Cristin-prosjekt-ID: 414539
Sist endret: 31. oktober 2013, 14:52

Cristin-prosjekt-ID: 414539
Sist endret: 31. oktober 2013, 14:52
Prosjekt

Metoder for effektiv overføring av robuste modellbaserte regulatorer mellom likeartede prosesser

prosjektleder

Bernt Lie
ved Institutt for elektro, IT og kybernetikk ved Universitetet i Sørøst-Norge

prosjekteier / koordinerende forskningsansvarlig enhet

  • Institutt for elektro, IT og kybernetikk ved Universitetet i Sørøst-Norge

Klassifisering

Vitenskapsdisipliner

Teknisk kybernetikk

Emneord

Modellering • Parameterestimering • Control

Tidsramme

Avsluttet
Start: 1. september 1999 Slutt: 31. desember 2002

Beskrivelse Beskrivelse

Tittel

Metoder for effektiv overføring av robuste modellbaserte regulatorer mellom likeartede prosesser

Sammendrag

Problemstillingen at det skal utvikles regulatorer til en rekke likeartede prosessenheter er vanlig både i store og mellomstore bedrifter, f.eks. Borealis har en rekke likeartede polymerreaktorer, Norske Skog har en rekke likeartede papirmaskiner, ICOPAL har en rekke likeartede produksjonslinjer for ekstrudering av plastrør. For å få størst mulig økonomisk utbytte ved innføring av avansert regulering, er det viktig at 1) det kreves minst mulig arbeide for å ta strategien i bruk på en prosessenhet og 2) man i stor grad kan overføre/gjenbruke kunnskap vunnet på en prosessenhet til likeartede prosessenheter. For modellbasert regulering er det viktig at en modell kan utvikles med minst mulig arbeide og med minst mulig eksperimentering på prosessen. Mekanistiske og empiriske modeller vil bli sammenliknet med hensyn til utviklingskostnad, krav til eksperimentering på prosess og overførbarhet til likeartede prosesser/prosessavsnitt. Det vil bli undersøkt hvordan statistiske usikkerhetsmål på modellparametere kan utnyttes til å beskrive modellusikkerhet på en måte som egner seg for syntese av robuste regulatorer. For regulatorsyntese skal det utvikles praktiske metoder for å få en robust prediktiv regulator med integralvirkning og med minst mulig krav til manuelt valg av regulatorparametere. Regulatoren skal håndtere varierende driftsbetingelser. I samarbeid med Norske Skog Saugbrugs vil metoder testes ut.

Vitenskapelig sammendrag

Problemstillingen at det skal utvikles regulatorer til en rekke likeartede prosessenheter er vanlig både i store og mellomstore bedrifter, f.eks. Borealis har en rekke likeartede polymerreaktorer, Norske Skog har en rekke likeartede papirmaskiner, ICOPAL har en rekke likeartede produksjonslinjer for ekstrudering av plastrør. For å få størst mulig økonomisk utbytte ved innføring av avansert regulering, er det viktig at 1) det kreves minst mulig arbeide for å ta strategien i bruk på en prosessenhet og 2) man i stor grad kan overføre/gjenbruke kunnskap vunnet på en prosessenhet til likeartede prosessenheter. For modellbasert regulering er det viktig at en modell kan utvikles med minst mulig arbeide og med minst mulig eksperimentering på prosessen. Mekanistiske og empiriske modeller vil bli sammenliknet med hensyn til utviklingskostnad, krav til eksperimentering på prosess og overførbarhet til likeartede prosesser/prosessavsnitt. Det vil bli undersøkt hvordan statistiske usikkerhetsmål på modellparametere kan utnyttes til å beskrive modellusikkerhet på en måte som egner seg for syntese av robuste regulatorer. For regulatorsyntese skal det utvikles praktiske metoder for å få en robust prediktiv regulator med integralvirkning og med minst mulig krav til manuelt valg av regulatorparametere. Regulatoren skal håndtere varierende driftsbetingelser. I samarbeid med Norske Skog Saugbrugs vil metoder testes ut.

Tittel

Methods for efficient roll-out of robust model based control in the process industry

Sammendrag

Many large- and medium sized industry companies have a number of more or less similar process-units for processing raw materials or producing finished products. Three typical examples are 1.Borealis (e.g. polymer reactors for producing plastics raw materials) 2.Norske Skog, (paper machines) 3.Norsk Hydro (e.g. plants for fertilizer production) Advanced process control has proved successful in many cases, especially in multivariable processes with strong coupling between inputs and outputs, and/or processes with strong non-linearities. An industrial company which has invested, or is about to invest, in advanced control in one of their units / factories, would more likely benefit economically if the developed control method could be efficiently rolled-out on similar units. The research carried out in this project will focus on robust Model based Predictive Control (MPC). MPC has a reported payback time of 1-12 months in multivariable processes; which include refineries, paper machines, oil wells, etc. The term "robust" reflects the idea that the controller should be developed to maintain a specified performance even though the model has a given uncertainty. Three sub-problems will be further investigated: 1.How to efficiently develop a model, including model uncertainty, for a process. 2.How to develop a robust MPC, for the process modeled in sub-problem 1. 3.What is required for sub-problems 1-2, so that the control method can be efficiently rolled-out on other similar process-units. Case study: Paper machine 6 (PM6) at Norske Skog, Saugbrugsforeningen, will be studied in detail. The paper machine will be modeled, and a robust MPC will be designed for the process. Finally, as Norske Skog has many more or less similar paper machines, the roll-out of the control method will be discussed.

Vitenskapelig sammendrag

Many large- and medium sized industry companies have a number of more or less similar process-units for processing raw materials or producing finished products. Three typical examples are 1.Borealis (e.g. polymer reactors for producing plastics raw materials) 2.Norske Skog, (paper machines) 3.Norsk Hydro (e.g. plants for fertilizer production) Advanced process control has proved successful in many cases, especially in multivariable processes with strong coupling between inputs and outputs, and/or processes with strong non-linearities. An industrial company which has invested, or is about to invest, in advanced control in one of their units / factories, would more likely benefit economically if the developed control method could be efficiently rolled-out on similar units. The research carried out in this project will focus on robust Model based Predictive Control (MPC). MPC has a reported payback time of 1-12 months in multivariable processes; which include refineries, paper machines, oil wells, etc. The term "robust" reflects the idea that the controller should be developed to maintain a specified performance even though the model has a given uncertainty. Three sub-problems will be further investigated: 1.How to efficiently develop a model, including model uncertainty, for a process. 2.How to develop a robust MPC, for the process modeled in sub-problem 1. 3.What is required for sub-problems 1-2, so that the control method can be efficiently rolled-out on other similar process-units. Case study: Paper machine 6 (PM6) at Norske Skog, Saugbrugsforeningen, will be studied in detail. The paper machine will be modeled, and a robust MPC will be designed for the process. Finally, as Norske Skog has many more or less similar paper machines, the roll-out of the control method will be discussed.

prosjektdeltakere

prosjektleder

Bernt Lie

  • Tilknyttet:
    Prosjektleder
    ved Institutt for elektro, IT og kybernetikk ved Universitetet i Sørøst-Norge

Tor Anders Hauge

  • Tilknyttet:
    Prosjektdeltaker
    ved Institutt for elektro, IT og kybernetikk ved Universitetet i Sørøst-Norge
1 - 2 av 2