DE2735012C2 - - Google Patents

Info

Publication number
DE2735012C2
DE2735012C2 DE2735012A DE2735012A DE2735012C2 DE 2735012 C2 DE2735012 C2 DE 2735012C2 DE 2735012 A DE2735012 A DE 2735012A DE 2735012 A DE2735012 A DE 2735012A DE 2735012 C2 DE2735012 C2 DE 2735012C2
Authority
DE
Germany
Prior art keywords
vector
process output
output vector
incremental
sampling
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
DE2735012A
Other languages
English (en)
Other versions
DE2735012A1 (de
Inventor
Juan Martin Barcelona Es Sanchez
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Publication of DE2735012A1 publication Critical patent/DE2735012A1/de
Application granted granted Critical
Publication of DE2735012C2 publication Critical patent/DE2735012C2/de
Granted legal-status Critical Current

Links

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B01PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01DSEPARATION
    • B01D3/00Distillation or related exchange processes in which liquids are contacted with gaseous media, e.g. stripping
    • B01D3/42Regulation; Control
    • B01D3/4211Regulation; Control of columns
    • B01D3/425Head-, bottom- and feed stream
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/048Adaptive 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Description

Die Erfindung bezieht sich auf ein Verfahren gemäß dem Oberbegriff des Patentanspruchs 1 (GB-Z-"Automatica", Volume 11, 1975, S. 119-127). Außerdem betrifft die Erfindung ein Regelsystem zur Durchführung dieses Verfahrens.
Das Anwendungsfeld der Erfindung ist so gut wie unbegrenzt. Beispielsweise läßt sie sich in so unterschiedlichen Bereichen wie der Aeronautik, der Elektrotechnik oder der chemischen Technik einsetzen.
Beispiele von Prozessen, in denen das Verfahren nach der Erfindung angewandt wurde, ist die Regelung mit einer einzigen Eingangsgröße und einer einzigen Ausgangsgröße bei einem Flugzeug, bei dem der Steigwinkel durch die Höhenruderstellung geregelt wird, und die multivariable Regelung einer Destillierkolonne, in der die Zusammensetzungen jeweils am oberen Ende und am Boden durch die Rückfluß- und die Dampfflußraten geregelt werden.
Es ist bekannt, daß sich der Regelvorgang eines Systems mit einer auf konstanten Parametern aufbauenden Regelstruktur verschlechtert, wenn sich die dynamischen Parameter des Prozesses auf eine unvorhergesehene Weise ändern, die weder direkt noch indirekt gemessen werden kann.
In früheren Jahren wurden Regelungstechniken entwickelt, bei denen die Lösung dieses Problems versucht wurde.
Die Bemerkenswertesten davon bauten auf der adaptiven Systemtheorie mit Modellreferenz auf, die grundsätzlich nach einer der beiden folgenden Arten arbeiteten:
  • (1) Es wird eine Echtzeit-Adaptivschätzung der Parameter und Zustandsvariablen des Prozesses ausgeführt, aus der ein adaptiver Regler die beim Prozeß anzuwendende Regelung berechnet, oder
  • (2) es wird die beim Prozeß anzuwendende Regelung über ein adaptives Regelschema berechnet, um die Prozeßausgangsgröße einer Modellreferenzausgangsgröße folgen zu lassen. Im allgemeinen erfordert die Regelstruktur im beiden vorstehend ausgeführten Fällen die Einplanung einer Korrigiereinrichtung. Die Schwierigkeiten, die bei der Berechnung der Parameter dieser Korrigiereinrichtung auftreten, steigen entsprechend der Größenordnung des Prozesses und beschränken den Anwendungsbereich dieser bekannten Techniken sehr.
Verfahren, bei denen das herkömmliche Regelschleifenprinzip angewandt wird, bei denen also der Unterschied zwischen dem Dauerzustand-Sollwert und dem augenblicklichen Prozeßausgangsvektor ausgewertet wird, sind beispielsweise das DE-Z-"Regelungstechnik und Prozeß-Datenverarbeitung", 1972, Seiten 190-198, aus DE-Z-"Regelungstechnik", 1976, Seiten 24-27, aus Z-"Control", Mai 1965, Seiten 253-258, aus der US-PS 37 95 799 und aus GB-Z-"Automatica", Volume 8, 1972, Seiten 143-151 bekannt.
Von diesem bekannten Prinzip weicht das in "Control Engineering" Mai 1968, Seiten 75-78 angegebene Konzept ab. In dieser Literaturstelle wird allerdings nur ein erwünschtes Ergebnis und kein Verfahren zur Erzielung desselben beschrieben. Das in dieser Literaturstelle enthaltene grundsätzliche Konzept besteht in der Erwünschtheit, ein Stellgrößensignal in Abhängigkeit von einem vorhergesagten Systemausgangssignal zu erzeugen, aber nicht in der Angabe eines Weges, wie ein tatsächliches Systemausgangssignal gebildet werden kann. Es wird im wesentlichen festgestellt, daß "alles noch über die Anwendungen der Technik gelernt und erfahren werden muß, weil die Technologie der Hochgeschwindigkeits-Vorhersagesteuerung noch nicht entwickelt ist, außer in vorläufigen Ausführungsformen. Die formale Theorie des Ziebolz-Reglers muß noch geschaffen werden".
Aus GB-Z-"Automatica", Volume 11, 1975, Seiten 119-127, ist ein im Oberbegriff des Anspruchs 1 als Stand der Technik zugrundegelegtes Regelungsverfahren bekannt, bei dem das steuernde Stellgrößensignal durch Inbetrachtziehung eines Soll-Prozeßausgangsvektors erzeugt wird. Dieser Soll-Prozeßausgangsvektor entspricht jeweils dem im gegenwärtigen Moment vorliegenden Soll-Prozeßausgangsvektor, d. h. dem Sollwert, den das Prozeßausgangssignal bereits zum gegenwärtigen Zeitpunkt haben sollte. Ein zukünftiger Sollwert des Prozeßausgangssignals wird in keiner Weise in Betracht gezogen. Wie bei allen anderen bekannten Regelungsverfahren liegt auch bei diesem Verfahren die Tatsache vor, daß der der Regelung unterzogene Prozeß nicht unmittelbar auf Änderungen des Stellgrößenvektors anspricht. Vielmehr beansprucht es eine vorher bestimmte Zeitdauer, die von dem besonderen jeweils zu regelnden Prozeß abhängt, damit der Prozeß auf die Änderung des Stellgrößenvektors anspricht, was dann als Folge davon zu einer Änderung des Prozeßeingangsvektors führt.
Aufgabe der Erfindung ist es, ein Verfahren zur Erzeugung eines Stellgrößenvektors eines Regelprozesses anzugeben, das nicht die sich bei umfangreicheren Korrigiereinrichtungen ergebenden Schwierigkeiten aufweist und bei dem der Regelungsprozeß trotzdem so gut wie unmittelbar auf Änderungen des Stellgrößenvektors anspricht.
Diese Aufgabe wird bei einem gattungsgemäßen Verfahren gemäß der Erfindung durch die im kennzeichnenden Teil des Patentanspruchs 1 angegebenen Merkmale gelöst.
Vorteilhafte Weiterbildungen dieses Verfahrens sind in den Ansprüchen 2 bis 9 angegeben.
Ein zweckmäßiges und vorteilhaftes Regelsystem zur Durchführung des Verfahrens nach der Erfindung ist im Patentanspruch 10 angegeben.
Die Ausführung der Erfindung soll im Folgenden in allgemeiner Hinsicht anhand der beigefügten Figuren beschrieben werden. Im Anschluß daran werden die Ergebnisse einer besonderen Anwendung des Verfahrens nach der Erfindung und eines Regelsystems zur Durchführung dieses Verfahrens aufgezeigt.
Fig. 1 zeigt den allgemeinen Blockaufbau eines Regelsystems zur Durchführung des Verfahrens nach der Erfindung;
Fig. 2 zeigt eine Destillierkolonne, bei welcher ein Regelsystem zur Durchführung des Verfahrens nach der Erfindung eingesetzt ist, so daß sich eine multivariable Regelung der Zusammensetzungen jeweils am oberen Ende und am Boden als Ausgangsgrößen mit Rückfluß- und Dampfflußraten als Eingangsgrößen ausführen läßt;
Fig. 3 zeigt die Ergebnisse einer solchen Anwendung eines Regelsystems zur Durchführung des Verfahrens nach der Erfindung bei einer Destillierkolonne in einer graphischen Darstellung.
Zwei Betriebsarten eines Regelsystems zur Durchführung des Verfahrens nach der Erfindung sind in einem Abtastaugenblick k möglich, was anhand Fig. 1 gezeigt wird.
1. Über den Weg 1 kann ein menschlicher oder automatischer Operator 2 direkt den Regelvektor u (k) einstellen, der die Eingangsgröße für eine Einrichtung 3 und einen Identifizierungsblock 4 zu einem Abtastaugenblick k darstellt. Der Identifizierungsblock 4 enthält eine adaptiv-prädiktives Modell 5 zur Berechnung eines geschätzten Prozeßausgangsvektors d (k). Der Fehler e (k) dieser Schätzung d. h. die Differenz zwischen dem Prozeßausgangsvektor y (k) und d (k), wird dazu benutzt, über einen adaptiven Mechanismus 6 die Parameter des vorher erwähnten adaptiv-prädiktiven Modells 5 auf den neuesten Stand zu bringen. Diese Betriebsart soll als Identifizierungsbetriebsweise bezeichnet werden.
2. Über den Weg 7 werden die Parameter des adaptiv-prädiktiven Modells 5, wie vorher beschrieben, auf den neuesten Stand gebracht. Darüber hinaus wird aber der beim Prozeß angewandte durch einen Regelblock 8 berechnet, wobei dasselbe adaptiv-prädiktive Modell benutzt wird, derart, daß der gewünschte Ausgangsvektor des Prozesses d (k + r + 1) im Abtastaugenblick k + r + 1 übereinstimmt mit dem vorhergesagten Ausgangsvektor für den gleichen Augenblick k + r + 1, r ist dabei die Anzahl der Abtastzeitverzögerungen, welche im Prozeß beobachtet oder als passend angesehen werden. d (k + r + 1) wird zum Augenblick k durch einen Treiberblock 9 als Antwort auf die Eingangsgrößen des Operators 2 berechnet. Diese Betriebsweise soll als Regelbetriebsweise bezeichnet werden.
Zur Durchführung der Prozeßregelung benutzt das adaptiv-prädiktive Regelsystem immer Wertänderungen (Inkrementwerte) der Ausgangsgröße, der Eingangsgröße und von meßbaren Störvektoren des Prozesses. Sofern es gewünscht wird, kann der Regelvektor grenzwertgehalten werden. Die spezifischen Operationen, welche das Regelsystem mit Hilfe eines Digitalrechners in jedem Abtastaugenblick k während seiner Regelbetriebsweise demzufolge bei Berücksichtigung der vorstehend beschriebenen Konzeption ausführt, werden im folgenden erläutert:
  • a) Messung und, sofern als zweckmäßig angesehen, Filterung der Ausgangsvariablen des Prozesses, um den Prozeßausgangsvektor y p (k) zu erhalten. Seine Dimension soll als n angesehen werden.
  • b) Berechnung des inkrementalen Prozeßausgangsvektors y (k) durch: y (k) = y p (k) - y p (k-γ) (Gl. 1)q ist dabei eine ganze Zahl, die geeignet gewählt werden kann.
  • c) Berechnung des inkrementalen Prozeßausgangsvektors d (k) durch das adaptiv-prädiktive Identifizierungsblockmodell, was sich definieren läßt durch:
  • Dabei werden die Vektoren u (k - i - r) und w (k - i - r₂) erhalten durch: u (k - i - r) = u p (k - i - r) - u p (k - i - r - γ) (Gl. 3) w (k - i - r₂) = w p (k - i - r₂) - w p (k - i - r₂ - γ) (Gl. 4)
  • Hierin sind u p (k - i - r) und w p (k - i - r₂) der Regelvektor bzw. der meßbare Störvektor in den Dimensionen n₁ und m zum Abtastzeitpunkt k - i - r bzw. k - i - r₂. In der Gleichung 2 können die ganzen Zahlen h, f und g passend gewählt werden. Ähnlich lassen sich die ganzen Zahlen r₁ und r₂ geeignet wählen, wobei die verfügbaren oder vorhergesagten Messungen der Ausgangs- und Störungsvektoren jeweils berücksichtigt werden. Die Matrizen A i (k - 1), B i (k - 1) und C i (k - 1) des adaptiv-prädiktiven Modells haben eigene Dimensionen und ihre Werte entsprechen einem Vergangenheitswert, bevor sie auf den letzten Stand zum Zeitpunkt k gebracht wurden. Wenn die Dimension des Regelvektors größer als die Dimension des Ausgangsvektors ist, dann sollten in den meisten Fällen zusätzliche Bedingungen zur Erzielung einer einzigen Regellösung addiert oder es können einige der Regelvektorkomponenten einfach in den Störungsvektor eingeschlossen werden. Als ein besonderer Fall wird der Fall n₁=n angesehen.
  • d) Berechnung des Schätzfehlervektors durch: e (k) = y (k) - d (k) (Gl. 5)
  • e) Berechnung der auf den neuesten Stand gebrachten Werte zum Zeitpunkt k der Parameter a ÿq (k), b ÿq (k) und c ÿq (k), welche jeweils die Elemente in der j-ten Reihe und q-ten Spalte der Matrizen A i (k), B i (k) und C i (k) sind, mittels der folgenden Algorithmen: a ÿq (k) = b aÿq α j (k) e j (k) y q (k-i-r₁) + a ÿq (k-1) (Gl. 6)b ÿq (k) = β bÿq α j (k) e j (k) u q (k-i-r) + b ÿq (k-1) (Gl. 7)c ÿq (k) = β cÿq α j (k) e j (k) w q (k-i-r₂) + c ÿq (k-1) (Gl. 8)Hierin sind e j (k), y q (k-i-r₁), u q (k-i-r) und w q (k-i-r₂) jeweils die entsprechenden Komponenten der Vektoren e (k), y (k-i-r₁), u (k-i-r) und w (k-i-r₂). β aÿq , β bÿq und β cÿq sind Koeffizienten, die passend abgestimmt werden können, und α i (k) (j=1, n) sind verschiedene Verstärkungen, die ohne Schwierigkeiten im großen Bereich der Möglichkeiten gewählt werden können, welche die bekannte Gradientenparameteridentifizierungstechnik gestattet. Eine besondere Wahl dieser variablen Verstärkungen kann die folgende sein:
  • f) Berechnung des gewünschten inkrementalen Ausgangsvektors d (k+r+1), die durch den Treiberblock, wie folgt, ausgeführt werden kann:
    • 1. Berechnung des gewünschten Prozeßausgangsvektors d p (k+r+1) der Dimension (nx 1), die auf verschiedene Weise ausgeführt werden kann, indem eine Modellreferenz mit gewünschten Dynamischen oder irgendein anderer Plan benutzt wird, der die gewünschten Dynamischen und auch die vorher gemessenen oder vorhergesagten Prozeßausgangsgrößen berücksichtigt. Die letztgenannte Planart läßt sich z. B. durch die folgende Gleichung definieren: Hierin sind y (k+r+1-r₁-i) und v (k+1-i) der Prozeßausgangsvektor und der Treiberblockeingangsvektor im Abtastaugenblick k+r+1-i bzw. k+1-i. v (k+1+i) ist ein Vektor der Dimension n, der unmittelbar vom Operator erzeugt wird. Die Matrizen F i (i=1, t) und H j (j=1, s) lassen sich genauso wie die ganzen Zahlen t und s unter Berücksichtigung der gewünschten Dynamischen frei wählen.
    • 2. Aus dem Wert des gewünschten Ausgangsvektors des Prozesses d p (k+r+1) läßt sich der gewünschte inkrementale Ausgangsvektor d (k+r+1) ohne Schwierigkeiten auf verschiedene Arten berechnen. Eine besondere Art, welche dann geeignet ist, wenn γ<r, ist durch die folgende Gleichung gegeben: d (k+r+1) = d p (k+r+1) - y p (k+r+1-γ) (Gl. 11)Wenn es als notwendig herausgefunden wurde, kann der Wert von d (k+r+1) grenzwertgehalten werden.
  • g) Berechnung des Regelvektors gemäß dem folgenden:
    • 1. Aus dem auf den neuesten Stand gebrachten adaptiv-prädiktiven Modell hängt der vorhergesagte inkrementale Prozeßausgangsvektor d ₁′ (k+r+1) zum Abtastaugenblick k+r+1 vom inkrementalen Regelvektor u (k) ab und ist durch die folgende Gleichung gegeben: (k+r+1) gleich der gewünschten inkrementalen Ausgangsgröße d (k+r+1) macht, und ist durch die folgende Gleichung gegeben:
    • 2. Aus u (k) wird der Regelvektor berechnet durch: u p (k) = u (k) + u p (k- γ) (Gl. 14)
  • h) Falls gewünscht, kann der Regelvektor u p (k) grenzwertgehalten werden, bevor er dem Prozeß zugeführt wird.
Bei seiner Ausführung kann das adaptiv-prädiktive Regelsystem inkrementale Eingangs-, Ausgangs- und Störungsvektoren benutzen, wie es in den vorstehenden Wirkungsweisen beschrieben wurde. Ein anderer Weg der Systemausführung besteht aber in der Berechnung der inkrementalen Eingangs-, Ausgangs- und Störungsvektoren in bezug auf einige konstante, geeignet gewählte Vektoren. Demzufolge müssen in den Gleichungen, die unter den Gleichungsnummern 1, 3, 4, 11 und 14 beschrieben sind, jeweils folgende Änderungen vorgenommen werden:
y (k) = y p (k) - y pc (Gl. 15)
u (k-i-r) = u p (k-i-r) - u pc (Gl. 16)
w (k-i-r₂) = w p (k-i-r₂) - w pc (Gl. 17)
d (k+r+1) = d p (k+r+1) - y pc (Gl. 18)
u p (k) = u (k) + u pc (Gl. 19)
Wenn es als geeignet angesehen wird, daß man einigen der adaptiv-prädiktiven Modellparameter (z. B. aufgrund einer bestimmten Prozeßkenntnis) spezifische Werte gibt, können diese Werte ebenfalls den jeweiligen Parametern gegeben werden und die entsprechenden β-Koeffizienten werden auf Null gesetzt. Es ist auch möglich, diejenigen Operationen der adaptiv-prädiktiven Modellparameter, mit denen auf den neuesten Stand gebracht wird, so lange anzuhalten, wie es als zweckmäßig angesehen wird.
Wenn das System im Identifizierungsbetrieb arbeitet, braucht es lediglich die Operationen a bis e auszuführen. Diese Identifizierungstätigkeit kann im Real-Time-Betrieb oder im off-line-Betrieb und sogar im Betrieb zwischen den Abtastintervallen durchgeführt werden.
Es läßt sich beobachten, daß in der Operation g zur Berechnung von u (k) die Matrix B(k) invertiert werden muß. Die Gefahr einer Singularität der Matrix B(k) kann in der Praxis fast immer durch Addition von Zeitverzögerungen zum Prozeßeingangs- und -ausgangsvektor und durch Regelung des sich ergebenden Prozesses vermieden werden. Ein erläuterndes Versuchsbeispiel dieses Vorgehens ist in dieser Patentanmeldung dargestellt.
Ein anderer Weg zur Durchführung des Regelsystems besteht darin, das adaptiv-prädiktive Modell in eine solche Form zu bringen, daß der Vektor d (k) nicht die Schätzung des Vektors y (k) ist, sondern die Schätzung eines beliebigen anderen Ausgangs- oder Eingangsvektors in einem vorherigen Abtastaugenblick. Der Fehler dieser Schätzung wird dazu benutzt, das adaptiv-prädiktive Modell auf den neuesten Stand zu bringen.
In manchen Fällen soll ein äquivalenter Weg der Anwendung des hier dargestellten Regelsystems dieses in einen Satz von Systemen mit einem einzigen Ausgang und mehreren Eingängen zerlegen, wobei jedem dieser Systeme eine Bedingung auferlegt wird, die durch die Komponente des Regelvektors zu jedem Abtastaugenblick überprüft wird. Aus dem Satz der n entsprechenden linearen Gleichungen kann der Regelvektor zu jedem Abtastaugenblick berechnet werden.
Schließlich können die statischen Verstärkungen des Prozesses durch Multiplikation der Komponenten seiner Ausgangs-, Eingangs- und Störungsvektoren oder der inkrementalen Vektoren mit skalaren Verstärkungen modifiziert werden. Auch die Dynamischen des Prozesses können auf eine analoge Weise modifiziert werden. In diesem Fall wird das Regelsystem den Prozeß durch Regelung des modifizierten Prozesses regeln.
Versuchsbeispiel Multivariable Regelung einer binären Destillierkolonne
Das adaptiv-prädiktive Regelsystem, das vorher beschrieben wurde, ist zur multivariablen Regelung der Zusammensetzungen (in Gewichtsprozenten von Methanol) am oberen Ende und am Boden einer binären Destillierkolonne durchgeführt worden, und zwar beim Chemical Engineering Department, Universität von Alberta, Edmonton, Alberta (Kanada).
Wie in Fig. 2 dargestellt ist, tritt ein Speisefluß 11 in die Destillierkolonne 10 beim vierten Aschenbehälter ein. Das Produkt vom oberen Ende der Destillierkolonne kondensiert in einer Einrichtung 12 durch Kühlwasser und fällt in einen Behälter 13. Das Ziel des hier dargestellten Versuchs ist die Regelung der Zusammensetzung des Bodenprodukts 15, das vom Boden der Kolonne weggeht.
Als Regelvariable wurden die Rückflußrate 16 und die Dampfflußrate 17 benutzt, welche einen Wiederaufheizkessel 18 am Boden der Säule heizt. Zur Vervollständigung des Versuchs wurde ein Digitalrechner 19 verwendet, welchem die von einem Zusammensetzungsregistriergerät 20 und einem Gaschromatographen 21 gemachten Messungen der oben und am Boden vorliegenden Zusammensetzungen jeweils eingegeben werden und der die Einstellgröße zweier Flußregistrierreglern 22 und 23 regelt. Darüber hinaus hat die Kolonne noch folgende Einrichtungen: zwei Flüssigkeitspegelanzeigeregler 24, zwei Flußregistriereinrichtungen 25, einen Druckanzeigeregler 26, zwei Temperaturregistrierregler 27 und einen Flußregistrierregler 28.
Die Regelvariablen sind die Rückfluß- und die Dampfflußraten. Die Abtastperiode beträgt 256 sec. Aufgrund dieser großen Abtastperiode gibt es keine Zeitverzögerung zwischen der Zusammensetzung am oberen Ende und den Rückfluß- und Dampfflußraten. Es besteht eine Meßzeitverzögerung von einer Abtastperiode zwischen der Bodenzusammensetzung und der Dampfflußrate wegen der Analysierzeit, welche zur Messung der Bodenzusammensetzung erforderlich ist. Zwischen der Bodenzusammensetzung und der Rückflußrate, so wurde festgestellt, liegen zwei Abtastintervalle. Es lag keine wesentliche Störung beim Prozeßablauf vor.
Zur Vermeidung des Problems der Singularität von B(k), das vorher bereits diskutiert wurde, wird eine Abtastzeitverzögerung zur Messung der Zusammensetzung am oberen Ende addiert. Demzufolge ist die entsprechende Komponente des Prozeßausgangsvektors in bezug auf die Oben-Zusammensetzung zum Abtastzeitpunkt k die Messung der Oben-Zusammensetzung zum Zeitpunkt k-1. Auch diese Komponente zum Augenblick k+1 ist schon im Augenblick k bekannt.
Gemäß den vorher beschriebenen Umständen ist zu jedem Abtastzeitpunkt k die durch das adaptiv-prädiktive Regelsystem während seiner Regeltätigkeit durchgeführte Operationsfolge:
  • 1. Messung der Oben- und Bodenzusammensetzungen zum Erhalten des Prozeßausgangsvektors y p (k), dessen Komponenten die zum Zeitpunkt k-1 gemessene Oben-Zusammensetzung y p (k) und die zum Zeitpunkt k gemessene Bodenzusammensetzung y p 2 (k) sind.
  • 2.  Die für den Prozeß betrachtete Anzahl der Abtastzeitverzögerungen r ist in diesem Fall gleich 1 und die ganze Zahl y wurde gleich 2 gewählt. Demzufolge wird der inkrementale Ausgangsvektor berechnet durch: y (k) = y p (k) - y p (k-2) (Gl. 20)
  • 3. Im adaptiv-prädiktiven Modell wurden die ganzen Zahlen h, f und r₁ gleich 3, 4 bzw. 0 gewählt; es bestand kein Störungsvektor. Demzufolge wurde der geschätzte inkrementale Ausgangsvektor d (k) berechnet durch: Hierin sind d₁ und y₁ die Komponenten bezüglich der Oben- Zusammensetzung. d₂ und y₂ sind die Komponenten bezüglich der Boden-Zusammensetzung. u₁ und u₂ sind die inkrementalen Rückfluß- bzw. Dampfflußraten. Der inkrementale Regelvektor u (k-i-1) wird erhalten durch: u (k-i-1) = u p (k-i-1) - u p (k-i-3) (Gl. 22)Hierin ist u p (k-i-1) der im Zeitpunkt k-i-1 vorliegende Regelvektor.
    Die Matrizen A i (k-1) (i=1, 3) und B i (k-1) (i=1, 4) sind folgendermaßen gewählt:
  • 4. Berechnung des Schätzfehlervektors, wie er in der Gleichung 5 angezeigt ist.
  • 5. Berechnung der auf den neuesten Stand gebrachten Werte zum Augenblick k aus den Parametern der Matrizen A i (k) (i=1, 3) und B i (i=1, 4) gemäß den Gleichungen 6, 7 und 9, wobei berücksichtigt wird, daß keine Störungen betrachtet werden, daß der Wert der Koeffizienten β entsprechend den Nicht-Null-Parametern in den Oben- und Bodenreihen zu 1 bzw. 0,1 angesetzt wurden und daß die Koeffizienten β′ entsprechend den verbleibenden Null-Parametern sowohl in den Oben- als auch in den Bodenreihen gleich Null gesetzt wurden.
  • 6. Die sich auf die Oben- und Bodenzusammensetzungen beziehenden Komponenten d p 1 (k+2) bzw. d p 2 (k+2) des gewünschten Prozeßausgangsvektors d p (k++2) zum Zeitpunkt k+2 werden durch die folgenden Skalagleichungen berechnet, welche ein besonderer Fall der Gleichung 10 sind: Hierin sind v(k+1-i) und v(k+1-i) die Komponenten bezüglich der Oben- bzw. Bodenzusammensetzungen des Treiberblockeingangsvektors v (k+1-i) zum Zeitpunkt k+1-i. Die Parameter der Gleichungen 23 und 24 wurden gleich denjenigen eines Modells zweiter Ordnung gewählt, ohne bzw. mit einer Abtastzeitverzögerung, einer natürlichen Frequenz von 0,0056 rad/sec. und einem Dämpfungsverhältnis sowie einem statischen Gewinn gleich 1. Unter der Voraussetzung, daß der Wert der vorher erwähnten statischen Verstärkung Eins beträgt, haben die Komponenten v(k+1-i) und v(k+1-i) die physikalische Bedeutung, die Stellgrößenwerte für die Oben- bzw. Bodenzusammensetzungen zum Zeitpunkt k+1-i zu sein.
    In der Gleichung 23 wurde der Wert y(k+1) vorher berechnet durch:y(k+1) = y p 1 (k+1) - y p 1 (k-1) (Gl. 25)Dabei ist festzustellen, daß y p (k+1) der im Augenblick k gemessene Wert der Oben-Zusammensetzung ist.
    Aus d p (k+2) wird der gewünschte inkrementale Prozeßausgangsvektor d(k+2) berechnet durch: d (k+2) = d p (k+2) - y p (k) (Gl. 26)Die auf die Ober- bzw. Bodenzusammensetzungen bezogenen Komponenten d₁₁ (k+2) und d₁₂ (k+2) von d (k+2) sind auf die absoluten Werte 0,3 bzw. 0,6% begrenzt.
  • 7. Berechnung des Regelvektors durch:
  • 8. Der absolute und der inkrementale Wert von u p (k) wird vor der Zuführung zum Prozeß grenzwertgehalten.
Fig. 3 zeigt die Ergebnisse eines sechs Stunden und 24 Minuten währenden Versuchs von Anfang an, wobei die Destillierkolonne durch das adaptiv-prädiktive Regelsystem geregelt wurde.
In Fig. 3 stellen die Diagrammverläufe A, B, C und D auf der Y-Achse die Oben-Zusammensetzung (%), die Boden- Zusammensetzung (%), die Rückflußrate (g/sec) bzw. die Dampfflußrate (g/sec) in Abhängigkeit von der auf der X-Achse aufgetragenen Zeit in Abtastzeitpunkten dar.
Die Anfangswerte der Parameter des adaptiv-prädiktiven Modells wurden vernünftig gewählt. Das Regelsystem arbeitete vor dem Eintritt in die Regeltätigkeit für zwei Abtastzeitpunkte in seinem Identifizierungsbetrieb. Sobald die Regeltätigkeit beginnt, treibt das Regelsystem die Oben- und Bodenzusammensetzungen des Prozesses von 96,5 bzw. 1% auf 96 bzw. 3%. Später, zum Zeitpunkt 29, während die Bodenzusammensetzung bei 3% gehalten wird, wird die Oben-Zusammensetzung auf 97% getrieben. Zum Zeitpunkt 55 wird die Bodenzusammensetzung von 3 auf 5% getrieben und die Oben-Zusammensetzung bei 97% gehalten.
Es ist zu bemerken, daß das multivariable Regelproblem einer binären Destillierkolonne, welches durch das adaptiv-prädiktive Regelsystem nach der Erfindung in zu empfehlender Weise gelöst ist, für lange Zeit ein oft erwähntes Beispiel für Schwierigkeiten bei einander beeinflussenden multivariablen chemischen Prozessen gewesen ist.

Claims (10)

1. Verfahren zur während jedes einer Vielzahl von jeweils durch ein konstantes Zeitintervall getrennten Abtastzeitpunkten erfolgenden Erzeugung eines Stellgrößenvektors, der einem Apparat zugeführt wird, welcher einen wenigstens eine Eingangsvariable und wenigstens eine Ausgangsvariable aufweisenden Prozeß durchführt, wobei zumindest eine der Eingangsvariablen einen Prozeßausgangsvektor definiert und der Apparat diesen Prozeßausgangsvektor in Abhängigkeit vom Wert des Stellgrößenvektors unter Verwendung eines eingespeicherten Modells variiert, das die Art und Weise, in welcher der Regelprozeß auf Änderungen des Stellgrößenvektors anspricht, vorhersagt und einen Stellgrößenvektor als Funktion davon erzeugt, dadurch gekennzeichnet, daß das Modell den dynamischen Wert eines aus wenigstens einer der Prozeßausgangsvariablen bestehenden Prozeßausgangsvektors zu einem zukünftigen Abtastzeitpunkt k+r+1 als Funktion des Stellgrößenvektors vorhersagt, wobei k den momentan gerade auftretenden Abtastzeitpunkt und r diejenige Anzahl von Abtastintervallen darstellt, die zum Ansprechen des Regelprozesses auf eine Änderung des Stellgrößenvektors erforderlich ist, daß zu jedem der Abtastzeitpunkte k ein dynamischer Soll-Prozeßausgangsvektor erzeugt wird, der repräsentativ für einen Sollwert des Prozeßausgangsvektors im zukünftigen Abtastzeitpunkt k+r+1 ist, und daß in jedem der Abtastzeitpunkte k der Stellgrößenvektor erzeugt wird, den das Modell vorhergesagt hat und der verursacht, daß der dynamische Prozeßausgangsvektor gleich dem dynamischen Soll-Prozeßausgangsvektor im zukünftigen Abtastzeitpunkt k+r+1 wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß der dynamische Soll-Prozeßausgangsvektor unter Berücksichtigung der gewünschten Dynamik des Prozesses und als Funktion sowohl des Soll-Dauerzustand-Prozeßausgangsvektors und des dynamischen Prozeßausgangsvektors gebildet wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß die Erzeugung des dynamischen Soll-Prozeßausgangsvektors die Erzeugung eines inkrementalen dynamischen Soll- ausgangsvektors einschließt, der repräsentativ für den inkrementalen Unterschied zwischen dem dynamischen Soll-Prozeßausgangsvektor und dem dynamischen Prozeßausgangsvektor ist.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß der Stellgrößenvektor ein inkrementaler Stellgrößenvektor ist, der repräsentativ für die inkrementale Änderung des Prozeßeingangsvektors ist, welche gemäß der Vorhersage des Modells verursacht.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Parameter des Modells periodisch derart auf den neuesten Stand gebracht werden, daß der Unterschied zwischen dem tatsächlichen dynamischen Prozeßausgangsvektor zum Zeitpunkt k+r+1 und dem vom Modell für den Zeitpunkt k+r+1 vorhergesagten dynamischen Prozeßausgangsvektor auf Null reduziert wird.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß das Bringen des Modells auf den neuesten Stand folgende Schritte umfaßt:
  • a) Periodisches Erzeugen eines geschätzten Prozeßausgangsvektors, der repräsentativ für einen dynamischen Prozeßausgangsvektor ist, den das Modell, nachdem es während eines zuerst vorbestimmten, zuvorliegenden Abtastzeitpunkts auf den letzten Stand gebracht wurde, dahingehend schätzt, daß er zu einem Abtastzeitpunkt k als Ergebnis der Erzeugung des Steuergrößenvektors zum früheren Abtastzeitpunkt k-r-1 auftritt;
  • b) Periodisches Erzeugen eines geschätzten Fehlervektors, der repräsentativ für die Differenz zwischen dem geschätzten Prozeßausgangsvektor zum Abtastzeitpunkt k und dem dynamischen Prozeßausgangsvektor zum Abtastzeitpunkt k ist;
  • c) Periodisches Abändern der Parameter des Modells als Funktion des geschätzten Fehlervektors.
7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß zusätzlich noch die Erzeugung eines inkrementalen Prozeßausgangsvektors vorgesehen ist, der repräsentativ für den Unterschied zwischen dem tatsächlichen dynamischen Prozeßausgangsvektor zum Zeitpunkt k und dem tatsächlichen dynamischen Prozeßausgangsvektor zu einem zweiten, früheren Abtastzeitpunkt.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß der geschätzte Prozeßausgangsvektor der vom Modell geschätzte Wert des inkrementellen dynamischen Prozeßausgangsvektors ist, nachdem das Modell beim ersten davorliegenden Abtastzeitpunkt auf den neuesten Stand gebracht wurde.
9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, daß die Erzeugung eines geschätzten Fehlervektors die Bestimmung der Differenz zwischen dem inkrementalen Prozeßausgangsvektor und dem geschätzten Prozeßausgangsvektor umfaßt.
10. Regelsystem zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß ein Treiberblock (9) vorgesehen ist, der einen Eingangsvorgabevektor (Sollwertvektor) v (k) und einen augenblicklichen Prozeßausgangsvektor y p (k) zur Erzeugung eines inkrementalen Soll-Prozeßausgangsvektors d (k+r+1) während jedes einer Vielzahl von Abtastzeitpunkten k aufnimmt, wobei der inkrementale Soll-Prozeßausgangsvektor d (k+r+1) der inkrementalen Solländerung zwischen dem Abtastzeitpunkt k und dem Abtastzeitpunkt k+r+1 entspricht, daß ein Stellblock (8) vorgesehen ist, der den inkrementalen Soll-Prozeßausgangsvektor d (k+r+1) zur Erzeugung eines inkrementalen Stellgrößenvektors u (k) während jedes der Abtastzeitpunkte k gemäß einem adaptiv- prädiktiven Modell (5) aufnimmt, wobei das adaptiv-prädiktive Modell dazu dient, den Prozeßausgangsvektor vorherzusagen und den inkrementalen Stellgrößenvektor u (k) zu bestimmen, der dem Prozeß während des Abtastzeitpunkts k zugeführt werden muß, um den vorhergesagten Prozeßausgangsvektor gleich dem Soll-Prozeßausgangsvektor während des Abtastzeitpunkts k+r+1 zu machen, was durch den inkrementalen Soll-Prozeßausgangsvektor d (k+r+1) bestimmt wird, daß ein Identifizierungsblock (4) vorgesehen ist, der den inkrementalen Stellgrößenvektor u (k) und einen inkrementalen Prozeßausgangsvektor y (k) zur Erzeugung eines geschätzten inkrementalen Prozeßausgangsvektors d (k) während jedes der Abtastzeitpunkte k gemäß dem adaptiv-prädiktiven Modell (5) aufnimmt, wobei der geschätzte inkrementale Prozeßausgangsvektor d (k) repräsentativ für den inkrementalen Prozeßausgangsvektor ist, den das adaptiv-prädiktive Modell, nachdem es zu einem vor dem Abtastzeitpunkt k liegenden Abtastzeitpunkt auf den neuesten Stand gebracht wurde, vorhersagt und der während des Zeitpunkts k als Ergebnis der Erzeugung des inkrementalen Stellgrößenvektors u (k-r-1) während des Abtastzeitpunkts k-r-1 auftreten soll, daß eine Einrichtung zur Erzeugung eines geschätzten Fehlervektors e (k) während jedes der Abtastzeitpunkte k vorgesehen ist, wobei der geschätzte Fehlervektor e (k) repräsentativ für den Unterschied zwischen dem geschätzten inkrementalen Prozeßausgangsvektor d (k) und dem inkrementalen Prozeßausgangsvektor y (k) ist, und daß eine den geschätzten Fehlervektor e (k) aufnehmende Rückkopplung zur Änderung der Parameter des adaptiv-prädiktiven Modells (5) während jedes der Abtastzeitpunkte k vorgesehen ist, wobei die Parameter des adaptiv-prädiktiven Modells derart geändert werden, daß der geschätzte Fehlervektor e (k) gegen den Wert Null reduziert wird.
DE19772735012 1976-08-04 1977-08-03 Adaptiv-praediktives (vorhersagendes) regelsystem Granted DE2735012A1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
GB32395/76A GB1583545A (en) 1976-08-04 1976-08-04 Control systems

Publications (2)

Publication Number Publication Date
DE2735012A1 DE2735012A1 (de) 1978-02-09
DE2735012C2 true DE2735012C2 (de) 1990-07-19

Family

ID=10337959

Family Applications (1)

Application Number Title Priority Date Filing Date
DE19772735012 Granted DE2735012A1 (de) 1976-08-04 1977-08-03 Adaptiv-praediktives (vorhersagendes) regelsystem

Country Status (16)

Country Link
US (2) US4197576A (de)
JP (1) JPS5320081A (de)
AT (1) AT370891B (de)
AU (1) AU513844B2 (de)
BR (1) BR7704892A (de)
DD (1) DD131417A5 (de)
DE (1) DE2735012A1 (de)
DK (1) DK313777A (de)
ES (1) ES460649A1 (de)
FR (1) FR2360928A1 (de)
GB (1) GB1583545A (de)
IL (1) IL52554A (de)
IT (1) IT1143746B (de)
MX (1) MX150861A (de)
NL (1) NL7708657A (de)
SE (1) SE445268B (de)

Families Citing this family (129)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4277832A (en) * 1979-10-01 1981-07-07 General Electric Company Fluid flow control system
CA1163372A (en) * 1980-04-07 1984-03-06 Juan M. Sanchez Adaptive-predictive control system
IL62597A (en) * 1980-04-07 1984-03-30 Martin Sanchez Juan Adaptive-predictive control system
JPS5716719A (en) * 1980-07-04 1982-01-28 Hitachi Ltd Method and equipment for controlling steam temperature in thermal power plant
US4407013A (en) * 1980-10-20 1983-09-27 Leeds & Northrup Company Self tuning of P-I-D controller by conversion of discrete time model identification parameters
FR2512985A1 (fr) * 1981-09-11 1983-03-18 Telemecanique Electrique Procede d'identification du modele d'une enceinte thermique et application a la regulation d'une enceinte thermique
US4512747A (en) * 1982-01-13 1985-04-23 Hitchens Max W Material conveying system simulation and monitoring apparatus
DE3376592D1 (en) * 1982-07-13 1988-06-16 Nec Corp Logic simulator operable on level basis and on logic block basis on each level
US4506321A (en) * 1982-09-08 1985-03-19 Imec Corporation Motion control system with adaptive deceleration
DE3305766A1 (de) * 1983-02-19 1984-08-23 Manfred 6401 Kalbach Pitsch Verfahren zum minimieren der energiekosten sowie hoechstlastwaechter zu seiner durchfuehrung
US4578747A (en) * 1983-10-14 1986-03-25 Ford Motor Company Selective parametric self-calibrating control system
DE3408523A1 (de) * 1984-03-08 1985-09-12 Siemens AG, 1000 Berlin und 8000 München Verfahren zur ueberwachung der durch die steuerung der antriebe einer rechnergesteuerten werkzeugmaschine oder eines industrieroboters erzeugten bahn
US4679174A (en) * 1984-04-26 1987-07-07 Western Geophysical Company Of America Method for seismic lithologic modeling
DE3429718A1 (de) * 1984-08-13 1986-02-20 H. Dipl.-Ing. 3400 Göttingen Lobenhoffer Verfahren zur herstellung von werkstoffkoerpern
NO166821C (no) * 1985-02-21 1991-09-04 Aardal & Sunndal Verk As Fremgangsmaate for styring av aluminiumoksyd-tilfoerselen til elektrolyseovner for fremstilling av aluminium.
US4617637A (en) * 1985-07-09 1986-10-14 Lifecare Services, Inc. Servo control system for a reciprocating piston respirator
US4663703A (en) * 1985-10-02 1987-05-05 Westinghouse Electric Corp. Predictive model reference adaptive controller
US4852053A (en) * 1985-10-18 1989-07-25 Exxon Chemical Patents Inc. Material and energy balance reconciliation
JPS62118406A (ja) * 1985-11-19 1987-05-29 Yaskawa Electric Mfg Co Ltd 未来目標値と過去の操作量及び試行時の偏差の情報を用いる制御方式
JPH0743608B2 (ja) * 1985-11-19 1995-05-15 株式会社安川電機 未来目標値と過去の操作量の情報を用いるディジタル制御装置
US4679103A (en) * 1986-04-29 1987-07-07 International Business Machines Corporation Digital servo control system for a data recording disk file
US4736316A (en) * 1986-08-06 1988-04-05 Chevron Research Company Minimum time, optimizing and stabilizing multivariable control method and system using a constraint associated control code
US4866644A (en) * 1986-08-29 1989-09-12 Shenk John S Optical instrument calibration system
US4769766A (en) * 1986-09-11 1988-09-06 Tung Hsien Hsin Robust model reference controller
JPS6370875A (ja) * 1986-09-12 1988-03-31 Sharp Corp トナ−補給時のトナ−濃度基準レベル設定方法
WO1988007230A1 (en) * 1987-03-09 1988-09-22 Siemens Aktiengesellschaft Digital differential module for sampling control systems
US5406488A (en) * 1987-05-06 1995-04-11 The Secretary Of State For Defence In Her Britannic Majesty's Government Of The United Kingdom Of Great Britain And Northern Ireland Correction of errors in autopilots
DE3852297T2 (de) * 1987-09-11 1995-04-06 Yaskawa Denki Seisakusho Kk Regelungssystem, das am besten einem periodischen sollwert folgt.
JP2726089B2 (ja) * 1988-03-29 1998-03-11 ケー‐トロン インターナシヨナル インコーポレイテツド 供給される材料の供給重量の制御方法及び装置
US4912624A (en) * 1988-03-30 1990-03-27 Syracuse University Multi-parameter optimization circuit
US4954975A (en) * 1988-08-10 1990-09-04 K-Tron International, Inc. Weigh feeding system with self-tuning stochastic control and weight and actuator measurements
DE69026122T2 (de) * 1989-01-25 1996-08-29 Canon Kk Selbstanpassende Vorrichtung
DE3921158A1 (de) * 1989-06-28 1991-01-10 Pintsch Bamag Ag Antriebsvorrichtung fuer eine selbsttaetig oeffnende und schliessende tuer, insbesondere eine gelenktuer
IL94626A (en) * 1989-07-06 1994-05-30 Cabot Corp Carbon black process control system
US5126933A (en) * 1990-02-07 1992-06-30 White Iii Charles A Self-learning memory unit for process controller and self-updating function generator
US5159660A (en) * 1990-08-09 1992-10-27 Western Thunder Universal process control using artificial neural networks
US5260874A (en) * 1990-09-05 1993-11-09 The Boeing Company Aircraft flight emulation test system
EP0524317A4 (en) * 1991-02-08 1995-02-15 Tokyo Shibaura Electric Co Model forecasting controller
US5260865A (en) * 1991-04-01 1993-11-09 Beauford Martin H Nonlinear model based distillation control
US5687077A (en) * 1991-07-31 1997-11-11 Universal Dynamics Limited Method and apparatus for adaptive control
US5139548A (en) * 1991-07-31 1992-08-18 Air Products And Chemicals, Inc. Gas liquefaction process control system
US5335164A (en) * 1991-07-31 1994-08-02 Universal Dynamics Limited Method and apparatus for adaptive control
US5301102A (en) * 1991-10-07 1994-04-05 Westvaco Corporation Multivariable control of a Kamyr digester
US5343407A (en) * 1991-11-01 1994-08-30 Phillips Petroleum Company Nonlinear model based distillation control
US5774381A (en) * 1992-03-04 1998-06-30 Meier; Paul F. Modeling and simulation of catalytic cracking
JP3158439B2 (ja) * 1992-03-31 2001-04-23 株式会社安川電機 予見制御装置
JP2957802B2 (ja) * 1992-05-19 1999-10-06 株式会社日立製作所 クロマトグラフ装置
US5402333A (en) * 1992-06-15 1995-03-28 E. I. Du Pont De Nemours & Co., Inc. System and method for improving model product property estimates
US5329443A (en) * 1992-06-16 1994-07-12 Praxair Technology, Inc. Two-phase method for real time process control
US5353237A (en) * 1992-06-25 1994-10-04 Oryx Energy Company System for increasing efficiency of chemical treatment
US5379210A (en) * 1992-07-24 1995-01-03 M&M Software Products, Inc. Natural tracking controller
US5740033A (en) * 1992-10-13 1998-04-14 The Dow Chemical Company Model predictive controller
JP2750648B2 (ja) * 1992-11-16 1998-05-13 本田技研工業株式会社 漸化式形式のパラメータ調整則を持つ適応制御器
JP3196390B2 (ja) * 1992-12-25 2001-08-06 富士電機株式会社 パラメータ同定器
US5424942A (en) * 1993-08-10 1995-06-13 Orbital Research Inc. Extended horizon adaptive block predictive controller with an efficient prediction system
JP3161921B2 (ja) * 1994-10-27 2001-04-25 ファナック株式会社 製品品質影響要因解析方法と装置及び成形条件調整方法、製品良否判別項目選択方法
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
US5682309A (en) * 1995-04-28 1997-10-28 Exxon Chemical Patents Inc. Feedback method for controlling non-linear processes
US6092919A (en) * 1995-08-01 2000-07-25 Guided Systems Technologies, Inc. System and method for adaptive control of uncertain nonlinear processes
DE19548909A1 (de) * 1995-12-27 1997-07-03 Siemens Ag Verfahren zur Regelung eines verzögerungsbehafteten Prozesses mit Ausgleich sowie Regeleinrichtung zur Durchführung des Verfahrens
DE69728256T2 (de) 1996-01-31 2005-03-03 Asm America Inc., Phoenix Modellgestützte prädiktive regelung für thermische behandlungen
US5796606A (en) * 1996-02-07 1998-08-18 Noranda Inc. Process information and maintenance system for distributed control systems
US5841652A (en) * 1996-04-03 1998-11-24 Scap Europa, S.A. Adaptive-predictive control and optimization system
US7149590B2 (en) 1996-05-06 2006-12-12 Pavilion Technologies, Inc. Kiln control and upset recovery using a model predictive control in series with forward chaining
US7058617B1 (en) * 1996-05-06 2006-06-06 Pavilion Technologies, Inc. Method and apparatus for training a system model with gain constraints
US7610108B2 (en) * 1996-05-06 2009-10-27 Rockwell Automation Technologies, Inc. Method and apparatus for attenuating error in dynamic and steady-state processes for prediction, control, and optimization
US5933345A (en) 1996-05-06 1999-08-03 Pavilion Technologies, Inc. Method and apparatus for dynamic and steady state modeling over a desired path between two end points
US7418301B2 (en) * 1996-05-06 2008-08-26 Pavilion Technologies, Inc. Method and apparatus for approximating gains in dynamic and steady-state processes for prediction, control, and optimization
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
US8311673B2 (en) * 1996-05-06 2012-11-13 Rockwell Automation Technologies, Inc. Method and apparatus for minimizing error in dynamic and steady-state processes for prediction, control, and optimization
US5850339A (en) * 1996-10-31 1998-12-15 Giles; Philip M. Analysis of data in cause and effect relationships
DE19722431A1 (de) * 1997-05-28 1998-12-03 Siemens Ag Verfahren zur Regelung eines verzögerungsbehafteten Prozesses mit Ausgleich sowie Regeleinrichtung zur Durchführung des Verfahrens
US6185470B1 (en) 1997-11-07 2001-02-06 Mcdonnell Douglas Corporation Neural network predictive control method and system
US8447534B2 (en) 1997-11-26 2013-05-21 Invensys Systems, Inc. Digital flowmeter
US6311136B1 (en) * 1997-11-26 2001-10-30 Invensys Systems, Inc. Digital flowmeter
US7784360B2 (en) 1999-11-22 2010-08-31 Invensys Systems, Inc. Correcting for two-phase flow in a digital flowmeter
US7124646B2 (en) * 1997-11-26 2006-10-24 Invensys Systems, Inc. Correcting for two-phase flow in a digital flowmeter
US7404336B2 (en) 2000-03-23 2008-07-29 Invensys Systems, Inc. Correcting for two-phase flow in a digital flowmeter
US8467986B2 (en) 1997-11-26 2013-06-18 Invensys Systems, Inc. Drive techniques for a digital flowmeter
US20030216874A1 (en) * 2002-03-29 2003-11-20 Henry Manus P. Drive techniques for a digital flowmeter
US6112137A (en) * 1998-02-04 2000-08-29 Gas Research Institute Adaptive system for predictive control of district pressure regulators
WO2000033209A2 (de) 1998-12-03 2000-06-08 Siemens Aktiengesellschaft Verfahren und anordnung zum entwurf eines technischen systems
US6298454B1 (en) 1999-02-22 2001-10-02 Fisher-Rosemount Systems, Inc. Diagnostics in a process control system
US6442445B1 (en) 1999-03-19 2002-08-27 International Business Machines Corporation, User configurable multivariate time series reduction tool control method
US6662058B1 (en) 1999-06-28 2003-12-09 Sanchez Juan Martin Adaptive predictive expert control system
US6611735B1 (en) * 1999-11-17 2003-08-26 Ethyl Corporation Method of predicting and optimizing production
JP2003528306A (ja) * 2000-03-23 2003-09-24 インベンシス システムズ インコーポレイテッド ディジタル流量計における二相流に対する修正
US6343656B1 (en) 2000-03-23 2002-02-05 Intevep, S.A. System and method for optimizing production from a rod-pumping system
US6721609B1 (en) 2000-06-14 2004-04-13 Fisher-Rosemount Systems, Inc. Integrated optimal model predictive control in a process control system
US6636842B1 (en) 2000-07-15 2003-10-21 Intevep, S.A. System and method for controlling an industrial process utilizing process trajectories
JP3666578B2 (ja) * 2000-08-18 2005-06-29 株式会社安川電機 予測制御装置
FR2817547B1 (fr) * 2000-12-01 2003-08-22 Total Raffinage Distribution Procede et dispositif pour le traitement en continu d'eaux usees d'origine industrielle par strippage a la vapeur d'eau
FI115081B (fi) * 2001-10-19 2005-02-28 Metso Automation Oy Menetelmä ja laitteisto paperikoneen massaosaston toiminnan ohjaamiseksi
US6901300B2 (en) 2002-02-07 2005-05-31 Fisher-Rosemount Systems, Inc.. Adaptation of advanced process control blocks in response to variable process delay
US6728620B2 (en) 2002-02-08 2004-04-27 Visteon Global Technologies, Inc. Predictive control algorithm for an anti-lock braking system for an automotive vehicle
US6818864B2 (en) 2002-08-09 2004-11-16 Asm America, Inc. LED heat lamp arrays for CVD heating
US7059199B2 (en) 2003-02-10 2006-06-13 Invensys Systems, Inc. Multiphase Coriolis flowmeter
US7188534B2 (en) 2003-02-10 2007-03-13 Invensys Systems, Inc. Multi-phase coriolis flowmeter
US7242989B2 (en) * 2003-05-30 2007-07-10 Fisher-Rosemount Systems, Inc. Apparatus and method for batch property estimation
US7065455B2 (en) * 2003-08-13 2006-06-20 Invensys Systems, Inc. Correcting frequency in flowtube measurements
DE102004058238B4 (de) * 2003-12-03 2016-02-04 Fisher-Rosemount Systems, Inc. Adaptive, multivariable Prozesssteuerung, die Modellschaltung und Attribut-Interpolation nutzt
JP4483314B2 (ja) * 2004-01-28 2010-06-16 株式会社安川電機 サーボ制御装置
TWI231481B (en) * 2004-03-11 2005-04-21 Quanta Comp Inc Electronic apparatus
GB0412672D0 (en) * 2004-06-07 2004-07-07 Bp Chem Int Ltd Method
US7356371B2 (en) * 2005-02-11 2008-04-08 Alstom Technology Ltd Adaptive sensor model
US7904182B2 (en) 2005-06-08 2011-03-08 Brooks Automation, Inc. Scalable motion control system
US7451004B2 (en) 2005-09-30 2008-11-11 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
GB2446343B (en) * 2005-12-05 2011-06-08 Fisher Rosemount Systems Inc Multi-objective predictive process optimization with concurrent process simulation
US7617055B2 (en) 2006-08-28 2009-11-10 Invensys Systems, Inc. Wet gas measurement
US7496414B2 (en) * 2006-09-13 2009-02-24 Rockwell Automation Technologies, Inc. Dynamic controller utilizing a hybrid model
US7949417B2 (en) * 2006-09-22 2011-05-24 Exxonmobil Research And Engineering Company Model predictive controller solution analysis process
WO2009086220A1 (en) * 2007-12-21 2009-07-09 University Of Florida Systems and methods for offset-free model predictive control
US7970365B2 (en) * 2008-11-19 2011-06-28 Harris Corporation Systems and methods for compensating for transmission phasing errors in a communications system using a receive signal
US7855681B2 (en) * 2008-11-19 2010-12-21 Harris Corporation Systems and methods for determining element phase center locations for an array of antenna elements
US7969358B2 (en) * 2008-11-19 2011-06-28 Harris Corporation Compensation of beamforming errors in a communications system having widely spaced antenna elements
US20100125347A1 (en) * 2008-11-19 2010-05-20 Harris Corporation Model-based system calibration for control systems
US20100123618A1 (en) * 2008-11-19 2010-05-20 Harris Corporation Closed loop phase control between distant points
US8170088B2 (en) * 2008-11-19 2012-05-01 Harris Corporation Methods for determining a reference signal at any location along a transmission media
US20100124263A1 (en) * 2008-11-19 2010-05-20 Harris Corporation Systems for determining a reference signal at any location along a transmission media
US8774948B2 (en) * 2009-04-14 2014-07-08 Wilsun Xu Operation and construction of electric power consuming facilities using facility models
ES2382631B1 (es) 2009-09-03 2013-05-03 Gamesa Innovation & Technology, S.L. Metodos y sistemas de control de aerogeneradores
JP4888618B2 (ja) * 2010-04-19 2012-02-29 日本電気株式会社 処理手順管理装置、処理手順管理方法、処理手順管理システム、および処理手順管理プログラム
ES2395659B1 (es) * 2011-06-30 2013-05-23 Universidad Nacional De Educación A Distancia Método y sistema de guiado mediante control por derivada.
US9389853B2 (en) * 2012-10-05 2016-07-12 Advanced Micro Devices, Inc. Adaptive control of processor performance
CN104267605B (zh) * 2014-10-25 2016-10-05 哈尔滨工业大学 适用于相对阶为1控制系统的平滑非奇异终端滑模控制方法
US10370599B2 (en) 2017-01-06 2019-08-06 Saudi Arabian Oil Company Methods and systems for optimizing demulsifier and wash water injection rates in gas oil separation plants
ES2848475B2 (es) 2020-02-06 2022-01-25 Adaptive Predictive Expert Control Adex Sa Procedimiento para generar un vector de control y sistema ADEX que lo aplica
CN115097884B (zh) * 2022-05-26 2022-12-30 福建省龙氟新材料有限公司 用于电子级氢氟酸制备的能源管理控制系统及其控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3601588A (en) * 1966-05-23 1971-08-24 Foxboro Co Method and apparatus for adaptive control
US3767900A (en) * 1971-06-23 1973-10-23 Cons Paper Inc Adaptive controller having optimal filtering
FR2144560B1 (de) * 1971-07-05 1974-03-29 Alsthom Cgee
FR2201499B1 (de) * 1972-09-29 1975-03-14 Alsthom Cgee
CH569321A5 (de) * 1973-10-03 1975-11-14 Siemens Ag

Also Published As

Publication number Publication date
BR7704892A (pt) 1978-04-25
US4358822A (en) 1982-11-09
AU2753277A (en) 1979-02-08
US4197576A (en) 1980-04-08
DE2735012A1 (de) 1978-02-09
DD131417A5 (de) 1978-06-21
FR2360928B1 (de) 1983-03-18
JPH0363081B2 (de) 1991-09-30
ES460649A1 (es) 1978-05-16
GB1583545A (en) 1981-01-28
NL7708657A (nl) 1978-02-07
AU513844B2 (en) 1981-01-08
SE7708828L (sv) 1978-02-05
JPS5320081A (en) 1978-02-23
SE445268B (sv) 1986-06-09
DK313777A (da) 1978-02-05
IT1143746B (it) 1986-10-22
MX150861A (es) 1984-08-03
IL52554A0 (en) 1977-10-31
IL52554A (en) 1981-05-20
FR2360928A1 (fr) 1978-03-03
AT370891B (de) 1983-05-10
ATA571377A (de) 1982-09-15

Similar Documents

Publication Publication Date Title
DE2735012C2 (de)
DE10304902B4 (de) Anpassung von erweiterten Prozeßsteuerblöcken in Abhängigkeit von veränderlichen Prozeßverzögerungen
DE69518965T2 (de) Mehrgrössen-/nichtlineare Prozesssteuerung
DE102004026979B4 (de) Vielfacheingabe- /Vielfachausgabe-Steuer-/Regelblöcke mit nichtlinearen Vorhersagefähigkeiten
DE69515323T2 (de) Modellgestützte prädiktive regelungsvorrichtung und -verfahren
DE69026192T2 (de) Gleitende moderegelungsverfahren mit kompensationsfunktion mit mitkopplung
DE60308143T2 (de) Verfahren zum entfernen von pid-dynamik aus mpc-modellen
DE69518208T2 (de) Verfahren und Vorrichtung zur Erzeugung einer Mehrgrössen-/nichtlinearen Steuerung
DE10165123B3 (de) Integrierte Optimalmodell-Vorhersagesteuerung in einem Prozeßsteuerungssystem
DE3750203T2 (de) Adaptives Prozessregelungssystem.
DE69220561T2 (de) Verfahren und gerät zur vorhersage-wiederholungssteuerung für servomotor
DE60107630T2 (de) Selbstjustierungsverfahren und -system für einen Controller
DE3141560A1 (de) Verfahren und vorrichtung zur prozesssteuerung und -regelung
DE10341764A1 (de) Integrierte Modell-Vorhersagesteuerung und -Optimierung innerhalb eines Prozesssteuerungssystems
DE102011012710A1 (de) Schnelle Identifikation und Erzeugung von Prozessmodellen
DE3311048A1 (de) Regelverfahren und -einrichtung
EP0663632A1 (de) Verfahren und Vorrichtung zur Führung eines Prozesses
EP0520233A2 (de) Einrichtung zur Identifikation einer Übertragungsstrecke
DE68918885T2 (de) Vorrichtung zum Erzeugen von Prozessregelungssignalen aus Prozessgrössensignalen.
EP0531712A2 (de) Regler, insbesondere Flugregler
DE2104992A1 (de) Verfahren zur Regelung mindestens einer Regelgroße einer totzeitbehafteten Regelstrecke und Regelsystem zur Durch fuhrung des Verfahrens
DE3020648A1 (de) Verfahren und vorrichtung zur regelung bzw. kontrolle technischer prozesse
DE3742686A1 (de) Vorrichtung zur modellgefuehrten steuerung eines roboters
EP3542229B1 (de) Einrichtung und verfahren zur bestimmung der parameter einer regeleinrichtung
DE10017600A1 (de) Regler, insbesondere Lenkregler für Flugkörper

Legal Events

Date Code Title Description
8110 Request for examination paragraph 44
8125 Change of the main classification

Ipc: G05B 13/02

D2 Grant after examination
8364 No opposition during term of opposition