KR970702516A - 영구 속박을 사용한 생산율의 최대화 방법(maximizing process production rates using permanent constraints) - Google Patents

영구 속박을 사용한 생산율의 최대화 방법(maximizing process production rates using permanent constraints)

Info

Publication number
KR970702516A
KR970702516A KR1019960705728A KR19960705728A KR970702516A KR 970702516 A KR970702516 A KR 970702516A KR 1019960705728 A KR1019960705728 A KR 1019960705728A KR 19960705728 A KR19960705728 A KR 19960705728A KR 970702516 A KR970702516 A KR 970702516A
Authority
KR
South Korea
Prior art keywords
variable
variables
control
steering
vector
Prior art date
Application number
KR1019960705728A
Other languages
English (en)
Inventor
키안 얍 임
3세 헨리 바르네트 맥아날리
쥬니어. 윌리엄 벨 스튜어트
Original Assignee
왈포드 크레이그 더블유.
더 엠. 더블유. 켈로그 캄파니
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 왈포드 크레이그 더블유., 더 엠. 더블유. 켈로그 캄파니 filed Critical 왈포드 크레이그 더블유.
Publication of KR970702516A publication Critical patent/KR970702516A/ko

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive 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
    • G05B13/048—Adaptive 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
    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01C—AMMONIA; CYANOGEN; COMPOUNDS THEREOF
    • C01C1/00—Ammonia; Compounds thereof
    • C01C1/02—Preparation, purification or separation of ammonia
    • C01C1/04—Preparation of ammonia by synthesis in the gas phase
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive 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
    • G05B13/041—Adaptive 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 in which a variable is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Inorganic Chemistry (AREA)
  • Feedback Control In General (AREA)
  • Mobile Radio Communication Systems (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 프로세스가 제어 변수와, 조종 변수와, 관련 변수 및 외란 변수를 가지도록 입력과 출력을 가진 프로세스에 관한 변수관계를 최적화하여, 생산율을 최대화한다. 변수 관계를 최적화하는 방법은 제어변수에 관한 에러들에 우선순위를 주는 단계와, 조종 변수 차동 이동을 기준으로 소정 이후 시간 수평축에 대한 세트포인트로부러 제어 변수 편차를 최적화하는 단계와, 큰 조종 변수 이동에 대한 이후 제어 에러 감소의 균형을 맞추기 의해 큰 조종 변수 이동을 가진 이동을 불리하게 하여 이후 제어 변수에 관한 에러를 억제하는 단계와, 다른 조종 변수에 보다 어떤 조정 변수에 대해 우선적인 이동을 허용하기 위해 인위적으로 높게 설정된 소정 목표값으로부터 조종 변수의 편차를 감소시키기 위해 조종 변수를 가중시키는 단계 및, 속박 편차 변수를 적용하여 허용가능한 한계밖의 편차를 유효하게 하는 단계를 포함한다.

Description

영구 속박을 사용한 생산율의 최대화 방법(MAXIMIZING PROCESS PRODUCION RATES USING PERMANENT CONSTRAINTS)
본 내용은 요부공개 건이므로 전문내용을 수록하지 않았음
제1도는 동적 암모니아 제어(DAC) 시스템에 대한 본 발명의 일반적인 적용을 도시한 유선도,
제2도는 본 발명에 관한 모델 예상 제어(MPC) 프로그램을 도시한 유선도,
제4도는 공장의 동적 모델을 위한 데이터를 개선시키기 위해 의사난 2진 노이즈 테스트를 사용한 공장 테스트에 대한 프로세스의 한 실시예를 도시한 유선도.

Claims (23)

  1. 입력과 출력을 가진 프로세스에 관한 변수 관계를 최적화하기 위한 방법에 있어서, 상기 프로세서는 제어 변수와 관련된 에러에 우선순위를 매기기 의해 다른 제어 변수에 관하여 가중된 하나 이상의 제어 변수와 함께 제어 변수와, 조종 변수와, 관련 변수 및 외란 변수를 가지며, 제어 변수 편차는 큰 조종 변수 이동에 대해 이후 제어 에러 감소의 군형을 맞추기 위해 큰 조종 변수 이동에 불리한 하나 이상의 이후 제어 변수와 함께 조종 변수 차동 이동을 기준으로 하여 소정의 이후 시간 수명축에 대한 관련 세트포인트에 대해 최적화되며, 상기 방법은, 인위적으로 높게 설정된 목표값으로부터 조종 변수의 편차를 감소시키기 위해 하나 이상의 조종 변수를 가중하여 인위적으로 높게 설정하여 다른 조종 변수보다 어떤 조종 변수에 대해 우선적인 이동을 허용 하는 단계(a)와, 허용가능한 한계밖의 유효한 편차에 대해 일정한 편차 변수를 적용하는 단계(b)로 이루어지는 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  2. 제1항에 있어서, 제어 변수와, 하나 또는 그 이상의 관련 변수와, 하나 또는 그 이상의 외란 변수 및, 인위적으로 높은 값으로 설정된 영구 속박 목표를 기준으로 조종 변수의 차동 이동을 결정하기 위한 제어 루틴으로 이루어진 모델 예상 제어기를 사용하는 단계를 추가로 포함하는 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  3. 제2항에 있어서, 상기 제어 루틴은,
    Min J=Jcv+Jλ+JPc+Jd
    여기서, Min J는 Jcv, Jλ Jpc 및 Jd의 합으로 이루어진 제곱값이며,
    여기서, Jcv는 이후 시간 수평축에 대한 각각의 세트포인트로부터의 제어 변수의 편차의 가중된 제곱의 합이며,는 제어 변수 에러를 각각에 대해 가중시키기 위한 벡터 성분이며,는 제어 변수를 조종변수와 관련시키는 전달 함수 계수의 행렬이며,는 조종 변수의 차동 이동의 벡터이고,는 제어 변수와 제어 변수 각각의 세트포인트 사이의 에러 벡터이며,
    여기서, Jλ는 조종 변수의 차동 이동의 가중된 제곱의 합이고는 조종 변수의 과도하게 큰 차동 이동을 불리하게 하기 위한 이동 억제 성분의 벡터이며,
    여기서, Jpc는 영구 속박 목표값으로부터의 조종 변수의 편차의 가중된 제곱의 합이며,는 영구 속박이 얼마나 강하게 영향을 받는지를 나타내기 위한 성분 벡터이고,는 영구 속박 목표의 벡터이며, MVstpt는 조종 변수 세트포인트의 벡터이며,
    여기서, Jd는 허용가능한 한계밖의 속박 함수에서의 편차의 가중된 제곱의 합이며,는 속박 편차 변수의 벡터이고,는 각각의 속박 가중의 벡터이며, 여기서, 외적 함수는,으로 제한되며,
    여기서,는 조종 변수의 하위 관계로 이루어진 벡터 성분이며,는 관련 변수의 하위 경계로 이루어진 벡터 성분이며,는 조종 변수 및 관련 변수를 외란 변수와 관련시키는 전달 함수 계수의 행렬이고,는 조종 변수의 상위 한계로 이루어진 벡터 성분이고,는 관련 변수의 상위 한계로 이루어진 벡터 성분인, 의적 함수를 풀기 위해 적용되는 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  4. 입력과 출력을 가진 프로세스에 관한 변수 관계를 최적화하기 위한 방법에 있어서, 상기 프로세서는 제어 변수와, 조종 변수와, 관련 변수 및, 외란 변수를 가지며, 상기 방법은, 상기 제어 변수와 관련된 에러에 우선 순위를 매기기 위해 다른 제어 변수에 대해 하나 이상의 제어 변수와 관련된 에러를 가중시키는 단계(a)와, 조종 변수 차동 이동을 기준으로 소정의 이후 시간 수평축에 대해 관련 세트포인트로부터의 제어 변수 편차를 최적화하는 단계(b)와, 큰 조종 변수 이동에 대한 이후 제어 에러 감소의 균형을 맞추기 위해 큰 조종 변수 이동을 불리하게 함으로서 하나 이상의 이후 제어 변수와 관련된 에러를 억제하는 단계(c)와, 다른 조종 변수 보다 어떤 조종 변수에 대해 우선적인 이동을 허용하기 위해 영구 속박으로부터 조종 변수의 편차를 감소시키기 의해 하나 이상의 조종 변수를 가중시키는 단계(d) 및, 허용가능한 한계밖의 유효한 관련 변수 편차에 속박 편차 변수를 적용시키는 단계(e)로 이루어지는 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  5. 제4항에 있어서, 제어 변수 편차를 최적화하는 상기 단계는 상기 조종 변수의 차동 이동인 독립 변수와 함께 제어 변수의 편차의 제곱의 합을 계산한 편차의 제곱 합을 계산하는 단계로 이루어진 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  6. 제4항에 있어서, 제어 변수 편차를 최적화하는 상기 단계는 상기 독립 변수가 조종 변수의 차동 이동을 포함하도록 제어 변수의 편차의 최소 제곱을 계산하는 단계로 이루어진 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  7. 제4항에 있어서, 에러를 억제하는 상기 단계는 이동 크기의 점근선의 감소의 시작을 제어 변수와 관련된 에러의 빠른 증가에 앞서도록 위치시킴으로서 바람직한 이동 억제를 확인하는 단계로 이루어진 것을 특징으로 하는 입력과 출력을 가진 프로세스에 관한 변수 관계 최적화 방법.
  8. 에러를 억제하는 단계는 제어 변수의 이동을 위해 상위값과, 하위값 및 증가값을 설정하는 단계로 이루어진 것을 특징으로 하는 제4항에 기재된 프로세스의 입력과 출력을 제어하는 방법.
  9. 에러를 억제하는 상기 단계는 에러의 합과 이동의 합이 적당하게 계산되었다는 것을 확신하기 의해 안정 상태에 도달할 때까지 에러를 억제하는 단계로 이루어진 것을 특징으로 하는 제4항에 기재된 프로세스의 입력과 출력을 제어하는 방법.
  10. 에러를 억제하는 상기 단계는 제어 변수-외란 변수와, 제어 변수 에러와, 관련된 변수-외란 변수와, 피드포워드 분배와, 조종 변수 이동 빛 조종 변수 세트포인트 계획을 포함한 세부 출력을 결정하는 단계로 이루어진 것을 특징으로 하는 제4항에 기재된 프로세스의 입력과 출력을 제어하는 방법.
  11. 제4항에 기재된 제어 변수와, 조종 변수와, 관련 변수 및 외란 변수를 가진 프로세스의 입력과 출력을 제어하는 방법에 있어서, 동작하는 입력과 관련되어 동작하는 출력을 결정하기 위한 프로세스를 테스트하는 단계(a)와, 동작하는 입력과 동작하는 출력에 관한 모델 응답 계수를 얻기 위해 프로세스 출력을 모델링하는 단계(b)와, 억제 분석 유효 세트포인트가 변화하고 외란이 변화하도록 동작하는 입력과 동작하는 출력에 관련된 하나 이상의 조종 변수와 관련된 초기 이동 억제 동조 조변수를 결정하기 위해 억제 분석을 적용하는 단계(c)와, 갱신된 출력과 갱신된 입력을 결정하기 위해 세트포인트가 변화하고 외란이 변화하는 동안 동조 조변수와 속박 제어 상태를 모의 실험하기 위한 제어 루틴을 적용하는 단계(d) 및, 프로세스를 감시 제어하기 위해 갱신된 출력과 갱신된 입력을 평가하는 단계(e)를 추가로 포함하는 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  12. 제11항에 있어서, 상기 프로세스를 테스트하는 단계는, 교란되는 적절한 조종 변수를 확인하는 단계(a)와, 교란되는 적절한 외란 변수를 확인하는 단계(b)와, 확인된 조종 변수와 외란 변수의 교란을 기준으로 수집되고 분석되는 하나 또는 그 이상의 응답 변수를 확인하는 단계(c)와, 프로세스의 응답이 추적될 수 있도록 외란의 진폭을 충분히 크게 결정하는 단계(d)와, 적당한 표본 간격을 결정하는 단계(e)와, 적당한 교란 주파수를 결정하는 단계(f)와, 적당한 테스트 시간을 결정하는 단계(g) 및, 확인된 조종 변수와 외란 변수를 기준으로 프로세스에 대한 의사난수의 2진 노이즈 테스트를 수행하는 단계(h)로 이루어진 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  13. 제11항에 있어서, 억제 분석을 적용하는 상기 단계는 각각의 조종 변수에 대한 한세트의 이동 억제값을 결정하기 위해 제어 변수와 관련된 에러의 합과 조종 변수와 관련된 이동의 합을 계산하는 과정으로 이루어진 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  14. 제11항에 있어서, 억제 분석을 적용하는 상기 단계는 동조 조변수의 이동 크기의 감소에 영향을 주는 이동 억제를 증가시키는 과정으로 이루어진 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  15. 제11항에 있어서, 억제 분석을 적용하는 상기 단계는 이동 크기의 점근선의 감소의 시작을 상기 제어 변수와 관련된 에러들의 빠른 증가에 앞서 위치시킴으로서 바람직한 이동 억제를 확인하는 과청으로 이루어진 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  16. 제11항에 있어서, 억제 분석을 적용하는 상기 단계는 이동 억제 조변수를 위한 상위값과, 하위값 및 증가값을 설정하는 과정으로 이루어진 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  17. 제11항에 있어서, 억제 분석을 적용하는 상기 단계는 에러들의 합과 이동의 합이 적절하게 계산되었다는 것을 확인하기 위해 안정 상태에 도달할 때까지 억재 분석을 적용하는 과정으로 이루어진 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  18. 제11항에 있어서, 억제 분석을 적용하는 상기 단계는 제어 변수 에러와, 퍼드포워드 분배와, 조종 변수 이동과, 조종 변수 세트포인트 계획과, 제어 변수-외란 변수 및 관련 변수-외란 변수를 포함한 세부 출력을 결정하는 과정을 포함하는 것을 특징으로 하는 프로세스의 입력과 출력을 제어하는 방법.
  19. 암모니아 공장에 있어서, 압축된 공기 흐름을 형성하기 의한 프로세스 공기 압축기와, 비가공 합성가스 흐름을 형성하기 위해 재형성기에 공급되는 탄화수소, 수증기 및 압축 공기 흐름과, 반드시 산소화합물이 없는 합성가스 공급 흐름을 만들기 위해 비가공 합성 가스 흐름으로부터 CO2와 나머지 산소화합물을 제거하기 위한 수단과, 질소와 산소를 암모니아로 변환시키기 위한 암모니아 변환기와, 암모니아 생산물 흐름을 압축시키기 위한 냉장 시스템 및, 냉장 시스템으로부터 합성가스 압축기로 재반응되지 않은 합성가스를 재순환시키기 위한 재순환선을 일련으로 포함하는 합성 루프로 합성가스 공급 흐름을 압축하기 위한 합성가스 압축기와, 재순환을 위한 합성 루프 재순환선으로부터 합성가스 압축기까지의 정화 흐름으로부터 수소 재순환 흐름을 복귀시키기 위한 수소 복귀 장치 및, 암모니아 변환기의 입구에서 질소 대 산소의 비율과, 압축된 공기 흐름내의 압력과 프로세스 공기 압축기의 속도로부터 선택된 관련 변수와, 주위 공기 온도와 수소 재순환 흐름내의 수소 성분으로부터 선택된 외란 변수 및, 인위적으로 높게 설정된 탄화수소 공급 흐름비로 이루어진 영구 속박 목표로 이루어진 제어 변수를 기준으로, 탄화수소와 압축된 공기 흐름 공급의 흐름으로 이루어진 조종 변수의 차동 이동을 결정하기 위한 제어 루틴으로 이루어진 모델 예상 제어기로 이루어진 것을 특징으로 하는 암모니아 공장.
  20. 제19항에 있어서, 상기 제어 루틴은,
    Min J=Jcv+Jλ+JPc+Jd
    여기서, Min J는 Jcv, Jλ Jpc 및 Jd의 합으로 이루어진 최소 제곱값이며,
    여기서, Jcv는 이후 시간 수평축에 대한 각각의 세트포인트로부터의 제어 변수의 편차의 가중된 제곱의 합이며,는 각각에 대해 제어 변수 에러를 가중시키기 위한 벡터 성분이고,는 제어 변수를 조종 변수와 관련 전송 함수 계수 행렬이고,는 조종 변수의 차동 이동의 벡터이며,는 제어 변수 및 각각의 세트포인트 사이의 에러 벡터이며,
    여기서, Jλ는 조종 변수의 차동 이동의 가중된 제곱의 합이고는 조종 변수의 과도하게 큰 차동 이동을 불리하게 하기 위한 이동 억제 성분의 벡터이며,
    여기서, Jpc는 영구 속박 목표값으로부터의 조종 변수의 편차의 가중된 제곱의 합이며,는 영구 속박이 얼마나 강하게 힘을 받는가를 나타내기 위한 성분 벡터이고,는 영구 속박 목표의 벡터이며,는 조종 변수 세트포인트의 벡터이며,
    여기서, Jd는 허용가능한 한계밖의 속박 함수에서의 편차의 가중된 제곱의 합이며,는 속박 편차 변수의 벡터이고,는 각각의 속박 가중의 벡터이며, 여기서, 외적 함수는,으로 제한되며, 여기서,는 조종 변수의 최소 차동 이동의 벡터이고는 조종 변수의 최대 차동 이동의 벡터이며,
    여기서,는 조종 변수의 하위 한계로 이루어진 벡터 성분이고,는 관련 변수의 하위 한계로 이루어진 벡터 성분이며,는 조종 변수 및 관련 변수를 외란 변수에 관련시키는 전송 함수 계수의 행렬이고,는 조종 변수의 상위 한계로 이루어진 벡터 성분이며,는 관련 변수의 상위 한계로 이루어진 벡터 성분인, 외적 함수를 풀기 위해 적용되는 것을 특징으로 하는 암모니아 공장.
  21. 제20항에 있어서,는 Jpc가 0이 되지 않도록 하나 이상의 인위적인 높은값을 포함하는 것을 특징으로 하는 암모니아 공장.
  22. 조종 변수의 차동 이동을 결정하고 관련 변수와 외란 변수에 종속되는 하나 이상의 차동 변수를 제어하기 위해 모델 예상 제어기를 사용하여, 차동 이동에 영향을 주는 과정으로 이루어진 암모니아 공장을 제어하는 방법에 있어서, 상기 암모니아 공장은, 압축된 공기 흐름을 형성하기 위한 프로세서 공기 압축기(a)와, 비가공 합성 가스 흐름을 생산하기 위해 재형성기에 공급되는 탄화수소, 수증기 및 압축된 공기 흐름(b)과, 반드시 산소화합물이 없는 합성가스 공급 흐름을 생산하기 의해 비가공 합성가스 흐름으로부터 CO2와 나머지 산소화합물을 제거하기 위한 수단(c)과, 질소와 수소를 암모니아로 변환시키기 위한 암모니아 변환기, 암모니아 생산물 흐름을 압축하기 위한 냉장 시스템 및, 냉장 장치로부터 합성 가스 압축기로 재반응되지 않은 합성가스를 재순환시키기 위한 재순환선을 일련으로 포함하는 합성 루프의 합성 가스 공급 흐름을 압축하기 위한 합성 가스 압축기(d) 및, 합성 루프 재순환선에서 재순환을 위해 합성가스 압축기로 정화 흐름으로부터 수소 재순환 흐름을 복귀시키기 위해 수소 복귀 장치(e)로 이루어지며,
    Min J=Jcv+Jλ+JPc+Jd
    여기서, Min J는 Jcv, Jλ Jpc 및 Jd의 합으로 이루어진 제곱값이며,
    여기서, Jcv는 이후 시간 수평축에 대한 각각의 세트포인트로부터의 제어 변수의 편차의 가중된 제곱의 합이며, 여기서, 제어 변수는 암모니아 변환기의 입구에서 질소 대 산소의 최소비를 포함하고,는 각각에 대하여 제어 변수 에러를 가중시키기 위한 성분 벡터이고,는 제어 변수와 조종 변수에 관한 전송 함수 계수 행렬이고, 여기서, 조종 변수는 재형성기로 공급되는 탄화수소와 압축된 공기 흐름의 최소 흐름비를 포함하고,는 조종 변수의 차동 이동의 벡터이며,는 제어 변수 및 제어 변수 각각의 세트포인트 사이의 에러 벡터이며,
    여기서, Jλ는 조종 변수의 차동 이동의 가중된 제곱의 합이고는 조종 변수의 과도하게 큰 차동 이동을 불리하게 하기 위한 이동 억제 성분의 벡터이며,
    여기서, Jpc는 영구 속박 목표값으로부터 조종 변수의 편차의 가중된 제곱의 합이고,는 영구 속박이 얼마나 강하게 힘을 받는가를 나타내기 위한 성분 벡터이고,는 재형성기로 인위적인 높은 흐름비를 적어도 포함하는 영구 속박 목표의 벡터이며,는 조종 변수 세트포인트의 벡터이며,
    여기서, Jd는 허용가능한 한계밖의 속박 함수에서의 편차의 가중된 제곱의 합이고,는 속박 편차 변수의 벡터이며,는 각각의 속박 가중의 벡터이며, 여기서, 외적 함수는,으로 제한되며, 여기서,는 조종 변수의 최소 차동 이동의 벡터이고는 조종 변수의 최대 차동 이동의 벡터이며,
    여기서,는 조종 변수의 하위 한계로 이루어진 벡터 성분이고,는 관련 변수의 하위 한계로 이루어진 벡터 성분이며,는 조종 변수 및 관련 변수를 외란 변수에 관련시키는 전송 함수 계수의 행렬이고,는 조종 변수의 상위 한계를 포함하는 벡터 성분이며,는 관련 변수의 상위 한계를 포함하는 벡터 성분인, 외적 함수를 푸는 과정으로 이루어진 개선점을 포함하는 것을 특징으로 하는 암모니아 공장 제어 방법.
  23. 암모니아 생성 프로세서에 있어서, 압축된 공기의 흐름을 형성하기 위해 압축기내의 공기를 압축하는 단계(a)와, 비가공 합성가스 흐름을 형성하기 위해 재형성기에 수증기와, 탄화수소 흐름 및 압축된 공기 흐름을 공급하는 단계(b)와, 반드시 산소화합물이 없는 합성가스 공급 흐름을 생성하기 위해 비가공 합성가스 흐름으로부터 CO2와 나머지 산소 화합물을 제거하는 단계(c)와, 합성가스 루프로의 합성가스 공급 흐름과, 재순환합성가스 흐름 및 수소 재순환 흐름을 압축하는 단계(d)와, 합성 루프내에서 질소와 수소를 암모니아로 변환시키는 단계(e)와, 암모니아생산물 흐름과 재순환 합성가스 흐름을 형성하기 위해 단계(e)로부터 재반응생산물을 냉장하는 단계(f)와, 수소 재순환 흐름을 형성하기 위해 수소 복귀 장치로 재순환 합성 가스 흐름의 일부를 정화하는 단계(g) 및, 외적 함수를 풀어서 단계(b)에서 탄화수소와 압축된 공기 흐름에 대한 공급비를 조종하기 위해 차동 이동을 결정하는 단계(h)로 이루어지며,
    Min J=Jcv+Jλ+JPc+Jd
    여기서, Min J는 Jcv, Jλ Jpc 및 Jd의 합으로 이루어진 제곱값이며,
    여기서, Jcv는 이후 시간 수평축에 대한 각각의 세트포인트로부터의 제어 변수의 편차의 가중된 제곱의 합이며, 여기서, 제어 변수는 단계(e)에서의 질소 대 수소의 비율을 적어도 포함하고,는 각각에 대해 제어 변수 에러를 가중시키기 위한 성분 벡터이고,는 제어 변수와 조종 변수를 관련시키는 전송 함수 계수 행렬이며, 여기서, 조종 변수는 단계(b)의 수소와 압축된 공기 흐름의 공급비를 포함하고,는 조종 변수의 차동 이동의 벡터이며,는 제어 변수 및 제어 변수 각각의 세트포인트 사이의 에러 벡터이며,
    여기서, Jλ는 조종 변수의 차동 이동의 가중된 제곱의 합이고는 조종 변수의 과도하게 큰 차동 이동을 불리하게 하기 위한 이동 억제 성분의 벡터이며,
    여기서, Jpc는 영구 속박 목표값으로부터 조종 변수의 편차의 가중된 제곱의 합이고,는 영구 속박이 얼마나 강하게 힘을 받는가를 나타내기 위한 성분 벡터이고,는 단계(b)의 재형성기에 탄화수소의 인위적인 높은 흐름비를 적어도 포함하는, 영구 속박 목표의 벡터이며,는 조종 변수 세트포인트의 벡터이며,
    여기서, Jd는 허용가능한 한계밖의 속박 함수에서의 편차의 가중된 제곱의 합이고,는 속박 편차 변수의 벡터이며,는 각각의 속박 가중의 벡터이며, 여기서, 외적 함수는,으로 제한되며, 여기서,는 조종 변수의 최소 차동 이동의 벡터이고는 조종 변수의 최대 차동 이동의 벡터이며,
    여기서,는 조종 변수의 하위 한계로 이루어진 벡터 성분이고,는 관련 변수의 하위 한계로 이루어진 벡터 성분이며,는 조종 변수 및 관련 변수를 외란 변수에 관련시키는 전송 함수 계수 행렬이고,는 조종 변수의 상위 한계로 이루어진 벡터 성분이며는 관련 변수의 상위 한계로 이루어진 벡터 성분인 것을 특징으로 하는 암모니아 생성 프로세스.
    ※ 참고사항 : 최초출원 내용에 의하여 공개하는 것임.
KR1019960705728A 1994-04-13 1995-04-11 영구 속박을 사용한 생산율의 최대화 방법(maximizing process production rates using permanent constraints) KR970702516A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US08/226,911 US5457625A (en) 1994-04-13 1994-04-13 Maximizing process production rates using permanent constraints
US08/226,911 1994-04-13
PCT/US1995/004419 WO1995028666A1 (en) 1994-04-13 1995-04-11 Maximizing process production rates using permanent constraints

Publications (1)

Publication Number Publication Date
KR970702516A true KR970702516A (ko) 1997-05-13

Family

ID=22850948

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1019960705728A KR970702516A (ko) 1994-04-13 1995-04-11 영구 속박을 사용한 생산율의 최대화 방법(maximizing process production rates using permanent constraints)

Country Status (9)

Country Link
US (1) US5457625A (ko)
EP (1) EP0755534A1 (ko)
JP (1) JPH09512120A (ko)
KR (1) KR970702516A (ko)
AU (1) AU2245495A (ko)
BR (1) BR9507360A (ko)
CA (1) CA2181438A1 (ko)
NO (1) NO964344D0 (ko)
WO (1) WO1995028666A1 (ko)

Families Citing this family (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE9304246L (sv) * 1993-12-22 1995-06-23 Asea Brown Boveri Förfarande vid övervakning av multivariata processer
US5572420A (en) * 1995-04-03 1996-11-05 Honeywell Inc. Method of optimal controller design for multivariable predictive control utilizing range control
US5561599A (en) * 1995-06-14 1996-10-01 Honeywell Inc. Method of incorporating independent feedforward control in a multivariable predictive controller
US5801963A (en) * 1995-11-13 1998-09-01 The University Of Kentucky Research Foundation Method of predicting optimum machining conditions
US5781430A (en) * 1996-06-27 1998-07-14 International Business Machines Corporation Optimization method and system having multiple inputs and multiple output-responses
US5903474A (en) * 1996-11-08 1999-05-11 University Of Kentucky Research Foundation Optimization of machining with progressively worn cutting tools
US6240330B1 (en) * 1997-05-28 2001-05-29 International Business Machines Corporation Method for feedforward corrections for off-specification conditions
US6240324B1 (en) * 1997-07-31 2001-05-29 Honeywell International Inc. Adaptive cascade control algorithm
US6094601A (en) * 1997-10-01 2000-07-25 Digisonix, Inc. Adaptive control system with efficiently constrained adaptation
US6253113B1 (en) * 1998-08-20 2001-06-26 Honeywell International Inc Controllers that determine optimal tuning parameters for use in process control systems and methods of operating the same
JP2000089525A (ja) * 1998-09-07 2000-03-31 Toshiba Corp 調整制御システム
US6662058B1 (en) * 1999-06-28 2003-12-09 Sanchez Juan Martin Adaptive predictive expert control system
AU2000268132A1 (en) 1999-09-03 2001-04-10 Quantis Formulation Inc. Method of optimizing parameter values in a process of producing a product
US6453219B1 (en) * 1999-09-23 2002-09-17 Kic Thermal Profiling Method and apparatus for controlling temperature response of a part in a conveyorized thermal processor
US6445963B1 (en) 1999-10-04 2002-09-03 Fisher Rosemount Systems, Inc. Integrated advanced control blocks in process control systems
US6510353B1 (en) 1999-11-04 2003-01-21 Fisher-Rosemount Systems, Inc. Determining tuning parameters for a process controller from a robustness map
US6721609B1 (en) 2000-06-14 2004-04-13 Fisher-Rosemount Systems, Inc. Integrated optimal model predictive control in a process control system
US7209793B2 (en) 2000-07-12 2007-04-24 Aspen Technology, Inc. Automated closed loop step testing of process units
WO2002005042A2 (en) * 2000-07-12 2002-01-17 Aspen Technology, Inc. Automated closed loop step testing of process units
JP3785029B2 (ja) * 2000-08-04 2006-06-14 株式会社山武 制御装置および制御方法
US20020147510A1 (en) * 2001-01-29 2002-10-10 Francis Robert Henry Process for rapidly controlling a process variable without overshoot using a time domain polynomial feedback controller.
WO2002093439A1 (en) * 2001-05-15 2002-11-21 Akzo Nobel N.V. Method of product specification for a processing chemical
JP3480452B2 (ja) 2001-05-25 2003-12-22 日産自動車株式会社 燃料電池システムおよびエネルギ供給システム
US6675073B2 (en) * 2001-11-20 2004-01-06 Steve Kieman System and method for tuning the weight control of a flow of material
US6901300B2 (en) * 2002-02-07 2005-05-31 Fisher-Rosemount Systems, Inc.. Adaptation of advanced process control blocks in response to variable process delay
JP4112900B2 (ja) * 2002-05-21 2008-07-02 株式会社山武 制御方法及び制御装置
US7376472B2 (en) 2002-09-11 2008-05-20 Fisher-Rosemount Systems, Inc. Integrated model predictive control and optimization within a process control system
DE10341764B4 (de) 2002-09-11 2019-01-10 Fisher-Rosemount Systems, Inc. Integrierte Modell-Vorhersagesteuerung und -Optimierung innerhalb eines Prozesssteuerungssystems
DE10341762B4 (de) * 2002-09-11 2014-05-15 Fisher-Rosemount Systems, Inc. Handhabung der Realisierbarkeit von Beschränkungen und Grenzen in einem Optimierer für Prozesssteuerungssysteme
US7219040B2 (en) * 2002-11-05 2007-05-15 General Electric Company Method and system for model based control of heavy duty gas turbine
US20050010462A1 (en) * 2003-07-07 2005-01-13 Mark Dausch Knowledge management system and methods for crude oil refining
US7966331B2 (en) * 2003-08-18 2011-06-21 General Electric Company Method and system for assessing and optimizing crude selection
US20050044892A1 (en) * 2003-08-28 2005-03-03 George Stephan P. Method and apparatus for heating glass sheets
US20060074598A1 (en) * 2004-09-10 2006-04-06 Emigholz Kenneth F Application of abnormal event detection technology to hydrocracking units
US7349746B2 (en) * 2004-09-10 2008-03-25 Exxonmobil Research And Engineering Company System and method for abnormal event detection in the operation of continuous industrial processes
US7424395B2 (en) * 2004-09-10 2008-09-09 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to olefins recovery trains
US7567887B2 (en) 2004-09-10 2009-07-28 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to fluidized catalytic cracking unit
US7591135B2 (en) * 2004-12-29 2009-09-22 Honeywell International Inc. Method and system for using a measure of fueling rate in the air side control of an engine
US6993403B1 (en) * 2005-03-22 2006-01-31 Praxair Technology, Inc. Facility monitoring method
US7499763B2 (en) * 2005-07-20 2009-03-03 Fuel And Furnace Consulting, Inc. Perturbation test method for measuring output responses to controlled process inputs
US7451004B2 (en) 2005-09-30 2008-11-11 Fisher-Rosemount Systems, Inc. On-line adaptive model predictive control in a process control system
GB2430764B (en) * 2005-09-30 2011-03-09 Fisher Rosemount Systems Inc On-line adaptive model predictive control in a process control system
US7378649B2 (en) * 2005-10-17 2008-05-27 Varian, Inc. Simplex optimization methods for instrumentation tuning
US7761172B2 (en) * 2006-03-21 2010-07-20 Exxonmobil Research And Engineering Company Application of abnormal event detection (AED) technology to polymers
US7720641B2 (en) * 2006-04-21 2010-05-18 Exxonmobil Research And Engineering Company Application of abnormal event detection technology to delayed coking unit
US20080016768A1 (en) 2006-07-18 2008-01-24 Togna Keith A Chemically-modified mixed fuels, methods of production and used thereof
US7914692B2 (en) * 2006-08-29 2011-03-29 Ngk Insulators, Ltd. Methods of generating plasma, of etching an organic material film, of generating minus ions, of oxidation and nitriding
US7949417B2 (en) * 2006-09-22 2011-05-24 Exxonmobil Research And Engineering Company Model predictive controller solution analysis process
US7826909B2 (en) * 2006-12-11 2010-11-02 Fakhruddin T Attarwala Dynamic model predictive control
US20090054998A1 (en) * 2007-08-23 2009-02-26 Chevron U.S.A. Inc. System and process for optimizing process control
US8126629B2 (en) * 2008-04-25 2012-02-28 General Electric Company Method and system for operating gas turbine engine systems
US8180693B2 (en) * 2008-10-31 2012-05-15 Hewlett-Packard Development Company, L.P. Prediction of financial performance for a given portfolio of marketing investments
US8180694B2 (en) * 2008-10-31 2012-05-15 Hewlett-Packard Development Company, L.P. System and method for incorporating qualitative inputs into econometric models
CA2780752C (en) * 2008-11-16 2019-05-07 Steven R. Gerrish Systems and methods for producing hydrogen
US8155764B2 (en) * 2009-02-27 2012-04-10 Honeywell International Inc. Multivariable model predictive control for coalbed gas production
US8112163B2 (en) * 2009-03-23 2012-02-07 Fakhruddin T Attarwala Embedded dynamic alarm control system
US9147206B2 (en) * 2009-08-31 2015-09-29 Accenture Global Services Limited Model optimization system using variable scoring
ES2551581T3 (es) * 2009-08-31 2015-11-20 Alcon Research, Ltd. Control de salida de presión neumática por calibración de ciclo de servicio de válvula de accionamiento
US8666556B2 (en) * 2009-12-10 2014-03-04 Alcon Research, Ltd. Systems and methods for dynamic feedforward
EP2509549B1 (en) * 2009-12-10 2013-12-25 Alcon Research, Ltd. Systems and methods for dynamic pneumatic valve driver
DE102009054905A1 (de) * 2009-12-17 2011-06-22 Robert Bosch GmbH, 70469 Verfahren zum Ermitteln von Funktionsparametern für ein Steuergerät
US8862250B2 (en) 2010-05-07 2014-10-14 Exxonmobil Research And Engineering Company Integrated expert system for identifying abnormal events in an industrial plant
US8821524B2 (en) 2010-05-27 2014-09-02 Alcon Research, Ltd. Feedback control of on/off pneumatic actuators
CA2798527C (en) * 2010-08-18 2014-02-25 Manufacturing Technology Network Inc. Computer apparatus and method for real-time multi-unit optimization
US9060841B2 (en) 2011-08-31 2015-06-23 Alcon Research, Ltd. Enhanced flow vitrectomy probe
EP3304219B1 (en) 2015-06-05 2023-09-27 Shell Internationale Research Maatschappij B.V. System and method for superior performance with respect to best performance values in model predictive control applications

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4349869A (en) * 1979-10-01 1982-09-14 Shell Oil Company Dynamic matrix control method
JPS5716719A (en) * 1980-07-04 1982-01-28 Hitachi Ltd Method and equipment for controlling steam temperature in thermal power plant
US4423594A (en) * 1981-06-01 1984-01-03 United Technologies Corporation Adaptive self-correcting control system
JPS59229622A (ja) * 1983-06-10 1984-12-24 Toshiba Corp プラント診断装置
GB2157459B (en) * 1983-10-14 1987-02-11 Ford Motor Co Selective parametric self-calibrating control system
US4616308A (en) * 1983-11-15 1986-10-07 Shell Oil Company Dynamic process control
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
US5043863A (en) * 1987-03-30 1991-08-27 The Foxboro Company Multivariable adaptive feedforward controller
US5180570A (en) * 1992-01-23 1993-01-19 Lee Jing M Integrated process for making methanol and ammonia

Also Published As

Publication number Publication date
NO964344L (no) 1996-10-11
NO964344D0 (no) 1996-10-11
WO1995028666A1 (en) 1995-10-26
AU2245495A (en) 1995-11-10
US5457625A (en) 1995-10-10
BR9507360A (pt) 1997-09-16
CA2181438A1 (en) 1995-10-26
JPH09512120A (ja) 1997-12-02
EP0755534A1 (en) 1997-01-29

Similar Documents

Publication Publication Date Title
KR970702516A (ko) 영구 속박을 사용한 생산율의 최대화 방법(maximizing process production rates using permanent constraints)
US5682309A (en) Feedback method for controlling non-linear processes
US6735483B2 (en) Method and apparatus for controlling a non-linear mill
US6278899B1 (en) Method for on-line optimization of a plant
US7418301B2 (en) Method and apparatus for approximating gains in dynamic and steady-state processes for prediction, control, and optimization
CN101925866A (zh) 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器
MXPA97008318A (en) Feedback method for controlling non-linear processes
CA2620315A1 (en) Adaptive multivariable mpc controller
MX9702973A (es) Aparato y metodo de control predictivo de modelo.
CN108614435A (zh) 非线性无模型预测控制方法
US20180128543A1 (en) Method and controller for controlling a continuous process
Saupe et al. Applied LPV control exploiting the separation principle for the single axis positioning of an industrial manipulator
CN110243138B (zh) 一种空气分离设备模型前馈控制系统及方法
Ye et al. Plant-wide control using an inferential approach
Alsop et al. Step-test free APC implementation using dynamic simulation
Tchamna et al. Constraint handling optimal PI control of open-loop unstable process: Analytical approach
JP2631225B2 (ja) 演算回路付モデル規範形適応先行制御装置
Tadeo et al. Advanced control of a hydrogen reformer
Balbis et al. Model predictive control design for industrial applications
JPH07332602A (ja) 蒸気温度予測制御装置
Rodríguez et al. First principles model based control
Chen et al. Disturbance observer enhanced model predictive control with experimental studies
Yoon et al. Design of online auto-tuning PID controller for power plant process control
Ohnishi A switching method of PID controllers based on performance assessment
MXPA96004775A (en) Production speeds of a maximization process using conditioners permanen

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid