主要控制器轨迹。
可通过利用指定调谐常数来确定主要控制器轨迹。改变指定调谐常数可影响主要控制器如何积极地作出响应。对于多个应用，期望通过改变指定调谐常数来使控制器更积极或更不积极。
主要控制器可利用主要控制器轨迹、未来时间处的所测量干扰变量的投影值集合、次要控制器目标值和任选地实际过程测量值，并且反演非线性动态模型，以确定用于实现控制目标(包含实现次要控制器目标值)的主要操纵变量设定点值。如所属领域的技术人员所了解，非线性动态模型的非可逆部分(例如死区时间)并不反演。
控制实际过程的方法可包含确定次要操纵变量设定点值。次要控制器可确定当前要实现的次要操纵变量设定点值。为了确定此次要操纵变量设定点值，次要控制器确定控制器将从由次要控制器在先前迭代中使用的主要控制变量设定点值移动到在先前步骤中确定的设定点的距离。此确定可被称为次要控制器轨迹。可通过利用指定调谐常数来确定次要控制器轨迹。
次要控制器可次要控制器轨迹、未来时间处的所测量干扰变量的投影值集合和任选地实际过程测量值，并且反演非线性动态模型，以确定用于实现控制目标的次要操纵变量设定点值。如所属领域的技术人员所了解，非线性动态模型的非可逆部分(例如死区时间)并不反演。
控制过程的方法可包含鉴于例如斜变速率或箝位等任何约束而调整主要操纵变量设定点值和次要操纵变量设定点值。
可向实际过程提供主要操纵变量设定点值和次要操纵变量设定点值，由此控制实际过程。可接着重复控制实际过程的方法的步骤。
如所提及，协调控制系统和控制实际过程的方法利用非线性动态模型，例如，可利用如上文所论述的非线性动态模型150A、150B和150C。一个或多个实施例规定非线性动态模型150A、非线性动态模型150B和非线性动态模型150C是相同模型。一个或多个实施例规定非线性动态模型150A、非线性动态模型150B和非线性动态模型150C是不同模型。一个或多个实施例规定非线性动态模型150A、非线性动态模型150B和非线性动态模型150C独立地选自相同模型、不同模型或其组合。如所属领域的技术人员所了解，一些非线性动态模型可例如归因于在协调控制系统的不同组件处的利用而相对于彼此利用不同输入和/或提供不同输出。有利地，非线性动态模型可定量地关联模型输入，例如与主要操纵变量、次要操纵变量、所测量干扰变量和实际过程相关联的模型输入。模型输出可为过程变量，例如主要控制变量。
因为非线性动态模型是动态模型，所以其可包含时间作为输入且能够确定跨时间范围的模型输出。如本文所论述，非线性动态模型与各种协调控制系统组件(例如，主要控制器、次要控制器和过程估计)一起利用，并且用于控制过程的方法的多个步骤中。非线性动态模型并不需要具体模型或模型形式。然而，非线性动态模型既是非线性的又是动态的。本公开的实施例规定非线性动态模型的非线性部分(即可逆部分)在适用的操作区域上是连续和单调的。
本公开的一个或多个实施例规定非线性动态模型可由以下式I表示：
PV＝fNL(PMV，SMV，MDV，APM，OTR，Time) 式I
其中
PV＝过程变量(例如主要控制变量)(模型输出)；
fNL＝非线性函数；
PMV＝主要操纵变量(模型输入)；
SMV＝次要操纵变量(模型输入)；
MDV＝所测量干扰变量(模型输入)；
APM＝实际过程测量值或推断值(模型输入)；
OTR＝计算所需的其它信息(模型输入)；
Time＝时间(模型输入)。
本公开的一个或多个实施例规定具有独立于时间的非线性函数的非线性动态模型可由以下式II表示：
PV＝fNL(PMV，SMV，MDV，APM，OTR) 式II
其中
PV＝过程变量值(例如主要控制变量)(模型输出)；
fNL＝非线性函数；
PMV＝主要操纵变量值(模型输入)；
SMV＝次要操纵变量值(模型输入)；
MDV＝所测量干扰变量值(模型输入)；
APM＝实际过程测量值或推断值(模型输入)；
OTR＝用于计算的其它信息(模型输入)。
非线性动态模型中的动态参数由应用于非线性动态模型的输入的动态线性模型元件提供。换句话说，可用动态线性模型元件处理原始非线性动态模型输入以提供动态模型输入。可结合模型的非线性部分利用动态模型输入以提供动态模型输出。非线性动态模型可被称为哈默斯坦-维纳模型(Hammerstein-Wiener model)。哈默斯坦-维纳模型在以下出版物中进行了论述：Wills、Adrian&
Thomas&Ljung、Lennart&Ninness、Brett.(2013).哈默斯坦-维纳模型的识别(Identification of Hammerstein-Wiener Models).Automatica.49.70-81.例如，10.1016/j.automatica.2012.09.018。
非线性动态模型可包括包含线性差分/差方程式的动态线性模型元件，其中非线性模型元件包括代数关系。本公开的一个或多个实施例规定动态线性模型元件包含死区时间(DT或D)和一阶时间常数(T)。
图2是根据本公开的一个或多个实施例的非线性动态模型205的实例的说明。非线性动态模型205利用拉普拉斯算子(τaplace Operator)符号，并且出于说明的目的，包含两个操纵变量和单个主要控制变量。
非线性动态模型205可具有多个输入。如图2中所展示，非线性动态模型205包含输入250、输入251、输入252和输入253。对于图2中所展示的非线性动态模型205的实例：输入250对应于主要操纵变量值；输入251对应于次要操纵变量值；输入252对应于第一所测量干扰变量值；并且输入253对应于第n所测量干扰变量值，其中n是大于一整数，并且非线性动态模型205包含n个所测量干扰变量值输入。
如图2中所展示，输入250、251、252、253分别由动态线性模型元件254、255、256、257接收。如图2中所展示，非线性动态模型205进一步包含动态线性模型元件258、259、260、261。“T”用于表示一阶时间常数，并且“D”用于表示死区时间。
动态线性模型元件输出262、263、264、265可由非线性元件266接收。如所提及，非线性模型元件266包括代数关系，例如，非线性代数函数。
非线性动态模型205可提供非线性动态模型输出267。非线性动态模型输出267可对应于主要控制变量值。
非线性模型元件266的实例由以下式III展示：
其中：
PR＝生产速率(kg/h)；
CF＝催化剂进料速率(kg/h)；
C2PP＝乙烯分压(kPa)；
C4/C2＝丁烯与乙烯摩尔比(mol/mol)；
C6/C2＝己烯与乙烯摩尔比(mol/mol)；
H2/C2＝氢气与乙烯摩尔比(mol/mol)。
式III对应于非线性动态模型205，其中实际过程是气相聚合反应器，并且针对实际主要控制输出的非线性动态模型输出267是聚合物生产速率。主要操纵变量是催化剂进料速率，并且次要操纵变量是乙烯分压。利用三个所测量干扰变量，即如上文所论述n是三：丁烯与乙烯摩尔比；己烯与乙烯摩尔比；以及氢气与乙烯摩尔比。对于式III，适用的操作窗是：催化剂进料速率是0到20kg/hr；乙烯分压是500到1500kPa；丁烯与乙烯摩尔比是0.13到0.5mol/mol；己烯与乙烯摩尔比是0.06到0.3mol/mol；以及氢气与乙烯摩尔比是0.92到1.50mol/mol。提供所述值是为了说明，并且并不意图限制本公开的实施例。
利用所公开的协调控制系统和控制实际过程的方法来执行模拟。对于模拟，过程目标是在聚合物等级转换期间将实际主要控制变量，即聚合物(聚乙烯)生产速率维持在恒定设定点。利用如上文所描述的式III。对于初始聚合反应，催化剂进料速率是7.01kg/hr，乙烯分压是980kPa，丁烯与乙烯摩尔比是0.4mol/mol，己烯与乙烯摩尔比是0.2mol/mol，并且氢气与乙烯摩尔比是1.1mol/mol。聚合物生产速率被划出且具有37t/hr的匹配设定点。对于此模拟，期望将乙烯分压维持在980kPa目标的50kPa内。
在第20分钟，聚合物等级转换开始。己烯与乙烯比率(mol/mol)的设定点降低到0.15mol/mol，氢气与乙烯比率(mol/mol)的设定点增加到1.2mol/mol，并且丁烯与乙烯比率的设定点维持在0.4mol/mol。
图3说明根据一个或多个实施例的己烯与乙烯比率和氢气与乙烯比率的响应。所绘制数据370说明了随时间推移的己烯与乙烯比率的设定点；所绘制数据371说明了相对于设定点的己烯与乙烯比率，即当前值。所绘制数据372说明了随时间推移的氢气与乙烯比率的设定点；所绘制数据373说明了相对于设定点的氢气与乙烯比率，即当前值。
在等级转换开始后的第一分钟，确定催化剂进料速率和乙烯分压的新设定点，以将实际生产速率维持在尽可能接近37t/h的设定点。此时，在第21分钟转换1分钟后，观察到实际过程中的所测量聚合物生产速率(即实际生产速率)是36.32t/hr。
使用过程估计确定所估计主要控制变量值，即所估计聚合物生产速率。对于此模拟，过程估计利用了式III，如上文所论述。
对于此模拟，应用于模型输入的动态线性模型元件包含由一阶时间常数定义的一阶滤波器以及死区时间。动态线性模型元件将原始值转变为动态值，所述动态值接着应用于由式III表示的非线性代数函数。被称为一阶滞后的动态线性模型元件可由以下式IV表示：
其中
yi(t)＝在时间t处应用动态参数之后的变量i的动态值；
xi(t-Di)＝时间t减去死区时间处的变量i的原始值；
yi(t-Δt)＝先前间隔的变量i的动态模型值；
Di＝变量i的模型死区时间(min)；
τi＝变量i的一阶时间常数(min)；
Δt＝计算间隔(min)。
具体时间常数和死区时间报告在表1中。
表1
通过首先确定到非线性动态模型的输入来计算在第21分钟的所估计聚合物生产速率值。此时，响应于设定点改变，己烯与乙烯比率已从0.2降低到0.1991mol/mol；氢气与乙烯比率已从1.1增加到1.1010mol/mol；此时催化剂进料速率和乙烯分压保持不变。使用式IV将过程动态参数应用于己烯与乙烯比率和氢气与乙烯比率；然而，因为对于此模拟中的这些变量，时间常数和死区时间是零，所以所得动态值等于原始值。还将过程动态参数应用于催化剂进料速率和乙烯分压；然而，因为聚合物生产速率被划出且这些值尚未改变，所以结果分别是7.01kg/hr和980kPa。接着将这些动态值应用于式III的非线性代数方程式以提供36.63t/hr的所得所估计生产速率。
接下来，确定主要控制器和次要控制器的值。因为催化剂进料速率的死区时间是20分钟，指示催化剂进料速率的任何改变在20分钟内不会在实际过程中实现，所以主要控制器导向未来20分钟。类似地，次要控制器导向未来10分钟。使用所测量干扰变量的投影确定丁烯与乙烯摩尔比、己烯与乙烯摩尔比和氢气与乙烯摩尔比的所测量干扰变量的投影值集合，如本文所论述。对于此模拟，利用一阶投影时间常数的一阶投影方程式经使用且由式V表示；先前获得的实验数据指示适当地利用了己烯与乙烯摩尔比的为55分钟的一阶投影时间常数和氢气与乙烯摩尔比的为95分钟的一阶投影时间常数。
其中
Proj(t+D)＝未来在时间D处的所测量干扰变量的投影值集合，
Cur(t)＝在时间t处的所测量干扰变量的当前值；
Sp＝未来所测量干扰变量的设定点；
D＝未来用以投影的时间(min)；
τ＝一阶投影时间常数(min)。
使用所测量干扰变量的投影，在未来20分钟时，提供投影值：己烯与乙烯摩尔比＝0.185mol/mol且氢气与乙烯摩尔比＝1.120mol/mol。类似地，在未来10分钟时，所提供的投影值是：己烯与乙烯摩尔比＝0.190mol/mol且氢气与乙烯摩尔比＝1.112mol/mol。
接下来，确定所估计主要控制变量值与实际主要控制变量之间的差。从36.63t/hr的实际生产速率减去36.63t/hr的所估计聚合物生产速率以确定未测量干扰和建模误差的有效值是零。接着，从37t/hr的聚合物生产速率设定点减去未测量干扰和建模误差的有效值，并且向主要控制器和次要控制器提供37/t/hr的所得值。因为未测量干扰和建模误差的有效值是零且设定点不改变，所以主要控制器和次要控制器将轨迹设定为等于37t/hr的设定点。
接下来，主要控制器利用37t/hr的轨迹，投影值(未来20分钟)为：己烯与乙烯摩尔比＝0.185mol/mol，氢气与乙烯摩尔比＝1.120mol/mol，丁烯与乙烯摩尔比＝0.4mol/mol(保持恒定)，乙烯分压＝980kPa，并且反演式III的非线性代数函数以确定8.24kg/hr的催化剂进料速率应用于满足过程目标，其中此值表示为y(t)。接着，还反演来自非线性动态模型的动态参数以确定将发送到实际过程的最终设定点。超前计算x(t)用于反演动态参数。超前计算输出可能非常嘈杂，以至于在真实过程中无法实现，因此小的一阶衰落函数α(t)应用于函数，以便减少过程噪声。在此情况下，此阿尔法衰落函数的时间常数是10.0分钟，其对主要操纵变量时间常数τ使用倍增因数b＝0.2。
使用先前指示的命名法离散域中的超前计算由以下式VI-VII表示：
对于此模拟，所利用的值是：
使用以上方程式来反演模型动态参数以提供向实际过程提供的12.74kg/hr的催化剂进料速率设定点。
类似地，次要控制器利用37t/hr的轨迹，投影值(未来10分钟)为：己烯与乙烯摩尔比＝0.190mol/mol，氢气与乙烯摩尔比＝1.112mol/mol，丁烯与乙烯摩尔比＝0.4mol/mol(保持恒定)，催化剂进料速率＝7.01kg/hr，并且反演式III的非线性代数函数以确定应利用1064kPa的乙烯分压设定点。反演动态参数产生1286kPa的设定点。如所提及，对于此模拟，期望将乙烯分压维持在980kPa的50kPa内，因此在将乙烯分压设定点发送到实际过程之前将所述乙烯分压设定点箝位到1030kPa。
一分钟后，在第22分钟，再次应用如与模拟相关的所描述的控制过程的方法，并且其后未来每分钟再次应用。控制实际过程的方法的长期结果(如本文所公开)展示于图4中。
图4说明根据一个或多个实施例的聚合物生产速率、催化剂进料速率和乙烯分压。所绘制数据480说明了随时间推移的聚合物生产速率的设定点；所绘制数据481说明了相对于设定点的聚合物生产速率，即当前值。如图4中所说明，有利地，聚合物生产速率仅在短时间内远离设定点减小，并且接着快速返回到设定点。
所绘制数据482说明了催化剂进料速率设定点，其在此模拟中也是催化剂进料速率当前值。如图4中所说明，催化剂进料速率在预计所测量干扰变量的移动时初始地改变。
所绘制数据483说明了乙烯分压的目标；所绘制数据484说明了乙烯分压设定点，其在此模拟中也是乙烯分压当前值。如图4中所说明，乙烯分压移动远离目标以帮助将聚合物生产速率移动回到聚合物生产速率设定点；乙烯分压接着很快返回到目标。
为了对比本文所公开的协调控制系统和控制实际过程的方法，执行了比较模拟。比较模拟利用如第5，191，521号美国专利中所描述的控制方法。与本文所公开的协调控制系统和控制实际过程的方法相比，比较模拟不考虑非线性动态模型、所测量干扰变量或预测未来值。比较模拟的长期结果展示于图5中。
图5说明了根据比较模拟的聚合物生产速率、催化剂进料速率和乙烯分压。所绘制数据590说明了随时间推移的聚合物生产速率的设定点；所绘制数据591说明了相对于设定点的聚合物生产速率，即当前值。如图5中所说明，相较于图4的所绘制数据，存在更明显的偏离聚合物生产速率设定点的情况，即更远离设定点和远离设定点的时间更长两者。
所绘制数据592说明了催化剂进料速率。如图5中所说明，相较于图4的所绘制数据，催化剂进料速率花费更长时间来改变。用以改变的此更长时间是因为比较模拟的催化剂进料速率对聚合物生产速率的降低作出响应且比较模拟并不预计所测量干扰变量的影响。
所绘制数据593说明了乙烯分压的目标；所绘制数据594说明了乙烯分压设定点，其在此模拟中也是乙烯分压当前值。如图5中所说明，相较于图4的所绘制数据，乙烯分压移动远离目标且花费更长时间返回到目标。
图6是根据一个或多个实施例的计算机可读存储介质6101的实例的框图。作为实例，协调控制系统102可包括存储指令的非暂时性计算机可读介质6101，所述指令可由处理资源执行以实施控制实际过程的方法，如本文所公开。
在各种实例中，计算机可读存储介质6101可包含指令，所述指令在由处理资源执行时可进行以下操作：6102确定所测量干扰变量的投影值集合，其中所测量干扰变量未被主动操纵以影响实际主要控制变量；6104确定实际主要控制变量的实际主要控制变量值；6106利用第一非线性动态模型来确定实际主要控制变量值的估计值，其中第一非线性动态模型利用主要操纵变量值、次要操纵变量值和所测量干扰变量的投影值集合；6108利用第二非线性动态模型、实际主要控制变量值、实际主要控制变量值的估计值、实际主要控制变量设定点值和所测量干扰变量的投影值集合来确定主要操纵变量设定点值，其中主要操纵变量设定点值用于满足控制目标；6110利用第三非线性动态模型、实际主要控制变量值、实际主要控制变量值的估计值、实际主要控制变量设定点值和所测量干扰变量的投影值集合来确定次要操纵变量设定点值，其中次要操纵变量设定点值用于满足控制目标；以及6112向实际过程提供主要操纵变量设定点值和次要操纵变量设定点值，由此控制实际过程。
计算机可读存储介质6101可利用多个非线性动态模型，例如非线性动态模型150A、非线性动态模型150B和非线性动态模型150C，如本文先前所论述。关于本文所描述和所展示的可执行指令表示或框，应理解，包含于一个框内的可执行指令和/或电子电路的部分或全部可包含于图中所展示的不同框中或未展示的不同框中。计算机可读存储介质6101可包含在图6中未说明的多个额外指令，例如，与如本文所公开的控制实际过程的方法相关联的额外指令。
尽管提及个别处理资源和个别计算机可读存储介质，但所述描述还可适用于具有多个处理资源和多个计算机可读存储介质的协调控制系统102。在此类实例中，指令可跨越多个计算机可读存储介质分布且指令可跨越多个处理资源分布。换句话说，指令可跨越多个计算机可读存储介质存储且跨越多个处理资源(例如在分布式计算环境中)执行。一个或多个实施例规定协调控制系统102可包含逻辑，例如，以执行本文所论述的一个或多个步骤。
计算机可读存储介质可为存储可执行指令的任何电子、磁性、光学或其它物理存储装置。因此，计算机可读存储介质可为例如随机存取存储器(RAM)、电可擦除可编程只读存储器(EEPROM)、存储驱动器、光学光盘等。可执行指令可“安装”在协调控制系统102上。计算机可读存储介质可为便携式、外部或远程存储介质，例如，其允许协调控制系统102从所述便携式/外部/远程存储介质下载指令。
处理资源可为中央处理单元(CPU)、微处理器和/或适合于检索和执行存储在计算机可读存储介质中的指令的其它硬件装置。作为实例，处理资源可接收、确定和发送信息。作为检索和执行指令的替代或补充，处理资源可包含电子电路，所述电子电路包括用于执行计算机可读存储介质中的指令的操作的电子组件。
协调控制系统102，例如其组件，可包含适当的组件，例如硬件和/或软件，以与各种过程设备(例如与实际过程相关联的过程设备)介接，以促进测量并且执行计算等。可利用所属领域的一般技术人员已知的多种仪器。
本文所公开的协调控制系统和/或控制实际过程的方法可用于多个应用，例如化学过程、烯烃过程、聚合过程和气相聚合过程等。例如，各种方法可利用单反应器构造、双反应器构造、钛催化剂系统或包含茂金属的铬催化剂系统。
Claims (8)
1.一种控制实际过程的方法，所述方法包括：
确定所测量干扰变量的投影值集合，其中所述所测量干扰变量未被主动操纵以影响实际主要控制变量；
确定所述实际主要控制变量的实际主要控制变量值；
利用第一非线性动态模型来确定所述实际主要控制变量值的估计值，其中所述第一非线性动态模型利用主要操纵变量值、次要操纵变量值和所述所测量干扰变量的所述投影值集合；
利用第二非线性动态模型、所述实际主要控制变量值、所述实际主要控制变量值的所述估计值、实际主要控制变量设定点值、和所述所测量干扰变量的所述投影值集合来确定主要操纵变量设定点值，其中所述主要操纵变量设定点值用于满足控制目标；
利用第三非线性动态模型、所述实际主要控制变量值、所述实际主要控制变量值的所述估计值、所述实际主要控制变量设定点值和所述所测量干扰变量的所述投影值集合来确定次要操纵变量设定点值，其中所述次要操纵变量设定点值用于满足所述控制目标；以及
向所述实际过程提供所述主要操纵变量设定点值和所述次要操纵变量设定点值，由此控制所述实际过程。
2.根据权利要求1所述的方法，其中主要控制器和次要控制器协调地控制所述主要操纵变量和所述次要操纵变量。
3.根据权利要求1所述的方法，其中所述主要操纵变量具有比所述次要操纵变量大的滞后响应。
4.根据权利要求1所述的方法，其中所述主要操纵变量具有比所述次要操纵变量大的死区时间。
5.根据权利要求1所述的方法，其中所述第一非线性动态模型、所述第二非线性动态模型和所述第三非线性动态模型为相同模型。
6.根据权利要求1所述的方法，其中所述第一非线性动态模型、所述第二非线性动态模型和所述第三非线性动态模型独立地选自相同模型、不同模型或其组合。
7.一种存储指令的非暂时性计算机可读介质，所述指令能够由处理资源执行以进行以下操作：
确定所测量干扰变量的投影值集合，其中所述所测量干扰变量未被主动操纵以影响实际主要控制变量；
确定所述实际主要控制变量的实际主要控制变量值；
利用第一非线性动态模型来确定所述实际主要控制变量值的估计值，其中所述第一非线性动态模型利用主要操纵变量值、次要操纵变量值和所述所测量干扰变量的所述投影值集合；
利用第二非线性动态模型、所述实际主要控制变量值、所述实际主要控制变量值的所述估计值、实际主要控制变量设定点值、和所述所测量干扰变量的所述投影值集合来确定主要操纵变量设定点值，其中所述主要操纵变量设定点值用于满足控制目标；
利用第三非线性动态模型、所述实际主要控制变量值、所述实际主要控制变量值的所述估计值、所述实际主要控制变量设定点值和所述所测量干扰变量的所述投影值集合来确定次要操纵变量设定点值，其中所述次要操纵变量设定点值用于满足所述控制目标；以及
向所述实际过程提供所述主要操纵变量设定点值和所述次要操纵变量设定点值，由此控制所述实际过程。
8.一种协调控制系统，其包括：
实际过程，其与实际主要控制变量相关联；
主要控制器，其控制影响所述实际主要控制变量的主要操纵变量，其中所述主要控制器向所述实际过程提供主要操纵变量设定点值；
次要控制器，其控制影响所述实际主要控制变量的次要操纵变量，其中所述次要控制器向所述实际过程提供次要操纵变量设定点值；
过程估计，其利用非线性动态模型来确定所估计主要控制变量值，其中所述非线性动态模型利用所述主要操纵变量值、所述次要操纵变量值和所测量干扰变量值；以及
所述所测量干扰变量的投影，其向所述主要控制器和所述次要控制器提供所述所测量干扰变量的投影值集合，
其中：
所述主要控制器确定当前要实现的主要操纵变量设定点值；
所述主要操纵变量设定点值用于满足控制目标；并且
所述次要控制器确定当前要实现的次要操纵变量设定点值。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962799367P | 2019-01-31 | 2019-01-31 | |
| US62/799367 | 2019-01-31 | ||
| PCT/US2020/015563 WO2020160078A1 (en) | 2019-01-31 | 2020-01-29 | Process control |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113260927A true CN113260927A (zh) | 2021-08-13 |
| CN113260927B CN113260927B (zh) | 2024-06-18 |
Family
ID=69726804
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080007553.3A Active CN113260927B (zh) | 2019-01-31 | 2020-01-29 | 过程控制 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US12050444B2 (zh) |
| EP (1) | EP3918427A1 (zh) |
| CN (1) | CN113260927B (zh) |
| CA (1) | CA3127223A1 (zh) |
| SG (1) | SG11202107152SA (zh) |
| WO (1) | WO2020160078A1 (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2220316A1 (fr) * | 1995-06-09 | 1996-12-27 | Solvay Polyolefins Europe - Belgium (Societe Anonyme) | Methode de regulation de procedes de synthese de produits chimiques |
| CN1183148A (zh) * | 1995-04-28 | 1998-05-27 | 埃克森化学专利公司 | 控制非线性过程的反馈方法 |
| CN1264066A (zh) * | 1997-12-23 | 2000-08-23 | 蒙岱尔北美股份有限公司 | 非线性模型预测控制和气相反应器控制器噪声滤波的方法 |
| WO2002075325A1 (en) * | 2001-03-15 | 2002-09-26 | Exxonmobil Chemical Patents Inc. | Reaction process control |
| CN1558792A (zh) * | 2001-09-26 | 2004-12-29 | Bp | 一体化的化工工艺控制 |
| CN1604913A (zh) * | 2001-12-17 | 2005-04-06 | 尤尼威蒂恩技术有限责任公司 | 使用非线性动力学控制气相聚乙烯反应器可操作性的方法 |
| TW200625043A (en) * | 2004-10-28 | 2006-07-16 | Dow Global Technologies Inc | Method of controlling a polymerization reactor |
| CN101477112A (zh) * | 2009-01-12 | 2009-07-08 | 浙江大学 | 工业流化床气相聚乙烯装置的产品质量在线软测量方法 |
| US20100144967A1 (en) * | 2006-09-21 | 2010-06-10 | Union Carbide Chemicals & Plastics Technology Llc | Methods of controlling properties in multimodal systems |
| WO2010076284A1 (en) * | 2008-12-29 | 2010-07-08 | Basell Poliolefine Italia S.R.L. | Gas-phase polymerization reactor control |
| CN102736570A (zh) * | 2011-04-13 | 2012-10-17 | 北京化工大学 | 一种气相聚乙烯装置质量指标及操作约束在线估计系统及方法 |
| EP2738211A1 (en) * | 2012-11-28 | 2014-06-04 | Basell Polyolefine GmbH | Polyethylene composition having high swell ratio |
| EP3111281A1 (en) * | 2014-02-26 | 2017-01-04 | ABB Schweiz AG | A system and a method for advanced optimization of continuous digester operation |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5191521A (en) | 1990-06-18 | 1993-03-02 | Controlsoft, Inc. | Modular multivariable control apparatus and method |
| CA2414707C (en) | 2000-06-29 | 2011-08-16 | Aspen Technology, Inc. | Computer method and apparatus for constraining a non-linear approximator of an empirical process |
| US6846884B2 (en) * | 2002-09-27 | 2005-01-25 | Union Carbide Chemicals & Plastics Technology Corporation | Control of resin properties |
| CN100514230C (zh) * | 2002-12-09 | 2009-07-15 | 搭篷技术公司 | 具有可变动态特性的过程的自适应控制的一种系统和方法 |
| DE60334494D1 (de) * | 2002-12-09 | 2010-11-18 | Rockwell Automation Inc | System und verfahren zur adaptiven steuerung von prozessen mit veränderlicher dynamik |
| US8046089B2 (en) | 2008-06-20 | 2011-10-25 | Honeywell International Inc. | Apparatus and method for model predictive control (MPC) of a nonlinear process |
| US20100152900A1 (en) * | 2008-10-10 | 2010-06-17 | Exxonmobil Research And Engineering Company | Optimizing refinery hydrogen gas supply, distribution and consumption in real time |
-
2020
- 2020-01-29 CA CA3127223A patent/CA3127223A1/en active Pending
- 2020-01-29 EP EP20708353.6A patent/EP3918427A1/en active Pending
- 2020-01-29 US US17/421,454 patent/US12050444B2/en active Active
- 2020-01-29 SG SG11202107152SA patent/SG11202107152SA/en unknown
- 2020-01-29 WO PCT/US2020/015563 patent/WO2020160078A1/en unknown
- 2020-01-29 CN CN202080007553.3A patent/CN113260927B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1183148A (zh) * | 1995-04-28 | 1998-05-27 | 埃克森化学专利公司 | 控制非线性过程的反馈方法 |
| CA2220316A1 (fr) * | 1995-06-09 | 1996-12-27 | Solvay Polyolefins Europe - Belgium (Societe Anonyme) | Methode de regulation de procedes de synthese de produits chimiques |
| CN1264066A (zh) * | 1997-12-23 | 2000-08-23 | 蒙岱尔北美股份有限公司 | 非线性模型预测控制和气相反应器控制器噪声滤波的方法 |
| WO2002075325A1 (en) * | 2001-03-15 | 2002-09-26 | Exxonmobil Chemical Patents Inc. | Reaction process control |
| CN1558792A (zh) * | 2001-09-26 | 2004-12-29 | Bp | 一体化的化工工艺控制 |
| CN1604913A (zh) * | 2001-12-17 | 2005-04-06 | 尤尼威蒂恩技术有限责任公司 | 使用非线性动力学控制气相聚乙烯反应器可操作性的方法 |
| TW200625043A (en) * | 2004-10-28 | 2006-07-16 | Dow Global Technologies Inc | Method of controlling a polymerization reactor |
| US20130123440A1 (en) * | 2004-10-28 | 2013-05-16 | Dow Global Technologies Llc | Method of controlling a polymerization reactor |
| US20100144967A1 (en) * | 2006-09-21 | 2010-06-10 | Union Carbide Chemicals & Plastics Technology Llc | Methods of controlling properties in multimodal systems |
| WO2010076284A1 (en) * | 2008-12-29 | 2010-07-08 | Basell Poliolefine Italia S.R.L. | Gas-phase polymerization reactor control |
| CN101477112A (zh) * | 2009-01-12 | 2009-07-08 | 浙江大学 | 工业流化床气相聚乙烯装置的产品质量在线软测量方法 |
| CN102736570A (zh) * | 2011-04-13 | 2012-10-17 | 北京化工大学 | 一种气相聚乙烯装置质量指标及操作约束在线估计系统及方法 |
| EP2738211A1 (en) * | 2012-11-28 | 2014-06-04 | Basell Polyolefine GmbH | Polyethylene composition having high swell ratio |
| EP3111281A1 (en) * | 2014-02-26 | 2017-01-04 | ABB Schweiz AG | A system and a method for advanced optimization of continuous digester operation |
Non-Patent Citations (1)
| Title |
|---|
| 唐娟;范志;: "聚丙烯装置气相聚合生产过程预测控制系统的研究与实现", 石油规划设计, vol. 28, no. 05, pages 36 - 40 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220083013A1 (en) | 2022-03-17 |
| SG11202107152SA (en) | 2021-07-29 |
| US12050444B2 (en) | 2024-07-30 |
| CA3127223A1 (en) | 2020-08-06 |
| EP3918427A1 (en) | 2021-12-08 |
| WO2020160078A1 (en) | 2020-08-06 |
| CN113260927B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2292601C (en) | Polymerization process controller | |
| US6688532B2 (en) | Controller, temperature controller and heat processor using same | |
| Alhamad et al. | On-line multi-variable predictive control of molar mass and particle size distributions in free-radical emulsion copolymerization | |
| JP2013069094A (ja) | 制御方法および制御装置 | |
| JP6796011B2 (ja) | 制御方法および制御装置 | |
| CN113260927B (zh) | 过程控制 | |
| US20030225554A1 (en) | Method of predicting carrying time in automatic warehouse system | |
| Pan et al. | Recursive data-based prediction and control of product quality for a PMMA batch process | |
| JP2001067103A (ja) | プロセス制御方法および装置 | |
| Cancelier et al. | Predictive control of a batch polymerization system using a feedforward neural network with online adaptation by genetic algorithm | |
| Kittisupakorn et al. | Hybrid neural network controller design for a batch reactor to produce methyl methacrylate | |
| Arellano-Garcia et al. | Close-loop stochastic dynamic optimization under probabilistic output-constraints | |
| JPS63276604A (ja) | プロセス制御装置 | |
| CN103513618A (zh) | 工业过程的控制方法和设备 | |
| Shamekh et al. | Design of standard PID controller for exothermic batch process simulation | |
| Holtorf et al. | Adaptive scenario generation for multistage NMPC with shrinking horizons | |
| Ekpo et al. | Performance analysis of three controllers for the polymerisation of styrene in a batch reactor | |
| Fevotte et al. | Computer-aided parameter estimation and on-line monitoring of emulsion and solution polymerisation reactors | |
| Srour et al. | Online model-based control of an emulsion terpolymerisation process | |
| Schley et al. | Nonlinear model predictive control of a styrene polymerization reactor | |
| CN110611470B (zh) | 一种速度伺服系统的控制方法 | |
| Gattu et al. | State estimation model based algorithm for on-line optimization and control of batch processes | |
| CN116808977A (zh) | 一种聚合釜冷却水智能分配调节方法及系统 | |
| Perea et al. | Development of on-line optimization-based control strategies for a starved-feed semibatch copolymerization reactor | |
| Wang et al. | Self‐tuning predictive control with forecasting factor for control of pneumatic lumber handling systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |