NO322812B1 - Fremgangsmate og anordning for regulering av en prosess - Google Patents
Fremgangsmate og anordning for regulering av en prosess Download PDFInfo
- Publication number
- NO322812B1 NO322812B1 NO20024288A NO20024288A NO322812B1 NO 322812 B1 NO322812 B1 NO 322812B1 NO 20024288 A NO20024288 A NO 20024288A NO 20024288 A NO20024288 A NO 20024288A NO 322812 B1 NO322812 B1 NO 322812B1
- Authority
- NO
- Norway
- Prior art keywords
- model
- linear approximation
- conditions
- regulation
- approximate solution
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000008569 process Effects 0.000 title claims abstract description 78
- 230000001105 regulatory effect Effects 0.000 title claims description 35
- 230000004044 response Effects 0.000 claims description 23
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 229920000642 polymer Polymers 0.000 claims description 11
- 238000006116 polymerization reaction Methods 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 2
- 239000000047 product Substances 0.000 description 18
- 230000008859 change Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 239000003054 catalyst Substances 0.000 description 10
- QQONPFPTGQHPMA-UHFFFAOYSA-N propylene Natural products CC=C QQONPFPTGQHPMA-UHFFFAOYSA-N 0.000 description 10
- 125000004805 propylene group Chemical group [H]C([H])([H])C([H])([*:1])C([H])([H])[*:2] 0.000 description 10
- 239000004743 Polypropylene Substances 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 229910052739 hydrogen Inorganic materials 0.000 description 8
- 239000001257 hydrogen Substances 0.000 description 8
- 238000005070 sampling Methods 0.000 description 8
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 7
- -1 Polypropylene Polymers 0.000 description 7
- 230000006399 behavior Effects 0.000 description 7
- 229920001155 polypropylene Polymers 0.000 description 7
- URWAJWIAIPFPJE-YFMIWBNJSA-N sisomycin Chemical compound O1C[C@@](O)(C)[C@H](NC)[C@@H](O)[C@H]1O[C@@H]1[C@@H](O)[C@H](O[C@@H]2[C@@H](CC=C(CN)O2)N)[C@@H](N)C[C@H]1N URWAJWIAIPFPJE-YFMIWBNJSA-N 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000004886 process control Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001447 compensatory effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000004672 jump response Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000010327 methods by industry Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- C—CHEMISTRY; METALLURGY
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F10/00—Homopolymers and copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond
-
- 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
- C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
- C08F—MACROMOLECULAR COMPOUNDS OBTAINED BY REACTIONS ONLY INVOLVING CARBON-TO-CARBON UNSATURATED BONDS
- C08F2400/00—Characteristics for processes of polymerization
- C08F2400/02—Control or adjustment of polymerization parameters
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Medicinal Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Organic Chemistry (AREA)
- Software Systems (AREA)
- Polymers & Plastics (AREA)
- Artificial Intelligence (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Feedback Control In General (AREA)
- Polymerisation Methods In General (AREA)
- Diaphragms For Electromechanical Transducers (AREA)
- Paper (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
Description
Denne oppfinnelse gjelder et reguleringssystem, spesielt et for anvendelse ved regulering av fabrikkanlegg slik som en polymeriseringsreaktor.
En rekke forskjellige typer reguleringssystemer er kjente. Det enkle "klassiske" reguleringssystem innbefatter et enkelt inngangssignal og et enkelt utgangssignal (single input - single output, SISO), for eksempel en strømnings-regulator. I en slik regulator reguleres kun én variabel, nemlig strømningen gjennom en ventil, og denne benevnes den regulerte størrelse (controlted variable, CV). Et settpunkt legges inn for å fortelle regulatoren hvilken strømning som er ønskelig. En strømningsmåling anvendes også som inngangssignal for å fortelle regulatoren hvor stor den faktiske strømningen er. Regulatoren sammenligner den faktiske strømning med settpunktet og benytter avviket, ved å anvende tidligere definerte ligninger, for å beregne verdien på pådraget (manipulated variable, MV), som i dette tilfellet er ventestillingen. Dette er da utgangssignalet fra regulatoren.
Her utføres reguleringen basert på det observerte avviket i den regulerte størrelsen. En viktig del av ligningene som benyttes for å beregne pådraget ut fra avvikene er et sett med justeringsparametere som vil modifisere reguleringsalgoritmens egenskaper.
I mer komplekse prosesser vil det imidlertid kunne være mange variable som det må tas hensyn til og som kan være innbyrdes avhengige av hverandre på en slik måte at endring i én variabel uungåelig påvirker mer enn én respons. Slike virkninger benevnes "koblinger" eller "interaksjoner" mellom de variable. Videre vil også ulineære responser i pådragene kunne være en karakteristisk adferd i prosessen. SISO-regulatorer har ikke evne til å regulere slike prosesser effektivt fordi de ikke er i stand til å kompensere for koblinger, og fordi innstilte parameterverdier for ett sett med prosessbetingelser ikke nødvendigvis virker i det hele tatt for andre prosessbetingelser.
For å håndtere slike problemer anvendes mer komplekse reguleringssystemer, kalt avansert prosessregulering (advanced process control, APC). Et eksempel på APC er modellbasert prediktiv regulering (MPC). Her anvendes en datamaskinmodell av prosessen som skal reguleres, som en del av regulatoren. Modellen inneholder informasjon om virkningen pådragene har på de regulerte variabler, og kan også inkludere interaksjonene, beskrevet i form av matematiske ligninger. APC-regulatorer realiseres som programmer i datamaskiner tilknyttet prosessreguleirngssystemet. De er vanligvis anordnet for å motta signaler og verdier fra prosessmåleutstyr og sende reguleringssignaler, for eksempel settpunkter for strømningsregulatorer, og beregnede verdier til
prosessreguleringssystemet.
Det finnes en rekke forskjellige typer MPC-regulatorer tilgjengelige, basert på ulike tilnærminger som anvendes på den modellbaserte, prediktive reguleringsalgoritmen, se for eksempel "Model Predictive Control: Theory and Pradice - A Survey", Automatica, vol 25 Nr. 3, pp 335-348,1989.
Målene med reguleringen er vanligvis å tilby konsistente og stabile prosessbetingelser, for eksempel å sørge for stabile komponentkonsentrasjoner, stabil temperatur, stabilt trykk etc. Målet for et MPC-reguleringssystem er å oppdage endringer i målte inngangsbetingelser til enheten, for eksempel innmatinger, konsentrasjoner, temperaturer etc, og forskjeller mellom faktiske betingelser målt inne i eller etter enheten og tilsvarende verdier beregnet for modellen, for så å foreta regulerende tiltak for å kompensere for disse forstyrrelser og avvik. Hvis for eksempel strømmen av en ingrediens til reaktoren måles og et fall i strømnings-mengden oppdages, vil det være behov for kompenserende endringer i reaktorbetingelsene for å forhindre dette i å innvirke på en eller flere regulerte størrelser.
Alternativt er enkelte prosesser, slik som polymeriseringsreaktorer, utformet for kontinuerlig drift selv om de kan benyttes for fremstilling av ulike produkter. For å skifte fra ett produkt til et annet, foretas en hensiktsmessig endring i reaktorbetingelsene. En endring fra én polymerkvalitet til en annen på denne måte benevnes et "kvalitetsskifte". Her er det ønskelig at skiftet utføres så raskt som mulig, da mellomproduktet ikke vil være i henhold til spesifikasjon.
Modellene i et generelt MPC-system kan enten være empiriske eller fundamentale. Empiriske modeller er basert på data fra det egentlige fabrikkanlegg ved å utføre multivariabel regresjon mellom prosessens inngangsstørrelser (u og v) og produktet y, mens fundamentale dynamiske modeller er avledet fra grunnprinsipper som bevaring av masse, energi og bevegelsesmengde, likevektsligninger, reaksjonskinetikk etc.
De vanligste MPC-regulatorer er basert på empiriske modeller, se "Dynamic Matrix Control - a computer control algorithm", AlChE National Mtg, Houston, Texas
(1979). Årsaken til dette er at det forenkle prosesser, som i destillasjonskolonner hvor driftsbetingelsene er tilnærmet like over tid, er enkelt å lage og kjøre slike modeller. I mer komplekse enheter som polymeriseringsreaktorer har man imidlertid funnet at empiriske modeller er problematiske. I forbindelse med polymeriseringsreaktorer er det flere årsaker til dette: mange variabler viser en svært ulineær oppførsel; mange variabler er sterkt koblet eller gjensidig avhengige; driftsområdet reaktoren opereres i er omfattende, og reaktorbetingelsene endres også ofte på grunn av skift i produktkvaliteten. Det siste er situasjonen når produksjonen av ett produkt med ett sett reaktorbetingelser er ferdig, og reaktorbetingelsene endres for å starte produksjonen av et annet produkt med andre egenskaper.
Å lage empiriske modeller for en slik prosess krever at det utføres en rekke sprangresponstester i det aktuelle fabrikkanlegg ved å utføre en sprangendring for hvert pådrag og for hver forstyrrelse som skal inkluderes i modellen. Egne sprangresponstester må også utføres for hver koblingseffekt som skal modelleres. I praksis er det svært kostbart å utføre sprangresponstester på en polymeriseringsreaktor, da det vanligvis tar minst 2-4 ganger oppholdstiden å måle den fullstendige respons av en sprangendring i et MV, og hvis en hendelse i prosessen forstyrrer testen, må testen utføres på nytt. Prosessen må også være rimelig stabil når testen startes, da man innfører endringer i matingen som vil forandre den stabile situasjonen. Sprangendringer må også utføres på den faktiske produksjonsenhet, hvor stabile betingelser som gir konsistent produktkvalitet ikke bør forstyrres. I tillegg har gjerne hvert produkt en egen modell, fordi regulatoren som benytter en linearisert modell, på grunn av ulinearitet i prosessadferden ikke vil funksjonere for noen annen modell enn den som ble etablert med det faktiske sett med betingelser hvor sprangtesten ble utført for det spesifikke produkt.
I lys av de ovennevnte problemer vil det være fordelaktig å benytte en MPC basert på en fundamental modell i slike anvendelser. Som omtalt i "Model Predictive Control for Grade Transitions of a Polypropylene Reactor", 4th European Symposium on Computer Aided Process Engineering, Dublin 1994, vil fundamentale dynamiske modeller sammen med en MPC-algoritme kunne gi en mer effektiv løsning både med hensyn til implementasjonskostnadene og til hvor god reguleringen blir. Dataprosesseringskraften vil imidlertid i praksis begrense mulighetene for å gjøre dette når antallet CVer, MVer og føringer er betydelig, noe som ofte er tilfelle. Om man bruker en polymeriseringsreaktor som eksempel, er således den nødvendige kompleksiteten til modellen slik at den tid det tar å prosessere modellen ved anvendelse av praktisk tilgjengelig datakraft, vil være urimelig fordi den vil begrense modellens bruksfrekvens og fordi det vil introduseres betydelig forsinkelse mellom bestemmelsen av inngangsbetingelsene og bestemmelsen av løsningen - i mellomtiden kan betingelsene ha endret seg betydelig og føre til signifikante stabilitetsproblemer.
Oppfinnelsens første aspekt utgjøres av en fremgangsmåte for regulering av en prosess, og fremgangsmåten kjennetegnes ved at den omfatter de følgende trinn: a) generering av en grunnprinsippmodell som tilsvarer prosessen; b) innlasting av data som beskriver de nåværende og ønskede fremtidige prosessbetingelser; c) anvendelse av disse data til å generere en lineær tilnærming for modellen og som er gyldig for de nåværende betingelser; d) anvendelse av den lineære tilnærming for å bestemme en tilnærmet løsning for et reguleringsproblem som angår prosessen;
e) regulering av prosessen ved anvendelse av den tilnærmede løsning; og
f) repetisjon av trinnene b) til e).
Oppfinnelsen gir derfor en nøyaktig modell av prosessen fordi den er basert
på grunnprinsipper, det vil si at den er en fundamental modell snarere enn en empirisk tilnærming. Den kan om nødvendig være ulineær, og er gyldig over et vidt spekter av driftsbetingelser. Den iboende signifikante unøyaktighet i en lineær tilnærmingsmodell unngås derved. Oppfinnelsen er imidlertid fordelaktig sammenlignet med konvensjonelle og ulineære modellbaserte systemer fordi den ikke direkte løser hver av modellens ulineære ligninger hver gang den må foreta en antagelse. Snarere anvendes en lineær tilnærming for å bestemme en hensiktsmessig løsning på et reguleringsproblem med et gitt sett betingelser gyldige for ett bestemt tidspunkt. Denne lineære tilnærming tilveiebringes fortrinnsvis ved numerisk pertubasjon i modellen, og kan resultere i et annengrads programmeringsproblem. Dette kan selvfølgelig løses betydelig raskere enn en helt ulineær modell, og et fremtidig scenarium kan dermed bestemmes raskt. Prosessen kan dermed reguleres på tradisjonelt vis ved å generere nye settpunkter.
Oppfinnelsen kombinerer derfor nøyaktigheten og driftsområdet hos en fundamental modell med den lineære modells hurtighet og effektivitet, slik at et effektivt prosessreguleringssystem tilveiebringes.
I enkelte anvendelser kan en tilnærmet løsning være tilstrekkelig nøyaktig for anvendelse direkte i prosessreguleringen. Fortrinnsvis anvendes dog en tilnærmet løsning for å fastsette en mer presis løsning. Dette kan vanligvis gjøres ved innsetting av den tilnærmede løsning i modellen og så anvende en iterasjonsprosess. Denne prosess kan gjentas så ofte som nødvendig for å gi en løsning med tilstrekkelig nøyaktighet.
I foretrukne utførelser av oppfinnelsen benyttes den fundamentale grunnprinsippmodell for å beregne den faktiske respons på reguleringstiltak slik at responsen på det fremtidige scenario er virkningen av den fundamentale modell, og ikke av den forenklede lineariserte modell.
I enkle anvendelser kan beregnet lineær tilnærming være tilstrekkelig nøyaktig for anvendelse for et antall ulike prosessbetingelser. For å sette oppfinnelsen i stand til å regulere mer komplekse systemer foretrekkes det at den lineære modell rekalkuleres, for eksempel for hvert nytt sett med reaktorbetingelser. En ny linearisert modell vil derfor genereres ved behov. Det innses at man ved mange anvendelser må generere modeller meget hyppig.
En av de viktige fordelene ved anvendelse av de fundamentale modeller i denne sammenheng er at de kan være gyldige og konsistente over et bredt drifts-område. Dette betyr at den samme modell og de samme modellparametere kan dekke et vidt spektrum av produksjonsbetingelser, slik som de som er resultatet av produksjon av en annen polymerkvalitet. Således kan regulatoren fortrinnsvis regulere selve overgangen til annen produktkvalitet, ved endring av prosessbetingelsene fra ett sett betingelser til ett annet sett betingelser for produksjon av et annet produkt. Når modellens beregnede verdier er tilstrekkelig nøyaktige og nær prosessenhetens faktiske oppførsel, er de beregnede sett pådrag MV fra oppfinnelsens metoder svært nær en optimal måte å endre betingelser på.
Dette er svært fordelaktig sammenlignet med de vanlige forhold knyttet til regulatorer basert på empiriske modeller, hvor det oftest er nødvendig å utføre overgangen manuelt, for så å fortsette med MPC-regulering ved anvendelse av en annen modell når overgangen er fullført. Oppfinnelsen kan således benyttes til å muliggjøre en raskere overgang til annen produktkvalitet, det vil si å oppnå stabile prosessbetingelser med nødvendige produktegenskaper og derved redusere det økonomiske tap relatert til tapt produksjon og produktawik.
Denne oppfinnelse omfatter også en reguleringsanordning for prosessregulering og omfatter en regulator, inngangs- og utgangsmidler og en modell, og reguleringsanordningen kjennetegnes ved at: a) modellen er en fundamental modell som tilsvarer prosessen; og at regulatoren
videre omfatter
b) midler for innlasting av data som beskriver de aktuelle og fremtidig ønskede prosessbetingelser; c) midler for beregning av en lineær tilnærming ti) modellen, og som er gyldig for hver av inngangsbetingelsene; d) midler for anvendelse av hver slik lineær tilnærming for å bestemme en tilnærmet løsning på et reguleringsproblem relatert til prosessen; og e) midler for å generere utgangssignaler for regulering av prosessen ved å anvende løsningen i punkt (d) ovenfor.
Anordningen er fortrinnsvis utformet for anvendelse i overensstemmelse med de foretrukne fremgangsmåter beskrevet ovenfor.
Oppfinnelsen omfatter også en reguleringsanordning som er innrettet for å arbeide i henhold til fremgangsmåten beskrevet ovenfor, samt en prosess for produksjon av et kjemisk produkt, hvilken prosess anvender fremgangsmåten og/eller reguleringsanordningen definert ovenfor. I forbindelse med oppfinnelsen benyttes en modell og/eller regulator som omfatter programvare lagret på en passende databærer.
Regulator og modell er vanligvis implementert ved bruk av en mikro-prosessorbasert beregningsanordning.
En utførelsesform av oppfinnelsen skal nå beskrives ved bruk av et eksempel og med referanse til følgende figurer, hvor: Figur 1 er et flytskjema over regulatorens generelle konfigurasjon ved en utførelse av oppfinnelsen;
figur 2 er et flytskjema over regulatorstrukturen som anvendes i utførelsen;
figur 3 og 4 er flytdiagrammer som beskriver de trinn som utføres av regulator-delen i utførelsen;
figur 5 er en graf som illustrerer pumpeeffekten fra en reaktor og som illustrerer den stabilitetsforbedring som oppnås ved anvendelse av oppfinnelsen sammenlignet med en konvensjonell SISO-regulator; og
figur 6 til 11 viser forskjellige grafer som illustrerer simulerte effekter ved anvendelse av oppfinnelsens utførelsesformer.
Utførelsen er implementert ved et reguleringssystem av typen illustrert på figur 1 og som er kjent fra generelle beskrivelser og inneholder en matematisk modell av prosessen.
Regulatoren 1 tilsvarer et datamaskinprogrambasert system som kan utføres på kommersielt tilgjengelige datamaskiner. Modellens arbeidsmåte er imidlertid, som beskrevet nedenfor, betydelig forskjellig fra et standard system.
Figur 1 viser den generelle informasjonsflyt fra en prosess 2 som omfatter en eller flere prosessenheter, som en reaktor, til en datamaskin I (ref 3) hvor MPC-programvaren er installert. Prosessmålinger samles i det generelle reguleringssystem 4 (DCS) som vanligvis innbefatter alle generelle regulatorer nødvendig for strømningsregulering, temperatur- og trykkregulering etc, og disse er implementert som vanlige SISO-regulatorer. Et subsett av disse målingene som er nødvendige for APC-regulatoren kalles b. Alle målingene, inkludert b, er tilgjengelige i operatørstasjonen 5 gjennom skjemavisninger og trender. Vanligvis implementeres operatørgrensesnittet for MPC-regulatoren som skjermvisning (ikke vist) på operatørstasjonen 5.
I denne skjermvisning kan operatøren betrakte beregnede utgangsverdier og informasjon fra MPC-regulatoren, og også legge inn informasjon til MPC-regulatoren, så som settpunkt for de regulerte størrelser/mål, høye og lave grenser for begrensede regulerte størrelser og pådrag, velge om regulatoren ska være av eller på, eller velge de faktiske variable som skal reguleres, etc.
Informasjonsmengden fra operatøren til MPC-regulatoren kalles i figur 1 for c. Denne informasjon overføres fra operatørstasjonen 5 til DCS-systemet 4. Informasjonen som er nødvendig for MPC-regulatoren, det vil si b og c, overføres fra DCS-systemet til prosessdatabasesystemet 6 som sørger for langtidslagring av data og som har tilgjengelig proprietære bibliotekrutiner som anvendes for lesing av data fra og skriving av data til databasen.
MPC-regulatoren leser data, det vil si b og c, fra databasesystemet, og kan som opsjon benytte grensenittprogramvare utviklet ved bruk av de proprietære rutiner utført som del av databasesystemet. Det er også mulig å tilgjengelig-gjøre data, det vil si b og c, for MPC-regulatoren ved mottak av data direkte fra DCS-systemet eller fra operatørstasjonen 5, derigjennom erstatte databasens grensesnitt-programvare basert på databaserutiner med grensesnittrutiner som kan utveksle data direkte til og fra DCS-systemet 4 eller operatørstasjonen 5. Det er også mulig å implementere operatørskjermvisningen som benyttes til visning og/eller innlegging av data for MPC-regulatoren på en datamaskin II ved anvendelse av verktøy tilgjengeliggjort av databasesystemet selv eller med annet verktøy, i stedet for å
utføre dette på operatørstasjonen 5.
MPC-regulatoren benytter målte inngangssignaler fra prosessen sammen med modellen og dens interne reguleringsalgoritmer for å beregne MPC-utgangssignalene kalt a. Disse består vanligvis av modellforutsatte responser og verdier for pådrag som vil overføres til databasesystemet 6, og et subsett av disse dataene, a', likeså videre til DCS-systemet 4, i det minste de beregnede verdier for pådrag og eventuelt valgte beregnede responser og informasjon om MPC-reguiatorens status. De beregnede verdier for pådrag blir så overført som nye settpunkter til SISO-regulatorene i DCS-systemet 7 (fig. 2) for å utføre resultatet av MPC-reguleringen.
Figur 2 illustrerer MPC-regulatorens struktur. Målingene vedrørende prosessen 2, kalt b i fig. 1 består av subsettene um, v og qm. um er målte pådrags-verdier, v er målte prosessforstyrrelser og qm er målte responser fra prosessen. Dataene (yest, zmin, zmax) kalt c i fig. 1 er inngangsverdier fra operatøren ved operatørstasjon 5 (fig. 1) og består av settpunkter for CVer og minimums- og maksimumsgrenser for begrensede responser regulert av MPC. um og v er erfaringsverdier fra prosessen 2 og videreformidlet til modellen 10 som vil beregne responsen qest. Enkelte responser blir også målt, qm, og modellkorreksjoner blir foretatt ved sammenligning av korresponderende verdier for qest og qm. Regulatoren benytter den nåværende oppdaterte modell som en del av reguleringsalgoritmen for å beregne de pådrag MV som er kalt uest. Denne reguleringsalgoritmen forutser fremtidig prosessadferd ved anvendelse av modell 10 og beregner de MV som vil gi minst avvikssum mellom CV-settpunktet og forutsette verdier. De pådrag som er utgangssignaler fra den valgfrie multivariable MPC-regulator er faktisk inngangssignaler/settpunkter til DCS-systemets SISO-regulatorer 7, som vil generere reguleringssignaler til ventiler, varmeapparater, motorer etc. for å minimalisere avviket mellom verdiene uset og um.
I systemet er det som tidligere omtalt innlemmet en fundamental modell av prosessen 10. Denne inkluderer submodeller for reaksjonskinetikk, produktkvalitet eller egenskaper. Submodellene kan benyttes for å beregne den effekt en forstyrrelse eller endring i tilførselen til enheten(e) har for prosessresponsen med hensyn til de regulerte størrelser, begrensede responser eller andre beregnede utgangssignaler. Denne modell er en tilstandsrommodell (som beskrevet i ovennevnte artikkel fra Dublin Symposium). Strukturen på de anvendte beregningene
omfatter tre trinn:
i) integrasjon av modelligningene i samplingstiden med nye verdier for
statusvektor
ii) beregning av modellutganger (beregnede målinger) på grunnlag av de nye
verdier for statusvektor
iii) beregning av verdier for CVer og begrensede responser på grunnlag av nye verdier for statusvektor.
Statusvektor omfatter elementer valgt med omhu og basert på kriteriet om en unik beskrivelse av informasjonen om reaktorens innhold og som er relevant for reguleringshensikten og ikke inneholder redundans.
Denne modell er utført som en programvareenhet og omfatter et komplett sett med programvaremoduler. Dette modulsettet påvirker reguleringen av prosessenheten(e) ved hjelp av de følgende trinn som er oppsummert i figur 3; a) Kjøring av programvareenheten i henhold til en predefinert prøvetakings-frekvens, hensiktsmessig valgt med hensyn til den faktiske prosessenheten, for
eksempel hvert minutt. Trinn (b) til (I) nedenfor utføres deretter:
b) Innhenting av inngangsverdier innlagt av operatøren for settpunkt til de regulerte størrelser, høye og lave grenser for begrensede responser, høye og lave
grenser for pådrag, maksimal endringsrate for pådrag, utvalg av hvilke variable som reguleres av denne programvareenhet, den relative vekt/viktighet mellom de forskjellige regulerte størrelser, det relative handikap ved anvendelse av ulike regulerte størrelser, eller opphenting av en av eller alle disse verdier fra filer eller annet datalager, og også test av validitet og konsistensen til disse verdier før anvendelse i reguleringsmetoden.
c) Innhenting av måleresultater fra prosessenheten ved hjelp av dedikerte deler av programvaren spesielt utviklet for dette formål, og også test av validitet og
konsistens til disse måleresultatene.
d) Innhenting av modellparametere og parameterjustering for modellens korreksjonsalgoritmer, som del av metoden. e) Oppdatering av alle regulatorinnstillingene basert på nye inngangsverdier fra DCS, databasesystem, filer eller andre lagringsenheter. f) Anvendelse av verdier innsamlet i henhold til c) for å utføre beregninger med modellen i henhold til trinn i) til iii) ovenfor, beregning av nåværende tilstand i
prosessenheten(e) og nåværende verdier for regulerte størrelser, begrensede
responser og beregnet utgangssignal fra modellen. Dette trinnet kalles "prediksjon"
(av nåværende eller aktuell tilstand).
g) Utførelse av korreksjoner i modellparametere og nåværende verdier for prosessbetingelsene (tilstand) ved anvendelse av en korreksjonsalgoritme og
observerte avvik mellom de av modellen beregnede utgangssignaler og tilsvarende verdier tilgjengelig-gjort via målinger i den faktiske prosess, for å eliminere disse avvik. Dette trinn kalles "korreksjon" (også ofte referert til som "estimering") og sikrer at modellen er i samsvar med den faktiske prosess.
h) Bruk av reguleringsalgoritmen (som beskrevet i trinn h1 til h8 nedenfor) til beregning av verdier for tildeling til MVer for å minimalisere (summen av) avvik(ene)
mellom regulerte størrelser og de respektive beregnede settpunkt for en spesifisert fremtidig tidsperiode, også kalt horisont, hvoretter de begrensede responser holdes innefor sine definerte grenser. Dette trinn kalles "regulering".
i) Kontroll av ovenfor beskrevne beregningsresultat og setting av hensiktsmessige kontrollflagg i samsvar med disse kontroller
j) Overføring av beregningene vedrørende datasett a i fig. 1 til databasesystemet for lagring i den hensikt å anvende dem som fabrikkanleggsinformasjon for utarbeidelse av rapporter og trender.
k) Overføring av beregningsresultatene i foregående trinn, kalt a<1>, direkte eller indirekte til DCS-systemet, hvor verdiene for nye DCS-regulatorsettpunkt tilgjengelig-gjøres for slike regulatorer og faktisk anvendes som settpunkt. Den regulerte DCS vil deretter generere reguleringssignaler, kalt a", til prosessens reguleringsanordninger basert på avviket mellom nåværende måling og det nye settpunkt for å minimalisere slike avvik. 1) La programvareenheten vente (uten å utføre noe) inntil prøvetakingskontrollen eller kjørefrekvenskontrollen finner at det er på tide å starte på nytt fra trinn a) slik at reguleringsmetoden utføres ved jevnlige prøvetakingsintervaller.
Den, i trinn h) ovenfor anvendte reguleringsalgoritme omfatter følgende trinn (som er oppsummert i figur 4): h1) Algoritmen startes som en respons på en reguleringshendelse. Det genereres så en lineær tilnærming til (grunnprinsipp-) modellen korresponderende til inngangs-betingelsene ved numerisk perturbasjon av modellen. Prediksjonshorisonten inndeles i et antall såkalte intervallblokker. For hvert intervall tildeles MVene verdier i samsvar med de nåværende MV-verdiene. Dette kalles inngangsscenariet.
h2) Den fremtidige respons, det vil si de predikerte verdier på de regulerte størrelser og begrensede responser kalkuleres ved hjelp av den fundamentale modell basert på det nåværende pådragsscenariet. Den fundamentale modell integreres ved anvendelse av inngangsscenariet som var resultatet av beregningene til reguleringsproblemet i foregående prøvetaking.
h3) Innstilling av begrensninger på innganger og utganger - det vil si innstilling av minimale og maksimale tillatte verdier for pådrag og regulerte størrelser.
h4) Beregning av den Hessiske matrise på kjent måte og en vektor som definerer avviket mellom predikerte og ønskede (referanse-) verdier på de regulerte størrelser.
h5) Løsning av reguleringsproblemet som er formulert som et annengrads programmeringsproblem (QP) ved å anvende en lineær tilnærming i den fundamentale modellen.
h.6) Hvis løsning ikke er mulig, introduksjon av slakkvariabler og oppsetting av QP-problemet på nytt - her kan det benyttes verdier utenfor minimum- og maksimumverdisettet for de regulerte størrelser.
h7) Det er på det rene at trinn h5 til h7 etablerer en iterativ prosess som sikrer at den tilnærmede modelløsning er optimal i henhold til (grunnprinsipp)modellen. Hvis løsningen har konvergert, det vil si dersom den nye iterasjon ikke forbedrer resultatet sammenlignet med den ulineære modellen, fortsettes til h8), ellers returneres til h1).
h8) Innstilling av første del av inngangscenariet for/til reguleringsvektoren for å implementere resultatet.
To anvendelseseksempler for oppfinnelsen beskrives nedenfor:
Eksempel 1
Oppfinnelsen er her brukt til å regulere pumpeeffekten for to seriekoblede reaktorer. Innholdet i reaktorene er flytende propylen og polypropylenpolymer (PP). Mengden av PP-tørrstoff bestemmer pulpens viskositet og dermed energimengden som behøves for tilstrekkelig pumping av pulpen for å forhindre bunnfelling og klump-dannelse, og for fordeling av monomer (polypropylen) og katalysatorsystemkompo-nenter som mates inn i reaktorens pulp, og derved dets pumpeeffekt.
For å stabilisere reaktoren må mengden tørrstoff holdes konstant. Tørrstoffet reguleres med innmatingen av polypropylen. Problemet forbundet med å regulere tørrstoffmengden med vanlige reguleringssystemer er at prosessdynamikken gjør det vanskelig å justere konvensjonelle regulatorer slik at de gir stabilt tørrstoffinnhold for alle mulige betingelser og driftsområder for prosessen. Imidlertid vil denne effekt kunne predikteres og kompenseres for med MPC-algoritmen slik at sløyfens stabilitet kan forbedres betydelig. Figur 5 viser hvordan målt pumpeeffekt oppfører seg. Settpunktet for pumpeeffekten vises med den rette linje 20. Den faktiske, målte pumpeeffekt med regulatoren i drift vises med linje 21 (første del, ref 22) sammenlignet med en konvensjonell regulering etter at regulatoren har blitt stoppet (andre del, ref 23). Som det fremgår er det en signifikant forbedring i reguleringsparametrenes stabilitet med regulatoren i drift.
Eksempel 2
Oppfinnelsen er her brukt til å regulere smeltemassens strømningsmengde (MFR), produksjonsmengden (Rp) og pulptettheten (Dens) i en polypropylen reaktor for uavbrutt drift. MFR er relatert til polymermolekylvekten av det produserte polymer og benyttes som en viktig indeks for produktkvaliteten. Pådragene er innmating av hydrogen (uh), katalysator (ucat) og propylen (up). Hydrogenet benyttes for å regulere MFR, men H2-konsentrasjonen i reaktoren påvirker også katalysatoraktiviteten. For å endre MFR må således innmatingen av H2 endres, men tilførselen av katalysator må også endres for å holde mengden på ønsket verdi. Pulptettheten er relatert til mengden polymer i tillegg til flytende propylen i reaktoren. For å regulere tettheten endres tilførselen av propylen (liq). Øket propylentilførsel har også den effekt at H2 og katalysator skylles ut.
Denne reaktormodell inkluderer en statusvektor som inneholder følgende elementer:
1 mengden katalysator i reaktoren
2 mengden propylen i reaktoren
3 mengden polypropylen i reaktoren
4 mengden hydrogen i reaktoren
5 gjennomsnittlig molekylvekt (eller en relatert parameter) for polymer i reaktoren
For hvert av disse elementene beregner modellen endringsraten:
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) x (f - x(5))
hvor
wcatin = katalysatorinnmatingen
wcatout = katalysatorflyten ut av reaktoren
wpin = propylen inn
Rp = propylenpolymeriseringsmengden fra en kinetisk modell wpout - propylenflyten ut av reaktoren
wPPout - polypropylenflyten ut av reaktoren
wh2in - hydrogen inn
Rh = hydrogenforbruksmengden
wh2out = hydrogenflyten ut av reaktoren
f = molekylvekten (eller en relatert parameter) for momentant produsert polymer
For å beregne de aktuelle tilstander i reaktoren, integreres statusvektoren over prøvetakings- eller samplingstiden:
hvor x er statusvektoren og ts er prøvetakingstiden for regulatoren og f(x) er for eksempel tilstand nummer 5 i ovennevnte likning hvor g(MFRi) er funksjonen for polymerens momentane MFR, som LN(MFR) eller MFR-0,314, beregnet for en separat formel. x(3) er mengden polymer i reaktoren. Rp er produksjonsmengden beregnet ut fra en kinetisk modell i modulen og inneholdende det kinetiske uttrykk
hvor
Ap er mengdekonstanten
mc er katalysatormengden i reaktoren
xp er propylenkonsentrasjonen i reaktoren
a er katalysatoraktiviteten
f1(T) er temperaturavhengigheten, foreksempel Arrhenius' ligning f2(D) er avhengigheten av mengden kokatalysator (donor)
f3(H) er avhengigheten av hydrogen
Dette utføres ved numerisk integrasjon. Modellberegnede verdier for CVene blir så avledet fra statusvektoren, det vil si for å regulere mengde og MFR
y(yRate) = Rp
y(yMFR) = MFR beregnet ut fra molekylvekt (eller relatert parameter) Dette er de regulerte med hensyn til deres settpunkt. Beregnede verdier benyttet til opp-datering blir også beregnet ut fra satusvektoren:
q(qRate) = Rp
q(qMFR) = MFR beregnet ut fra molekylvekt (eller relatert parameter) hvor mengdeparameter for den kinetiske modellen q-Rate blir oppdatert basert på differansen mellom q-beregnet og q-målt, det vil si
Ap = Ap + g x (q-målt - q-beregnet) / q-målt
Når denne metode utføres online blir resultatet som vist på fig. 6, fig. 7 og fig. 8, og hvor CVene er MFR (fig. 6) pulptettheten {fig.7) og produksjonsmengden (fig. 8). En endring i produktkvalitet er foretatt fra MFR = 4 til MFR = 12, samtidig med at pulptetthetens settpunkt endres fra 500 til 520 kg/m3 og settpunktet for produksjonsmengden endres fra 8000 kg/h til 10 000 kg/h. De fremtidige prediksjoner presenteres i den såkalte fremtidsgraf-skjermvisningen, hvor den forventede adferden til CVene i nær fremtid presenteres. Fig. 9 viser predikert adferd for MFR (linje A). Diskontinuiteten skyldes oppdatering av verdien basert på et laboratorieresultat. Linjen B er operatørsettpunktet for den ønskede verdi. Linje C viser hvordan regulatoren ønsker å manipulere hydrogen-matingen for å oppnå den korrekte MFR. Tid = 0 er faktisk tid. På venstre side er det en historisk trend som viser faktiske verdier, mens høyre side viser fremtidig trend med predikerte (beregnede) verdier. De samme grafer vises også for produksjonsmengden (fig. 10) og pulptettheten (fig. 11) og viser en sann multivariabel regulator.
Claims (12)
1. Fremgangsmåte for regulering av en prosess,
karakterisert ved: a) generering av en grunnprinsippmodell som tilsvarer prosessen; b) innlasting av data som beskriver de nåværende og ønskede fremtidige prosessbetingelser; c) anvendelse av disse data til å generere en lineær tilnærming for modellen og som er gyldig for de nåværende betingelser; d) anvendelse av den lineære tilnærming for å bestemme en tilnærmet løsning for et reguleringsproblem som angår prosessen; e) regulering av prosessen ved anvendelse av den tilnærmede løsning; og f) repetisjon av trinnene (b) til (e).
2. Fremgangsmåte ifølge krav 1,
karakterisert ved at modellen er ulineær.
3. Fremgangsmåte ifølge krav 1 eller 2,
karakterisert ved at den lineære tilnærmelse utvikles ved numerisk perturbasjon av modellen.
4. Fremgangsmåte ifølge krav 3,
karakterisert ved at den lineære tilnærmelse tilveiebringer et annengrads-programmeringsproblem som løses for å bestemme den tilnærmede løsning av reguleringsproblemet.
5. Fremgangsmåte ifølge et av de foregående krav,
karakterisert ved at den derved bestemte tilnærmede løsning anvendes for å frembringe en mer presis løsning.
6. Fremgangsmåte ifølge et av de foregående krav,
karakterisert ved at grunnprinsippmodellen benyttes for å beregne en reguleringsrespons.
7. Fremgangsmåte ifølge et av de foregående krav,
karakterisert ved at genereringen av den lineære tilnærming til modellen gjentas etter behov ved anvendelse av nye inngangsdata.
8. Fremgangsmåte ifølge et av de foregående krav,
karakterisert ved at prosessen er en polymeriseringsprosess.
9. Fremgangsmåte ifølge krav 8,
karakterisert ved at prosessen omfatter en overgang fra produksjon av en første polymerkvalitet til en annen, idet overgangen styres automatisk.
10. Reguleringsanordning for prosessregulering og omfattende en regulator, inngangs- og utgangsmidler og en modell,
karakterisert ved at: a) modellen er en fundamental modell som tilsvarer prosessen; og at regulatoren videre omfatter b) midler for innlasting av data som beskriver de aktuelle og fremtidig ønskede prosessbetingelser; c) midler for beregning av en lineær tilnærming til modellen, og som er gyldig for hver av inngangsbetingelsene; d) midler for anvendelse av hver slik lineær tilnærming for å bestemme en tilnærmet løsning på et reguleringsproblem relatert til prosessen; og e) midler for å generere utgangssignaler for regulering av prosessen ved å anvende løsningen i punkt (d) ovenfor.
11. Anordning for regulering av en prosess,
karakterisert ved at den er innrettet for å arbeide i henhold til fremgangsmåten ifølge et av de foregående krav 1-9.
12. Prosess for produksjon av et kjemisk produkt,
karakterisert ved at prosessen anvender fremgangsmåten og/eller reguleringsanordningen ifølge et av de foregående krav.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GBGB0005866.9A GB0005866D0 (en) | 2000-03-10 | 2000-03-10 | Process control system |
PCT/GB2001/001079 WO2001067189A1 (en) | 2000-03-10 | 2001-03-12 | Process control system |
Publications (3)
Publication Number | Publication Date |
---|---|
NO20024288D0 NO20024288D0 (no) | 2002-09-09 |
NO20024288L NO20024288L (no) | 2002-11-05 |
NO322812B1 true NO322812B1 (no) | 2006-12-11 |
Family
ID=9887417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
NO20024288A NO322812B1 (no) | 2000-03-10 | 2002-09-09 | Fremgangsmate og anordning for regulering av en prosess |
Country Status (18)
Country | Link |
---|---|
US (1) | US20030120361A1 (no) |
EP (1) | EP1264224B1 (no) |
JP (1) | JP2003526856A (no) |
KR (1) | KR100518292B1 (no) |
CN (1) | CN1248074C (no) |
AT (1) | ATE265701T1 (no) |
AU (2) | AU2001240799B2 (no) |
BR (1) | BR0109154A (no) |
CA (1) | CA2401543A1 (no) |
CZ (1) | CZ20023362A3 (no) |
DE (1) | DE60103037T2 (no) |
ES (1) | ES2220732T3 (no) |
GB (1) | GB0005866D0 (no) |
HU (1) | HUP0302014A3 (no) |
NO (1) | NO322812B1 (no) |
PL (1) | PL357339A1 (no) |
PT (1) | PT1264224E (no) |
WO (1) | WO2001067189A1 (no) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7783468B2 (en) * | 1998-05-13 | 2010-08-24 | Accretive Technologies, Inc. | Automated system and method for service and cost architecture modeling of enterprise systems |
US7389211B2 (en) * | 1998-05-13 | 2008-06-17 | Abu El Ata Nabil A | System and method of predictive modeling for managing decisions for business enterprises |
US20020049573A1 (en) * | 1998-05-13 | 2002-04-25 | El Ata Nabil A. Abu | Automated system and method for designing model based architectures of information systems |
US6936665B2 (en) * | 2001-09-26 | 2005-08-30 | Bp Corporation North America Inc. | Integrated advanced chemical process control |
US7376472B2 (en) * | 2002-09-11 | 2008-05-20 | Fisher-Rosemount Systems, Inc. | Integrated model predictive control and optimization within a process control system |
DE10349661B8 (de) * | 2003-10-24 | 2007-12-06 | Siemens Ag | Einrichtung und Verfahren zur Überwachung der Parameterwahl beim Betrieb eines technischen Gerätes |
JP4722461B2 (ja) * | 2003-12-03 | 2011-07-13 | フィッシャー−ローズマウント システムズ, インコーポレイテッド | モデルスイッチングおよび属性補間を用いた適応型多変数プロセスコントローラ |
WO2005077038A2 (en) * | 2004-02-06 | 2005-08-25 | Wisconsin Alumni Research Foundation | Siso model predictive controller |
JP4834988B2 (ja) * | 2004-12-14 | 2011-12-14 | 横河電機株式会社 | 連続系プロセス制御方法および連続系プロセス制御システム |
US7451004B2 (en) * | 2005-09-30 | 2008-11-11 | Fisher-Rosemount Systems, Inc. | On-line adaptive model predictive control in a process control system |
US7877154B2 (en) | 2005-09-30 | 2011-01-25 | Fisher-Rosemount Systems, Inc. | Method and system for controlling a batch process |
CN101322083A (zh) * | 2005-12-05 | 2008-12-10 | 费舍-柔斯芒特系统股份有限公司 | 利用并行过程仿真的多目标预测过程优化 |
US7496413B2 (en) * | 2006-05-03 | 2009-02-24 | Honeywell Asca Inc. | Apparatus and method for coordinating controllers to control a paper machine or other machine |
US7496414B2 (en) * | 2006-09-13 | 2009-02-24 | Rockwell Automation Technologies, Inc. | Dynamic controller utilizing a hybrid model |
AU2006348445B2 (en) * | 2006-09-21 | 2011-03-10 | Union Carbide Chemicals & Plastics Technology Llc | Method of controlling properties in multimodal systems |
DE102007030492B4 (de) * | 2007-06-30 | 2009-11-26 | Robert Bosch Gmbh | Gebäudemodellbasiertes prädiktives Verfahren zur Generierung und Weitergabe von Informationen über Auswirkungen von Sollwert-Änderungen |
US7881815B2 (en) * | 2007-07-12 | 2011-02-01 | Honeywell International Inc. | Method and system for process control |
SG183700A1 (en) * | 2007-08-07 | 2012-09-27 | Dow Global Technologies Inc | A method for improving the prediction of polymer properties and a system having improved polymer property prediction capabilities |
EP2055720A1 (en) * | 2007-11-05 | 2009-05-06 | Total Petrochemicals Research Feluy | Predictive model for density and melt index of polymer leaving loop reactor |
EP2055721A1 (en) * | 2007-11-05 | 2009-05-06 | Total Petrochemicals Research Feluy | Method for optimising the transition from one polymer grade to another |
US8108074B2 (en) * | 2008-02-12 | 2012-01-31 | Honeywell International Inc. | Apparatus and method for optimizing operation of sugar dryers |
CN101887255B (zh) * | 2009-05-14 | 2012-07-04 | 宝山钢铁股份有限公司 | 一种实时数据传递装置及其方法 |
US8560283B2 (en) * | 2009-07-10 | 2013-10-15 | Emerson Process Management Power And Water Solutions, Inc. | Methods and apparatus to compensate first principle-based simulation models |
AU2010326117A1 (en) | 2009-12-02 | 2012-05-31 | Shell Internationale Research Maatschappij B.V. | Economics-based coordination of advanced process control and real-time optimization |
EP2383298A1 (en) | 2010-04-30 | 2011-11-02 | Ineos Europe Limited | Polymerization process |
EP2383301A1 (en) * | 2010-04-30 | 2011-11-02 | Ineos Europe Limited | Polymerization process |
BR112014015017B8 (pt) | 2011-12-22 | 2021-07-06 | Statoil Petroleum As | método e sistema para separação de fluidos com um sistema integrado de controle |
US9122261B2 (en) * | 2012-04-24 | 2015-09-01 | Honeywell International Inc. | Apparatus and method for real-time sequential quadratic programming in industrial process control systems |
DK177915B1 (en) * | 2013-05-28 | 2015-01-05 | Core As | Process control method |
DE102013109412A1 (de) * | 2013-08-29 | 2015-03-05 | Prominent Gmbh | Verfahren zur Verbesserung von Dosierprofilen von Verdrängerpumpen |
US10379503B2 (en) | 2014-07-21 | 2019-08-13 | Honeywell International Inc. | Apparatus and method for calculating proxy limits to support cascaded model predictive control (MPC) |
US9733629B2 (en) | 2014-07-21 | 2017-08-15 | Honeywell International Inc. | Cascaded model predictive control (MPC) approach for plantwide control and optimization |
WO2016116896A1 (en) * | 2015-01-24 | 2016-07-28 | Abb Technology Ltd. | A method for controlling a process plant using transition data |
US10466684B2 (en) | 2017-05-25 | 2019-11-05 | Honeywell International Inc. | Apparatus and method for adjustable identification of controller feasibility regions to support cascaded model predictive control (MPC) |
US10908562B2 (en) | 2017-10-23 | 2021-02-02 | Honeywell International Inc. | Apparatus and method for using advanced process control to define real-time or near real-time operating envelope |
US20230057943A1 (en) * | 2020-02-04 | 2023-02-23 | Daicel Corporation | Prediction apparatus, prediction method, and program |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5559728A (en) * | 1990-10-09 | 1996-09-24 | University Of Washington | Calibration transfer for second order analytical instruments |
US5459677A (en) * | 1990-10-09 | 1995-10-17 | Board Of Regents Of The University Of Washington | Calibration transfer for analytical instruments |
US5687090A (en) * | 1994-09-01 | 1997-11-11 | Aspen Technology, Inc. | Polymer component characterization method and process simulation apparatus |
US5682309A (en) * | 1995-04-28 | 1997-10-28 | Exxon Chemical Patents Inc. | Feedback method for controlling non-linear processes |
US6654649B2 (en) * | 1999-12-22 | 2003-11-25 | Aspen Technology, Inc. | Computer method and apparatus for optimized controller in a non-linear process |
-
2000
- 2000-03-10 GB GBGB0005866.9A patent/GB0005866D0/en not_active Ceased
-
2001
- 2001-03-12 ES ES01911877T patent/ES2220732T3/es not_active Expired - Lifetime
- 2001-03-12 AU AU2001240799A patent/AU2001240799B2/en not_active Ceased
- 2001-03-12 PT PT01911877T patent/PT1264224E/pt unknown
- 2001-03-12 AT AT01911877T patent/ATE265701T1/de not_active IP Right Cessation
- 2001-03-12 US US10/221,219 patent/US20030120361A1/en not_active Abandoned
- 2001-03-12 CZ CZ20023362A patent/CZ20023362A3/cs unknown
- 2001-03-12 HU HU0302014A patent/HUP0302014A3/hu unknown
- 2001-03-12 AU AU4079901A patent/AU4079901A/xx active Pending
- 2001-03-12 CA CA002401543A patent/CA2401543A1/en not_active Abandoned
- 2001-03-12 CN CNB018062636A patent/CN1248074C/zh not_active Expired - Fee Related
- 2001-03-12 BR BR0109154-9A patent/BR0109154A/pt not_active Application Discontinuation
- 2001-03-12 DE DE60103037T patent/DE60103037T2/de not_active Expired - Lifetime
- 2001-03-12 PL PL01357339A patent/PL357339A1/xx unknown
- 2001-03-12 WO PCT/GB2001/001079 patent/WO2001067189A1/en not_active Application Discontinuation
- 2001-03-12 JP JP2001566100A patent/JP2003526856A/ja active Pending
- 2001-03-12 EP EP01911877A patent/EP1264224B1/en not_active Expired - Lifetime
- 2001-03-12 KR KR10-2002-7011822A patent/KR100518292B1/ko not_active IP Right Cessation
-
2002
- 2002-09-09 NO NO20024288A patent/NO322812B1/no unknown
Also Published As
Publication number | Publication date |
---|---|
NO20024288L (no) | 2002-11-05 |
DE60103037T2 (de) | 2005-04-28 |
ES2220732T3 (es) | 2004-12-16 |
CA2401543A1 (en) | 2001-09-13 |
PL357339A1 (en) | 2004-07-26 |
DE60103037D1 (de) | 2004-06-03 |
HUP0302014A3 (en) | 2006-01-30 |
BR0109154A (pt) | 2003-04-22 |
GB0005866D0 (en) | 2000-05-03 |
KR100518292B1 (ko) | 2005-10-04 |
CZ20023362A3 (cs) | 2003-05-14 |
EP1264224B1 (en) | 2004-04-28 |
CN1248074C (zh) | 2006-03-29 |
PT1264224E (pt) | 2004-09-30 |
WO2001067189A1 (en) | 2001-09-13 |
HUP0302014A2 (hu) | 2003-09-29 |
AU4079901A (en) | 2001-09-17 |
KR20020083175A (ko) | 2002-11-01 |
NO20024288D0 (no) | 2002-09-09 |
ATE265701T1 (de) | 2004-05-15 |
US20030120361A1 (en) | 2003-06-26 |
AU2001240799B2 (en) | 2005-04-28 |
JP2003526856A (ja) | 2003-09-09 |
EP1264224A1 (en) | 2002-12-11 |
CN1416540A (zh) | 2003-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NO322812B1 (no) | Fremgangsmate og anordning for regulering av en prosess | |
AU2001240799A1 (en) | Process control system | |
JP3949164B2 (ja) | 非線形プロセスを制御するためのフィードバック法 | |
US9046882B2 (en) | Nonlinear model predictive control of a batch reaction system | |
Bahri et al. | Effect of disturbances in optimizing control: steady‐state open‐loop backoff problem | |
Li et al. | Dynamic real-time optimization of distributed MPC systems using rigorous closed-loop prediction | |
EP0813699A4 (en) | METHOD AND APPARATUS FOR CONTROLLING MULTIPLE VARIABLE PROCESSES | |
Finkler et al. | Realization of online optimizing control in an industrial semi-batch polymerization | |
CA3220830A1 (en) | Method for generating artificial intelligence model for process control, process control system based on artificial intelligence model, and reactor comprising same | |
Arellano-Garcia et al. | Real-time feasibility of nonlinear model predictive control for semi-batch reactors subject to uncertainty and disturbances | |
Himmel et al. | Machine learning for process control of (bio) chemical processes | |
KRÄ et al. | Process Systems Engineering, 5. Process Dynamics, Control, Monitoring, and Identification | |
Pfeiffer et al. | Nonlinear model predictive control based on existing mechanistic models of polymerisation reactors | |
Adigun | Decentralized Fuzzy-PID Based Control Model for a Multivariable Liquid Level System | |
Naidoo et al. | Experiences with nonlinear MPC in polymer manufacturing | |
Jämsä | Model predictive control for the Tennessee Eastman process | |
Olivier | A suggested approach to practical unclamping of model predictive control | |
Yusupbekov et al. | METHOD OF INTELLIGENT CONTROL OF THE PROCESS OF RECTIFICATION OF MULTICOMPONENT MIXTURES | |
EP4068012B1 (en) | Learning processing apparatus, control apparatus, learning processing method, control method, learning program and control program | |
Drgoňa et al. | Regionless explicit MPC of a distillation column | |
Muravyova et al. | Adaptive Fuzzy Control for Rectification Process of Recycled Solvent | |
White | 5: Optimisation and Control–An Industrial View. | |
Ahmed | Developing and Testing of an MPC strategy for a four tanks multivariable process using Emerson Delta V system. | |
Engell | A procedure for systematic control structure selection with application to reactive distillation | |
Love | Real Time Optimisers |