• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    Zustandsbasierteradaptiver Feedback-/Feedforward-PID-Regler, enthaltend eine Modellmengenkomponente,die mit einem Prozesseingang in Kommunikationsverbindung steht,eine Zustandsvariable hat, die eine Anzahl von Prozessbereichendefiniert, und eine Anzahl von Modellen, die in die Prozessbereichegruppiert sind. Jedes der gruppierten Modelle enthält eineVielzahl von Parametern, die einen aus einer Menge von vorbestimmtenAnfangswerten, die dem jeweiligen Parameter zugewiesen sind, ausgewählten Werthaben. Der adaptive Regler enthältferner einen Fehlergenerator, der mit der Modellmengenkomponenteund einem Prozessausgang in Kommunikationsverbindung steht. DerFehlergenerator ist so konfiguriert, dass er ein Modellfehlersignalerzeugt, das die Differenz zwischen einem Modellausgangssignal und einemProzessausgangssignal darstellt. Der Fehlergenerator, der mit einerModellbewertungskomponente in Kommunikationsverbindung steht, istso konfiguriert, dass er einen quadratischen Fehler des Modellsberechnet, der einem Modell entspricht, und den quadratischen Fehlerdes Modells mit in dem Modell dargestellten Parameterwerten in Korrelationsetzt. Der adaptive Regler enthältferner einen Parameterinterpolator, der mit der Modellbewertungskomponentein Kommunikationsverbindung steht, um einen jeweiligen adaptivenParameterwert fürParameter zu berechnen, die in dem Modell dargestellt sind, undeine Regleraktualisierungskomponente, die mit dem Parameterinterpolatorin ...
    公开号:DE102004019352A1
    申请号:DE102004019352
    申请日:2004-04-21
    公开日:2005-11-10
    发明作者:Terrence L. Round Rock Blevins；Wilhelm K. Austin Tex. Wojsznis
    申请人:Fisher Rosemount Systems Inc；
    IPC主号:G05B13-02
    专利说明:
    [0001] DieseAnmeldung ist eine Teilfortsetzung der Patentanmeldung in den VereinigtenStaaten mit der Seriennr. 09/597,611, eingereicht am 20. Juni 2000mit dem Titel „AdaptiveFeeback/Feedforward PID Controller", deren gesamte Beschreibung hiermitausdrücklichdurch Bezugnahme hierin eingeschlossen wird.
    [0002] Dasoffenbarte Verfahren und die Vorrichtung betreffen allgemein Prozesssteuertechnikenund insbesondere einen adaptiven PID-Regler (proportional, integralund derivativ), der durch Parameterwerte gekennzeichnet ist, dieaus einer Interpolation von Prozessmodellparametern hergeleitetwerden.
    [0003] Esist nach dem Stand der Technik bekannt, logikbasierte Reglerschaltstrategienzu verwenden, um eine adaptive Prozesssteuerung in automatisiertenSystemen zu implementieren, wie z. B. großen Herstellungsanlagen undchemischen Raffinerien. Eine beispielhafte Erörterung von logikbasiertenSchaltstrategien ist beispielsweise in Morse, F. M. Pait und S.R. Weller's „Logic-BasedSwitching Strategies for Self-Adjusting Control", IEEE 33RD Conference on Decision andControl (Dez. 1994) zu finden. Es kann nützlich sein, logikbasierteRegler-Schaltstrategien in eine von zwei Vorgehensweisen zu kategorisieren,die allgemein als die Vorgehensweise eines voraus geleiteten (prerouted)Reglers und als eine Vorgehensweise eines parametrisierten Reglersauf Kennungsbasis bezeichnet werden.
    [0004] DieAbstimmung eines voraus geleiteten Reglers bewertet im Prinzip mögliche Regler,die in einer vordefinierten Menge von möglichen Reglern enthalten sind.Die Bewertung ist vollständig,wenn ein Regler identifiziert wird, der zufriedenstellend arbeitet.Voraus geleitete Reglerabstimmungssysteme sind relativ einfach zugestalten und stellen geringe Anforderungen an den Regleraufbau.Die Vorteile von voraus geleiteten Reglerabstimmungssystemen werdenjedoch durch die systemimmanente mangelhafte Leistungsfähigkeithinsichtlich der Abstimmungszeit überschattet, das heißt, dasseine ungeregelte Zeitdauer benötigtwird, um den optimalen Regler aus der vordefinierten Menge auszuwählen.
    [0005] ParametrisierteRegler auf Kennungsbasis bestehen allgemein aus zwei oder mehr parameterabhängigen Subsystemen,einer Kennung, die einen Ausgangsschätzungsfehler erzeugt, und eineminternen Regler. Im Betrieb wird ein Steuersignal basierend aufeiner Schätzungeines in geeigneter Weise definierten Modellsatzes zu einem derRegelung unterliegenden Prozess kommuniziert. Parametrisierte Reglerauf Kennungsbasis verkörperneine Reglerschaltstrategie basierend auf dem Konzept des „zyklischenSchaltens". ZyklischesSchalten kann mit oder ohne das Vorsehen eines zusätzlichenAnregungssignals fürden Prozess verwendet werden.
    [0006] Einewertvolle Erörterungder Vorgehensweise des zyklischen Schaltens für die Adaption der Prozesssteuerungist in K. S. Narendra und J. Balakrishnan's „AdaptiveControl Using Multiple Models",IEEE Transactions on Automatic Control, Bd. 42, Nr. 2 Seiten 177-187(Feb. 1997) zu finden. Der Artikel zeigt ein Prozesssteuersystemauf, das einen Regler enthält,der durch eine Vielzahl von Parametern und N Identifizierungsmodellegekennzeichnet ist, die parallel arbeiten und Modellparameter haben,die der Vielzahl der Reglerparameter entsprechen. Zu jedem beliebigenZeitpunkt wird ein einzelnes Modell und ein entsprechender parametrisierterRegler durch eine Schaltregel ausgewählt und die entsprechende Steuereingabewird verwendet, um den Prozess zu regeln. Die IdentifizierungsmodellekönnenModelle mit festem Parameter oder Modelle mit adaptivem Parameterseinen, je nach den Erfordernissen des Prozesses, den Bedürfnissendes Bedieners und beliebigen anderen relevanten Überlegungen. Steuersystememit Modellen mit festem Parameter bieten ein einfaches und effektivesMittel, das Vorhandensein mindestens eines Modells sicherzustellen,das durch Parameter gekennzeichnet ist, die denjenigen des unbekanntenProzesses ausreichend nahe liegen.
    [0007] Aufzyklischem Schalten basierende Prozesssteuersysteme, die Festparametermodelleverwenden, bieten rasche Adaptationsgeschwindigkeiten, erfordernjedoch die Gestaltung und Speicherung einer beträchtlichen Anzahl von Modelleninnerhalb des Prozessreglers. Es sei angemerkt, dass Festmodellein der Lage sind, nur eine endliche Zahl von Prozessumgebungen oder-bedingungen darzustellen, und um die Prozessgenauigkeit asymptotischzu verbessern, muss ein adaptives Modell verwendet werden.
    [0008] Praktischausgedrücktstellen modellbasierte Schaltstrategien eine Anzahl von Problemenauf Grund der beträchtlichenAnzahl von Modellen, die füreine vernünftigeProzessannäherungerforderlich sind. Beispielsweise kann vernünftigerweise erwartet werden,dass ein einfaches System mit Einzeleingang und Einzelausgang (single-input,single-output SISO), das eine Eigenabstimmung auf Festmodellbasisenthält,hunderte von Festmodellen enthält,um eine zufriedenstellende Prozessleistung zu erreichen. Mit immerkomplexer werdenden Systemen, beispielsweise Multivariablensystemen,steigt die erforderliche Anzahl von maßgeschneiderten Festmodellenexponentiell an, wodurch die Speichererfordernisse des Systems unddie Einrichtzeit des Systems erhöhtwerden. Effektivere Lösungenerfordern die Berücksichtigungder spezifischen Prozessmodellstruktur und des Reglertyps und legendas Ersetzen einer einfachen Schaltstrategie durch komplexere Vorgänge nahe.
    [0009] Einemodifizierte modellbasierte Vorgehensweise für einen Dahlin-Regler wurdevon Gendron in dem Text „Improvingthe Robustness of Dead-Time Compensators for Plants with Unknownof Varying Delay",Control Systems 90 Conference (Helsinki 1990) vorgeschlagen. DerText zeigt ein einfaches Erstrang-plus-Totzeit-Prozessmodell auf,um die Prozessadaptation basierend auf der Totzeitvariation zu schaffen.Anstatt auf einfaches Modellumschalten zurückzugreifen, nutzt der Reglerein Prozessmodell, das auf der gewichteten Summe einer Menge vonModellen basiert, die durch verschiedene Totzeiten gekennzeichnetsind. Jedes der Modelle in der Menge erzeugt eine Vorhersage derProzessausgabe und das entsprechende Gewicht wird automatisch alseine einfache Funktion des Vorhersagefehlers eingestellt. Das grundsätzlicheKonzept wurde erweitert, sodass es Prozessverstärkung und Totzeitvariationin das Dahlin-Reglerkonstrukt einschließt. Allgemein sind die vorherrschendenVorgehensweisen zur Gestaltung eines adaptiven PID-Adaptivreglersdie direkte Vorgehensweise und die indirekte oder kennungsbasierteVorgehensweise. Wie vorstehend erörtert ist die kennungsbasierteVorgehensweise fürSteuersysteme wirksam, die Schaltstrategien nutzen, und bietet einengeeigneten Ausgangsort, von dem aus ein adaptiv schaltender PID-Reglergestaltet werden kann. Es ist bekannt, einen kennungsbasierten adaptivenPID-Regler vorzusehen, der mit einer Recursive Least Squares (rekursivekleinste Quadratwerte) (RLS) Schätzeinrichtunggekoppelt ist, die Veränderungenin den Modellparametern verfolgt. Typische Probleme, die bei rekursivenKennungen auftreten, schließendie Schwierigkeit bei der Auswahl von Anfangsparametern, unzureichendeAnregung, Filterung, Beendigung (wind-up) von Parametern und langsameParameterverfolgungsgeschwindigkeit ein. Auf Grund der Komplexität dieserVariablen und den Schwierigkeiten bei der Berechnung von genauenSchätzwertenist es nach dem Stand der Technik bekannt, dass die Leistungsfähigkeitvon bekannten kennungsbasierten adaptiven PID-Reglern durch Vereinfachungdes Prozessmodells verbessert werden kann.
    [0010] Einebeispielhafte Erläuterungeines vereinfachten kennungsbasierten adaptiven Reglers wird vonAstrom und Hagglund in „IndustrialAdaptive Controllers Based on Frequency Response Techniques", Automatica, Bd.27, Nr. 4, Seiten 599-609 (1991) beschrieben. Allgemein zeigt derArtikel einen Regler auf, der zur Ausführung einer Prozessmodelladaptationim Frequenzbereich gestaltet ist sowie zur Abstimmung als Antwort aufSollwertveränderungenund natürlicheStörungen.Genauer wird eine Abstimmfrequenz durch Anwenden von Bandpassfilternauf die Prozesseingabe und -ausgabe ausgewählt, wobei die Frequenz derFilter durch die Auto-Abstimmeinrichtung (bedarfsgesteuerte Abstimmeinrichtung)definiert wird. Die Auto-Abstimmeinrichtung definiert die letztePeriode unter Verwendung einer Relaisoszillationstechnik vor demadaptiven Abstimmbetrieb und der Prozessverstärkung für die Abstimmfrequenz unterVerwendung einer verein fachten RLS-Schätzeinrichtung. Die Auto-Abstimmeinrichtunghat die Fähigkeit,Veränderungeneiner Prozessverstärkungzu verfolgen. Wenn jedoch eine Veränderung einer Totzeit odereiner Zeitkonstanten auftritt, zeigt der verfolgte Punkt keine -π-Phase mehrund die Abstimmung des Reglers wird ungenau.
    [0011] Fernerist es bekannt, die Abstimmung durch Anwenden von mehreren Abstimmfrequenzenund Verwendung eines Interpolators zur Definition einer Frequenzmit der Phase -π zuverbessern. Alternativ ist es möglich,eine einzelne Abstimmfrequenz anzuwenden und die Frequenzen nachjedem Abstimmzyklus einzustellen, um eine Phase -π zu verfolgen.Beide Abstimmeinrichtungsmodelle tragen nachfolgenden Sollwertveränderungenund natürlichenStörungenRechnung und könnenexterne Anregungen an der Reglerausgabe oder an der Sollwerteingabeeinbringen. Obgleich derartige Auto-Abstimmeinrichtungen nicht dieGröße und Sollwertbeschränkungender früherenTechnik zeigen, sind sie doch wesentlich komplexer.
    [0012] Fernernutzen beide Abstimmeinrichtungsmodelle primitive adaptive Modelle,die nur zwei Parameter erkennen: Grenzverstärkung und Grenzperiode. Abstimmeinrichtungsmodelle,die diese einfachen adaptive Modelle mit zwei Parametern einschließen, sindfür dieZiegler-Nichols-Abstimmung oder eine gewisse analoge Modifikationengeeignet, jedoch nicht fürAnwendungen geeignet, bei welchen interne Modellregelung (IMC – InternalModel Control) oder Lambda-Abstimmung bevorzugt sind. Während eineeinfache RLS-Kennung verwendet werden kann, um die statische Verstärkung für die Feedforward-Regelungzu bestimmen, bietet die Vorgehensweise mit der RLS-Kennung nichtdie Prozess-Feedforward-Regelungsdynamik, die für eine adäquate Feedforward-Regelungerforderlich ist. Da die Feedforward-Regelungssignale Laststörgrößen sindund Störungssignalenicht in den Feedbackpfad eingegeben werden können, leidet diese Vorgehensweiseunter dem Problem der unzureichenden Anregungen.
    [0013] EineAlternativlösungfür dieFeedforward-Regelungsadaptation wurde von Bristol und Hansen indem US-Patent Nr. 5,043,863 mit dem Titel „Multivariable Adaptive FeedforwardController" aufgezeigt.Dieses Patent zeigt ein auf einer Differentialgleichung basierendesProzessmodell auf, das so gestaltet ist, dass es Laststörgrößen enthält. DasProzessmodell wird periodisch auf der Basis von gemessenen Prozessdatenaktualisiert, wobei die Störgrößen durchMomentrelationen und Regelungsrelationen charakterisiert sind, diedurch Projektionsverfahren erhalten werden. Allgemein ausgedrückt istdie hergeleitete Lösungsehr komplex und erfordert beträchtlicheAnregungen, weitgehend gleich wie die vorstehend beschriebene Vorgehensweisemit der RLS-Kennung. Darüberhinaus ist die hergeleitete Lösungnur fürdie Feedforward-Regelung geeignet und kann nicht auf einen adaptivenRegler mit Feedback-Regelung (Rückkopplung)angewandt werden.
    [0014] Demgemäß bestehtBedarf füreinen adaptiven Regler, um die Nachteile der vorstehend erörtertenbekannten adaptiven Regelungsverfahren zu überwinden. Insbesondere für einenadaptiven Regler, der in der Lage ist, eine gleichförmige Lösung für eine adaptivePID-Regelung mit Feedforward-Regelung und Feedback-Regelung zu schaffen.
    [0015] Esist Aufgabe der Erfindung, einen zustandsbasierten adaptiven Feedback-/Feedforward-PID-Regler zuschaffen, der eine kürzereAdaptationszeit, eine Minimierung der bei der Verwendung von PID-Abstimmungsregelnauferlegten Einschränkungen,eine einfache Gestaltung und das Erreichen der Adaptation mit Reduzierungder Prozessanregung aufweist.
    [0016] DieLösungder Aufgabe ergibt sich aus den Patentansprüchen. Unteransprüche beziehensich auf bevorzugte Ausführungsformender Erfindung, wobei auch andere Kombinationen von Merkmalen alsin den Patentansprüchenbeansprucht möglichsind.
    [0017] Eineerste Ausführungsformeines zustandsbasierten adaptiven PID-Reglers schließt ein Verfahren zumadaptiven Gestalten eines Reglers in einem Prozesssteuersystem ein.Gemäß diesemVerfahren wird eine Menge von Modellen für den Prozess geschaffen, dereine Vielzahl von Teilmengen enthält, die einen Zustandsparameterhaben, die eine Prozessbereichen entsprechende Störgrößeneingabedarstellt. Die Teilmengen könnenautomatisch durch eine vordefinierte Schaltregel ausgewählt werden.Jedes der einzelnen Modelle enthälteine Vielzahl von Parametern, wobei jeder Parameter einen jeweiligenWert hat, der aus einer Menge von vorbestimmten Initialisierungswertenausgewähltist, die dem Parameter entsprechen. Die Bewertung der einzelnenModelle schließteine Berechnung eines quadratischen Fehlers des Modells bzw. einerNorm ein. Die Norm wird jedem Parameter zugewiesen, der in dem bewertetenModell dargestellt ist. Wenn wiederholte Bewertungen von Modellendurchgeführtwerden, wird fürjeden Parameter eine akkumulierte Norm berechnet. Die akkumulierteNorm ist die Summe aller Normen, die dem Parameter im Verlauf derModellbewertungen zugewiesen wurden. Anschließend wird ein adaptiver Parameterwertfür jedenParameter berechnet. Der adaptive Parameterwert ist ein gewichteterDurchschnitt der Initialisierungswerte, die den jeweiligen Parametern zugewiesenwurden. Der Regler wird anschließend als Antwort auf die adaptivenParameterwerte aktualisiert.
    [0018] Eineweitere Ausführungsformdes adaptiven PID-Reglers schließt ein System zum Abstimmeneines Prozessreglers ein. Das System kann entweder als Hardwareoder Software oder in jeder gewünschtenKombination daraus implementiert werden. Das System enthält eineModellmengenkomponente, die in Kommunikationsverbindung mit einemProzess steht und eine Zustandsvariable enthält, die eine Vielzahl von Prozessbereichenund eine Vielzahl von Prozessmodellen, die in die Vielzahl von Prozessbereichengruppiert sind, definiert. Jedes der Prozessmodelle enthält eineVielzahl von Parametern, die jeweils einen Wert haben, der aus einemSatz von vorbestimmten Anfangswerten ausgewählt ist, die dem jeweiligenParameter zugewiesen werden. Jeder der Bereiche enthält eineMenge von Standardparameterwerten, die für diesen Bereich definiert sind.Ein Fehlergenerator steht mit der Modellmengenkomponente und derProzessausgabe in Kommunikationsverbindung. Der Fehlergeneratorerzeugt ein Fehlersignal des Modells, das die Differenz zwischender Ausgabe des Prozessmodells und der Ausgabe des Prozesses darstellt.Eine Modellbewertungskomponente steht mit dem Fehlergenerator inKommunikationsverbindung, um einen quadratischen Fehler des Modellszu berechnen, der dem Prozessmodell entspricht, um den quadratischenFehler des Modells in dem Modell dargestellten Parameterwerten zuzuordnen.Ein Parameterinterpolator steht mit der Modellbewertungskomponentein Kommunikationsverbindung, um einen adaptiven Prozessparame terwertfür indem Prozessmodell dargestellte Parameter zu berechnen. Eine Regleraktualisierungskomponentehat einen Eingang, der mit einem Ausgang des Parameterinterpolatorsverbunden ist, und einen Ausgang, der mit einem Regler verbunden ist.Die Regleraktua-lisierungskomponente aktualisiert adaptive Reglerparameterwertefür denRegler nach Abschluss eines Adaptationszyklus. Die adaptiven Reglerparameterwertewerden aus den adaptiven Prozessparameterwerten hergeleitet, dieberechnet werden.
    [0019] Eineweitere Ausführungsformeines zustandsbasierten adaptiven Feedback-/Feedforward-PID-Reglersschließteine Modellkomponente ein, die mit einem Prozess gekoppelt ist undeine Vielzahl von Prozessmodellen hat, wobei jedes der Modelle eineVielzahl von Parametern enthält,die einen aus einer Menge von vorbestimmten, dem jeweiligen Parameterzugewiesenen Anfangswerten ausgewählten Wert haben. Eine Zustandsvariablebeschreibt die Veränderungoder gemessene Störgröße einerProzessvariablen, definiert mindestens einen Prozessbereich, dereine Teilmenge der Prozessmodelle enthält, und entspricht einer Menge vonBereichsanfangsparametern, die den Prozessbereich darstellen. EinFehlergenerator erzeugt ein Fehlersignal des Modells, das die Differenzzwischen einem Modellkomponentenausgangssignal und einem Prozessausgangssignaldarstellt, und eine Modellbewertungskomponente berechnet einen quadratischenFehler des Modells, der dem Modell entspricht, und ordnet den quadratischenFehler des Modells in dem Modell dargestellten Parameterwerten zu.Ein Parameterinterpolator berechnet einen adaptiven Parameterwertfür mindestenseinen der Vielzahl von Parameterwerten, die in dem Modell dargestelltsind, und eine Regleraktualisierungskomponente aktualisiert einenReglerparameterwert innerhalb des Reglers nach Abschluss eines Adaptationszyklus.
    [0020] Esversteht sich, dass in Abhängigkeitvon den individuellen Prozesserfordernissen nicht alle Prozessparameterder Adaptation in einem gegebenen Adaptationszyklus unterzogen werden.Eine beschränkteAdaptation kann wünschenswertsein, wenn Grund zu der Annahme besteht, dass sich nur ein oderzumindest nicht alle Prozessparameter geändert haben. Beispielsweisekann empirischer Nachweis zeigen, dass in einer gegebenen Zeitperiode(beispielsweise die verstrichene Zeit zwischen Adaptationszyklen)der Prozessverstärkungsparametervariieren kann, währenddie übrigenParameter im Wesentlichen konstant bleiben können. In diesem Szenario kannein nachfolgend beschriebener Prozessüberwacher eine eingeschränkte Adaptation auslösen, indem nur die Adaptation des Prozessverstärkungsparameters veranlasstwird. Der Prozessregler wird anschließend als Antwort auf den adaptiertenProzessverstärkungsparameteraktualisiert. Der Feedback/Feedforward-Regler kann ferner ein Adaptivreglerverfahrenenthalten, bei welchem wie vorstehend beschrieben eine Modellmengefür denProzess kompiliert wird und jedes der Modelle bewertet wird, indemfür jedesModell ein einzigartiger quadratischer Fehler des Modells bestimmtwird. Ein adaptiver Parameterwert (Verstärkung – Gain) wird auf der Basisder gewichteten Summe jedes der vorbestimmten Initialisierungsparameterwerteberechnet. Die Initialisierungswerte werden durch normalisierteTauglichkeitsfaktoren gewichtet. Mit dem berechneten adaptiven Prozessparameter(Verstärkung)wird der Regler entsprechend aktualisiert.
    [0021] 1 istein funktionelles Blockdiagramm eines adaptiven Feedback-/Feedforward-PID-Reglers, dessenBetrieb auf der Interpolation von Prozessmodellparametern basiert;
    [0022] 1A istein funktionelles Blockdiagramm eines Modellmengenelements, dasin dem adaptiven Feedback-/Feedforward-PID-Regler arbeitet;
    [0023] 1B istein Flussdiagramm einer Ausführungsformdes adaptiven Feedback-/Feedforward-PID-Reglers;
    [0024] 2 isteine Konzeptdarstellung eines Erstrang-plus-Totzeit-Prozessmodells,das sowohl Feedback- als auch Feedforward-Regelkreise enthält; und
    [0025] 3 isteine Darstellung einer Modellmenge, die durch drei Parameter, DT,Tc und Verstärkunggekennzeichnet ist, von welchen jeder einen von drei Werten annehmenkann. 3 stellt ferner eine vorgeschlagene Sequenz dar,in der eine Modellabtastung durchzuführen ist.
    [0026] 1 zeigtbeispielhaft einen adaptiven Feedback-/Feedforward-PID-Regler (FB/FC-PID-Regler), der zurRegelung eines Prozesses 10 verwendet wird. Der allgemeineBetriebsablauf derartiger Systeme ist dem Durchschnittsfachmannbekannt. Siehe beispielsweise F. G. Shinskey, Process Control Systems:Application, Design and Tuning, 4. Ausgabe, McGraw-Hill, New York,1996. Das in 1 gezeigte adaptive Regelungssystementhälteinen PID-Regler 12, der einen Feedback-Regler (FBC) verkörpert, undeinen separaten Feedforward-Regler 14.
    [0027] DasProzesssteuersystem kann in geeigneter Weise unter Bezug auf einenFBC-Eingangsknoten 16, einen FBC-Ausgangsknoten 18,einen Prozesseingangsknoten 20, einen Prozessausgangsknoten 22,einen Feedforward-Regler-Eingangsknoten (FFC) 24 und einenFehlerknoten 26 beschrieben werden. In einer dem Durchschnittsfachmannbekannten Weise wird ein Prozesssollwertsignal SPE an einen erstenEingang des FBC-Eingangsknotens 16 angelegt, der mit Bezugszeichen 16a bezeichnetist. Ein Ausgang 16b des FBC-Eingangsknotens 16 istmit einem Eingang 12a des PID-Reglers 12 verbunden.Ein Ausgang 12b des PID-Reglers 12 ist mit einemersten Eingang 18a des FBC-Ausgangsknotens 18 verbunden.Ein Ausgang 18b des FBC-Ausgangsknotens 18 istmit einem ersten Eingang 20a des Prozesseingangsknotens 20 verbunden.Ein Ausgang 20b des Prozesseingangsknotens 20 istmit einem ersten Eingang 10a des Prozesses 10 verbunden. EinAusgang 10b des Prozesses 10 ist mit einem Eingang 22a desProzessausgangsknotens 22 verbunden. Ein erster Ausgang 22b desProzessausgangsknotens 22 wird zu einem zweiten Eingang 16c des-FBC-Eingangsknotens 16 rückgekoppelt. Ein zweiter Ausgang 22c desProzessausgangsknotens 22 ist mit einem ersten Eingang 26a desFehlerknotens 26 verbunden. Wie 1 fernerzeigt, kann das Eingangssignal fürden Prozess 10 beispielsweise als u(t) bezeichnet werdenund das Ausgangssignal des Prozesses 10 kann als y(t) bezeichnetwerden. (Genauer ausgedrücktsind u(t) und y(t) elektrische Darstellungen der physischen Phänomene,die im Zusammenhang mit dem Prozess auftreten). Ferner erscheintein Störsignald(t) an einem Eingang 24a des FFC-Eingangsknotens 24.Das Störsignald(t) ist von einem ersten Ausgang 24b des FFC-Eingangsknotens 24 zueinem Eingang 14a des FFC 14 verbunden und pflanztsich von einem zweiten Ausgang 24c des FFC-Eingangsknotens 24 zueinem zweiten Eingang 10c des Prozesses 10 fort.Ein Ausgang 14c des FFC 14 ist mit einem Eingang 18c desFBC-Ausgangsknotens 18 verbunden.
    [0028] DasFormat und die Anordnung des vorstehend beschriebenen beispielhaftenFeedback/Feedforward-PID-Prozesssteuersystems ist für den Durchschnittsfachmannohne weiteres verständlich.Die in 1 beschriebenen zusätzlichen funktionellen Komponentenbeschreiben einen beispielhaften adaptiven Feedback-/Feedforward-PID-Regler.Insbesondere enthälteine Modellmengenkomponente 28 Signaleingänge 28a und 28b,die mit dem Störsignald(t) bzw. dem Prozesseingangssignal u(t) verbunden sind. Die Bestandteile derModellmengenkomponente 28 sind eine Menge von mathematischenModellen, die den Prozess 10 darstellen. Der Ausgang 28c derModellmengenkomponente 28 ist mit dem Eingang 26b desFehlerknotens 26 verbunden. Ein Ausgang 26c desFehlerknotens 26 ist mit einem Eingang 30a einerModellbewertungskomponente 30 verbunden. Die Modellbewertungskomponente 30 enthält einenSimulator (nicht dargestellt), bei dem es sich um ein Softwareprogrammhandeln kann, das den Prozess 10 gemäß der Definition durch dieProzessparameterwerte definiert, die von der Modellmengenkomponente 28 abgegebenwerden. Die Modellbewertungskomponente 30 enthält fernereine Zentrierungsroutine (nicht dargestellt), um eine Parameterschätzwertabweichungzu berechnen und auszugleichen, indem eine numerische Abweichungdefiniert wird und die in der nächstenBewertung verwendeten Modelle auf der Basis der numerischen Abweichungzentriert werden. Ein Ausgang 30b der Modellbewertungskomponente 30 istmit einem Eingang 32a einer Parameterinterpolatorkomponente 32 undmit einem Eingang 34a einer Uberwachungskomponente 34 verbunden.Ein Ausgang 32b des Parameterinterpolators 32 istmit einem Eingang 28d der Modellmengenkomponente 28 verbunden undein Ausgang 32c des Parameterinterpolators 32 istmit einem Eingang 36a einer Regleraktualisierungskomponente 36 verbunden.Die Regleraktualisierungskomponente 36 hat einen erstenAusgang 36b, der mit einem zweiten Eingang 12c desFBC 12 verbunden ist, und einen zweiten Ausgang 36c,der mit einem Eingang 14b des FCC 14 verbundenist. Eine detaillierte Beschreibung des Betriebsablaufs und derBedeutung der Komponenten 28, 30, 34, 36 und 32 folgt.
    [0029] ImBetrieb arbeitet der beispielhafte adaptive Feedback-/Feedforward-PID-Regler,der die Komponenten 28, 30, 34, 36 und 32 enthält, allgemeinwie nachstehend erörtert.Das adaptive Feedback-/Feedforward-PID-Regelungssystem ist durchein Modell in der Modellmenge 28 mathematisch beschrieben.Jedes einzelne Modell in der Modellmenge 28 ist durch vorbestimmteParameter definiert, die in eingeschränkter Weise den Prozess 10 nachbildensollen. Allgemein kann jedes der Modelle innerhalb der Modellmenge 28 durch eineAnzahl von Parametern m definiert sein, und jedem der Parameterkann eine Anzahl von Werten n zugewiesen sein. Daher ist die Gesamtzahlder Modelle in der Modellmenge 28 gleich N, wobei N = mn.In einer beispielhaften Ausführungsformder Erfindung könnendie Modelle durch die Parameter Totzeit (DT), Zeitkonstante (Tc)und Verstärkung(Gain) charakterisiert sein. Ferner wird angenommen, dass jedemder Parameter einer von drei Werten zugewiesen wurde: Totzeit =DT+, DT, DT-; Zeitkonstante = Tc+, Tc, Tc-; und Verstärkung =Verstärkung+,Verstärkung,Verstärkung-.Daher ist die Gesamtzahl der Modelle, die zur mathematischen Annäherung desProzesses 10 zur Verfügungstehen, N = 33 = 27. Jedes der Modelle wirdeinzeln als Modi bezeichnet, wobei i = 1,..., 27.
    [0030] AmBeginn oder vor dem Beginn einer Modellbewertungsabtastung gibtder Parameterinterpolator 32 eine Menge von vorbestimmtenInitialisierungsparameterwerten an die Modellmengenkomponenten 28 ab. Wennauch hier von drei Parametern, DT, Tc und Verstärkung ausgegangen wird undwenn jeder der Parameter drei vorbestimmte Initialisierungsparameterwertehat, gibt der Parameterinterpolator 32 neun Parameterwertean die Modellmengenkomponenten 28 ab. Die Parameterwertekönnenin einer beliebigen bekannten Weise und gemäß der Gestaltung des Reglersgeschaffen werden. Allgemein basieren die in die Modellenmenge 28 geschriebenenParameterwerte zu Beginn eines Adaptationszyklus auf den adaptivenParameterwerten, die währenddes jüngstenAdaptationszyklus berechnet wurden. Als Antwort auf die neun Parameterwerteund unter Steuerung der Uberwachungseinrichtung 34 konstruiertdie Modellmengenkomponente 28 insgesamt 27 Modelle Modi, wobei i = 1, ..., 27. Die Uberwachungseinrichtung 34 wählt während derModellbewertungsabtastung sequenziell ein Modell Modi undaktiviert dieses und legt die an dem Eingang 28b empfangenenProzesseingabe u(t) an das aktivierte Modell Modi an.Die resultierende Ausgabe des aktivierten Modells Modi wirddann überden Modellmengenausgang 28c an den Fehlergeneratorknoten 26 mitgeteilt.
    [0031] 1A stelltgrafisch eine beispielhafte Modellmenge 28 dar, die eineZustandsvariable Si enthält, die so konfiguriert ist,dass sie eine Vielzahl von Bereichen einschließt. Die Zustandsvariable Si, wobei i = 1, ..., n ist und n die Anzahlder definierten Zuständebezeichnet, stellt die gemessene Prozessstörgröße dar, die die Verstärkung oderdie Dynamik beschreibt, die zu der gemessenen Prozess-Eingabe-Ausgabegehört.Die Zustandsvariable S; basiert allgemein auf Prozessvariablen,die unter anderem eine Veränderungdes Störgrößensignalsd(t), des Sollwerts SP, eines durch einen Anregungsgenerator 38erzeugten Signals und/oder einer beliebigen anderen Prozesseingabeoder -ausgabe sein können.Die Zustandsvariable Si kann innerhalb einer Zustandsentwicklungsroutine,die innerhalb der Modellmenge 28 arbeitet, als Funktionvon einer oder mehreren Prozessvariablen d(t), u(t), y(t), A(t),e(t) und SP entwickelt werden. Es sei angemerkt, dass die Zustandsentwicklungsroutinein jeder beliebigen Komponente oder Subkomponente des Steuerungssystemsausgeführtwerden kann, solange die Routine Zugriff auf die gespeicherten oderEchtzeit-Prozessvariablen hat, die von Interesse sind. Die ZustandsvariableS; kann ferner ein vorbestimmter oder benutzerdefinierter Wert sein, derzugewiesen wird, um allgemein eine Bandbreite oder einen Bereichzu beschreiben, in welchen die Modelle Modi gruppiertwerden können.
    [0032] Derdurch die Zustandsvariable Si definierteBereich schließteine Vielzahl von Anfangsparameterwerten ein, die vorbestimmt werden,um den typischen Betriebsablauf des Bereichs zu kennzeichnen. Derdefinierte Bereich kann währenddes Gestaltungsvorgangs des Reglers geschaffen werden, um sicherzustellen, dassdas Modell Modi über die Bandbreite der Zustandsvariablenim Wesentlichen konstant bleibt. Im Betrieb und vor dem Beginn einesAdaptationszyklus könnendann, wenn die gemessene Prozessstörgröße sich von einem ersten Zustand(z. B. S1) in einem zweiten Zustand (z.B. S2) ändert,die zu dem Zustand S1 gehörenden Parameterwerteunmittelbar gegen die zu dem Zustand S2 gehörenden Parameterwerteausgetauscht werden, wodurch die Leistungsfähigkeit des PID-Reglers 12 und/oderdes Feedforward-Reglers 14 in einem bestimmten Bereichgesteigert wird.
    [0033] 1B zeigtein beispielhaftes Flussdiagramm des Betriebsablaufs des adaptivenFeedback-/Feedforward-PID-Reglers. Wie vorstehend erörtert kannwährendder ersten Einrichtung und Gestaltung des Reglers die Bandbreiteder Zustandsvariablen Si definiert werden,wie in Block 40 gezeigt. Die gesamte Zustandsbandbreitekann als die Bandbreite betrachtet werden, in der die Veränderungender Prozessvariablen oder der gemessenen Störgrößeneingabe erwartungsgemäß auftretenwerden. Die Bandbreite Si wiederum ist ein Bereichder gesamten Bandbreite, in der das Prozessmodell als im Wesentlichenkonstant oder vorhersagbar bestimmt ist. Die Veränderung der Störgrößeneingabe,die durch den Anregungsgenerator 38, das Störsignal d(t)und/oder den Sollwert SP verursacht ist, wird dann gemessen, wiein Block 42 gezeigt. Wie Block 44 zeigt, wirddie gemessene Veränderungder Prozessvariablen dann mit der gegenwärtigen Bandbreite Si verglichen, umzu bestimmen, ob die Störgrößeneingabeinnerhalb des ausgewähltenBereichs liegt. Wenn die Störgrößeneingabeinnerhalb des ausgewähltenBereichs liegt, fährtder Prozess mit der Messung der Veränderungen der Störgrößen fort.Wenn jedoch die Störgrößeneingabeinnerhalb einer neuen Bandbreite Sj liegt,werden die Anfangsparameterwerte für diesen Zustand Sj geladenund von dem Feedback-Regler 12 und/oder Feedforward-Regler 14 verwendet,wie in Block 46 dargestellt.
    [0034] Dieanfänglichenoder typischen Parameterwerte, die für jeden Bereich oder ZustandSi definiert sind, können auf den durchschnittlichenParameterwerten basieren, die innerhalb des Bereichs gemessen oderberechnet wurden, oder sie könnenvon einem Konstrukteur des Reglers von Hand eingegeben werden. Dietypischen Parameterwerte könnenferner als ein Referenzwert in Verbindung mit einem Maximalveränderungs- oderDelta-Wert verwendet werden, um das Ausmaß einer zulässigen Veränderung zu begrenzen, die derberechnete Parameterwert in einem gegebenen Adaptationszyklus erfahrenkann. Anders ausgedrücktkann der Reglerkonstrukteur einen Maximalveränderungswert definieren, umdie berechnete Verminderung und/oder Steigerung des Parameterwertsals Antwort auf ein anormales Störsignalzu begrenzen. Bei Vollendung des Reglers mit den Anfangsparameternfür denZustand Sj kann der Adaptationszyklus ausgeführt werden,wie in Block 48 gezeigt. Der Adaptationszyklus 48 passtdas Modell Modi, wie nachfolgend im Detailerläutert,durch das Bestimmen von adaptiven Parameterwerten, die auf die gemesseneVeränderungdes Prozesses 10 ansprechen, an.
    [0035] Eineweitere Ausführungsformdes adaptiven Feedback-/Feedforward-PID-Reglers kann eine Zustandsvariableeinschließen,die einen Nullwert hat, der einer Gesperrt-Einstellung gleich ist.Typischerweise hat die Zustandsvariable einen Nullwert, wenn keinden Zustandprozess anzeigendes Eingangsstörsignal vorhanden ist, daszu messen ist.
    [0036] Wie 1 zeigt,werden das Ausgangsignal der Modellmenge 28, das durchdie Variable Y(t) gekennzeichnet ist, und die gleichzeitige Ausgabedes Prozesses 10, die durch die Variable y(t) gekennzeichnetist, an den Fehlergeneratorknoten 26 geliefert. Der Ausgang 26c desFehlergeneratorknotens 26, das Fehlersignal e(t), wirdan den Eingang 30a der Modellbewertungskomponente 30 eingelegt.Das Fehlersignal e(t) ist die Differenz zwischen der Prozessausgabey(t) und der Ausgabe des Modells Modi Y(t)zum Zeitpunkt t. In einer nachfolgend umfassend erläutertenWeise berechnet die Modellbewertungskomponente 30 einenquadratischen Fehler des Modells, der jedem Modell Modi entspricht,und weist den quadratischen Fehler des Modells den in dem ModellModi dargestellten Parameterwerten zu.
    [0037] DerAusgang 30b der Modellbewirtungskomponente 30 wirdan den Eingang 32a des Parameterinterpolators 32 mitgeteilt.Der Parameterinterpolator 32 berechnet einen adaptivenParameterwert fürin dem Modell Modi dargestellte Parameterwerte.Der Ausgang 32b des Parameterinterpolators 32 istmit der Modellmenge 28 verbunden, und der Ausgang 32c desParameterinterpolators 32 kann mit dem Eingang 36a derRegleraktualisierungskomponente 36 verbunden sein. DerAusgang 36b wird an den PID-Regler 12 angelegtund der Ausgang 36c wird an den Feedforward-Regler 14 angelegt.Die Regleraktualisierungskomponente 36 teilt adaptive Parameterwertean den PID-Regler 12 und den Feedforward-Regler 14 beiVollendung eines Adaptationszyklus mit. 1 zeigtferner eine Anregungsgeneratorkomponente 38, die einenAusgang 38a hat, der mit dem Ein gang 16d des Eingangsknotens 16 verbundenist. Der Anregungsgenerator 38 enthält einen Ausgang 38b,der mit einem Eingang 20c des Prozesseingangsknotens 20 verbundenist.
    [0038] Die Überwachungskomponente 34 hateine Vielzahl von Signaleingängen 34b, 34c, 34d,die jeweils mit dem Prozesseingangssignal u(t), dem Prozessausgangsignaly(t) und dem Störsignald(t) verbunden sind. Die Überwachungskomponente 34 enthält fernereinen Eingang 34a, der mit dem Ausgang 30b derModellbewertungskomponente 30 verbunden ist. Die Uberwachungseinrichtung 34 enthält einenersten Steuerausgang 34e, der mit der Parameterinterpolatorkomponente 32 verbundenist, einen zweiten Steuerausgang 34f, der mit der Modellbewertungskomponente 30 verbundenist, und einen dritten Steuerausgang 34g, der mit der Regleraktualisierungskomponente 36 verbundenist. Zusätzlichzur Ausführungweiterer Funktionen arbeitet die Überwachungskomponente 34 so,dass sie Veränderungenin der Prozessausgabe y(t), Veränderungenin der Prozesseingabe u(t) von dem PID-Regler 12 und Veränderungenin der Störgrößeneingabed(t) (Feedforward) erfasst. Wenn eine Veränderung der Größe einesbeliebigen dieser Signale y(t), u(t) und d(t) ein vorbestimmtesMinimum oder einen Schwellenwert übersteigt, löst die Überwachungseinrichtung 34 denAdaptationszyklus aus. Die Uberwachungseinrichtung 34 istmit den verschiedenen Elementen des Reglersystems 28, 30, 32, 36, 38 und 24 verbunden,wie durch die unterbrochenen Linien in 1 dargestellt,und ist daher in der Lage, den Zustand der einzelnen Elemente zubestimmen, die innerhalb des Regelsystems arbeiten. Eine beispielhafteAusführungsformder Modellbewertung kann die folgenden Schritte enthalten: 1. Den Modellzustand identifizieren und einleiten; 2. Das Modell einleiten und die Modellausgabe auf die gegenwärtige Prozessausgabeeinstellen; 3. Inkrementales Aktualisieren des Modells basierend auf denSpezifikationen in den Signalen u(t) und/oder d(t); und 4. Berechnung des quadratischen Fehlers des Modells oder andererNormen, wie z. B. des absoluten Wertes des Fehlers.
    [0039] Genauerausgedrückt,basiert der Prozess der Adaptation des Feedback-/Feedforward PIDauf der Anwendung von interpolierenden Techniken auf Modellparameterwerte.In dieser beispielhaften Ausführungsformder Vorrichtung kann der quadratische Fehler des Modells Ei(t) fürjedes Modell in einer Abtastung durch die Gleichung definiert sein: Ei(t)= (y(t)–Yi(t))2 Gleichung 1worin y(t)die Prozessausgabe zum Zeitpunkt t ist, Yi(t)die Ausgabe des Modells Modi zum Zeitpunktt ist, Ei(t) der Modi zugeordnetequadratische Fehler ist, und E(t) = [E1(t),Ei(t), ..., En(t)]der quadratische Fehlervektor fürModi ist, wobei i = 1, ..., N am Zeitpunktt.
    [0040] Derquadratische Fehler des Modells Ei(t) wirdjedem Parameterwert des-Modells Modi zugewiesen, vorausgesetzt,dass der Parameterwert in dem bewerteten Modi dargestelltist. Wenn ein bestimmter Parameterwerte in dem bewerteten Modellnicht dargestellt ist, kann dem Parameterwert Null oder ein Nullwertzugewiesen werden. Iterativ wird Modi+1,bewertet, und ein quadratischer Fehler des Modells Ei+1(t)wird fürdas bewertete Modell berechnet. Der berechnete quadratische Fehlerdes Modells wird jedem Parameterwert des Modi zugewiesen.Da Ei(t) während jeder Modellbewertungberechnet wird und den in den jeweiligen Modellen dargestelltenParameterwerten zugewiesen wird, wird für jeden Parameterwert eineakkumulierte Gesamtsumme von zugewiesenen quadratischen Fehlerndes Modells aufrechterhalten. Die Prozessbewertung schreitet fort,bis alle Modelle i = 1, ..., N bewertet sind. Eine vollständige Abfolge,in der jedes Modell Modi einmal bewertetist und ein entsprechender quadratischer Fehler des Modells Ei(t) berechnet wurde, wird als eine Modellabtastungbezeichnet. Als Resultat dieser Bewertungsabfolge oder Modellabtastungist jedem Parameterwert eine Summe von quadratischen Fehlern vonallen Modellen zugewiesen, in welchen der bestimmte Parameterwertverwendet wurde. Daher wird als Resultat jeder Modellabtastung jedemParameterwert pkl, wobei k = 1, ..., m undl= 1, ..., n, eine Norm zugewiesen:
    [0041] DerBewertungsprozess wird in der nächstenAbtastung wiederholt und eine Norm Epkl(t),die aus der Summe der quadratischen Fehler Ei(t)resultiert, die währendder Abtastung zugewiesen werden, wird mit den Normwerten kombiniert,die währendder vorhergehenden Abtastung beziehungsweise den vorhergehenden Abtastungenberechnet wurden. Die wiederholten Sequenzen der Modellabtastungenwerden kollektiv als ein Adaptationszyklus bezeichnet und unterder Steuerung der Überwachungseinrichtung 34 fortgeführt, biseine vorbestimmte Anzahl von Abtastungen vollendet ist, oder biseine angemessene Anzahl von Anregungen an der Prozesseingabe aufgetretenist, je nachdem, welche Bedingung zuerst erfüllt ist.
    [0042] AlsResultat dieser Vorgängeist jedem Parameterwert pkl ein akkumulierterWert der währendeines Adaptationszyklus bestimmten Norm zugewiesen:
    [0043] AmEnde jedes Adaptationszyklus wird der Kehrwert der Summe für jedenParameterwert pkl berechnet:
    [0044] InsoweitFkl der Kehrwert der Summe der quadratischen Fehler des Modellsist, kann die Variable Fkl intuitiv als ein Maß der Tauglichkeit des Parameterwertsgesehen werden. Dann wird fürjeden Parameter pk ein adaptiver Parameterwert pk(a) berechnet,der ein gewichteter Durchschnitt aller Werte dieses Parameters ist: pk(a)= pkl·fk1+ ... + pkl·fkl + ... + pkn·fkn, Gleichung 5worin:
    [0045] Demgemäß kann jederFaktor fkl als der normalisierten Tauglichkeit für den jeweiligen Parameterwert entsprechendbetrachtet werden.
    [0046] Dieadaptiven Parameterwerte gemäß vorstehenderBerechnung definieren eine neue Modellmenge mit Zentralparameterwertenpk(a), k = 1, ..., m und einer Bandbreitevon Parameterwerten zwischen einer oberen und einer unteren Grenze,die bei der Gestaltung anzunehmen ist. Die Bandbreite der Veränderungenwird definiert als +Δ%bis –Δ% und solltedurch zwei oder mehr zusätzlicheParameterwerte dargestellt werden. Wenn beispielsweise der Adaptationszyklusden adaptiven Parameterwert pk(a) ergibt,ist es erforderlich, für dieBewertung des neuen Modells mindestens zwei zusätzliche Parameter zu definieren,die den Wert pk(a)[1 + Δ%] und den Wert pk(a)[1 – Δ%] annehmen.Mit anderen Worten hat jeder Parameter definierte obere und untereGrenzwerte fürdie Adaptation, sodass die Werte pk(a) aufdie Grenzwerte beschränktsind. Sobald ein Modell aktualisiert wurde, d. h. bei Vollendungeines Adaptationszyklus, findet die Regleraktualisierung auf der Basisder aktualisierten Modellparameterwerte pk(a),k = 1, ..., m statt. Die Adaptation kann auf das gesamte Modellangewandt werden oder kann auf den PID/Feedback- oder Feedforward-Bereich des Modellsbeschränktsein, d. h. den Bereich des Modells, der die Ausgaben mit den Eingabenin Beziehung setzt, wenn ein vorbestimmter kleinster Anregungspegelrealisiert wird. Zusätzlichkönnenexterne Anregungen in den Regelkreis eingetragen werden, und zwar über denAnregungsgenerator 38, der unter der Steuerung der Überwachungseinrichtung 34 arbeitet,in Situationen, in welchen Fehler durch unzureichende Anregung innerhalb desRegelsystems erkannt werden.
    [0047] DieAdaptation kann ferner in sequenzieller Weise umgesetzt werden,beispielsweise kann ein einzelner Parameterwert, bei dem es sichum DT handeln kann, adaptiert werden, während die übrigen Parameter (z. B. Tcund Verstärkung)konstant gehalten werden. Auf diese Weise kann jeder Parameter adaptiertwerden, währenddie übrigenParameter, die in vorangegangenen Adaptationszyklen adaptiert wordensein können odernicht, konstant gehalten werden. Sequenzielle Adaptationsverfahrenbieten in vorteilhafter Weise eine raschere Konvergierung des gewünschtenadaptiven Parameterwertes pk(a).
    [0048] 2 zeigtein Beispiel eines Interpolationsvorgangs eines adaptiven Parameterseinschließlicheines Erstrang-plus-Totzeit-Prozessmodells für Feedback- und Feedforward-Regelkreise. Diesesspezielle Beispiel geht von der Annahme aus, dass für jedenParameter drei Werte definiert sind und die Adaptationsbandbreite ineinem Zyklus auf (+Δ%)bis (–Δ%) vorbestimmtist. Dann ergibt sich fürjede Prozesseingabe u(t) und jede Störgröße d(t) die in 3 dargestellteModellmenge.
    [0049] DTist der Zentralwert (central value) des Totzeitparameters; (DT-)ist (DT – Δ%) (DT+)ist (DT + Δ%) Tcist der Zentralwert des Zeitkonstantenparameters; (Tc-) ist(Tc – Δ%); (Tc+)ist (Tc + Δ%); Verstärkung istder Zentralwert des Verstärkungsparameters; (Verstärkung-)ist (Verstärkung –Δ%); und (Verstärkung+)ist (Verstärkung+Δ%).
    [0050] Dieaus der Konfiguration von 3 resultierendeAnzahl von Schaltkombinationen ist 3 × 3 × 3 = 27. Wenn jedoch beideEingängein dem Modelle aus 2 für die Adaptation verwendetwerden, steigt die Anzahl der Schaltkombinationen auf 272 = 729 an. Trotz ihrer beträchtlichenAnzahl erfordern diese Modellkombinationen nur drei Werte für jedenParameter, was die Modellberechnungen vereinfacht. Die vereinfachten Modellberechnungenwerden erreicht, da die Regleradaptation durch die Parameter-Bewertunganstatt durch die Modell-Bewertung betrieben wird. Daher ist eserforderlich, die Adaptation auf der Basis von neun Parameterwertenin dem Feedback-Kreis und neun Parameterwerten in dem Feedforward-Kreisdurchzuführen. Folglichvariiert die Anzahl der in dem aufgezeigten Adaptationsvorgang bewertetenParameter proportional zu der Anzahl von Parametern im Gegensatzzu der exponentiellen Variation, die bei der Technik der Modellbewertungnach dem Stand der Technik auftritt.
    [0051] DieAnforderungen der Berechnung könnenbeschränktwerden, indem die Sequenz gesteuert wird, in der die Parameterwertedem Modell erteilt werden. Beispielsweise kann ein Parameter mitSpeicher, wie z. B. Totzeit, vor einem Parameter ohne Speicher,wie z.B. Verstärkung,erteilt werden. Somit ist eine beispielhafte Sequenz, wie in 3 dargestellt,Totzeit (DT), Zeitkonstante (Tc) und dann Verstärkung.
    [0052] Nachdem Vergleich jeder Modellausgabe mit der aktuellen Prozessausgabekann eine Tabelle der Summe quadratischer Fehler aufgebaut werden.Bei Vollendung des Adaptationszyklus kann ein adaptiver Parameterwertfür jedenParameter berechnet werden, wie Tabelle 1 zeigt.
    [0053] Sobaldder Modelladaptationszyklus vollendet wurde und die adaptiven Parameterwertein Übereinstimmungmit der vorstehenden Tabelle 1 festgelegt sind, wird die Regleraktualisierungdurch den Betrieb der Regleraktualisierungskomponente 36 bewirkt.Im Wesentlichen setzt die Regleraktualisierungkomponente 36 dieneu berechneten adaptiven Prozessparameterwerte pk(a)in Aktualisierungswerte fürdie Parameter um, die den PID-Regler 12 und/oder den Feedforward-Regler 14 kennzeichnen.Beispielsweise könnendie Prozessparameter DT, Tc und Verstärkung in Reglerparameter Rücksetzen,Rate und Verstärkungumgesetzt werden. Da ein vollständigesErstrang-plus-Totzeit-Prozessmodell beschrieben ist, kann jede bekannteAbstimmregel angewandt werden, einschließlich Lambda- oder NC-Abstimmung.Für denFeedforward-Pfad ist, wie sich gezeigt hat, die dynamische Feedforward-Regler-Konstruktionsgleichunganwendbar:
    [0054] Zusammenfassendstellt der adaptive Feedback-/Feedforward-Regler, der vorstehendbeschrieben wurde, eine wesentliche Verbesserung der automatischenAbstimmtechniken in einem skalierbaren Prozesssteuersystem dar.
    [0055] Obgleichdie Erfindung unter Bezugnahme auf die spezifischen beispielhaftenAusführungsformenbeschrieben wurde, die die Erfindung erläutern und erklären sollen,ist der aufgezeigten adaptive Feedback-/Feedforward-Regler nichtauf diese Ausführungsformenbeschränkt.Verschiedene Modifikationen, Verbesserungen und Zusätze können vomDurchschnittsfachmann umgesetzt werden, und diese Modifikationen, Verbesserungenund Zusätzeverlassen nicht den durch die beigefügten Ansprüche definierten Schutzumfang derErfindung.
    [0056] Beispielsweisewird wie vorstehend beschrieben die Adaptation des Reglers auf derBasis der statistischen Interpolation von Parametern begründet, diezum Aufbauen eines mathematischen Modells des geregelten Prozessesverwendet werden. Obgleich der Prozess durch drei Parameter, Dt,Tc und Verstärkung,gekennzeichnet ist und in jedem dieser Parameter drei Werte zugewiesensind, erstreckt sich der aufgezeigte adaptive Feedback/Feedforward-Reglerselbstverständlichauf andere und/oder eine unterschiedliche Anzahl von Parametern,die jeweils möglicherweiseeine unterschiedliche Anzahl von zugewiesenen Werten einschließen. Fernerwurden die Modellbewertung und die Parameterinterpolation als einzelneKomponenten dargestellt, die als die Modellmenge 28, dieModellbewertungseinrichtung 30, die Überwachungseinrichtung 34, dieParameterinterpolatoreinrichtung 32 und die Regleraktualisierungseinrichtung 36 bezeichnetwurden. Der Durchschnittsfachmann erkennt, dass die Einteilung einzelnerKomponenten in der Entscheidung derjenigen legt, die für die Umsetzungund den Betrieb der Regler verantwortlich sind. In ähnlicherWeise könnendie Funktionen des aufgezeigten Systems entweder in Hardware oderSoftware oder einer Kombination daraus implementiert werden. Varationendieser Art sind als äquivalentzu betrachten.
    10 Prozess 12 PID-Regler 14 Feedforward-Regler 16 FBC-Eingabeknoten 18 FBC-Ausgabeknoten 20 Prozesseingabeknoten 22 Prozessausgabeknoten 24 Feedforward-Regler-Eingabeknoten(FFC) 26 Fehlerknoten 28 Modellmengenkomponente 30 Modellbewertungskomponente 32 Parameterinterpolatorkomponente 34 Überwachungskomponente 38 Anregungsgenerator
    权利要求:
    Claims (39)
    [1] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers, (PID-Steuerungseinheit), das folgende Schritte aufweist: Definiereneiner Modellmenge, die eine Vielzahl von einzelnen Modellen hat,die den geregelten (gesteuerten) Prozess darstellen, wobei jedesder Modelle eine Vielzahl von Parameterwerten enthält; Definiereneiner Vielzahl von Modellteilmengen innerhalb der Modellmenge; wobeijede der Modellteilmengen einen Zustandsparameter enthält, dereine Prozessvariableneingabe darstellt, sowie eine Vielzahl vonAnfangsparameterwerten, die die Modellteilmenge darstellen; Bestimmendes Zustandsparameters und Aktualisieren des PID-Reglers mit derVielzahl von Anfangsparameternwerten, die zu dem Zustandsparametergehören; Bewertenjedes der Modelle in der Modellteilmenge entsprechend dem Zustandsparameterund Berechnen eines quadratischen Fehlers des Modells für jedesModell; Bestimmen eines adaptiven Parameterwertes als eineFunktion des quadratischen Fehlers des Modells; und Aktualisierendes PID-Reglers als Antwort auf den adaptiven Parameterwert.
    [2] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach Anspruch 1, dadurch gekennzeichnet, dass die adaptivenParameterwerte eine Parametermodellmenge definieren, die einen Zentralparameterwert,einen oberen Parametergrenzwert und einen unteren Parametergrenzwertenthalten.
    [3] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach Anspruch 2, dadurch gekennzeichnet, dass der obereParametergrenzwert von dem Zentralparameterwert um +Δ% verschobenist und der untere Parametergrenzwert von dem Zentralparameterwertum –Δ% verschobenist.
    [4] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach Anspruch 2 oder 3, dadurch gekennzeichnet, dassder Zentralparameterwert bei Vollendung eines Adaptationszyklusgleich dem adaptiven Parameterwert gesetzt wird.
    [5] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass der quadratische Fehler des Modells Ei(t)= (y(t) – Yi(t))2 für das ModellModi bestimmt wird, indem die Differenzzwischen der Prozessausgabe zu einem gegebenen Zeitpunkt y(t) undder Modellausgabe zu diesem Zeitpunkt Yi(t)ins Quadrat gesetzt wird, und fürdas Modell Modi berechnet wird.
    [6] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass die Bewertung jedes der Modelle in der Modellteilmengeferner folgende Schritte enthält: (i)Durchführeneiner ersten Bewertungsabtastung an einer ersten Modellmenge undBestimmen, fürjedes Modell in der ersten Modellmenge, der Differenz zwischen dermomentanen Prozessausgabe und der Modellausgabe während derersten Bewertungsabtastung und Berechnen einer ersten Norm auf derBasis der bestimmten Differenz; (ii) Durchführen einer zweiten Bewertungsabtastungan der ersten Modellmenge und Bestimmen, für jedes Modell in der erstenModellmenge, der Differenz zwischen der momentanen Prozessausgabeund der Modellausgabe währendder zweiten Bewertungsabtastung und Berechnen einer zweiten Normauf der Basis der bestimmten Differenz; (iii) Berechnen einerGesamtnorm durch Summieren der zweiten Norm für jeden Parameterwert und derersten Norm fürjeden Parameter; (iv) Durchführen zusätzlicher Bewertungsabtastungenan jedem der Modelle, um mindestens eine zusätzliche Norm für jedenParameter zu bestimmen, und Summieren der zusätzlichen Norm zu der entsprechendenGesamtnorm, um eine endgültigeNorm am Ende eines Adaptationszyklus zu bestimmen; (v) Berechneneines adaptiven Parameterwertes für jeden Parameterwert, derdurch die Summe der endgültigenNorm füralle Werte des Parameters, geteilt durch die endgültige, für den jeweiligenParameterwert berechnete Norm, gewichtet wird.
    [7] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass ein quadratischer Fehler des Modells Ei(t)als Ei(t) = (y(t) – Yi(t))2 berechnet wird, wobei y(t) die Prozessausgabezu einem bestimmten Zeitpunkt und Yi(t)die Modellausgabe zu diesem Zeitpunkt ist.
    [8] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass ein Adaptationszyklus durch Bewerten des Wertes des Zustandsparameters,der einer in einer Prozessvariablen gemessenen Störgröße entspricht,ausgelöstwird.
    [9] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach Anspruch 8, dadurch gekennzeichnet, dass die inder Prozessvariablen gemessene Störgröße in einem Prozessausgangsignaly(t) erfasst wird.
    [10] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach Anspruch 8 oder 9, dadurch gekennzeichnet, dassdie in der Prozessvariablen gemessene Störgröße in einem Prozesseingangssignalerfasst wird.
    [11] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass eine Norm jedem in einem Modell dargestellten Modellparameterwertzugewiesen wird, wobei die Norm die Summe der quadratischen Fehlerdes Modells ist, die im Verlauf der Bewertung jedes der Modelleberechnet werden.
    [12] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass die Parameter des Prozessmodells einen Speicherparameter, wie z.B. eine Totzeit (DT), und einen speicherlosen Parameter, wie z.B. eine Verstärkung,aufweisen, wobei der Regler als Antwort auf den adaptiven Speicherparameteraktualisiert wird, bevor er als Antwort auf den adaptiven speicherlosenParameter aktualisiert wird.
    [13] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass die Vielzahl von Parameteranfangswerten Anfangswerte enthält, dieeinen Zentralparameterwert, einen oberen Parametergrenzwert undeinen unteren Parametergrenzwert haben.
    [14] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach Anspruch 13, dadurch gekennzeichnet, dass der obereParametergrenzwert von dem Zentralparameterwert um +Δ% verschobenist und der untere Parametergrenzwert von dem Zentralparameterwertum –Δ% verschobenist.
    [15] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass der adaptive Parameter einen Zentralparameter enthält, dergleich dem bei Vollendung eines Adaptationszyklus bestimmten adaptivenParameterwert gesetzt wird.
    [16] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass die adaptiven Parameterwerte in sequenzieller Weise bestimmt werden.
    [17] Verfahren zum automatischen Schalten eines adaptivenPID-Reglers nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet,dass eine Teilmenge der adaptiven Parameterwerte konstant gehalten wird,währendder verbleibende adaptive Parameterwert adaptiert wird.
    [18] System zur adaptiven Abstimmung eines Prozessreglers(einer Prozess-Steuerungseinheit), wobei das System Folgendes aufweist: eineModellmengenkomponente, die mit einem Prozesseingang in Kommunikationsverbindungsteht, wobei die Modellmengenkomponente eine Zustandsvariable enthält, dieeine Vielzahl von Prozessbereichen definiert, sowie eine Vielzahlvon Modellen, die in die Vielzahl von Prozessbereichen gruppiertsind, wobei jedes der gruppierten Modelle eine Vielzahl von Parameternenthält,die einen Wert haben, der ausgewähltist aus einer Menge von vorbestimmten Anfangswerten, die dem jeweiligenParameter zugewiesen sind; einen Fehlergenerator, der mit derModellmengenkomponente und einem Prozessausgang in Kommunikationsverbindungsteht, wobei der Fehlergenerator so konfiguriert ist, dass er einModellfehlersignal erzeugt, das die Differenz zwischen einem Modellausgangsignalund einem Prozessausgangsignal darstellt; eine Modellbewertungskomponente,die mit dem Fehlergenerator in Kommunikationsverbindung steht, umeinen quadratischen Fehler des Modells zu berechnen, der einem Modellentspricht, und den quadratischen Fehler des Modells mit Parameterwerten,die in dem Modell dargestellt sind, in Korrelation zu setzen; einenParameterinterpolator, der mit der Modellbewertungskomponente inKommunikationsverbindung steht, um einen jeweiligen adaptiven Parameterwertfür indem Modell dargestellte Parameter zu berechnen; und eine Regleraktualisierungskomponente(Steuerungseinheit-Aktualisierungskomponente), die mit dem Parameterinterpolatorund einem Regler (einer Steuerungseinheit) in Kommunikationsverbindungsteht, wobei die Regleraktualisierungskomponente den Regler alsAntwort auf adaptive Parameterwerte bei Vollendung eines Adaptationszyklusaktualisiert.
    [19] System zur adaptiven Abstimmung eines Prozessreglersnach Anspruch 18, ferner enthaltend eine Überwachungskomponente, diemit dem Prozess in Kommunikationsverbindung steht, um eine Modellbewertungauszulösen,wenn eine Veränderungin einer Prozesseingabe oder einer Prozessausgabe einen jeweiligenSchwellenwert übersteigt.
    [20] System zur adaptiven Abstimmung eines Prozessreglersnach Anspruch 19, dadurch gekennzeichnet, dass die Uberwachungskomponentemit einem Feedforward-Eingang zum Auslösen einer Modellbewertung in Kommunikationsverbindungsteht, wenn eine Veränderungin einer Störgrößeneingabeeinen Schwellwert übersteigt.
    [21] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 20, dadurch gekennzeichnet, dass die Menge vorbestimmterAnfangswerte fürjeden Parameter einen Zentralparameterwert, einen oberen Parametergrenzwertund einen unteren Parametergrenzwert enthält.
    [22] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 21, dadurch gekennzeichnet, dass die Modellbewertungskomponenteeinen quadratischen Fehler des Modells Ei(t) berechnet,der einem Modell Modi entsprechend gleich(y(t) – Yi(t))2 ist, wobeiy(t) die Prozessausgabe zu einem gegebenen Zeitpunkt ist und Yi(t) die Ausgabe des Modells Modi zudiesem Zeitpunkt ist.
    [23] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 22, dadurch gekennzeichnet, dass die Modellbewertungskomponentejedem Modellparameterwert eine Norm zuweist, wobei die Norm gleichder Summe der quadratischen Fehler des Modells ist, die in der Bewertungjedes der Modelle berechnet werden, in welchen der Parameterwertdargestellt ist.
    [24] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 23, dadurch gekennzeichnet, dass der durch den Parameterinterpolatorberechnete adaptive Parameterwert als eine Summe von gewichtetenParameterwerten berechnet wird.
    [25] System zur adaptiven Abstimmung eines Prozessreglersnach Anspruch 24, dadurch gekennzeichnet, dass der an jeden Parameterwertangelegte Gewichtungsfaktor proportional zu der Summe der Normenist, die füralle Werte des Parameters berechnet wurden, und umgekehrt proportionalzu der Norm ist, die fürdiesen Wert des Parameters berechnet wurde.
    [26] System zur adaptiven Abstimmung eines Prozessreglersnach Anspruch 24 oder 25, dadurch gekennzeichnet, dass der an jedenParameterwert angelegte Gewichtungsfaktor gleich der Summe der Normenist, die füralle Werte des Parameters berechnet wurden, geteilt durch die für den jeweiligenParameterwert berechnete Norm.
    [27] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 26, dadurch gekennzeichnet, dass die Modellkomponente eineVielzahl von Feedback-Regler-Modellen und eine Vielzahl von Feedforward-Regler-Modellenenthält.
    [28] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 27, dadurch gekennzeichnet, dass der Parameterinterpolatoreinen Feedback-Regler-Parameterinterpolator und einen Feedforward-Regler-Feedback-Interpolatorenthält.
    [29] System zur adaptiven Abstimmung eines Prozessreglersnach einem der Ansprüche18 bis 28, dadurch gekennzeichnet, dass die Regleraktualisierungkomponentemit einem Feedback-Regler in Kommunikationsverbindung steht, umFeedback-Regler-Parameterwerte fürden Feedback-Regler zu aktualisieren, sowie mit einem Feedforward-Regler,um Feedforward-Regler-Parameterwertefür einenFeedforward-Regler zur aktualisieren.
    [30] Zustandsbasierter adaptiver Feedback-/Feedforward-Regler,der Folgendes aufweist: eine Modellkomponente, die mit einemProzess verbunden ist und eine Vielzahl von Prozessmodellen hat,wobei jedes der Modelle eine Vielzahl von Parametern enthält, dieeinen aus einer Menge von vorbestimmten, dem jeweiligen Parameterzugewiesenen Anfangswerten ausgewählten Wert haben; eineZustandsvariable, die die Veränderungeiner Prozessvariablen beschreibt, wobei die Zustandsvariable mindestenseinen Prozessbereich definiert, der eine Teilmenge der Prozessmodelleenthält,wobei die Zustandsvariable einer Menge von Bereichsanfangsparametern,die den Prozessbereich darstellen, entspricht; einen Fehlergenerator,der ein Modellfehlersignal erzeugt, das die Differenz zwischen einemModellkomponentenausgangssignal und einem Prozessausgangssignaldarstellt; eine Modellbewertungskomponente, die einen quadratischenFehler des Modells berechnet, der dem Modell entspricht, und denquadratischen Fehler des Modells in dem Modell dargestellten Parameterwertenzuordnet; einen Parameterinterpolator, der einen adaptivenParameterwert fürmindestens einen der Vielzahl von Parameterwerten, die in dem Modelldargestellt sind, berechnet; und eine Regleraktualisierungskomponente,die einen Reglerparameterwert (Steuerungseinheit-Parameterwert) innerhalbdes Reglers nach Abschluss eines Adaptationszyklus aktualisiert.
    [31] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach Anspruch 30, ferner enthaltend eine Überwachungskomponente zum Auslösen derModellbewertung, wenn eine Veränderungin der gemessenen Störgröße einenjeweiligen Schwellenwert übersteigt.
    [32] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach Anspruch 30 oder 31, dadurch gekennzeichnet, dass die vorbestimmtenAnfangswerte fürjeden Parameter einen Zentralparameterwert, einen oberen Parametergrenzwertund einen unteren Parametergrenzwert enthalten.
    [33] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach einem der Ansprüche30 bis 32, dadurch gekennzeichnet, dass die Bewertungskomponenteeinen quadratischen Fehler des Modells El(t)berech net, der einem Modell Modi entsprechendgleich (y(t) – Yl(t))2 ist, wobeiy(t) die Prozessausgabe zu einem gegebenen Zeitpunkt ist und Yl(t) die Ausgabe des Modells Modi zudiesem Zeitpunkt ist.
    [34] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach einem der Ansprüche30 bis 33, dadurch gekennzeichnet, dass der durch die Parameterinterpolatorkomponenteberechnete adaptive Parameterwert als eine Summe von gewichtetenParameterwerten berechnet wird.
    [35] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach Anspruch 34, dadurch gekennzeichnet, dass der an jeden Parameterwertangelegte Gewichtungsfaktor proportional zu der Summe einer Norm ist,die füralle Werte des Parameters berechnet wurde, und umgekehrt proportionalzu der Norm ist, die für diesenWert des Parameters berechnet wurde.
    [36] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach einem der Ansprüche30 bis 35, dadurch gekennzeichnet, dass die Prozessvariable einStörgrößensignalist.
    [37] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach einem der Ansprüche30 bis 36, dadurch gekennzeichnet, dass die Prozessvariable eineVeränderungin einem Prozesssollwert ist.
    [38] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach einem der Ansprüche30 bis 37, dadurch gekennzeichnet, dass die Prozessvariable eineVeränderungin einem Prozessausgangsignal ist.
    [39] Zustandsbasierter adaptiver Feedback-/Feedforward-Reglernach einem der Ansprüche30 bis 38, dadurch gekennzeichnet, dass der Parameterinterpolatoreine Adaptationsbeschränkungenthält,um die berechnete Veränderungfür denmindestens einen aus der Vielzahl von Parameterwerten zu beschränken.
    类似技术:
    公开号 | 公开日 | 专利标题
    Lehmann et al.2013|Event-triggered model predictive control of discrete-time linear systems subject to disturbances
    Cao et al.2006|Design and analysis of a novel l1 adaptive controller, part i: control signal and asymptotic stability
    Kristiansson et al.2006|Robust tuning of PI and PID controllers: using derivative action despite sensor noise
    Matausek et al.1999|On the modified Smith predictor for controlling a process with an integrator and long dead-time
    Yamamoto et al.2004|Design and experimental evaluation of a multivariable self-tuning PID controller
    Seborg et al.1986|Adaptive control strategies for process control: a survey
    CN1118730C|2003-08-20|在多变量预测控制器中加入独立前馈控制的方法
    CN101652730B|2013-03-13|过程控制系统中的工业过程的自动闭环识别的设备和方法
    EP0823078B1|2000-06-07|Rückkopplungsmethode zur regelung
    Hjalmarsson2002|Iterative feedback tuning—an overview
    US9395708B2|2016-07-19|Systems and methods for adaptive sampling rate adjustment
    Farrell1998|Stability and approximator convergence in nonparametric nonlinear adaptive control
    US7363094B2|2008-04-22|Multivariable controller design method for multiple input/outputs systems with multiple input/output constraints
    Ge et al.2003|Robust adaptive tracking for time-varying uncertain nonlinear systems with unknown control coefficients
    He et al.1993|Fuzzy self-tuning of PID controllers
    FI111106B|2003-05-30|Menetelmä prosessinsäätösilmukan virittämiseksi teollisuusprosessissa
    Loh et al.1993|Autotuning of multiloop proportional-integral controllers using relay feedback
    US9904257B2|2018-02-27|Using autocorrelation to detect model mismatch in a process controller
    JP5924940B2|2016-05-25|モデル不一致を補償するためチューニング可能積分コンポーネントを備えるモデル予測コントローラ
    Del Castillo et al.1997|Run-to-run process control: Literature review and extensions
    US7577483B2|2009-08-18|Automatic tuning method for multivariable model predictive controllers
    US7272454B2|2007-09-18|Multiple-input/multiple-output control blocks with non-linear predictive capabilities
    US6721609B1|2004-04-13|Integrated optimal model predictive control in a process control system
    Chen et al.2010|Globally stable adaptive backstepping fuzzy control for output-feedback systems with unknown high-frequency gain sign
    Mcintosh et al.1991|Analysis and tuning of adaptive generalized predictive control
    同族专利:
    公开号 | 公开日
    GB2400924B|2006-10-11|
    CN1540461A|2004-10-27|
    GB2400924A|2004-10-27|
    US7551969B2|2009-06-23|
    CN101477333A|2009-07-08|
    US20070021850A1|2007-01-25|
    CN100511173C|2009-07-08|
    DE102004019352B4|2015-11-26|
    US20030195641A1|2003-10-16|
    HK1065864A1|2005-03-04|
    US7113834B2|2006-09-26|
    CN101477333B|2015-09-09|
    JP2004326781A|2004-11-18|
    GB0408598D0|2004-05-19|
    JP5015416B2|2012-08-29|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    法律状态:
    2008-08-28| 8110| Request for examination paragraph 44|
    2014-11-13| R016| Response to examination communication|
    2015-05-22| R016| Response to examination communication|
    2015-08-11| R018| Grant decision by examination section/examining division|
    2016-08-27| R020| Patent grant now final|
    优先权:
    申请号 | 申请日 | 专利标题
    [返回顶部]