WO2018041581A1 - Verfahren zur steuerung einer faserstoffbahnherstellungsmaschine - Google Patents

Verfahren zur steuerung einer faserstoffbahnherstellungsmaschine Download PDF

Info

Publication number
WO2018041581A1
WO2018041581A1 PCT/EP2017/070267 EP2017070267W WO2018041581A1 WO 2018041581 A1 WO2018041581 A1 WO 2018041581A1 EP 2017070267 W EP2017070267 W EP 2017070267W WO 2018041581 A1 WO2018041581 A1 WO 2018041581A1
Authority
WO
WIPO (PCT)
Prior art keywords
manipulated variables
variable
controlled variable
fibrous web
variables
Prior art date
Application number
PCT/EP2017/070267
Other languages
English (en)
French (fr)
Inventor
Julius Flitsch
Jens Haag
Friedrich Kendel
Original Assignee
Voith Patent Gmbh
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 Voith Patent Gmbh filed Critical Voith Patent Gmbh
Publication of WO2018041581A1 publication Critical patent/WO2018041581A1/de

Links

Classifications

    • D—TEXTILES; PAPER
    • D21—PAPER-MAKING; PRODUCTION OF CELLULOSE
    • D21G—CALENDERS; ACCESSORIES FOR PAPER-MAKING MACHINES
    • D21G9/00—Other accessories for paper-making machines
    • D21G9/0009—Paper-making control systems

Definitions

  • the invention relates to a method for controlling a machine for producing a fibrous web according to the preamble of claim 1.
  • a fibrous web such as a paper, cardboard or tissue web
  • the production of a fibrous web is a very complex process, which consists of a plurality of successive individual process steps, in which controllable chemical and / or physical processes or process steps take place.
  • the individual process steps should be regulated so that a safe operation of the plant is guaranteed, and that at the same time the quality of the final product, ie the fibrous web, meets the specified requirements.
  • DE 10 2005 054 825 it has therefore been proposed to indirectly determine such a variable to be controlled.
  • DE 10 2005 054 825 it is proposed in DE 10 2005 054 825 to calculate the variable to be controlled by means of a suitable model from directly measurable variables.
  • the disadvantage of this solution is that in this case the economic aspect, ie a cost-optimized control is not considered.
  • DE 10 2012 217 729 proposes a control in which the manipulated variables are formed as a function of a cost functional, the target variable being available online as a measured value.
  • the present invention has the object of providing an improved, cost-optimized control for a pulp production machine, wherein the target to be controlled size is not available as an online reading available.
  • the object is achieved by a method for controlling a machine for producing a fibrous web.
  • the method comprises a controlled variable, at least two manipulated variables, at least one further variable, as well as a cost functional.
  • the at least two manipulated variables are set so that the cost functional is optimized, while at the same time the controlled variable remains within a predetermined target interval.
  • the method according to the invention is characterized in that both the controlled variable and the cost functional are calculated by means of a common model from the at least two manipulated variables and the at least one further variable.
  • a cost functional is to be understood as a functional relationship which permits an economic evaluation of the current mode of operation of the pulp production machine.
  • a cost function should make it possible to compare different settings of the at least two manipulated variables with regard to the resulting costs.
  • the target size is now available online.
  • the model serves as a kind of virtual sensor. This determined value of the target size can be used in addition to the control according to the invention also in other regulations, for documentation or other purposes.
  • the modeled cost function immediately provides information about which costs are associated with the current value of the target size. Since at least two control variables are provided, which influence the target size, a predetermined target interval for the target size are often achieved by different combinations of the manipulated variables. By means of the cost function, these combinations can now be compared with respect to their economic effects.
  • the optimization of the cost function according to the invention should be understood to be so broad that, in addition to finding a global or local optimum of the cost function, it may also be used, for example. it is possible to select the most favorable of several possible modes of operation of the fibrous web production machine, even if this may not represent an optimum in the mathematical sense.
  • joint modeling of target size and cost functional is advantageous, inter alia, because the cost of such a joint modeling is only slightly greater than the mere modeling of the target size in the context of a virtual sensor, but as described above has a much greater benefit for the user ,
  • the methods according to the invention can be used for any controlled variable.
  • the controlled variable may be one which is measured in the production process by means of a sensor.
  • the controlled variable may be one which is not measured directly in the production process but is calculated from other measured values (virtual sensor).
  • the models of the virtual sensor and the common model according to the invention may be the same or different.
  • At least one of the at least one further variable represents a dependent further variable which changes as a function of one or more manipulated variables.
  • the method may include a step in which the at least one dependent variable is recalculated or adapted when one or more manipulated variables are changed. If, for example, the basis weight of the web is selectively changed on a paper machine as a manipulated variable, this also changes, for example as a dependent further variable, the consistency of the various screen waters.
  • This recalculation or adaptation of the dependent further variables can take place by means of predefined models, which are upstream of the common model.
  • Another advantage of such an embodiment is that one has greater freedom in choosing the common model.
  • non-linear mathematical models such as e.g. Neural networks, selforganizing maps (SOM, a method of unsupervised learning) or "Support Vector Regression" (a method of supervised learning) are particularly accurate, but here one often has no control over whether or not the actual manipulated variables or However, upstream modeling of these dependent additional variables can still guarantee a high quality of the modeled result.
  • the method comprises a mathematical optimization by means of which values for the at least two manipulated variables are determined in which the cost functional is minimized, with the constraint that the controlled variable remains within a predetermined target interval at the same time.
  • the optimization of the cost function takes place under at least one additional secondary condition.
  • change other properties of the fibrous web by the changes of at least two manipulated variables in addition to the target size.
  • this other property remains within a predetermined target interval.
  • the controlled variable may be a strength property of the fibrous web.
  • the strength of the fibrous web there are a variety of characteristics, e.g. tear strength, split strength, burst strength, but the extensibility or stiffness of the fibrous web. All these parameters can be determined directly in the laboratory. Most of them only as part of a destructive measurement.
  • the controlled variable but also others may be quality parameters such as flatness, porosity, or the like.
  • the common model can be continuously checked as to how well the controlled variable is predicted by the model.
  • at least one, in particular both, manipulated variables are selected from the group of basis weight of the fibrous web, starch application, amount of the mass starch, jet sieve ratio, filler quantity, type and / or amount of the fiber material used, in particular also Type and / or quantity of the committee used.
  • the method comprises more than one further size, preferably more than 5, particularly preferably more than 10 further sizes.
  • the method can be used in the context of a closed control loop. Furthermore, it can be provided that the common model and / or the predefined target interval are selected as a function of the type of fibrous web produced.
  • FIG. 1 shows schematically the principle of a control according to one aspect of the present invention.
  • FIG. 2 schematically shows the principle of a control according to another aspect of the present invention.
  • the core is the common model 1, which provides both a value for the controlled variable 10, and for the cost functional 20.
  • both two or more manipulated variables 40 are provided here, as well as one or more further variables 50, 55.
  • the controlled variable 10 may be, for example, a parameter that describes the strength of the material web at a certain point.
  • the cost functional 20 can indicate, for example, which costs for the operator arise from the current values of the manipulated variables 40 and / or the further variables 40. The following example will explain this in more detail.
  • the controlled variable 10 for example, describe a strength which can be influenced by the manipulated variables 40 amount of starch and fiber amount.
  • the two manipulated variables 40 have a different impact on the strength, and lead to different costs.
  • the common model 1 determines the costs that arise due to the current setting of the manipulated variables 40. These can then be associated with the strength values also calculated by the common model 1.
  • the method furthermore comprises a mathematical optimization 30.
  • a mathematical optimization 30 By using a common model 1 according to the invention, this is very easily possible.
  • an adjustment of the manipulated variables 40 is calculated by means of a suitable method for mathematical optimization, in which a predetermined value of the controlled variable is determined with the most favorable setting of the manipulated variables.
  • this optimization 30 is an optimization 30 under one or more constraints. On the one hand, the constraint that the controlled variable lies within a certain target interval should be fulfilled. In addition, however, additional constraints may also be considered. By means of a further constraint in the optimization 30, it can then be achieved, for example, that a further quality property remains within a predefined target interval.
  • the result of this optimization 30 can be displayed on a screen, for example, or made accessible to the operator of the installation in other ways, and serve as a decision-making aid. Alternatively or additionally, however, the method described can be used in a closed control loop. In this case, the results of the optimization 30 are used directly to set the manipulated variables 40 to their optimal values.
  • FIG. 2 schematically shows a very advantageous embodiment of the invention.
  • This actual data record advantageously comprises the at least two manipulated variables 40 as well as the at least one further variable 50, 55. However, it may also comprise any number of further variables.
  • the actual data set 70 should include all the parameters that are needed later in the model 1 a,
  • the controlled variable 10 and the cost functional 20 are determined by means of a common model 1 a.
  • the model 1 a for determining the controlled variable can be a linear, but also a nonlinear model.
  • An advantage here is a model that predicts the controlled variable with the highest possible accuracy.
  • the controlled variable 10 can also be provided with a cost value.
  • the controlled variable 10 is a quality parameter of the paper (such as a
  • an advantageous change ⁇ of the manipulated variables 40 can now be determined.
  • These changed manipulated variables 40a enter an upstream model 1b.
  • This upstream model 1b takes account of the fact that at least one further variable 50 changes as a result of the changed manipulated variables 40a. This represents a dependent additional size 50. If, for example, on a paper machine, the basis weight of the web as manipulated variable 40, 40a specifically changed, then changes as a dependent additional size 50, the consistency of the various Siebskysser. This consistency can optionally be used by the common model 1 a for calculating the controlled variable 10 or 20 of the cost function.
  • the upstream model 1 b determines at least one, but often several, changed dependent additional size 50 by means of the changed manipulated variables 40 a. Thereafter, the upstream model transmits the at least one changed dependent further variable 50 and optionally one or more unchanged further variables 55 to the common one Model 1 a.
  • the changed manipulated variables 40a can also be transmitted as manipulated variables 40 to the common model. With these input data, the common model 1 a again determines a value for the cost functional 20, as well as the controlled variable 10.
  • This method can now be used e.g. be used in the context of an iterative method, a mathematical optimization or other suitable algorithms to determine a recommendation for changed manipulated variables 40, 40a. These can then be transmitted back as desired data 80 to the machine control.
  • Starting values uo and xo can be obtained from the actual data record 70. From this, the common model 1 a-together with optionally (independent) further variables 55 can determine starting values Ro for the controlled variable 10 and K 0 for the cost functional 20. If one now wants to determine the effect of an adjustment, it can be called
  • This upstream model 1b usually determines the changed value of the manipulated variables from this uo + 5u, as well as the resulting changes of the dependent further sizes 50 5u). In a very simple implementation, these changes can be modeled linearly: xo + G 5u, with a previously stored proportionality factor G.

Landscapes

  • Feedback Control In General (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zur Steuerung einer Maschine zur Herstellung einer Faserstoffbahn, umfassend eine Regelgröße, zumindest zwei Stellgrößen, zumindest eine weitere Größe, sowie ein Kostenfunktional, wobei die zumindest zwei Stellgrößen so eingestellt werden, dass das Kostenfunktional optimiert wird, während gleichzeitig die Regelgröße innerhalb eines vorgegebenen Zielintervalles verbleibt. Erfindungsgemäß ist vorgesehen, dass sowohl die Regelgröße als auch das Kostenfunktional mittels eines gemeinsamen Modells aus den zumindest zwei Stellgrößen und der zumindest einen weiteren Größe berechnet werden.

Description

Verfahren zur Steuerung einer Faserstoffbahnherstellungsmaschine
Die Erfindung betrifft ein Verfahren zur Steuerung einer Maschine zur Herstellung einer Faserstoffbahn gemäß dem Oberbegriff des Anspruchs 1 .
Die Herstellung einer Faserstoffbahn wie beispielsweise einer Papier-, Karton oder Tissuebahn, ist ein sehr komplexer Prozess, der aus einer Mehrzahl aufeinanderfolgender Einzelverfahrensstufen besteht, in denen regelbare chemische und/oder physikalische Ablaufe bzw. Prozessschritte stattfinden. Üblicherweise sollen die einzelnen Prozessschritte so geregelt werden, dass ein sicherer Betrieb der Anlage gewährleistet ist, und dass gleichzeitig die Qualität des Endprodukts, also der Faserstoffbahn, den vorgegebenen Anforderungen genügt.
Jedoch wird der Papierhersteller bei einer derartigen Regelung stets darauf achten, dass durch die gewählte Fahrweise der Anlage die Kosten für die Herstellung des Endprodukts beispielsweise durch Zugabe einer zu großen Menge an Chemikalien oder Hilfsstoffen, nicht zu hoch werden.
Häufig tritt hierbei bei der Regelung einer Papiermaschine das Problem auf, dass eine zu regelnde Größe nicht als online Messwert zur Verfügung steht. Viele Größen, wie beispielsweise die Festigkeitswerte der Faserstoffbahn lassen sich heute nur durch zerstörende Messungen im Labor messen.
Im Stand der Technik, beispielsweise der DE 10 2005 054 825 wurde deshalb vorgeschlagen, eine solche zu regelnde Größe indirekt zu ermitteln. Hierzu wird in der DE 10 2005 054 825 vorgeschlagen, die zu regelnde Größe mittels eines geeigneten Modells aus direkt messbaren Größen zu berechnen. Nachteilig an dieser Lösung ist es, dass hierbei der ökonomische Aspekt, also eine kosten-optimierte Regelung gar nicht betrachtet wird. Die DE 10 2012 217 729 schlägt eine Regelung vor, bei der die Stellgrößen in Abhängigkeit von einem Kostenfunktional gebildet werden, wobei die Zielgröße als Messwert online zur Verfügung steht. Die vorliegende Erfindung hat sich demgegenüber die Aufgabe gestellt, eine verbesserte, kostenoptimierte Steuerung für einer Faserstoffherstellungsmaschine vorzuschlagen, wobei die zu steuernde Zielgröße nicht als online-Messwert zur Verfügung steht.
Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur Steuerung einer Maschine zur Herstellung einer Faserstoffbahn. Das Verfahren umfasst eine Regelgröße, zumindest zwei Stellgrößen, zumindest eine weitere Größe, sowie ein Kostenfunktional. Bei der Steuerung werden die zumindest zwei Stellgrößen so eingestellt werden, dass das Kostenfunktional optimiert wird, während gleichzeitig die Regelgröße innerhalb eines vorgegebenen Zielintervalls verbleibt. Das erfindungsgemäße Verfahren ist dadurch gekennzeichnet, dass sowohl die Regelgröße als auch das Kostenfunktional mittels eines gemeinsamen Modells aus den zumindest zwei Stellgrößen und der zumindest einen weiteren Größe berechnet werden.
Unter einem Kostenfunktional soll im Rahmen dieser Anmeldung ein funktionaler Zusammenhang verstanden werden, der eine ökonomische Bewertung der aktuellen Fahrweise der Faserstoffherstellungsmaschine erlaubt. Insbesondere soll es ein solches Kostenfunktional ermöglichen, verschiedene Einstellungen der zumindest zwei Stellgrößen hinsichtlich der daraus entstehenden Kosten miteinander zu vergleichen.
Dadurch, dass erfindungsgemäß aus einem gemeinsamen Modell sowohl die zu steuernde Zielgröße, als auch ein relevantes Kostenfunktional berechnet wird, ergeben sich daraus mehrere Vorteile.
Zum einen steht nun die Zielgröße online zur Verfügung. Das Modell dient also einerseits als eine Art virtueller Sensor. Dieser ermittelte Wert der Zielgröße kann außer zu der erfindungsgemäßen Steuerung auch noch in weiteren Regelungen, zur Dokumentation oder andern Zwecken verwendet werden.
Zum anderen gibt das modellierte Kostenfunktional sofort eine Information darüber, welche Kosten mit dem aktuellen Wert der Zielgröße verbunden sind. Da zumindest zwei Stellgrößen vorgesehen sind, welche die Zielgröße beeinflussen, kann ein vorgegebenes Zielintervall für die Zielgröße häufig auf durch verschiedene Kombinationen der Stellgrößen erreicht werden. Mittels des Kostenfunktionais können diese Kombinationen nun bezüglich ihrer ökonomischen Auswirkungen miteinander verglichen werden.
Die erfindungsgemäße Optimierung des Kostenfunktionais soll dabei derart weit gefasst zu verstehen sein, dass sie neben dem Finden eines globalen oder lokalen Optimums des Kostenfunktionais auch z.B. die Möglichkeit umfasst, von mehreren möglichen Fahrweisen der Faserstoffbahnherstellungsmaschine die günstigste auszuwählen, auch wenn diese möglicherweise kein Optimum im mathematischen Sinne darstellt.
Die gemeinsame Modellierung von Zielgröße und Kostenfunktional ist unter anderem deshalb vorteilhaft, da der Aufwand für eine solche gemeinsame Modellierung nur unwesentlich größer ist, als die reine Modellierung der Zielgröße im Rahmen eines virtuellen Sensor, jedoch wie oben beschrieben einen deutlich größeren Nutzen für den Anwender hat.
Weiterhin besteht die Möglichkeit, ein solches gemeinsames Modell als Basis für ein mathematischen Optimierungsverfahrens zu nehmen, mit dem das Kostenfunktional minimiert wird, während gleichzeitig die Zielgröße in einem vorgegebenen Zielintervall verbleibt.
Vorteilhafte Ausführungen des erfindungsgemäßen Verfahrens werden in den Unteransprüchen beschrieben. Prinzipiell können die Verfahren gemäß der Erfindung für beliebige Regelgrößen angewendet werden. In einer vorteilhaften Ausführung des Verfahrens kann die Regelgröße eine solche sein, welche im Herstellungsprozess mittels eines Sensors gemessen wird.
In einer anderen vorteilhaften Ausführung kann die Regelgröße eine solche sein, welche im Herstellungsprozess nicht direkt gemessen wird, sondern aus anderen Messwerten berechnet wird (Virtueller Sensor). In einem solchen Fall können insbesondere die Modelle des virtuellen Sensors und des erfindungsgemäßen gemeinsamen Modells gleich oder unterschiedlich sein.
In einer vorteilhaften Ausführung des Verfahrens kann vorgesehen sein, dass zumindest eine der zumindest einen weitere Größe eine abhängige weitere Größe darstellt, welche sich in Abhängigkeit von einer oder mehrerer Stellgrößen verändert. Das Verfahren kann dabei einen Schritt umfassen, in dem die zumindest eine abhängige Größe bei einer Veränderung einer oder mehrerer Stellgrößen neu berechnet bzw. angepasst wird. Wird zum Beispiel an einer Papiermaschine das Flächengewicht der Bahn als Stellgröße gezielt verändert, so ändert sich dadurch auch als abhängige weitere Größe beispielsweise die Konsistenz der verschiedenen Siebwässer.
Diese Neuberechnung bzw. Anpassung der abhängigen weiteren Größen kann mittels vorher festgelegten Modellen erfolgen, die dem gemeinsamen Modell vorgelagert sind.
Der Vorteil einer solchen Anpassung von abhängigen weiteren Größen besteht in der größeren Genauigkeit der von dem gemeinsamen Modell ermittelten Werte. Insbesondere wenn ein Optimum gesucht werden soll, welches sich nicht in unmittelbarer Nähe eines Ist-Datenpunktes befindet . Dann werden häufig die großen Änerungen in den Stellgrößen auch große Änderungen in den abhängigen weiteren Größen nach sich ziehen.
Ein weiterer Vorteil einer solchen Ausführung ist es, dass man bei der Wahl des gemeinsamen Modells eine größere Freiheit hat. Häufig sind gerade nichtlineare mathematische Modelle wie z.B. Neuronale Netze, Selforganizing Maps (SOM, eine Methode des unüberwachten Lernens) oder die„Support Vector Regression" (eine Methode des überwachten Lernens) besonders genau. Hier hat man aber häufig keine Kontrolle darüber, ob auf die Modellierung der Regelgröße die eigentlichen Stellgrößen oder abhängigen weiteren Größen den größten Einfluss haben. Durch eine vorgelagerte Modellierung dieser abhängigen weiteren Größen kann man trotzdem eine hohe Güte des modellierten Ergebnisses gewährleisten.
In häufigen Ausführungen werden mehr als eine abhängige Größe auftreten, beispielsweise 3, 5, 10 oder mehr. So kann vorteilhafterweise vorgesehen sein, dass das Verfahren eine mathematische Optimierung umfasst, mittels derer Werte für die zumindest zwei Stellgrößen ermittelt werden, bei denen das Kostenfunktional minimiert wird, unter der Nebenbedingung, dass gleichzeitig die Regelgröße innerhalb eines vorgegebenen Zielintervalles verbleibt.
Vorteilhaft hierfür ist es, wenn bekannte Zusammenhänge zwischen Änderung der Stellgrößen und deren Auswirkung auf die Regelgröße hinterlegt sind und für die Optimierung zur Verfügung stehen.
In einer weiteren vorteilhaften Ausführung kann vorgesehen sein, dass die Optimierung des Kostenfunktionais unter zumindest einer weiteren Nebenbedingung erfolgt. So kann es beispielsweise möglich sein, dass sich durch die Änderungen der zumindest zwei Stellgrößen außer der Zielgröße auch noch andere Eigenschaften der Faserstoffbahn ändern. Mittels einer weiteren Nebenbedingung bei der Optimierung kann dann beispielsweise erreicht werden, dass auch diese andere Eigenschaft innerhalb eines vorgegebenen Zielintervalles verbleibt.
Gegebenenfalls kann es vorteilhaft sein, diese andere Eigenschaft im Rahmen des gemeinsamen Modelles zusammen mit der Regelgröße und dem Kostenfunktional mit zu modellieren.
Bei einer weiteren, vorteilhaften Ausführung des Verfahrens kann es sich bei der Regelgröße um eine Festigkeitseigenschaft der Faserstoffbahn handeln. Für die Beschreibung der Festigkeit der Faserstoffbahn gibt es eine Vielzahl von Kenngrößen, wie z.B. die Reißfestigkeit, Spaltfestigkeit, Berstfestigkeit, aber die die Dehnbarkeit oder Steifigkeit der Faserstoffbahn. All diese Kenngrößen können direkt nur im Labor ermittelt werden. Die meisten davon auch nur im Rahmen einer zerstörenden Messung.
In weiteren vorteilhaften Ausführungen kann es sich bei der Regelgröße aber auch andere um Qualitätsparameter wie Planlage, Porosität, oder ähnliche handeln. Mittels im Labor gemessener Werte für die Regelgröße kann das gemeinsame Modell kontinuierlich überprüft werden, wie gut die Regelgröße durch das Modell vorhergesagt wird. Bei den zumindest zwei Stellgrößen kann vorteilhafterweise vorgesehen sein, dass zumindest eine, insbesondere beide Stellgrößen ausgewählt sind aus der Gruppe Flächengewicht der Faserstoffbahn, Stärkeauftrag, Menge der Massestärke, Strahl- Sieb Verhältnis, Füllstoffmenge, Art und/oder Menge des verwendeten Fasermaterials, insbesondere auch Art und/oder Menge des eingesetzten Ausschusses.
Insbesondere in Bezug auf die oben erwähnten Festigkeitseigenschaften haben diese Größen einen großen Einfluss, so dass sie als Stellgrößen besonders vorteilhaft sind.
In besonders vorteilhaften Ausführungen kann vorgesehen sein, dass das Verfahren mehr als eine weitere Größe, bevorzugt mehr als 5, besonders bevorzugt mehr als 10 weitere Größen umfasst. Durch Hinzunahmen dieser weiteren Größen zu dem gemeinsamen Modell lässt sich häufig die Modellgüte massiv verbessern und z.B. die Genauigkeit der Ermittlung der Regelgröße deutlich erhöhen. Gerade bei statistischen Modellen wird es häufig vorkommen, dass sogar mehr als 20 oder mehr als 30 weitere Größen verwendet werden.
In einer weiteren vorteilhaften Ausführung kann das Verfahren im Rahmen eines geschlossenen Regelkreises verwendet werden. Weiterhin kann vorgesehen sein, dass das gemeinsame Modell und/oder das vorgegebene Zielintervall in Abhängigkeit von der produzierten Sorte der Faserstoffbahn gewählt werden.
Im Folgenden wird die Erfindung anhand einer Figur noch weiter erläutert.
Die Figur 1 zeigt schematisch das Prinzip einer Regelung nach einem Aspekt der vorliegenden Erfindung. Die Figur 2 zeigt schematisch das Prinzip einer Regelung nach einem anderen Aspekt der vorliegenden Erfindung.
Kernstück ist das gemeinsame Modell 1 , welches sowohl einen Wert für die Regelgröße 10 liefert, als auch für das Kostenfunktional 20. Als Eingangsgrößen in das gemeinsame Modell 1 sind hier sowohl zwei oder mehr Stellgrößen 40 vorgesehen, als auch eine oder mehrere weitere Größen 50, 55. Bei der Regelgröße 10 kann es sich beispielsweise um einen Parameter handeln, der die Festigkeit der Materialbahn an einer bestimmten Stelle beschreibt. Das Kostenfunktional 20 kann beispielsweise angeben, welche Kosten für den Betreiber durch die aktuellen Werte der Stellgrößen 40 und/oder auch der weiteren Größen 40 entstehen. Am folgenden Beispiel soll dies noch einmal näher erläutert werden. So kann in einer vorteilhaften Ausführung die Regelgröße 10 beispielsweise eine Festigkeit beschreiben, welche durch die Stellgrößen 40 Stärkemenge und Faserstoffmenge beeinflusst werden kann. Die beiden Stellgrößen 40 haben einen unterschiedlich großen Einfluss auf die Festigkeit, und führen zu unterschiedlichen Kosten. Sind in dem gemeinsamen Modell 1 Werte für die Kosten dieser Stellgrößen 40 hinterlegt oder können sie von diesem über eine Datenverbindung bezogen werden, so ermittelt das gemeinsame Modell 1 die Kosten, die durch die aktuelle Einstellung der Stellgrößen 40 entstehen. Diese können dann mit den ebenfalls durch das gemeinsame Modell 1 berechneten Festigkeitswerten in Verbindung gesetzt werden.
In der in Figur 1 gezeigten Ausführung umfasst das Verfahren weiterhin eine mathematische Optimierung 30. Durch die erfindungsgemäße Verwendung eines gemeinsamen Modells 1 ist dies sehr leicht möglich. In diesem Verfahrensschritt wird mittels eines geeigneten Verfahrens zur mathematischen Optimierung eine Einstellung der Stellgrößen 40 berechnet, bei der ein vorgegebener Wert der Regelgröße mit der günstigsten Einstellung der Stellgrößen ermittelt wird. Vorteilhaft hierfür ist es, wenn bekannte Zusammenhänge zwischen Änderung der Stellgrößen 40 und deren Auswirkung auf die Regelgröße 10 hinterlegt sind und für die Optimierung 30 zur Verfügung stehen. Vorteilhafterweise ist diese Optimierung 30 eine Optimierung 30 unter einer oder mehreren Nebenbedingungen. So sollte einerseits die Nebenbedingung erfüllt sein, das die Regelgröße in einem gewissen Zielintervall liegt. Zusätzlich können aber auch noch weitere Nebenbedingungen in Betracht gezogen werden. Mittels einer weiteren Nebenbedingung bei der Optimierung 30 kann dann beispielsweise erreicht werden, dass eine weitere Qualitätseigenschaft innerhalb eines vorgegebenen Zielintervalles verbleibt.
Gegebenenfalls kann es vorteilhaft sein, diese weitere Qualitätseigenschaft im Rahmen des gemeinsamen Modelles 1 zusammen mit der Regelgröße 40 und dem Kostenfunktional 20 mit zu modellieren.
Das Ergebnis dieser Optimierung 30 kann beispielsweise auf einem Bildschirm angezeigt, oder dem Betreiber der Anlage auf anderen Wegen zugänglich gemacht werden, und ihm als Entscheidungshilfe dienen. Alternativ oder zusätzlich kann mit das beschriebene Verfahren aber in einem geschlossenen Regelkreis verwendet wird. In diesem Fall werden die Ergebnisse der Optimierung 30 direkt verwendet, um die Stellgrößen 40 auf ihre als optimal befundenen Werte einzustellen.
Üblicherweise wird dieses beschriebene Verfahren kontinuierlich ablaufen. Änderungen der Stellgrößen 40 sowie der weiteren Größe 50,55 führen dann zu einer neuen Berechnung des gemeinsamen Modells 1 , und damit zu neuen Werten für die Regelgröße 10 und das Kostenfunktional 20.
Um die Qualität der durch das gemeinsame Modell 1 gewonnenen Werte zu beurteilen und gegebenenfalls durch Adaption des gemeinsamen Modells 1 verbessern zu können ist es vorteilhaft, zumindest die durch das gemeinsame Modell 1 berechneten Regelgrößen mittels Labormessungen 60 zu überprüfen, bzw. das gemeinsame Modell 1 auf diese Messungen zu kalibrieren.
Hier ist es auch wieder von Vorteil, dass erfindungsgemäß ein gemeinsames Modell 1 zur Modellierung der Regelgrößen 10 und des Kostenfunktionais 20 vorgesehen ist, da bei einer solche modellbasierten Regelung üblicherweise ein gewisser Wartungs- und Pflegeaufwand anfällt (z.B. zur Kalibrierung), der bei einem solchen gemeinsamen Modell 1 einfacher und besser durchgeführt werden kann, als im Falle einer separaten Modellierung in verschiedenen Modellen. ln Figur 2 ist eine sehr vorteilhafte Ausführung der Erfindung schematisch angegeben. Von der Maschine, beispielsweise einer Papiermaschine, wird ein Ist-Datensatz 70 an die Steuerung übergeben. Dieser Ist-Datensatz umfasst vorteilhafterweise die zumindest zwei Stellgrößen 40 sowie die zumindest eine weitere Größe 50, 55. Er kann jedoch auch beliebig viele weitere Größen umfassen. Insbesondere sollte der Ist-Datensatz 70 alle Parameter umfassen, welche später in dem Model 1 a benötigt werden,
Mittels der zumindest einen weiteren Größe 50, 55, und üblicherweise aber nicht zwingend mittels der zumindest zwei Stellgrößen, wird mittels eines gemeinsamen Modells 1 a die Regelgröße 10 sowie das Kostenfunktional 20 ermittelt.
Das Modell 1 a zur Ermittlung der Regelgröße kann dabei ein lineares, aber auch ein nichtlineares Modell sein. Vorteilhaft ist hier ein Modell, das die Regelgröße mit möglichst hoher Genauigkeit vorhersagt.
Bei der Modellierung des Kostenfunktionais 20 kann beispielsweise so vorgegangen werden, dass alle oder einige der weiteren Größen 50, 55 und der Stellgrößen 40 mit Kostenwerten versehen werden (Preis pro Tonne eingesetzter Stärke etc.). Zusätzlich kann auch die Regelgröße 10 mit einem Kostenwert versehen werden. In dem Fall, dass die Regelgröße 10 ein Qualitätsparameter des Papiers ist (wie z.B. ein
Festigkeitswert) spiegelt dies den Fall wieder, dass Papier mangelnder Qualität nur mit einem Preisabschlag verkauft werden kann.
In einem Optimierungsalgorithmus 30 kann nun eine vorteilhafte Änderung δ der Stellgrößen 40 ermittelt weden. Diese geänderten Stellgrößen 40a gehen in ein vorgelagertes Modell 1 b ein. Dieses vorgelagerte Modell 1 b trägt der Tatsache Rechnung, dass sich durch die veränderten Stellgrößen 40a auch zumindest eine weitere Größe 50 ändert. Diese stellt eine abhängige weitere Größe 50 dar. Wird zum Beispiel an einer Papiermaschine das Flächengewicht der Bahn als Stellgröße 40, 40a gezielt verändert, so ändert sich dadurch auch als abhängige weitere Größe 50 die Konsistenz der verschiedenen Siebwässer. Diese Konsistenz kann gegebenenfalls von dem gemeinsamen Modell 1 a zur Berechnung der Regelgröße 10 oder des Kostenfunktionais 20 verwendet werden.
Würde man für diese oder andere abhängige weitere Größen 50, welche sich in Abhängigkeit der gezielten Änderung einer Regelgröße 40 auch verändern, weiterhin mit den Werten des Ist-Datensatzes arbeiten, würde das zu einer geringeren Qualität des durch das gemeinsame Modell 1 a ermittelten Kostenfunktionais 20 und/oder der Regelgröße führen.
Daher ermittelt das vorgelagerte Modell 1 b mittels der geänderten Stellgrößen 40a zumindest eine, häufig jedoch mehrere, geänderte abhängige weitere Größe 50. Danach übermittelt das vorgelagerte Modell die zumindest eine geänderte abhängige weitere Größe 50 sowie gegebenenfalls eine oder mehrere unveränderte weitere Größen 55 an das gemeinsame Modell 1 a. Auch die geänderten Stellgrößen 40a können als Stellgrößen 40 an das gemeinsame Modell übermittelt werden. Mit diesen Eingangsdaten ermittelt das gemeinsame Modell 1 a wieder einen Wert für das Kostenfunktional 20, sowie die Regelgröße 10.
Dieses Verfahren kann nun z.B. im Rahmen eines iterativen Verfahrens, einer mathematischen Optimierung oder anderer geeigneter Algorithmen dazu verwendet werden, eine Empfehlung für geänderte Stellgrößen 40, 40a zu ermitteln. Diese können dann als Soll-Daten 80 an die Maschinensteuerung zurück übermittelt werden.
Zum weiteren Verständnis soll der Prozess sowie das vorgelagerte Modell 1 b und das gemeinsame Modell 1 a an einem einfachen, exemplarischen Beispiel noch einmal verdeutlicht werden.
Seien mit u die Stellgrößen 40 und mit x die abhängigen weiteren Größen 50 bezeichnet.
Aus dem Ist-Datensatz 70 können Startwerte uo und xo gewonnen werden. Hieraus kann das gemeinsame Modell 1 a -zusammen mit ggf. (unabhängigen) weiteren Größen 55 Startwerte Ro für die Regelgröße 10 und K0 für das Kostenfunktional 20 ermitteln. Will man nun die Auswirkung einer Verstellung 5u ermitteln, so kann diese als
Eingabe in das vorgelagerte Modell 1 b übergeben werden. Diese vorgelagerte Modell 1 b ermittelt daraus üblicherweise den geänderten Wert der Stellgrößen
Figure imgf000013_0001
uo+ 5u, sowie die sich daraus ergebenden Änderungen der abhängigen weiteren Größen 50
Figure imgf000013_0002
5u) . In einer ganz einfachen Ausführung können diese Änderungen linear modelliert werden:
Figure imgf000013_0003
xo + G 5u, mit einem vorher hinterlegten Proportionalitätsfaktor G.
Diese angepassten Werte ui und x1 können dann an der gemeinsame Modell 1 a übermittelt werden. Dort werden damit neue Werte Ri für die Regelgröße 10 sowie Ki für das Kostenfunktional 20 ermittelt, wie sie sich aus der Änderung der Stellgrößen um 5u ergeben.

Claims

Patentansprüche
1 . Verfahren zur Steuerung einer Maschine zur Herstellung einer Faserstoffbahn, umfassend eine Regelgröße, zumindest zwei Stellgrößen, zumindest eine weitere Größe, sowie ein Kostenfunktional, wobei die zumindest zwei Stellgrößen so eingestellt werden, dass das Kostenfunktional optimiert wird, während gleichzeitig die Regelgröße innerhalb eines vorgegebenen Zielintervalles verbleibt, dadurch gekennzeichnet, dass sowohl die Regelgröße als auch das Kostenfunktional mittels eines gemeinsamen Modells aus den zumindest zwei Stellgrößen und der zumindest einen weiteren Größe berechnet werden.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass zumindest eine der zumindest einen weiteren Größe eine abhängige weitere Größe darstellt, welche sich in Abhängigkeit von einer oder mehrerer Stellgrößen verändert, und das Verfahren einen Schritt umfasst, in dem die zumindest eine abhängige Größe bei einer Veränderung einer oder mehrerer Stellgrößen neu berechnet bzw. angepasst wird, wobei diese Neuberechnung oder Anpassung insbesondere mittels eines vorgelagerten Modells erfolgt.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Verfahren eine mathematische Optimierung umfasst, mittels derer Werte für die zumindest zwei Stellgrößen ermittelt werden, bei denen das Kostenfunktional minimiert wird, unter der Nebenbedingung, dass gleichzeitig die Regelgröße innerhalb eines vorgegebenen Zielintervalles verbleibt.
4. Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass die Optimierung des Kostenfunktionais unter zumindest einer weiteren Nebenbedingung erfolgt.
5. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass es sich bei der Regelgröße um eine Festigkeitseigenschaft der Faserstoffbahn handelt.
6. Verfahren nach einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass von den zumindest zwei Stellgrößen zumindest eine ausgewählt ist aus der Gruppe Flächengewicht der Faserstoffbahn, Stärkeauftrag, Menge der Massestärke, Strahl-Sieb Verhältnis, Füllstoffmenge, Art und/oder Menge des verwendeten Fasermaterials.
7. Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das Verfahren mehr als eine weitere Größe, bevorzugt mehr als 5, besonders bevorzugt mehr als 10 weitere Größen umfasst.
8. Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das Verfahren in einem geschlossenen Regelkreis verwendet wird.
9. Verfahren gemäß einem der vorherigen Ansprüche, dadurch gekennzeichnet, dass das gemeinsame Modell und/oder das vorgegebene Zielintervall in
Abhängigkeit von der produzierten Sorte der Faserstoffbahn gewählt werden.
PCT/EP2017/070267 2016-08-31 2017-08-10 Verfahren zur steuerung einer faserstoffbahnherstellungsmaschine WO2018041581A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016216387.6 2016-08-31
DE102016216387.6A DE102016216387A1 (de) 2016-08-31 2016-08-31 Verfahren zur Steuerung einer Faserstoffbahnherstellungsmaschine

Publications (1)

Publication Number Publication Date
WO2018041581A1 true WO2018041581A1 (de) 2018-03-08

Family

ID=59593074

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2017/070267 WO2018041581A1 (de) 2016-08-31 2017-08-10 Verfahren zur steuerung einer faserstoffbahnherstellungsmaschine

Country Status (2)

Country Link
DE (1) DE102016216387A1 (de)
WO (1) WO2018041581A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020104287A1 (de) * 2020-02-18 2021-08-19 Dieffenbacher GmbH Maschinen- und Anlagenbau Verfahren und Vorrichtung zum Betreiben einer Produktionsanlage
DE102021206044A1 (de) 2021-06-14 2022-12-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Überwachung der produktion von werkstoffplatten, insbesondere holzwerkstoffplatten, insbesondere unter verwendung einer selbstorganisierenden karte

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1785526A2 (de) * 2005-11-15 2007-05-16 Voith Patent GmbH Verfahren zur Bestimmung einer Festigkeiteigenschaft einer Faserstoffbahn bei deren Herstellung
US20100082124A1 (en) * 2008-09-30 2010-04-01 Rockwell Automation Technologies, Inc. Asymetrical process parameter control system and method
DE102012217729A1 (de) 2012-09-28 2013-10-17 Voith Patent Gmbh Verfahren zur Regelung einer Faserstoffbahnherstellungsmaschine zum Verbessern der Formation

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5825653A (en) 1997-03-14 1998-10-20 Valmet Corporation Method for overall regulation of a former of a paper machine or equivalent
FI20012175A (fi) 2001-11-09 2003-05-10 Metso Paper Automation Oy Menetelmä ja laitteisto viiraosan toiminnan säätämiseksi

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1785526A2 (de) * 2005-11-15 2007-05-16 Voith Patent GmbH Verfahren zur Bestimmung einer Festigkeiteigenschaft einer Faserstoffbahn bei deren Herstellung
DE102005054825A1 (de) 2005-11-15 2007-05-24 Voith Patent Gmbh Verfahren zur Bestimmung der Papierfestigkeit
US20100082124A1 (en) * 2008-09-30 2010-04-01 Rockwell Automation Technologies, Inc. Asymetrical process parameter control system and method
DE102012217729A1 (de) 2012-09-28 2013-10-17 Voith Patent Gmbh Verfahren zur Regelung einer Faserstoffbahnherstellungsmaschine zum Verbessern der Formation

Also Published As

Publication number Publication date
DE102016216387A1 (de) 2018-03-01

Similar Documents

Publication Publication Date Title
DE102016009106A1 (de) Mit Steuerung ausgerüstete Bearbeitungsvorrichtung mit Bearbeitungszeit- Messfunktion und Messfunktion auf der Maschine
DE112019001512T5 (de) EINSPRITZGIEßMASCHINENSYSTEM
DE102018001571B4 (de) Laserverarbeitungsgerät und Vorrichtung zum maschinellen Lernen
EP2340469B1 (de) Vorrichtung und verfahren zur steuerung einer bearbeitungsanlage
EP2403991B1 (de) Steuerung der erweiterten trockenpartie einer papiermaschine
DE102016011525B4 (de) Vorrichtung für maschinelles Lernen und Spulen-Produktionsvorrichtung
DE2027084A1 (de) Verfahren zur Regelung des Mittelwerts der statistisch verteilten Ist-Werte einer meßbaren Eigenschaft sowie Regelsystem zur Durchführung des Verfahrens
DE102018117423A1 (de) Bearbeitungsmaschinensystem und fertigungssystem
EP2303483B1 (de) Erstellverfahren für maschinencode, dessen ausführung ein optimiertes walzmodell realisiert
WO2018041581A1 (de) Verfahren zur steuerung einer faserstoffbahnherstellungsmaschine
DE102009019624A1 (de) Verfahren zur Bestimmung wenigstens eines Reglerparameters eines Regelglieds in einem Bahnspannungs-Regelkreis für eine Bearbeitungsmaschine
DE102017222327A1 (de) Verfahren zur automatisierten Prozesskontrolle einer Digitaldruckmaschine
WO1998015882A1 (de) Verfahren und einrichtung zur identifikation bzw. vorausberechnung von prozessparametern eines industriellen zeitvarianten prozesses
DE102011015849A1 (de) Vorrichtung und Verfahren zur automatischen Überwachung einer Vorrichtung zur Verarbeitung von Fleischprodukten
DE60105421T2 (de) Verfahren und system zum überwachen und analysieren eines papierherstellungsprozesses
DE19910910A1 (de) Verfahren zur Durchführung eines optimierten Faser- oder Papierherstellungsprozesses
EP4045986A1 (de) Verfahren für eine modellbasierte bestimmung von modellparametern
EP1785526A2 (de) Verfahren zur Bestimmung einer Festigkeiteigenschaft einer Faserstoffbahn bei deren Herstellung
DE112012000595T5 (de) System und Verfahren zum Erzeugen von Indizes zum Quantifizieren der Betriebsübergangsleistungsfähigkeit eines kontinuierlichen Prozesses
EP4356209A1 (de) Überwachung der produktion von werkstoffplatten, insbesondere holzwerkstoffplatten, insbesondere unter verwendung einer selbstorganisierenden karte
DE60022553T2 (de) Verfahren und vorrichtung zur bestimmung der anpassung eines papiermaschinenbetätigungselementes
EP1780333B1 (de) Verfahren und Vorrichtung zur Herstellung einer Faserstoffbahn
EP1255103B1 (de) Verfahren und Vorrichtung zum Kalibrieren von Stoffdichtesensoren
EP2225953B1 (de) Temperiermaschine zum kontinuierlichen Aufbereiten von fetthaltigen Massen mit konstantem Temperiergrad
DE2105048A1 (de) Verfahren zur Steuerung der Vorlaufge schwmdigkeit und/oder der Qualltat eines faserhaltigen Bandmaterial

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: 17751725

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17751725

Country of ref document: EP

Kind code of ref document: A1