JP2008544374A - Ｍｐｃモデルによるオンライン・ダイナミックアドバイザ - Google Patents

Abstract

プロセスの同定試験を使用して開発された、モデル予測制御要素からＰＩＤ制御要素のダイナミクスを除去するための方法が開示されている。そして、これにより、リアルタイムのデータにアクセスして、代替的な制御可能性のシナリオを調べる能力とともにプロセスの将来の状態の予測を継続するようにプロセスとともに作動する、オンラインのオペレータ・アドバイザに基づく非常に迅速な最終制御要素の生成が可能となる。
【選択図】図１

Description

モデル予測制御（Ｍｏｄｅｌ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｎｔｒｏｌ；ＭＰＣ）は、一連の操作変数調整を算定して複合多変数プロセスの将来の挙動を最適化する一種のアルゴリズムに関する。石油精製及び化学プロセスのニーズに合うよう元来は開発されたが、現在では、ＭＰＣは、化学工業、食品加工、自動車産業、航空宇宙産業、冶金工業、並びにパルプ及び製紙工業を含む、幅広い応用分野で見受けられる。化学及び精製への適用におけるＭＰＣのよく知られた実施は、ダイナミックマトリクス制御（Ｄｙｎａｍｉｃ Ｍａｔｒｉｘ Ｃｏｎｔｒｏｌ）又はＤＭＣである。

ＭＰＣ制御要素は、プロセスのソフトウェアモデルを使用して、関心のある出力変数に対する操作変数及び測定可能な外乱の過去の変化の影響を予測する。独立変数は、予測区間として知られる時間間隔にわたる将来のシステムの挙動を最適化するように、算定される。一般的なケースでは、任意の所望の目的関数を最適化に使用できる。システムのダイナミクスは、原理的には、多くの様々な数学的な形式を取ることができる明示的なプロセスモデルによって記述される。プロセスの入力及び出力制約が、将来の強制外乱を予測且つ防止するように、問題となっている方程式に直接的に含まれる。

実際には、ＭＰＣ制御要素において、多くの様々なアプローチが開発且つ商業化されている。最も成功した実施は、プラントダイナミクス（Ｐｌａｎｔ Ｄｙｎａｍｉｃｓ）のための線形モデルを使用している。線形モデルは、独立変数に関する試験的な外乱を導入し従属変数に関する外乱の影響を測定することでプロセスに関するデータを収集することによって、最初のステップとして開発されている。このような最初のステップは、同定と称される。

米国特許第４，３４９，８６９号及び第４，６１６，３０８号は、ダイナミックマトリクス制御（ＤＭＣ）と称されるＭＰＣ制御の実施について記述している。これらの特許は、プラントの線型モデルに基づくＭＰＣアルゴリズムを記述しており、プロセスの制約が問題となっている方程式にどのように含まれるのかを記述する。また、プロセスデータを用いたＭＰＣ制御要素の初期の同定を記述している。

さらなる背景として、このようなプロセスのダイナミクスの同定は、プロセスの独立変数をあるパターンで移動させて従属変数への影響を判定する予備試験を要する。化学工業又は精製プロセスでは、独立変数が、選択した従属変数についてのＰＩＤ（比例−積分−微分）制御要素の設定ポイント、手動でのＰＩＤ制御要素の最終制御要素ポジション、並びに領域の制御要素の範囲外で決定される温度、材料流量、圧力及び組成を含む。任意のプロセス同定試験について、データ解析のために独立変数が固定される。さらに、ＭＰＣ制御要素の領域における任意のＰＩＤ制御要素のチューニングが固定される。同定からダイナミックプロセスモデルを使用するのに構築されるＭＰＣ制御要素は、同定を実行した場合に存在する独立変数と同じ構成を正確に有していなければならない。このため、同定の際に存在するＰＩＤ制御要素の構成は、ダイナミックモデルにＰＩＤ制御要素のダイナミクスを組み込んでいる。ＰＩＤダイナミクスはプラント挙動の一部であるため、過度の外乱がプロセスに生じる際に発生する変数の固有の相関関係がある。様々なＰＩＤ制御ループは、これらの過度の外乱に応答しそれに応じて多くの被制御変数を変える。これにより、標準的な同定試験を使用して、実施する者がＰＩＤダイナミクスが無いＭＰＣ制御要素を常に生成できないようにしている。

本発明者による米国特許出願番号第１０／０４７，４７３号が、参照することにより全体的に本出願に盛り込まれている。本出願は、上記の問題を扱っており、マトリクス列消去計算を使用して、独立して制御可能な操作変数の新たなセットを有し、モデルから消去される選択した独立して制御可能な操作されるＰＩＤ制御要素の設定ポイントの変数を有する第２の線形化モデルを生成する線形化モデルで、選択した最終制御要素ポジション（通常バルブポジション）の被制御変数を、対応する選択した独立して制御できる操作するＰＩＤ制御要素の設定ポイントの変数と置換する新たな数学的マトリクスのアルゴリズムを使用することによって、ダイナミックモデルからＰＩＤダイナミクスを除去するための方法を記述している。このような第２の線形化モデルは、最終制御要素ポジションのみに基づく開ループモデルである。それは開ループの有限インパルス応答モデルであるため、リアルタイムよりも５０倍から１００倍早く実行できることが明らかである。米国特許出願番号第１０／０４７，４７３号は、オフラインのトレーニングシミュレータでの制御及び開発の双方で、このようなタイプのモデルの使用を記述及び主張している。

化学品製造及び石油精製といった複合多変数プロセスにおいて、非常に望ましいが満足されていない必要なことは、オペレータに対する迅速なオンラインのアドバイザであるようだ。これを２つの重要な方法で使用できる。フォアグラウンドモードでは、オペレータアドバイザは、独立変数及び構成の過去の変化に基づいてプロセスがどこに向かうかについての連続的な予測を与えるよう動作可能である。バックグラウンドモードでは、アドバイザは、オペレータにアドバイスでき、トレーニングモードを提供しシナリオを使用して新たな経験豊かなオペレータに教えることができる。このような機能は、従来技術又は現在において利用できていない。このような機能に対する明らかな代償は、緊急停止の防止及びユニットの安全性である。

ＰＩＤ制御要素のエミュレーションと合わさった除去されるＰＩＤダイナミクスを具えＤＣＳと合わさった新たなモデルを有する開ループの有限インパルス応答モデルの使用による、このような満たされていない必要性の認識及びこのような必要性の対処方法は、本発明の一つの態様である。

本発明の目的は、プラント同定試験によって生成されたＭＰＣ制御要素からＰＩＤ制御要素のダイナミクスを除去するための方法を提供することである。これにより、プロセスのＦＩＲモデルに基づいて最終制御要素の生成が可能となる。そして、この最終制御要素に基づくモデルは、ＰＩＤ制御体系のエミュレーションに組み合わせ、迅速且つ信頼性のあるオンラインのオペレータアドバイザを生成するための分散型制御システム（ＤＣＳ）コンソールを介して、プロセスの動作の際にガイドオペレータと組み合わせることができる。ＰＩＤ制御要素のダイナミクスがＦＩＲモデルに基づく最終制御要素から分離しているため、このようなオンラインのオペレータアドバイザを、プラント同定試験を繰り返す必要なしに、様々な制御構成で使用できる。このようなタイプのオンラインのアドバイザは、以前に成し遂げられていない。

本発明のさらなる目的は、ＭＰＣ制御要素の様々な実施で使用できるような方法を提供することである。

本発明のさらなる目的は、プロセスの新たな同定試験を行う必要なしに、新たな調整可能な制御構成又は新たなチューニングに修正可能な複合多変量プロセスのためのオンラインのアドバイザを生成する方法を提供することである。

本発明の目的は、プロセスシミュレーション及びトレーニングシミュレータで使用するためのプロセスについてのオンラインのオペレータアドバイザを生成するための方法によって達成され、このアドバイザは、ＰＩＤダイナミクスの影響を除去することによって、すなわち、複数の独立して制御可能な操作変数及び独立して制御可能な操作変数に従属する少なくとも１の被制御変数を有するプロセスの制御モデルのダイナミクスから外乱の影響を除去することによって生成される。そして、本発明は、それぞれの操作変数に試験的な外乱を個別に導入して被制御変数に関する外乱の影響を測定することによって、プロセスに関するデータを収集するステップと；被制御変数に対する外乱の影響を使用して、独立して制御可能な操作変数に対して少なくとも１の被制御変数を関連付ける第１の線形化ダイナミックモデルを生成するステップと；選択した最終制御要素ポジションの被制御変数を、マトリクス列消去計算を用いて、第１の線形化ダイナミックモデルにおけるそれらに対応する選択した独立して制御可能な操作ＰＩＤ制御要素の設定ポイントに置換することで、独立して制御可能な操作変数の新たなセットを有する第２の線形化ダイナミックモデルであって、第２のダイナミックモデルから除去された選択した独立して制御可能な操作ＰＩＤ制御要素の設定ポイント変数のダイナミクスを有する第２の線形化ダイナミックモデルを生成するステップと；数学的なエミュレータにより調整可能な制御体系を外部からエミュレートすることで、手動、カスケード、又は自動モードでＰＩＤ制御要素をエミュレートして、プロセスの完成したモデルを取得するステップと、を具える。

本発明の別の態様は、プロセスからリアルタイムデータにアクセスして、従属及び独立変数の状態で完成したモデルを初期化するステップと、調整可能な制御システムの構成を初期化するステップと、完成したモデルを数学的に解いて被制御変数の将来の進路を予測することができるように予測ベクトルの状態を初期化するステップと、によって記述される。

当然のことながら、調整可能な制御体系を、最新の制御パッケージで利用できるＤＣＳコンソール又はコンソールエミュレータにより、プロセスモデルの外部から容易にエミュレートできる。これにより、オペレータが、手動モード、ブレークカスケード（ｂｒｅａｋ ｃａｓｃａｄｅ）で、ＰＩＤ制御要素を再チューニングし、又は調整可能な制御体系を再構成できる。

石油精製及び化学プロセスに現在使用される最も一般的な同定方法は、Ｄｙｎａｍｉｃ Ｍａｔｒｉｘ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ（ＤＭＩ）である。ＤＭＩは、本発明に係る方法を表すのに使用されるが、当然のことながら、本発明は特定の同定方法に限定されない。

本発明は、プロセスのＭＰＣ制御要素からＰＩＤ制御要素のダイナミクスを除去して、プロセスのオンラインのアドバイザをその後に生成するための、モデル予測制御とともに使用する方法である。

ＭＰＣプロセスモデルは、１組の一次方程式であるため、独立変数と従属変数との間に関連性を有する場合、従属変数に任意の独立変数を置換することが数学的に可能である。このような変換の候補セットは、ＰＩＤ制御要素についての設定ポイント（独立）及びＰＩＤ制御要素についての関連する最終制御要素ポジション（従属）である。

ＭＰＣ制御要素は、多くの場合、プロセスシステムの線形モデルに基づいている。本書に記載した本発明は多くの分野にアプリケーションを有するが、使用する実施例は化学及び精製プロセスアプリケーションからであろう。

任意のシステムには、２つのタイプの変数が有る；すなわち独立変数及び従属変数である。独立変数は、システムに入力される。さらに、独立変数は、操作変数及び外乱（フィードフォワード）変数に分けられる。操作変数は、最終制御要素ポジション又はＰＩＤ制御要素の設定ポイントといった、人間のオペレータによって変更可能なものである。外乱変数は、システムに影響を与えるが人間のオペレータによって変更できないような独立変数である。供給組成、供給温度、及び周囲温度といった変数が、外乱変数の例である。

従属変数は、システムから出力される。従属変数は、独立変数の変化に影響される。人間のオペレータは、直接それらを変更することはできない。しかしながら、操作変数の値を正確に変えることによって従属変数の値を制御できる。さらに、外乱がシステムに入力されると、操作変数を正確に調整してこの外乱を無効にしなければならない。

線形モデルの使用により、複合且つ多変数の制御を説明するのにマトリクス数学を使用できる。ＭＰＣモデルのいくつかの一般的な方程式がある。制御についての一般的なモデルは、ステップ応答モデル（ｓｔｅｐ ｒｅｓｐｏｎｓｅ ｍｏｄｅｌ）である：

式１：ステップ応答ダイナミックマトリクス、ブロックマトリクス形式
ここで、

は、各時間ステップにおける第ｉ番目の従属変数の累積変化であり、

は、各時間ステップにおける第ｊ番目の独立変数におけるステップ変化であり、さらに、

は、ダイナミックマトリクスである。

このようなステップ応答式の代替的な形式は、有限インパルス応答（Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ；ＦＩＲ）形式である。それは、以下のようなステップ応答形式から導くことができる。

という定義から再度呼び出す。与えるべき上記の連立方程式を区別することができる。

式２：有限インパルス応答式−ブロック行列形式

ここで、

は、各時間間隔にわたる第ｉ番目の従属変数の変化であり、

は、上記のとおりであり、

は、インパルス係数のモデルマトリクスである。

これらの方程式の５つの形式があるが、最初の２つのみを示した。これらの形式は、数学的に等価であり、全ての形式を同定予測及び制御に使用してよいが、一方でそれらは非常に異なる特性を有する。

δＯ＝ＡΔＩ−制御計算に最もよく使用される。
ΔＯ＝ＢΔＩ−定常状態変数の同定に使用される。
ΔΔＯ＝ＢΔΔＩ−ランプ（ｒａｍｐ）変数の同定に使用される。
δＯ＝ＢδＩ−通常は使用しない。古いＩＤＣＯＭ制御方程式である。
ΔＯ＝ＡΔΔＩ−通常は使用しない。

Ｃ．Ｒ．Ｃｕｔｌｅｒ及びＣ．Ｒ．Ｊｏｈｎｓｔｏｎは、これらの行列形式の特性を、アメリカ計測学会のプロシーディング、ＩＳＡ ８５ Ａｄｖａｎｃｅｓ ｉｎ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ Ｖｏｌｕｍｅ ４０， Ｎｕｍｂｅｒ １−Ｏｃｔｏｂｅｒ １９８５、における論文「Ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ Ｆｏｒｍｓ ｏｆ ｔｈｅ Ｄｙｎａｍｉｃ Ｍａｔｒｉｘ」で議論している。

モデルの同定を含む線形モデリング方法の使用、制御用モデルの使用及び制約をともなう制御における使用は、米国特許第４，３４９，８６９号及び第４，６１６，３０８号に記載されている。

ここで、本発明のアルゴリズムを導出して、制御要素からのＰＩＤ（比例−積分−微分）ダイナミクスの除去を示すこととする。導出は、式２のＦＩＲモデルからである。アルゴリズムを導出するために、ｊ番目の独立変数をＰＩＤ制御要素の設定ポイント、ｉ番目の従属をこのような設定ポイントの変化に対するＰＩＤ最終制御要素と仮定する。多くのプロセスにおける最終制御要素はバルブであるが、モータのスピード設定といった他のものも可能である。最終制御要素項は、ＰＩＤ制御ループに応答する任意のこれらの要素を予測する。最終制御要素がプロセスモデルにおける独立変数であるように、モデルを再構築したい；すなわち、全ての影響を受けたモデル応答からこのようなＰＩＤ制御要素のダイナミクスを除去したい。これは、以下のように、ｉ番目の従属変数をｊ番目の従属変数と置換することによって、実行できる：

ここで、

は、単位行列である。これはΔＯ’ｓを乗じた単位行列を具えたまさに上式２であることにことに留意されたい。

列消去操作（回転（ｐｉｖｏｔｉｎｇ））を実行することによって、

を得る。これは、

のように書き直すことができる：これは、以下のように再構成できる；

又は、マトリクス方程式に再び組み立て；

を得る。

ここで、最終制御要素ポジションが独立変数でＰＩＤ設定ポイントが従属変数となるように、ΔＯ _ｉ及びΔＩ _ｊを置換していることに留意されたい。これは、単に１つのＰＩＤ制御要素からＰＩＤダイナミクスを除去することを示すが、アルゴリズムは、複数の制御要素についてのダイナミクスを除去するよう複数の独立／従属変数の対を置換できる点で、明らかに一般的である。

ここで、さらなる例示の方法により、特定のＰＩＤ制御要素のダイナミクスを除去するために、このようなアプローチがモデル予測制御要素にどのように適用されるかを示すために、数例問題を示すこととする。

２番目の独立変数はＰＩＤ制御要素の設定ポイントで、２番目の従属変数はＰＩＤ制御要素の最終制御要素ポジションである場合に、２つの独立変数、２つの従属変数及び４つのモデル係数を具えたＦＩＲモデルを与えると、ＰＩＤ設定ポイントの代わりに独立変数としてＰＩＤ最終制御要素ポジションを具えたモデルを再構成したい。これは、上記のアルゴリズムに従って全てのシステム応答からＰＩＤ制御要素のダイナミクスを除去することを要する。また、本例は、方程式のΔＯ＝ＢΔＩ_ｉ，δＯ＝ＢδＩ，及びΔΔＯ＝ＢΔΔＩ形式に有効である。

従属変数−１
独立変数−１ 独立変数−２
ｂ_1,1,1＝１．５ ｂ_1,2,1＝０．５
ｂ_1,1,2＝０．６ ｂ_1,2,2＝０．４
ｂ_1,1,3＝０．２ ｂ_1,2,3＝０．２
ｂ_1,1,4＝０．１ ｂ_1,2,4＝０．１

従属変数−２
独立変数−１ 独立変数−２
ｂ_2,1,1＝−０．３ ｂ_2,2,1＝０．７５
ｂ_2,1,2＝−０．４ ｂ_2,2,2＝０．２５
ｂ_2,1,3＝−０．１ ｂ_2,2,3＝０．１５
ｂ_2,1,4＝−０．０５ ｂ_2,2,4＝０．０５

この問題は、以下のマトリクスで定められる。
回転要素を示す

式５に（−１／０．７５）を乗じる

式５に０．５を乗じて、それに式１を加えて式１を置換する
式５に０．４を乗じて、それに式２を加えて式２を置換する
式５に０．２を乗じて、それに式３を加えて式３を置換する
式５に０．１を乗じて、それに式４を加えて式４を置換する
式５に０．２５を乗じて、それに式６を加えて式６を置換する
式５に０．１５を乗じて、それに式７を加えて式７を置換する
式５に０．０５を乗じて、それに式８を加えて式８を置換する

式６に（−１／０．７５）を乗じる

式５に０．５を乗じて、それに式２を加えて式２を置換する
式５に０．４を乗じて、それに式３を加えて式３を置換する
式５に０．２を乗じて、それに式４を加えて式４を置換する
式５に０．２５を乗じて、それに式７を加えて式７を置換する
式５に０．１５を乗じて、それに式８を加えて式８を置換する

式７に（−１／０．７５）を乗じる

式５に０．５を乗じて、それに式３を加えて式３を置換する
式５に０．４を乗じて、それに式４を加えて式４を置換する
式５に０．２５を乗じて、それに式８を加えて式８を置換する

式８に（−１／０．７５）を乗じる

式５に０．５を乗じて、それに式４を加えて式４を置換する

式を再度整理すると、

ＰＩＤダイナミクスを除去した新たなモデル係数は、以下のとおりである：

従属変数−１
独立変数−１ 独立変数−２
ｂ_1,1,1＝１．７ ｂ_1,2,1＝０．６６７
ｂ_1,1,2＝０．９６ ｂ_1,2,2＝０．３１１
ｂ_1,1,3＝０．４ ｂ_1,2,3＝０．０３０
ｂ_1,1,4＝０．１８１ ｂ_1,2,4＝０．０１７

従属変数−２
独立変数−１ 独立変数−２
ｂ_2,1,1＝０．４ ｂ_2,2,1＝１．３３３
ｂ_2,1,2＝０．４ ｂ_2,2,2＝−０．４４４
ｂ_2,1,3＝−０．０８ ｂ_2,2,3＝−０．１１９
ｂ_2,1,4＝−０．０１３３ ｂ_2,2,4＝０．０４０

全ての値が変化していることに留意されたい。ここで、このような新たな制御要素は、第２の独立変数（ＰＩＤ設定ポイント）の除去したダイナミクスを有する。このような制御要素を使用してプロセスを制御でき、このような制御要素の開発が、プロセスにおいて付加的な時間のかかる高価な同定試験を行う必要なしに、オフラインで成された。

同様な方法が、方程式の開ループのステップ応答形式からＰＩＤダイナミクスを除去するために導出された。それは、本発明者によって出願番号第１０／０４３，４７３号に示されており、本書で繰り返し説明しないこととする。

列シミュレーション例
アルゴリズムの使用例を、以下の例で示す。本例は、以下に示すこととする。

オンラインのアドバイザ又はオフラインの訓練シミュレータとして使用するためのプロセスシミュレータとしての最終制御要素に基づく有限インパルス応答（ＦＩＲ）モデルの使用

特定の調整する制御構成に基づいたＦＩＲモデルのプラントステップ試験及び同定

ＰＩＤ制御要素ダイナミクスを除去し、且つ基礎を成す最終制御要素に基づくモデルを回復するために提案されたアルゴリズムの使用

本例では、バルブポジションに基づくＦＩＲモデルをプロセスモデルとして使用して、複合分留装置の挙動をシミュレートする。分留装置に対する調整可能な制御は、３つのＰＩ（比例／積分）フィードバック制御要素から成る。プラントステップを、調整可能な制御要素の設定ポイントを使用したシミュレーションで実行する。そして、ＦＩＲモデルは、ＰＩ制御要素の設定ポイントに基づいて、分留装置ついて得られる。そして、調整可能な制御体系に基づいたこのようなモデルはアルゴリズムに入力され、ＰＩ制御要素ダイナミクスを除去し、且つオリジナルのＦＩＲプロセスモデルを回復する。

ステップ形式をインパルス係数から直接計算できるため、有限インパルス応答（ＦＩＲ）モデルという用語が、モデルの開ループのステップ応答形式に言及するのに使用されることに留意されたい。

複合分留装置の概略図の説明
複合分留装置の概略図を図１に示す。供給流量５を上流側ユニットによって制御し、炉６で予熱する。分留装置７は、トップ、ミドル、及びボトム製品を有する。分留装置のオーバーヘッド温度を、トップの還流を移動させるＰＩ制御器８で制御する。ミドル製品の引き出し温度（ｄｒａｗ ｔｅｍｐｅｒａｔｕｒｅ）を、ミドル製品引き出し量を移動させるＰＩ制御器８で制御する。第３のＰＩ制御器１０が、ボトム製品の生産量を移動させて分留装置のボトムレベルを制御する。ボトムの組成（軽成分）を分析器１１で測定する。

有限インパルス応答（ＦＩＲ）モデルの説明
本例で使用するプロセスモデルは、以下に要約するように、バルブポジションに基づく開ループのステップ応答モデルである：
モデルの独立変数
ＴＩＣ−２００１．ＯＰ−トップの還流のフローバルブ
ＴＩＣ−２００２．ＯＰ−ミドル製品のフローバルブ
ＬＩＣ−２００７．ＯＰ−ボトム製品のフローバルブ
ＦＩＣ−２００４．ＳＰ−ミドルの還流の流量
ＦＩ−２００５．ＰＶ−分留装置の供給量

モデルの従属変数
ＴＩＣ−２００１．ＰＶ−分留装置のオーバーヘッド温度
ＴＩＣ−２００２．ＰＶ−ミドル製品の引き出し温度
ＬＩＣ−２００７．ＰＶ−分留装置のボトムのレベル
ＡＩ−２０２２．ＰＶ−分留装置のボトムの組成（軽成分）

開ループのステップ応答は、理想的な意味で以下のように生成されると見なすことができる。定常状態のシステムでは、第１の独立変数が、他の全ての独立変数が一定に保持されるが、時間＝０で１工学単位だけ増加する。そして、全ての従属変数の値をシステムが再び定常状態に達するまで等しい時間間隔で測定する。そして、このような従属変数についての将来の各時間間隔での各測定値から時間＝０で従属変数の値を減じることによって、第１の独立変数に関する各従属変数のモデル応答曲線を計算する。本質的に、ステップ応答曲線は、独立変数の変化の従属変数に対する影響を表す。そして、このプロセスを全ての独立変数について連続して繰り返して完全なモデルを生成する。このモデルの定常状態の時間を、システムにおける最も遅い応答曲線の定常状態の時間によって定義する。

明らかに、現実の世界では、プロセスが多くの場合定常状態でないため、モデルをこのような方法で生成できない。さらに、独立変数のステップの際に、測定され及び測定されない外乱がシステムに影響を及ぼすのを防ぐのが不可能である。モデルの生成は、複数のステップを各独立変数（プラントステップ試験）に作ることを要する。このため、収集したデータを、その後、アスペンテック（ＡｓｐｅｎＴｅｃｈ）社のＤＭＣｐｌｕｓ Ｍｏｄｅｌプログラムといったパッケージソフトウェアで解析して、開ループのステップ応答モデルを計算する。

このようなモデルが同定されると、それを使用して独立変数の過去の変化に基づいた将来のシステム応答を予測できる。すなわち、過去のある定常状態の時間についての全ての独立変数がどのように変化したかを知っている場合、これ以上独立変数が変化しないものと仮定し、このようなモデルを使用して将来のある定常状態の時間について従属変数がどのように変化するのかを予測できる。これは、予測モデルの使用を示す（これは、プロセスシミュレータとしてＦＩＲモデルを使用する根拠である）。

これ以上の独立変数の変化がないことに基づいて予測した将来のシステム応答が与えられるとともに、全ての独立及び従属変数について制約が与えられると、このモデルを使用して制約内の全ての独立及び従属変数を維持するよう動く独立変数のストラテジーを計画できる。これは、制御モデルの使用を示す。

プロセスシミュレータとしての有限インパルス応答（ＦＩＲ）モデルの使用
本例についてのモデルは、９０分の定常状態の時間を有する。３分の時間間隔を使用する。結果として生じる応答曲線は、各々、他の全ての独立変数を一定に保持する一方で、時間＝０で独立変数のステップ変化に関して時間にわたる従属変数の累積変化を表す３０個のベクトルによって定義される。

モデル係数を表１に示しており、モデルのプロットを図２に示す。バルブポジションに基づいてこのモデルを使用して、モデルの独立変数の過去及び現在の変化に基づいたモデルの従属変数における将来のシステムの挙動を予測する。

表１：バルブに基づくモデル係数の分留装置シミュレーション
従属変数−１：ＴＩＣ−２００１．ＰＶ ＤＥＧ Ｆについてのステップ応答係数

従属変数−２：ＴＩＣ−２００２．ＰＶ ＤＥＧ Ｆについてのステップ応答係数

従属変数−３：ＬＩＣ−２００１．ＰＶ ％についてのステップ応答係数

従属変数−４：ＡＩ−２００２．モル％についてのステップ応答係数

上記のように、本システムには３つのＰＩ（比例／積分）制御要素がある。これらのＰＩ制御要素は、以下のように構成される：
表２：分留装置のＰＩＤ制御要素

プロセスを調整する３つのＰＩ制御要素を用いてプラント試験を実施した（図３のデータプロット）。

モデルの独立変数
ＴＩＣ−２００１．ＯＰ−トップの還流のフローバルブＳＰ
ＴＩＣ−２００２．ＯＰ−ミドル製品のフローバルブＳＰ
ＬＩＣ−２００７．ＯＰ−ボトム製品のフローバルブＳＰ
ＦＩＣ−２００４．ＳＰ−ミドルの還流の流量
ＦＩ−２００５．ＰＶ−分留装置の供給量

モデルの従属変数
ＴＩＣ−２００１． ＰＶ−分留装置のオーバーヘッド温度
ＴＩＣ−２００２．ＰＶ−ミドル製品の引き出し温度
ＬＩＣ−２００７．ＰＶ−分留装置のボトムのレベル
ＴＩＣ−２００１．ＯＰ−トップの還流のフローバルブ
ＴＩＣ−２００２．ＯＰ−ミドル製品のフローバルブ
ＬＩＣ−２００７．ＯＰ−ボトム製品のフローバルブ
ＡＩ−２０２２．ＰＶ−分留装置のボトムの組成（軽成分）

これは、プロセスシミュレータとして最終制御要素に基づいたＦＩＲモデルの使用を示す。上記のように、ＰＩＤ制御計算は、プロセスシミュレーションの外部で実行された。

図４に示すように、結果として生じるデータを解析して、このようなＰＩＤ構成に基づくモデルを同定した。

ＰＩＤダイナミクスを除去するための新たなアルゴリズムを、図４に示すモデルに適用し、ＰＩＤダイナミクスを除去したこのモデルをオリジナルのシミュレーションモデルと比較する。図５に示すように、アルゴリズムがモデルに基づくオリジナルの最終制御要素をうまく回復する。回復したモデルの定常状態の時間は、オリジナルのモデルの定常状態の時間よりも長いことに留意されたい。これは、ＰＩＤ制御要素を備えたモデルについての、より長い定常状態の時間の結果である。オリジナルの最終制御要素に基づくシミュレーションモデルは、９０分の定常状態の時間を有した。

ＰＩＤ制御要素を構成してプラントステップ試験を実行した場合には、ＰＩＤフィードバック制御が安定する（ｓｅｔｔｌｅ ｏｕｔ）のを待機しなければならないため、このプロセスが定常状態に達するまで１８０分要した。回復した最終調整要素に基づくモデル定常状態の時間は、生成したＰＩＤダイナミクスを含むモデルと同じ定常状態の時間を有する。しかしながら、回復したモデルが９０分で定常状態に達したことは理解でき、また、その時点で切られた場合には、オリジナルの最終調整要素に基づくモデルと正確に一致するであろう。

オンラインのアドバイザへの本発明の適用性
バルブのポジションといった対応する最終制御要素ポジションによって置き換えられるＰＩＤの設定ポイントを有する迅速なインパルス応答モデルを生成する能力により、本書で説明するようなオンラインのオペレータアドバイザの開発が可能となる。オペレータアドバイザは、オフラインのシミュレータ又は訓練器よりも実施が非常に難しい。オペレータアドバイザは、どこに有りどこに行こうとしているかに関する実際のプロセスを扱う。従来のシミュレータは、履歴データのみを扱い、リアルタイムのデータのやり取りを行わない。それは、プロセスがたどって定常状態になる進路を予測しない。オペレータアドバイザは、過去における定常状態になるまでの時間からプロセスのリアルタイムの測定にアクセスして、将来の定常状態に向けてプロセスが当面どこに向かうかを予測するため、オペレータアドバイザはフィードバックを連続的に使用して、モデルの応答を変更する。オフラインのシミュレータは、このようなことができない。プロセスと同じスピードで従来のシミュレータを実行することが無理であるため、従来、リアルタイムのアドバイザとして従来のシミュレータを使用することは考えられなかった。プロセスのスピードの１００倍を超える開ループの最終制御要素ＦＩＲモデルの生成は、本発明の一態様であるが、これにより初めてオペレータアドバイザの生成が可能となる。従属する被制御変数の将来の応答のオペレータアドバイザのための予測は、予測を実際の測定と一致させる。オペレータアドバイザの開ループの最終制御要素モデル予測は、バルブがサチュレート（ｓａｔｕｒａｔｅ）し、ＰＩＤ構成の変更が行われ、又は予測制御要素に当てはまらないチューニングの変更が行われる場合に、無効にされることはない。

統合した発明の概念を図６において全体を符号５０で示す。任意の安定した調整可能な構成及びＰＩＤチューニングで、プラント同定試験を実施可能であり（ステップ６０）、対応するモデルを取得できる。そして、ＰＩＤダイナミクスを除去するためのアルゴリズムを結果として得られるモデルに適用して（ステップ７０）、全てのＰＩＤ制御要素のダイナミクスを除去し、ＰＩＤ設定ポイントから数値又は最終制御要素にモデルの入力を変換する。これは、開ループＦＩＲモデルである。そして、調整可能な制御体系を、分散型制御システム（ＤＣＳ）コンソール又はコンソールエミュレータによってプロセスのモデルの外部からエミュレートして（ステップ８０）、完成したモデルを生成する。これにより、オペレータがＰＩＤ制御要素を、手動モード、ブレークカスケードで、再チューニングして、調整可能な制御体系を任意に再構成する。完成したモデルは、オペレータによって変更可能なＰＩＤ制御要素のエミュレーションと組み合わせてＰＩＤダイナミクスと無関係な、開ループの最終制御要素プロセスモデルである。

ここで、最終制御素子ベースの開ループプロセスモデルを有することの重要性に注意しなくてはならない。ＤＭＣ制御要素といった従来のモデル予測制御要素は、プロセスの測定値を使用して、プロセスの将来の状態の予測を更新するが、バルブがサチュレート（ｓａｔｕｒａｔｅ）した場合には、予測を無効にしてこのようなデータを無視しなければならない。ＰＩＤ設定ポイントの代わりに最終制御要素に基づく開ループモデルを具え、バックグラウンドでＰＩＤ制御要素に何が起こるかに拘わらず常に予測を保持する。このため、本書に記載のオペレータアドバイザのモデルを、調整可能な制御構成又はチューニングで、バルブのサチュレーション又は変化を考慮せずに、予測多変量制御要素のための予測ベクトルの生成のために使用できる。このような性能は、従前において利用されていない。

モデルとしての開ループＦＩＲは、リアルタイムよりも５０から１００倍早く動作する。これを２つの重要な方法で使用できる。フォアグラウンドモードでは、オペレータアドバイザは、独立変数及び構成の過去の変化に基づいてプロセスがどこに向かうかの連続的な予測を与えることができる。バックグラウンドモードでは、アドバイザがオペレータにアドバイスして、シナリオの使用により新たな経験豊かなオペレータに教えるためのトレーニングモードを与えることができる。これらの機能は、従来技術及び現在において利用できていない。設定ポイント、チューニング、又はＰＩＤ制御要素の構成を変える場合、リアルタイムのバックグラウンドモードにより、オペレータが将来においてプロセスに何が起きるであろうことを数分で予想することができる。フォアグラウンドモードでは、ＯＡソフトウェアが、定常状態に達するとプロセスがたどるであろう進路の予測を保持する。プロセスによる測定を使用して、予測がバルブの飽和又はＰＩＤのチューニング又は構成の変化によって向こうにならない開ループモデルに基づいているのを除いて、予測制御要素によって使用されたのと同じような方法で予測を更新する。予測は、バックグラウンドで何が起こっているかに拘わらず常に保持される。オペレータが変化を調べた後、オペレータはリアルタイムでバックグラウンドを作成したいと望み、オペレータは自信を持ってプロセスに変更を加える。このような機能に対する明らかな回収は、緊急停止の防止及びユニットの安全性である。

プロセスを（ＰＩＤダイナミクスを除去した）開ループの高速有限インパルス応答モデルに基づいて最終制御要素によってモデル化しているため、それは、将来に向けて連続的な更新を行う上記のフォアグラウンドモード及びオペレータがアドバイザに「ｗｈａｔ ｉｆ」の質問を要求できるバックグラウンドモードの双方で、リアルタイムよりもかなり迅速に動作する。そして、ＰＩＤ制御構成をＦＩＲモデルの外側でモデル化しているため、オペレータは、モデルのシナリオにおいて、制御構成を又はチューニングを変更できる。オペレータアドバイザのモデルは、プラント分散制御システム（ＤＣＳ）に取り付けられたパーソナルコンピュータ上で容易に動作でき、一定の間隔でプロセス及びＤＣＳ構成をスキャンできる。

図６のステップ８０のプラント同定を、図７において全体を符号１００で詳細に示す。ステップ１０５で、各独立変数を同時に１工学単位摂動させる。ステップ１１０で、各独立変数が変わると、各従属変数の値を、変数が定常状態に達してステップ応答曲線を生じるまで等しい時間間隔で測定及び記録する。ステップ応答曲線から、簡単な方法で開ループの線形化ダイナミックマトリクスの係数を得る（ステップ１１５）。上記のように、これはステップ応答モデル（ＳＲＭ）の形式を取ることができ、あるいは各曲線の微分係数が有限インパルス応答（ＦＩＲ）モデルの係数を生じる。本発明は、これらの形式のいずれかを使用できることを見込んでいる。このような同定は、対応するＰＩＤチューニングが所定の位置にある状態で安定した調整可能な構成とともになされたため、このような特定の調整可能な構成のダイナミクス、さらには特定のＰＩＤチューニングがそのような線形モデルの中に必然的に組み込まれている。

ここで、図６のステップ７０の詳細を図８において全体を符号１５０のステップで示す。図７のステップ１１５で作成した線形化モデルを発端に、ステップ１６０は、選択した最終制御要素ポジション被制御変数を、対応する選択した独立して制御可能な操作変数ＰＩＤ制御要素設定ポイント変数と置換する数学的なアルゴリズムを、マトリクス列除去計算を用いて第１の線形化ダイナミックモデルに記述し、独立して制御可能な操作変数の新たなセットを有する第２の線形化ダイナミックモデルであって、第２の線形化ダイナミックモデルから除去された前記選択した独立して制御可能な操作ＰＩＤ制御要素設定ポイント変数のダイナミクスを有する第２の線形化ダイナミックモデルを生成する。ここで、第２の線形化モデルを、任意のＰＩＤ調整可能な制御構成の外部の数学的なエミュレーションと組み合わせて（ステップ１６５）、オンラインのアドバイザとして使用する分散制御システムコンソールに組み合わせることができる完成した新たな強力且つ迅速なモデルを生成できる。

完成したオペレータアドバイザのモデルは、初期条件を設定した後に簡単なコンピュータを使用して様々な方程式の解を解く。このモデルをプロセスの履歴データ又はリアルタイムのデータで初期化できる。オペレータが履歴データを用いてバックグラウンドモードにある場合、オペレータは前に構成された又は新たなシナリオを実行できる。リアルタイムのバックグラウンドモードでは、オペレータは「ｗｈａｔ ｉｆ」オプションを選択でき、シミュレーションに従属及び独立変数、構成及びＰＩＤ制御要素のチューニングの現在の状態、及び過去からの全ての関連するデータに基づくプロセスがどこに向かうかについての開ループ予測ベクトルの最新の状態を初期化させる。

このような機能は、プロセスのプラント同定から得られる従来の予測制御要素モデルがモデルに組み込まれたＰＩＤ制御要素の不変の構成のダイナミクスを有しているため、従来はコントロールルームに利用されていない。また、オペレータが「ｗｈａｔ−ｏｆ」のシナリオを実行して結果が満足できないときに、オペレータは、実行を停止し、シナリオを修正し、所望の結果を得るまで複数回アドバイザを再スタートできることに留意しなくてはならない。また、それが行われる毎に、オペレータアドバイザは、プロセスからのリアルタイムのデータに再びアクセスして従属及び独立変数を初期化し、制御構成を再び初期化し、最終制御要素予測ベクトルの状態をリセットし、そしてこのモデルを解くことができる。これを満足できる変更が見付かるまで行うことができる。オペレータアドバイザのモデルが高速であると本発明のこのような態様を可能にする。

本発明の好適な形式を明細書及び図面の中で開示及び説明したが、好適な形式のバリエーションが当業者に明らかであるため、本発明を図示及び記述した特定の形式に限定するものと解釈すべきではなく、上記の開示を考慮して読む場合に上記の特許請求の範囲に記載されている。

図１は、分留装置のフロー概略図である。 図２は、バルブポジションに基づく分留装置モデルのシミュレーションの図である。 図３は、分留装置のプラント試験の結果を示す。 図４は、ＰＩＤ制御要素を具えた分留装置のシミュレーションの図である。 図５は、オリジナル及び回復した値を具える分留装置の実証図である。 図６は、本発明に係る方法の一態様のステップのフローシートを用いた説明である。 図７は、本発明に係る方法の一態様のステップのフローシートを用いた説明である。 図８は、本発明に係る方法の一態様のステップのフローシートを用いた説明である。

Claims (10)

1. 複数の独立して制御可能な操作変数及び前記独立して制御可能な操作変数に従属する少なくとも１の被制御変数を有する、プロセスシミュレーション及びプロセスのためのトレーニングシミュレータに使用するオンラインのオペレータアドバイザを生成する方法であって：
   それぞれの前記操作変数に試験的な外乱を個別に導入して前記被制御変数に関する前記外乱の影響を測定することによって、前記プロセスに関するデータを収集するステップと；
   前記被制御変数に対する外乱の影響を使用して、前記独立して制御可能な操作変数に対して前記少なくとも１の被制御変数を関連付ける第１の線形化ダイナミックモデルを生成するステップと；
   選択した最終制御要素ポジションの被制御変数を、マトリクス列消去計算を用いて、前記第１の線形化ダイナミックモデルにおけるそれらに対応する選択した独立して制御可能な操作ＰＩＤ制御要素の設定ポイントに置換することで、独立して制御可能な操作変数の新たなセットを有する第２の線形化ダイナミックモデルであって、第２のダイナミックモデルから除去された前記選択した独立して制御可能な操作ＰＩＤ制御要素の設定ポイントの変数のダイナミクスを有する第２の線形化ダイナミックモデルを生成して最終制御要素ポジションと置換するステップと；
   数学的なエミュレータにより調整可能な制御体系を外部からエミュレートすることで、手動、カスケード、又は自動モードでＰＩＤ制御要素をエミュレートして、前記プロセスの完成したモデルを取得するステップと、
   を具えることを特徴とする方法。
2. 前記第１の線形化ダイナミックモデルがステップ応答モデルであることを特徴とする請求項１に記載の方法。
3. 前記第１の線形化ダイナミックモデルが有限インパルスモデルであることを特徴とする請求項１に記載の方法。
4. さらに、
   ａ．前記プロセスからリアルタイムのデータにアクセスして、従属及び独立変数の状態で前記完成したモデルを初期化するステップと、
   ｂ．調整可能な制御システムの構成及びチューニングを初期化するステップと、
   ｃ．開ループの最終制御要素予測ベクトルの状態で初期化するステップと、
   を具えることを特徴とする請求項１に記載の方法。
5. さらに、前記完成したモデルを数学的に解いて、前記少なくなくとも１の被制御変数の将来の道筋を予測するステップを具えることを特徴とする請求項４に記載の方法。
6. さらに、
   ａ．前記完成したモデルを数学的に解くことを手動で停止させるステップと；
   ｂ．前記プロセスからリアルタイムデータに再びアクセスして、前記従属及び独立変数の状態で前記完成したモデルを初期化するステップと；
   ｃ．調整可能な制御システムの構成及びチューニングを再び初期化するステップと；
   ｄ．開ループの最終制御要素予測ベクトルの状態で再び初期化するステップと；
   ｅ．前記完成したモデルを再び解いて、前記少なくなくとも１の被制御変数の将来の道筋を予測するステップと、
   を具えることを特徴とする請求項５に記載の方法。
7. 請求項１に記載の方法によって生成したオンラインのオペレータアドバイザ。
8. 請求項４に記載の方法によって生成したオンラインのオペレータアドバイザ。。
9. 請求項５に記載の方法によって生成したオンラインのオペレータアドバイザ。
10. 請求項６に記載の方法によって生成したオンラインのオペレータアドバイザ。

Images