CN115877700A - 过程控制方法及装置 - Google Patents

过程控制方法及装置 Download PDF

Info

Publication number
CN115877700A
CN115877700A CN202111139091.3A CN202111139091A CN115877700A CN 115877700 A CN115877700 A CN 115877700A CN 202111139091 A CN202111139091 A CN 202111139091A CN 115877700 A CN115877700 A CN 115877700A
Authority
CN
China
Prior art keywords
simulation model
model
updating
control
parameters
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.)
Pending
Application number
CN202111139091.3A
Other languages
English (en)
Inventor
闻博
张鹏
范顺杰
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
Priority to CN202111139091.3A priority Critical patent/CN115877700A/zh
Priority to PCT/EP2022/076827 priority patent/WO2023046988A1/en
Publication of CN115877700A publication Critical patent/CN115877700A/zh
Pending legal-status Critical Current

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
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B13/042—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 parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32017—Adapt real process as function of changing simulation model, changing for better results
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明提出了一种过程控制方法，所述过程控制方法包括：PID控制器输出控制值至过程中的多个设备，所述过程中的多个设备根据所述控制值产生一输出值；根据所述控制值和所述输出值更新所述过程对应的过程仿真模型；根据所述更新的所述过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对所述过程中的多个设备进行过程控制。

Description

过程控制方法及装置
技术领域
本发明主要涉及过程控制领域，尤其涉及一种过程控制方法及装置。
背景技术
在工业控制中，PID控制器占据统治地位。PID控制器的控制性能依赖于对控制器中参数(比例，积分，微分)的精细调整，PID控制通常情况下为独立控制回路，但如果存在多个PID控制回路，多个PID控制回路之间会产生相互影响，将导致全局PID控制相当复杂。基于此，模型预测控制器(MPC)被引入用以在过程模型的基础上求取最优控制器参数，然而，如果出现模型漂移的问题，将会产生无法预计的灾难性后果。此外，产线可能面临多种生产场景，例如不同的输入流量、质量要求等，现有的PID控制器无法适应多变的生产场景。
发明内容
为了解决上述技术问题，本发明提供一种过程控制方法及装置，以动态调整PID控制器的控制参数，提高过程控制的准确性，实现过程控制的全局最优。
为实现上述目的，本发明提出了一种过程控制方法，所述过程控制方法包括：PID控制器输出控制值至过程中的多个设备，所述过程中的多个设备根据所述控制值产生一输出值；根据所述控制值和所述输出值更新所述过程对应的过程仿真模型；根据所述更新的所述过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对所述过程中的多个设备进行过程控制。为此，过程控制的过程仿真模型是动态更新的，PID控制器的控制参数也会相应地调整，可以消除过程仿真模型的偏移误差，避免过程陷入局部最优的情况，可以实现过程的全局最优。
优选地，根据所述控制值和所述输出值更新所述过程对应的过程仿真模型包括：根据所述控制值和所述输出值训练一强化学习模型，使用所述强化学习模型更新所述过程仿真模型。为此，通过强化学习模型更新过程仿真模型，可以提高过程仿真模型更新的智能性。
优选地，所述过程控制方法包括：确定所述过程仿真模型中的名义模型和噪声模型，使用所述强化学习模型更新所述过程仿真模型中的噪声模型。为此，可以提高更新过程仿真模型的效率。
优选地，根据所述更新的所述过程仿真模型对PID控制器的参数进行优化包括：配置多个预设过程场景，生成所述多个预设过程场景对应的优化参数集合，匹配当前过程场景与所述多个预设过程场景，确定所述当前过程场景对应的优化参数集合中的优化参数。为此，通过配置不同的预设过程场景，可以提高过程控制的精度。
优选地，所述过程控制方法包括：实时检测所述过程的过程场景，在所述过程场景发生变化时，从所述优化参数集合中更新优化参数。为此，通过根据过程场景动态更新优化参数，可以提高过程控制的实时性。
本发明提出了一种过程控制装置，所述过程控制装置包括：数据采集模块，PID控制器输出控制值至过程中的多个设备，所述过程中的多个设备根据所述控制值产生一输出值；更新模块，根据所述控制值和所述输出值更新所述过程对应的过程仿真模型；优化模块，根据所述更新的所述过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对所述过程中的多个设备进行过程控制。
优选地，所述更新模块根据所述控制值和所述输出值更新所述过程对应的过程仿真模型包括：根据所述控制值和所述输出值训练一强化学习模型，使用所述强化学习模型更新所述过程仿真模型。
优选地，所述过程控制装置包括：确定所述过程仿真模型中的名义模型和噪声模型，使用所述强化学习模型更新所述过程仿真模型中的噪声模型。
优选地，所述优化模块根据所述更新的所述过程仿真模型对PID控制器的参数进行优化包括：配置多个预设过程场景，生成所述多个预设过程场景对应的优化参数集合，匹配当前过程场景与所述多个预设过程场景，确定所述当前过程场景对应的优化参数集合中的优化参数。
优选地，所述过程控制装置包括：实时检测所述过程的过程场景，在所述过程场景发生变化时，从所述优化参数集合中更新优化参数。
本发明提出了一种电子设备，包括处理器、存储器和存储在所述存储器中的指令，其中所述指令被所述处理器执行时实现如上文所述的方法。
本发明提出了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令在被运行时执行根据上文所述的方法。
附图说明
以下附图仅旨在于对本发明做示意性说明和解释，并不限定本发明的范围。其中，
图1是根据本发明的一实施例的一种运动控制方法的流程图；
图2是根据本发明的一实施例的一种运动控制方法的示意图；
图3是根据本发明的一实施例的一种运动控制方法的离线在线示意图；
图4是根据本发明的一实施例的一种运动控制装置的示意图；
图5是根据本发明的一实施例的一种电子设备的示意图。
附图标记说明
100 过程控制方法
110-130 步骤
210 PID控制器
220 过程
230 模型校正模块
240 过程仿真模型
250 优化模块
260 优化参数集合
270 优化参数
280 场景配置模块
A 边缘设备
410 数据采集模块
420 更新模块
430 优化模块
500 电子设备
510 处理器
520 存储器
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，因此本发明不受下面公开的具体实施例的限制。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
本发明提出了一种过程控制方法，图1是根据本发明的一实施例的一种过程控制方法100的流程图。如图1所示，过程控制方法100包括：
步骤110，PID控制器输出控制值至过程中的多个设备，过程中的多个设备根据控制值产生一输出值。
过程中包括多个设备，多个设备之间相互连接，多个设备之间连接组成过程。PID控制器输出控制值至过程中的多个设备，PID控制器可以对多个回路进行控制，各个回路具有对应的PID控制器，例如过程包括第一反应罐，第二反应罐，第一反应罐和第二反应罐之间通过阀门连接，阀门控制第一反应罐的液位为第一控制回路，阀门控制第二反应罐的也为第二控制回路，第一控制回路通过第一PID控制器进行控制，第二控制回路通过第二PID控制进行控制，过程中的多个设备根据控制值产生一输出值，例如第一反应罐的液位传感器输出一第一液位输出值，第二反应罐的液位传感器输出一第二液位输出值。在一些情况下，第一反应罐需要较快的流速，此时需要将阀门的流速调大，然而阀门的流速调大将会导致第二反应罐的液位变化剧烈，使得第二反应罐无法达到需要，由此陷入局部最优的陷阱。
图2是根据本发明的一实施例的一种运动控制方法的示意图。如图2所示，PID控制器210对过程220进行控制，可以理解，PID控制器210中包括多个子PID控制器，多个子PID控制器对应不同的PID控制回路，过程220包括多个设备和设备之间的连接关系。
步骤120，根据控制值和输出值更新过程对应的过程仿真模型。
过程仿真模型是对过程进行仿真之后建立的仿真模型，可以反应过程的拓扑结构和动态变化关系，PID控制器输出控制值至过程后，过程根据控制值输出一输出值。控制值和输出值用来更新过程对应的过程仿真模型。在一些实施例中，根据控制值和输出值更新过程对应的过程仿真模型包括：根据控制值和输出值训练一强化学习模型，使用强化学习模型更新过程仿真模型。在一些实施例中，确定过程仿真模型中的名义模型和噪声模型，使用强化学习模型更新过程仿真模型中的噪声模型。
继续参考图2所示，PID控制器210输出的控制值和过程220输出的输出值被发送至模型校正模块230中，模型校正模块230中可以配置有强化学习模型，对于该强化学习模型，过程可以作为环境，过程的输入和输出即控制值和输出值作为状态(state)，强化学习模型根据状态和奖励(reward)生成一动作(action)，该动作作用于环境中。通过强化学习模型，可以智能地更新过程仿真模型，过程仿真模型通常可以分为名义模型(nominal model)和噪声模型(noise model)，名义模型是过程仿真模型的框架部分，基本上不变，噪声模型为过程仿真模型的噪声部分，通常发生变化，可以在确定过程仿真模型中的名义模型和噪声模型之后，使用强化学习模型更新过程仿真模型中的噪声模型，可以提高更新过程仿真模型的效率。至此，模型校正模块230更新了过程仿真模型240。
步骤130，根据更新的过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对过程中的多个设备进行过程控制。
过程仿真模型更新之后，根据更新的过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对过程中的多个设备进行过程控制。为此，过程控制的过程仿真模型是动态更新的，PID控制器的控制参数也会相应地调整，可以消除过程仿真模型的偏移误差，避免过程陷入局部最优的情况，可以实现过程的全局最优。
在一些实施例中，根据更新的过程仿真模型对PID控制器的参数进行优化包括：配置多个预设过程场景，生成多个预设过程场景对应的优化参数集合，匹配当前过程场景与多个预设过程场景，确定当前过程场景对应的优化参数集合中的优化参数。在一些实施例中，过程控制方法包括：实时检测过程的过程场景，在过程场景发生变化时，从优化参数集合中更新优化参数。
在图2中，优化模块250根据更新的过程仿真模型240生成优化参数，不用的预设过程场景会生成对应的优化参数，这些优化参数组成优化参数集合260。例如，可以配置第一预设过程场景，第二预设过程场景和第三预设过程场景，第一预设过程场景中流量为5-20t/h，第二预设过程场景中流量为20-40t/h，第三预设过程场景中流量为40-50t/h，第一预设过程场景，第二预设过程场景和第三预设过程场景由优化模块250生成对应的第一优化参数，第二优化参数和第三优化参数，可以理解，第一优化参数，第二优化参数和第三优化参数由多个参数组成。若检测到当前过程场景中的流量为35t/h，则选择第二预设过程场景对应的第二优化参数。此外，实时检测过程220的过程场景，若过程220的流量变为45t/h，则选择第三预设过程场景对应的第三优化参数。图2中的模型校正模块230，过程仿真模型240，优化模块250，优化参数集合260，优化参数270，场景配置模块280可以固定到诸如边缘设备A的硬件中。
图3是根据本发明的一实施例的一种运动控制方法的离线在线示意图。虚线的左侧为离线模块，虚线的右侧为在线模块，即过程仿真模块240，优化模块250、优化参数集合260和场景配置模块280是可以预先固定的，在过程控制中应用到在线模块中。
本发明的实施例提供了一种过程控制方法，过程控制的过程仿真模型是动态更新的，PID控制器的控制参数也会相应地调整，可以消除过程仿真模型的偏移误差，避免过程陷入局部最优的情况，可以实现过程的全局最优。
本发明还提出了一种过程控制装置，图4是根据本发明的一实施例的一种运动控制装置400的示意图，过程控制装置400包括：
数据采集模块410，PID控制器输出控制值至过程中的多个设备，过程中的多个设备根据控制值产生一输出值；
更新模块420，根据控制值和输出值更新过程对应的过程仿真模型；
优化模块430，根据更新的过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对过程中的多个设备进行过程控制。
在一些实施例中，更新模块根据控制值和输出值更新过程对应的过程仿真模型包括：根据控制值和输出值训练一强化学习模型，使用强化学习模型更新过程仿真模型。
在一些实施例中，过程控制装置400包括：确定过程仿真模型中的名义模型和噪声模型，使用强化学习模型更新过程仿真模型中的噪声模型。
在一些实施例中，优化模块430根据更新的过程仿真模型对PID控制器的参数进行优化包括：配置多个预设过程场景，生成多个预设过程场景对应的优化参数集合，匹配当前过程场景与多个预设过程场景，确定当前过程场景对应的优化参数集合中的优化参数。
在一些实施例中，过程控制装置400包括：实时检测过程的过程场景，在过程场景发生变化时，从优化参数集合中更新优化参数。
本发明还提出一种电子设备400。图4是根据本发明的一实施例的一种电子设备400的示意图。如图4所示，电子设备400包括处理器410和存储器420，存储器420存储中存储有指令，其中指令被处理器410执行时实现如上文所述的方法100。
本发明还提出一种计算机可读存储介质，其上存储有计算机指令，计算机指令在被运行时执行如上文所述的方法100。
本发明的方法和装置的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器或者其组合。此外，本发明的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘(CD)、数字多功能盘(DVD)……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。
在此使用了流程图用来说明根据本申请的实施例的方法所执行的操作。应当理解的是，前面的操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
以上所述仅为本发明示意性的具体实施方式，并非用以限定本发明的范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合，均应属于本发明保护的范围。

Claims (12)

1.一种过程控制方法(100)，其特征在于，所述过程控制方法(100)包括：
PID控制器输出控制值至过程中的多个设备，所述过程中的多个设备根据所述控制值产生一输出值(110)；
根据所述控制值和所述输出值更新所述过程对应的过程仿真模型(120)；
根据所述更新的所述过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对所述过程中的多个设备进行过程控制(130)。
2.根据权利要求1所述的过程控制方法(100)，其特征在于，根据所述控制值和所述输出值更新所述过程对应的过程仿真模型包括：根据所述控制值和所述输出值训练一强化学习模型，使用所述强化学习模型更新所述过程仿真模型。
3.根据权利要求2所述的过程控制方法(100)，其特征在于，所述过程控制方法(100)包括：确定所述过程仿真模型中的名义模型和噪声模型，使用所述强化学习模型更新所述过程仿真模型中的噪声模型。
4.根据权利要求1-3任一项所述的过程控制方法(100)，其特征在于，根据所述更新的所述过程仿真模型对PID控制器的参数进行优化包括：配置多个预设过程场景，生成所述多个预设过程场景对应的优化参数集合，匹配当前过程场景与所述多个预设过程场景，确定所述当前过程场景对应的优化参数集合中的优化参数。
5.根据权利要求4所述的过程控制方法(100)，其特征在于，所述过程控制方法(100)包括：实时检测所述过程的过程场景，在所述过程场景发生变化时，从所述优化参数集合中更新优化参数。
6.一种过程控制装置(400)，其特征在于，所述过程控制装置(400)包括：
数据采集模块(410)，PID控制器输出控制值至过程中的多个设备，所述过程中的多个设备根据所述控制值产生一输出值；
更新模块(420)，根据所述控制值和所述输出值更新所述过程对应的过程仿真模型；
优化模块(430)，根据所述更新的所述过程仿真模型对PID控制器的参数进行优化，并根据PID控制器的优化参数对所述过程中的多个设备进行过程控制。
7.根据权利要求6所述的过程控制装置(400)，其特征在于，所述更新模块(420)根据所述控制值和所述输出值更新所述过程对应的过程仿真模型包括：根据所述控制值和所述输出值训练一强化学习模型，使用所述强化学习模型更新所述过程仿真模型。
8.根据权利要求7所述的过程控制装置(400)，其特征在于，所述过程控制装置(400)包括：确定所述过程仿真模型中的名义模型和噪声模型，使用所述强化学习模型更新所述过程仿真模型中的噪声模型。
9.根据权利要求6-8任一项所述的过程控制装置(400)，其特征在于，所述优化模块(430)根据所述更新的所述过程仿真模型对PID控制器的参数进行优化包括：配置多个预设过程场景，生成所述多个预设过程场景对应的优化参数集合，匹配当前过程场景与所述多个预设过程场景，确定所述当前过程场景对应的优化参数集合中的优化参数。
10.根据权利要求9所述的过程控制装置(400)，其特征在于，所述过程控制装置(400)包括：实时检测所述过程的过程场景，在所述过程场景发生变化时，从所述优化参数集合中更新优化参数。
11.一种电子设备(500)，包括处理器(510)、存储器(520)和存储在所述存储器(520)中的指令，其中所述指令被所述处理器(510)执行时实现如权利要求1-5任一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令在被运行时执行根据权利要求1-5中任一项所述的方法。
CN202111139091.3A 2021-09-27 2021-09-27 过程控制方法及装置 Pending CN115877700A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111139091.3A CN115877700A (zh) 2021-09-27 2021-09-27 过程控制方法及装置
PCT/EP2022/076827 WO2023046988A1 (en) 2021-09-27 2022-09-27 Process control method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111139091.3A CN115877700A (zh) 2021-09-27 2021-09-27 过程控制方法及装置

Publications (1)

Publication Number Publication Date
CN115877700A true CN115877700A (zh) 2023-03-31

Family

ID=84044053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111139091.3A Pending CN115877700A (zh) 2021-09-27 2021-09-27 过程控制方法及装置

Country Status (2)

Country Link
CN (1) CN115877700A (zh)
WO (1) WO2023046988A1 (zh)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6577908B1 (en) * 2000-06-20 2003-06-10 Fisher Rosemount Systems, Inc Adaptive feedback/feedforward PID controller

Also Published As

Publication number Publication date
WO2023046988A1 (en) 2023-03-30

Similar Documents

Publication Publication Date Title
Goodwin et al. A moving horizon approach to networked control system design
JP6514257B2 (ja) 機械学習装置、サーボ制御装置、サーボ制御システム、及び機械学習方法
US20180032871A1 (en) Systems and Methods to Perform Machine Learning with Feedback Consistency
Beintema et al. Nonlinear state-space identification using deep encoder networks
WO2019119142A1 (en) Controlling operational parameters of a cooling unit
JP2017102617A (ja) 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
CN111433689B (zh) 用于目标系统的控制系统的生成
KR101849464B1 (ko) Pid 게인 자동 튜닝 방법
CN114428462B (zh) 基于mpc算法对被控系统进行动态控制的方法、设备和介质
CN103296940A (zh) 一种自适应pi控制方法与系统
JP2015084155A (ja) パラメータ調整装置、パラメータ調整方法およびパラメータ調整プログラム
CN104024964A (zh) 用于在工业过程控制系统中预测终结并且改进过程控制的装置和方法
CN107615183A (zh) 模型预测控制应用程序中相对于最佳性能值的优良性能的系统和方法
CN115877700A (zh) 过程控制方法及装置
CN111832693A (zh) 神经网络层运算、模型训练方法、装置及设备
CN110334386B (zh) 一种基于参数回归的平面电机控制方法及终端设备
WO2023106990A1 (en) A modular, variable time-step simulator for use in process simulation, evaluation, adaption and/or control
JP7469476B2 (ja) 制御支援装置、制御システム及び制御支援方法
US11726817B2 (en) Scheduling multiple processes with varying delay sensitivity
CN112433682B (zh) 固态硬盘中控制参数的获取方法、存储介质和电子装置
JP7416267B2 (ja) 調整システム、調整方法および調整プログラム
JP2019003465A (ja) プラント制御調整装置及び方法
US20230110981A1 (en) Method and system for a controller
KR102215752B1 (ko) Ai 기반 노치 필터의 파라미터 설정 장치 및 방법
JP2023084566A (ja) 推定装置、推定方法および推定プログラム

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