Modellbasierte prädiktive Regelung

Transkript

1 Modellbasierte prädiktive Regelung Eine Einführung für Ingenieure von Rainer Dittmar und Bernd-Markus Pfeiffer Oldenbourg Verlag München Wien

2 1 Einführung Entwicklung der Prozessführung im gegenwärtigen wirtschaftlichen Umfeld Standardmäßige dezentrale PID-Regelung - Möglichkeiten und Grenzen Zusatzfunktionen industrieller PID-Regler Vernaschte Regelungsstrukturen Ergänzungen zur PID-Regelung Beeinflussung des Führungs- und Störverhaltens Parameteroptimierung Control Performance Monitoring : Advanced Control Verfahren in Prozessleitsystemen Rapid Prototyping (MATLAB/SIMULINK-Ankopplung) Fuzzy-Logik und Fuzzy-Control Softsensoren und künstliche neuronale Netze Mehrgrößenregelung und modellprädiktive Regelung (MPC: Model Predictive Control) Online-Prozessoptimierung 28 2 Grundkonzept und Merkmale modellbasierter prädiktiver Regelungen Erfolgsfaktoren der industriellen Anwendung von MPC-Regelungen Schwierigkeiten und Grenzen des industriellen Einsatzes Grundprinzipien und Begriffe der modellbasierten prädiktiven Regelung Zusammenhang mit verwandten regelungstechnischen Methoden Optimale Zustandsregelung ; Internal Model Control (IMC) Smith-Prädiktor-Regler 52 3 Mathematische Prozessmodelle und ihre Identifikation aus Messdaten Klassifikation dynamischer Prozessmodelle Statische und dynamische Modelle Theoretische und experimentelle Modelle Modelle für lineares und nichtlineares Prozessverhalten 60

3 3.1.4 Modelle für das Ein-/Ausgangs-Verhalten und Zustandsmodelle Zeitkontinuierliche und zeitdiskrete Modelle Parametrische und nichtparametrische Modelle Modelle für Ein- und Mehrgrößensysteme Lineare dynamische Prozessmodelle für das Ein/Ausgangs-Verhalten Nichtparametrische E/A-Modelle Parametrische E/A-Modelle Lineare dynamische Prozessmodelle im Zustandsraum Zeitkontinuierliches Zustandsmodell Zeitdiskretes Zustandsmodell Beispiel: Modellierung eines kontinuierlichen Rührkesselreaktors Verfahren zur Identifikation linearer dynamischer Systeme Kennwertermittlung aus Sprungantworten Identifikation von FIR-Modellen Parameterschätzung in Differenzengleichungen Identifikation von zeitdiskreten Zustandsmodellen durch subspace identification" Praktische Gesichtspunkte bei der Prozessidentifikation Testsignalplanung Wahl der Abtastzeit Aufbereitung der Messwertsätze Wahl der Modellstruktur und Modellordnung Identifikation im geschlossenen Regelkreis Modellvalidierung Identifikation von Mehrgrößensystemen Prädiktive Regelung mit linearen Prozessmodellen Modellgestützte Prädiktion Prädiktion mit Hilfe von Sprungantwort-Modellen Einbeziehung messbarer Störgrößen in die Prädiktion Korrektur der Vorhersage Erweiterung der Prädiktion auf Mehrgrößensysteme Prädiktion mit Hilfe von anderen dynamischen Prozessmodellen Berechnung einer optimalen Folge von zukünftigen Steuergrößenänderungen MPC-Regelung ohne Nebenbedingungen Szenarien für das zukünftige Verhalten der Steuer- und Regelgrößen MPC-Regelung mit Nebenbedingungen für die Steuer- und Regelgrößen Statische Arbeitspunktoptimierung Bestimmung der aktuell gültigen Struktur des Mehrgrößenregelungsproblems Das Prinzip des gleitenden Horizonts Reglereinstellung von MPC-Reglern

4 XI_ 5 Nichtlineare MPC-Regelung Motivation Lösungsansätze für nichtlineare und zeitveränderliche Systeme Verwendung nichtlinearer Variablen-Transformationen LMPC mit multiplen linearen Modellen Adaptive LMPC-Regelung ; Robuste LMPC-Regelung MPC-Regelung unter Verwendung nichtlinearer Prozessmodelle Nichtlineare dynamische Prozessmodelle Theoretische Prozessmodelle Empirische Prozessmodelle und Identifikation nichtlinearer Systeme Lösung des NMPC-Problems Sukzessive Linearisierung Echtzeititeration und direct multiple shooting" Zustandsrekonstruktion in nichtlinearen dynamischen Systemen Erweitertes Kaiman-Filter (EKF) Zustandsschätzung mit gleitendem Horizont Projektabwicklung und Entwicklungsumgebung Kosten-Nutzen-Analyse und AC-Konzept Identifikation der ökonomischen Ziele der Prozessführung Zuordnung von ökonomischen Zielen zu Prozessgrößen und Produkteigenschaften Statistische Methoden zur Ermittlung des Verbesserungspotentials einer Prozessregelung Ermittlung des ökonomischen Nutzens Aufwandsermittlung für Advanced-Control-Projekte Ermittlung und Beschreibung von AC-Strategien Anlagentests (Phase I) und Inbetriebnahme von PLS-AC-Funktionen Anlagentests (Phase II) und Prozessidentifikation MPC-Reglerentwurf und Offline-Simulation Online-Implementierung und Inbetriebnahme Training und Dokumentation, Pflege und Performance Monitoring Übersicht kommerziell verfügbarer MPC-Programmpakete Profit Controller Modellbildung MPC-Regler-Entwurf und Simulation Übergeordnete Koordinierung von mehreren RMPCT-Reglern Online-Betrieb 262

5 XII Inhaltsverzeichnis 7.2 Process Perfecter Modellbildung MPC-Regler - Entwurf und Simulation Online-Betrieb : INCA Modellbildung MPC-Regler-Entwurf und Simulation Weitere MPC-Programmpakete DMCplus Predict & Control SMOC Pro Connoisseur '. :286 8 Integration von MPC in die Architektur moderner Prozessleitsysteme Struktur von Prozessleitsystemen Allgemeine Gesichtspunkte für die Systemintegration von Advanced-Control-Verfahren Verfügbare Alternativen Prozessrechner PC-Technik Schlanke Prädiktivregler in prozessnahen Komponenten Beispiel: INCA und SIMATIC PCS Advanced-Control-Koppelbaustein Advanced-Control-Steuerbaustein Advanced-Control-Messwertbaustein Anwendungsbeispiele MPC-Regelung eines Raffinierieprozesses mit Profit Controller (RMPCT) Technologie und Regelungsaufgabe Experimentelle Prozessidentifikation Reglerentwurf und Simulation Inbetriebnahme Ergebnisse Regelung einer Glas-Schmelzrinne mit INCA Aufgabenstellung Verschiedene konventionelle Regelstrategien und MPC als Alternative Ergebnisse Regelung eines Polypropylenreaktors mit Process Perfecter 325 Index 331