-
GEBIET DER OFFENBARUNG
-
Diese
Offenbarung betrifft allgemein die Prozessmodellierung und insbesondere
Verfahren und Vorrichtungen zum Kompensieren von erstprinzipienbasierten
Simulationsmodellen.
-
ALLGEMEINER STAND DER TECHNIK
-
Auf
dem Gebiet der Prozesssimulation beruht die Simulatorauslegung typischerweise
auf zwei unterschiedlichen Modelltypen: auf ersten Prinzipien basierenden
Modellen und auf empirischen Daten basierenden Modellen. Ein auf
ersten Prinzipien basierendes Modell, das auch als High-Fidelity-Modell
bezeichnet wird, modelliert Ausrüstung
und Prozesse auf der Grundlage von physikalischen Gesetzen wie den
Gesetzen der Masse, der Energie und der Drehimpulserhaltung. Erstprinzipienbasierte
Modelle, die einen physikalischen Prozess beschreiben, sind häufig komplex
und können
anhand von Teildifferentialgleichungen und/oder differential-algebraischen
Gleichungen ausgedrückt
werden. Diese Gleichungen können
Eigenschaften von Prozessen oder Ausrüstung und/oder Veränderungen
dieser Eigenschaften beschreiben. Die Gleichungen vieler erstprinzipienbasierter
Modelle sind modular, um bestimmte Ausrüstungsteile und/oder Prozesse
in einem System mit mehreren Ausrüstungselementen oder Prozessen
zu modellieren. Auf diese Weise lassen sich Ausrüstungselemente und/oder Prozesse
im Modell auf einfache Weise ändern
und/oder aktualisieren, indem die Gleichungen im Modell durch Gleichungen
ersetzt werden, die dem geänderten
und/oder aktualisierten Ausrüstungselement
und/oder Prozess entsprechen. Erstprinzipienbasierte Modelle neigen
jedoch zu Modellierungsabweichungen, da erstprinzipienbasierte Modelle
nicht dazu in der Lage sind, Ungewissheit in Bezug auf die tatsächlichen
Merkmale oder Eigenschaften der Prozessausrüstung zu berücksichtigen.
-
Auf
empirischen Daten basierende Modelle dagegen, die häufig auch
als Black-Box-Modelle
bezeichnet werden, erzeugen Modellierungsformeln oder -gleichungen,
indem sie Testeingaben gemäß einem
entworfenen Experiment auf ein tatsächliches Prozesssystem anwenden
und die Testausgaben messen, die diesen Testeingaben entsprechen.
Anhand der Eingaben und Ausgaben werden Gleichungen erzeugt, die
eine Beziehung zwischen den Eingaben und Ausgaben bestimmen, um
auf diese Weise den Prozess oder die Ausrüstung zu modellieren. Bei diesem
Ansatz dürfte
es leichter sein, zu den empirischen Gleichungen zu gelangen, als
es bei erstprinzipienbasierten Gleichungen der Fall ist, und auch
das Erfassen dynamischer Einschwingvorgänge dürfte mit empirischen Gleichungen
einfacher sein als mit erstprinzipienbasierten Gleichungen. Es müssen jedoch
spezielle Experimente entworfen, implementiert und ausgeführt werden,
um ausreichend präzise
und unterschiedliche Daten zum Ermitteln der empirischen Daten zu
gewinnen, die dann zum Entwickeln des Modells benutzt werden. Im
Fall einer Änderung
oder Auswechselung von Ausrüstung
müssen darüber hinaus
neue empirische Modelle entwickelt werden, was zeitaufwändig und
kostspielig ist.
-
Unabhängig davon,
welcher Typ von Prozessmodellierungsverfahren benutzt wird, muss
ein Prozesssystemmodell häufig
abgestimmt und/oder angepasst werden. Eine solche Abstimmung und
Anpassung werden typischerweise im Versuch-und-Irrtum-Verfahren
durchgeführt,
welches mehrmals wiederholt werden kann, um Verschiebungen in den
Prozessdaten widerzuspiegeln, die auf eine Alterung oder Ermüdung der Ausrüstung zurückgehen.
-
KURZDARSTELLUNG
-
Im
Folgenden sollen Verfahren und Vorrichtungen zum Kompensieren erstprinzipienbasierter
Simulationsmodelle beschrieben werden. Einige Beispielverfahren
zum Kompensieren eines erstprinzipienbasierten Simulationsmodells
umfassen das Anwenden von einer oder mehreren Testeingaben auf ein
Prozesssystem, um erste Ausgabedaten zu erzeugen, eine oder mehrere
zweite Testeingaben auf ein Erstprinzipienmodell anzuwenden, um
zweite Ausgabedaten zu erzeugen, und das Erzeugen eines Abweichungsmodells
anhand der ersten und zweiten Ausgabedaten. Die Beispielverfahren
umfassen ferner das Anwenden von Eingabedaten auf das Erstprinzipienmodell,
um Simulationsmodellausgabedaten zu erzeugen, und das Kompensieren
des Modells mittels des Abweichungsmodells, um kompensierte Modellausgabedaten
zu erzeugen.
-
Außerdem werden
Beispielvorrichtungen zum Kompensieren erstprinzipienbasierter Simulationsmodelle
beschrieben. Einige beispielhafte kompensierte erstprinzipienbasierte
Modelle umfassen ein erstes erstprinzipienbasiertes Modell, das
in einem Speicher implementiert ist, um anhand einer oder mehrerer
Eingaben erste Ausgabedaten zu erzeugen, ein Abweichungsmodell,
das in einem Speicher implementiert ist, um während einer Betriebsphase die
ersten Ausgabedaten zu kompensieren, um ein kompensiertes erstprinzipienbasiertes
Modell zu erzeugen, und einen Abweichungsmodellgenerator zum Erzeugen
des Abweichungsmodells anhand der ersten Ausgabedaten und Prozessdaten
während
einer Einlernphase. Das Erzeugen des Abweichungsmodells umfasst
das Erhalten der ersten Ausgabedaten und zweiter Ausgabedaten von
einem Prozesssystem, das auf der oder den Eingaben basiert, und
das Erzeugen des Abweichungsmodells anhand erster und zweiter Ausgabedaten.
-
Außerdem werden
einige beispielhafte computerlesbare Medien beschrieben. Die beispielhaften
computerlesbaren Medien enthalten Befehle, die bei Ausführung durch
einen Computer den Computer veranlassen, ein oder mehrere erste
Testeingaben auf ein Prozesssystem anzuwenden, um erste Ausgabedaten
zu erzeugen, eine oder mehrere zweite Testeingaben auf ein Erstprinzipienmodell
anzuwenden, um zweite Ausgabedaten zu erzeugen, ein Abweichungsmodell
anhand der ersten und zweiten Ausgabedaten zu erzeugen, Eingabedaten
auf das Erstprinzipienmodell anzuwenden, um Simulationsmodellausgabedaten
zu erzeugen, und die Modelldaten mittels des Abweichungsmodells
zu kompensieren, um kompensierte Modellausgabedaten zu erzeugen.
-
Es
werden einige beispielhafte Verfahren zum Erzeugen eines Modells
für dynamische
Abweichungen zum Kompensieren eines erstprinzipienbasierten Modells
beschrieben. Die beispielhaften Verfahren umfassen das Bestimmen
einer ersten Vorhersagegleichung zum Ausdrücken einer Beziehung zwischen
einer oder mehreren Prozesssystemeingaben und einer oder mehreren
Prozesssystemausgaben, das Bestimmen einer Anfangsbedingung der
ersten Vorhersagegleichung für
einen oder mehrere Modellparameter anhand einer oder mehrerer Testeingaben
und einer oder mehrerer Testausgaben, das Bestimmen einer zweiten
Vorhersagegleichung zu einem ersten Zeitpunkt anhand wenigstens
einer dritten Vorhersagegleichung zu einem zweiten Zeitpunkt vor
dem ersten Zeitpunkt oder der Anfangsbedingung, das Bestimmen einer
Optimierungsfunktion zum Optimieren einer Ausgabendifferenz zwischen
einem erstprinzipienbasierten Modell und dem Prozesssystem in Reaktion
auf einen oder mehrere im Wesentlichen äquivalente Eingaben, das Lösen der
Optimierungsfunktion innerhalb der Einschränkungen zum Bestimmen der Modellparameter
anhand wenigstens der zweiten Vorhersagegleichung oder der dritten
Vorhersagegleichung und das Erzeugen eines Modells für dynamische
Abweichungen anhand der Modellparameter.
-
Einige
weitere Beispielverfahren zum Erzeugen eines Modells für dynamische
Abweichungen zum Kompensieren eines erstprinzipienbasierten Modells
umfassen das Anwenden von Testeingabedaten auf einen Prozess, um
Testausgabedaten zu erzeugen, das Erzeugen einer Lösung für bleibende
Abweichungen anhand der Testeingabedaten und der Testausgabedaten
und das Erzeugen von einer oder mehreren Vorhersagegleichungen anhand
der Lösung
für bleibende
Abweichungen. Eine Vorhersagegleichung zu einem ersten Zeitpunkt
basiert wenigstens auf einem von: Testausgabedaten an einem oder
mehreren vorhergehenden Zeitpunkten; Testeingabedaten an einem oder
mehreren vorhergehenden Zeitpunkten; oder einer oder mehreren Vorhersagegleichungen
an vorhergehenden Zeitpunkten. Die beispielhaften Verfahren umfassen
ferner das Anwenden von einer oder mehreren Einschränkungen
auf eine Optimierungsfunktion und das Lösen der Optimierungsfunktion,
um die Vorhersagegleichung oder die Vorhersagegleichungen innerhalb
der Einschränkung
oder der Einschränkungen
zu lösen,
um ein Modell für
dynamische Abweichungen zu erzeugen.
-
KURZE BESCHREIBUNG DER FIGUREN
-
1 ist
ein Blockdiagramm eines beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodells in einer parallelen Konfiguration.
-
2 ist
ein Blockdiagramm eines beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodells in einer kaskadierten Konfiguration.
-
3 ist
ein detaillierteres Blockdiagramm des beispielhaften erstprinzipienbasierten
Modells aus 1 und 2.
-
4 ist
ein Blockdiagramm eines beispielhaften Abweichungsmodellgenerators
zum Implementieren des Abweichungsmodellgenerators aus 1 und 2 während einer
Einlernphase.
-
5 ist
ein Ablaufdiagramm, das einen Beispielprozess zum Kompensieren eines
erstprinzipienbasierten Modells unter Verwendung einer parallelen
Abweichungsmodellkonfiguration darstellt.
-
6 ist
ein Ablaufdiagramm, das einen Beispielprozess zum Kompensieren eines
erstprinzipienbasierten Modells unter Verwendung einer kaskadierten
Abweichungsmodellkonfiguration darstellt.
-
7 ist
ein Ablaufdiagramm, das einen Beispielprozess zum Erzeugen eines
Abweichungsmodells darstellt.
-
8 ist
ein Ablaufdiagramm, das einen Beispielprozess zum Erzeugen eines
Modells für
dynamische Abweichungen darstellt.
-
9 ist
ein Blockdiagramm eines beispielhaften Prozessorsystems, das dazu
benutzt werden kann, die hier beschriebenen beispielhaften Vorrichtungen,
Verfahren und die Herstellungsartikel zu implementieren.
-
DETAILLIERTE BESCHREIBUNG
-
Obwohl
im Folgenden Beispielsysteme offenbart werden, die neben anderen
Bauteilen auch Software und/oder Firmware enthalten, die auf Hardware
ausgeführt
werden, ist zu beachten, dass diese Systeme ausschließlich der
Veranschaulichung dienen und nicht als einschränkend zu verstehen sind. Beispielsweise
ist vorgesehen, dass jedes dieser Hardware-, Software- und Firmware-Bauteile
ausschließlich
als Hardware, ausschließlich
als Software, oder in jeder beliebigen Kombination aus Hardware
und Software verkörpert
werden kann. Obwohl also im Folgenden Beispielsysteme beschrieben
werden, werden Durchschnittsfachleute ohne Weiteres verstehen, dass
die dargestellten Beispiele nicht der einzige Weg zur Implementierung
dieser Systeme sind.
-
Auf
dem Gebiet der Prozesssteuerung (z. B. der industriellen Prozesssteuerung)
handelt es sich bei Ausrüstung
und/oder Prozessen selten um echte Black Boxes. Vielmehr ist normalerweise
eine gewisse Menge an Information zur Ausrüstung und/oder den Prozessen
bekannt, da die Ausrüstung
und die Prozesse häufig
von gut dokumentierten Auslegungsdaten und/oder Betriebsverlaufsdaten
begleitet werden. Gemäß den Beispielen,
die im Folgenden ausführlicher
erläutert
werden sollen, können
nützliche
Informationen aus dieser Dokumentation dazu benutzt werden, ein
Erstprinzipienmodell zu definieren. Das Erstprinzipienmodell kann dann
dazu benutzt werden, den oder die dominanten Prozessgewinn(e) oder
Nichtlinearität(en)
eines Prozesssystems zu modellieren. Sodann kann ein Abweichungsmodell
entwickelt werden, das eine oder mehrere Abweichungen im Erstprinzipienmodell
beseitigt und/oder kompensiert. In vielen Anwendungen sind dank
des Erstprinzipienmodells die wichtigsten Beziehungen zwischen dominanten
Prozesseingabe- und -ausgabevariablen bekannt und werden gut dadurch
modelliert. Allerdings können
Ungewissheiten in einem Prozess ausreichend Varianzen in der Prozessausgabe
erzeugen, um die Entwicklung eines Abweichungsmodells zum Korrigieren
dieser Varianzen zu rechtfertigen.
-
Die
hier beschriebenen beispielhaften Verfahren, Vorrichtungen und Herstellungsartikel
können
dazu benutzt werden, erstprinzipienbasierte Simulationsmodelle zu
kompensieren. Im Falle eines gegebenen Satzes aus Eingabedaten und
Ausgabedaten für
einen Prozess können
die hier beschriebenen beispielhaften Verfahren, Vorrichtungen und
Herstellungsartikel insbesondere dazu benutzt werden, ein Abweichungsmodell zu
bestimmen, um für
eine gegebene Eingabe oder einen gegebenen Satz aus Eingaben die
Differenz zwischen den Prozesssystemausgabedaten und den Ausgabedaten
des erstprinzipienbasierten Modells zu kompensieren. Nach dem Bestimmen
eines Abweichungsmodells können
unter Benutzung des erstprinzipienbasierten Modells, das durch das
Abweichungsmodell kompensiert wird, weitere Simulationen durchgeführt werden.
Als Ergebnis lassen sich die Genauigkeit und die Flexibilität des erstprinzipienbasierten
Modells ausnutzen, während
gleichzeitig durch das Abweichungsmodell Prozessschwankungen berücksichtigt
(d. h. kompensiert) werden.
-
1 ist
ein Blockdiagramm eines beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodells 100 in einer parallelen Konfiguration.
Das beispielhafte kompensierte erstprinzipienbasierte Simulationsmodell 100,
das auch als ein addierendes Modell bezeichnet werden kann, kann
dazu benutzt werden, beispielsweise einen industriellen Prozess
und/oder industrielle Ausrüstung
zu modellieren. Zum Beispiel kann das Simulationsmodell 100 in
Reaktion auf eine oder mehrere Eingaben eine oder mehrere Ausgaben
erzeugen, um die Auswirkungen des Veränderns der Eingabe(n), des
Veränderns
des Prozesses und/oder des Veränderns
eines oder mehrerer Ausrüstungsteile
präzise
zu modellieren. In diesem Beispiel erhält das kompensierte erstprinzipienbasierte
Simulationsmodell 100 eine oder mehrere Ausgaben w von
einem Prozesssystem 102, z. B. einem industriellen Prozess,
der eine oder mehrere Eingabe(n) x erhält.
-
Wie
in 1 gezeigt, umfasst das erstprinzipienbasierte
Simulationsmodell 100 ein Erstprinzipienmodell 104.
Im Allgemeinen handelt es sich bei dem Erstprinzipienmodell 104um
ein mathematisches Modell, das das Erhalten der gleichen oder im
Wesentlichen der gleichen Eingabe(n) wie das Prozesssystem 102 simuliert,
das das Benutzen der Eingabe(n) durch das Prozesssystem 102 oder
das Reagieren des Prozesssystems 102 auf diese simuliert
und das abgesehen von einigen Modellierungsabweichungen im Wesentlichen die
gleiche(n) Ausgabe(n) zu wie das Prozesssystem erzeugt. Wie unten
beschrieben, erhalten das Prozesssystem 102 und das Erstprinzipienmodell 104 im
Allgemeinen nicht genau die gleiche(n) Eingabe(n) und erzeugen anhand
der gleichen Eingabe(n) auch nicht die gleiche(n) Ausgabe(n), da
das Prozesssystem 102 ein physikalischer Prozess ist, während das
Erstprinzipienmodell 104 ein mathematisches Modell des
physikalischen Prozesses ist.
-
Das
Erhalten der gleichen Eingabe(n) im hier verwendeten Sinne kann
entweder das Erhalten qualitativ und quantitativ gleicher Eingabe(n)
oder das Erhalten quantitativer Darstellungen von Eingabe(n) in
angemessen repräsentativer
Form/repräsentativen
Formen bezeichnen. Beispielsweise können ein Prozesssystem eines
kohlebefeuerten Kraftwerks und ein Erstprinzipienmodell des kohlebefeuerten
Kraftwerks die gleiche(n) oder im Wesentlichen die gleiche(n) Eingabe(n)
erhalten, indem sie jeweils 1.000 Kilogramm (kg) Kohle bzw. eine
mathematische Darstellung von 1.000 kg Kohle erhalten. Das Aufweisen
der gleichen Ausgabe(n) im hier verwendeten Sinne kann entweder
das Aufweisen qualitativ und quantitativ gleicher Ausgabe(n) oder das
Ausgeben quantitativer Darstellungen von Ausgabe(n) in angemessen
repräsentativer
Form/repräsentativen
Formen bezeichnen. Beispielsweise kann das kohlebefeuerte Kraftwerk
302,78 Kilowattstunden (kWh) an Elektrizität ausgeben, während ein
Erstprinzipienmodell des kohlebefeuerten Kraftwerks eine mathematische Darstellung
von 302,78 kWh ausgeben kann.
-
Um
Modellierungsabweichungen in der Ausgabe des Erstprinzipienmodells 104 zu
reduzieren, wird ein Abweichungsmodellgenerator 106 bereitgestellt.
Der Abweichungsmodellgenerator 106 erhält die gleiche(n) oder im Wesentlichen
die gleiche(n) Eingabe(n) (und/oder mathematische Darstellungen
der gleichen Eingabe(n)) wie das Prozesssystem und/oder das Erstprinzipienmodell 104.
Der Abweichungsmodellgenerator 106 erhält außerdem eine Differenz zwischen
den Ausgaben des Prozesssystems 102 und des Erstprinzipienmodells 104,
die mit den Eingaben korrespondiert. Anhand der Eingabe(n) und der
Ausgabedifferenz(en) erzeugt der Abweichungsmodellgenerator 106 ein
Abweichungsmodell 108. Das beispielhafte Abweichungsmodell 108 erhält die gleichen
oder im Wesentlichen die gleichen Eingaben wie das Erstprinzipienmodell 104 und
erzeugt eine oder mehrere Ausgaben y ~
, um Abweichungen zwischen dem
Erstprinzipienmodell 104 und dem Prozesssystem 102 zu
kompensieren. Im Allgemeinen kann das Abweichungsmodell ein Modell
für bleibende
Abweichungen und/oder ein Modell für dynamische Abweichungen umfassen,
wie später
unter Bezugnahme auf 4 detaillierter erläutert werden
soll.
-
Ein
Subtrahierer 110 erzeugt die Differenz y zwischen dem Prozesssystem 102 und
dem Erstprinzipienmodell 104. Dann sendet der Subtrahierer 110 die
Differenz(en) y an den Abweichungsmodellgenerator 106. Ein
Summierer 112 erhält
Ausgaben vom Erstprinzipienmodell 104 (z) und dem Abweichungsmodell 108 (y ~
) und
summiert die Ausgaben, um eine kompensierte Ausgabe des Erstprinzipienmodells
zu erzeugen.
-
Das
beispielhafte kompensierte erstprinzipienbasierte Simulationsmodell 100 kann über eine
Benutzerschnittstelle 114 eine oder mehrere Einschränkungen,
Eingabedaten, Abweichungsmodellfunktionen und/oder andere Daten
zum Modellieren erhalten. Wie im Folgenden detaillierter beschrieben
werden soll, können
die Einschränkungen,
Daten und/oder Abweichungsmodellfunktionen vom Abweichungsmodellgenerator 106 benutzt
werden, um das Abweichungsmodell 108 auf präzise Weise
zu erzeugen.
-
Das
beispielhafte kompensierte erstprinzipienbasierte Simulationsmodell 100 arbeitet
in zwei Phasen: einer Einlernphase und einer Betriebsphase. In 1 und 2 sind
Objekte und Daten, die während
der Einlernphase benutzt werden, durch unterbrochene Linien dargestellt,
während
Objekte und Daten, die während der
Betriebsphase benutzt werden, durch durchgezogene Linien dargestellt
sind. Während
der Einlernphase erhalten das beispielhafte Prozesssystem 102,
das beispielhafte Erstprinzipienmodell 104 und der beispielhafte
Abweichungsmodellgenerator 106 die gleichen oder im Wesentlichen
die gleichen Testeingaben. Der Subtrahierer 110 erhält vom Prozesssystem 102 und
vom Erstprinzipienmodell 104 Ausgabe(n) w und z und sendet
die Differenz(en) an den Abweichungsmodellgenerator 106.
Der Abweichungsmodellgenerator 106 erzeugt anhand der Eingabe(n)
und der Differenz(en) das Abweichungsmodell 108. Wie im
Folgenden detaillierter erläutert,
kann das Abweichungsmodell 108 ein Modell für bleibende
Abweichungen und/oder ein Modell für dynamische Abweichungen umfassen.
-
Während der
Betriebsphase erhalten das Erstprinzipienmodell 104 und
das Abweichungsmodell 108 die gleiche(n) oder im Wesentlichen
die gleiche(n) Eingabe(n) und/oder mathematischen Darstellungen
der gleichen Eingabe(n). In Reaktion auf die Eingabe(n) erzeugt
das Erstprinzipienmodell 104 Simulationsmodellausgabedaten,
und das Abweichungsmodell 108 erzeugt Abweichungsmodellausgabedaten.
Der Summierer 112 erhält
die Simulationsmodellausgabedaten z vom Erstprinzipienmodell 104 und
die Abweichungsmodellausgabedaten y ~
vom Abweichungsmodell 108,
summiert die Daten und gibt eine kompensierte Erstprinzipienmodellausgabe
aus. Im Allgemeinen ist eine kompensierte Erstprinzipienmodellausgabe
wünschenswerter, die
bei der gleichen Eingabe näher
an einer Prozesssystemausgabe liegt. Das Einlernen und der Betrieb
des beispielhaften kompensierten erstprinzipienbasierten Simulationsmodells 100 werden
unter Bezugnahme auf den beispielhaften Prozess 500 aus 5 an
späterer
Stelle detailliert erläutert.
-
2 ist
ein Blockdiagramm eines beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodells 200 in einer kaskadierten Konfiguration.
Wie das Simulationsmodell 100 aus 1 kann das
beispielhafte kompensierte erstprinzipienbasierte Simulationsmodell 200 dazu
benutzt werden, einen industriellen Prozess und/oder industrielle
Ausrüstung
zu modellieren, um anhand einer oder mehrerer Eingaben eine oder mehrere
Ausgaben zu bestimmen. Das beispielhafte kompensierte erstprinzipienbasierte
Simulationsmodell 200, das auch als ein multiplikatives
Modell bezeichnet werden kann, erhält Ausgabe(n) vom Prozesssystem 102 und
weist ein Erstprinzipienmodell 104, einen Abweichungsmodellgenerator 206 und
ein Abweichungsmodell 208 auf. Der beispielhafte Abweichungsmodellgenerator 206 und/oder
das Abweichungsmodell 208 können jeweils dem in Zusammenhang
mit 1 beschriebenen Abweichungsmodellgenerator 106 und/oder dem
Abweichungsmodell 108 ähneln
oder mit diesen identisch sein.
-
Ebenso
wie das kompensierte erstprinzipienbasierte Simulationsmodell 100 aus 1 arbeitet
das beispielhafte kompensierte erstprinzipienbasierte Simulationsmodell 200 aus 2 in
einer Einlernphase und einer Betriebsphase. Während der Einlernphase erhalten
das beispielhafte Prozesssystem 102 und das beispielhafte
Erstprinzipienmodell 104 die gleiche(n) oder im Wesentlichen
die gleiche(n) Testeingabe(n) x. Anhand der Eingabe(n) erzeugt das
Prozesssystem 102 Testprozess-Ausgabedaten, und das Erstprinzipienmodell 104 erzeugt
Testmodell-Ausgabedaten. Der Abweichungsmodellgenerator 206 erhält die Testprozessausgabedaten
und die Testmodellausgabedaten. Obwohl der Abweichungsmodellgenerator 206 empirisch
erzeugte Daten benutzt, die zum Beispiel erzeugt werden, um ein
empirisches Modell des Prozesssystems 102 zu erstellen,
kann der Abweichungsmodellgenerator 206 zum Erstellen des
Abweichungsmodells 208 verhältnismäßig wenige empirische Daten
benutzen. Daher lässt
sich der zum Erstellen eines empirischen Modells benötigte Kosten-
und Zeitaufwand reduzieren, und am Prozesssystem 102 kann
eine vereinfachte, abgekürzte
Version der Experimente zum Erzeugen der Testprozess-Ausgabedaten durchgeführt werden.
Der Grund für
die Benutzung verhältnismäßig weniger
empirischer Daten liegt darin, dass das Fehlermodell 208 Modellierungsabweichungen
beseitigt, die beispielsweise auf einige Variablen zurückgehen,
die die Ausgabe des Prozesssystems 102 am stärksten beeinflussen,
und die nicht vom Erstprinzipienmodell 104modelliert werden.
Es können
auch mehr empirische Daten benutzt werden, doch diese können zu
unerwünschten
Schwingungsdaten und/oder zu Rauschen führen, was das Abweichungsmodell 208 und/oder
die kompensierte Ausgabe des Erstprinzipienmodells beeinträchtigen
können.
-
Der
Abweichungsmodellgenerator 206 erzeugt das Abweichungsmodell 208 anhand
der Testprozess-Ausgabedaten w und der Testmodelldaten z, um das
Erstprinzipienmodell 104 zu kompensieren. Im Folgenden
sollten beispielhafte Verfahren zum Erzeugen des Abweichungsmodells 208 beschrieben
werden. Das beispielhafte kompensierte erstprinzipienbasierte Simulationsmodell 200 kommuniziert
mit der Benutzerschnittstelle 114, um eine oder mehrere
Einschränkungen,
Eingabedaten, Abweichungsmodellfunktionen und/oder andere Daten
zum Modellieren zu erhalten. Wie an späterer Stelle detaillierter
beschrieben werden soll, können
die Einschränkungen,
Daten und/oder Abweichungsmodellfunktionen vom Abweichungsmodellgenerator 206 benutzt
werden, um das Abweichungsmodell 208 auf präzise Weise
zu erzeugen.
-
Nach
dem Erzeugen des Abweichungsmodells 208 tritt das beispielhafte
kompensierte erstprinzipienbasierte Simulationsmodell 200 in
die Betriebsphase ein. Während
der Betriebsphase erhält
das Erstprinzipienmodell 104 eine oder mehrere Eingaben
x, die Eingaben in das Prozesssystem 102 repräsentieren.
Anhand der Eingabe(n) x erzeugt das Erstprinzipienmodell 104 Ausgaben
z (z. B. zum Modellieren der Ausgabe(n) w des Prozesssystems 102 in
Reaktion auf entsprechende Eingabe(n) x), die das Abweichungsmodell 208 als Eingaben
erhält.
Das Abweichungsmodell 208 kompensiert die Modellausgaben
z, die vom Erstprinzipienmodell 104 erzeugt wurden, und
gibt eine kompensierte Erstprinzipienmodellausgabe aus. Im Gegensatz
zu der beispielhaften parallelen Konfiguration aus 1 kompensiert
das Abweichungsmodell 208 aus 2 die Ausgabe
des Erstprinzipienmodells 104, ohne die entsprechende(n)
Eingabe(n) x zu erhalten. Auf diese Weise eignet sich die kaskadierte
Konfiguration aus 2 besser für Erstprinzipienmodelle (und
demnach Prozesssysteme) mit linearen Übergangsfunktionen. Der detaillierte
Betrieb des beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodells 200 wird unter Bezugnahme auf den beispielhaften
Prozess 600 aus 6 an späterer Stelle detailliert erläutert.
-
Das
beispielhafte Erstprinzipienmodell 104, die beispielhaften
Abweichungsmodellgeneratoren 106
und/oder 206 und/oder
die beispielhaften Abweichungsmodelle 108 und/oder 208 können jeweils
oder alle unter Benutzung jeder beliebigen Kombination von Hardware,
Firmware und/oder Software implementiert sein. Allerdings können das
erste Erstprinzipienmodell 104, die beispielhaften Abweichungsmodellgeneratoren 106 und 206 und
die beispielhaften Abweichungsmodelle 108 und 208,
die in Firmware und/oder Software implementiert sind, jeweils oder
alle auf einem computerlesbaren Medium verkörpert sein, darunter, ohne
Einschränkung,
dynamischem (z. B. dynamischem Direktzugriff-) und/oder statischem
(z. B. statischem Direktzugriff-)Speicher, Halbleiterspeicher und/oder
Speichermitteln (z. B. Halbleiter-Festplatten, Flash-Speicher) und/oder
Magnetspeichermitteln (z. B. Bändern,
Disketten). Die Firmware oder Software, die auf einem solchen computerlesbaren
Medium implementiert oder verkörpert
ist, kann Anweisungen zur Ausführung
auf einer Verarbeitungseinrichtung wie z. B. einem Prozesse 912 (9)
enthalten und/oder kann auf einem anwendungsspezifischen integrierten
Schaltkreis (ASIC) implementiert sein.
-
3 ist
ein detaillierteres Blockdiagramm des beispielhaften Erstprinzipienmodells 104 aus 1 und 2.
Das beispielhafte Erstprinzipienmodells 104 weist die Modellkomponenten
A–F auf.
Zu den Vorteilen des Modellierens von industriellen Prozessen und/oder
Ausrüstung
unter Benutzung eines erstprinzipienbasierten Modells gehört die Möglichkeit,
das Modell ohne Aufwand zu verändern,
um neue oder Ersatzteile und/oder -prozesse zu berücksichtigen.
Die Modellkomponente A kann einzeln unter Benutzung mathematischer
Algorithmen modelliert sein, um eine oder mehrere Eingaben zu erhalten
und/oder eine oder mehrere Ausgaben zu erzeugen. Die Eingabe(n)
an die Modellkomponente A können
von einer der anderen Modellkomponenten B–F und/oder von einem externen
Stimulus (z. B. Eingabe(n) x an das Erstprinzipienmodell 104) empfangen
werden. Beim externen Stimulus kann es sich beispielsweise um Testeingabedaten
zur Benutzung während
der Einlernphase und/oder um Eingabedaten zur Benutzung während der
Betriebsphase handeln, wie sie im Zusammenhang mit 1 und 2 beschrieben
wurden.
-
In
dem dargestellten Beispiel erhält
die Modellkomponente A eine oder mehrere Eingaben von einem externen
Stimulus und von den Modellkomponenten B, C und D. Außerdem stellt
die Modellkomponente Ausgaben an die Modellkomponenten B, C und
D bereit. Ebenso erhält
die beispielhafte Modellkomponente F Eingabe(n) von der Modellkomponente
D und erzeugt eine oder mehrere Ausgaben zum Ausgeben an die Modellkomponente
D und/oder zum Ausgeben an das Erstprinzipienmodell 104.
Die Ausgabe(n) vom Erstprinzipienmodell 104 (z. B. von
der Modellkomponente F) können
Testmodelausgaben zur Benutzung während der Einlernphase und/oder
Modellausgaben sein, die während
der Betriebsphase erzeugt werden, wie im Zusammenhang mit 1 und 2 beschrieben.
-
Für den Fall,
dass das beispielhafte Erstprinzipienmodell 104 im Zusammenhang
mit einem Simulationsmodell für
ein kohlebefeuertes Kraftwerk benutzt wird, entspricht die Modellkomponente
A der Wärmeerzeugungskomponente
des Kraftwerks, die eine Kohlemenge (d. h. die Eingaben des Erstprinzipienmodells 104)
erhält,
oder modelliert diese, und erzeugt Ausgaben (z. B. Wärme), die
andere Modellkomponenten als Eingaben erhalten. Ferner kann die
Modellkomponente B das Wasserzirkulationssystem modellieren, die
Modellkomponente C kann das Dampfsystem modellieren, und die Modellkomponente
kann das Turbinensystem modellieren. Darüber hinaus kann die beispielhafte
Modellkomponente E ein Kühlsystem
modellieren, und die Modellkomponente F kann den elektrischen Generator
modellieren, der von der Turbine angetrieben wird, und der eine
Ausgabe (z. B. elektrischen Strom) vom Erstprinzipienmodell 104 erzeugt.
Die dargestellten Eingabe- und Ausgabebeziehungen zwischen den Modellkomponenten
aus 3 sind lediglich Beispiele, und zur Anpassung
an eine jeweilige Anwendung können
beliebige andere Beziehungen benutzt werden.
-
Wie
oben erwähnt,
gehört
zu den Vorteilen eines erstprinzipienbasierten Modells die Möglichkeit,
Modellkomponenten ohne Aufwand hinzuzufügen oder zu ändern. In
dem Beispiel aus 3 kann die Modellkomponente
E aus dem Erstprinzipienmodell 104 entfernt und durch eine
neue Modellkomponente E2 ersetzt werden. Ein solches Ersetzen kann
stattfinden, wenn beispielsweise ein altes oder verschlissenes Teil
an einem Teil der industriellen Ausrüstung durch ein neues oder
verbessertes Ausrüstungsteil
ersetzt wird. Eine beispielhafte Prozessmodellkomponente (z. B.
E) kann durch eine effizientere Prozessmodellkomponente (z. B. E2)
ersetzt werden, die die gleiche(n) Ausgabe(n) wie der ersetzte Prozess
erzeugt. Nach dem Ersetzen der Modellkomponente E durch die neue
Modellkomponente E2 arbeitet die beispielhafte neue Modellkomponente E2
unter Benutzung der gleichen Art(en) von Eingabe(n) in der gleichen
Anzahl und erzeugt die gleiche(n) Art(en) von Ausgabe(n) in der
gleichen Anzahl. Alternativ kann die neue Modellkomponente E2 die
gleiche Ausgabe bei weniger Eingaben erzeugen, oder weniger Ausgaben
(z. B. Nebenprodukte) unter Benutzung der gleichen oder einer geringeren
Zahl von Eingaben erzeugen.
-
4 ist
ein Blockdiagramm eines beispielhaften Abweichungsmodellgenerators 400 zum
Implementieren des Abweichungsmodellgenerators 106 oder 206 aus 1 bzw. 2 während einer
Einlernphase. Der beispielhafte Abweichungsmodellgenerator 400 erzeugt
das Abweichungsmodell (z. B. 108 aus 1 oder 208 aus 2),
das dazu benutzt werden kann, eine Ausgabe eines erstprinzipienbasierten
Simulationsmodells zu kompensieren. Der beispielhafte Abweichungsmodellgenerator 400 weist
einen Modellgenerator für
bleibende Abweichungen 402 und einen Modellgenerator für dynamische
Abweichungen 404 auf. Der beispielhafte Modellgenerator
für bleibende
Abweichungen 402 erzeugt ein Modell für bleibende Abweichungen 406,
und der beispielhafte Modellgenerator für dynamische Abweichungen 404 erzeugt
ein Modell für
dynamische Abweichungen 408. Das Modell für bleibende
Abweichungen 406 und das Modell für dynamische Abweichungen 408 können separat
und/oder in Kombination benutzt werden, um das Abweichungsmodell 108 aus 1 und/oder
das Abweichungsmodell 208 aus 2 zu implementieren.
-
Aus
Gründen
der Klarheit beziehen sich die nachfolgenden Erörterungen des beispielhaften
Abweichungsmodellgenerators 400 auf den beispielhaften
Abweichungsmodellgenerator 106 und das beispielhafte Abweichungsmodell 108 aus 1.
Die nachfolgenden Erörterungen
gelten jedoch ebenso für
den beispielhaften Abweichungsmodellgenerator 206 und das
beispielhafte Abweichungsmodell 208 aus 2.
-
Der
beispielhafte Abweichungsmodellgenerator 400 erhält Eingabedaten 410,
wie oben unter Bezugnahme auf 1 und 2 erörtert. Bei
den Eingabedaten 410 kann es sich beispielsweise um Daten
handeln, die tatsächliche
Eingaben x in einen Prozess darstellen (z. B. das Prozesssystem 102,
wie in 1 konfiguriert), Testausgaben w von einem Prozess
(z. B. dem Prozesssystem 102, wie in 2 konfiguriert),
Testausgaben z von einem Erstprinzipienmodell (z. B. dem Erstprinzipienmodell 104,
wie in 2 konfiguriert), und/oder eine Differenz y zwischen
Testausgaben eines Prozesssystems und eines Erstprinzipienmodells
(z. B. die Ausgabe des Subtrahierers 110, wie in 1 konfiguriert).
-
Dazu
oder alternativ kann der beispielhafte Fehlermodellgenerator 400 auch
eine Eingabe von der Benutzerschnittstelle 114 erhalten.
Ein Systembenutzer kann über
die Benutzerschnittstelle 114 Funktionen 412 für den Fehlermodellgenerator 400 bereitstellen,
um beispielsweise ein mathematisches Format für das Fehlermodell 108 festzulegen.
In einigen Beispielen bestimmt der Fehlermodellgenerator 400 die
zu benutzenden Funktionen eigenständig. Dazu oder alternativ
kann der Systembenutzer kann über
die Benutzerschnittstelle 114 Einschränkungen 414 für den Fehlermodellgenerator 400 bereitstellen,
um den Suchraum einer Optimierungslösung einzuschränken. Die
Einschränkungen 414 können die
Ausgabe des Fehlermodells 108 derart eingrenzen, dass sie
absolute und/oder praktische Einschränkungen erfüllen, für die im Folgenden Beispiele präsentiert
werden sollen.
-
Bei
der nachfolgenden Betriebsbeschreibung des beispielhaften Fehlermodellgenerators 400 kann der
Term x allgemein eine Eingabe wie z. B. eine simulierte Eingabe
in einen Simulationsblock (z. B. das Erstprinzipienmodell 104 aus 1 und 2)
und/oder eine reale Eingabe in einen Prozess (z. B. den tatsächlichen
Prozess 102 aus 1und 2) bezeichnen.
Der Term y kann allgemein eine Differenz zwischen einer tatsächlichen
Ausgabe und einer korrespondierenden Modellausgabe (z. B. einen
Modellierungsfehler z–w,
wie in 1 und 2 gezeigt) bezeichnen. Der Term y ~
kann
allgemein einen erwarteten oder simulierten, Fehler bezeichnen,
der durch ein Fehlermodell bestimmt wird, beispielsweise die Ausgaben
des Fehlermodells 108 und 208 aus 1 und 2.
-
Im
Betrieb erhält
der Fehlermodellgenerator 400 die Eingabedaten 410,
die Funktionen 412 und/oder die Einschränkungen 414 während einer
Einlernphase. Der Modellgenerator für bleibende Fehler 402 erzeugt anhand
der erhaltenen Eingabedaten 410, Funktionen 412 und/oder
Einschränkungen 414 das
Modell für
bleibende Fehler 406. Die Einzelheiten des beispielhaften
Abweichungsmodellgenerators 400 sollen an späterer Stelle
unter Bezugnahme auf die Ablaufdiagramme 700 und 800 aus 7 bzw. 8 erörtert werden.
-
Für die Darstellung
des bleibenden Modells kann ein beispielhaftes Ziel darin bestehen,
anhand eines oder mehrerer ausgewählter Kriterien eine Funktion
f(x, y, a) zu finden, derart, dass das berechnete y ~
i =
f(xi, yi, a) sich
dem ursprünglichen
yi stark annähert. Im beschriebenen Beispiel
gelten für
ein gegebenes i Modelle mit abnehmendem Absolutwert von (y ~
i – yi) als besser. Eine Beispielfunktion
zum Beschreiben der Beziehung zwischen der/den Eingabe(n) x und
der Ausgabeabweichung y können
durch die allgemeine Form von Gleichung 1 ausgedrückt werden. y = a1·f1(x)
+ a2·f2(x) + ... + an·fn(x) Gl.
1
-
In
Gleichung 1 ist jede Beispielfunktion fi(x)
eine unabhängige
Konstante oder Formel, entweder linear oder nichtlinear, und stellt
eine bleibende Beziehung dar. Für
einen beispielhaften Datensatz (xi, yi) lassen sich beispielhafte Gleichungen
zur Abweichungsmodellberechnung daher wie unten in den Gleichungen
2, 3 und 4 gezeigt ausdrücken. y ~
1 = ai·f1(x1) + a2·f2(x1) + ... + an·fn(x1) Gl. 2
y ~
2 = a1·f1(x2) + a2·f2(x2) + ... + an·fn(x2) Gl. 3
y ~
m = a1·f1(xm) + a2·f2(xm) + ... + an·fn(xm) Gl. 4
-
Der
beispielhafte Parameter- oder Koeffizientensatz a (d. h. [a1, a2, ..., an]) lässt
sich von dem Modellgenerator für
bleibende Fehler 402 anhand eingeschränkter linearer Programmierung,
eingeschränkter
quadratischer Programmierung und/oder anhand jeder anderen geeigneten
Formulierung oder jedes anderen geeigneten Prozesses lösen. Dazu
oder alternativ kann zum Bestimmen des Parametersatzes a auch eine
nicht eingeschränkte Kleinste-Quadrate-Regression
vom Modellgenerator für
bleibende Abweichungen 402 implementiert werden.
-
In
diesem konkreten Beispiel werden die Funktionen von einem Systembenutzer
(z. B. über
die Benutzerschnittstelle 114) als f1(x)
= 1, f2(x) = x, f3(x)
= 1/x und f4(x) = ln(x) definiert, weshalb
die Ausgabevorhersagegleichung ausgedrückt werden kann, wie unten
in Gleichung 5 gezeigt. y ~
m =
a1 + a2·xm + a3/xm +
a4·ln(xm) Gl.
5
-
Jede
einzelne der Funktionen 412 f1,
f2, f3 und/oder
f4 kann abhängig vom modellierten System
modifiziert werden, und/oder es können Funktionen zum Funktionensatz 412 hinzugefügt oder
daraus entfernt werden.
-
Der
Modellgenerator für
bleibende Fehler 402 kann auch die Einschränkungen 414 erhalten.
Wie oben erwähnt,
können
die Einschränkungen 414 das
Abweichungsmodell 108 derart beschränken, dass es absolute und/oder
praktische Einschränkungen
erfüllen
muss. Eine beispielhafte absolute Einschränkung kann y ~
i ≤ 100% sein,
wobei y ~
i eine relative Menge eines
Stoffs ist, der aus einem Raumvolumen entfernt wird. Diese Einschränkung entspricht
der Tatsache, dass ein Prozess nicht dazu in der Lage ist, mehr
als 100% eines Stoffes aus einem Raum zu entfernen. Eine beispielhafte
praktische Einschränkung
kann y ~
i ≥ xi
sein, wenn die relativen Kosten in
Dollar von x und y die Implementierung eines Prozesses impraktikabel
machen (z. B. aufgrund sinkender Gewinne beim Entfernen von y ~
i , je mehr sich xi an y ~
i annähert).
-
Unter
Benutzung eines eingeschränkten
linearen Programmierungsverfahrens versucht der Fehlermodellgenerator 402,
die Summe der absoluten Werte der Differenzen zwischen einer Abweichung
in der Ausgabe des Erstprinzipienmodells 104 (z. B. y)
und einer vom Fehlermodell 108 vorhergesagten Abweichung y ~
zu
minimieren, wie unten in Gleichung 6 gezeigt.
-
-
Es
ist zu beachten, dass Gleichung 6 auch als das Minimieren der Summe
der absoluten Werte von Differenzen zwischen der Ausgabe des kompensierten
Erstprinzipienmodells und der tatsächlichen Ausgabe w ausgedrückt werden
kann. Unter Benutzung eines eingeschränkten quadratischen Programmierungsverfahrens
versucht der Modellgenerator für
bleibende Abweichungen 402, die Summe der Quadrate der
Differenzen zwischen der Ausgabe des Erstprinzipienmodells (z. B.
Gleichung 5) und den tatsächlichen
Ausgaben zu minimieren, wie unten in Gleichung 7 gezeigt.
-
-
Es
ist zu beachten, dass Gleichung 7 ebenso wie Gleichung 6 auch als
das Minimieren der Summe der Quadrate von Differenzen zwischen der
Ausgabe des kompensierten Erstprinzipienmodells und der tatsächlichen
Ausgabe w ausgedrückt
werden kann. Werden aus dem quadratischen Programmierungsverfahren Einschränkungen
entfernt, kann die Lösung
mithilfe einer Regressionsmethode der kleinsten Quadrate gefunden
werden. In vielen Anwendungen dürfte
jedoch die eingeschränkte
Optimierung geeignetere Abweichungsmodelle erzeugen.
-
Zur
Auswertung von Gleichung 6 erhält
der beispielhafte Modellgenerator für bleibende Abweichungen 402 mehrere
unabhängige
Testeingaben (z. B. xi, wobei i = 1 bis
N) und korrespondierende abhängige
Testausgaben (z. B. wi, wobei i = 1 bis
N) vom Prozesssystem 102, sowie korrespondierende abhängige Simulationseingaben
(z. B. zi, wobei i = 1 bis N) vom Erstprinzipienmodell 104.
Im dargestellten Beispiel bestimmt oder erzeugt der Modellgenerator
für bleibende
Abweichungen 402 ein Modell der Differenz(en) zwischen
der/den Testprozessausgabe(n) w und den Simulationsausgaben z und
erzeugt anhand der Differenz(en) das Modell für bleibende Abweichungen 406.
Dazu oder alternativ bestimmt der Modellgenerator für bleibende
Abweichungen 402 ein Modell des Fehlers zwischen w und
z als eine Funktion f(x) und erzeugt anhand der Funktion f(x) das
Modell für
bleibende Abweichungen 406. Der beispielhafte Modellgenerator
für bleibende
Abweichungen 402 kann lineare und/oder nichtlineare bleibende
Beziehungen zwischen den Modellierungsabweichungen und Prozesseingaben
darstellen.
-
Im
Gegensatz zum Modellgenerator für
bleibende Abweichungen 402 erzeugt der Modellgenerator
für dynamische
Abweichungen 404 ein Modell für dynamische Abweichungen 408,
das eine lineare Abweichungsbeziehung darstellt. Obwohl die Methode
der kleinsten Quadrate zum Bestimmen des Modells für dynamische Abweichungen 408 benutzt
werden kann, ist das Verfahren der kleinsten Quadrate anfällig gegenüber Prozessrauschen
und/oder Störungen
in den Eingabedaten. Wenn zudem die Abweichung zwischen dem Prozesssystem 102 und
dem Erstprinzipienmodell 104 autokorreliert und/oder zu
der/den Eingabe(n) korreliert ist, was in praktischen Anwendungen
häufig
der Fall ist, konvergieren die ermittelten Parameter möglicherweise nicht
gegen die richtige Werten. Andere Verfahren wie die Methode der
Instrumentenvariable (und Variationen der Methode der Instrumentenvariablen)
sind dazu ausgelegt, die meisten Konvergenzprobleme der Methode der
kleinsten Quadrate zu überwinden.
Allerdings können
auch die Methoden der Instrumentenvariablen von Konvergenzproblemen
betroffen sein, wenn die Abweichung zwischen dem Prozesssystem 102 und
dem Erstprinzipienmodell 104 autokorreliert ist. Die meisten
Methoden der kleinsten Quadrate und der Instrumentenvariable leiden
allgemein unter einer oder mehreren weiteren Problemen wie z. B.
der Anfälligkeit
gegenüber
dem Grad der Eingabeerregung, Empfindlichkeit gegenüber Prozessrauschen,
Empfindlichkeit gegenüber
nicht modellierter Dynamik, Nichtkonvergieren gegen den richtigen
Wert und/oder Konvergieren gegen gar keinen Wert.
-
Aufgrund
der relativen Vorteile und Beschränkungen der Methoden der kleinsten
Quadrate und der Instrumentenvariable benutzt der beispielhafte
Modellgenerator für
dynamische Abweichungen 404 eine andere Optimierungsmethode,
um nach einem Satz von Modellparametern zu suchen, mit dem Ziel,
die Vorhersageabweichung zu reduzieren oder zu minimieren. Beispielhafte
Vorhersagegleichungen zu unterschiedlichen Zeitpunkten sind unten
in den Gleichungen 8, 9 und 10 ausgedrückt. y ~
(k) = –a1·y(k – 1) – a2·y(k – 2) – ... – an·y(k – n) + b1·x(k – 1) + ...
bm·x(k – m) Gl. 8;
y ~
(k + 1) = –a1·y ~
(k) – a2·y(k – 1) – ... – an·y(k – n + 1)
+ b1·x(k)
+ ... bm·x(k – m + 1) Gl. 9; ... y ~
(k + N) = –a1·y ~
(k – 1 + N) – a2·y ~
(k – 2 + N) – ... – an·y ~
(k – n + N)
+ b1·x(k – 1 + N)
+ ... + bm·x(k – m + N) Gl. 10.
-
Die
beispielhaften Vorhersagegleichungen 9 und 10 ersetzen Vorhersagen
(d. h. erwartete Abweichungen) y ~
vorhergehender Zeitpunkte durch
beobachtete Fehler y, wenn die Vorhersagegleichung y ~
(k + i) bereits
definiert wurde. Mit anderen Worten, ein gegebenes vorhergesagtes y ~
(k
+ i) wird anstelle gemessener Werte y(k + i) für bis zu n Vorhersagegleichungen
an nachfolgenden Zeitpunkten benutzt (z. B. k + i + 1 bis k + i
+ n). Obwohl eine Gesamtheit von N + 1 Vorhersagegleichungen vorliegt,
gibt es n Terme in jeder Vorhersagegleichung, bei denen n < N. Wenn in n nachfolgenden
Vorhersagegleichungen ein vorhergesagtes y ~
(k + i) benutzt wurde,
wird das vorhergesagte y ~
(k + i) durch neuere Vorhersagegleichungen
ersetzt.
-
In
einigen Beispielen kann die Minimierungsfunktion als die Summe der
Abweichung(en) zwischen der vorhergesagten Abweichung y ~
und der gemessenen
oder tatsächlichen
Abweichung y definiert sein. Bei der Auflösung für die Modellparameter [a1, a2, ..., an, b1, b2,
..., bm] wird das Optimierungsproblem zu
einem allgemeinen nichtlinearen Optimierungsproblem, das keine geschlossene
analytische Lösung
aufweist. Der beispielhafte Modellgenerator für dynamische Abweichungen 404 kann
ein akzeptables lokales Minimum ermitteln, das ein akzeptables Modell
für dynamische
Abweichungen 408 bereitstellt. Das Modell für dynamische Abweichungen 408 kann
dazu ausgewählt
sein, immun, im Wesentlichen immun oder resistent gegen Hochfrequenzrauschen
zu sein, das durch transiente und/oder unmodellierte Dynamik verursacht
wird. Das Berechnungsverfahren zur eingeschränkten Optimierung anhand der
Vorhersagegleichungen 8–10
umfasst: 1) Ermitteln einer Anfangsbedingung θ0 für die Modellparameter
a1 ... an und b1 ... bm; und 2)
Ermitteln von Modellparametern durch eingeschränkte Optimierung unter Benutzung
der Vorhersagegleichungen anhand der Anfangsbedingung.
-
Um
die Anfangsbedingung θ0 für
die Modellparameter zu ermitteln, kann der Modellgenerator für dynamische
Abweichungen 404 eine Methode der kleinsten Quadrate anwenden.
N Vorhersagegleichungen, die die Form von Vorhersagegleichungen
11, 12 und 13 benutzen, ein Satz v an N Testeingaben x und ein Satz von
N Testabweichungen y (d. h. Differenzen zwischen Testprozessausgabe(n)
w und Testmodellausgaben z) und ein Anfangssatz von Modellparametern
[a1 ... an, and
b1 ... bm] können erzeugt
werden. y ~
(k) = –a1·y(k – 1) – a2·y(k – 2) – ... – an·y(k – n) + b1·x(k – 1) + ...
bm·x(k – m) Gl. 11
y ~
(k + 1) = –a1·y(k) – a2·y(k – 1) – ... – an·y(k – n + 1)
+ b1·x(k)
+ ... bm·x(k – m + 1) Gl. 12 ... y ~
(k + N) = –a1·y(k – 1 + N) – a2·y(k – 2 + N) – ... – an·y(k – n + N)
+ b1·x(k – 1 + N)
+ ... + bm·x(k – m + N) Gl. 13
-
Die
Gleichungen 11–13
können
mithilfe einer Methode der kleinsten Quadrate optimiert werden,
die ein Optimierungsproblem ergibt, das unten durch Gleichung 14
ausgedrückt
ist, und die ausgedrückte
analytische Lösung θ
0 für
die Anfangsbedingung ist unten in den Gleichungen 15, 16, 17, 18
und 19 angegeben.
wobei:
θ =
[a1, a2, ..., b1, b2, ..., bm]T
Gl.
16
Y
= [y(k + 1), y(k + 2), ..., y(k + N)]T
Gl. 17
Φ =
[(φ1, φ2, ..., φN]T
Gl. 18
φ T / k
=
[–y(k – 1), –y(k – 2), ..., –y(k – n), x(k – 1), x(k – 2), ...,
x(k – m)] Gl. 19
-
In
den Gleichungen oben ist k ein beliebiger Zeitschritt, n ist die
Ordnung des Systems, und die Variable m ist die Anzahl vorhergehender
Eingaben, die eine jeweilige Ausgabe beeinflussen. Der beispielhafte Modellgenerator
für dynamische
Abweichungen 404 bestimmt θ0 zum
Minimieren von Gleichung 15, um die Anfangsbedingung zu bestimmen.
-
Nach
dem Bestimmen der Anfangsbedingung ermittelt der beispielhafte Modellgenerator
für dynamische
Abweichungen
404 durch eingeschränkte Optimierung von Gleichung
15 die Modellparameter. In vielen industriellen Prozessen ist aufgrund
bereits vorhandener Informationen zum Prozess und/oder zu den Ausrüstungskomponenten
und/oder aufgrund früherer
Erfahrung mit dem Prozess und/oder der Ausrüstung bekannt, dass der Prozessgewinn
in einem bestimmten Bereich liegt. Solche Informationen zum Prozessgewinn
lassen sich benutzen, um Einschränkungen
für die
eingeschränkte
Optimierung zu entwickeln. Anhand der Vorhersagegleichungen 11–13 kann
mithilfe von Gleichung 20 der bleibende Gewinn wie unten gezeigt
berechnet werden:
-
Anhand
des bleibenden Gewinns GSS, der in Gleichung
20 gezeigt ist, kann die Lösung
für Gleichung 14
gemäß Gleichung
21 unten eingeschränkt
werden.
-
-
In
Gleichung 21 sind GSS_H und GSS_L jeweils
der obere bzw. der untere bleibende Gewinngrenzwert des Systems.
Die beispielhaften Einschränkungen
GSS_H und GSS_L sind
lineare Einschränkungen,
und es können
auch andere lineare Einschränkungen
angewandt werden. Allerdings können
auch nichtlineare Einschränkungen
benutzt werden, wie unten dargestellt.
-
Wie
oben erwähnt,
können
Systembenutzer über
frühere
Informationen zum System verfügen.
Mithilfe dieser Informationen können
die Systembenutzer weitere Einschränkungen erstellen, die den
bekannten Bereich von Ausgabewerten anhand von Eingabewerten definieren.
Eine beispielhafte Einschränkung
ist in Gleichung 22 unten gezeigt. YL(i) ≤ y ~
(k
+ i) ≤ YH(i) Gl.
22
-
In
Gleichung 22 sind YH(i) und YL(i)
jeweils die obere bzw. untere Grenze für die Ausgabe der Vorhersagegleichung
zum Zeitpunkt (k + i). Die beispielhafte Einschränkungsgleichung 22 ist
eine nichtlineare Einschränkung,
da die Ausgabe der Vorhersagegleichung 10 nicht linear
zeitabhängig
ist. Im Gegensatz dazu ist die Einschränkungsgleichung 21 eine
lineare Einschränkung,
da der Gewinn linear von den Modellparametern abhängig ist.
-
Zusätzliche
oder alternative Verfahren, die zum Erzeugen des Modells für dynamische
Abweichungen 408 benutzt werden können, können eine verallgemeinerte
Kleinste-Quadrate-Regression, eine Gewichtete-Mittewert-Regression,
eine erweiterte Kleinste-Quadrate-Regression,
eine Unterraummethode, eine Maximum-Likelihood-Methode, eine Methode
der Instrumentalvariable, eine Frequenzbereichmethode oder eine nichtlineare
optimierungsbasierte Methode sein.
-
5, 6, 7 und 8 zeigen
Ablaufdiagramme, die beispielhafte Prozesse darstellen, die dazu
benutzt werden können,
das beispielhafte Erstprinzipienmodell 104, die beispielhaften
Abweichungsmodellgeneratoren 106 und/oder 206,
die beispielhaften Abweichungsmodelle 108 und/oder 208,
die beispielhaften Modellkomponenten A–F, den beispielhaften Abweichungsmodellgenerator 400,
den beispielhaften Modellgenerator für bleibende Abweichungen 402,
den beispielhaften Modellgenerator für dynamische Abweichungen 404 und/oder
allgemeiner, die beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodelle 100 und 200 aus 1–4 zu
implementieren. Diese Prozesse können
als maschinenlesbare Anweisungen implementiert sein, die ein Programm
zur Ausführung
durch einen Prozessor wie z. B. den Prozessor 12 umfassen,
der im beispielhaften Prozessorsystem 910 aus 9 gezeigt
ist. Das Programm kann in bekannter Weise als Software verkörpert sein,
die auf einem greifbaren Medium wie z. B. einer CD-ROM, einer Diskette,
einer Festplatte, einer DVD (digital versatile disk) oder einem
Speicher gespeichert ist, der dem Prozessor 912 zugeordnet
ist, und/oder als Firmware oder dedizierte Hardware verkörpert sein.
Beispielsweise kann jede einzelne Struktur oder können alle
Strukturen innerhalb des beispielhaften Erstprinzipienmodells 104,
der beispielhaften Abweichungsmodellgeneratoren 106 und/oder 206,
der beispielhaften Abweichungsmodelle 108 und/oder 208,
der beispielhaften Modellkomponenten A–F, des beispielhaften Abweichungsmodellgenerator 400,
des beispielhaften Modellgenerators für bleibende Abweichungen 402,
des beispielhaften Modellgenerators für dynamische Abweichungen 404 und/oder
allgemeiner, der beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodelle 100 und 200 aus 1–4 durch
Software, Hardware und/oder Firmware implementiert sein. Obwohl
die beispielhaften Prozesse unter Bezugnahme auf die Ablaufdiagramme
aus 5, 6, 7 und 8 beschrieben werden,
können
Durchschnittsfachleute ohne Weiteres verstehen, dass alternativ
viele andere Verfahren zum Implementieren des beispielhaften Erstprinzipienmodells 104,
der beispielhaften Abweichungsmodellgeneratoren 106 und/oder 206,
der beispielhaften Abweichungsmodelle 108 und/oder 208,
der beispielhaften Modellkomponenten A–F, des beispielhaften Abweichungsmodellgenerators 400,
des beispielhaften Modellgenerators für bleibende Abweichungen 402,
des beispielhaften Modellgenerators für dynamische Abweichungen 404 und/oder
allgemeiner, der beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodelle 100 und 200 aus 1–4 benutzt
werden können.
Beispielsweise kann die Reihenfolge der Ausführung der Blöcke geändert werden,
und/oder einige der beschriebenen Blöcke können geändert, eliminiert oder kombiniert
werden.
-
5 ist
ein Ablaufdiagramm, das einen beispielhaften Prozess 500 zum
Kompensieren eines erstprinzipienbasierten Modells unter Verwendung
einer parallelen Abweichungsmodellkonfiguration darstellt. Der beispielhafte
Prozess 500 kann dazu benutzt werden, die Einlern- und/oder
Betriebsphase des beispielhaften kompensierten erstprinzipienbasierten
Simulationsmodells 100 aus 1 zu implementieren.
-
Der
beispielhafte Prozess 500 beginnt, indem eine oder mehrere
Testeingaben x auf ein Prozesssystem (z. B. das Prozesssystem 102 aus 1)
angewandt werden, um tatsächliche
Testausgabedaten w zu erzeugen (Block 502). Der Prozess
wendet außerdem
die Testeingaben x auf ein erstprinzipienbasiertes Simulationsmodell
an (z. B. das Erstprinzipienmodell 104 aus 1),
das das Prozesssystem 102 darstellt, um Testmodellausgabedaten
z zu erzeugen (Block 504). Die Testeingabe(n) x, die auf
das Erstprinzipienmodell 104 angewandt werden, können mathematische
Darstellungen physikalischer Eingabe(n) in das Prozesssystem 102 sein,
und die Testmodellausgabedaten z können mathematische Darstellungen
oder mathematische Schätzungen
der tatsächlichen
Testausgabedaten w des Prozesssystems 102 sein.
-
Nach
dem Anwenden der Testeingaben x und dem Erzeugen von tatsächlichen
Testausgabedaten w und Testmodellausgabedaten z (Blöcke 502 und 504)
bestimmt der beispielhafte Prozess 500 eine Differenz y
zwischen tatsächlichen
Testausgabedaten und den Testmodellausgabedaten (Block 506).
In dem Beispiel aus 1 kann der Block 506 beispielsweise
von dem Subtrahierer 110 ausgeführt werden. Anhand der Differenz(en),
die vom Subtrahierer 110 bestimmt werden und der Testeingabedaten
x identifiziert der beispielhafte Prozess 500 (z. B. mittels
des Abweichungsmodellgenerators 106) ein Abweichungsmodell
(z. B. das Abweichungsmodell 108) (Block 508).
Block 508 soll an späterer
Stelle unter Bezugnahme auf 7 ausführlicher
erläutert
werden.
-
Der
beispielhafte Prozess 500 wendet sodann Eingabedaten x
auf das Erstprinzipienmodell 104 an und wendet die Eingabedaten
x auf das Abweichungsmodell 108 an (Block 510).
Der beispielhafte Prozess 500 summiert (z. B. mittels des
Summierers 112 aus 1) die Ausgabe
z des Erstprinzipienmodells 104 und die Ausgabe y ~
des Abweichungsmodells 108,
um eine kompensierte Ausgabe zu erzeugen (Block 512). Der beispielhafte
Prozess 500 bestimmt dann, ob weitere Eingabedaten x vorliegen
(Block 514). Wenn weitere Eingabedaten x vorliegen (Block 514),
kann die Steuerung zu Block 510 zurückkehren, um die Eingabedaten
x auf das Erstprinzipienmodell 104 und das Abweichungsmodell 108 anzuwenden.
Wenn keine weiteren Eingabedaten x vorliegen (Block 514),
kann der beispielhafte Prozess 500 enden. Auf diese Weise
kann der beispielhafte Prozess 500 dazu benutzt werden,
ein Abweichungsmodell zum Kompensieren der Ausgabe eines erstprinzipienbasierten
Modells zu erzeugen.
-
6 ist
ein Ablaufdiagramm, das einen beispielhaften Prozess 600 zum
Kompensieren eines erstprinzipienbasierten Modells unter Verwendung
einer kaskadierten Abweichungsmodellkonfiguration darstellt. Der
beispielhafte Prozess 600 kann dazu benutzt werden, die
Einlern- und Betriebsphase des erstprinzipienbasierten Simulationsmodells 200 aus 2 zu
implementieren.
-
Der
beispielhafte Prozess 600 beginnt, indem eine oder mehrere
Testeingaben x auf ein Prozesssystem (z. B. das Prozesssystem 102 aus 2)
angewandt werden, um tatsächliche
Testausgabedaten w zu erzeugen (Block 602). Der Prozess
wendet außerdem
die Testeingaben x auf ein erstprinzipienbasiertes Simulationsmodell
an (z. B. das Erstprinzipienmodell 104 aus 2),
um Testmodellausgabedaten z zu erzeugen (Block 604). Anhand
der tatsächlichen
Testausgabedaten z und der Testmodellausgabedaten w der Blöcke 602 und 604 ordnet
der beispielhafte Prozess 600 die Testmodellausgabedaten
w den tatsächlichen
Testausgabedaten z zu (z. B. mittels des Abweichungsmodellgenerators 206 aus 2)
(Block 606). Beispielsweise kann der Abweichungsmodellgenerator 206 einen
erhaltenen Testmodellausgabedatenpunkt einem tatsächlichen
Testausgabedatenpunkt zuordnen.
-
Der
beispielhafte Abweichungsmodellgenerator 206 identifiziert
sodann anhand der Testmodellausgabedaten z und der tatsächlichen
Testausgabedaten w ein Abweichungsmodell (z. B. das Abweichungsmodell 208 aus 2)
(Block 608). Ein beispielhafter Prozess 700 zum
Implementieren von Block 608 soll an späterer Stelle unter Bezugnahme
auf 7 ausführlicher
erläutert
werden. Der beispielhafte Prozess 600 wendet Eingabedaten
x auf das beispielhafte Erstprinzipienmodell 104 an, um
Modellausgabedaten z zu erzeugen (Block 610). Die Modellausgabedaten
z werden auf das Abweichungsmodell 208 angewandt, um die
Modellausgabedaten zu kompensieren (Block 612). In einigen
Beispielen ist das Abweichungsmodell 208 eine lineare Übergangsfunktion.
Das Abweichungsmodell 208 gibt dann in Reaktion auf den
Erhalt von Modellausgabedaten kompensierte Modellausgabedaten aus
(Block 614).
-
Der
beispielhafte Prozess 600 bestimmt dann, ob weitere Eingabedaten
x vorliegen (Block 616). Wenn weitere Eingabedaten x vorliegen
(Block 616), kann die Steuerung zu Block 610 zurückkehren,
um die Eingabedaten x auf das Erstprinzipienmodell 104 anzuwenden.
Wenn keine weiteren Eingabedaten x vorliegen (Block 616),
kann der beispielhafte Prozess 600 enden.
-
7 ist
ein Ablaufdiagramm, das einen beispielhaften Prozess 700 zum
Identifizieren eines Abweichungsmodells darstellt. Der beispielhafte
Prozess 700 kann durch Abweichungsmodellgenerator(en) 106, 206 und/oder 400 aus 1, 2 bzw. 4 implementiert
sein. Der beispielhafte Prozess 700 beginnt, indem (z.
B. mittels des Modellgenerators für bleibende Abweichungen 402 aus 4)
ein Modell für
bleibende Abweichungen (z. B. das Modell für bleibende Abweichungen 406 aus 4)
erzeugt wird (Block 702). Der beispielhafte Prozess 700 fährt fort,
indem (z. B. mittels des Modellgenerators für dynamische Abweichungen 404 aus 4)
ein Modell für
dynamische Abweichungen (z. B. das Modell für dynamische Abweichungen 408 aus 4)
erzeugt wird (Block 704). Der beispielhafte Abweichungsmodellgenerator 106 identifiziert
sodann anhand des Modells für
bleibende Abweichungen 406 und/oder des Modells für dynamische
Abweichungen 408 ein Abweichungsmodell (z. B. das Abweichungsmodell 108 und/oder 208 aus 1 und 2)
(Block 706).
-
8 ist
ein Ablaufdiagramm, das einen beispielhaften Prozess 800 zum
Erzeugen eines Modells für dynamische
Abweichungen darstellt. Der beispielhafte Prozess 800 kann
dazu benutzt werden, den beispielhaften Modellgenerator für dynamische
Abweichungen 404 und/oder den beispielhaften Block 704 aus 7 zu
implementieren.
-
Der
beispielhafte Modellgenerator für
dynamische Abweichungen 404 beginnt, indem ein erster Zeitpunkt
k bestimmt wird und eine Indexvariable (z. B. i) auf 0 gesetzt wird
(Block 802). Der Modellgenerator für dynamische Abweichungen 404 bestimmt
sodann unter Benutzung des Zeitpunkts k und der Indexvariablen i die
Differenz- oder Vorhersagegleichungen (Block 804). Einige
beispielhafte Vorhersagegleichungen (z. B. die Gleichungen 11–13 oben)
sind in 8 gezeigt, doch es können auch
andere Vorhersage- oder Differenzgleichungen benutzt werden. Die
beispielhaften Vorhersagegleichungen 11–13 weisen eine Ordnung von
n auf.
-
Der
Modellgenerator für
dynamische Abweichungen 404 bestimmt dann anhand der Gleichungen 11–13, der
Testeingaben x und der Testprozessausgaben w eines Prozesssystems
(z. B. des Prozesssystems 102 aus 1 oder 2)
eine Anfangsbedingung θ0 (Block 806). Beispielsweise kann
der Modellgenerator für
dynamische Abweichungen 404 an den Gleichungen 11–13 eine
Kleinste-Quadrate-Analyse durchführen, um
einen Anfangssatz θ0 von Modellparametern [a1,
..., an, b1, ...,
bm] zu bestimmen. Der Modellgenerator für dynamische
Abweichungen 404 erhöht
dann i, um die Zeitvariable der Gleichung 11 zu erhöhen (Block 808).
-
Als
nächstes
modifiziert der beispielhafte Prozess 800 Gleichung 11
anhand dessen, ob die Zeitvariable i größer als die Ordnung der Gleichung
ist. Der Modellgenerator für
dynamische Abweichungen 404 bestimmt, ob i größer ist
als n (d. h. die Ordnung der Gleichung 11) (Block 810).
Ist i kleiner oder gleich n (Block 810), bestimmt der beispielhafte
Modellgenerator für
dynamische Abweichungen 404
y ~
(k + i), wobei –aj·y(k – j + i)
durch –aj·y ~
(k – j + i)
für j =
1 → i ersetzt
wird (Block 812). Wenn beispielsweise i = 1, wird die Gleichung 12
zu Gleichung 9, wobei –a1·y(k)
durch –a1·y ~
(k)
ersetzt wird. Auf diese Weise wird die Anfangsbedingung zum Zeitpunkt
i = k + 0 benutzt, um die erwartete Ausgabe zum nächsten Zeitpunkt
i = k + 1 zu bestimmen.
-
Ist
i größer als
n (Block 810), bestimmt der beispielhafte Modellgenerator
für dynamische
Abweichungen 404
y ~
(k + i), wobei –aj·y(k – j + i)
durch –aj·y ~
(k – j + i)
für j =
1 → n ersetzt
wird (Block 814). Da die beispielhafte Differenz- oder
Vorhersagegleichung nur n Terme benutzt, setzt der beispielhafte
Modellgenerator für
dynamische Abweichungen 404 nur die neuesten Terme in die
Vorhersagegleichung ein. Nach dem Bestimmen von y ~
(k + i) (Block 812 oder 814)
der bestimmt der Modellgenerator für dynamische Abweichungen 404,
ob noch verbleibende Testdaten vorliegen (z. B. aus der Einlernphase,
die in 1 und 2 beschrieben wurde) (Block 816).
Wenn weitere Testdaten vorliegen (Block 816), kehrt die
Steuerung zu Block 808 zurück, um die Zeitvariable i,
und entweder zu Block 812 oder 814, um y ~
(k + i)
zu bestimmen.
-
Wenn
keine weiteren Testdaten vorliegen (Block 816), bestimmt
der Modellgenerator für
dynamische Abweichungen 404 eine Optimierungsfunktion (z.
B. Gleichung 14) (Block 818). Die Optimierungsfunktion
wird dazu ausgewählt
oder bestimmt, eine Abweichung zwischen einer vorhergesagten Ausgabe
und einer tatsächlichen
Ausgabe zu minimieren. Im dargestellten Beispiel wird die vorhergesagte
Ausgabe durch ein Erstprinzipienmodell (z. B. das Erstprinzipienmodell 104 aus 1 oder 2)
erzeugt, und die tatsächliche
Ausgabe wird von einem Prozesssystem (z. B. dem Prozesssystem 102 aus 1 oder 2)
erzeugt. Wenn die Optimierungsfunktion bestimmt ist (Block 818),
kann der beispielhafte Modellgenerator für dynamische Abweichungen 404 Einschränkungen
auf die Optimierungsfunktion anwenden (Block 820). Die
Einschränkungen können von
einem Systembenutzer über
eine Benutzerschnittstelle (z. B. die Benutzerschnittstelle aus 1, 2 und 4)
geliefert werden. Außerdem
können
lineare und/oder nichtlineare Einschränkungen benutzt werden. Zu
Beispielen für
die Optimierungsfunktion von Gleichung 14 können die Gleichungen 21 und
22 zählen.
-
Der
Modellgenerator für
dynamische Abweichungen 404 löst dann die Optimierungsfunktion
(er minimiert also z. B. Gleichung 14) innerhalb erhaltener Einschränkungen
(Block 822). Das Ergebnis des Lösens der Optimierungsfunktion
ist ein Satz von Modellparametern [a1, ...,
an, b1, ..., bm], die in Gleichung 10 benutzt werden können, um
während
der Simulationen eines modellierten Prozesssystems ein Erstprinzipienmodell
zu kompensieren. Der beispielhafte Prozess 800 endet dann
und kehrt zu Block 706 des beispielhaften Prozesses 700 aus 7 zurück.
-
9 ist
ein Blockdiagramm eines beispielhaften Prozessorsystems, das dazu
benutzt werden kann, die hier beschriebenen beispielhaften Vorrichtungen,
Verfahren und die Herstellungsartikel zu implementieren. Wie in 9 gezeigt,
weist das Prozessorsystem 910 den Prozessor 912 auf,
der an einen Zusammenschaltungsbus 914 gekoppelt ist. Der
Prozessor 912 weist einen Registersatz oder einen Registerraum 916 auf,
der in 9 als vollständig
auf dem Chip angeordnet dargestellt ist, der jedoch alternativ auch
vollständig
oder teilweise außerhalb
des Chips angeordnet und über
dedizierte elektronische Verbindungen und/oder über den Zusammenschaltungsbus 914 direkt
an den Prozessor 912 gekoppelt sein kann. Bei dem Prozessor 912 kann es
sich um jeden geeigneten Prozessor, jede geeignete Verarbeitungseinheit
oder jeden geeigneten Mikroprozessor handeln. Obwohl nicht in 9 gezeigt,
kann das System 910 ein Mehrprozessorsystem sein und kann daher
einen oder mehrere weitere Prozessoren aufweisen, die zu dem Prozessor 912 identisch
oder ihm ähnlich
sind, und die kommunizierend an den Zusammenschaltungsbus 914 gekoppelt
sind.
-
Der
Prozessor 912 aus 9 ist an
einen Chipsatz 918 gekoppelt, der eine Speichersteuerung 920 und
eine Eingabe/Ausgabe-(E/A)-Steuerung 922 aufweist. Wie
allgemein bekannt, stellt ein Chipsatz typischerweise die E/A- und
Speicherverwaltungsfunktionen sowie mehrere für universelle und/oder besondere Zwecke
vorgesehene Register, Taktgeber usw. bereit, die für einen
oder mehrere Prozessoren zugänglich sind,
die an den Chipsatz 918 gekoppelt sind, oder von ihnen
genutzt werden. Die Speichersteuerung 920 führt Funktionen
aus, die es dem Prozessor 912 (oder Prozessoren, falls
mehrere Prozessoren vorliegen) ermöglichen, auf einen Systemspeicher 924 und
einen Massenspeicher 925 zuzugreifen.
-
Der
Systemspeicher 924 kann jeden gewünschten Typ eines flüchtigen
und/oder nicht-flüchtigen
Speichers aufweisen, wie beispielsweise statischen Direktzugriffspeicher
(SRAM), dynamischen Direktzugriffspeicher (DRAM), Flash-Speicher,
Lese-Speicher (ROM) usw. Der Massenspeicher 925 kann jeden
gewünschten Typ
von Massenspeichereinrichtung aufweisen, darunter Festplattenlaufwerke,
optische Laufwerke, Bandspeichereinrichtungen usw.
-
Die
E/A-Steuerung 922 führt
Funktionen aus, die es dem Prozessor 912 ermöglichen,
mit Peripherie-Eingabe/Ausgabe-(E/A)-Geräten 926 und 928 zu
kommunizieren und über
einen E/A-Bus 932 mit einer Netzschnittstelle 930.
Bei den E/A-Geräten 926 und 928 kann
es sich um jeden gewünschten
Typ von E/A-Gerät
handeln, wie beispielsweise eine Tastatur, ein Video-Display oder
ein Monitor, eine Maus usw. Die Netzschnittstelle 930 kann
beispielsweise eine Ethernet-Einrichtung, eine ATM-(Asynchronous
Transfer Mode)-Einrichtung,
eine 802.11-Einrichtung, ein DSL-Modem usw. sein, die es dem Prozessorsystem 910 ermöglicht,
mit einem anderen Prozessorsystem zu kommunizieren.
-
Obwohl
die Speichersteuerung 920 und die E/A-Steuerung 922 in 9 als
separate Funktionsblöcke innerhalb
des Chipsatzes 918 dargestellt sind, können die von diesen Blöcken ausgeübten Funktionen
innerhalb eines einzigen Halbleiterschaltkreises integriert sein,
oder sie können
unter Benutzung von zwei oder mehr separaten integrierten Schaltkreisen
implementiert sein.
-
Obwohl
in den vorliegenden Ausführungen
bestimmte Verfahren, Vorrichtungen und Herstellungsartikel beschrieben
wurden, ist der Deckungsumfang dieses Patents nicht darauf beschränkt. Vielmehr
deckt dieses Patent alle Verfahren, Vorrichtungen und Herstellungsartikel
ab, die entweder wörtlich
oder gemäß der Äquivalenzlehre
billigermaßen
in den Umfang der beiliegenden Ansprüche fallen.
-
Bezugszeichenliste
-
- 700
- Ablaufdiagramme
- 404
- Abweichungen
- 402
- Abweichungen
- 408
- Abweichungen
- 406
- Abweichungen
- 108,
208
- Abweichungsmodell
- 106,
206, 400
- Abweichungsmodellgenerator
- 114
- Benutzerschnittstelle
- 918
- Chipsatz
- 932
- E/A-Bus
- 926
- E/A-Geräten
- 922
- E/A-Steuerung
- 410
- Eingabedaten
- 414
- Einschränkungen
- 22
- Einschränkungsgleichung
- 21
- Einschränkungsgleichung
- 104
- Erstprinzipienmodell
- 402,
406
- Fehler
- 208
- Fehlermodell
- 108
- Fehlermodell
- 400
- Fehlermodellgenerator
- 402
- Fehlermodellgenerator
- 412
- Funktionensatz
- 925
- Massenspeicher
- 930
- Netzschnittstelle
- 926
- Peripherie-Eingabe/Ausgabe-(E/A)-Geräten
- 700
- Prozess
- 600
- Prozess
- 102
- Prozess
- 800
- Prozess
- 500
- Prozess
- 912
- Prozesse
- 700
- Prozesses
- 12
- Prozessor
- 912
- Prozessor
- 910
- Prozessorsystem
- 102
- Prozesssystem
- 102
- Prozesssystems
- 916
- Registerraum
- 100,
200
- Simulationsmodell
- 920
- Speichersteuerung
- 110
- Subtrahierer
- 112
- Summierer
- 910
- System
- 924
- Systemspeicher
- 10
- Vorhersagegleichung
- 11–13
- Vorhersagegleichungen
- 9
- Vorhersagegleichungen
- 8–10
- Vorhersagegleichungen
- 11,
12
- Vorhersagegleichungen
- 914
- Zusammenschaltungsbus