【技术实现步骤摘要】
本专利技术涉及一种用于过程设施的基于模型的预测性多变量控制的过程模型的自动识别的计算机实现的方法，其中，参考用于过程设施的基于模型的预测性多变量控制的先前限定的控制变量、调节变量和干扰变量。本专利技术还涉及一种用于技术设施、特别是生产设施或过程设施的控制系统。
技术介绍
1、基于模型的预测调节器(mpc：model predictive control模型预测控制)代表了方法技术过程中多变量控制最成功的技术方法。这些调节器需要一个(主要是线性的)动态过程模型，该过程模型通常从过程数据中识别出来。从测量数据识别过程模型的前提是过程被充分激发，以便能够在测量数据中识别其动态行为。
2、一个问题是在设施中规划和实施特殊的主动测试，这些测试用于生成具有足够信息内容的测量数据，用于识别过程模型。
3、在mpc应用程序中，识别过程模型所需的三种变量之间存在区别：
4、控制变量＝controlled variables(cv)，稍后将为其指定额定值；
5、调节变量＝操纵变量(mv)，其可由mpc更改。在大多数情况下，这些是过程设施的基本自动化中现有调节器的设定值；
6、可测量的干扰变量＝disturbance variables(dv)，对控制变量有重大影响，但不能由mpc主动调整。
7、激发动态过程的常用程序是所谓的跳跃测试。在此，用作过程模型(mv)的输入变量的所有调节变量必须连续地用一个或多个具有合适大小和持续时间的跳跃来激励。一方面，此类跳跃测试的规划需要过程设施
8、wo2008/145154a1详细说明了一种用于监控自动化生产过程的方法。
技术实现思路
1、因此，本专利技术的目的在于，自动识别用于过程设施的基于模型的预测性多变量控制的过程模型，并显著减少与识别相关的开支。
2、根据本专利技术，该目的通过本专利技术中指定的方法和本专利技术中指定的控制系统来实现。
3、本专利技术的主题是一种用于过程设施的基于模型的预测性多变量控制的过程模型的自动识别的计算机实现的方法，其中，参考用于过程设施的基于模型的预测性多变量控制的先前限定的控制变量、调节变量和干扰变量，该方法具有以下步骤：
4、在档案中提供来自过程设施的生产运行的历史测量数据，其中，在生产运行期间调节变量是恒定的；
5、从历史测量数据确定所有调节变量的相应的工作点以及所有控制变量的相应的工作点和相应的标准偏差；
6、指定每个控制变量与相应的控制变量的工作点的允许的偏差，其中，允许的偏差特别是相应的控制变量的标准偏差的六倍；
7、以恒定的采样时间对控制变量、调节变量和干扰变量进行采样；为控制变量提供相应的低通滤波，其中，滤波时间常数被选择为，使得具有低通滤波的相应的控制变量的标准偏差比没有低通滤波的情况小2至6倍，优选3至5倍；
8、为每个调节变量逐步执行以下步骤：
9、a)从工作点开始，以斜坡状的方式激励调节变量，直到控制变量中的至少一个控制变量的值位于有关控制变量的相应的工作点的公差带之外，其中，公差带分别是相应的控制变量的标准偏差的两倍；
10、b)确定在步骤a中对于控制变量中的至少一个控制变量离开公差带所需的调节变量的激励振幅；
11、c)将调节变量返回到其工作点并等待直到每个控制变量再次具有稳定状态；
12、d)以两倍的正激励振幅以阶梯状的方式激励调节变量并等待直到每个控制变量再次具有稳定状态；
13、e)以四倍的负激励振幅以阶梯状的方式激励调节变量并等待直到每个控制变量再次具有稳定状态；
14、f)以两倍的正激励振幅以阶梯状的方式激励调节变量并等待直到每个控制变量再次具有稳定状态；
15、其中，如果控制变量中的一个控制变量超过指定的允许的偏差时，则步骤d、e立即转移至以下步骤；
16、g)在计算机实现的数据存储器中存储步骤a到f执行期间的控制变量、调节变量和干扰变量的值；
17、在使用最小二乘法的情况下，使用存储在计算机实现的数据存储器中的用于过程设施的基于模型的预测性多变量控制的过程模型的自动识别的控制变量、调节变量和干扰变量的值。
18、本专利技术假设，过程模型所需的控制变量、调节变量和干扰变量已经被限定。此外，在根据本专利技术的方法的范畴中，参考来自过程设施的生产运行的测量数据。在此，在记录测量数据期间，调节变量保持不变。
19、调节变量和控制变量的工作点能够必要时从过程设备的操作员的文档数据中读出。然而，为了确定工作点，还能够需要从历史测量数据分别自动计算调节变量的平均值。
20、控制变量与其工作点的允许偏差的规范分别能够基于过程设施的操作员的信息。这用于确保过程设施的可靠运行并且符合限定的产品质量。如果无法从设施操作员那里获得信息，则允许的偏差能够是相应的控制变量的标准偏差的六倍。该值已被证明特别适用于测试系列。
21、在执行根据本专利技术的方法期间，以恒定的采样时间对控制变量、调节变量和干扰变量进行采样，即以测量技术进行记录。例如，不限于此，采样时间能够是1秒。
22、为了抑制高频测量噪声，控制变量分别以本身已知的方式通过低通滤波器进行滤波。所采样的控制变量的剩余部分则代表有用信号。低通滤波的滤波时间常数能够是例如10秒的值，但不限于此。
23、对每个限定的调节变量迭代地执行方法步骤a到g。在方法步骤a中，首先以斜坡状的方式激励相应的调节变量。用数学表达，激励曲线是连续的。换句话说，激励不是以阶梯状的方式发生的，而是以斜坡状的方式发生的。在此，斜坡的上升梯度相对较小。相对而言，斜坡的上升梯度必须小到使控制变量能够以一定的“跟随误差”跟随斜坡状的激励。在根据本专利技术的方法期间，能够参考设施操作员的经验值。调节变量的斜坡的上升梯度例如能够是每秒调节变量的最大值(最大激励振幅)的1％。斜坡上升到最大值所花费的时间至少应与阶梯式激励后的过程所需的时间一样长，以便再次稳定到新的稳定状态。在典型的工艺技术过程(蒸馏塔、搅拌釜反应器)中，这能够需要多个小时。
24、在接下来的步骤d到f中，首先以两倍的激励振幅向上、然后以四倍的激励振幅向下、最后再次以两倍的激励振幅向上以阶梯式的方式激励调节变量。因此，激励曲线在这里是连续的，但不可微分。
25、在每种情况下，该方法等待直到每个控制变量都具有稳定状态。稳定状态的存在例如由监控控制变量的相应的低通滤波信号的梯度来监控。如果梯度在限定的时间窗口内基本为零，则能够假定为稳定状态。在此，时间窗口的长度和仍然允许的“剩余梯度”通常取决于过程动态，并且对于不同的过程变量(控制变量)能够彼此不同。
26本文档来自技高网...
【技术保护点】
1.一种用于过程模型的自动识别的计算机实现的方法，所述过程模型用于过程设施的基于模型的预测性多变量控制，其中，参考用于所述过程设施的基于模型的预测性多变量控制的先前限定的控制变量、调节变量和干扰变量，所述方法包括：
2.根据权利要求1所述的方法，其中，为了确定所述工作点，分别从所述历史测量数据计算所述调节变量的平均值。
3.根据权利要求1或2所述的方法，其中，在所述过程设施的运行期间，所识别的过程模型被用于所述过程设施的基于模型的预测性多变量控制。
4.一种用于技术设施的控制系统，所述技术设施特别是生产设施或过程设施，所述控制系统包括设计用于执行根据权利要求1至3中任一项所述的方法的计算机。
5.一种计算机程序产品，当借助数据处理装置执行所述计算机程序产品时，所述计算机程序产品执行根据权利要求1至3中任一项所述的方法。
【技术特征摘要】
1.一种用于过程模型的自动识别的计算机实现的方法，所述过程模型用于过程设施的基于模型的预测性多变量控制，其中，参考用于所述过程设施的基于模型的预测性多变量控制的先前限定的控制变量、调节变量和干扰变量，所述方法包括：
2.根据权利要求1所述的方法，其中，为了确定所述工作点，分别从所述历史测量数据计算所述调节变量的平均值。
3.根据权利要求1或2所述的方法，其中，在...
【专利技术属性】
技术研发人员：贝恩德马库斯·普费菲尔，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。