CN1332275C - 响应可变过程延迟的高级过程控制块的改进 - Google Patents

响应可变过程延迟的高级过程控制块的改进 Download PDF

Info

Publication number
CN1332275C
CN1332275C CNB031198686A CN03119868A CN1332275C CN 1332275 C CN1332275 C CN 1332275C CN B031198686 A CNB031198686 A CN B031198686A CN 03119868 A CN03119868 A CN 03119868A CN 1332275 C CN1332275 C CN 1332275C
Authority
CN
China
Prior art keywords
block
parameter
control
execution
mpc
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.)
Expired - Lifetime
Application number
CNB031198686A
Other languages
English (en)
Other versions
CN1438554A (zh
Inventor
T·L·布莱文斯
W·K·沃伊斯尼斯
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.)
Fisher Rosemount Systems Inc
Original Assignee
Fisher Rosemount Systems Inc
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 Fisher Rosemount Systems Inc filed Critical Fisher Rosemount Systems Inc
Publication of CN1438554A publication Critical patent/CN1438554A/zh
Application granted granted Critical
Publication of CN1332275C publication Critical patent/CN1332275C/zh
Anticipated expiration legal-status Critical
Expired - Lifetime 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
    • 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

在处理系统内，执行诸如模型预测控制等多输入/多输出控制的高级控制块使用补偿块或算法以及基于单过程模型的单控制模型以便在具有较大可变过程延迟的过程中提供高级控制。该补偿块改变高级控制块的执行周期，从而解决由可变过程延迟造成的一个或多个处理变量的改变，在过程输出的延迟与可测量的过程或控制变量相关的情况下，该高级控制块消除了为过程的不同操作区域提供不同的高级控制模型或控制规定的需要。

Description

响应可变过程延迟的高级过程控制块的改进
技术领域
本申请一般涉及过程控制系统，尤其涉及在面临显著可变过程延迟时对诸如模型预测控制块等高级控制块的使用。
背景技术
过程控制系统，例如像那些应用在化学、石油或其它过程中的分布式或可升级过程控制系统，通常包括一个或多个过程控制器，其经由模拟总线、数字总线或复合模拟/数字总线相互之间通信连接于至少一个主机或操作者工作站、以及通信连接于一个或多个区域设备。区域设备可以是诸如阀门、阀门定位器、开关和发送器(例如，温度、压电和流量传感器)，其在过程中实现诸如打开或关闭阀门和测量处理参数等功能。过程控制器接收表示由区域设备作出的处理测量信号和/或该区域设备所固有的其它信号，其使用这种信息来执行一控制程序，并接着产生经总线发送给该区域设备用以控制该过程操作的控制信号。通常使源于区域设备及控制器的信息可以获得一个或多个由操作者工作站执行的应用程序，以使操作者能够实现关于该过程的任何所需功能，例如观测过程的当前状态、修改过程的操作等。
某些过程控制系统，例如总部位于得克萨斯州首府奥斯汀的FisherRosemount Systems公司出售的DeltaV系统，使用被称为位于控制器或不同区域设备内的模块等功能块或功能组来执行控制操作。在这些情况下，控制器或其它设备可以包括并执行一个或多个功能块或模块，每个功能块或模块都从其它功能块(不论在同一设备内还是在不同设备内)接收输入，并且/或者向其提供输出，并执行某种过程操作，例如测量或检测过程参数、控制设备或执行控制操作、类似于执行比例微分积分(proportional-derivative-integral PID)控制程序的过程操作。过程控制系统内的不同功能块或模块一般被配置为相互通信连接的结构(例如，通过总线)以形成一个或多个过程控制循环。
通常编程设计过程控制器，以用于为诸如流程控制循环、温度控制循环、压力控制循环等为处理所规定的或包含于处理中的大量不同循环中的每一个，来执行不同算法、子程序或控制循环(其为所有控制程序)。一般来说，这种控制循环中的每一个都包括一个或多个输入块，诸如模拟输入(AI)功能块、单输出控制块，诸如比例积分微分(PID)或模糊逻辑控制功能块，和输出块，诸如模拟输出(AO)功能块。由于控制块生成用于控制单一过程输入的单一输出，诸如阀门位置等，因此这些控制循环通常执行单输入/单输出控制。
但是，在某些情况下，由于所控制的过程变量被不止一个单处理输入所影响，而实际上每个处理输入都可能会影响许多处理输出的状态，因此使用许多独立操作、单输入/单输出控制循环都不是很有效。例如此种情况可能发生在一带有由两个输入管注入的容器且由单输出管排空，每个管由不同阀门控制，并且其内的温度、压力及容器流量被控制在或者接近于某一期望值的过程当中。如上所示，可利用独立的流量控制循环、独立的温度控制循环和独立的压力控制循环来实现容器流量、温度和压力的控制。然而，在这种情况下，改变其中一输入阀门的设置来控制容器内温度的温度控制循环操作，可能会导致容器内的压力增大，其将导致诸如压力循环打开出口阀门以减小压力。这一动作可能会接着导致流量控制循环关闭其中一输入阀门，从而影响温度并导致温度控制循环采取其它某种动作。在此实施例中应该理解，单输入/单输出控制循环即使在没达到稳定状态的条件下也会导致过程输出  (此例中为流量、温度和压力)发生不希望的振动。
模型预测控制(MPC)或其它类型的高级控制，过去被用于在这些类型的情况下执行控制。一般来说，模型预测控制是一个多输入/多输出控制策略，其中根据许多过程输出中的每一个改变许多处理输入中的每一个的结果被测量出来，并且这些所测响应接着被用于生成过程模型。该过程模型被数学转换，并接着作为多输入/多输出控制器以基于对过程输入作出的改变来控制过程输出。在某些情况下，过程模型包括用于每个过程输入的过程输出响应曲线，并且这些曲线可以基于一系列诸如传送给每个过程输入的伪随机阶越改变来生成。这些响应曲线以公知方式被用于模拟该过程。模型预测控制在本领域中是公知的，因此其细节在这里不作描述。但模型预测控制已经在1996年AIChE协会的Qin，S.Joe和Thomas A.Badgwell所著的“工业模型预测控制技术综述(An Overview of Industrial Model Predictive Control Technology)”中被概括地描述了。
目前，一些过程控制系统使用模型预测控制(MPC)来为多变量过程提供控制，并且在至少一个实例中，过程控制系统支持过程的自动检测，来确定用以形成特定MPC控制程序的过程模型，这里所指的MPC控制程序被称为MPC模块。此方法已经在于1999年10月4日申请、标题为“过程控制系统中的集成高级控制块”的待批申请09/412,078中描述，并且在这里引用该方法。在这种情况下，利用一般使用的手段，为使用过程输出和输入的历史数据的过程自动识别动态过程模型。然后，控制系统基于确定的处理模型自动产生一将被模型预测控制模块使用的控制模型。特别是，在确定过程模型之后，利用大量阶越或脉冲响应模型可以产生用于MPC模块的控制模型或控制逻辑，其中该阶越或脉冲响应模型基于确定的处理模型来获取处理输入及处理输出之间的关系。每个阶越或脉冲响应模型代表特定的处理输出超时响应于输入阶越或脉冲，所有其它输入保持不变。通常，每个响应模型被表示为经过处理所需的时间达到完全响应，一般指到达稳定状态的时间Tss，在此时间上一系列离散点的系数。系数的数量通常选取与所有阶越或脉冲响应曲线等值的数量，其中该曲线描述了特定处理的输入/输出相互作用。例如，每个单独阶越或脉冲响应曲线可能包括120个系数，这些系数代表了经过时间到达稳定状态时均匀间隔响应的次数。
由于模型预测控制规定或逻辑是基于阶越或脉冲响应曲线产生的，因此，由该响应曲线产生的控制模型或控制规定通常是以样本速率执行的，其中样本速率通过响应曲线或处理模型中系数的时间间隔来表示。例如，如果过程模型由120个系数组成，并且达到稳定状态的时间为120分钟，那么由该模型产生的控制规定或控制逻辑将每分钟执行一次，也就是由该响应曲线的单个系数之间的间隔表示的时间。
在许多MPC的实施中，假定该过程被特性化为线性且时间不变。如果这些假设正确，那么由过程模型产生的模型预测控制程序就可以很好的执行，其中所述处理模型是在正常的工厂操作期间识别的。由于控制是基于过程模型先于变化的，因此如果通过过程模型获得过程动态变化，这些变化将削弱该控制。例如，在某些情况下，过程馈送速率可以改变过程输出所需的过程延迟时间，从而反应处理输入中的变化。过程响应中的这种变化通常可以被追溯到在过程当中传输延迟方面的过程馈送速率的影响。其中一个实例就是，在漂白过程中纸浆原料在塔中移动所需要的时间，假设塞子移动穿过此塔，其确实是馈送速率的功能。在这种情况下，被置于塔下游的、用以指示先于该塔化学制品添加这一变化的亮度传感器所需的时间会随着纸浆流动速率而改变。
目前，在由于可变处理延迟或其它条件而使该处理模型显著变化的情况下，MPC应用程序使用多过程模型、并因而使用多控制模型或规定，为每个过程控制的预期区域使用一个。在此，MPC控制程序可以基于处理操作环境，在不同过程模型和不同控制模型之间转换。虽然有效，但这个方法需要开发多控制程序并存储在控制器中，而其正如我们所看到的那样，它并不是在所有情况下都需要。
虽然这些问题由于模型预测控制器而存在，但是在开发过程中以及其它高级多输入/多输出控制块或系统的使用过程中也存在相同或相似的问题，例如神经网络模型或控制系统、多变量模糊逻辑控制器、实时优化器等等。
发明内容
在具有较大可变过程延迟的过程中，高级控制应用程序使用补偿块或算法以及基于单过程模型的单控制模型来提供高级控制，例如MPC控制。该补偿块改变高级控制模块的执行周期，从而解决由可变过程延迟造成的一个或多个处理变量的改变。在过程输出影响可测量的过程或控制变量(诸如过程馈送速率或者流量)的情况下，这个高级控制系统消除了为过程的不同操作区域提供不同的高级控制模型或控制规定的需要。
在一个实施例中，高级控制单元在过程控制系统中执行多输入/多输出控制，例如模型预测控制，神经网络控制等等。存储在计算机可读媒体上并在诸如控制器的处理器内执行的高级控制单元可以包括一控制块，该控制块具有：一第一多输入，每个输入适于接收一系列控制参数中的不同的参数；以及一第二多输出，每个输出与不同的过程输入通讯连接，用来控制响应于第一多输入的一系列过程参数和控制逻辑，从而在每个第二多输出处产生控制信号。该高级控制单元也可以包括一执行速率块，该执行速率块适于接收参数值，该参数最好是影响过程延迟的参数以及基于该参数为控制逻辑计算执行速率的参数。该执行速率块包括一适于过滤参数的滤波器、一为控制逻辑确定执行速率是参数的线性或非线性函数的计算块、以及一适于限制由计算块确定的执行速率的限制器。
附图说明
图1是包括适用于补偿可变过程延迟的高级控制块的过程控制系统的方框/示意图；
图2A和2B是图示对于在不同流量时的过程的不同过程延迟的曲线图；
图3是表示具有与过程模型以及与基于过程变量值改变高级控制块的执行速率的执行速率补偿块相关联的脉冲响应矩阵的高级控制模块的方框图；
图4是表示MPC块在带有和不带有执行速率补偿的普遍可变过程延迟的情况下的操作的曲线图；
图5是表示在图1所示的过程控制系统中补偿可变过程延迟的高级控制块的操作和产生的流程图；以及
图6是具有与过程相连的执行速率补偿的MPC块的方框图。
具体实施方式
现在参照图1，过程控制系统10包括过程控制器11，其连接于数据历史库12以及一个或多个主机工作站或计算机13(可以是任何类型的个人计算机、工作站等等)，每一个都具有显示器14。控制器11还通过输入/输出(I/O)卡26和28与区域设备15-22相连。该数据历史库12可以是具有任何需要类型的存储器和用于存储数据的任何需要的或公知的软件、硬件或固件的任何需要类型的数据采集单元。数据历史库12可以与工作站13分离(如图1所示)或是其一部分。举例来说，控制器11可以是Fisher Rosemount Systems公司出售的DeltaV控制器，其通过例如以太网连接或其它任何需要的通信网络被通信连接于主机13和数据历史库12。控制器11还被通信连接于使用任何需要的硬件和软件的区域设备15-22，所述硬件和软件与例如标准4-20ma设备和/或任何诸如FOUNDATION区域总线协议(Fieldbus protocol)、HART协议等智能通信协议相关联。
区域设备15-22可以是任何类型的设备，例如传感器、阀门、发送器、定位器等等，而I/O卡26和28可以是适合任何需要的通信或控制协议的任何类型的I/O设备。在图1所示的实施例中，区域设备15-18是通过模拟线路与I/O卡26建立通信的标准4-20ma设备，而区域设备19-22是智能设备，诸如区域总线区域设备(Fieldbus field devices)，其通过数字线路与使用区域总线协议(Fieldbus protocol)的I/O卡28建立通信。当然，区域设备15-22可以适合任何需要的标准或协议，包括任何在今后开发的标准或协议。
控制器11包括处理器20，其执行或监视一个或多个存储在其中或与之相关联的可能含有控制循环的过程控制程序(存储在存储器22中)，并与设备15-22、主机13和数据历史库12相通信从而以任何需要的形式控制过程。值得注意的是如果非常需要时，这里所描述的任何控制程序或单元都可以具有由不同控制器或其它设备实现或执行的相关部件。同样，这里所描述的将在过程控制系统10内执行的控制程序或单元可以采取包括软件、固件、硬件等任何形式。为了实现所述的方案，可以是过程控制系统之任何部件或部分的过程控制单元包括，例如存储在任何计算机可读媒体上的程序、块或模块。控制程序可以是模块或者控制程序的某一部分，例如子程序、部分子程序(如多行代码)等等，其可以以任何需要的软件格式执行，例如使用面向对象程序设计、使用梯形逻辑(ladder logic)、时序功能图(sequential function charts)、功能块示意图或使用其它任何软件编程设计语言或设计范例。同样，控制程序可以硬编码到诸如一个或多个电可编程只读存储器(EPROM)、电可擦除只读存储器(EEPROM)、应用程序专用集成电路(ASICs)或任何其它硬件或固件部件。更进一步，控制程序可以使用任何设计工具来设计，包括图形设计工具或任何其它类型的软件/硬件/固件的编程设计或设计工具。这样，控制器11可以被设置为以任何需要的方式执行控制策略或控制程序。
在一个实施例中，控制器1 1执行使用通常所指功能块的控制策略，其中每个功能块都是总体控制程序的一部分(例如，子程序)，并且结合其他功能块(经由称为链路的通信系统)进行操作，用以在该过程控制系统10中执行过程控制循环。功能块通常在过程控制系统10内执行例如与发送器、传感器或其它过程参数测量设备相关联的输入功能，执行例如与执行PID、模糊逻辑等控制的控制程序相关联的控制功能，或是执行控制诸如阀门等某些设备的操作以执行某种物理功能的输出功能中的某一功能。当然也存在混合型或其它类型的功能块。通常当功能块被用于或被关联于标准4-20ma设备以及某些类型的诸如HART设备的智能区域设备时的情况下，功能块可存储在控制器11内并被控制器11执行，或者在功能块带有区域总线设备的情况下，其可被存储在区域设备内并由区域设备本身执行。虽然这里所描述的控制系统使用了功能块控制策略，然而此控制策略(控制循环或者模块)也能够使用诸如梯形逻辑、时序功能图等其它惯用手段，或使用其它需要的程序设计语言或设计范例来执行或设计。
如图1的放大方框图30所示，控制器11可以包括许多单循环控制程序，由程序32和34表示，并且如有需要，可以执行一个或多个高级控制循环，由控制循环36表示。每个这样的循环通常都涉及控制模块。单循环控制程序32和34被描述为利用分别与适当的模拟输入(AI)和模拟输出(AO)功能块连接的单一输入/单一输出模糊逻辑控制块和单一输入/单一输出PID控制块来执行单循环控制，该单循环控制程序可以与诸如阀门的过程控制设备、诸如温度和压力传送器的测量设备或者其它任何过程控制系统10内的设备相关联。高级控制循环36被描述为包括具有通信连接于多个AI功能块的输入以及通信连接于多个AO功能块的输出的高级控制块38，尽管高级控制块38的输入和输出可以与其它任何需要的功能块或控制单元相连接，来接收其它类型的输入和提供其它类型的控制输出。高级控制块38可以是任何类型的多输入/多输出控制块，其通过提供控制信号给一个或多个处理输入而被用于控制两个或多个过程输出。尽管高级控制块38在这里被描述为模型预测控制(MPC)块，而高级控制块38可以是其它任何类型的多输入/多输出块，例如神经网络模型或控制块、多变量模糊逻辑控制块、实时优化块等等。可以认为图1所示的包括高级控制块38的功能块能够被控制器11执行，或者可以位于任何其他处理设备内部并被其执行，例如工作站13中的一个或甚至是区域设备19-22中的一个。
当然，在控制器内部使用MPC或其它高级控制块是公知的，并且一般来说，许多加工工业内传统MPC安装的主要目的就是把诸如蒸馏容器等大型部件的流量增加到最大限度。利用MPC系统的能力来保持在可操作限制范围内的过程，在这种安装下通常可以使其流量提高1-3％。但是对于这种操作条件，可能期望过程的流量在非常小的范围内改变，并且过程响应中流量的影响通常可忽略不计。由于这个原因，利用在正常流量时规定的处理模型来产生控制模型或控制规定可以在馈送速率和过程延迟在小范围变化时提供很好的控制。
但是，在很多非传统装备中，例如在纸浆及造纸工业中的亮度控制、造纸机器MD控制、氨工业及其它工业中的H/N比例控制，某些过程变量(诸如流量)发生较大变化时，会造成过程停滞时间或过程延迟的较大变化。在过去，就执行MPC的这些类型的过程来说，它们只能利用控制转换来实现，其中控制转换基本上使用为过程不同的操作区域规定的不同过程模型。在这里，操作区域主要由过程的流量来规定。使用这种技术，过程模型由许多操作条件中的每一个来规定，并且为这些不同过程模型中的每一个产生不同的MPC控制模型。随着过程条件的改变，例如，随着流量的改变，MPC控制器转换控制规定或模型，以适应当前的过程条件。这样，使用这种技术，就为多个不同过程馈送速率或流量定义并存储了多个不同的MPC控制模型。这种类型的控制转换是允许任何非线性处理的通用手段，其中该非线性是将要解决的测定过程变量的函数。然而，要应用这种技术，必须确定多个处理模型以允许在不同操作条件下将被产生的控制模型。引入多个过程模型和控制规定增加了使用和保持MPC控制系统的复杂性。
但是，人们已经发现，当过程延迟主要是以某些特定处理(或控制)参数的函数形式改变时，例如流量，那么就可以避免在高级控制控制块中的控制转换的复杂性。实际上，在这种情况下，人们已经确定在所有或大多数过程操作的条件下，可使用相同的过程模型来提供MPC(或其它高级控制)，甚至当过程延迟改变非常大时也同样适用。特别地，使用单个过程模型来规定高级控制程序或控制模型是可能的，并且通过改变控制程序的执行速率作为影响过程延迟的过程或控制参数的函数，在整个过程操作范围内来实现有效的MPC或其它高级控制也是可能的。在图1的系统中执行速率补偿的一种方式是提供单独的执行速率修改块40，其能够提供控制该MPC块38的执行速率的信号。如图1所示，执行速率修改块40接收指示严重影响过程延迟的过程或控制参数(这是过程参数)值的信号。在这种情况下，在AI块向执行速率修改块40提供信号时，可以提供一个指示过程流量或者馈送速率的信号。无论如何，基于过程参数值，执行速率修改块40会确定一个执行速率信号并将这种信号提供给MPC块38。接着MPC块38以由执行速率信号所指定的速率执行，从而实现过程控制。
作为此原理的一个实施例，图2A和2B表示具有过程延迟的一个处理的阶越响应特性，其中该过程延迟在两种流量下，即在500加仑每分钟(GPM)和1000GPM的流量下主要是馈送速率或流量的线性函数。应注意的是，在这种情况下稳定状态的时间(Tss)对500GPM速率(图2A)的值而言是对1000GPM速率(图2B)而言的两倍。进一步来说，除了在1000GPM的情况下改变或减小时间范围之外，在1000GPM情况下和500GPM情况下的过程的响应特性基本上是相同的。也就是说，1000GPM流量的过程在500GPM流量达到稳定状态的一半时间内达到稳定状态。
实际上，在比较图2A和图2B的两个阶越响应之后，可以发现唯一的区别就是响应延续了不同的时间以达到平衡状态，也就是阶越响应的系数(假设每种情况下的系数相同)相同，但各系数之间的时间差与馈送速率成反比。结果，除了控制执行速率不同(由于到达稳定状态的模型时间被持续很长时间)，为在不同过程流量(具有相同系数)时确定的过程模型而产生的控制模型基本上相同。这样，在过程延迟是过程变量的可确定函数(线性或非线性)的情况下，例如馈送速率、流量等，那么调整MPC控制程序中的控制执行速率来补偿过程停滞时间的改变是有可能的。
在过程停滞时间为过程流量的线性函数的情况下，在MPC控制块或程序的执行周期的补偿可以根据以等式以数学方式来确定：
执行周期＝(块执行周期)*(执行修改)
＝(Tss/Nc)*(Fn/Fa)
其中：
Tss＝用于产生高级控制程序的模型达到稳定状态所用的时间；
Nc＝模型中使用的系数的数量；
Fn＝当采集数据以产生过程模型时的过程流量；以及
Fa＝过程的当前流量。
当然在整个执行周期内该执行速率是一定的。此外，在任何实际的操作中，计算的执行周期和速率应被限定或约束为由控制系统支持的值。同样，当前标准流量值可以被充分过滤以消除过程干扰的影响。
在另外的实施例中，MPC块执行速率可以利用到达用于产生过程模型的稳定状态的时间和固定数量的模型参数(例如，120)来计算。基于计算出的MPC执行速率和模块执行速率，MPC块执行系数根据下面的等式自动设定以给出正确的块执行时间：
MPC块执行时间＝模块执行时间*MPC块执行系数
在这种情况下，过程停滞时间的改变可以通过下面的调整MPC块执行系数来纠正：
MPC块执行系数＝Integer(Mn*(Fn/Fa))
其中：
Mn＝初始MPC块执行系数；
Fn＝当采集数据以产生过程模型时的过程流量；以及
Fa＝过程的当前流量。
计算出的执行系数应被限制为大于或等于1的值，并且是标准变量，例如流量(Fa)，应被过滤并将其限制在用于正常操作的预定范围内。
当然，此相同原理可以被应用于除了过程停滞时间和标准过程参数之间的线性关系以外的其它类型的过程参数。实际上，一般来说，关系式DT＝f(X，Y，Z...)可以被用于定义特定过程，其中DT是过程停滞时间，f(x)是过程或者控制参数X，Y，Z的线性或非线性函数。接下来，基于计算出的DT，根据所定义的关系式能够调整MPC功能块观测周期或执行速率。例如，调整后的执行周期可以确定为初始执行周期乘初始停滞时间除以实际停滞时间之比。
如果需要，可以在测量影响过程延迟时间或停滞时间的一个或多个过程/控制变量的基础上自动进行MPC块执行速率的调整。在某种情况下，例如图1中所述，复合块可作为流量输入或其它过程/控制变量的函数以被用于修改MPC块的执行速率。另一方面，如果需要，此功能可以集成在MPC块(或其它高级控制块)内。当然，在开发MPC块时显示给操作者的控制预测及约束参数可以被显示操作者，并且操作者可以根据其需要选择使用或不使用这些特性。
更进一步，利用任何经过任意其它途径测量或获得的过程或控制变量都可以确定执行速率。例如，操作者可以人工确定或获得要用到的变量的值，并将此值作为规定的点信号发送到执行速率块。在某种情况下，操作者可以基于其它操作者可利用的因素周期性地确定流量或过程速率，并将表示此速率的信号发送给执行速率块。然而，如果需要的话，操作者或其它用户可以代替人工确定或测量过程停滞时间，并给执行速率块发送一个确定停滞时间的指示。在这种情况下，执行速率块可以直接将过程停滞时间的值用作输入变量，以改变控制逻辑的执行速率。可以认为停滞时间一般与执行速率成正比(也就是说，当停滞时间增加时，执行速率增加)，而过程流量一般与执行速率成反比(也就是说，当流量增加时，执行速率降低)。当然，也可以使用除了过程停滞时间和流量以外的其它变量，并且这些变量的值可以通过任何方式获得，例如，自动地、人工地、直接或根据经验观察或测量等等。
图3示出了一高级控制块50，其具有为特定处理模型开发的带有输入/输出曲线矩阵53和控制逻辑54的控制模块52，在这种情况下，该高级控制块是一个MPC控制块。此MPC控制块50利用这些曲线和开发的逻辑来实现多输入/多输出控制。如图3所示，MPC块50为过程55提供多个控制输出(过程输入)来控制过程55。MPC块50也与过程55相连以便于接收被用作到MPC块50特别是控制逻辑54的输入的多个过程参数及变量(过程输出)。应该理解的是，MPC块50利用控制模型52在其确定的输出中提供控制信号，以便于驱动MPC块的输入(过程输出和过程变量)到所需要的值。而其中一个过程变量，在此例中是流量，也可以被提供给执行速率块58。执行速率块58利用最显著影响过程延迟或停滞时间的变量值来决定用于MPC逻辑块54的执行速率或时间。补偿块58的输出被提供给MPC逻辑块54并确定MPC逻辑块54的执行速率。
如果需要，执行速率块58可包括一个滤波器60，其过滤引入的过程变量或参数从而基于过程变量中的干扰或临时变化来减小块50的执行速率的变化。此滤波器可以是诸如低通滤波器，并且可以利用任何需要的模拟或数字滤波技术来实现。接着将过滤后的过程变量信号提供给计算块62，其基于前面所述的技术，基于过滤后的过程变量的数值为块50计算或确定一个新的执行速率。然后将这个新的执行速率提供给一个限制器，该限制器确保执行速率是一个整数值并且在设备或系统所支持的可能执行速率范围之内，其中该块50位于上述设备或系统中。接下来，将所限制的执行速率提供给控制逻辑块54以确定该块的执行速率。
当然，执行速率补偿块58可以使用上述等式或关系式来确定高级控制块50的执行速率。特别是，补偿块58可以存储该执行速率，其中MPC块50被设计成基于控制模型52以上述速率进行操作，而控制模型52又是基于在采集数据以生成用于产生其过程模型期间的过程流量值。然后，当流量改变时，补偿块58利用已知的过程变量(此例中为流量)及过程延迟之间的关系式，为MPC逻辑块54计算一个新的执行速率。当然，过程变量和过程停滞时间之间的关系可以是线性或非线性的，并且如果过程延迟是不止一个变量或参数的函数，则执行速率块58可以利用多个过程变量来确定新的执行速率。更进一步来说，在此实例中，过程变量是流量或馈送速率，任何其它影响过程延迟的过程或控制变量都能够使用并被提供给执行速率块58。因而，应注意到MPC块50的新执行时间或速率可以是一个或多个过程或控制变量的线性或非线性函数，并且其依赖于该一个或多个过程变量与该过程延迟之间的关系。更进一步来说，当图3中的执行速率块58利用一个同时也提供给控制逻辑块54并用于执行控制信号计算的过程变量时，情况不需要是这样。实际上，可以向执行速率块58提供不被控制块50剩余部分所使用的独立信号及处理变量。
图4表示MPC控制的影响，执行速率补偿被包括在其中，并且对于那些过程延迟与流量函数一样变化较大的过程来说，则不被包括在其中。在这个实例中，过程模型被确定并用于构建一个控制模型。初始模型参数和鉴定结果在下面的表1中示出。
表1
    模拟过程CV-MV     鉴定模型CV-MV     模拟过程CV-DV     鉴定模型CV-DV
  停滞时间     60秒     57秒     7秒     18秒
  增量     0.6     0.598     0.25     0.17
  滞后     10秒     7.5秒     30秒     12秒
在这种情况下，具有5％振幅的标准伪随机信号被应用于操作变量(MV)。表2中正弦信号、方波信号和随机信号的叠加也可以被应用于干扰变量(DV)。
表2
    周期(秒)     振幅％ 随机滤波(秒)
  正弦波     60     3
  方波     150     2
  随机     10 30
应注意到，约束变量(CV)到操作变量(MV)的关系被非常精确地确定，而CV-DV的关系表达过程与模型之间明显的不匹配。这种不匹配是由于为鉴定之目的不够充分的激励振幅而导致的，并且被特意选择以反映由阶越响应特性决定的干扰在缺乏激励及鉴定时的实时情况。此例中的过程模型被构造为Tss＝240秒、系数为120和2秒的监视及执行时间。假设过程停滞时间随着过程状态(例如，流量、比率等)而改变。
图4中起始于A点处的初始测试，在带有标定MPC控制参数且以用于产生过程模型的过程流量时的情况下被执行。由图4可以看出，MPC块为定点变化和干扰补偿做了充分地执行(图4——A点直至B点)。在B点(10:43)，由于过程流量中的模拟变化，模拟过程中的停滞时间从60秒增加到120秒。在B点之后，定点发生了改变，其导致MPC块响应该定点变化的振荡控制，这在实际情况中是完全不可接受的。
为改止该情况，根据上述原理，MPC块的观测周期在图4的C点从2秒增加到4秒。应注意到，在C点之后，即使考虑到C点之后的定点变化及干扰补偿，控制循环也能够返回到与带有正确鉴定处理模型的测试最初所达到的执行状态非常接近的状态。特别是，控制系统在d点和e点响应定点变化而适当地作出反应。因此，从图4中可以看出以MPC块的执行速率进行适当的补偿，为在由处理状态(此例中为流量)的改变而引起处理停滞时间或延迟的改变提供补偿。
当然，MPC或其它高级控制块可以以任何需要方式产生并下载到控制器或其它设备。如图1所示，其中某一工作站13可以包括高级控制块产生程序140，该程序140被用来以此处更为详细描述的方式生成、下载和执行图1中高级控制块38(以及执行速率块40)或图3的块50。而该高级控制块产生程序140可以存储在工作站13中并被其内的处理器执行，如果需要，这个程序(或其任何一部分)可以添加或转移存储到过程控制系统10中的其它任何设备并被其执行。一般来说，高级控制块产生程序140包括：控制块生成程序142，其生成一个高级控制块并将该高级控制块接入到过程控制系统中；过程模型程序144，其基于由高级控制块采集的数据生成用于过程或其一部分的过程模型；以及控制逻辑参数生成程序146，其为来自于过程模型的高级控制块生成控制逻辑参数，并在用于控制该处理的高级控制块中存储或下载这些控制逻辑参数。可以认为，程序142、144、146可以由一系列不同程序组成，例如，第一程序，其产生一个具有适合接收过程输出的控制输入和适合向过程输入提供控制信号的控制输出的高级控制单元；第二程序，其在不超出过程控制程序(可以是任何需要的配置程序)的范围内，使用户能与高级控制单元相通信连接；第三程序，其利用高级控制单元向每个过程输入提供激励波；第四程序，其利用高级控制单元来采集反应出响应于激励波的每个过程输出的数据；第五程序，其由采集的数据产生过程模型；第六程序，其从过程模型形成高级控制逻辑参数；以及第七程序，其在高级控制单元中安插高级控制逻辑，以及如果需要，安插处理模型，从而使高级控制单元能够对该过程进行控制。
现在请参照图5，流程图150表示在诸如图1所示的过程控制系统10的过程控制系统内部生成并使用高级控制块，特别是具有执行速率补偿的MPC控制块的步骤。虽然图5的流程图表示的是一个MPC块或模块的生成过程，但可以执行这些相同或相似步骤来产生或使用其它任何高级控制块，例如，任何类似于神经网络模型或控制块、多变量模糊逻辑控制块等多输入/多输出控制块。
首先，在某些时候(步骤)152，通过执行一个MPC程序在过程控制系统10内作出改善或提供控制的决定。可以在过程控制系统10最初建立时或其后的某个时刻，例如其它诸如单循环控制程序等提供不完全控制的控制程序已被建立时作出此决定。在此时候(步骤)152，操作者或其它用户执行MPC块产生程序140，来启动在过程控制系统内部生成具有执行速率补偿的MPC模块及控制循环的步骤。作为此过程的一个部分，操作者选择过程输入，其中被设定MPC块的输出将被连接到该过程输入并选择过程输出，其中被设定MPC块的输入将被连接到该过程输出。然而MPC块可以有任何数量的输入和输出，每个MPC块通常有三种输入，包括：控制参数输入，其是保持在一个定点(或者在一个设定的范围内)的过程变量或参数的；限定输入，其是基于诸如与过程相关联的物理约束而被限定在特定限度或范围内的过程变量，并且MPC块不必强制于该限制范围或限度之外；以及过程干扰变量输入，其为诸如在变化时引起受控参数变化的已知过程输入等其它过程变量。MPC块利用过程干扰参数输入来预见受控参数(也就是，受控过程输出)的改变，并在这些变化发生之前限制其影响。也可以给MPC块提供其它输入，例如来自于设备或其它被控制处理单元的反馈信号，其中所述控制使MPC控制块能够提供这些单元更有效的控制。同样，MPC块的输出可以被连接从而控制任何需要的过程变量或其它包括控制循环输入、设备控制输入等的过程输入。通过连接MPC块到其它控制单元而形成的程序，在这里指的是一个MPC模块。在用户可以生成一个MPC功能块的同时，用户也可以从一个例如功能块库的存储器中获得一个初始功能块，并使用该功能块或生成这个功能块的实例以供该过程控制系统使用。同样，用户或其它提供者可以以其它任何需要的方式提供功能块或其它控制单元。
在此时，用户可以确定或指定一个/多个过程或控制变量与过程停滞时间之间的关系。这个关系可被指定为一个等式或一定数量已知的可能关系之一，例如线性方程、一定数量的不同可能的非线性方程之一等。进一步而言，如果需要，则用户可以命令系统确定一个/多个过程或控制参数与过程停滞时间之间的关系。
在步骤154，操作者生成一个MPC模块，该MPC模块既具有一个带有在过程控制系统内被通信连接的输入和输出的MPC块(其不具有提供模型预测控制所需的所有信息)，还具有一个执行速率补偿块，并且操作者将这些块或模块下载到将执行该MPC模块的适当控制器或其它设备。作为这个过程的一部分，操作者通过将MPC块的输出通信耦合到适当的过程输入，以及将MPC块的输入通信耦合到适当的过程输出的方式配置过程控制系统10以执行该MPC块。
参照图6，表示MPC块156连接到过程158上。当过程158包括输入x1-x5和输出y1-y6时，MPC块156是一个具有三个输入in1-in3和三个输出out1-out3的3x3控制块。当然，MPC块156和过程158可以包括任何其它数量的输入和输出。该MPC块156通常可能是一个正方形块，也就是说，具有相同数量的输入和输出，则这种配置并非必须并且该MPC块156可能具有不同数量的输入和输出。如图6所示，操作者将过程输出y1-y3分别通信连接于MPC块输入in1-in3，并将MPC块输出out1-out3分别通信连接于过程输入x1-x3。当然，过程158的任何输入及输出都可被连接到与过程控制系统10(由图6中连接到过程输入和输出的虚线表示)相关联的控制程序内部的其它控制循环或其它单元。在此，操作者也可以将一个或多个影响过程延迟的过程变量通信耦合于执行速率补偿块160。一般来说，可以向过程158提供控制输入的MPC块156及其它块将通过某种类型的开关被连接起来(如连接到过程输入x1-x3的虚线表示)，这些开关由图6中的方块162表示。开关162可以是硬件或软件开关，如果需要可以提供该开关以使不同控制输入信号传送到一个功能块的不同输入，其中功能块诸如区域总线功能块，其接着能够在源自MPC块156的控制信号与源自一个不同功能块(诸如源自一PID功能块)的控制信号之间进行选择，上述选择基于接收该两个信号的功能块的工作状态情况而进行。
当然，操作者可以以任何需要方式将MPC块156连接到过程158，并且一般来说，操作者将利用相同控制结构或设计程序，其使用所述设计程序来生成过程控制系统内部的类似于单循环控制程序的其他控制循环。例如，操作者可以用任何需要的图形程序设计程序来指定MPC块156与过程输入及输出之间的连接。在这种方式下，MPC块156像其它控制块、单元或程序那样以相同方式被支持，使控制系统10内部的MPC块156的配置、连接及支持与系统内部的其它块的配置、连接及支持没有不同。在一个实施例中，控制系统10内部的MPC块156以及其它块都是被设计成与区域总线功能块相同或相似的功能块。在这个实施例中，MPC块156具有相同或相似的输入及输出等，就像在区域总线协议中所指定或提供的那种，并且该MPC块156可以由诸如使用通信链路的控制器11来执行，其中所述通信链路与那些由区域总线协议指定的链路相同或相似。关于用图表表示生成过程控制程序及其单元的方法已经在dove等人的标题为“用于配置过程控制环境的系统”的美国专利5,838,563中描述，并特别在此参照使用。当然，也能够使用其它控制循环或控制模块设计策略，这些策略包括那些在过程控制配置范例中使用其它类型功能块的策略，或是使用其它程序、子程序或控制单元的策略。
当在功能块相互连接的基础上使用一个控制系统时，例如由区域总线功能块范例提供的那些，MPC块156可直接与过程控制程序内部的其它功能块相连接。例如，通过将MPC块156的一个控制输出连接到与受控设备相关联的一个输出块(例如一个AO块)，MPC块156可以直接连接到诸如阀门等控制设备上。同样，MPC块156可以向其它控制循环内的功能块的输入提供控制信号，例如向其它控制功能块提供控制信号，从而监视或替换这些控制循环的操作。
因此，应理解，在图6中MPC控制块156的输出所连接的过程输入x1-x3可以是任何需要的过程输入，其包括到达在现有控制策略内规定的控制循环的输入，或是到达连接于处理的阀门或其它设备的输入。同样，连接于MPC块156输入的过程输出y1-y3可以是任何需要的过程输出，其包括阀门或其它传感器的输出、AO或AI功能块的输出或者其它控制单元或程序的输出。
再参照图5的步骤154，一旦操作者生成了控制模块，其包括具有分别与所需过程输出和输入相连接的输入和输出、以及具有执行速率补偿块的初始MPC块，则其中具有初始MPC块的控制模块就被下载到适当的诸如控制器11或工作站13之一的设备中用于执行。接下来，在步骤199，操作者指示初始MPC块开始以已知方式激活过程，并当处理被激活时采集过程的输入、输出数据。
如图6所示，初始MPC块156包括一数据采集程序200、一波形产生器201、普通控制逻辑202和用于存储控制参数203及过程模型204的存储器。例如，该普通逻辑202可以是需要系数或其它控制参数以便于在特定情况下能操作以执行控制的普通MPC程序。在某些情况下，对于被控制的过程而言，普通逻辑202还可能需要一过程模型以控制该处理。在初始MPC块156被载入诸如控制器11之后，经由MPC生成程序142指示该初始MPC模块开始MPC块156下一阶段的开发工作，其中在该MPC块内为了用来生成处理模型而为每个处理输出采集数据。特别是，当操作者指示这样做时(或者在任何其它所需之时)，MPC块156的波形产生器201开始在其输出out1-out3制造一系列的波，从而向每个过程输入x1-x3提供激励波。如果需要，可以利用用户工作站13内部的软件向该产生器201提供这些波，但最好由该产生器201自身生成。最好将波形产生器201产生的波设定成，使处理在其正常操作期间的预期输入的不同范围上进行操作，其中该处理可能包括大量不同流量。为了给MPC控制程序形成一个过程模型，波形产生器201向每个过程输入x1-x3传送一系列不同的脉冲组，其中每个脉冲组中的脉冲都具有相同的振幅但具有伪随机长度，并且其中不同脉冲组中的脉冲具有不同的振幅。为每个不同过程输入x1-x生成这样一系列脉冲组，然后向其一次一个连续传送。在此期间，MPC块156内部的数据采集单元200采集、或者另外调整采集数据，该采集数据表示处理输出Y1-Y3到波形产生器201产生的每个波时的响应，并且该该数据采集单元200可以采集或调整关于所产生的激励波形的数据采集。此数据可存储在MPC块156中，但最好是自动发送到数据历史库12中用以存储和/或发送到可以将该数据显示在显示屏14上的工作站13。
因此，代替了试图使用某种高级控制逻辑(其还未完全开发出来)来控制过程158，该MPC块156首先向过程158提供一组激励波并测量出过程158对这些激励波的响应。当然，由波形产生器201产生的激励波可以是任何需要的波，开发所述波来为任何高级控制程序生成有助于产生控制逻辑参数的处理模型。在该例中，波形产生器201为模型预测控制器产生在开发过程模型过程中公知有用的任意组波，并且这些波可以采用现在公知的或者为此目的在今后开发的任何形式。由于为了实现采集数据从而为模型预测控制开发处理模块这一目的而被用于激励处理的波是众所周知的，因而这些波在这里不再作进一步描述。同样，任何其它的或所需类型的波可以由波形产生器201产生从而用于为其它诸如神经网络、多变量模糊逻辑等高级控制(其中包括建模)程序产生过程模型。
应注意到波形产生器201可以采用任何需要的形式并且可以例如用硬件、软件或者两者结合来实现。如果用软件实现，波形产生器201可以存储一个可用于产生所需波形的算法，可以存储将要产生波形的数字表示，或者可以使用任何其它程序或者存储的数据来产生此种波形。如果用硬件实现，波形产生器201可以采用例如谐振器或者方波产生器的形式来实现。如果需要，可以询问操作者输入设计波形所需的某些参数，例如，过程的大致响应时间、传送到过程输入的波振幅的步长等等。当MPC块156第一次生成或者当操作者指示MPC块156开始干扰或者激励过程并采集过程数据时，提示操作者输入这些信息。在优选实施例中，数据采集单元200采集(或者另外确保数据的采集)响应于每一个三倍或五倍于由操作者输入的响应时间的激励波数据，以确保可以形成一个完整而精确的处理模型。然而，也可以采集任何其它时间量的数据。
无论如何，MPC控制块156最好直到波形产生器201已经完成向过程输入x1-x3的每一个发送所有必须的激励波、并且数据采集单元200已经为过程输出y1-y3采集完数据的时侯再进行操作。当然，在数据采集过程期间，如果非常需要或是必须的情况下，可以中断MPC块156的操作。
接下来，如图5所示的步骤225，操作者可以在某些点通过执行过程建模程序144来决定执行开发MPC块的下一个阶段，其中所述过程建模程序144从数据历史库12访问所采集的数据，并运行任何已知过程模型产生程序来根据所采集数据产生过程模型。
如果需要，过程建模程序144可以在所采集数据上运行数据筛选程序。这个数据筛选程序可以检查所采集数据的界外值或其它明显错误数据，以及检测其它与所采集数据相关的值，例如与所采集数据相关的状态值及界限值，从而确定该数据是否是由具有不良状态或异常状态的功能块产生的、该数据是否在界限内、该数据是否是在功能块或其它单元处于异常模式时产生的、或者在某些其它方式下该数据是否是在异常或非所需过程条件下产生的。例如，在区域总线通信协议中，由功能块产生的数据还包括状态表示、界限表示及模式表示，其能够与数据一起存储在数据历史库12中，并且用于筛选数据。如果需要，数据筛选程序可以向操作者解释说明所采集数据，并且使操作者能够在其对过程状况熟知的基础上通过诸如高亮或是其它标识该数据的方式标记要筛选或删除的数据。在这种方式下，当过程158脱机时、当过程158没有被正确控制时、当过程158正在维修时、当过程158内的传感器或其它设备出错或者被替换时等等，由该MPC块所采集的数据可以从那些用于生成过程模型的数据中被选择并删除。
在筛选数据之后，过程建模程序144根据所选择数据生成过程模型。如上面所指出的，该过程建模程序144可以实现任何所需或公知类型的过程建模分析，以根据所采集和所筛选的数据开发一个过程模型，并且所开发的过程模型可以具有任何形式，例如数学算法、一系列响应曲线等等。
如果过程建模程序144存在确定过程模型的问题，那么该问题的指示将反应到用户显示器的状态区域上。所要指示的一个问题就是，没有足够的样本来鉴定或生成过程模型。诸如“为了规定配置，需要最少xxx个样本。数据文件只包括xxx个样本”的消息将会产生，以引起操作者对这个问题的注意。可能会被检测到的另外一个问题就是，发生在过程输入端上的激励不足。能够给操作者提供诸如此类的消息和例如标识X、标识Y等识别信号标识名以及激励数目的最小变化，就是这样的问题。
如果需要并且基于阻碍鉴定成功模型的条件下，用户可以改变过程模型运行所超过的时间范围，或者改变过程输入以使过程建模程序144中所使用的数据有效。所鉴定的过程模型可以自动存储在任何所需数据库中以备今后使用时访问。更有经验的用户可能想要检验或编辑已被鉴定的过程模型。更进一步而言，用户可以运行一个程序来确定过程延迟时间在其操作条件下是否显著改变，以及如果改变，什么过程或控制变量与此改变相关。此程序也可以提供这些变量与过程延迟之间的关系，并且向图6中MPC块156内的执行速率块160提供这个关系。
在该过程中的某些点，可以执行逻辑参数生成程序146来生成初始MPC块156的普通逻辑202所需的参数(将存储于MPC块156内的变量中)，从而实现模型预测控制。这些控制参数，其可能是诸如MPC逻辑的矩阵或其它MPC系数、调谐参数、神经网络参数(用于神经网络)、比例因子(用于多变量模糊逻辑)或任何其它所需的参数，其通常是基于所产生的过程模型而确定的。为了从过程模型中生成参数，逻辑参数生成程序146可以执行任何所需或公知程序。一般来说，此过程需要将过程模型转换为矩阵形式。但是，可以使用任何其它所需逻辑参数生成程序。由于根据所采集的数据为一过程生成过程模型，以及通过该过程模型产生MPC或其它控制逻辑参数的细节在本领域是公知的，因此这些过程在这里将不作进一步描述。但应注意的是，操作者在为MPC块156生成控制逻辑参数时可能具有某种输入。实际上，操作者可能被请求或被给予指定通常用于生成MPC控制器的某些变量值的能力。例如，操作者可以指定：到MPC块的每一个限定输入的定点及界限；作出控制改变超出的时间范围，即定点轨迹筛选和与该筛选相关的时间常量；MPC输出或处理输出的最大/最小活动值(速率界限)；任何受控参数是否以一种组合的方式进行响应；MPC最优化因子、变量或调谐参数、MPC控制块的时界，即将执行多少步前期计算以进行对某一所需状态的控制；每个MPC块156输入及输出的工程单元范围；在违反其中某一限制时，允许哪个操作变量对象减弱或停止；每个MPC块输入和输出的描述和/或名字；可以设定的任何最优化变量值；与MPC块灵活性或稳定性相关的变量值等等。如果需要，控制逻辑生成程序146可以为这些变量或设定中的一些或者全部存储默认值，并使用这些默认值生成MPC逻辑。然而，操作者或其它用户能够通过用户显示器14改变这些设定。更进一步，操作者可以基于为过程模型确定的系数来选择一初始观测或执行速率，以及基于一个或者多个过程或控制参数与由用户或是系统自动确定的过程延迟之间的关系来选择该控制块是否使用执行速率补偿块。
无论如何，MPC逻辑参数生成程序146利用这种信息和任何其它所需信息来生成MPC(或其它)控制逻辑参数，例如MPC系数。
在生成MPC控制逻辑参数和执行速率补偿因子之后，在图5的步骤228，使用过程模拟块来测试MPC控制逻辑参数或系数。此模拟块通常可以从为过程生成的过程模型中形成，并且在测试环境中可以连接到MPC块以检测生成的MPC控制逻辑块是否令人满意地工作在过程操作的正常范围内，以及执行速率块是否充分工作在预期过程延迟时间的范围内。如果MPC块并不令人满意，将重复步骤154、199和225中一个或全部步骤以形成不同的MPC控制逻辑或者执行速率逻辑。然而，如果MPC控制逻辑令人满意，在步骤230将MPC控制逻辑参数以及过程模型下载到MPC块156以存储在参数存储器203、过程模型存储器204以及补偿块160中，从而用于控制过程158。在这种方式中，MPC控制逻辑所需的参数被提供给并包含于MPC块156中，同时能够委托该MPC块156在过程内根据MPC控制逻辑202进行操作或实际执行控制。当然，如果需要，实际MPC逻辑202连同其所需参数可以在工作站13中被生成，并被下载到MPC块16中。
由于如上所述，MPC块156与包含此块的控制模块是使用与过程控制系统10内其它控制块相同的程序设计范例来设计的，因此一旦被控制器11下载并执行，其中具有MPC块156的MPC模块或循环就以与控制程序内其它块或单元相同的方式来执行报告功能。
应理解的是，这里所描述的MPC或者高级控制逻辑产生程序及方法可以使用户在不具备有关这些块是如何生成的大量专业知识的情况下就能够生成诸如MPC控制块、神经网络模型或控制块等高级控制块，并且使操作者不必执行大量过程的重复编程设计以实现高级控制，就能够生成并使用一个高级控制块。而且，由于使用与系统内的其它控制单元相同的程序设计范例来生成该高级控制块，因此能够给用户提供其内带有高级控制块的过程的稳定观测或图形显示。更进一步而言，由于例如需要为一个MPC功能生成过程模型，因此该过程模型可用于产生模拟功能块，所述模拟功能块可被用于为诸如测试、训练、检测过程/过程模型失谐或者产生用于控制过程的过程虚拟输出等其它目的来模拟处理。
尽管这里所述的高级控制块、过程模拟块以及相关联的产生及测试程序正在与区域总线及标准4-20ma设备连接使用，然而它们当然也可以使用任何其它过程控制通信协议或程序设计环境来执行，并且也可以与任何其它类型的设备、功能块或控制器结合使用。此外，应注意到这里所使用的词组“功能块”并不局限于区域总线协议或者DeltaV控制器协议所规定的功能块，而是包括了与任何类型的可用于执行某种过程控制功能的控制系统和/或通信协议相关联的其它任何类型的块、程序、硬件、固件等等。而且，当功能块通常采用面向对象程序设计中的对象形式时，就不需要这样。
尽管这里所述的高级控制块、执行速率补偿块、过程模拟块以及相关产生及测试程序最好由软件实现，但是它们也可以由硬件、固件等实现，并且可以由其它任何与过程控制系统相关的处理器执行。因此，如果需要，这里所述的程序140可以在一个标准的多功能CPU中，或在特别设计的诸如ASICs等硬件或固件上使用。当以软件实现时，这些软件可以存储在任何计算机可读存储器上，例如存储在磁盘、激光盘、光盘或其它存储媒体上，存储在计算机或处理器的RAM或ROM中等等。同样，此软件也可以通过任何公知的或需要的传送方式，传送给用户或者过程控制系统，例如通过计算机可读磁盘或其它移动式计算机存储器装置、或通过诸如电话线、网络等通信电路调制等(其被视作与通过可移动存储媒体来提供这种软件是相同的或是可互换的)。
尽管本发明使用相关的特定实施例作出了描述，而这些实施例仅仅意在说明解释本发明而不作为本发明的限制，但是在不背离本发明的精神和范围内对所公开的实施例所进行的修改、增加或删除，对于本领域的普通技术人员来说都是显而易见的。

Claims (39)

1.一种过程控制单元，其适于控制过程，所述过程控制单元包括：
一第一多输入，其中每个输入适于接收一组过程参数中的不同的一个；
一第二多输出，其中每个输出适于通信连接于不同的过程输入，用以控制该组过程参数；
一控制逻辑，其响应于所述第一多输入，从而在每个所述第二多输出处产生控制信号；以及
-执行速率块，其适于接收与所述过程相关的参数值，并且基于所述参数为所述控制逻辑计算执行速率。
2.根据权利要求1所述的过程控制单元，其特征在于，所述执行速率块包括适于过滤所述参数的滤波器。
3.根据权利要求2所述的过程控制单元，其特征在于，所述执行速率块还包括一计算块，其基于过滤后的参数为所述控制逻辑确定执行速率。
4.根据权利要求3所述的过程控制单元，其特征在于，还包括一限制器，其适于限定由所述计算块确定的执行速率。
5.根据权利要求1所述的过程控制单元，其特征在于，所述执行速率块包括一补偿块，其为所述控制逻辑将所述执行速率确定为所述参数的线性函数。
6.根据权利要求1所述的过程控制单元，其特征在于，所述执行速率块包括一补偿块，其为所述控制逻辑将所述执行速率确定为所述参数的非线性函数。
7.根据权利要求1所述的过程控制单元，其特征在于，所述执行速率块还适于接收第二参数的值，并且将所述逻辑块的执行速率确定为所述参数及一不同于所述参数的第二参数的函数。
8.根据权利要求1所述的过程控制单元，其特征在于，所述执行速率块适于接收表示过程流量的参数，并基于与所述过程流量值确定所述控制逻辑的执行速率。
9.根据权利要求1所述的过程控制单元，其特征在于，所述控制逻辑包括模型预测控制逻辑。
10.根据权利要求1所述的过程控制单元，其特征在于，所述控制逻辑包括神经网络控制逻辑。
11.一种过程控制器，其适于控制具有多个区域设备的过程，所述过程控制器包括：
一处理器；
一存储器；
一控制块，其存储在所述存储器中，并且适于被所述处理器执行以实现控制计算，从而产生用于控制所述过程的一个或多个控制信号，所述控制块适于在所述处理器上以某种执行速率执行；以及
一执行速率块，其存储在所述存储器中，并适于在所述存储器中执行，从而基于与所述过程相关的参数值来确定所述控制块的执行速率。
12.根据权利要求11所述的过程控制器，其特征在于，所述执行速率块包括一滤波器，其适于过滤与所述过程相关的参数。
13.根据权利要求12所述的过程控制器，其特征在于，所述执行速率块还包括一计算块，其基于过滤后的参数值为所述控制逻辑确定执行速率。
14.根据权利要求13所述的过程控制器，其特征在于，还包括一限制器，其适于限定由所述计算块确定的执行速率。
15.根据权利要求11所述的过程控制器，其特征在于，所述执行速率块包括一补偿块，其为所述控制块将所述执行速率确定为所述参数的线性函数。
16.根据权利要求11所述的过程控制器，其特征在于，所述执行速率块包括一补偿块，其为所述控制块将所述执行速率确定为所述参数的非线性函数。
17.根据权利要求11所述的过程控制器，其特征在于，所述执行速率块还适于将所述控制块的执行速率确定为所述参数及一不同于所述参数的第二参数的函数。
18.根据权利要求11所述的过程控制器，其特征在于，所述执行速率块适于基于与过程流量相关的值来确定所述控制逻辑的执行速率。
19.根据权利要求11所述的过程控制器，其特征在于，所述控制块适于执行模型预测控制。
20.根据权利要求11所述的过程控制器，其特征在于，所述控制块是一多输入/多输出控制块。
21.根据权利要求20所述的过程控制器，其特征在于，所述控制块用于执行神经网络控制逻辑。
22.一种过程控制单元，其适于控制具有过程控制系统的过程，该过程控制系统在控制器上以某个执行速率执行控制块，从而在该过程中实现过程控制功能，所述过程控制单元包括：
一存储器；以及
一执行速率块，其存储在所述存储器中，并适于在所述控制器上执行，从而基于与所述过程相关的某一参数值在所述过程的操作期间确定所述控制块的执行速率。
23.根据权利要求22所述的过程控制单元，其特征在于，所述执行速率块还包括一滤波器，其适于过滤与所述过程相关的参数。
24.根据权利要求23所述的过程控制单元，其特征在于，所述执行速率块还包括一计算块，其基于过滤后的参数值为所述控制块确定执行速率。
25.根据权利要求24所述的过程控制单元，其特征在于，所述执行速率块还包括一限制器，其适于限定由所述计算块确定的执行速率。
26.根据权利要求22所述的过程控制单元，其特征在于，所述执行速率块包括一补偿块，其为所述控制块将所述执行速率确定为所述参数的线性函数。
27.根据权利要求22所述的过程控制单元，其特征在于，所述执行速率块包括一补偿块，其为所述控制块将所述执行速率确定为所述参数的非线性函数。
28.根据权利要求22所述的过程控制单元，其特征在于，所述执行速率块还适于将所述控制块的执行速率确定为所述参数及一不同于所述参数的第二参数的函数。
29.一种控制过程的方法，该过程具有为某一参数函数的过程延迟，所述方法包括以下步骤：
在所述过程的操作期间，以某一执行速率执行实现多输入/多输出控制的一控制块；
获得所述参数的表示；以及
将所述控制块的执行速率确定为所述参数表示的函数。
30.根据权利要求29所述的方法，其特征在于，所述获得步骤包括在所述过程的操作期间测量所述参数的步骤。
31.根据权利要求29所述的方法，其特征在于，所述获得步骤包括确定所述过程的流量的步骤。
32.根据权利要求29所述的方法，其特征在于，所述获得步骤包括确定所述过程的馈送速率的步骤。
33.根据权利要求29所述的方法，其特征在于，所述执行步骤包括以所述的执行速率执行实现模型预测控制的控制块的步骤。
34.根据权利要求30所述的方法，其特征在于，所述确定步骤包括过滤所测量参数的步骤。
35.根据权利要求34所述的方法，其特征在于，所述确定步骤还包括计算所述执行速率和限定所计算的执行速率的步骤。
36.根据权利要求29所述的方法，其特征在于，所述确定步骤包括将所述执行速率确定为所述参数的线性函数的步骤。
37.根据权利要求29所述的方法，其特征在于，所述确定步骤包括将所述执行速率确定为所述参数的非线性函数的步骤。
38.根据权利要求29所述的方法，其特征在于，还包括获得第二参数的表示的步骤，并且其中所述确定步骤包括将所述执行速率确定为表示所述参数和表示一不同于所述参数的第二参数的函数。
39.根据权利要求29所述的方法，其特征在于，所述获得步骤包括确定与所述过程相关的停滞时间的步骤。
CNB031198686A 2002-02-07 2003-02-08 响应可变过程延迟的高级过程控制块的改进 Expired - Lifetime CN1332275C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/072,029 US6901300B2 (en) 2002-02-07 2002-02-07 Adaptation of advanced process control blocks in response to variable process delay
US10/072,029 2002-02-07

Publications (2)

Publication Number Publication Date
CN1438554A CN1438554A (zh) 2003-08-27
CN1332275C true CN1332275C (zh) 2007-08-15

Family

ID=22105119

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB031198686A Expired - Lifetime CN1332275C (zh) 2002-02-07 2003-02-08 响应可变过程延迟的高级过程控制块的改进

Country Status (6)

Country Link
US (1) US6901300B2 (zh)
JP (1) JP4194396B2 (zh)
CN (1) CN1332275C (zh)
DE (1) DE10304902B4 (zh)
GB (1) GB2386437B (zh)
HK (2) HK1055475A1 (zh)

Families Citing this family (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8280533B2 (en) * 2000-06-20 2012-10-02 Fisher-Rosemount Systems, Inc. Continuously scheduled model parameter based adaptive controller
SE522691C3 (sv) * 2002-06-12 2004-04-07 Abb Ab Dynamisk on-line-optimering av produktionsprocesser
US7272454B2 (en) * 2003-06-05 2007-09-18 Fisher-Rosemount Systems, Inc. Multiple-input/multiple-output control blocks with non-linear predictive capabilities
CA2447098A1 (en) * 2003-10-28 2005-04-28 Centre De Recherche Industrielle Du Quebec Method for estimating an optimal dosage of bleaching agent to be mixed with wood chips
TWI346849B (en) * 2003-12-05 2011-08-11 Saurer Gmbh & Co Kg Method and apparatus for order control in a production process for a fibre product
DE10357276B4 (de) * 2003-12-05 2012-02-23 Abb Research Ltd. System und Verfahren zur gerichteten Bereitstellung und Installation von gerätespezifischen Funktionalitäten und/oder Informationen für die Feldgeräte eines verteilten Systems
US7117044B2 (en) * 2003-12-30 2006-10-03 Square D Company Alternative energy system control method and apparatus
US20050182500A1 (en) * 2004-02-17 2005-08-18 Continuous Control Solutions, Inc. Time delay definition
US7203555B2 (en) * 2004-05-14 2007-04-10 University Of Delaware Predictive regulatory controller
US7460984B1 (en) * 2004-05-25 2008-12-02 The Mathworks, Inc. Compensating for delay in modeling environments
US7415312B2 (en) * 2004-05-25 2008-08-19 Barnett Jr James R Process module tuning
US7451004B2 (en) * 2005-09-30 2008-11-11 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
US7444191B2 (en) 2005-10-04 2008-10-28 Fisher-Rosemount Systems, Inc. Process model identification in a process control system
US8036760B2 (en) * 2005-10-04 2011-10-11 Fisher-Rosemount Systems, Inc. Method and apparatus for intelligent control and monitoring in a process control system
US7738975B2 (en) * 2005-10-04 2010-06-15 Fisher-Rosemount Systems, Inc. Analytical server integrated in a process control network
US7587252B2 (en) * 2005-10-25 2009-09-08 Fisher-Rosemount Systems, Inc. Non-periodic control communications in wireless and other process control systems
US7620460B2 (en) * 2005-10-25 2009-11-17 Fisher-Rosemount Systems, Inc. Process control with unreliable communications
US8719327B2 (en) * 2005-10-25 2014-05-06 Fisher-Rosemount Systems, Inc. Wireless communication of process measurements
US8005575B2 (en) 2006-06-01 2011-08-23 General Electric Company Methods and apparatus for model predictive control in a real time controller
DE102006028006A1 (de) * 2006-06-14 2007-12-20 Siemens Ag Feldgerät und Verfahren zum Verarbeiten mindestens einer Messgröße in einem Feldgerät
US8606544B2 (en) * 2006-07-25 2013-12-10 Fisher-Rosemount Systems, Inc. Methods and systems for detecting deviation of a process variable from expected values
US7912676B2 (en) 2006-07-25 2011-03-22 Fisher-Rosemount Systems, Inc. Method and system for detecting abnormal operation in a process plant
US8145358B2 (en) 2006-07-25 2012-03-27 Fisher-Rosemount Systems, Inc. Method and system for detecting abnormal operation of a level regulatory control loop
US7668623B2 (en) * 2006-08-01 2010-02-23 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using integrated function block
US20080071395A1 (en) * 2006-08-18 2008-03-20 Honeywell International Inc. Model predictive control with stochastic output limit handling
US7949417B2 (en) * 2006-09-22 2011-05-24 Exxonmobil Research And Engineering Company Model predictive controller solution analysis process
EP2057517B1 (en) * 2006-09-28 2013-06-12 Fisher-Rosemount Systems, Inc. Abnormal situation prevention in a heat exchanger
US8032340B2 (en) * 2007-01-04 2011-10-04 Fisher-Rosemount Systems, Inc. Method and system for modeling a process variable in a process plant
US8032341B2 (en) 2007-01-04 2011-10-04 Fisher-Rosemount Systems, Inc. Modeling a process using a composite model comprising a plurality of regression models
US7827006B2 (en) * 2007-01-31 2010-11-02 Fisher-Rosemount Systems, Inc. Heat exchanger fouling detection
US8238414B1 (en) 2007-09-25 2012-08-07 National Semiconductor Corporation Sliding error sampler (SES) for latency reduction in the PWM path
US7930045B2 (en) * 2008-10-07 2011-04-19 Emerson Process Management Power & Water Solutions, Inc. Two-stage model predictive control technique
US8756039B2 (en) * 2010-03-02 2014-06-17 Fisher-Rosemount Systems, Inc. Rapid process model identification and generation
TWI427722B (zh) * 2010-08-02 2014-02-21 Univ Nat Cheng Kung 使用具有信心指標之虛擬量測的先進製程控制系統與方法及其電腦程式產品
US9335042B2 (en) 2010-08-16 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using dynamic matrix control
US9217565B2 (en) 2010-08-16 2015-12-22 Emerson Process Management Power & Water Solutions, Inc. Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater
US9447963B2 (en) 2010-08-16 2016-09-20 Emerson Process Management Power & Water Solutions, Inc. Dynamic tuning of dynamic matrix control of steam temperature
WO2013007867A1 (en) * 2011-07-11 2013-01-17 Metso Automation Oy Wireless control for process automation
CN102354114A (zh) * 2011-07-18 2012-02-15 安徽工程大学 一种网络控制系统的随机时延建模方法
US8788069B2 (en) 2011-09-27 2014-07-22 Fisher-Rosemount Systems, Inc. Method and apparatus for eliminating aliasing
US9163828B2 (en) 2011-10-31 2015-10-20 Emerson Process Management Power & Water Solutions, Inc. Model-based load demand control
US9298176B2 (en) * 2012-01-17 2016-03-29 Fisher-Rosemount Systems, Inc. Compensating for setpoint changes in a non-periodically updated controller
US10423127B2 (en) 2012-01-17 2019-09-24 Fisher-Rosemount Systems, Inc. Velocity based control in a non-periodically updated controller
US11199824B2 (en) 2012-01-17 2021-12-14 Fisher-Rosemount Systems, Inc. Reducing controller updates in a control loop
JP5951321B2 (ja) 2012-03-30 2016-07-13 株式会社ケーヒン 電子制御装置
JP5565431B2 (ja) * 2012-04-18 2014-08-06 横河電機株式会社 制御装置及び制御システム
CN102854797B (zh) * 2012-09-10 2015-11-18 广东电网公司电力科学研究院 火电机组先进控制多模型切换方法
US9765703B2 (en) 2013-04-23 2017-09-19 GM Global Technology Operations LLC Airflow control systems and methods using model predictive control
US9920697B2 (en) 2014-03-26 2018-03-20 GM Global Technology Operations LLC Engine control systems and methods for future torque request increases
US9863345B2 (en) 2012-11-27 2018-01-09 GM Global Technology Operations LLC System and method for adjusting weighting values assigned to errors in target actuator values of an engine when controlling the engine using model predictive control
US9784198B2 (en) 2015-02-12 2017-10-10 GM Global Technology Operations LLC Model predictive control systems and methods for increasing computational efficiency
US9797318B2 (en) 2013-08-02 2017-10-24 GM Global Technology Operations LLC Calibration systems and methods for model predictive controllers
US9732688B2 (en) 2014-03-26 2017-08-15 GM Global Technology Operations LLC System and method for increasing the temperature of a catalyst when an engine is started using model predictive control
US9714616B2 (en) * 2014-03-26 2017-07-25 GM Global Technology Operations LLC Non-model predictive control to model predictive control transitions
CN103676649A (zh) * 2013-10-09 2014-03-26 江苏师范大学 局部自适应小波神经网络训练系统、设备及方法
US9696709B2 (en) * 2014-02-21 2017-07-04 Mitsubishi Electric Research Laboratories, Inc. Method and system for computing reference signals for machines with redundant positioning
US10606251B2 (en) * 2015-01-24 2020-03-31 Abb Schweiz Ag Method for controlling a process plant using transition data
CN104834285B (zh) * 2015-03-30 2018-01-12 福州大学 对角递归神经网络控制器在多平台中的实现方法
CN104950681A (zh) * 2015-06-25 2015-09-30 安徽工业大学 一种石灰窑燃烧过程的模糊预测控制系统及其控制方法
US9938908B2 (en) 2016-06-14 2018-04-10 GM Global Technology Operations LLC System and method for predicting a pedal position based on driver behavior and controlling one or more engine actuators based on the predicted pedal position
US10969749B2 (en) * 2017-08-22 2021-04-06 Honeywell Limited Application of model predictive control (MPC)-based forced ramping of process input variables and process output reference trajectory design over a prediction horizon for MPC-based paper machine grade change control
WO2019119137A1 (en) * 2017-12-22 2019-06-27 Mcmaster University Plate-fin heat exchanger suitable for rack-mountable cooling unit
US11879656B2 (en) * 2018-04-04 2024-01-23 International Business Machines Corporation Initialization of radial base function neural network nodes for reinforcement learning incremental control system
CN108549236B (zh) * 2018-05-15 2021-06-04 浙江工业大学 计量泵电机转速信号滤波时延与网络传输时延补偿方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0588594A2 (en) * 1992-09-14 1994-03-23 TEXACO, Inc. Control system using an adaptive neural network for target and path optimization for a multivariable, nonlinear process
US5408406A (en) * 1993-10-07 1995-04-18 Honeywell Inc. Neural net based disturbance predictor for model predictive control
US5457625A (en) * 1994-04-13 1995-10-10 The M. W. Kellogg Company Maximizing process production rates using permanent constraints
US5477449A (en) * 1993-04-14 1995-12-19 Kabushiki Kaisha Toshiba Hierarchical model predictive control system based on accurate manipulation variable prediction

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1583545A (en) 1976-08-04 1981-01-28 Martin Sanchez J Control systems
US4054780A (en) * 1976-11-01 1977-10-18 Phillips Petroleum Company Gain-adaptive process control
EP0462815B1 (en) 1990-06-21 1996-09-25 Honeywell Inc. Receding horizon based adaptive control having means for minimizing operating costs
JP2539540B2 (ja) 1990-09-19 1996-10-02 株式会社日立製作所 プロセス制御装置
US5347446A (en) 1991-02-08 1994-09-13 Kabushiki Kaisha Toshiba Model predictive control apparatus
US5283729A (en) 1991-08-30 1994-02-01 Fisher-Rosemount Systems, Inc. Tuning arrangement for turning the control parameters of a controller
US5353207A (en) 1992-06-10 1994-10-04 Pavilion Technologies, Inc. Residual activation neural network
US5384698A (en) 1992-08-31 1995-01-24 Honeywell Inc. Structured multiple-input multiple-output rate-optimal controller
US5740033A (en) 1992-10-13 1998-04-14 The Dow Chemical Company Model predictive controller
DE4238037A1 (en) * 1992-11-11 1993-04-08 Voith Gmbh J M Paper web profile fault correction - uses mathematical model for current operation to eliminate residual faults on the lateral profile
US5351184A (en) 1993-01-26 1994-09-27 Honeywell Inc. Method of multivariable predictive control utilizing range control
WO1994020887A2 (en) 1993-03-02 1994-09-15 Pavilion Technologies, Inc. Method and apparatus for analyzing a neural network within desired operating parameter constraints
US5825646A (en) 1993-03-02 1998-10-20 Pavilion Technologies, Inc. Method and apparatus for determining the sensitivity of inputs to a neural network on output parameters
US5453925A (en) 1993-05-28 1995-09-26 Fisher Controls International, Inc. System and method for automatically tuning a process controller
US5594858A (en) 1993-07-29 1997-01-14 Fisher-Rosemount Systems, Inc. Uniform control template generating system and method for process control programming
US5539638A (en) 1993-08-05 1996-07-23 Pavilion Technologies, Inc. Virtual emissions monitor for automobile
US5386373A (en) 1993-08-05 1995-01-31 Pavilion Technologies, Inc. Virtual continuous emission monitoring system with sensor validation
US5587897A (en) 1993-12-27 1996-12-24 Nec Corporation Optimization device
US5517424A (en) 1994-03-31 1996-05-14 Electric Power Research Institute, Inc. Steam turbine fuzzy logic cyclic control method and apparatus therefor
US5587899A (en) 1994-06-10 1996-12-24 Fisher-Rosemount Systems, Inc. Method and apparatus for determining the ultimate gain and ultimate period of a controlled process
US5586221A (en) 1994-07-01 1996-12-17 Syracuse University Predictive control of rolling mills using neural network gauge estimation
US5568378A (en) 1994-10-24 1996-10-22 Fisher-Rosemount Systems, Inc. Variable horizon predictor for controlling dead time dominant processes, multivariable interactive processes, and processes with time variant dynamics
US5704011A (en) 1994-11-01 1997-12-30 The Foxboro Company Method and apparatus for providing multivariable nonlinear control
US5659667A (en) 1995-01-17 1997-08-19 The Regents Of The University Of California Office Of Technology Transfer Adaptive model predictive process control using neural networks
US5748467A (en) 1995-02-21 1998-05-05 Fisher-Rosemont Systems, Inc. Method of adapting and applying control parameters in non-linear process controllers
US5572420A (en) 1995-04-03 1996-11-05 Honeywell Inc. Method of optimal controller design for multivariable predictive control utilizing range control
US5682309A (en) 1995-04-28 1997-10-28 Exxon Chemical Patents Inc. Feedback method for controlling non-linear processes
US5680409A (en) 1995-08-11 1997-10-21 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
US5873251A (en) 1995-09-13 1999-02-23 Kabushiki Kaisha Toshiba Plant operation control system
US5841652A (en) 1996-04-03 1998-11-24 Scap Europa, S.A. Adaptive-predictive control and optimization system
US5838563A (en) 1996-04-12 1998-11-17 Fisher-Rosemont Systems, Inc. System for configuring a process control environment
US6438430B1 (en) * 1996-05-06 2002-08-20 Pavilion Technologies, Inc. Kiln thermal and combustion control
US6493596B1 (en) * 1996-05-06 2002-12-10 Pavilion Technologies, Inc. Method and apparatus for controlling a non-linear mill
US5659467A (en) 1996-06-26 1997-08-19 Texas Instruments Incorporated Multiple model supervisor control system and method of operation
US6424872B1 (en) * 1996-08-23 2002-07-23 Fieldbus Foundation Block oriented control system
US5970430A (en) * 1996-10-04 1999-10-19 Fisher Controls International, Inc. Local device and process diagnostics in a process control network having distributed control functions
US5920478A (en) 1997-06-27 1999-07-06 Oakleaf Engineering, Inc. Multi-input multi-output generic non-interacting controller
US6453308B1 (en) * 1997-10-01 2002-09-17 Aspen Technology, Inc. Non-linear dynamic predictive device
US6215907B1 (en) 1998-06-26 2001-04-10 Fisher-Rosemont Systems, Inc. Recursive on-line wavelet data compression technique for use in data storage and communications
US6253113B1 (en) * 1998-08-20 2001-06-26 Honeywell International Inc Controllers that determine optimal tuning parameters for use in process control systems and methods of operating the same
US6269274B1 (en) 1998-09-09 2001-07-31 Honeywell International Inc System and method for balancing and distributing control algorithm processing load and real time plant control system employing the same
US6360131B1 (en) * 1998-10-16 2002-03-19 Cheng Model-free adaptive control for flexible production systems
US6298454B1 (en) 1999-02-22 2001-10-02 Fisher-Rosemount Systems, Inc. Diagnostics in a process control system
US6445963B1 (en) 1999-10-04 2002-09-03 Fisher Rosemount Systems, Inc. Integrated advanced control blocks in process control systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0588594A2 (en) * 1992-09-14 1994-03-23 TEXACO, Inc. Control system using an adaptive neural network for target and path optimization for a multivariable, nonlinear process
US5477449A (en) * 1993-04-14 1995-12-19 Kabushiki Kaisha Toshiba Hierarchical model predictive control system based on accurate manipulation variable prediction
US5408406A (en) * 1993-10-07 1995-04-18 Honeywell Inc. Neural net based disturbance predictor for model predictive control
US5457625A (en) * 1994-04-13 1995-10-10 The M. W. Kellogg Company Maximizing process production rates using permanent constraints

Also Published As

Publication number Publication date
HK1055475A1 (en) 2004-01-09
DE10304902A1 (de) 2003-10-23
JP2003295907A (ja) 2003-10-17
US20030149493A1 (en) 2003-08-07
GB2386437A (en) 2003-09-17
JP4194396B2 (ja) 2008-12-10
US6901300B2 (en) 2005-05-31
GB2386437B (en) 2005-11-09
GB0302813D0 (en) 2003-03-12
CN1438554A (zh) 2003-08-27
DE10304902B4 (de) 2012-09-13
HK1057785A1 (en) 2004-04-16

Similar Documents

Publication Publication Date Title
CN1332275C (zh) 响应可变过程延迟的高级过程控制块的改进
JP4786072B2 (ja) 多入力／多出力論理装置及び該多入力／多出力論理装置を使用してプロセスを制御する方法
JP5096359B2 (ja) 同時プロセスシミュレーションを伴う多目的予測プロセス最適化
JP5833088B2 (ja) プロセス制御器及びアドバンスド制御エレメント生成システム
CN100381956C (zh) 在过程控制系统中的集成模型预测控制和最佳化
CN101196740B (zh) 集成于过程控制网络的分析服务器
CN1940781B (zh) 用于控制分批过程的方法和系统
CN101533273B (zh) 过程控制系统的过程模型库的动态管理
JP4722388B2 (ja) 統合型モデル予測制御機能ブロックおよびオプチマイザ機能ブロックのための設定および閲覧用表示画面
CN101807048B (zh) 过程控制系统中的在线自适应模型预测控制
JP5933485B2 (ja) モデルベース制御技法におけるロバストなプロセスモデルの同定方法及びシステム
CN101517505B (zh) 探测氢化裂解器中的异常操作的方法和系统
TR201906576T4 (tr) Adapte edilebilir çapraz tesis kontrolü ve yönlendirme sistemi ve ilgili yöntemi.
GB2394312A (en) Configuration of a system comprising an integrated MIMO model predictive control optimisation system
CN104081298B (zh) 用于自动化和/或电气工程项目中的工作流程的自动化操控的系统和方法
CN1573624B (zh) 用于批性能估计的装置和方法
Frank et al. Scientific Automation rises the productivity of production facilities
Love Fieldbus
Write characters in hex), to allow the receiving de-vice to synchronise the signal after any pause in transmission.• Start character. Specifies the frame format as be-ing short or long depending on whether the slave

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
CX01 Expiry of patent term

Granted publication date: 20070815

CX01 Expiry of patent term