WO2013010905A1 - Device and method for determining model parameters of a control-related model structure of a process, control apparatus, and computer program product - Google Patents

Device and method for determining model parameters of a control-related model structure of a process, control apparatus, and computer program product Download PDF

Info

Publication number
WO2013010905A1
WO2013010905A1 PCT/EP2012/063668 EP2012063668W WO2013010905A1 WO 2013010905 A1 WO2013010905 A1 WO 2013010905A1 EP 2012063668 W EP2012063668 W EP 2012063668W WO 2013010905 A1 WO2013010905 A1 WO 2013010905A1
Authority
WO
WIPO (PCT)
Prior art keywords
delay element
model
model parameters
signals
estimated
Prior art date
Application number
PCT/EP2012/063668
Other languages
German (de)
French (fr)
Inventor
Fabian BARGIEL
Klaus Wendelberger
Shengzhe FU
Original Assignee
Siemens Aktiengesellschaft
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 Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Publication of WO2013010905A1 publication Critical patent/WO2013010905A1/en

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
    • 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
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25298—System identification
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the invention relates to a device and a corresponding method for determining model parameters of a control model structure of a process according to the preamble of claim 1.
  • the invention further relates to a control device for a process and a computer program product.
  • control variable such as pressure, temperature, flow velocity
  • the controller which is here the control algorithm in the software of the automation system, which determines from the control difference, how the actuator (for example, valve, flap, motor, ...) is to be moved so that the controlled variable approaches the reference variable,
  • the dynamic behavior of the system depends on various factors.
  • the dependence on the operating point requires that controller parameters be determined for different operating points and then have to be tracked depending on the operating state, which is associated with a high commissioning effort.
  • the plant dynamics may over time, e.g. due to contamination or wear. With constant controller parameters, the control behavior will then deteriorate more and more, or it will always be necessary to readjust the control loops.
  • a filter can only be set optimally if there is knowledge about the frequency spectrum of the useful signals, ie in turn about the dynamic system behavior and the noise.
  • the simplest way to mathematically model the dynamics of a process engineering process is to use delay elements. Depending on which transmission behavior best characterizes the process, delay elements of different order are selected with the respective time constants.
  • a PTn element of arbitrary order n is formed by the series connection of n delay elements of the first order (PTI elements).
  • the sum time constant Tsum of the PTn element is the sum of all individual time constants T of the PTI elements.
  • the individual time constants T are assumed to be the same here.
  • the process dynamics can then be expressed by only two parameters, namely the sum time constant Tsum and the order n of the PTn element.
  • the most common method for determining the sum time constant Tsum is the test on the system. The process is deliberately loaded with a change in the input variable and the transition behavior of the output variable is recorded. With an offline calculation algorithm, the sum time constant Tsum can be determined from the transmission behavior.
  • the algorithm can only be supplied offline with measurement data and determine the sought total time constant.
  • the algorithm sends noise signals to the process so that they are dynamically excited and a parameter estimation is possible.
  • the process itself is adversely affected continuously or repeatedly by the algorithm.
  • the algorithm can only analyze complete transition functions, ie in this case, measured values must be stored for later analysis over a certain period of time.
  • the algorithm is not able to constantly output in the cycle of the automation system (for example 100 ms), for example, a parameter estimate.
  • the algorithm is bound to specific value ranges of the input and output variables of the process and thus also to given gain factors and offsets of the process.
  • the algorithm itself has parameters that have to be set by the user, but that are not easy to define offline.
  • the algorithm is associated with a high computational effort and / or storage space requirements and therefore can not be used in an automation system or in particular in a power plant control system.
  • a first improvement is achieved according to the dt. Patent Application 10 2010 025 916.0 by a method and a corresponding device for determining at least one model parameter of a control model of a steam generator.
  • a control engineering model structure with at least one characteristic model parameter is specified there.
  • Measurement signals of the steam generation process are recorded online.
  • the at least one model parameter is estimated online.
  • the same input signal is applied to both the real process and the model of the steam generator.
  • an estimation analysis is performed, wherein at least one output signal of each of the process and / or the model or at least one input signal is processed by a comparative evaluation based on a gradient analysis.
  • estimation ranges are defined in a further step, within which a valid parameter estimation is possible. If the estimate is positive, the current estimate of the at least one Improved model parameters.
  • This method can be disadvantageously used only for a very specific control model structure of a steam generator. However, the application for a general model structure based on a PTn delay element is not possible.
  • the invention advantageously makes possible an online determination of the model parameters of a control process model, wherein the model parameters are estimated according to the invention and the model structure is represented by means of an observer model in the form of a Kalman filter.
  • the invention can be advantageously used during operation of a technical system. From its computational effort and storage space requirement, use of the algorithm in an automation system and in particular in a power plant control system is possible.
  • the algorithm is able to provide a parameter estimate constantly (online) in the cycle of the automation system.
  • the algorithm does not send noise to the process. Only the measurement data that is generated during normal system operation is used.
  • the algorithm itself has only parameters that depend on the wender can also be determined offline. In principle, the device according to the invention and the corresponding method can be used for any controlled system.
  • variable transformation which may be of modular design, advantageously comprises a normalization analysis for the detection of stationary states as well as an adaptive standardization in which first values for the minimum and maximum limits of the input and setting variables u and the output variable (controlled variable) y are determined automatically and then an offset is calculated out, and an amplification factor is set constant.
  • the adaptive standardization has the great advantage that the invention can be used for any value ranges of the input and output variables of the process and thus also for any amplification factors and offsets in the process.
  • an estimation analysis is performed.
  • it is checked by means of a gradient evaluation of the normalized input and output signal and of the amplification factor whether a parameter estimation makes sense.
  • the algorithm can independently decide whether or not the supplied measurement data contains sufficient information for determining the cumulative time constant and automatically reacts accordingly. If parameter estimation is not possible (e.g., during steady-state operation of the plant), the estimation is negatively evaluated and the current estimate for the model parameters is not changed. As soon as the measured data contain information for determining the model parameters, the current estimated value is improved.
  • the invention is particularly suitable for delay-affected processes, which can be simulated by means of a delay element of any order.
  • a delay element of any order can be simulated by means of a delay element of any order.
  • the delay element is represented by means of an observer model in the form of a Kalman filter.
  • the model parameters for different orders of the delay element are estimated in parallel by means of a number of estimation means. This has the advantage that the order of that delay element can be determined, which best simulates the process. Due to the chosen observer model, this will be the observation error of the individual
  • the model parameters are output which have the smallest difference between the measured and estimated value of the process output variable.
  • the invention has numerous advantages. In particular, it allows a reduction in the commissioning time of control structures, since no lengthy manual parameter settings of the control loops are necessary. Accordingly, the commissioning costs of control structures are reduced.
  • the method also works adaptively, i. Once triggered, it automatically adapts to changing circumstances of the ongoing process. Such adaptive
  • Fig. 1 is a sketch to illustrate the problem
  • Fig. 2 is a sketch of an estimating means for determining the
  • FIG. 4 is a schematic representation of the invention
  • FIG. 5 Comparison of the online profiles of a measured time constant or amplification factor and the time constant or amplification factor, estimated using the invention, plotted along the time T in s
  • Fig. 6 is a schematic representation of the control device
  • FIG. 1 shows a sketch to clarify the problem.
  • any process P that runs on a technical system. It may be a process engineering process, such as a process of burning fossil fuels in a power plant, or raw material refining in a refinery, or any process in a large scale pharmaceutical plant, etc.
  • At least any input signal u is supplied to and output from the process P. the process results in at least one arbitrary output signal y.
  • Input and output signals represent measured variables that are determined online, ie during operation of the technical system.
  • a gas control valve via which natural gas is supplied to a combustion chamber act, and the output signal to the temperature in the combustion chamber.
  • the measured values are continuously recorded and processed, for example, in a cyclically operating control system, ie in each cycle of eg 100 ms.
  • process engineering processes can often be modeled or modeled well by delay elements of any order.
  • An example of such a control engineering model is shown in Fig.l.
  • the control-engineering model structure here comprises two delay elements PT1 of the first order with the respective individual time constants T, so that a delaying behavior of the second order results in their series connection.
  • the model parameters which best characterize the dynamics of such a process are now to be determined by means of the invention.
  • this is the sum time constant Tsum of the series connection of the delay elements (which is assumed to be a delay element of initially unknown order)
  • Tsum the sum time constant of the series connection of the delay elements
  • the basic idea of the invention is now primarily to carry out an estimate for the sum time constant Tsum in order to determine the dynamics of the process. For this purpose, however, the gain V and the offset 0 must be known.
  • V and 0 can be determined based on at least two stationary states.
  • the method of the invention is available online, i. For example, to work in time with a cyclic control system, it is not possible at a time to determine V and 0 simultaneously. Therefore, a variable transformation is performed in which the offset 0 disappears and the gain V is set to 1. In such a variable transformation, the sum time constant Tsum remains unchanged and can be determined by means of an estimation algorithm.
  • FIG. 1 shows the control model after the variable transformation or normalization.
  • the controlled system is a standardized input signal and switched.
  • the gain factor V is initially assumed to be 1.
  • a normalized output signal yn is output.
  • Estimator SMi switched on.
  • the estimation means generates an estimated value Ti for the corresponding sum time constant Tsum for the control-engineering model of a delay element of order ni.
  • Tsum time constant
  • ni the time constant for the control-engineering model of a delay element of order ni.
  • the variable transformation is carried out.
  • the normalization analysis NBA is necessary to make a first check of the input and output signals u and y, which can be in any range of values.
  • the normalizability is assessed as positive, ie the adaptive normalization or the actual variable transformation can be carried out.
  • the adaptive standardization AdapN values for the minimum and maximum limits of u and y are then automatically determined (umin, umax, ymin, ymax).
  • the operating range in which the process takes place may change and / or changes in process gain V over time may be noted. Both value range enlargements are detected, but the value ranges are also automatically reduced if the process remains in use for a long time (depending on the previously estimated time constant T new )
  • un (u-umin) * 50 / (umax-umin) +50
  • the normalized input and output signals un and yn are now fed to the actual estimation algorithm.
  • the module KF represents an estimator using a Kalman filter.
  • the exact sequence of the estimation is shown in the description of FIG. 3, where the procedure without taking into account the variable transformation of the input quantities (u, y) is explained on the basis of the example of a second-order delay element.
  • the estimation of the model parameters in the estimated value generator SWG starts automatically as soon as the available data makes the determination of a new value possible. This means that during stationary operation no time constant estimation is possible; the current estimate remains constant.
  • the estimate of the total time constant T i is performed on the basis of the normalized input variables un and yn using the Kalman filter (where i is here equal to 1, 2 to nmax, depending on the order of the delay element is considered).
  • a system gain factor V t is also estimated.
  • the observer error ei is also output for the corresponding delay element.
  • V -u (t) must be much smaller than the term V-ü (t).
  • Vu (t) the algorithm is stopped.
  • ü (t) general stationary operation
  • Grading verification is part of the SBA estimability analysis.
  • the estimated value generator SWG thus outputs a new improved estimated value T new , which is used both in the normalizability analysis NBA and in the adaptive normalization.
  • the output of the estimator SMi are finally the observation error e ⁇ , the estimated sum time constant T i and the gain factor V i .
  • Figure 3 shows a sketch of a model structure for a controlled system for the process P, which is divided into two delay elements PT1 first order with the time constant T, so that in their series circuit results in a delay behavior of second order.
  • the observer model in the form of a Kalman filter according to the invention is used.
  • the reconstruction of the track conditions is done by calculating a dynamic track model parallel to the real process.
  • Both the underlying process P and the model structure M are supplied with the same input quantity u.
  • the model structure receives further the input quantity is the output variable y of the process P.
  • the additional state x x gives the
  • Elongation gain V on. All states x ⁇ are computational and immeasurable states estimated by the observer and are time dependent quantities. At the end of the model route, an estimated value for the output signal y is output. The deviation between measured variables from the process and the corresponding values, which are determined with the distance model, is the observer error e.
  • the observation error e y-y is determined.
  • the estimation of a size should generally be based as far as possible on the knowledge of all previous observations.
  • the observer error e is applied to the observed, ie calculated process, but not directly, but as a product with an observer correction L, the so-called observer vector.
  • this is a three-dimensional vector, ie it contains three components, L 1 ( L 2 and L 3) , which are each multiplied by the observer error - a scalar -
  • the components Li become dependent on the input quantity u and a previous estimated value
  • the exact calculation of the observer vector L is performed by solving the matrix-Riccati differential equation.
  • w (t) describes the process noise and v (t) the measurement noise.
  • the linearization takes place at the operating point x 0 , u 0 , T 0 , where for T 0 the currently estimated time constant T new, for u 0 the current measured value of the input u and for x 0 the current estimates for the states are used.
  • the system matrices of the linearized system are:
  • the observer vector can be constructed using the Kalman-Bucy principle by solving the riccatic differential equation in matrix form:
  • P (t) is the symmetric and positive solution of the Riccatian differential equation.
  • Q describes how large the influence of the system error is, and R describes the measurement error.
  • the components of x (t) and y (t) can also be calculated. From these in turn can be the
  • FIG. 4 shows a schematic representation of the device VS according to the invention.
  • the device VS are supplied online, for example in each cycle of an automation system, an input signal u of the process and an output signal y of the process. These input variables are included in these sem embodiment, four estimation SMl connected to SM4.
  • Each estimation means determines the observation error ei, the estimated time constant T i and the gain V ; for the respective delay element. In this way, a parallel estimation of the time constants for different orders of the delay elements is possible.
  • the order n opt of the delay element is determined with which the actual system behavior can best be simulated by comparing the observer errors from the Kalman filters of the individual estimation means SMi.
  • the output gains should be based on the
  • Variable transformation are in the range of 1. Strong deviations from 1 indicate a wrong standardization. As soon as the process moves into at least one stationary state, normalization is automatically renewed and the new estimate of the amplification factor will automatically return to 1.
  • Figure 5 shows two examples of the estimation of the time constant and the gain factor. Plotted are the courses of the time constant T in s (upper picture) and of the gain V (lower picture) estimated by means of the device according to the invention in comparison with an arbitrarily given time constant or an arbitrarily given amplification factor. The estimates are based very well on the given values, they are only small
  • FIG. 6 shows the structure image of a control device R.
  • the control device w is supplied with the reference variable w.
  • the manipulated variable u is output.
  • Part of the control device is one or more calculation units BE, which the device according to the invention for Mood of model parameters of a control model structure of a process includes.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

The invention relates to a device and a corresponding method for determining model parameters of a control-related model structure of a process. The device receives at least one input signal and one output signal online, wherein said signals are any measurement signals of the process. According to the invention, the device has at least one estimation means, which is designed to determine current estimated values for the model parameters of the model structure, wherein the model structure is represented by means of an observer model in the form of a Kalman filter. In an advantageous embodiment of the invention, the process is simulated by a delay element of any order.

Description

Beschreibung description
Vorrichtung und Verfahren zur Bestimmung von Modellparametern einer regelungstechnischen Modellstruktur eines Prozesses, Regeleinrichtung und Computerprogrammprodukt Device and method for determining model parameters of a control model structure of a process, control device and computer program product
Die Erfindung betrifft eine Vorrichtung und ein entsprechendes Verfahren zur Bestimmung von Modellparametern einer regelungstechnischen Modellstruktur eines Prozesses gemäß dem Oberbegriff von Anspruch 1. Die Erfindung betrifft ferner eine Regeleinrichtung für einen Prozess und ein Computerprogrammprodukt . The invention relates to a device and a corresponding method for determining model parameters of a control model structure of a process according to the preamble of claim 1. The invention further relates to a control device for a process and a computer program product.
Zur Automatisierung von zumeist verfahrenstechnischen Prozes- sen werden heutzutage digitale Automatisierungssysteme eingesetzt, in denen entsprechende Software-Regelungsstrukturen ablaufen. Ein Regelkreis setzt sich dabei zusammen aus For the automation of mostly process engineering processes today digital automation systems are used, in which appropriate software control structures run. A control loop is composed of this
- einem Mittel zur analogen messtechnischen Erfassung der zu regelnden Prozessgröße (Regelgröße) wie beispielsweise Druck, Temperatur, Strömungsgeschwindigkeit,  a means for analog metrological detection of the process variable to be controlled (controlled variable) such as pressure, temperature, flow velocity,
- einem Mittel zum Einlesen des Messwertes in das Automatisierungssystem über eine Analog/Digital -Wandlung  - A means for reading the measured value in the automation system via an analog / digital conversion
- einem Filter in der Software des Automatisierungssystems, mit dessen Hilfe das Rauschen der gemessenen Prozessgröße be- seitigt wird,  - a filter in the software of the automation system, with the help of which the noise of the measured process variable is eliminated,
- einer Berechnungseinheit zur softwaremäßigen Vorgabe eines Sollwertes für diese Prozessgröße (Führungsgröße) ,  a calculation unit for software specification of a setpoint value for this process variable (reference variable),
- einer Berechnungseinheit zur Regeldifferenzbildung (Abweichung der Regelgröße vom vorgegebenen Sollwert) in der Soft- wäre des Automatisierungssystems,  a calculation unit for regulating difference formation (deviation of the controlled variable from the specified nominal value) in the software of the automation system,
- dem Regler, wobei hier der Regelalgorithmus in der Software des Automatisierungssystems gemeint ist, welcher aus der Regeldifferenz bestimmt, wie das Stellorgan (z.B. Ventil, Klappe, Motor, ...) zu verfahren ist, damit sich die Regelgröße der Führungsgröße nähert,  - the controller, which is here the control algorithm in the software of the automation system, which determines from the control difference, how the actuator (for example, valve, flap, motor, ...) is to be moved so that the controlled variable approaches the reference variable,
- einem Mittel zur Ausgabe des Stellsignals vom Automatisierungssystem über eine Digital/Analog-Wandlung an den Antrieb. Es existiert eine Vielzahl von verschiedenen Algorithmen und Ansätzen zum Aufbau derartiger Filter- und Regelungsstrukturen. Je nach Anwendungsfall sind diese verschiedenen Algorithmen mit unterschiedlichen Vor- oder Nachteilen verbunden. - A means for outputting the control signal from the automation system via a digital / analog conversion to the drive. There are a variety of different algorithms and approaches for building such filter and control structures. Depending on the application, these different algorithms are associated with different advantages or disadvantages.
Alle Regelungsalgorithmen haben jedoch eines gemeinsam: Ihre Parametrierung hängt vom dynamischen Verhalten des zu automatisierenden Prozesses ab. Dies ist insbesondere dann der Fall wenn modellbasierte Regelungskonzepte eingesetzt werden. Das im Regelungskonzept enthaltene Modell der Regelstrecke (des Prozesses) muss die Dynamik der tatsächlichen Anlage richtig wiedergeben, damit eine genaue Ermittlung des Stellsignals erfolgen kann. Aber auch bei einfacheren, nicht modellbasierten Regelungsstrukturen ist eine Kenntnis über das dynamische Anlagenverhalten sehr hilfreich. Die Gründe hierfür sind: However, all control algorithms have one thing in common: their parameter setting depends on the dynamic behavior of the process to be automated. This is especially the case when model-based control concepts are used. The model of the controlled system (of the process) contained in the control concept must correctly reflect the dynamics of the actual system so that a precise determination of the actuating signal can take place. But even with simpler, not model-based control structures, knowledge about the dynamic system behavior is very helpful. The reasons are:
Die Parametrierung von Regelkreisen anhand von Versuchen mit der Anlage ist sehr zeitaufwändig und teuer. Eine Kenntnis über die Anlagendynamik erlaubt eine Vorgabe sehr guter The parameterization of control circuits based on tests with the system is very time-consuming and expensive. A knowledge of the plant dynamics allows a specification of very good
Startwerte für die Reglerparameter und ist daher mit einer Reduktion von Inbetriebnahmeaufwand und -kosten verbunden. Starting values for the controller parameters and is therefore associated with a reduction of commissioning costs and costs.
Das dynamische Verhalten der Anlage hängt von verschiedenen Faktoren ab. Die Abhängigkeit vom Arbeitspunkt bedingt, dass Reglerparameter für verschiedene Arbeitspunkte bestimmt und dann in Abhängigkeit des Betriebszustandes nachgeführt werden müssen, was mit einem hohen Inbetriebnahmeaufwand verbunden ist. Außerdem kann sich die Anlagendynamik im Laufe der Zeit z.B. durch Verschmutzung oder Verschleiß ändern. Bei konstan- ten Reglerparametern wird sich das Regelverhalten dann immer mehr verschlechtern, oder es muss immer wieder eine Nachjustierung der Regelkreise erfolgen. The dynamic behavior of the system depends on various factors. The dependence on the operating point requires that controller parameters be determined for different operating points and then have to be tracked depending on the operating state, which is associated with a high commissioning effort. In addition, the plant dynamics may over time, e.g. due to contamination or wear. With constant controller parameters, the control behavior will then deteriorate more and more, or it will always be necessary to readjust the control loops.
Äquivalente Aussagen gelten für die Parametrierung der Sig- nalfilter. Ein Filter kann nur dann optimal eingestellt werden, wenn eine Kenntnis über das Frequenzspektrum der Nutz- signale, d.h. wiederum über das dynamische Anlagenverhalten, und des Rauschens vorhanden ist. Die einfachste Möglichkeit zur mathematischen Modellierung der Dynamik eines verfahrenstechnischen Prozesses besteht in der Verwendung von Verzögerungsgliedern. Je nachdem welches Übertragungsverhalten den Prozess am besten charakterisiert, werden Verzögerungsglieder verschiedener Ordnung mit den jeweiligen Zeitkonstanten gewählt. So entsteht ein PTn-Glied der beliebigen Ordnung n durch die Hintereinanderschaltung von n Verzögerungsgliedern 1. Ordnung (PTl-Gliedern) . Die Summenzeitkonstante Tsum des PTn-Gliedes ist die Summe aller Einzelzeitkonstanten T der PTl-Glieder. Die Einzelzeitkonstanten T werden hierbei als gleich angenommen. Mit einer für den jeweiligen Anwendungsfall ausreichenden Genauigkeit kann dann die Prozessdynamik durch nur zwei Parameter, nämlich der Summenzeitkonstante Tsum sowie der Ordnung n des PTn-Gliedes, ausgedrückt werden. Equivalent statements apply to the parameterization of the signal filters. A filter can only be set optimally if there is knowledge about the frequency spectrum of the useful signals, ie in turn about the dynamic system behavior and the noise. The simplest way to mathematically model the dynamics of a process engineering process is to use delay elements. Depending on which transmission behavior best characterizes the process, delay elements of different order are selected with the respective time constants. Thus, a PTn element of arbitrary order n is formed by the series connection of n delay elements of the first order (PTI elements). The sum time constant Tsum of the PTn element is the sum of all individual time constants T of the PTI elements. The individual time constants T are assumed to be the same here. With sufficient accuracy for the particular application, the process dynamics can then be expressed by only two parameters, namely the sum time constant Tsum and the order n of the PTn element.
Die gängigste Methode zur Bestimmung der Summenzeitkonstante Tsum ist der Versuch auf der Anlage. Dabei wird der Prozess bewusst mit einem Änderung der Eingangsgröße beaufschlagt und das Übergangsverhalten der Ausgangsgröße aufgenommen. Mit einem Offline-Berechnungsalgorithmus kann aus dem Übertragungsverhalten die Summenzeitkonstante Tsum ermittelt werden. The most common method for determining the sum time constant Tsum is the test on the system. The process is deliberately loaded with a change in the input variable and the transition behavior of the output variable is recorded. With an offline calculation algorithm, the sum time constant Tsum can be determined from the transmission behavior.
Es existieren eine Vielzahl von Algorithmen und Verfahren zur Ermittlung der Summenzeitkonstante eines PTn-Gliedes aus vorliegenden Messdaten. Die bekannten Verfahren weisen alle jedoch einen oder mehrere der folgenden Nachteile auf: There are a variety of algorithms and methods for determining the sum time constant of a PTn element from existing measurement data. However, the known methods all have one or more of the following disadvantages:
- Der Algorithmus kann nur offline mit Messdaten versorgt werden und die gesuchte Summenzeitkonstante ermitteln. Ein- The algorithm can only be supplied offline with measurement data and determine the sought total time constant. One
Einsatz im online-Betrieb ist nicht möglich. Use in online operation is not possible.
- Vom Algorithmus werden Störsignale an den Prozess gesendet, so dass dieser dynamisch angeregt und eine Parameterschätzung damit ermöglicht wird. Der Prozess selbst wird dadurch nachteilig kontinuierlich oder immer wieder durch den Algorithmus gestört. - Der Algorithmus kann nur komplette Übergangsfunktionen analysieren, d.h. in diesem Fall müssen über einen bestimmten Zeitraum Messwerte zur späteren Analyse abgespeichert werden. Der Algorithmus ist nicht in der Lage ständig im Zyklus des Automatisierungssystems (der z.B. 100ms beträgt) beispielsweise eine Parameterschätzung abzugeben. - The algorithm sends noise signals to the process so that they are dynamically excited and a parameter estimation is possible. The process itself is adversely affected continuously or repeatedly by the algorithm. - The algorithm can only analyze complete transition functions, ie in this case, measured values must be stored for later analysis over a certain period of time. The algorithm is not able to constantly output in the cycle of the automation system (for example 100 ms), for example, a parameter estimate.
- Der Algorithmus ist an bestimmte Wertebereiche der Ein- und Ausgangsgröße des Prozesses und damit auch an vorgegebene Verstärkungsfaktoren und Offsets des Prozesses gebunden. The algorithm is bound to specific value ranges of the input and output variables of the process and thus also to given gain factors and offsets of the process.
- Der Algorithmus selbst hat Parameter, die vom Anwender eingestellt werden müssen, die aber nicht gleichzeitig einfach auch offline zu bestimmen sind. - The algorithm itself has parameters that have to be set by the user, but that are not easy to define offline.
- Der Algorithmus ist mit einem hohen Rechenaufwand und/oder Speicherplatzbedarf verbunden und kann daher nicht in einem Automatisierungssystem bzw. insbesondere in einem Kraftwerksleitsystem eingesetzt werden. - The algorithm is associated with a high computational effort and / or storage space requirements and therefore can not be used in an automation system or in particular in a power plant control system.
Eine erste Verbesserung wird gemäß der dt. Patentanmeldung 10 2010 025 916.0 durch ein Verfahren und eine entsprechende Vorrichtung zur Ermittlung von zumindest einem Modellparameter eines regelungstechnischen Modells eines Dampferzeugers erreicht. Für den Dampferzeuger wird dort eine regelungstechnische Modellstruktur mit zumindest einem charakteristischen Modellparameter vorgegeben. Messsignale des Dampferzeugungs- prozesses werden online aufgenommen. Erfindungsgemäß wird der zumindest ein Modellparameter online geschätzt. Dazu wird so- wohl dem realen Prozess als auch dem Modell des Dampferzeugers dasselbe Eingangssignal aufgeschaltet . Anschließend wird eine Schätzbarkeitsanalyse durchgeführt, wobei zumindest ein Ausgangssignal jeweils des Prozesses und/oder des Modells oder zumindest ein Eingangssignal durch eine vergleichende Auswertung anhand einer Gradientenanalyse verarbeitet wird.A first improvement is achieved according to the dt. Patent Application 10 2010 025 916.0 by a method and a corresponding device for determining at least one model parameter of a control model of a steam generator. For the steam generator, a control engineering model structure with at least one characteristic model parameter is specified there. Measurement signals of the steam generation process are recorded online. According to the invention, the at least one model parameter is estimated online. For this purpose, the same input signal is applied to both the real process and the model of the steam generator. Subsequently, an estimation analysis is performed, wherein at least one output signal of each of the process and / or the model or at least one input signal is processed by a comparative evaluation based on a gradient analysis.
Anhand der Gradientenanalyse werden in einem weiteren Schritt Schätzbereiche definiert, innerhalb derer eine gültige Parameterschätzung möglich ist. Wird die Schätzbarkeit positiv beurteilt, wird der aktuelle Schätzwert des zumindest einen Modellparameters verbessert. Dieses Verfahren kann nachteilig nur für eine ganz bestimmte regelungstechnische Modellstruktur eines Dampferzeugers eingesetzt werden. Die Anwendung für eine allgemeine Modellstruktur auf Basis eines PTn- Verzögerungsgliedes ist jedoch nicht möglich. On the basis of the gradient analysis, estimation ranges are defined in a further step, within which a valid parameter estimation is possible. If the estimate is positive, the current estimate of the at least one Improved model parameters. This method can be disadvantageously used only for a very specific control model structure of a steam generator. However, the application for a general model structure based on a PTn delay element is not possible.
Es ist Aufgabe der vorliegenden Erfindung, eine Vorrichtung anzugeben, welche all diese Nachteile überwindet und mit dessen Hilfe bei laufendem Betrieb die Anlagendynamik kontinu- ierlich und eigenständig, ohne Störung des Prozesses ermittelt werden kann. Auf der Basis eines solchen Verfahrens können dann die Regel- und Filterstrukturen laufend an den zu regelnden Prozess angepasst werden. Es ist ferner Aufgabe der vorliegenden Erfindung, ein entsprechendes Verfahren an- zugeben. Eine weitere Aufgabe der Erfindung besteht darin, eine Regeleinrichtung für den Prozess anzugeben, welche die Bestimmung der Modellparameter der Regelstrecke verwendet. Es soll ferner ein Computerprogrammprodukt angegeben werden. Diese Aufgaben werden durch die Merkmale der unabhängigen Patentansprüche gelöst. Vorteilhafte Ausgestaltungen sind jeweils in den abhängigen Patentansprüchen wiedergegeben. It is an object of the present invention to provide a device which overcomes all these disadvantages and with the aid of which the system dynamics can be determined continuously and independently, without disturbing the process, during ongoing operation. On the basis of such a method, the control and filter structures can then be continuously adapted to the process to be controlled. It is a further object of the present invention to specify a corresponding method. Another object of the invention is to provide a control device for the process, which uses the determination of the model parameters of the controlled system. It should also be given a computer program product. These objects are achieved by the features of the independent claims. Advantageous embodiments are given in the dependent claims.
Die Erfindung ermöglicht vorteilhaft eine Online-Ermittlung der Modellparameter eines regelungstechnischen Prozessmodells, wobei gemäß der Erfindung die Modellparameter geschätzt werden und die Modellstruktur mittels eines Beobachtermodells in Form eines Kaiman-Filters repräsentiert wird. Die Erfindung kann vorteilhaft im laufenden Betrieb einer technischen Anlage eingesetzt werden. Von seinem Rechenaufwand und Speicherplatzbedarf her ist ein Einsatz des Algorithmus in einem Automatisierungssystem und insbesondere in einem Kraftwerksleitsystem möglich. Der Algorithmus ist in der Lage ständig (online) im Zyklus des Automatisierungssystems eine Parameterschätzung abzugeben. Vom Algorithmus werden keine Störsignale an den Prozess gesendet. Es werden nur die Messdaten verwendet, die im normalen Anlagenbetrieb anfallen. Der Algorithmus selbst hat nur Parameter, die vom An- wender einfach auch offline bestimmt werden können. Prinzipiell kann die erfindungsgemäße Vorrichtung und das entsprechende Verfahren für beliebige Regelstrecken angewendet werden . The invention advantageously makes possible an online determination of the model parameters of a control process model, wherein the model parameters are estimated according to the invention and the model structure is represented by means of an observer model in the form of a Kalman filter. The invention can be advantageously used during operation of a technical system. From its computational effort and storage space requirement, use of the algorithm in an automation system and in particular in a power plant control system is possible. The algorithm is able to provide a parameter estimate constantly (online) in the cycle of the automation system. The algorithm does not send noise to the process. Only the measurement data that is generated during normal system operation is used. The algorithm itself has only parameters that depend on the wender can also be determined offline. In principle, the device according to the invention and the corresponding method can be used for any controlled system.
In einem vorteilhaften Ausführungsbeispiel wird vor Durchführung der Schätzung der Modellparameter eine Variablentransformation oder Normierung durchgeführt, um dafür zu sorgen, dass relevante Daten bereitgestellt werden, die eine Schät- zung ermöglichen. Die Variablentransformation, welche modul- artig ausgebildet sein kann, umfasst dabei vorteilhaft eine Normierbarkeitsanalyse zur Detektion von stationären Zuständen sowie eine adaptive Normierung, in welcher zunächst Werte für die Mindest- und Höchstgrenzen der Eingangs- und Stell- große u und der Ausgangsgröße (Regelgröße) y automatisch ermittelt werden und anschließend ein Offset herausgerechnet, und ein Verstärkungsfaktor konstant gesetzt wird. Die adaptive Normierung birgt den großen Vorteil, dass die Erfindung für beliebige Wertebereiche der Ein- und Ausgangsgröße des Prozesses und damit auch für beliebige Verstärkungsfaktoren und Offsets im Prozess einsetzbar ist. In an advantageous embodiment, before the estimation of the model parameters is carried out, a variable transformation or normalization is carried out in order to ensure that relevant data is made available which enables an estimation. The variable transformation, which may be of modular design, advantageously comprises a normalization analysis for the detection of stationary states as well as an adaptive standardization in which first values for the minimum and maximum limits of the input and setting variables u and the output variable (controlled variable) y are determined automatically and then an offset is calculated out, and an amplification factor is set constant. The adaptive standardization has the great advantage that the invention can be used for any value ranges of the input and output variables of the process and thus also for any amplification factors and offsets in the process.
In einem weiteren vorteilhaften Ausführungsbeispiel der Erfindung erfolgt eine Schätzbarkeitsanalyse . Dabei wird mit- tels einer Gradientenauswertung des normierten Eingangs- und Ausgangssignals und des Verstärkungsfaktors überprüft, ob eine Parameterschätzung sinnvoll ist. Dabei kann der Algorithmus eigenständig entscheiden, ob die gelieferten Messdaten ausreichend Informationen zur Ermittlung der Summenzeitkon- stante enthalten oder nicht und automatisch entsprechend reagieren. Ist eine Parameterschätzung nicht möglich (z.B. während eines stationären Betriebs der Anlage) wird die Schätzbarkeit negativ beurteilt und der aktuelle Schätzwert für die Modellparameter nicht verändert. Sobald die Messdaten Infor- mationen zur Ermittlung der Modellparameter enthalten, wird der aktuelle Schätzwert verbessert. In a further advantageous embodiment of the invention, an estimation analysis is performed. In this case, it is checked by means of a gradient evaluation of the normalized input and output signal and of the amplification factor whether a parameter estimation makes sense. The algorithm can independently decide whether or not the supplied measurement data contains sufficient information for determining the cumulative time constant and automatically reacts accordingly. If parameter estimation is not possible (e.g., during steady-state operation of the plant), the estimation is negatively evaluated and the current estimate for the model parameters is not changed. As soon as the measured data contain information for determining the model parameters, the current estimated value is improved.
Die Erfindung eignet sich insbesondere für verzögerungsbehaftete Prozesse, welche mittels eines Verzögerungsglieds einer beliebigen Ordnung nachgebildet werden können. Hierbei werden vorteilhaft die Summenzeitkonstante und die Ordnung des Verzögerungsglieds bestimmt. Damit ist die Dynamik des gesamten Prozesses beschrieben. Das Verzögerungsglied wird mittels eines Beobachtermodells in Form eines Kaiman-Filters repräsen- tiert. The invention is particularly suitable for delay-affected processes, which can be simulated by means of a delay element of any order. Here are advantageously determines the sum time constant and the order of the delay element. This describes the dynamics of the entire process. The delay element is represented by means of an observer model in the form of a Kalman filter.
In einer weiteren vorteilhaften Ausführungsvariante werden die Modellparameter für verschiedene Ordnungen des Verzögerungsgliedes parallel mittels einer Anzahl von Schätzmitteln geschätzt. Dies hat den Vorteil, dass die Ordnung desjenigen Verzögerungsglieds ermittelt werden kann, welches den Prozess am besten nachbildet. Aufgrund des gewählten Beobachtermodells wird hierzu der Beobachtungsfehler der einzelnen In a further advantageous embodiment variant, the model parameters for different orders of the delay element are estimated in parallel by means of a number of estimation means. This has the advantage that the order of that delay element can be determined, which best simulates the process. Due to the chosen observer model, this will be the observation error of the individual
Schätzmittel verglichen. Im Anschluss werden die Modellpara- meter ausgegeben, welche die kleinste Differenz zwischen Mess- und Schätzwert der Prozess-Ausgangsgröße aufweisen. Estimated compared. Subsequently, the model parameters are output which have the smallest difference between the measured and estimated value of the process output variable.
Zusammengefasst birgt die Erfindung zahlreiche Vorteile. Sie erlaubt insbesondere eine Reduktion der Inbetriebnahmedauer von Regelungsstrukturen, da keine langwierigen manuellen Parametereinstellungen der Regelkreise notwendig sind. Demgemäß werden auch die Inbetriebnahmekosten von Regelungsstrukturen reduziert. Das Verfahren arbeitet außerdem adaptiv, d.h. - einmal angestoßen - passt es sich automatisch an sich ändern- de Verhältnisse des laufenden Prozesses an. Solch adaptiveIn summary, the invention has numerous advantages. In particular, it allows a reduction in the commissioning time of control structures, since no lengthy manual parameter settings of the control loops are necessary. Accordingly, the commissioning costs of control structures are reduced. The method also works adaptively, i. Once triggered, it automatically adapts to changing circumstances of the ongoing process. Such adaptive
Regelungsverfahren tragen erheblich zur Langzeitqualität einer Regelung bei . Regulatory procedures contribute significantly to the long-term quality of a scheme.
Die Erfindung wird nachfolgend anhand eines in den Zeichnun- gen dargestellten Ausführungsbeispiels näher erläutert. Dabei zeigen : The invention will be explained in more detail with reference to an embodiment shown in the drawings. Showing:
Fig. 1 eine Skizze zur Verdeutlichung der Problemstellung Fig. 2 eine Skizze eines Schätzmittels zur Bestimmung der Fig. 1 is a sketch to illustrate the problem Fig. 2 is a sketch of an estimating means for determining the
Modellparameter  model parameters
Fig. 3 eine schematische Darstellung eines Kaiman Filters Fig . 4 eine schematische Darstellung der erfindungsgemäßen  3 is a schematic representation of a Kalman filter FIG. 4 is a schematic representation of the invention
Vorrichtung Fig . 5 Gegenüberstellung der online-Verläufe einer gemessenen Zeitkonstanten bzw. Verstärkungsfaktors und der mittels der Erfindung geschätzten Zeitkonstanten bzw. Verstärkungsfaktors aufgetragen entlang der Zeit T in s contraption Fig. FIG. 5 Comparison of the online profiles of a measured time constant or amplification factor and the time constant or amplification factor, estimated using the invention, plotted along the time T in s
Fig . 6 eine schematische Darstellung der Regeleinrichtung  Fig. 6 is a schematic representation of the control device
Figur 1 zeigt eine Skizze zur Verdeutlichung der Problemstellung. Gegeben sei ein beliebiger Prozess P, der auf einer technischen Anlage abläuft. Es kann sich dabei um einen verfahrenstechnischen Prozess handeln, beispielsweise einen Prozess der Verbrennung fossiler Brennstoffe in einem Kraftwerk, oder der RohstoffVeredelung in einer Raffinerie, oder einen beliebigen Prozess in einer pharmazeutischen Großanlage usw. Dem Prozess P werden zumindest ein beliebiges Eingangssignal u zugeführt und aus dem Prozess resultiert zumindest ein beliebiges Ausgangssignal y. Eingangs- und Ausgangssignale stellen Messgrößen dar, welche online, d.h. im laufenden Betrieb der technischen Anlage ermittelt werden. So kann es sich beispielsweise in einem Kraftwerk bei dem Eingangssignal um die Stellung eines Gasregelventils, über welches Ergas einer Brennkammer zugeführt wird, handeln und bei dem Ausgangssignal um die Temperatur in der Brennkammer. Die Messwerte werden beispielsweise in einem zyklisch arbeitenden Leitsys- tem kontinuierlich d.h. in jedem Zyklus von z.B. 100 ms aufgenommen und weiterverarbeitet. Wie bereits ausgeführt, lassen sich verfahrenstechnische Prozesse häufig gut durch Verzögerungsglieder beliebiger Ordnung nachbilden oder modellieren. Ein Beispiel für ein solches regelungstechnisches Modell ist in Fig.l dargestellt. Die regelungstechnische Modellstruktur umfasst hier zwei Verzögerungsglieder PT1 erster Ordnung mit den jeweiligen Einzelzeitkonstanten T, so dass sich in deren Reihenschaltung ein verzögerndes Verhalten zweiter Ordnung ergibt. Die Modellparameter, welche die Dyna- mik eines solchen Prozesses am besten charakterisieren, sind nun mittels der Erfindung zu bestimmen. Dabei handelt es sich in diesem Ausführungsbeispiel um die Summenzeitkonstante Tsum der Reihenschaltung der Verzögerungsglieder (welche ja als ein Verzögerungsglied vorerst unbekannter Ordnung angenommen werden kann) und die Ordnung n. Um diese Parameter bestimmen zu können, ist gleichzeitig eine Ermittlung des Verstärkungsfaktors V und des Offsets 0, die den stationären Zusammenhang zwischen Ein- und Ausgangsgröße des Prozesses beschreiben, notwendig. FIG. 1 shows a sketch to clarify the problem. Given is any process P that runs on a technical system. It may be a process engineering process, such as a process of burning fossil fuels in a power plant, or raw material refining in a refinery, or any process in a large scale pharmaceutical plant, etc. At least any input signal u is supplied to and output from the process P. the process results in at least one arbitrary output signal y. Input and output signals represent measured variables that are determined online, ie during operation of the technical system. Thus, for example, in a power plant at the input signal to the position of a gas control valve, via which natural gas is supplied to a combustion chamber act, and the output signal to the temperature in the combustion chamber. The measured values are continuously recorded and processed, for example, in a cyclically operating control system, ie in each cycle of eg 100 ms. As already stated, process engineering processes can often be modeled or modeled well by delay elements of any order. An example of such a control engineering model is shown in Fig.l. The control-engineering model structure here comprises two delay elements PT1 of the first order with the respective individual time constants T, so that a delaying behavior of the second order results in their series connection. The model parameters which best characterize the dynamics of such a process are now to be determined by means of the invention. In this exemplary embodiment, this is the sum time constant Tsum of the series connection of the delay elements (which is assumed to be a delay element of initially unknown order) In order to be able to determine these parameters, a determination of the amplification factor V and of the offset 0, which describe the stationary relationship between the input and output variables of the process, is necessary at the same time.
Zwischen Eingangs- und Ausgangssignal wird für den stationären Zustand ein linearer Zusammenhang angenommen: ystat = V * ustat + 0 (1) Between the input and the output signal, a linear relationship is assumed for the stationary state: ystat = V * ustat + 0 (1)
Es gilt außerdem für dieses Ausführungsbeispiel (wie anhand von Fig. 1 abzulesen) : x(t) = V * u(t) (2) It also applies to this embodiment (as can be seen from Fig. 1): x (t) = V * u (t) (2)
Der Grundgedanke der Erfindung ist es nun, in erster Linie eine Schätzung für die Summenzeitkonstante Tsum durchzuführen, um die Dynamik des Prozesses zu bestimmen. Dazu müssen jedoch auch die Verstärkung V und der Offset 0 bekannt sein.The basic idea of the invention is now primarily to carry out an estimate for the sum time constant Tsum in order to determine the dynamics of the process. For this purpose, however, the gain V and the offset 0 must be known.
V und 0 lassen sich anhand von mindestens zwei stationären Zuständen bestimmen. Da das erfindungsgemäße Verfahren jedoch online, d.h. beispielsweise im Takt eines zyklisch arbeitenden Leitsystems arbeiten soll, ist es nicht möglich zu einem Zeitpunkt, V und 0 gleichzeitig zu bestimmen. Daher wird eine Variablentransformation durchgeführt, bei welcher der Offset 0 verschwindet und der Verstärkungsfaktor V auf 1 gesetzt wird. Bei einer solchen Variablentransformation bleibt die Summenzeitkonstante Tsum unverändert und kann mittels eines Schätzalgorithmus bestimmt werden. Vor Durchführung der V and 0 can be determined based on at least two stationary states. However, since the method of the invention is available online, i. For example, to work in time with a cyclic control system, it is not possible at a time to determine V and 0 simultaneously. Therefore, a variable transformation is performed in which the offset 0 disappears and the gain V is set to 1. In such a variable transformation, the sum time constant Tsum remains unchanged and can be determined by means of an estimation algorithm. Before carrying out the
Schätzung der Modellparameter muss demnach eine Variablentransformation oder Normierung durchgeführt werden, um dafür zu sorgen, dass relevante Daten bereitgestellt werden, die eine Schätzung ermöglichen. In Fig. 1 ist das regelungstech- nische Modell nach der Variablentransformation oder Normierung dargestellt. Der Regelstrecke wird ein normiertes Eingangssignal und aufgeschaltet . Der Verstärkungsfaktor V wird dabei zunächst als 1 angenommen. Am Ende der Regelstrecke wird ein normiertes Ausgangssignal yn ausgegeben. Therefore, estimating the model parameters requires a variable transformation or normalization to ensure that relevant data is provided that allows estimation. FIG. 1 shows the control model after the variable transformation or normalization. The controlled system is a standardized input signal and switched. The gain factor V is initially assumed to be 1. At the end of the controlled system a normalized output signal yn is output.
Nach Durchführung der Schätzung der Modellparameter wird überprüft, ob die Schätzung überhaupt gültig war, d.h. es wird eine Schätzbarkeitsanalyse durchgeführt. Dabei ist zu beachten, dass eine Parameterschätzung nur möglich ist, wenn genügend „Dynamik", d.h. zeitliche Änderungen des Eingangsund Ausgangssignals vorliegen. Grundsätzlich gilt, dass sowohl im stationären Betrieb als auch im Fall recht langsamer Änderungen der Messsignale es nicht möglich ist, die Modellparameter hinreichend genau zu schätzen. Das System muss daher so konzipiert sein, dass es einen dynamischen Betrieb erkennt. Neben der Überprüfung des stationären Betriebs ist eine weitere Grundbedingung für die Schätzung, dass der Prozess durch eine Änderung der Eingangsgröße und nicht durch eineAfter carrying out the estimation of the model parameters, it is checked whether the estimate was valid at all, i. An estimation analysis is performed. It should be noted that a parameter estimation is only possible if there is sufficient "dynamics", ie temporal changes of the input and output signal.Firstly it is true that in steady state operation as well as in the case of quite slow changes of the measurement signals it is not possible to use the model parameters The system must therefore be designed to recognize dynamic operation, and in addition to the steady-state operation, another basic condition for estimating that the process is a change in the input quantity rather than one
Änderung des Verstärkungsfaktors, der selbst ein Ergebnis der Schätzung ist, angeregt wird. Change of the gain, which is itself a result of the estimation, is excited.
Der Ablauf dieser Vorgehensweise soll anhand von Fig. 2 ver- deutlicht werden. Zumindest ein Eingangssignal u des Prozesses und ein Ausgangssignal y des Prozesses werden einem The sequence of this procedure will be explained with reference to FIG. 2. At least one input signal u of the process and an output signal y of the process become one
Schätzmittel SMi aufgeschaltet . Durch das Schätzmittel wird jeweils für das regelungstechnische Modell eines Verzögerungsglieds der Ordnung ni einen Schätzwert Ti für die ent- sprechende Summenzeitkonstante Tsum generiert. Eine Schätzung der Zeitkonstante unabhängig vom Verstärkungsfaktor ist dabei jedoch nicht möglich. In Fig. 2 ist ein solches einzelnes Schätzmittel SMi gezeigt. Das Schätzmittel SMi (hier i = 1, 2 bis nmax) umfasst eine Normierbarkeitsanalyse NBA, eine adap- tive Normierung AdapN, ein Kaiman-Filter-Modell KF für ein Verzögerungsglied, eine Schätzbarkeitsanalyse SBA und einen Schätzwertgenerator SWG. Estimator SMi switched on. The estimation means generates an estimated value Ti for the corresponding sum time constant Tsum for the control-engineering model of a delay element of order ni. However, it is not possible to estimate the time constant independently of the amplification factor. In Fig. 2, such a single estimation means SMi is shown. The estimation means SMi (here i = 1, 2 to nmax) comprises a normalizability analysis NBA, an adaptive standardization AdapN, a Kalman filter model KF for a delay element, an estimation analysis SBA and an estimated value generator SWG.
In den beiden Modulen der Normierbarkeitsanalyse NBA und der adaptiven Normierung AdapN, welche beispielsweise als einzel- ne Berechnungseinheiten ausgestaltet sein können oder auch zusammengefasst in einem Modul, wird die Variablentransformation durchgeführt. Die Normierbarkeitsanalyse NBA ist notwendig, um eine erste Überprüfung der Eingangs- und Ausgangssignale u und y vorzunehmen, welche sich in einem beliebigen Wertebereich befinden können. Im Falle eines stationären Betriebszustandes ( | « | , | j| sind über einen Zeitraum, welcher länger als eine zuvor geschätzte Zeitkonstante Tneu , klein) wird die Normierbarkeit positiv beurteilt, d.h. es kann die adaptive Normierung oder die eigentliche Variablentransformation durchgeführt werden. In der adaptiven Normierung AdapN werden dann zunächst Werte für die Mindest- und Höchstgrenzen von u und y automatisch bestimmt (umin, umax, ymin, ymax) . Der Betriebsbereich, in dem der Prozess stattfindet, kann sich ändern und/oder es sind im Laufe der Zeit Änderungen bei der Prozessverstärkung V festzustellen. Es werden sowohl Wertebereichsvergrößerungen detektiert, die Wertebereiche werden aber auch automatisch verkleinert, wenn sich der Prozess lange Zeit (abhängig von der zuvor geschätzten Zeitkonstante Tneu ) nur noch in einemIn the two modules of the normability analysis NBA and the adaptive standardization AdapN, which can be configured for example as individual calculation units or also combined in one module, the variable transformation is carried out. The normalization analysis NBA is necessary to make a first check of the input and output signals u and y, which can be in any range of values. In the case of a stationary operating state (| «|, | j | are small over a period which is longer than a previously estimated time constant T new ), the normalizability is assessed as positive, ie the adaptive normalization or the actual variable transformation can be carried out. In the adaptive standardization AdapN, values for the minimum and maximum limits of u and y are then automatically determined (umin, umax, ymin, ymax). The operating range in which the process takes place may change and / or changes in process gain V over time may be noted. Both value range enlargements are detected, but the value ranges are also automatically reduced if the process remains in use for a long time (depending on the previously estimated time constant T new )
Teilbereich des bisherigen Betriebsbereichs bewegt. Die zuvor überprüften Größen werden dann in einen Wertebereich gebracht, der für den folgenden Schätzalgorithmus mittels des Kaiman-Filters geeignet ist. Dabei werden bestehende Verschiebungen (Offsets) ausgeglichen. Die Normierung der Eingangs- und Ausgangssignale un und yn wird nach folgender For- mel berechnet: un= (u- umin) *50/ ( umax- umin) +50 Part of the previous operating range moves. The previously checked quantities are then brought into a value range that is suitable for the following estimation algorithm by means of the Kalman filter. Existing shifts (offsets) are compensated. The normalization of the input and output signals un and yn is calculated according to the following formula: un = (u-umin) * 50 / (umax-umin) +50
yn= (y- ymin) *50/ ( ymax- ymin) +50 yn = (y-ymin) * 50 / (ymax-ymin) +50
Somit ändert sich un zwischen den Werten 50 und 100, wenn sich u zwischen umin und umax ändert. Die analoge Aussage gilt für y. Somit gilt im stationären Zustand  Thus, un changes between the values 50 and 100 as u changes between umin and umax. The analogous statement applies to y. Thus, in the steady state
yn = Vn * un + On yn = Vn * un + On
mit Vn = 1 und On = 0. Nun ist der Offset 0 rausgerechnet und die Schätzung kann beginnen. Der Schätzwert für den Verstärkungsfaktor muss sich in etwa zu 1 ergeben, sonst stimmt die Normierung nicht. Da die Mindest- und Höchstgrenzen von u und y (umin, umax, ymin, ymax) bei Vorliegen eines stationären Zustands immer wieder neu bestimmt werden, kann man von einer adaptiven Normierung sprechen . with Vn = 1 and On = 0. Offset 0 is now excluded and the estimation can begin. The estimate of the gain must be approximately 1, otherwise the normalization will not be correct. Since the minimum and maximum limits of u and y (umin, umax, ymin, ymax) in the presence of a steady state can always be redefined, one can speak of an adaptive normalization.
Die normierten Eingangs- und Ausgangssignale un und yn werden nun dem eigentlichen Schätzalgorithmus zugeführt. Das Modul KF stellt einen Schätzer dar, bei welchem ein Kaiman-Filter zum Einsatz kommt. Der genaue Ablauf der Schätzung wird in der Beschreibung der Fig. 3 dargestellt, wo anhand des Beispiels eines Verzögerungsglieds 2. Ordnung die Vorgehensweise ohne Berücksichtigung der Variablentransformation der Eingangsgrößen (u,y) erläutert ist. Die Schätzung der Modellparameter im Schätzwertgenerator SWG beginnt automatisch, sobald die vorliegenden Daten die Ermittlung eines neuen Wertes möglich machen. Das heißt, dass während des stationären Betriebs keine Zeitkonstantenschätzung möglich ist; der jeweils aktuelle Schätzwert bleibt konstant. The normalized input and output signals un and yn are now fed to the actual estimation algorithm. The module KF represents an estimator using a Kalman filter. The exact sequence of the estimation is shown in the description of FIG. 3, where the procedure without taking into account the variable transformation of the input quantities (u, y) is explained on the basis of the example of a second-order delay element. The estimation of the model parameters in the estimated value generator SWG starts automatically as soon as the available data makes the determination of a new value possible. This means that during stationary operation no time constant estimation is possible; the current estimate remains constant.
Zusammenfassend gilt: Die Schätzung der Summenzeitkonstante Ti erfolgt auf der Basis der normierten Eingangsgrößen un und yn mit Hilfe des Kaiman-Filters (wobei i hier gleich 1, 2 bis nmax ist, je nachdem welche Ordnung des Verzögerungsglieds betrachtet wird) . Parallel dazu wird sozusagen als Nebenprodukt ebenfalls ein Streckenverstärkungsfaktor Vt geschätzt. Neben den Schätzwerten für die Zeitkonstante Ti und dem Verstärkungsfaktor Vi wird für das entsprechende Verzögerungs- glied auch der Beobachterfehler ei ausgegeben. In summary: The estimate of the total time constant T i is performed on the basis of the normalized input variables un and yn using the Kalman filter (where i is here equal to 1, 2 to nmax, depending on the order of the delay element is considered). At the same time, as a by-product, a system gain factor V t is also estimated. In addition to the estimated values for the time constant T i and the amplification factor V i , the observer error ei is also output for the corresponding delay element.
Im Rahmen der sich anschließenden Schätzbarkeitsanalyse SBA wird überprüft, ob die mittels des Kaiman-Filters ermittelten Schätzwerte sinnvoll sind. Aufgrund der Normierung sollte die Verstärkung Vt stets ungefähr 1 sein. Die Schätzung wird nur bei einer kleinen Abweichung von 1 gestartet (z. B. 0,95<ί^. <1,05), da ansonsten von einer unkorrekten Normierung ausge- gangen werden muss. Die Durchführung der Schätzbarkeitsanalyse erfolgt außerdem durch Gradientenauswertung der normierten Eingangsgrößen un und des Verstärkungsfaktors Vi . Die zeitliche Ableitung von Gleichung (2) ergibt: x(t) = V■ u(t) + V■ ü(t) (3 ) Neben der Überprüfung des stationären Betriebs ist eine weitere Grundbedingung, dass der Prozess durch eine Änderung der Eingangsgröße und nicht durch eine Änderung des Verstärkungsfaktors, der selbst ein Ergebnis der Schätzung ist, angeregt wird. In Gleichung (3) muss der Term V -u(t) viel kleiner sein, als der Term V-ü(t). Bei großen Werten von V-u(t) (deutlich größer als V-ü(t)) wird der Algorithmus gestoppt. Auch bei kleinen Werten von ü(t) (allgemeiner stationärer Betrieb) wird der Algorithmus angehalten. Die Überprüfung der Gradienten ist Teil der Schätzbarkeitsanalyse SBA. In the context of the subsequent estimation analysis SBA, it is checked whether the estimates obtained by means of the Kalman filter make sense. Due to the normalization, the gain V t should always be about 1. The estimation is only started with a small deviation of 1 (eg 0.95 <ί ^. <1.05), otherwise an incorrect normalization has to be assumed. The estimation analysis is also performed by gradient evaluation of the normalized input quantities un and the gain factor V i . The time derivative of equation (2) yields: x (t) = V ■ u (t) + V ■ u (t) (3) In addition to checking the steady-state operation, another basic condition is that the process is characterized by a change in the input quantity and not excited by a change in the gain, which itself is a result of the estimation. In equation (3), the term V -u (t) must be much smaller than the term V-ü (t). For large values of Vu (t) (much larger than V-ü (t)) the algorithm is stopped. Even with small values of ü (t) (general stationary operation) the algorithm is stopped. Grading verification is part of the SBA estimability analysis.
Wird die Schätzbarkeit positiv beurteilt, werden neue Schätzwerte für die Summenzeitkonstante nicht direkt übernommen sondern zur Verbesserung des aktuellen Schätzwertes verwendet. Der Schätzwertgenerator SWG gibt somit einen neuen ver- besserten Schätzwert Tneu aus, welcher sowohl bei der Normier- barkeitsanalyse NBA als auch bei der adaptiven Normierung weiterverwendet wird. If the estimability is assessed positively, new estimates for the cumulative time constant are not taken directly but used to improve the current estimate. The estimated value generator SWG thus outputs a new improved estimated value T new , which is used both in the normalizability analysis NBA and in the adaptive normalization.
Ausgabe des Schätzmittels SMi sind letztendlich der Beobach- tungsfehler e±, die geschätzte Summenzeitkonstante Ti und der Verstärkungsfaktor Vi . The output of the estimator SMi are finally the observation error e ± , the estimated sum time constant T i and the gain factor V i .
Figur 3 zeigt eine Skizze einer Modellstruktur für eine Regelstrecke für den Prozess P, die in zwei Verzögerungsglieder PT1 erster Ordnung mit der Zeitkonstante T eingeteilt ist, so dass sich in deren Reihenschaltung ein verzögerndes Verhalten zweiter Ordnung ergibt. Hier wird für die Modellstruktur das Beobachter-Modell in Form eines Kaiman-Filters gemäß der Erfindung verwendet. Die Rekonstruktion der Streckenzustände erfolgt durch die Berechnung eines dynamischen Streckenmodells parallel zum echten Prozess. Sowohl dem zugrunde liegenden Prozess P als auch der Modellstruktur M wird dieselbe Eingangsgröße u zugeführt. Die Modellstruktur erhält weiter- hin als Eingangsgröße die Ausgangsgröße y des Prozesses P. Nach jedem Verzögerungsglied PT1 ist ein Zustand xi angegeben, mit i = 2, 3. Der zusätzliche Zustand xx gibt die Figure 3 shows a sketch of a model structure for a controlled system for the process P, which is divided into two delay elements PT1 first order with the time constant T, so that in their series circuit results in a delay behavior of second order. Here, for the model structure, the observer model in the form of a Kalman filter according to the invention is used. The reconstruction of the track conditions is done by calculating a dynamic track model parallel to the real process. Both the underlying process P and the model structure M are supplied with the same input quantity u. The model structure receives further the input quantity is the output variable y of the process P. After each delay element PT1, a state xi is indicated, with i = 2, 3. The additional state x x gives the
Streckverstärkung V an. Alle Zustände x± sind rechnerische und nicht messbare Zustände, die durch den Beobachter geschätzt werden und sind zeitabhängige Größen. Am Ende der Modellstrecke wird ein Schätzwert für das Ausgangssignal y ausgegeben. Die Abweichung zwischen Messgrößen aus dem Pro- zess und den entsprechenden Werten, die mit dem Streckenmo- dell ermitteltet werden, ist der Beobachterfehler e. Hier wird der Beobachtungsfehler e = y- y ermittelt. Die Schätzung einer Größe sollte generell möglichst auf der Kenntnis aller früheren Beobachtungen beruhen. Der Beobachterfehler e, wird auf den beobachteten, also berechneten Prozess aufgeschaltet , jedoch nicht unmittelbar, sondern als Produkt mit einer Beobachterkorrektur L , dem so genannten Beobachtervektor. Dieser ist in diesem Fall ein dreidimensionaler Vektor, enthält also drei Komponenten, L1( L2 und L3, die jeweils mit dem Beobachterfehler - einem Skalar - multipliziert werden. Die Kompo- nenten Li werden in Abhängigkeit der Eingangsgröße u und eines vorhergehenden Schätzwertes Tneu angepasst. Die exakte Berechnung des Beobachtervektors L erfolgt durch Lösen der Matrix-Riccati -Differentialgleichung . Dies erfolgt auf folgende Weise: Elongation gain V on. All states x ± are computational and immeasurable states estimated by the observer and are time dependent quantities. At the end of the model route, an estimated value for the output signal y is output. The deviation between measured variables from the process and the corresponding values, which are determined with the distance model, is the observer error e. Here, the observation error e = y-y is determined. The estimation of a size should generally be based as far as possible on the knowledge of all previous observations. The observer error e, is applied to the observed, ie calculated process, but not directly, but as a product with an observer correction L, the so-called observer vector. In this case, this is a three-dimensional vector, ie it contains three components, L 1 ( L 2 and L 3) , which are each multiplied by the observer error - a scalar - The components Li become dependent on the input quantity u and a previous estimated value The exact calculation of the observer vector L is performed by solving the matrix-Riccati differential equation.
Das linearisierte System der gezeigten Modellstruktur sieht in Matrixform wie folgt aus : The linearized system of the model structure shown looks like this in matrix form:
Figure imgf000016_0001
Figure imgf000016_0001
In dieser Gleichung beschreibt w(t) das Prozessrauschen und v(t) das Messrauschen. Die Linearisierung erfolgt am Arbeitspunkt x0 , u0, T0, wobei für T0 die aktuell geschätzte Zeitkonstante Tneu, für u0 der aktuelle Messwert der Eingangsgröße u und für x0 die aktuellen Schätzwerte für die Zustände verwendet werden. In this equation w (t) describes the process noise and v (t) the measurement noise. The linearization takes place at the operating point x 0 , u 0 , T 0 , where for T 0 the currently estimated time constant T new, for u 0 the current measured value of the input u and for x 0 the current estimates for the states are used.
Die Systemmatrizen des linearisierten Systems sind:  The system matrices of the linearized system are:
Figure imgf000017_0001
Figure imgf000017_0001
Mithilfe dieser Matrizen lässt sich der Beobachter-Vektor mit dem Kalman-Bucy-Prinzip konstruieren, indem die riccatische Differentialgleichung in Matrixform gelöst wird: Using these matrices, the observer vector can be constructed using the Kalman-Bucy principle by solving the riccatic differential equation in matrix form:
-^§ - =P(t)+AP(t)-P(t)CTR"1C t)+P(t) AT+Q=0 dt - ^ § - = P (t) + AP (t) -P (t) C T R "1 C t) + P (t) A T + Q = 0 dt
P(t) ist die symmetrische und positive Lösung der riccati- schen Differentialgleichung. Q beschreibt, wie groß der Ein- fluss des Systemfehlers ist, und R beschreibt den Messfehler. Die Beobachterkorrektur kann dann als L=PCT R" 1 berechnet werden . P (t) is the symmetric and positive solution of the Riccatian differential equation. Q describes how large the influence of the system error is, and R describes the measurement error. The observer correction can then be calculated as L = PC T R "1 .
Sind die Li bekannt, lassen sich auch die Komponenten von x(t) und y(t) berechnen. Aus diesen wiederum lässt sich dieIf the Li are known, the components of x (t) and y (t) can also be calculated. From these in turn can be the
Summenzeitkonstante Tsum (geschätzt ) ermitteln. Am Ausgang der Modellstruktur KF wird der Beobachterfehler e und Schätzwerte für die Summenzeitkonstante T (= gleich Summe aus den Zeitkonstanten der beiden PT1 -Glieder) und den Verstärkungsfaktor V ausgegeben. Determine sum time constant Tsum (estimated). At the output of the model structure KF, the observer error e and estimated values for the cumulative time constant T (= equal to the sum of the time constants of the two PT1 components) and the amplification factor V are output.
Figur 4 zeigt eine schematische Darstellung der erfindungsgemäßen Vorrichtung VS . Der Vorrichtung VS werden online, beispielsweise in jedem Zyklus eines Automatisierungssystems, ein Eingangssignal u des Prozesses und ein Ausgangssignal y des Prozesses zugeführt. Diese Eingangsgrößen werden in die- sem Ausführungsbeispiel vier Schätzmitteln SMl bis SM4 aufgeschaltet. Jedes Schätzmittel ermittelt den Beobachtungsfehler ei, die geschätzte Zeitkonstante Ti und den Verstärkungsfaktor V; für das jeweilige Verzögerungsglied. Auf diese Weise ist eine parallele Schätzung der Zeitkonstanten für verschiedene Ordnungen der Verzögerungsglieder möglich. Innerhalb der Berechnungseinheit BE wird die Ordnung nopt des Verzögerungs- gliedes ermittelt, mit dem das tatsächliche Anlagenverhalten am besten nachgebildet werden kann, indem die Beobachterfeh- 1er aus den Kaiman-Filtern der einzelnen Schätzmittel SMi verglichen werden. Am Ausgang der erfindungsgemäßen Vorrichtung VS liegen somit die Schätzwerte für die Modellparameter (der Summenzeitkonstanten Ti sowie der Ordnung n) an, mittels welcher der Prozess am besten charakterisiert werden kann. Die ausgegebenen Verstärkungsfaktoren sollten aufgrund derFIG. 4 shows a schematic representation of the device VS according to the invention. The device VS are supplied online, for example in each cycle of an automation system, an input signal u of the process and an output signal y of the process. These input variables are included in these sem embodiment, four estimation SMl connected to SM4. Each estimation means determines the observation error ei, the estimated time constant T i and the gain V ; for the respective delay element. In this way, a parallel estimation of the time constants for different orders of the delay elements is possible. Within the calculation unit BE, the order n opt of the delay element is determined with which the actual system behavior can best be simulated by comparing the observer errors from the Kalman filters of the individual estimation means SMi. Thus, at the output of the device VS according to the invention are the estimated values for the model parameters (the sum time constant T i and the order n) by means of which the process can best be characterized. The output gains should be based on the
Variablentransformation im Bereich um 1 liegen. Starke Abweichungen von 1 deuten auf eine falsche Normierung hin. Sobald der Prozess in mindestens einen stationären Zustand fährt, wird die Normierung automatisch erneuert und der neue Schätz - wert des Verstärkungsfaktors wird automatisch auf 1 zurückgehen . Variable transformation are in the range of 1. Strong deviations from 1 indicate a wrong standardization. As soon as the process moves into at least one stationary state, normalization is automatically renewed and the new estimate of the amplification factor will automatically return to 1.
Figur 5 zeigt zwei Beispiele für die Schätzung der Zeitkonstanten und des Verstärkungsfaktors. Aufgetragen sind die Verläufe der mittels der erfindungsgemäßen Vorrichtung geschätzten Zeitkonstanten T in s (oberes Bild) und des Verstärkungsfaktors V (unteres Bild) im Vergleich zu einer beliebig vorgegebenen Zeitkonstanten oder einem beliebig vorgegebenen Verstärkungsfaktor. Die Schätzwerte orientieren sich sehr gut an den vorgegebenen Werten, es sind nur geringeFigure 5 shows two examples of the estimation of the time constant and the gain factor. Plotted are the courses of the time constant T in s (upper picture) and of the gain V (lower picture) estimated by means of the device according to the invention in comparison with an arbitrarily given time constant or an arbitrarily given amplification factor. The estimates are based very well on the given values, they are only small
Schwankungen zu erkennen. Der Algorithmus funktioniert auch bei plötzlichen sprunghaften Änderungen der Streckendynamik. To recognize fluctuations. The algorithm also works with sudden jump changes in the path dynamics.
Figur 6 zeigt das Strukturbild einer Regeleinrichtung R. Der Regeleinrichtung wird die Führungsgröße w zugeführt. Am Ausgang der Regeleinrichtung wird die Stellgröße u ausgegeben. Teil der Regeleinrichtung ist eine oder mehrere Berechnungseinheiten BE, welche die erfindungsgemäße Vorrichtung zur Be- Stimmung von Modellparametern einer regelungstechnischen Modellstruktur eines Prozesses umfasst. FIG. 6 shows the structure image of a control device R. The control device w is supplied with the reference variable w. At the output of the control device, the manipulated variable u is output. Part of the control device is one or more calculation units BE, which the device according to the invention for Mood of model parameters of a control model structure of a process includes.

Claims

Patentansprüche claims
1. Vorrichtung (VS) zur Bestimmung von Modellparametern einer regelungstechnischen Modellstruktur eines Prozesses (P) , wel- che 1. Device (VS) for determining model parameters of a control model structure of a process (P), which
online zumindest ein Eingangssignal (u) und ein Ausgangssignal (y) erhält, wobei es sich bei diesen Signalen (u, y) um beliebige Messsignale des Prozesses (P) handelt, receives at least one input signal (u) and one output signal (y) online, these signals (u, y) being any measurement signals of the process (P),
d a d u r c h g e k e n n z e i c h n e t, characterized,
dass die Vorrichtung (VS) zumindest ein Schätzmittel (SM1,in that the device (VS) has at least one estimation means (SM1,
SM2 , SMn) aufweist, welches dazu ausgebildet ist, aktuelle Schätzwerte für die Modellparameter der Modellstruktur zu bestimmen, wobei die Modellstruktur mittels eines Beobachtermodells in Form eines Kaiman-Filters (KF) repräsentiert wird. SM2, SMn), which is designed to determine current estimated values for the model parameters of the model structure, the model structure being represented by means of an observer model in the form of a Kalman filter (KF).
2. Vorrichtung (VS) nach Anspruch 1, 2. Device (VS) according to claim 1,
d a d u r c h g e k e n n z e i c h n e t, characterized,
- dass das Schätzmittel (SM1, SM2 , SMn) ferner zumindest ein Modul zur Parametertransformation umfasst, welches dem Kaiman-Filter (KF) vorgeschaltet ist,  - that the estimation means (SM1, SM2, SMn) further comprises at least one module for the parameter transformation, which is connected upstream of the Kalman filter (KF),
- dass in dem das Modul zur Parametertransformation Werte für die Mindest- und Höchstgrenzen der Signale (u, y) automatisch ermittelt werden, und eine anschließende adaptive Normierung der Signale (u, y) durchgeführt wird, in welcher ein Offset (0) herausgerechnet und ein Verstärkungsfaktor (V) konstant gesetzt wird, und normierte Signale (un, yn) abgegeben werden .  in that values for the minimum and maximum limits of the signals (u, y) are automatically determined in the module for parameter transformation, and a subsequent adaptive normalization of the signals (u, y) is carried out, in which an offset (0) is calculated and a gain (V) is set constant, and normalized signals (un, yn) are output.
3. Vorrichtung (VS) nach Anspruch 1 oder 2, 3. Device (VS) according to claim 1 or 2,
d a d u r c h g e k e n n z e i c h n e t, characterized,
- dass dem Kaimanfilter (KF) eine Schätzbarkeitsanalyse (SBA) nachgeschaltet ist, wobei eine Gradientenauswertung des normierten Eingangs- und Ausgangssignals (un, yn) und des geschätzten Verstärkungsfaktors (V) durchgeführt wird,  - that the Kalman filter (KF) an estimation analysis (SBA) is followed, wherein a gradient evaluation of the normalized input and output signal (un, yn) and the estimated gain factor (V) is performed,
- dass bei positiver Beurteilung der Schätzbarkeit die aktuellen Schätzwerte der Modellparameter verbessert werden und verbesserte Werte ausgegeben werden, if, on a positive assessment of the estimability, the current estimates of the model parameters are improved and improved values are output,
- dass bei negativer Beurteilung der Schätzbarkeit die aktuellen Schätzwerte beibehalten werden. - that if estimates are negative, the current estimates will be maintained.
4. Vorrichtung (VS) nach Anspruch 1 bis 3, 4. Device (VS) according to claim 1 to 3,
d a d u r c h g e k e n n z e i c h n e t, characterized,
dass der Prozess durch ein Verzögerungsglied beliebiger Ordnung (n) nachgebildet wird und dass die geschätzten Modellpa- rameter die Zeitkonstante (T) des Verzögerungsglieds und die Ordnung (n) des Verzögerungsglieds sind. that the process is simulated by a delay element of arbitrary order (s) and that the estimated model parameters are the time constant (T) of the delay element and the order (n) of the delay element.
5. Vorrichtung (VS) nach einem der Ansprüche 1 bis 4, d a d u r c h g e k e n n z e i c h n e t, 5. Device (VS) according to one of claims 1 to 4, d a d e c o v e c e n e c e n e,
dass die Zeitkonstante (T) für verschiedene Ordnungen (n) des Verzögerungsgliedes parallel mittels der Schätzmittel (SM1, SM2, SMn) geschätzt wird. the time constant (T) for different orders (n) of the delay element is estimated in parallel by means of the estimation means (SM1, SM2, SMn).
6. Vorrichtung (VS) nach einem der Ansprüche 1 bis 5, d a d u r c h g e k e n n z e i c h n e t, 6. A device (VS) according to one of claims 1 to 5, characterized in that:
dass die Ordnung (nopt) des Verzögerungsglieds, welches den Prozess (P) am besten nachbildet, ermittelt wird, indem Beobachtungsfehler (el, e2 , ... , en) der einzelnen Schätzmittel (SM1, SM2, SMn) verglichen werden. the order (nopt) of the delay element, which best simulates the process (P), is determined by comparing observation errors (el, e2,..., en) of the individual estimation means (SM1, SM2, SMn).
7. Regeleinrichtung (R) für einen Prozess (P) , welcher eine verzögerungsbehaftete Regelstrecke basierend auf einer regelungstechnischen Modellstruktur und eine Vorrichtung aufweist, die nach einem der Ansprüche 1 bis 6 ausgebildet ist. 7. Control device (R) for a process (P), which has a delay-dependent controlled system based on a control model structure and a device which is designed according to one of claims 1 to 6.
8. Verfahren zur Bestimmung von Modellparametern einer regelungstechnischen Modellstruktur eines Prozesses (P) , 8. Method for determining model parameters of a control model structure of a process (P),
bei dem online zumindest ein Eingangssignal (u) und ein Ausgangssignal (y) aufgenommen werden, wobei es sich bei diesen Signalen (u, y) um beliebige Messsignale des Prozesses (P) handelt , in which at least one input signal (u) and one output signal (y) are recorded online, these signals (u, y) being any measurement signals of the process (P),
d a d u r c h g e k e n n z e i c h n e t, characterized,
dass die Modellparameter der Modellstruktur online geschätzt werden, wobei die Modellstruktur mittels eines Beobachtermo- dells in Form eines Kaiman-Filters (KF) repräsentiert wird.the model parameters of the model structure are estimated online, whereby the model structure is represented by means of an observer model in the form of a Kalman filter (KF).
9. Verfahren nach Anspruch 8, 9. The method according to claim 8,
d a d u r c h g e k e n n z e i c h n e t, characterized,
dass vor der Schätzung der Modellparameter eine Parametertransformation durchgeführt wird, in welcher Werte für die Mindest- und Höchstgrenzen der Signale (u, y) automatisch ermittelt werden, und anschließend eine adaptive Normierung der Signale (u, y) durchgeführt wird, in welcher ein Offset (0) herausgerechnet und ein Verstärkungsfaktor (V) konstant ge- setzt wird, und normierte Signale (un, yn) abgegeben werden. that before the estimation of the model parameters, a parameter transformation is carried out in which values for the Minimum and maximum limits of the signals (u, y) are determined automatically, and then an adaptive normalization of the signals (u, y) is carried out in which an offset (0) is calculated out and a gain factor (V) is set constant, and normalized signals (un, yn) are delivered.
10. Verfahren nach Anspruch 8 oder 9, 10. The method according to claim 8 or 9,
d a d u r c h g e k e n n z e i c h n e t, characterized,
dass nach der Schätzung mittels des Kaimanfilters eine that according to the estimate by means of the Kalman filter a
Schätzbarkeitsanalyse (SBA) durchgeführt wird, wobei eineEstimation Analysis (SBA) is performed, with a
Gradientenauswertung des normierten Eingangs- und Ausgangs- Signals (un, yn) und des geschätzten Verstärkungsfaktors (V) durchgeführt wird, Gradient evaluation of the normalized input and output signal (un, yn) and the estimated gain (V) is performed,
- dass bei positiver Beurteilung der Schätzbarkeit die aktu- eilen Schätzwerte der Modellparameter verbessert werden und verbesserte Werte ausgegeben werden.  - If the assessment is positive, the current estimates of the model parameters are improved and improved values are output.
- dass bei negativer Beurteilung der Schätzbarkeit die aktuellen Schätzwerte beibehalten werden.  - that if estimates are negative, the current estimates will be maintained.
11. Verfahren nach Anspruch einem der Ansprüche 8 bis 10 d a d u r c h g e k e n n z e i c h n e t, 11. A method as claimed in any one of claims 8 to 10, wherein:
dass der Prozess durch ein Verzögerungsglied beliebiger Ordnung (n) nachgebildet wird und dass die geschätzten Modellparameter die Zeitkonstante (T) des Verzögerungsglieds und die Ordnung (n) des Verzögerungsglieds sind. in that the process is simulated by a delay element of arbitrary order (s) and in that the estimated model parameters are the time constant (T) of the delay element and the order (n) of the delay element.
12. Verfahren nach Anspruch 11, 12. The method according to claim 11,
d a d u r c h g e k e n n z e i c h n e t, characterized,
dass die Ordnung (nopt) des Verzögerungsglieds, welches den Prozess (P) am besten nachbildet, ermittelt wird, indem Beobachtungsfehler (el, e2 , ... , en) der parallel erfolgten the order (nopt) of the delay element, which best simulates the process (P), is determined by observing errors (el, e2,..., en) of the parallel ones
Schätzungen verglichen werden. Estimates are compared.
13. Computerprogrammprodukt, das in den Speicher eines Compu- ters geladen wird und Softwarecodeabschnitte umfasst, mit denen die Schritte gemäß einem der Ansprüche 7 bis 12 ausgeführt werden, wenn das Produkt auf einem Computer läuft. A computer program product that is loaded into the memory of a computer and includes software code portions that perform the steps of any one of claims 7 to 12 when the product is run on a computer.
PCT/EP2012/063668 2011-07-20 2012-07-12 Device and method for determining model parameters of a control-related model structure of a process, control apparatus, and computer program product WO2013010905A1 (en)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102011079485.9 2011-07-20
DE102011079485 2011-07-20
DE102011086116.5 2011-11-10
DE102011086116A DE102011086116A1 (en) 2011-07-20 2011-11-10 Device and method for determining model parameters of a control model structure of a process, control device and computer program product

Publications (1)

Publication Number Publication Date
WO2013010905A1 true WO2013010905A1 (en) 2013-01-24

Family

ID=47502000

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2012/063668 WO2013010905A1 (en) 2011-07-20 2012-07-12 Device and method for determining model parameters of a control-related model structure of a process, control apparatus, and computer program product

Country Status (2)

Country Link
DE (1) DE102011086116A1 (en)
WO (1) WO2013010905A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102200B (en) * 2014-07-07 2016-10-26 安徽农业大学 A kind of transfer gear design system based on structure with control integrated optimization
CN110303521B (en) * 2018-03-27 2022-07-01 清华大学 Robot joint torque signal acquisition system and method

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008046894A1 (en) * 2006-10-18 2008-04-24 Siemens Aktiengesellschaft Method and device for the identification of a delay-susceptible control path, control device, and computer program product
DE102010025916A1 (en) 2010-07-02 2012-01-05 Siemens Aktiengesellschaft Method and device for determining model parameters for controlling a steam power plant unit, regulating device for a steam generator and computer program product

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19932794A1 (en) * 1999-07-14 2001-02-01 Abb Patent Gmbh Method of adapting a process controller to the characteristics of a controlled system, requires initially identifying the process using complete sets of measured values
DE102004035858A1 (en) * 2004-07-23 2006-02-16 Robert Bosch Gmbh State and parameter estimator with integral and differential component for electrical energy storage
CN101925866B (en) * 2008-01-31 2016-06-01 费希尔-罗斯蒙特系统公司 There is the adaptive model predictive controller of the robust of adjustment for compensation model mismatch
DE102008024513B4 (en) * 2008-05-21 2017-08-24 Liebherr-Werk Nenzing Gmbh Crane control with active coast sequence

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008046894A1 (en) * 2006-10-18 2008-04-24 Siemens Aktiengesellschaft Method and device for the identification of a delay-susceptible control path, control device, and computer program product
DE102010025916A1 (en) 2010-07-02 2012-01-05 Siemens Aktiengesellschaft Method and device for determining model parameters for controlling a steam power plant unit, regulating device for a steam generator and computer program product

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LENNART LJUNG: "System Identification Toolbox 7", 30 September 2009, THE MATHWORKS, XP002683122 *
ROBERTO GUIDORZI: "Multivariable System Identification", 28 February 2003, BONONIA UNIVERSITY PRESS, ISBN: 8873950213, XP002683123 *

Also Published As

Publication number Publication date
DE102011086116A1 (en) 2013-01-24

Similar Documents

Publication Publication Date Title
DE10304902B4 (en) Adaptation of extended process control blocks depending on changing process delays
EP1412821B1 (en) Reconfiguration method for a sensor system comprising at least one set of observers for failure compensation and guaranteeing measured value quality
DE102005018980B4 (en) Method and device for fault diagnosis of mechatronic systems
AT512251B1 (en) Method of designing a nonlinear controller for non-linear processes
EP3282399B1 (en) Method for the improved detection of process anomalies of a technical installation and corresponding diagnostic system
DE112011101738T5 (en) Multi-level process modeling process
WO2007098780A1 (en) Method for regulating the fuel-air mixture in an internal combustion engine
EP3499470B1 (en) Method for status based maintenance of access device
WO2020030351A1 (en) Method and device for operating an internal combustion engine with a common-rail injection system
EP2588925B1 (en) Method and device for determining model parameters for controlling a steam power plant block, control unit for a steam generator and computer program product
WO2013010905A1 (en) Device and method for determining model parameters of a control-related model structure of a process, control apparatus, and computer program product
EP3438773A1 (en) Processing of workpieces with model-supported error compensation
WO2007096328A1 (en) Method and device for the robust estimation of the ratio of injection control parameters to resultant injected fuel quantity
AT522958B1 (en) Method and system for calibrating a control of a machine
WO2011003765A1 (en) Control method for an influencing device for a rolled product
EP2732343B1 (en) Automated adaptation of a power plant control
EP2206024B1 (en) Method for monitoring the quality of a control system in a power plant
WO2016050599A1 (en) Method for determining the energy requirement of a production machine or of a production system comprising a plurality of production machines, and measuring device suitable for performing the method
EP3557048A1 (en) Wind turbine and method and device for operating a wind turbine
DE102010031323A1 (en) Technical system i.e. internal-combustion engine, controlling/regulating method for motor vehicle, involves dividing gross error for components e.g. actuators and/or models, of technical system
DE102016225041B4 (en) Method for operating an internal combustion engine, control device for an internal combustion engine, and internal combustion engine with such a control device
DE102021116388A1 (en) Method for optimizing a controller and control system with a controller optimized in this way
WO2024078793A1 (en) Method and system for adapting a manufacturing process
EP2626999B1 (en) Drive regulator for an electric machine and method for regulating an electrical machine
WO2015144287A1 (en) Method for operating an internal combustion engine, method for determining a learning structure for the operation of an internal combustion engine, control unit for an internal combustion engine, and internal combustion engine

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12743692

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 12743692

Country of ref document: EP

Kind code of ref document: A1