KR20020083175A - 공정 제어 시스템 - Google Patents

Abstract

본 발명은 제어 시스템에 관한 것으로, 특히 중합 반응 장치와 같은 산업 설비의 제어에서 사용하기 위한 제어 시스템에 관한 것이다. 특히, 본 발명은 a) 공정에 대응하는 1차 원리 모델을 생성하는 단계, b) 현재 및 소망하는 차후의 공정 조건을 기술하는 데이타를 입력하는 단계, c) 현재 조건에 대해 유효한 모델을 위한 선형 근사를 생성하는 단계, d) 공정에 관한 제어 문제에 대한 근사해를 결정하기 위해서 선형 근사를 사용하는 단계, e) 상기 근사해를 사용하여 공정을 제어하는 단계를 포함하는 공정 제어 방법을 제공한다.

Description

공정 제어 시스템{PROCESS CONTROL SYSTEM}

많은 다양한 종류의 제어 시스템이 공지되어 있다. 단순한 "전형적인" 제어 시스템은 단일 입력 및 단일 출력(SISO), 예를 들면 유동 제어기를 포함한다. 이러한 제어기에서, 단지 하나의 변수, 즉 밸브를 통과하는 유동만이 제어되는데, 이를 제어 변수(CV: controlled variable)로 지칭된다. 소망하는 유동이 무엇인지를 제어기에 알리기 위해 설정점이 입력된다. 유동 측정도 실제 유동을 제어기에 알리기 위한 입력으로서 이용된다. 제어기는 실제 유동을 설정점과 비교하고, 소정의 방정식을 사용하여, 이 경우 밸브 위치인 조정 변수(MV: manipulated variable)에 대한 값을 계산하기 위해 그 차이를 이용할 것이다. 이것은 제어기로부터 출력된다.

여기서 제어기 동작은 제어 변수의 관측 차이에 기초한다. 상기 차이로부터 조정 변수를 계산하기 위해 사용된 방정식의 주요부는 제어 알고리즘의 성질을 변경할 조절 파라미터(tuning parameter)의 집합이다.

그러나, 보다 복잡한 공정에는 서로 종속할 수 있다고 고려해야 할 많은 변수가 있어서, 하나의 변수를 변경하면 하나 이상의 많은 응답에 불가피하게 영향을 주게 될 수 있다. 이러한 영향은 변수간의 "커플링(coupling)" 또는 "상호작용"이라 지칭된다. 또한, 조정 변수에 대한 비선형 응답도 공정의 특성일 수 있다. 커플링을 보상하지 못하고 공정 조건의 한 집합을 위해 조절된 파라미터 값이 다른 공정 조건에는 전혀 맞지 않을 수 있기 때문에 SISO 제어기는 이러한 공정을 효율적으로 제어할 능력이 없다.

이러한 문제를 해결하기 위해서, 고급 공정 제어(APC)로 지칭된 보다 복잡한 제어 시스템이 사용된다. APC의 일례는 모델 기반 예측 제어(MPC; model based predictive control)이다. 여기서, 제어될 공정의 컴퓨터 모델은 제어기의 일부로서 이용된다. 모델은 제어 변수에 대한 조정 변수의 영향에 관한 정보를 포함하고, 또한 수학적 방정식의 형태로 기술된 상호작용을 포함할 수도 있다. APC 제어기는 공정 제어 시스템에 연결된 컴퓨터 상의 프로그램으로서 구현된다. 일반적으로 이는 공정 측정 장치로부터의 신호 및 값을 수신하고, 예를 들면 유동 제어기에 대한 설정점인 제어 신호 및 계산된 값을 공정 제어 시스템에 전송하도록 배치된다.

모델 기반 예측 제어 알고리즘에 적용된 다른 방식에 기초하여 사용가능한 여러 유형의 MPC 제어기가 있고, 예를 들면 Automatica, vol. 25 No. 3, 335-348쪽, 1989년 "Model Predictive Control: Theory and Practice - A Survey"를 참조하자.

제어 목적은 일반적으로, 예를 들면 성분의 일관되고 안정된 농도, 안정된온도, 압력 등을 제공하는 것이다. MPC 제어 시스템의 목적은, 예를 들면 공급, 농도, 온도 등의 유닛으로의 측정된 입력 조건의 변경 및 유닛 내 또는 실제로 측정된 조건과 대응 모델 계산값 간의 차이를 검출하고, 그 변동 및 차이를 보상하기 위해 제어 동작을 수행하는 것이다. 예를 들면, 반응 장치로의 성분의 유동이 측정되고 그 유동 속도의 강하가 검출되면, 이로부터 하나 이상의 제어 변수가 영향을 받지 않게 하기 위해서 반응 장치 조건에 대한 보상적 변경이 필요할 것이다.

대안으로, 중합 반응 장치와 같은 일부 공정은 서로 다른 제품들을 생성하기 위해 사용될 수 있을 때에도 연속적으로 수행하도록 설계된다. 다른 제품으로 변경하기 위해서, 반응 장치 조건 등은 적절하게 변경된다. 이 방식에서 폴리머의 한 등급에서 다른 등급으로의 변경은 "등급 전이(grade transition)"로 지칭된다. 여기서, 중간 제품은 "규격외(off-specification)" 제품이 되기 때문에 가능한 한 신속하게 전이하는 것이 소망된다.

일반적인 MPC 시스템의 모델은 실험적 또는 기본적 모델일 수 있다. 실험적 모델은, 예를 들면 공정 입력(u 및 v) 및 출력 y간의 다변수 귀환을 하여 생성된 실제 설비로부터의 데이타에 기초되는 반면, 기본 동적 모델은 질량, 에너지 및 모멘텀의 보존, 평형식, 반응 동력학 등과 같은 1차 원리로부터 도출된다.

가장 보편적인 MPC 제어기는 실험적 모델에 기초하고 있으며, AIChE National Mtg, 텍사스 휴스턴(1979년)의 "Dynamic Matrix Control - a computer control algorithm"을 참조하자. 이는 가동 조건이 모든 시간에 거의 동일한 증류 열과 같은 단순한 공정을 위해서는 이러한 종류의 모델이 생성하고 가동하기 용이하기 때문이다. 그러나, 중합 반응 장치와 같은 보다 복잡한 유닛을 위해서는, 실험적 모델은 문제가 있는 것으로 밝혀졌다. 중합 반응 장치의 경우에 이에 대한 여러 이유가 있다. 많은 변수가 매우 비선형성을 보이고, 많은 변수가 강하게 커플링되거나 상호 의존적이며, 등급 전이로 인해 반응 장치가 동작되는 영역이 크고 반응 장치 조건도 빈번하게 변경되기 때문이다. 마지막 것은 반응 장치 조건의 하나의 집합에서 한 제품의 생성이 완료되고 다른 성질의 다른 제품을 생성하기 시작하기 위해 반응 장치 조건이 변경되는 상황이다.

이러한 공정을 위한 실험적 모델을 생성하는 것은 실제 설비에서 모델에 포함될 모든 조정 변수 및 모든 변동에 대한 단계 변경을 수행하는 다수의 단계적 응답 시험을 요구한다. 모델링될 모든 커플링 효과에 대한 별개의 단계적 응답 시험도 되어야 한다. 실제로, 중합 반응 장치 상의 단계적 응답 시험은 MV의 한 단계 변경의 완전한 응답을 측정하는데 2-4 체류 시간(2-4 residence time)이 걸리기 때문에 공정 중에 어떤 이벤트가 시험(test)을 방해하면 시험은 완전히 다시 시작해야 하므로 매우 비용이 많이 든다. 공정은 시험을 시작할 때 상당히 안정적이어야 하고, 안정된 상태를 변경할 변경 입력을 도입한다. 단계 변경도 일관된 제품 품질을 주는 안정된 조건이 방해되지 않아야 하는 실제 생성 유닛 상에 되어야 한다. 또한, 각 제품은 공정의 비선형성으로 인해, 선형화된 모델을 사용하는 제어기는 그 특정 제품에 대한 단계적 시험이 이루어진 조건의 실제 집합으로 생성된 것이 아닌 다른 모든 모델에는 맞지 않기 때문에 종종 별개의 모델을 갖는다.

상술한 문제의 관점에서, 이러한 응용예에서 MPC에 기초한 기본 모델을 사용하는 것이 유리할 것이다. 제4회 컴퓨터 이용 공정 공학에 관한 유럽 심포지엄, 더블린 1994년의 "Model Predictive Control for Grade Transitions of a Polypropylene Reactor"에 제안된 것처럼, MPC 알고리즘과 함께 기본 동적 모델은 구현 비용 및 제어 성능면에서 보다 효율적인 해법(solution)를 주어야 한다. 그러나, 실제로, 계산 능력은 빈번한 경우에서처럼 CV, MV, 제약의 수가 상당할 때 이를 수행할 수 있는 가능성을 제한할 것이다. 그러므로, 중합 반응 장치의 예를 취하기 위해, 모델의 불가피한 복잡도는, 실행가능한 계산 능력을 사용할 때, 모델이 사용되는 빈도를 한정하고 입력 조건의 결정과 해의 결정간에 상당한 지연이 도입되기 때문에, 모델을 풀기 위해 걸리는 시간을 초과할 것이고 그 사이 조건은 상당히 변경될 수 있어 상당한 안전성 문제를 야기할 것이다.

본 발명은 제어 시스템에 관한 것으로, 특히 중합 반응 장치와 같은 산업 설비의 제어에서 사용하기 위한 제어 시스템에 관한 것이다.

도 1은 본 발명의 일실시예의 전반적인 제어기 구성의 흐름도.

도 2는 일실시예에서 사용된 제어기 구조의 흐름도.

도 3 및 4는 일실시예의 제어기 부분에 의해 수행되는 단계를 도시하는 흐름도.

도 5는 종래의 SISO 제어에 비해 본 발명을 사용함으로써 달성되는 안정성의 개선을 도시하는 반응 장치로부터의 펌프 전력을 도시하는 그래프.

도 6 내지 11은 본 발명의 실시예를 사용하는 효과의 모의실험을 도시하는 다양한 그래프.

본 발명에 따르면, 공정을 제어하는 방법은

a) 공정에 대응하는 1차 원리 모델을 생성하는 단계,

b) 현재 및 소망하는 차후의 공정 조건을 기술하는 데이타를 입력하는 단계,

c) 상기 현재 조건에 대해 유효한 모델에 대한 선형 근사를 생성하는 단계,

d) 공정에 관한 제어 문제에 대한 근사해를 결정하기 위해서 선형 근사를 사용하는 단계, 및

e) 근사해를 사용하여 공정을 제어하는 단계를 포함한다.

따라서, 본 발명은 1차 원리, 즉 실험적 근사보다는 기본 모델에 기초하기 때문에 공정의 정확한 모델을 제공할 수 있다. 필요하다면 이는 비선형적일 수 있고, 넓은 범위의 가동 조건에 걸쳐 유효하다. 선형 근사에서 있기 마련인 상당한 부정확성을 이로써 방지할 수 있다. 그러나, 본 발명은 예측을 하는데 필요할 때마다 모델의 비선형 방정식 각각을 직접 풀지 않기 때문에 종래의 비선형 모델 시스템에 비해 유리하다. 오히려, 주어진 시간에 이용된 주어진 집합에 대해, 제어 문제에 대한 적절한 해를 결정하기 위해 선형 근사가 사용된다. 이 선형 근사는 양호하게는 모델의 수치 변동에 의해 생성되고, 2차적 프로그래밍 문제를 결과한다. 이는 물론 완전한 비선형 모델보다 훨씬 빨리 풀릴 수 있고, 그러므로 향후 시나리오가 신속하게 결정될 수 있다. 그리고 나서, 공정은 새로운 설정점의 생성에 의해 종래의 방식으로 제어될 수 있다.

그러므로, 본 발명은 선형 모델의 속도 및 효과와 기본 모델의 정확성 및 가동 범위를 결합하여 효율적인 공정 제어가 달성될 수 있게 한다.

일부 응용예에서, 근사해는 공정을 제어하는데 직접 사용될 수 있을 정도로 정확할 수 있다. 그러나, 양호하게는 근사해는 보다 정확한 해를 결정하기 위해 사용된다. 이는 통상적으로 근사해를 모델에 대입하고 반복 처리하여 수행될 수 있다. 반복 처리는 충분히 정확한 해를 결정하는 데 필요한 만큼 반복될 수 있다.

본 발명의 양호한 형태에서, 기본 1차 원리 모델은 제어 이동(control move)의 실제 응답을 계산하기 위해 사용되어, 향후 시나리오의 응답은 기본 모델의 결과이고 선형화된 모델로 단순화되지 않는다.

단순한 응용예에서 상기 계산된 선형 근사는 다수의 다른 공정 조건에 대해 사용되기에 충분히 정확할 것이다. 그러나, 본 발명이 보다 복잡한 시스템에서 사용가능하려면, 예를 들면 반응 장치 조건의 각각의 새로운 집합에 대해 선형 모델이 재계산되는 것이 양호하다. 그러므로, 새로운 선형화된 모델이 필요하면 생성될 것이다. 많은 응용예에서 이러한 모델이 매우 빈번한 간격으로 생성될 수 있다는 것을 알아야 한다.

이러한 관계에서 사용된 기본 모델의 중요한 이점 중의 하나는 넓은 가동 범위에 걸쳐 유효하고 일관될 수 있다는 점이다. 이는 동일한 모델 및 모델 파라미터가 다른 폴리머 등급의 생성을 따르는 것과 같은 광범위한 생성 조건에 사용될 수 있다는 것을 의미한다. 그러므로 양호하게는 제어기는 실제로 전이 자체를 제어할 수 있고, 다른 제품을 생성하기 위해 하나의 집합의 조건에서 다른 집합의 조건으로 공정 조건을 변경한다. 모델 계산값이 충분히 정확하고 공정 유닛의 실제 동작과 근접하면, 본 발명의 방법으로부터 MV의 계산된 집합은 조건을 변경하는 최적의 방식에 매우 근접한다.

이는 종종 전이를 수동으로 수행하고 다른 공정 모델을 사용하여 전이를 완성할 때 MPC 제어를 계속할 필요가 있는 실험적 모델 제어기에 대한 통상의 상황에 비해 매우 유리하다. 그러므로, 본 발명은 보다 빠른 등급 전이를 용이하게 하는데, 즉 요구되는 제품 성질에서 안정된 공정 조건을 얻기 위해 사용될 수 있고, 그리하여 손실 제품 및 규격외 제품과 관련된 금전적 손실을 감소시킨다.

본 발명은 제어기, 입력 및 출력 수단, 및 모델을 포함하는 공정을 제어하는 공정 제어 장치로도 확장되며,

a) 상기 모델은 상기 공정에 대응하는 기본 모델이고,

b) 현재 및 소망하는 차후의 공정 조건을 기술하는 데이타를 입력하기 위한 수단이 제공되고,

c) 상기 입력 조건에 대해 유효한 모델에 대한 선형 근사를 계산하기 위한 수단이 제공되고,

d) 상기 공정에 관한 제어 문제에 대한 근사해를 결정하기 위해서 상기 선형 근사를 사용하도록 수단이 제공되고,

e) 상기 (d)의 해를 사용하여 상기 공정을 제어하기 위한 출력 신호를 생성하도록 수단이 제공된다.

양호하게는 상기 장치는 상술된 방법의 양호한 형태에 따라 동작하도록 배치된다.

본 발명은 상술된 것과 같은 본 발명의 방법 또는 본 발명의 장치에 의해 제어될 공정 또는 장치로도 확장된다. 또한, 본 발명은 적절한 데이타 매체 상에 저장된 소프트웨어를 포함하는 모델 및/또는 제어기로 확장된다.

제어기 및 모델은 통상적으로 마이크로 컴퓨터 계산 장치를 이용하여 구현된다.

본 발명의 실시예는 첨부된 도면을 참조하여 단지 일례로서 설명될 것이다.

본 실시예는 일반적인 용어로 공지되고 공정의 수학적 모델을 포함하는 도 1에 도시된 유형을 갖는 제어 시스템을 이용하여 구현된다.

제어기(1)는 상업적으로 이용가능한 컴퓨터 상에서 실행될 수 있는 컴퓨터 소프트웨어 기반 시스템이다. 그러나, 후술되는 것처럼, 모델의 동작은 표준 시스템과 상당히 다르다.

도 1은 반응 장치와 같은 하나 이상의 공정 유닛을 포함하는 공정(2)으로부터 MPC 소프트웨어가 설치된 컴퓨터 I(3)로의 정보의 전반적인 흐름을 도시한다. 공정으로부터의 측정이 통상적으로 유동 제어, 온도 및 압력 제어 등에 필요한 모든 기본 제어기를 포함할 기본 제어 시스템(4)(DCS)에서 수집된다. 이는 종래의 SISO 제어기로서 구현된다. APC 제어기를 위해 필요한 측정의 부분집합을 b라 하자. b를 포함하는 모든 측정은 디스플레이 및 트렌드로 운용자 스테이션(5)에서 사용가능하다. 통상적으로, MPC 제어기를 위한 운용자 인터페이스는 운용자 스테이션(5) 상의 디스플레이(미도시)로서 구현되기도 한다.

이 디스플레이에서, 운용자는 계산된 출력 및 MPC 제어기로부터의 정보를 볼수 있고, MPC 제어기로 제어 변수/객체를 위한 설정점, 강제 제어 또는 조정 변수의 상하한, 제어기 온/오프 선택, 또는 제어할 실제 변수 선택 등과 같은 정보를 입력한다.

운용자로부터 MPC 제어기로의 정보의 집합은 도 1에서 c로 지칭된다. 이 정보는 운용자 스테이션(5)으로부터 DCS 시스템(4)으로 전달된다. MPC에 의해 요구된 정보, 즉 b 및 c는 DCS 시스템으로부터, 데이타의 장시간 저장을 제공하고 사용가능한 데이타베이스에서 데이타를 판독하고 기록하기 위해 사용되는 적절한 라이브러리 루틴을 갖는 공정 데이타베이스 시스템(6)으로 전달된다.

MPC 제어기는 데이타베이스 시스템의 일부로서 이용된 적절한 루틴을 이용하여 개발된 인터페이스 소프트웨어를 선택적으로 사용하여 데이타, 즉 b 및 c를 데이타베이스 시스템으로부터 판독한다. 또한 데이타, 즉 b 및 c를 MPC 제어기에 사용가능하게 하는 것이 가능하여, DCS 시스템 또는 운용자 스테이션(5)으로부터 직접 데이타를 수신하고, 데이타베이스 루틴에 기초한 데이타베이스 인터페이스 소프트웨어를 DCS 시스템(4) 또는 운용자 스테이션(5)과 직접 데이타를 교환할 수 있는 인터페이스 루틴으로 대체한다. 또한, 운용자 스테이션(5) 상에서 이를 수행하는 대신 데이타베이스 시스템 자체 또는 다른 도구에 의해 제공된 도구를 사용하여 컴퓨터 II 상의 MPC에 대한 데이타를 디스플레이 및/또는 입력하기 위해 사용된 운용자 디스플레이를 구현하는 것이 가능하다.

MPC 제어기는 a로 지칭된 MPC 출력을 계산하기 위해서 모델 및 그 내부 제어기 알고리즘과 함께 공정으로부터 측정된 입력을 사용한다. 이는 통상적으로 데이타베이스 시스템(6)에 전달될 조정 변수에 대한 값 및 모델 예측 응답, DCS 시스템(4)에 더 전달될 이들 데이타의 부분집합, a', 조정 변수용의 최소한의 계산 값 및 선택적으로 일부 계산된 응답, 및 MPC 제어기 상태에 관한 정보로 구성된다. 조정 변수용의 계산값은 그 후 MPC 제어의 결과를 구현하기 위해 새로운 설정점으로서 DCS 시스템(7)의 SISO 제어기(도 7)에 전달된다.

도 2는 MPC 제어기 구조를 도시한다. 도 1에 b로 지칭된 공정(2)에 관한 측정은 부분집합 um, v 및 qm으로 구성된다. um은 MV의 측정값이고, v는 공정으로부터의 측정 변동이고, qm은 공정으로부터의 측정 응답이다. 도 1에 c로 지칭된 데이타(yest, zmin, zmax)는 운용자 스테이션(5)에서 운용자로부터의 입력이고(도 1), CV에 대한 설정점 및 MPC에 의해 제어될 강제 응답에 대한 최소 및 최대 한도로 구성된다. um 및 v는 공정(2)에 의해 실험되고, 모델(10)로 주어지고, 이는 응답 qest를 계산할 것이다. 일부 응답은 측정된 qm이고, 모델 보정은 대응하는 qest 및 qm 값의 비교로부터 이루어진다. 제어기는 uest이라 지칭된 MV를 계산하기 위해서 제어 알고리즘의 일부로서 현재 갱신된 모델을 사용할 것이다. 이 제어 알고리즘은 모델(10)을 이용하여 공정의 향후 동작을 예측하고, CV 설정점과 예측값 사이의 편차의 최소합을 주는 MV를 계산한다. 선택적으로 다중 변수 MPC 제어기로부터 출력된 MV는 실제로 DCS 시스템 SISO 제어기(7)로의 입력/설정점이고, 이는 uest값과 um값 사이의 편차를 최소화하기 위해서 밸브, 히터, 엔진 등으로의 제어 신호를 생성할 것이다.

전술한 것처럼, 시스템은 기본 모델인 공정의 모델(10)을 포함한다. 이는반응 동력학, 제품 품질 또는 성질에 대한 서브모델을 포함하여 제어 변수의 면에서 공정의 응답, 강제 응답 또는 다른 계산된 출력에 대한 유닛으로의 입력의 변동 또는 변경으로부터의 효과를 계산하기 위해 사용될 수 있다. 이 모델은 상태 공간 모델(상술된 더블린 심포지엄 논문에서 설명됨)이다. 사용된 상기 계산 구조는

i) 모델 방정식을 샘플링 시간에 걸쳐 적분하여 상태 벡터를 위한 새로운 값을 얻고,

ii) 새로운 상태 벡터값으로부터 모델 출력(계산값)을 계산하고,

iii) 새로운 상태 벡터값으로부터 CV 값 및 강제 응답을 계산하는 3 단계를 포함한다.

상태 벡터는 반응 장치의 내용 정보의 고유한 기술을 갖는 조건에 기초하여 조심스럽게 선택된 성분을 포함하고, 이는 제어 목적과 관련있고 리던던시는 포함하지 않는다.

이 모델은 소프트웨어 모듈의 전체 집합을 포함하는 소프트웨어 유닛으로서 구현된다. 이러한 모듈의 집합은 도 3에 요약된 이하의 단계를 이용하여 공정 유닛의 제어에 영향을 준다.

a) 예를 들면, 매분마다 한번 실제 공정 유닛을 위해 적절한 것으로 선택된 소정의 샘플링 레이트로 이 소프트웨어 유닛을 수행한다. 그 후, 이하 단계 (b) 내지 (l)이 수행된다.

b) 제어 변수에 대한 설정점, 강제 응답에 대한 상하한, 조정 변수에 대한 상하한, 조정 변수값에 대한 최대 변경 레이트, 이 소프트웨어 유닛에 의해 제어될변수를 위한 선택, 다른 제어 변수 간의 상대적인 가중 및 중요도, 다른 조정 변수를 사용하기 위한 상대적인 불이익을 규정하는 운용자에 의해 입력된 입력을 검색하거나, 파일 또는 다른 데이타 스토리지로부터 이 값의 일부 또는 전부를 검색하고, 제어 방법에서 이를 사용하기 전에 이 값들의 유효성 및 일관성을 시험한다.

c) 이 목적을 위해 생성된 소프트웨어의 전용 부분에 의해 발생된 공정 유닛으로부터 측정을 검색하고, 이 측정의 유효성 및 일관성을 시험한다.

d) 모델 파라미터를 검색하고 방법의 일부로서 사용될 모델 보정 알고리즘 및 사용될 제어기 알고리즘을 위한 파라미터를 조정한다.

e) DCS, 데이타베이스, 또는 파일 또는 다른 스토리지 장치로부터 판독된 새로운 입력에 기초하여 제어기에 의해 사용된 모든 설정을 갱신한다.

f) 공정 유닛의 올바른 조건 및 제어 변수의 현재값, 모델로부터 강제 응답 및 제어 변수를 계산하기 위해 상술한 단계 i) 내지 iii)에 따른 모델을 사용하여 계산하기 위해 c)에 따라 수집된 값을 사용한다. 이 단계는 (현재 조건의) "예측"으로 지칭된다.

g) 모델 파라미터의 보정을 행하고, 보정 알고리즘 및 모델에 의해 계산된 출력과 실제 공정으로부터의 측정으로서 사용가능한 대응값 사이의 관측차를 사용하여 이 차이를 제거하기 위한 공정 조건(상태)에 대한 값을 제시한다. 이 단계는 "보정"(종종 '추정'으로 지칭되기도 함)이라 지칭되고, 모델이 실제 공정을 따르는 것을 보장한다.

h) MV에 할당될 값을 계산하고, 범위(horizon)라 지칭되는 향후로 규정된 시간 동안 제어 변수와 그 각각의 계산된 설정점 사이의 차이(합)를 최소화하기 위해 (이하 단계 h1 내지 h8에 설명된 것과 같은) 제어기 알고리즘을 사용한다. 강제 응답은 그 정의된 한계 이내로 유지된다. 이 단계는 "제어"로 지칭된다.

i) 상술된 것처럼 수행된 계산의 결과를 점검하고 이 점검에 따라 적절한 제어 플래그를 설정한다.

j) 보고서 또는 트렌드를 생성하기 위해 설비 정보 데이타로서 사용하기 위해 이를 저장하기 위한 데이타베이스 시스템에 도 1의 데이타집합 a와 관련있는 계산의 결과를 전송한다.

k) a'라 지칭된 이전 단계의 계산 결과를 DCS 시스템으로 직접 또는 간접적으로 전송하고, DCS 제어기에 대한 새로운 설정점 값은 상기 제어기에서 사용가능해지고 설정점으로서 실제로 사용된다. DCS 제어기는 현재 측정과 새로운 설정점 사이의 차이에 기초하여 이 차이를 최소화하기 위해 공정의 제어 장치로 a"로 지칭된 제어 신호를 생성할 것이다.

l) 샘플링 제어 또는 실행 빈도 제어가 단계 a)로부터의 모든 것을 시작할 때를 찾을 때까지 소프트웨어 유닛이 대기하게 하여 제어 방법이 규칙적인 샘플링 간격으로 실행된다.

상술된 단계 h)에 사용된 것과 같은 제어 알고리즘은 다음의 단계(도 4에 요약됨)를 포함한다.

h1) 알고리즘은 제어 동작에 응답하여 개시된다. (1차 원리) 모델에 대한 선형 근사는 모델의 수치 변동에 의해 입력 조건에 대응하여 생성된다. 예측 범위는 다수의 소정의 소위 블럭화된 간격으로 분할된다. 매 간격에 대해, MV는 MV의 현재값에 따라 값이 주어진다. 이는 입력 시나리오라 지칭된다.

h2) 향후 응답, 즉 제어 변수 및 강제 응답을 위한 예측값은 현재 입력 조정 변수 시나리오에 기초하여 기본 모델을 사용하여 계산된다. 기본 모델은 이전 샘플로부터 제어 문제의 계산의 결과였던 입력 시나리오를 사용하여 구성된다.

h3) 입력 및 출력 상의 제약을 설정, 즉 조정 변수 및 제어 변수의 최소 및 최대 허용값을 설정한다.

h4) 종래에 공지된 방식의 헤시안 행렬(Hessian matrix) 및 제어 변수의 예측 및 소망(기준)값 사이의 차를 정의하는 벡터를 계산한다.

h5) 기본 모델에 대한 선형 근사를 사용하여 2차 프로그래밍 문제(QP)로서 구성된 제어 문제의 해를 구한다.

h6) 실행불가능한 해구하기이면, 여기서 제어 변수용으로 설정된 최대 및 최소값 외의 값이 사용될 수 있는 완화된 변수를 도입하고 QP 문제를 재실행한다.

h7) 단계 h5 내지 h7은 근사 모델 해가 (1차 원리) 모델에 따른 최적인 것임을 보장하는 반복 처리를 제공한다는 것을 알아야 한다. 해가 수렴하면, 즉 새로운 반복이 비선형 모델에 비교하여 결과를 개선하지 않으면, h8) 또는 h1)로 진행한다.

h8) 결과를 구현하기 위해서 입력 시나리오의 제1부를 제어 벡터로 설정한다.

본 발명의 2가지 응용예가 이하에 주어진다.

실시예 1

본 발명은 직렬의 2개의 반응 장치를 위한 펌프 전력을 제어하기 위해 구현되었다. 반응 장치의 내용물은 액체 프로필렌 및 폴리프로필렌(PP) 폴리머이다. 고체 PP의 양은 덩어리의 침전 및 형성을 충분히 방지하고 반응 장치 슬러리로 공급된 모노머(프로필렌) 및 촉매 시스템 성분을 분산시키기 위한 슬러리의 점도 및 이에 따른 슬러리를 충분히 펌프하기에 필요한 에너지 양, 즉 그 펌프 전력을 결정할 것이다.

반응 장치를 안정화시키기 위해, 고체의 양을 일정하게 유지한다. 고체는 폴리프로필렌 공급으로 제어된다. 정상적인 제어 시스템에서 고체의 양을 제어하는데 있어서 문제는 공정의 동력학이 종래의 제어기를 조절하는 것을 어렵게 하여 공정의 모든 가능한 조건 및 동작 범위에 대해 안정된 고체 내용물을 준다는 것이다. 그러나, 현재 MPC 알고리즘을 사용하여, 이 효과는 예측되고 보상되어 루프의 안정성이 상당히 개선될 수 있다. 도 5는 측정된 펌프 전력의 변동을 도시한다. 펌프 전력을 위한 설정점은 직선(20)으로 도시된다. 제어기가 중지된 후의 종래의 제어(제2부, 23)와 비교된 서비스 중인 제어기(제1부, 22)를 사용하여 측정된 것과 같은 실제 펌프 전력은 선(21)으로 도시된다. 알 수 있는 것처럼, 서비스 중인 제어기를 사용하여 제어 파라미터의 안정성에서 상당한 개선이 있다.

실시예 2

본 발명은 용해 유동 속도(MFR), 생성 속도(Rp) 및 연속적인 폴리프로필렌 반응 장치의 슬러리 밀도(Dens)를 제어하기 위해 구현되었다. MFR은 생성된 폴리머의 폴리머 분자량에 관련되어 있고 제품 등급에 대한 중요 지수로서 사용된다. 조정 변수는 수소(uh), 촉매(ucat) 및 프로필렌(up)의 공급이다. 수소는 MFR을 제어하는데 사용되지만, 반응 장치의 H2의 농도도 촉매 활성도에 영향을 미친다. MFR을 변경하기 위해서, H2 공급은 변경되어야 하지만, 그 설정점 상의 레이트도 유지하기 위해서 촉매도 변경되어야 한다. 슬러리 밀도는 반응 장치에 프로필렌 액체와 함께 폴리머의 양에 관련되어 있다. 밀도를 제어하기 위해서, 프로필렌(liq)의 공급이 변경된다. 증가된 프로필렌 공급도 반응 장치의 H2 및 촉매가 많이 출력되는 효과도 갖는다.

이 반응 장치의 모델은 이하의 소자를 포함하는 상태 벡터를 포함할 것이다.

1 반응 장치의 촉매량

2 반응 장치의 프로필렌량

3 반응 장치의 폴리프로필렌량

4 반응 장치의 수소량

5 반응 장치의 폴리머에 대한 평균 분자량(또는 관련 파라미터)

이러한 소자의 각각에 대해, 모델은 변경 레이트를 계산할 것이다.

dx(1)/dt = wcatin - wcatout

dx(2)/dt = wpin - Rp -wpout

dx(3)/dt = Rp - wPPout

dx(4)/dt = wh2in - Rh - wh2out

dx(5)/dt = Rp/x(3)*(f-x(5))

여기서

wcatin = 촉매 공급

wcatout = 반응 장치의 촉매 유동 출력

wpin = 프로필렌 공급 입력

Rp = 운동 모델로부터의 프로필렌 중합 레이트

wpout = 반응 장치의 프로필렌 유동 출력

wPPout = 반응 장치의 폴리프로필렌 유동 출력

wh2in = 수소 공급 입력

Rh = 수소 소모 레이트

wh2out = 반응 장치의 수소 유동 출력

f = 순간적으로 생성된 폴리머에 대한 분자량(또는 관련 파라미터)

반응 장치의 현재 상태를 계산하기 위해서, 상태 벡터는 샘플링 시간동안 집적된다.

여기서 x는 상태 벡터이고, t_s는 제어기에 대한 샘플링 시간이고, 예를 들면 상태 수 5에 대한 f(x)는 상술한 방정식으로

여기서 g(MFR_i)는 별개의 식에 의해 계산된 LN(MFR) 또는 MFR^-0.314와 같은 폴리머에 대한 순간 MFR의 함수이다. x(3)은 반응 장치의 폴리머 양이다. Rp는 정력학적 표현

Rp = Ap * mc * xp * a * f1(T) * f2(D) * f3(H)

을 포함하는 모듈에서 동력학적 모델(kinetic model)에 의해 계산된 생성 레이트이다.

여기서

Ap는 레이트 상수이고,

mc는 반응 장치의 촉매량이고,

xp는 반응 장치의 프로필렌의 농도이고,

a는 촉매의 활성도이고,

f1(T)는, 예를 들면 아레니우스 방정식인 온도 의존도이고,

f2(D)는 촉매(donor)의 양의 의존도이고,

f3(H)는 수소의 의존도이다.

이는 수치적 적분에 의해 수행된다. CV에 대한 모델 계산값이, 예를 들면 레이트 및 MFR를 제어하기 위해서 상태 벡터로부터 유도된다.

y(yRate) = Rp

y(yMFR) = 분자량으로부터 계산된 MFR(또는 파라미터)

이들은 설정점을 고려하여 제어된다. 갱신을 위한 계산값도 상태 벡터로부터 계산된다.

q(qRate) = Rp

q(qMFR) = 분자량으로부터 계산된 MFR(또는 관련 파라미터)

여기서 동력학적 모델에 대한 레이트 파라미터 q-Rate는, 예를 들면

Ap = Ap + g*(측정된 q - 계산된 q)/측정된 q

인 계산된 q와 측정된 q 사이의 차이에 기초하여 갱신된다.

이 방법이 온라인으로 실행될 때, 결과는 CV는 MFR이고(도 6), 슬러리 밀도이고(도 7), 생성 레이트인(도 8) 도 6, 도 7 및 도 8에 표시한 것과 같다. 등급 전이는 MFR=4로부터 MFR=12로 되고, 동시에 슬러리 밀도 설정점은 500으로부터 520 ㎏/㎥로 변경되고, 생성 레이트 설정점은 8000 ㎏/h로부터 10000 ㎏/h로 변경된다. 향후 예측은 가까운 향후의 CV의 예측 동작이 제시되는 소위 향후 그래프 디스플레이로 제시된다. 도 9는 MFR(선 A)의 예측 동작을 도시한다. 불연속성은 실험ㄹ,부터의 결과에 기초한 값의 갱신으로 인한 것이다. 선 B는 소망값에 대한 운용자 설정점이다. 선 C는 제어기가 올바른 MFR을 달성하기 위해 얼마나 수소 공급이 조정되어야 하는지를 도시한다. 시간=0은 현재 시간이다. 왼쪽으로 갈수록, 실제값을 도시하며 과거를 향하고, 오른쪽으로 갈수록 예측(계산)값을 도시한다. 동일한 그래프가 생성 레이트(도 10) 및 슬러리 밀도(도 11)에 대해서도 도시한다. 이는 진정한 다변수 제어기이다.

Claims (10)

1. 공정을 제어하는 방법에 있어서,

   a) 상기 공정에 대응하는 1차 원리 모델을 생성하는 단계;

   b) 현재 및 소망하는 차후의 공정 조건을 기술하는 데이타를 입력하는 단계;

   c) 상기 현재 조건에 대해 유효한 모델에 대한 선형 근사를 생성하는 단계;

   d) 상기 공정과 관련된 제어 문제에 대한 근사해를 결정하기 위해 상기 선형 근사를 사용하는 단계; 및

   e) 상기 근사해를 사용하여 상기 공정을 제어하는 단계

   를 포함하는 공정 제어 방법.
2. 제1항에 있어서, 상기 모델은 비선형인 공정 제어 방법.
3. 제1항 또는 제2항에 있어서, 상기 선형 근사는 상기 모델의 수치 변동에 의해 생성되는 공정 제어 방법.
4. 제3항에 있어서, 상기 선형 근사는 상기 제어 문제에 대한 상기 근사해를 결정하기 위해 해석되는 2차 프로그래밍 문제를 제공하는 공정 제어 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서, 상기 결정된 근사해는 보다 정확한 해를 결정하기 위해 사용되는 공정 제어 방법.
6. 제1항 내지 제5항 중 어느 한 항에 있어서, 상기 1차 원리 모델은 제어 응답을 계산하기 위해 사용되는 공정 제어 방법.
7. 제1항 내지 제6항 중 어느 한 항에 있어서, 상기 모델에 대한 상기 선형 근사의 생성은 새로운 입력 데이타를 사용하여 필요한 만큼 반복되는 공정 제어 방법.
8. 제1항 내지 제7항 중 어느 한 항에 있어서, 상기 공정은 중합(polymerization) 공정인 공정 제어 방법.
9. 제8항에 있어서, 상기 공정은 제1 등급의 폴리머의 제조물에서 제2 등급의 폴리머로의 전이를 포함하고, 상기 전이는 자동적으로 제어되는 공정 제어 방법.
10. 제어기, 입력 및 출력 수단, 및 모델을 포함하는 공정을 제어하는 제어 장치에 있어서,

    a) 상기 모델은 상기 공정에 대응하는 기본 모델이고,

    b) 현재 및 소망하는 차후의 공정 조건을 기술하는 데이타를 입력하기 위한 수단이 제공되고,

    c) 상기 입력 조건에 대해 유효한 모델에 대한 선형 근사를 계산하기 위한 수단이 제공되고,

    d) 상기 공정과 관련된 제어 문제에 대한 근사해를 결정하기 위해서 상기 선형 근사를 사용하기 위한 수단이 제공되고,

    e) 상기 (d)의 해를 사용하여 상기 공정을 제어하기 위한 출력 신호를 생성하기 위한 수단이 제공되는 공정 제어 장치.