DE19641431A1

DE19641431A1 - Verfahren und Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses

Info

Publication number: DE19641431A1
Application number: DE19641431A
Authority: DE
Inventors: Einar Dr Rer Nat Broese; Otto Dr Ing Gramckow; Martin Dr Ing Schlang; Guenter Dipl Ing Soergel
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 1996-10-08
Filing date: 1996-10-08
Publication date: 1998-04-16
Also published as: DE19781103D2; CN1233331A; DE19781103B4; US6473658B1; KR100499165B1; CN1174298C; WO1998015882A1; KR20000048928A; RU2200341C2

Description

Die Erfindung betrifft ein Verfahren bzw. eine Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses.

Bei der Regelung bzw. Steuerung von industriellen Prozessen, insbesondere bei Anlagen der Grundstoffindustrie, wie z. B. Stahlwerken, ist es häufig notwendig, bestimmte Prozeßpara meter vorausschauend zu ermitteln oder nicht direkt meßbare Prozeßparameter zu identifizieren, d. h. zu bestimmen. Dabei ist es wünschenswert, auch Prozeßparameter zu identifizieren, die zwar technisch meßbar sind, deren Messung jedoch aufwen dig und damit teuer ist.

Es ist bekannt, Prozeßparameter modellgestützt zu identifi zieren. Dabei werden Eingangsgrößen, bzw. die für die zu identifizierenden Prozeßparameter relevanten Eingangsgrößen einem, in der Regel vereinfachten, Prozeßmodell zugeführt. Dieses bekannte Verfahren führt jedoch bei Anlagen der Grund stoffindustrie häufig zu Problemen. Kennzeichnend für Anlagen der Grundstoffindustrie, insbesondere für Stahlwerke ist es, daß Fehler bei der Identifikation oder mangelhafte Genauig keit bei der Identifikation hohe Kosten durch die Herstellung von Ausschuß führen. Dieses wird insbesondere dadurch begün stigt, daß sich in Anlagen der Grundstoffindustrie insbeson dere bei Stahlwerken, Störungen z. T. schnell ändern, so daß es während der Zeit, die das Prozeßmodell zur Anpassung an die neuen Eingangsgrößen benötigt, zur Herstellung von Gütern und unzureichender Qualität kommen kann. Dieses Problem betrifft insbesondere Walzstraßen, bei denen sich der Betriebszustand durch Walzen z. B. eines neuen Walzbandes, das aus einem neuen Material besteht, oder das eine andere Dicke aufweist, als das vorhergehende Band, sprunghaft ändert.

Aufgabe der Erfindung ist es, ein Verfahren bzw. eine Ein richtung anzugeben, das bzw. die es ermöglicht, identifi zierte bzw. vorausschauend ermittelte Prozeßparameter schnell an sich ändernde Betriebszustände des entsprechenden Prozes ses anzupassen.

Die Aufgabe wird erfindungsgemäß durch ein Verfahren bzw. eine Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen Prozesses, insbesondere einer Anlage der Grundstoffindustrie, mit, insbesondere schnell, veränderlichen Prozeßparametern bzw. auf den Prozeß einwirkenden Störgrößen gelöst, wobei die zu identifizieren den Prozeßparameter mittels eines Prozeßmodells in Abhängig keit von Meßwerten aus dem Prozeß bestimmt werden, und wobei das Prozeßmodell zumindest ein zeitinvariantes bzw. ein weit gehend zeitinvariantes Prozeßmodell, das ein zeitlich gemit teltes Abbild des Prozesses darstellt, und zumindest ein zeitvariantes Prozeßmodell aufweist, das auf zumindest eine Zeitkonstante einer Störgröße oder einer Variation von Parametern des Prozesses abgestimmt ist. Dieses Verfahren hat sich als besonders vorteilhaft erwiesen, um Prozeßparameter eines zeitvarianten Prozesses zu identifizieren bzw. vorausschauend zu ermitteln. Störgrößen werden dabei als Veränderungen der Prozeßparameter interpretiert und genau wie die tatsächlichen Veränderungen der Prozeßparameter mit veränderlichen Modellparametern modelliert.

In einer vorteilhaften Ausgestaltung der Erfindung ist jeder signifikanten Konstante des Prozesses in bezug auf die Varia tion der zu identifizierenden Prozeßparameter ein zeitvarian tes Modell zugeordnet, das auf die entsprechende Zeitkonstan te abgestimmt ist. Durch diese Modellierung jeder signifikan ten Zeitkonstante ist es dem Prozeßmodell möglich, jeder we sentlichen Veränderung der Prozeßparameter zu folgen. Dabei ermöglicht diese Vorgehensweise auch ein schnelles Folgen des Prozeßmodells bei schnellen Änderungen des Prozesses, z. B. bedingt durch Störungen.

In einer weiteren vorteilhaften Ausgestaltung der Erfindung erfolgt die Abstimmung des zeitvarianten Modells auf eine Zeitkonstante, eine Änderung oder Störungsgröße des Prozesses in bezug auf die Variationen der zu identifizierenden bzw. vorausberechnenden Prozeßparameter durch On-line-Adaption des zeitvarianten Modells, wobei die Zykluszeit der On-line-A- daption vorteilhafterweise auf die Zeitkonstante abgestimmt ist. Dabei hat es sich als besonders vorteilhaft erwiesen, das zeitvariante Prozeßmodell als neuronales Netz auszubilden.

Bei Walzwerken hat es sich als besonders vorteilhaft erwie sen, das schnellste Modell, d. h. das Modell, das die meisten Trainingszyklen erfährt nach jedem Walzband, insbesondere nach jedem Walzband mit neuen Eigenschaften, an den Prozeß zu adaptieren bzw. zu trainieren. Es hat sich weiterhin als vorteilhaft erwiesen, bei Walzwerken ein zeitinvariantes und zwei zeitvariante Modelle zu verwenden.

Weitere Vorteile und erfinderische Einzelheiten ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen, anhand der Zeichnungen und in Verbindung mit den Unteran sprüchen.

Im einzelnen zeigen:

Fig. 1 das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses,

Fig. 2 das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses in alternativer Ausgestaltung,

Fig. 3 das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses in alternativer Ausgestaltung,

Fig. 4 das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses in alternativer Ausgestaltung.

Fig. 1 zeigt das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen zeitvarianten Prozesses. Dabei werden einem Modell des Prozesses Prozeßzustandsinformationen oder Meßwerte aus dem Prozeß x₀, x₁, x₂. . . , x_n zugeführt. Die Prozeßzustandsgrößen bzw. Meßwerte aus dem Prozeß x₀, x₁, x₂. . ., x_n können unterschiedliche oder gleiche Größen sein. Ferner können diese Größen mehrdimensional sein, d. h. mehrere Prozeßzustandsgrößen umfassen. Das Prozeßmodell weist ein zeitinvariantes bzw. weitgehend zeitinvartiantes Grundmodell 1 des Prozesses auf, das den industriellen Prozeß im langzeitlichen Durchschnitt abbildet. Eingangs- bzw. Ausgangsgrößen des zeitinvarianten bzw. weitestgehend zeitinvarianten Grundmodells sind die Größen x₀ bzw. y₀. Bezugszeichen 2, 3 und 4 bezeichnen zeitvariante Modelle, mittels denen aus den Eingangsgrößen x₁, x₂. . ., x_n Korrektur parameter y₁, y₂, . . ., y_n berechnet werden. Dabei sind die zeit varianten Modelle 2, 3 und 4 auf verschiedene Zeitkonstanten des Prozesses abgestimmt, 50 daß sie Korrekturwerte y₁, y₂, . . ., y_n für verschiedene dynamische Anteile des Prozesses zur Korrektur des Wertes y₀ liefern, der vom zeitinvarianten bzw. weitestgehend zeitinvarianten Grundmodell geliefert wird. Die Korrekturwerte y₁, y₂, . . ., y_n werden mittels Verknüp fungen 5, 6 und 7 mit dem Wert y₀ verknüpft, so daß am Ausgang der letzten Verknüpfung 7 ein Prozeßparameter y anliegt, der nicht nur die statischen Anteile des Prozesses, sondern auch die zeitvarianten Anteile des Prozesses, die in den zeitva rianten Modellen 2,3 und 4 berücksichtigt worden sind, bein haltet. Die Werte y sowie y₁, y₂, . . ., y_n können ebenso wie die Werte x₀, x₁, x₂, . . ., x_n mehrdimensionale Größen oder Scalare sein. Es hat sich dabei als besonders vorteilhaft erwiesen, wenn y₁, y₂, . . ., y_n Scalare sind. Sollen mehrere Prozeßpara meter y identifiziert werden, so geschieht dies vorteilhaf terweise durch die Verwendung verschiedener Modelle, d. h. zur Verwendung je eines Modells gemäß Fig. 1 für je einen Prozeß parameter y. Auf diese Weise ist es möglich, insbesondere die zeitvarianten Modelle, auf einen Prozeßparameter y hin zu optimieren.

Für die Verknüpfung 5, 6 und 7 kommen insbesondere Multipli kationen und Additionen in Frage.

Das zeitinvariante bzw. weitgehend zeitinvariante Grundmodell 1 bzw. die zeitvarianten Modelle können analytische Modelle, neuronale Netze, oder hybride Modelle, d. h. eine Verknüpfung von analytischen Modellen und neuronalen Netzen, sein. Es hat sich jedoch besonders vorteilhaft erwiesen, die zeitvarianten Modelle 2, 3 und 4 als neuronale Netze auszubilden.

Die zeitvarianten Teilmodelle 2, 3 und 4 werden, insbesondere on-line, an das reale Prozeßgeschehen adaptiert. Diese Adaption ist in Fig. 1 nicht gezeigt. Es hat sich weiterhin als vorteilhaft erwiesen, auch daß zeitvariante bzw. weit gehend zeitinvariante Grundmodell in gewissen Zeitabständen an das reale Prozeßgeschehen zu adaptieren.

Fig. 2 zeigt das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriel len zeitvarianten Prozesses in alternativer Ausgestaltung zu Fig. 1. Wie im Verfahren gemäß Fig. 1 wird ein Prozeßparameter y mittels eines zeitinvarianten bzw. eines weitgehend zeit varianten Grundmodells 8, zeitvarianter Modelle 9, 10 und 11 sowie Verknüpfungen 12, 13 und 14 ermittelt. Im Gegensatz zum Verfahren aus Fig. 1 werden dem zeitinvarianten Modell 9, 10 und 11 neben den Werten x₁, x₂, . . ., x_n der Ausgangswert des zeit invarianten bzw. weitgehend zeitinvarianten Grundmodells 8 y₀ sowie die Korrekturwerte y₁, y₂, . . ., y_n-1 zugeführt. Dabei sind wiederum zwei alternative Ausgestaltungen möglich. Gemäß der ersten Alternative werden einem zeitinvarianten Modell 2,3 und 4 nur die Ausgangswerte des Vorgängermodells zugeführt. D.h., Eingangsgrößen des zeitvarianten Modells 9 sind x₁ und y₀ und Eingangsgrößen des zeitvarianten Modells 10 sind x₂ und y₁ usw. Gemäß der zweiten Alternative werden, wie in Fig. 2 angedeutet, den zeitvarianten Modellen 9, 10 und 11 neben den Eingangsgrößen x₁, x₂, . . ., x_n eine Auswahl der Korrekturwerte y₀, y₁, y₂, . . ., y_n-1 als Eingangsgrößen zugeführt.

Fig. 3 zeigt das erfindungsgemäße Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern y eines zeitinvar ianten Prozesses in alternativer Ausgestaltung in Fig. 2. Wiederum wird ein Prozeßparameter y mittels eines zeitinvar ianten bzw. weitgehend zeitinvarianten Grundmodells 15, mittels zeitvarianter Modelle 16, 17, 18 sowie mittels Ver knüpfungen 19, 20, 21 identifiziert. Im Gegensatz zu dem in Fig. 2 beschriebenen Verfahren werden den zeitinvarianten Modellen 17 und 18 nicht die Korrekturwerte y₁, y₂, . . ., y_n-1, sondern korrigierte Zwischenwerte y_0,1, y_1,2, . . ., y_n-2,n-1 zugeführt. Ansonsten gilt das zu Fig. 2 ausgeführte auch für Fig. 3 und das zu Fig. 1 ausgeführte, für Fig. 2 und 3.

Fig. 4 zeigt eine weitere Alternative des erfindungsgemäßen Verfahrens zur Identifikation bzw. Vorausberechnung von Prozeßparametern y eines industriellen zeitvarianten Prozesses. Dabei werden einem zeitinvarianten bzw. einem weitgehend zeitinvarianten Modell 22 des Prozesses Prozeßzustandsinformationen oder Meßwerte aus dem Prozeß x zugeführt. Dieses ermittelt einen Zwischenwert u₀, der einem zeitvarianten Modell 23 zugeführt wird. Das zeitvariante Modell 23 ermittelt einen um den in ihm modellierten dynamischen Anteil des Prozesses korrigierten Zwischenwert u₁, der wiederum einem weiteren zeitvarianten Teilmodell 24 zugeführt wird. Dies ermittelt einen um den in ihm modellierten dynamischen Anteil des Prozesses korrigierten Zwischenwert u₂ usw. Am Ende gibt das letzte Teilmodell 25 einen Wert y für den zu identifizierenden Parameter y aus, der die dynamischen Anteile aus den zeitvarianten Modellen 23, 24 und 25 enthält.

Die Alternativen des erfindungsgemäßen Verfahrens gemäß Fig. 1 bis 4 sind nicht nur für die Identifikation, d. h. Bestimmung von Prozeßparametern geeignet, sondern auch ganz besonders zu deren Vorhersage.

Claims

1. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen Prozesses, insbesondere einer Anlage der Grundstoffindustrie, mit, insbesondere schnell, veränderlichen Prozeßparametern bzw. auf den Prozeß einwirkenden Störgrößen, wobei die zu identifizierenden Prozeßparameter mittels eines Prozeßmodells in Abhängigkeit von Meßwerten aus dem Prozeß bestimmt werden, und wobei das Prozeßmodell zumindest ein zeitinvariantes bzw. ein weitgehend zeitinvariantes Prozeßmodell, das ein zeitlich gemitteltes Abbild des Prozesses darstellt, und zumindest ein zeitvariantes Prozeßmodell aufweist, das auf zumindest eine Zeitkonstante einer Störgröße oder einer Variation von Parametern des Prozesses abgestimmt ist.

2. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 1, dadurch gekennzeichnet, daß jeder signifikanten Zeitkonstante einer Störgröße oder einer Variation von Parametern des Prozesses ein zeitvariantes Prozeßmodell zugeordnet ist, das auf die entsprechende Zeitkonstante abgestimmt ist.

3. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Abstimmung des zeitvarianten Modells auf eine Zeitkonstante einer Störgröße oder einer Variation von Parametern des Prozesses durch on-line-Adaption des zeitvarianten Prozeßmodells erfolgt, wobei die Zykluszeit der on-line-Adaption auf die Zeitkonstante abgestimmt ist.

4. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 2 oder 3, dadurch gekennzeichnet, daß das zeitinvariante bzw. weitgehend zeitinvariante Prozeßmodell bzw. das zeitinvariante Prozeßmodell und das zeitvariante Prozeßmodell ein analytisches Modell, ein neuronales Netz oder ein hybrides Modell, d. h. ein analytisches Modell und ein neuronales Netz aufweisendes Modell, ist.

5. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 1, 2, 3 oder 4, dadurch gekennzeichnet, daß das zeitinvariante bzw. weitgehend zeitinvariante Prozeßmodell und insbesondere das zeitvariante Prozeßmodell durch On-Line-Trai ning an das aktuelle Prozeßgeschehen adaptiert werden.

6. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 1, 2, 3, 4 oder 5, dadurch gekennzeichnet, daß die mittels des zeitinvarianten bzw. weitgehend zeitinvarianten Prozeßmodells bzw. des zeitvarianten Prozeßmodells identi fizierten Prozeßparameter einer auf neuronalen Netzen basie renden Informationsverarbeitung zugeführt werden, die diese im Sinne einer Feinanpassung verbessert, wobei die auf neuro nalen Netzen basierende Informationsverarbeitung On-Line an das aktuelle Prozeßgeschehen adaptiert wird.

7. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 1, 2, 3, 4 oder 5, dadurch gekennzeichnet, daß die durch das zeitinvariante bzw. weitgehend zeitinvariante Pro zeßmodell bzw. das zeitvariante Prozeßmodell identifizierten Prozeßparameter mit einem Korrekturterm, insbesondere additiv oder multiplikativ, verknüpft werden, wobei der Korrekturterm mittels einer auf neuronalen Netzen basierenden Informations verarbeitung in Abhängigkeit von Meßwerten aus dem Prozeß gebildet wird, und wobei die auf neuronalen Netzen basierende Informationsverarbeitung On-Line an den Prozeß angepaßt wird.

8. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Prozeßparameter durch das zeitinvariante bzw. weitgehend zeitinvariante Prozeßmodell bzw. das zeitvariante Prozeßmodell vorhergesagt werden.

9. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß das zeitinvariante bzw. weitgehend zeitinvariante Prozeß modell durch ein Optimierungsverfahren an das Prozeßgeschehen adaptiert wird.

10. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß das zeitinvariante bzw. weitgehend zeitinvariante Prozeß modell mittels genetischer Algorithmen oder Evolutionsstra tegien an das Prozeßverhalten adaptiert wird.

11. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach einem der Ansprüche 5 bis 10, dadurch gekennzeichnet, daß Modelle zur Modellierung kürzerer Zeitkonstanten einer Störgröße oder einer Variation von Parametern des Prozesses öfter und insbesondere mit kürzeren Datensätzen an das aktuelle Prozeßgeschehen angepaßt bzw. adaptiert werden als Modelle mit größeren Zeitkonstanten einer Störgröße oder einer Variation von Parametern des Prozesses.

12. Verfahren zur Identifikation bzw. Vorausberechnung von Prozeßparametern nach Anspruch 11, dadurch gekennzeichnet, daß, insbesondere unmittelbar, nach erfolgter Adaption eines Modells zur Modellierung einer langsameren Zeitkonstante einer Störgröße oder einer Variation von Parametern des Prozesses die Modelle zur Modellierung schnellerer Zeitkonstanten einer Störgröße oder einer Variation von Parametern des Prozesses an das Prozeßgeschehen angepaßt werden.

13. Einrichtung zur Identifikation bzw. Vorausberechnung von Prozeßparametern eines industriellen Prozesses, insbesondere einer Anlage der Grundstoffindustrie, mit, insbesondere sprunghaft, veränderlichen Prozeßparametern, insbesondere zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, wobei die zu identifizierenden Prozeßparameter mittels eines Prozeßmodells in Abhängigkeit von Meßwerten aus dem Prozeß bestimmt werden, und wobei das Prozeßmodell zumindest ein zeitinvariantes bzw. ein weitgehend zeitinvariantes Prozeßmodell, das ein zeitlich gemitteltes Abbild des Prozesses darstellt, und zumindest ein zeitvariantes Prozeßmodell aufweist, das auf zumindest eine Zeitkonstante einer Störgröße oder einer Variation von Parametern des Prozesses abgestimmt ist.