SZAKASZOS GYÁRTÓ RENDSZER MODELL BÁZISÚ IRÁNYÍTÁSA Szeifert Ferenc, Nagy Lajos, Chován Tibor, Abonyi János, Veszprémi Egyetem, Folyamatmérnöki Tanszék
1. Bevezetés A gyógyszergyári, élelmiszeripari, műanyagipari szakaszos (rugalmas) technológiai rendszerek gyakori eleme a keverővel ellátott fűthető-hűthető autokláv, amelyben a reagáltatáson túlmenően számos más művelet (desztilláció, extrakció, kristályosítás, stb.) is elvégezhető. Az ilyen technológiákba a reagens beadagolások, a keverés és a fűtés és hűtés mértéke jelenti a beavatkozási lehetőségeket. A teljes rendszer irányítása- a technológia egyszerűsége ellenére- összetettnek tekinthető, magába foglalja a sorrendi vezérléstől kezdve, az állapot változók szabályozásán keresztül az ütemezésig terjedő hierarchia szinteket egyaránt. Miközben az irányítási rendszer gyakorlati megvalósítását jól segíti az S88 szabvány, a különböző szintű irányítási algoritmusok kialakítását számos elméleti probléma nehezíti. A kutatás elsősorban a magasabb hierarchia szintek összetettebb irányítási problémáira irányul mint például az optimalizálás, ütemezés, stb. Ugyanakkor, tapasztalataink szerint, az alacsonyabb szintek megoldatlan irányítástechnikai problémái a felsőbb hierarchia szintű megoldások realizálását lehetetlenné teszik. Ebben a dolgozatban az alsó szintű irányítási algoritmusok problémakörét vizsgáljuk meg.
2. A szakaszos és folyamatos gyártás összehasonlítása A vegyipari gyártás legfontosabb alapelemei: • Az eljárás vagy receptura, amely a termék előállításának fizikai és kémiai műveleteit és annak részleteit határozza meg. • A vegyipari berendezések azon hálózata, amelyen a fizikai kémiai műveletek realizálhatók. • A piac, amely meghatározza a termékkel szembeni elvárásokat (mennyiség, minőség, stb.). A folyamatosan működő technológiáknál a gépészetileg rögzített berendezés hálózat és gyártási eljárás között időben állandó egy-egy értelmű kapcsolat áll fenn, amely a térbeli rögzítettség mellett egy időbeli állandóságot is eredményez. A technológia modellje emiatt többnyire stacioner jellegű. A folyamatos technológiák on-line optimalizálása ennek megfelelően un. kvázistacioner technológia modellek alapján folyik. Szakaszos rendszereknél a receptura és a gépészetileg rögzített berendezés hálózat egymáshoz rendelése több-több értelmű, amely a szakaszos rendszerek rugalmasságát eredményezi: többtermékes (multiproduct) gyártás, többcélú üzem (multi purpose plant), stb.
Ez azt eredményezi, hogy szakaszos technológiáknál a koordináló irányítás lényegesen különbözik a folyamatos technológiáknál bemutatottól. Az on-line optimalizálással szemben itt a receptura tervezés ill. az ütemezés játssza a fő szerepet. A technológiairányításban funkcionálisan két hierarchia szint értelmezhető: • A technológiairányítás lokális szintje. • A technológiairányítás koordináló szintje. A lokális szintet az autonóm irányítási problémák sokasága adja, amelyekre a kis időléptékű változások a jellemzőek. A probléma megoldásban leggyakrabban a néhány változót tartalmazó un. fekete doboz modelleket használjuk. A lokális szint többnyire önmagában is hierarchikus felépítésű (értéktartó szabályozások (előrecsatolás – FF, visszacsatolás – FB), összetett kaszkádszabályozások, többváltozós szabályozások, stb.). A folyamatos és szakaszos technológiák lokális szintű irányítási feladatainak egyik része teljes átfedésben van. Erre példák az alábbiak: • Áramlás, hőmérséklet, nyomás, szint, stb. szabályozás, kaszkádszabályozás. • Logikai vezérlés, reteszelés, beleértve a biztonsági retesz rendszereket (személyzet, készülék és környezet védelme). • Számítási feladatok, pl. hőmérleg. • Adatgyűjtés, dokumentálás. A lokális irányítási feladatok egy másik jelentős része viszont, csak a szakaszos rendszerekre jellemző. Ilyenek például az alábbiak: • A szakaszos folyamat sorrendi vezérlése (bemérés, felfűtés, várakozás, hűtés, leürítés, stb.). Rugalmas logikai (LC) és sorrendi vezérlés (SC) a nagyszámú technológiai alternatíva, a váratlan helyzetek és üzemzavarok kezelésére. • Több feldolgozó egységben folyó műveletek ütemezése és nyomon követése. • Nyersanyagok betöltése a tartályokba, reaktorokba. Az egyes komponensek mennyiségeinek tömeg vagy térfogat alapján történő mérése. • A technológiai jelek előírt vezetése (pl. felmelegítés, lehűtés, hőmérséklettartás). • Anyagok áttöltése a műveletek végén. • A reakciók befejeződésének jelzése (analitikai mérés, hőmérséklet, viszkozitás). • Batch naplók összeállítása (adagonként, műszakonként, naponta vagy hetente). • Gyártás állapotának megjelenítése a kezelő számára, kezelői felület a receptúrák, sorrendi és logikai vezérlések, szabályozások eléréséhez. • A gyártáshoz szükséges összes információ kezelése. A folyamatirányító rendszer funkcióit illetően a szakaszos rendszereknél lényegesen megnőtt a logikai feladatok mennyisége, ugyanakkor az analóg műveletek jelentősége sem csökkent. A változó termék ill. technológia következtében új igényként jelent meg a rugalmasság, amely átkonfigurálási lehetőséget jelent. A szakaszos jellegből következik, hogy a beállási ill. leállási tranziens jelentőségét tekintve összemérhető a ‘beállt” állapottal, így az irányítás minőségi követelményeit tranziens állapotra is ki kell terjeszteni. Hagyományos értelemben vett beállt állapot nincs, így változó paraméterű rendszerekkel kell számolnunk, amely különleges követelményeket támaszt a szabályozókkal szemben. Ezen problémák elsősorban adaptív vagy a legkorszerűbb
modellbázisú megoldásokkal kezelhetők. A rendszer nem egy adott munkapont környezetében, hanem egy jelleggörbe mentén működik, s ezért annak nemlinearitása is gondot okoz. A technológia irányítás koordináló szintje a teljes technológia egységét biztosítja. Formálisan egy nagy méretű feltételes szélsőérték feladat megoldását igényli. A célfüggvény eredendően gazdasági, amely a teljes technológia működését minősíti, a feltétel pedig a teljes technológia matematikai modellje. A modellben az a priori (fehér doboz) jellegű rendszer elem modellek ill. hálózatok dominálnak. A feladat matematikai értelemben is nagy méretű, amelynek megoldásában a dekompozíció- koordináció elvét alkalmazhatjuk.
3. A szakaszos gyártás jellemzése A szakaszos gyártás dominanciája nagyon gyakran a laboratóriumi kísérleti berendezésektől, a méretnövelés minden fokozatán át, az üzemi technológia szintjéig érvényesül. A szakaszos gyártást a diverzitás, a rosszul definiáltság és a rugalmasság egyaránt jellemzi. A szakaszos reaktorok működtetéséről, az ipari problémákról, érintve a tervezést, a kapacitáskihasználást, időbeli ütemezést és a működtetést az alábbi összefoglalás adható[1]. A reaktorokat általában az alábbi módokban üzemeltetik: • Rátáplálásos üzemmód (semi-batch): gyors kémiai reakciókra. • Szakaszos üzemmód: lassú kémiai reakciókra. • Az előző kettő kombinációja, különösen, ha valamelyik komponens végkoncentrációja előírt értékű. A működtetési célok általában az alábbiak: • Biztonság: Elsődleges veszélyt az exoterm reakciók elfutása jelenthet. • Termék minőség: A nagy tisztaság helyett, az előírt tisztaság körüli kis szórás válik fontossá. Az FDA előírásai szerint a reprodukálhatóságot kell biztosítani. • Méretnövelés: Pilot-tesztek nélküli váltások biztosítása. • Produktivitás: A teljes gyártás hatékonyságát, s nem az egyes lépések hatékonyságát kell szem előtt tartani. • Rugalmasság: Alkalmazkodás a piaci igényekhez (MPP-üzem). • Gazdaságosság: műveleti idő, költségek, termelékenység, szelektivitás stb. A szakaszos reaktorok üzemeltetése során időben koordinálni kell a különböző műveleteket (betöltés, fűtés-hűtés, reagáltatás stb.), meg kell határozni az optimális hőmérséklet ill. adagolás profilokat. Az irányítás szempontjából az alábbi tulajdonságok dominálnak: • A dinamikai tulajdonságok időbeli változása - a kezdeti állapottól a végállapotig. • Nem-lineáris sajátosság - a kémiai reakcióból ill. a köpeny hőátadási sajátosságaiból következően. • Kevésbé pontos modellek használata - elsősorban a kémiai mechanizmusra vonatkozó hiányos ismeretek miatt. • Specifikus mérésekre való igény: a kémiai komponensek koncentrációjának pontos mérése (időben és térben) problematikus ill. költségigényes. A mérhető fizikai mennyiségek széles intervallumban változnak, ezért ezek mérése is hibával terhelt.
• Korlátok közötti működtetés - az optimális megoldás gyakran a korlátok közötti átmeneteket jelenti. • Zavaró körülmények gyakorisága (operátorhiba, mérőműszer hiba, keveredési problémák stb.). A reakcióhő a teljes műveleti idő alatt állandóan változó "load" típusú zavarásnak tekinthető. • Irreverzibilis viselkedés - a műveleti idő során kevés lehetőség adódik a hibák korrigálására. • A korrekciós beavatkozások korlátozottsága - a reakció előrehaladtával a lehetőség egyre csökken. • A gyártás egymás utáni ismétlődése - ez egy lehetőség az előző gyártás tapasztalatainak, a következő gyártás során való hasznosítására (learning control). • Viszonylag lassú folyamatok - a gyors folyamatoknál nincs szükség optimalizálásra, a lassúnál viszont kellő idő adódik a megfelelő számítások elvégzésére (valós idejű optimalizálás). A problémák kezelésére a legkülönbözőbb modell-típusokat használják, s ezek alkalmazástechnikája kellően kidolgozott. Tapasztalataink alapján a tendencia modellek használatát hangsúlyozzuk, amelyek a fizikai kémiai törvényszerűségeket pontosan visszatükröző elméleti (a priori) modelleken alapulnak, de figyelembe veszik a vizsgált objektumról rendelkezésre álló információk (mérési adatok) részletességét is. Megalkotásukhoz modellredukciós ill. aggregációs módszerek is felhasználhatók. A tendencia modellek használatának fontosabb indokai a következők: • A részletes modell túlságosan komplikált (az adott feladathoz képest!). • Sok a priori jellegű paramétere van. • Bizonyos problémákra alkalmazva, a modell hiba, még adekvát modell és pontos paraméterek esetén is jelentőssé válhat. • Irányításnál az inverz modellen alapuló szabályozó algoritmusok nagyon érzékenyek a modell hibára. A tendencia modellezési stratégia elemei az alábbiak. [2]): • Minden lehetséges és megbízható rendszerre vonatkozó információt célszerű felhasználni. • Kialakítható egy evolúciós megközelítés az optimalizálásra (a rendszer tervezéséhez ill. működtetésére): időfüggő koncentráció adatokra nem számíthatunk, legfeljebb csak közelítő reakciómechanizmus és kinetikai modell ismert, a reaktorbeli kezdeti koncentráció adatok ismertek, a betáplálási adatok vagy ismertek vagy mértek, a releváns végső koncentrációk mérhetők vagy becsülhetők, a reaktor hőmérséklet, mint időfüggvény mért, a hő átszármaztatási koefficiensek becsülhetők, mivel az entalpia mérleg pontosan megalkotható. A tendencia modellezés során nem kell mindent tudnunk a rendszerről, de amit (pontosan) tudunk, azt célszerű felhasználni.
A korszerű folyamatirányítási megoldásoknak fontos része a megfelelő monitoring kialakítása, amely lehetővé teszi a gyártás során a nem kívánt hibák gyors felismerését, bizonyos esetekben az előzetes predikcióját. A folyamat monitoring kialakításában ugyancsak fontos szerepet töltenek be a modellek. Az irányítási feladatot célszerű két részre bontani: • Lokális irányítási szint: az előírt hőmérséklet ill. adagolási profil biztosítása, a szabályozási eltérés minimális értéken tartásával. • Koordináló irányítási szint: az eljárásmodellben megfogalmazott célok szerint, a technológiai korlátokat figyelembe véve az optimális hőmérséklet és adagolási profilok meghatározása, amelyek a lokális szint alapjel profiljaként jelennek meg. A hűtés-fűtés biztosítására különböző technológiai megoldások (direkt, indirekt, homofluid, heterofluid, stb.) terjedtek el.
Az exoterm kémiai reakciók vezetésére általában az alábbi stratégiák terjedtek el: • Izoterm, szakaszos működés: A fejlesztés első fázisában, a laboratóriumban általában izoterm méréseket végeznek, s ezt képezik le a termelési körülményekre. A reakció elegyet gyors felmelegítéssel a reakció hőmérsékletére melegítik, majd a műveleti időnek megfelelően, tartják a hőmérsékletet. A reakció lejátszódása után a "befagyasztás" fázisa következik, egy gyors lehűtéssel. A műveleti idő alatt az átadási hőáram állandóan változik. • Izoterm, rátáplálásos működés: Az egyik reagens rátáplálásával, a teljes hűtő-fűtő kapacitás kihasználásával biztosítjuk a reaktorhőmérsékletet. Igen gazdaságos megoldás, nem elégé gyors reakcióknál azonban túladagolás lehetséges, ami biztonságtechnikai problémákat vet fel. • Szakaszos működés, konstans reakciósebességgel: Az állandó reakciósebességet a megfelelő hőmérséklet profillal kell biztosítani. Ennek számításához viszonylag pontos modellre vagy üzem közbeni pontos állapotbecslésre van szükség. A koordináló szintű optimalizáláshoz általában az alábbi stratégiákat használják: • Off-line optimalizálás: A viszonylag pontos modell alapján előre kiszámítják az optimális megoldást, s azt alkalmazzák alapjelként az üzemeltetés során. • Gyártásról-gyártásra való optimalizálás: Az előző gyártás tapasztalatait az új gyártásnál felhasználják. • On-line optimalizálás: A gyártás során oldjuk meg a szélsőérték számítást, s így lehetőség van a friss mérési adatok algoritmusba való beépítésére is. A fenti megoldások, módszerek akadémiai háttere kidolgozottnak tekinthető, az ipari alkalmazásokon jelenleg dolgoznak.
4. A technológiai rendszer A bevezetőben említett rugalmas rendszer egy tipikus sémája látható az 1. ábrán. A rendszer szabályozástechnikai szempontból kritikus eleme a különböző műveletek megvalósítását biztosító autokláv (általánosabban hűthető fűthető egység, a továbbiakban reaktor). Az ilyen rendszerek egy prototípusa látható a 2. ábrán, amelynek egy 1 literes és egy 50 literes egyedét a tanszéki laboratóriumunkban is kialakítottuk.
Nyersanyag tárolás, adagolás
Nyomás stabilizálás
Hűthető, fűthető, keverhető autókláv
Hűtő-fűtő rendszer
Termékek, gyűjtése, tárolása
Elvégezhető műveletek:
• •
S88.01 fogalomrendszere:
• • •
reagáltatás szétválasztás:
desztillálás, kristályosítás, extrahálás.
fizikai modell, folyamat modell, eljárás vezérlési modell.
1.ábra. Rugalmas gyártó rendszer sémája VVB2
VVB1
L01
L02
T06
T07
T10
T09 F03
CKV
KEV
VKV
P
CN01
Víz be
T11
VAD1
VAD2
VRK
T04 VELV
T01
P02 VREFL
LS2 Csatornába
M T03
VGB Gőz
T08
M
P02
CV01 VSZ1
VSZ2
VVA1
VVA2
VAIR1 Hideg víz
VVB
F01
T05
V
V
VAIR2
V
CV02 VTER
VRB F02
LS1
L
Meleg víz T02
VLE
VKO
Csatornába SZIV
2. ábra. A prototípus
L
L
A reaktor hőmérséklet szabályozását általában kaszkád strukturában PIDszabályozókkal oldják meg, a gyakorlatban slave szabályozóként gyakran P-szabályozót használva. Tapasztalataink szerint az összetett irányítási megoldások minőségét a slave köri split-range szabályozás minősége alapvetően korlátozza, s a változó technológiai munkapontok és korlátok miatt a szabványos PID-algoritmusok sem hatékonyak. Olyan modell bázisú algoritmusok kidolgozása és alkalmazása szükséges, amelyek a konkrét gyakorlati feltételekhez szabhatók, megbízhatóan működnek és a kereskedelemben kapható folyamatirányító rendszereken installálhatók.
5. Modell bázisú irányítási algoritmusok A szabályozó tervezés a megfelelő irányítási algoritmus kiválasztását és a benne szereplő paraméterek meghatározását (hangolás) foglalja magába. A modell bázisú (elsősorban predikciós) szabályozók mintegy két évtizedes ipari alkalmazása és a megalapozásukat szolgáló intenzív akadémiai kutatások ellenére is a visszacsatolt struktúrában használt PID ill. PID alapú szabályozók uralják a vegyipari technológiákat. A dominancia legfontosabb okai a PID szabályozók klasszikus technikában betöltött szerepe, az oktatásban elfoglalt helye, a DCS rendszerekben való kiépítettsége a legkülönbözőbb modifikációkkal, és nem utolsósorban valós alkalmazásuk hatékonysága. Ráadásul más modellbázisú technikák, az objektum modelljétől függően, gyakran PID algoritmust eredményeznek, s ezáltal PID szabályozóként installálhatók [3]. A változó munkapontok miatt a PID szabályozók hatékonysága adaptációval fokozható. Az irányításelméletből ismert adaptációs alapsémák közül, szakaszos rendszerekben leggyakrabban a programozott adaptációs megoldást használják. Ennek az a lényege, hogy a recepturát ismerve, az alkalmazandó PID paramétereket az idő (vagy más kisegítő változó) függvényében előre beprogramozzuk. Az adaptáció itt valójában egy előrecsatolás, amely a teljes irányított rendszer stabilitását nem befolyásolja, a stabilitás kizárólag a konkrét PID paraméterektől függ. Mind a szakaszos mind a folyamatos technológiákban elterjedtek az önhangoló adaptív szabályozók. Ezen típusnak az a lényege, hogy egy feltételezett objektum modell alapján (leggyakrabban elsőrendű holtidős szakasz) on-line identifikációt végzünk, amely a megfelelő modell paramétereket szolgáltatja. Az ilyen értelemben pontosított modell alapján egy hangolási módszerrel meghatározzuk a szabályozó algoritmus aktuális paramétereit. Szakaszos rendszerek identifikációjánál az un. felejtési tényezővel vehető figyelembe a munkapont változása. A fentiek ellenére a modellalapú szabályozó algoritmusok kutatását és alkalmazását igen fontosnak tartjuk elsősorban olyan objektumoknál, amelyeknél a PID alkalmazása kevésbé hatékony. A modellbázisú algoritmusok vizsgálata a technikai lehetőségek bővülésével egyre intenzívebb, az analízisben egyre nagyobb szerepet kap a vizsgált technológia modellje. A visszacsatoláson alapuló szabályozások alap problémája az, hogy a pillanatnyi beavatkozás hatása a kimeneten – különösen holtidős magasabb rendű rendszereknél- időben késleltetve jelentkezik. A kimenet kis változása nagyobb beavatkozásra késztet, ami végső soron instabilitáshoz is vezethet. Az objektum matematikai modellje lehetőséget ad egy beavatkozás, teljes jövőbeli hatásának becslésére, s az optimális beavatkozás meghatározására. Az MPC szabályozók a predikciós horizont felett egy optimális irányítási feladatot megoldva, meghatározzák a jövőbeli optimális diszkrét idejű beavatkozásokat. Az
első jövőbeli beavatkozást realizálják, s a számítást minden mintavételezési időnél elvégzik. Az MPC ipari alkalmazásának több mint két évtizedes múltja van, s terjednek azok a szoftverek is (pl. RMPCT), amelyek a tervezést nagymértékben segítik. Elsősorban többváltozós (MIMO) problémákra, PID körökre szuperponálva alkalmazható gazdaságosan. Egyszerű SISO problémákra az MPC teljesítőképessége a PID-éhez mérhető, a számítás igénye és installációs ára viszont lényegesen magasabb lehet. A legegyszerűbb modellbázisú tervezési módszerek egyike a közvetlen szintézis módszer. Ennek alapötlete az, hogy definiáljuk a zártköri dinamikát, s az objektum modelljének ismeretében visszaszámoljuk, hogy ennek biztosítására, mely szabályozó alkalmas. A tervezési alapegyenlet az alábbi:
GC =
1 GW G S 1 − GW
ahol G S a szabályozandó objektum átviteli függvénye, GW a zárt kör specifikált átviteli függvénye.
Egyszerűbb objektum modellek esetén nagyon gyakran PID variánst kapunk eredményként, amely bármely DCS rendszeren könnyen installálható [3]. Az akadémiai vizsgálatokban népszerű IMC (belső modell elvén alapuló) szabályozó lényege az objektum inverz modelljére épülő előrecsatolás, amelynél a modell hibájából adódó maradó szabályozási eltérést a szűrt modellhiba visszacsatolásával korrigáljuk (ld. 3. ábra). Az objektum modelljének függvényében itt is gyakran adódik klasszikus visszacsatolt struktúrába beírható PID algoritmus. alapjel
+
-
INVERZ MODELL
beavatkozó jel
OBJEKTUM
MODELL
SZŰRŐ
modell hiba
3. ábra Az IMC elve
szabályozott jellemző
-
+
A modell bázisú algoritmusok alkalmazásánál fontos szerepet játszik az irányítandó objektum adekvát modelljének elkészítése. A modellezéshez a legkülönbözőbb modell típusokból választhatunk. Leggyakrabban fekete doboz modellekkel dolgozunk, mint például a klasszikus bemenet-kimenet modell (Laplace- ill. z-transzformált tartományban átviteli függvény), vagy egyre gyakrabban állapottér modell, neurális hálózati modell, stb. Mindezek determinisztikus ill. sztochasztikus verziói mellett a fuzzy modellek alkalmazásával is egyre sűrűbben találkozunk. Az iparilag alkalmazott MPC algoritmusokban például leggyakrabban a kísérletileg könnyen meghatározható súly- ill. átmeneti függvényeken alapuló konvolúciós modelleket használják. Emiatt szakaszos rendszerekben az MPC nehezebben alkalmazható. Szakaszos rendszerek irányításához is jó keretet biztosít viszont az IMC struktúra, amelyben a legkülönbözőbb modell típusok is viszonylag könnyen realizálhatók. Neurális hálózati modell esetén például, még az invertálás nehézsége is megkerülhető, amennyiben az inverz modellt nem a modell invertálásával állítjuk elő, hanem azt, az inverz feladatra betanított neurális hálózati modell helyettesíti. A modell bázisú algoritmusokban a valóság és a modell eltérését, a modell hiba visszacsatolásával vehetjük figyelembe. Ezen algoritmusoknál is lehetőség van a már említett adaptív struktúrák alkalmazására. Sőt batch rendszereknél egy újabb lehetőség is kínálkozik a javításra. Azonos vagy hasonló receptúrák szerinti gyártásoknál, a megelőző gyártás(ok) tapasztalatai az új gyártásnál felhasználhatók (tanuló szabályozás). A szakaszos rendszerek irányításával szemben megkövetelt minőségi ígények egyre inkább megkövetelik a klasszikus PID-szabályozókon túlmutató modell bázisú algoritmusok alkalmazását, s ezzel párhuzamosan a folyamatirányító berendezések egyre inkább nyitottá válnak az ilyen algoritmusok installálására.
6. A rugalmas technológia irányítási rendszere A szakaszos rendszerek (pl. fűthető-hűthető autoklávok) irányításában hatékonyan használható un. PCC (Predictor Corrector Controller) algoritmusok fejlesztését a kilencvenes évek elején kezdtük el alapkutatási projektek finanszírozásában, az alkalmazások gyógyszergyári és műanyaggyári technológiákhoz kötődnek. Ez az algoritmus az IMC struktúrának egy olyan kibővítését jelenti, amelyben egy speciális, a fizikai korlátokat is figyelembe vevő, inverz képzést alkalmaztunk, s a modell hiba visszacsatolás által egy adaptációs készséget is beépítettünk. Jelenleg az algoritmusok három különböző generációja működik különböző rendszerekben: • 1. verzió: Az objektum (részletesebb) a priori modelljére épül, csak PC-s környezetben realizálható. • 2. verzió: Leegyszerűsített formában, DCS rendszerekben is realizálható. • 3. verzió: A tendencia modellen alapuló, PC-s és DCS környezetben, slave és master szinten egyaránt használható legújabb fejlesztésű algoritmusok. A PCC 3.0 szabályozó felépítését az 4. ábra szemlélteti. A lineáris dinamikából, nemlineáris stacioner összefüggésből és a fizikai korlátokból álló tendencia modellel modellezzük az irányítandó objektumot. A szabályozó korrektor része a valóság és a modell közötti eltérést határozza meg, a prediktor rész pedig a modell p-inverze [4], s ez határozza meg a szükséges beavatkozó jel értékét. Az inverz modell az aktuális kimenethez tartozó bemeneteket állítja elő, a p-inverz ugyanakkor azt jelenti, hogy egy specifikált jövő időbeli kimenethez határozzuk meg az aktuális bemenetet. A p-inverz használata biztosítja a PCC robosztus működését.
Modell Lineáris dinamika Nemlineáris stacioneritás Fizikai korlátok
PCC
w
Korrektor
y
Valóság és modell közötti eltérés minimalizálása
u
Prediktor
wmodell
P-inverz modell korlátokkal
beavatkozás
Fizikai objektum
mérés
4. ábra A PCC 3.0 struktúrája Lineáris dinamika alapjel
Alapjel predikció
+
Komlex beavatkozó jel
-
predikció
Tendencia modell
modell hiba
Nemlineáris stacioner
Beavatkozó jel számítás
Korlát
Objektum
Komplex beavatkozó jel
Holtidő
Mérés +
5. ábra A PCC algoritmus részei Egyszerűbb objektumoknál a tendencia modell formája gyakran az alábbi:
τ
dy + y = f (u (t − t h )) dt
ahol: u, y
az objektum bemenete és kimenete (beavatkozó jel, illetve szabályozott jellemző),
u ∈ [umin, umax]
a beavatkozó jel fizikai tartománya,
U(t)=f(...)
komplex bemenet, nemlineáris függvény,
τ
idő állandó (amely időben változhat).
A PCC algoritmus funkcionális elemeit és kapcsolatait a 6. ábrán szemléltetjük: Alapjel predikció: az alapjel jövőbeli értékeit becsli (a PCC predikciós jellegű szabályozó, az alapjel jövőbeli értékére épül). Tendencia modell: az aktuális komplex beavatkozó ( f(u(t)) ) ismeretében az y(t+th) jövőbeli kimenetet állítja elő. Holt idő:
az y(t+th) jelből az y(t) jelet állítja elő, többnyire másodfokú Padeapproximációt használunk.
Mérés:
a mérőműszer modellje, gyakran egy kis időállandójú elsőrendű szűrő.
Komplex beavatkozójel predikció: a tendencia modell p-inverze, amely az f(u(t)) komplex beavatkozó jelet állítja elő. Beavatkozójel számítása: az u(t)=f-1(U(t)) jel kiszámítása. Korlát:
a fizikailag realizálható u(t) ellenőrzése.
Komplex beavatkozó jel: a realizált u jellel az f(u(t)) számítása.
A PCC-algoritmusok szempontjából az irányítási struktúra a 6. ábrával szemléltethető. A legalsó szinten a közvetlen mérések és beavatkozások láthatók T0 (legkisebb) mintavételezési idővel. A közvetlenül mért jelekből, a megfelelő modell (részlet) ismeretében más jelek is kiszámíthatók. Például: egyensúlyi gőzhőmérséklet, jellemző köpeny hőmérséklet stb. Ezen a szinten, ha szükséges, folytatódhat a jelfeldolgozás. Például: az a priori modell alapján hihetőség vizsgálat vagy “közönséges” szűrés, stb. A slave szinten helyezkednek el, a különböző üzemmódoknak megfelelő, slave-köri algoritmusok. Ezek funkciója a master szintről érkező alapjelnek megfelelően a jellemző köpenyhőmérséklet tartása. A slave szintre szuperponálódik a master szint, amelynek eleme a master szintű PCCalgoritmus: HŐMÉRSÉKLET: a koordináló szintről érkező reaktor hőmérséklet alapjel függvényében számolja a slave-köri köpenyhőmérséklet alapjelet (s a köpeny üzem módnak megfelelő slave-köri algoritmus válik aktívvá). A master szintre épül az irányítás koordináló szintje, amelynek eleme a megfelelő alapműveleti algoritmus:
HŐMÉRSÉKLETI MANIPULÁCIÓ: gyors felfűtés melegvízzel vagy gőzzel, gyors lehűtés hidegvízzel vagy más hűtőfolyadékkal, vezetett alapjelű melegítés gőzzel vagy melegvízzel, vezetett alapjelű hűtés hidegvízzel vagy más hűtőfolyadékkal. FEED BATCH: rátáplálásos hőmérsékletszabályozás, amely lehetővé teszi a teljes hűtőkapacitás kihasználást. Ennél az üzemmódnál megfelelő biztonsági algoritmust is kifejlesztettünk. A szintek közötti kapcsolatok lényeges elve, hogy a slave szint felett a mintavételezési idő a slave-köri T0 egész számú többszöröse is lehet. Ez a megfelelő szinkronizálást igényli: mintavételezés (integrálás), tartószerv. Az irányítás fenti szintjei “mögé” képzelendő az irányított technológia a priori modellje, a konkrét rendszer adatbázisával (geometriai méretek, fázis töltetek, termodinamikai tulajdonságok, üzemeltetési adatok stb.) együtt. Ez biztosítja a megfelelő tervezési egyenletek konzisztenciáját és a megfelelő információátvitelt. Ez teszi lehetővé a teljes rendszer tesztelését, a megfelelő részekre való felbontáson, s az egyes részek tesztelésén keresztül. Az algoritmusok alapját képező tendencia modell paramétereinek meghatározása a technológia „vizes” próbáinak része, az identifikált tendencia modell az irányításon túlmenően a diagnosztikai rendszer megalapozását is lehetővé teszi. A modell lehet az alapja a gyártások közötti információátvitelnek is. Itt arról lehet szó, hogy a gyártás közben gyűjtött adatok alapján az irányítási algoritmus(ok) paraméterei újra számolhatók, s azok a következő gyártásban hasznosíthatók (tanuló szabályozás). VEZÉRLÉS
HŐMÉRSÉKLET MANUPULÁCIÓ
MODELL a priori PARAMÉTEREK
MASTER
1 2
HŐMÉRSÉKLET
FLEXIBILIS-T0 FIX-T0
INTEGRÁLÁS-MINTAVÉTELEZÉS
1 2
TARTÓSZERV
SLAVE (KÖPENY ÜZEMMÓD) GŐZ
1 2
FLUID
KÖZVETETT MÉRÉS+JELFELDOLGOZÁS KÖZVETLEN MÉRÉS
Mérőműszerek
Beavatkozók TECHNOLÓGIA
6.ábra Az irányítási struktúra. A PCC előnyei két ponton jelentkeznek: • pontosabb szabályozás, • lényegesen egyszerűbb behangolás.
Az újonnan kifejlesztett algoritmusokat széleskörű szimulációs és fizikai tesztekben ellenőriztük. A Folyamatmérnöki Tanszék laboratóriumában létrehozott 50 l-es reaktorrendszeren végzett kísérleteket illusztrálják a 7-8. ábrák. WT1
T1
WT2
T2
V1
V2
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
0 0
20
40
60
80
100
120
0 160
140
Time (min)
7. ábra Reaktor hőmérséklet szabályozás PID szabályozóval. WT1
T1
WT2
T2
V1
V2
100
100
90
90
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
0 0
20
40
60
80
100
120
Time (min)
8. ábra Reaktor hőmérséklet szabályozás PCC szabályozóval.
140
0 160
7. Köszönetnyilvánítás A munka az OM FKFP-0063/2000 és a VE-VIKKK I-7, II-1-B projektek támogatásával készült.
8. Irodalomjegyzék [1] Bonvin, D.: Optimal operation of batch reactors, J.Proc.Cont. 8, 355-368 (1998). [2] Filippi-Bossy, C. et.al.: Batch Reactor Optimization by use of Tendency Models. Comp. Chem. Eng. 13, 35-47 (1989). [3] Szeifert F., Nagy L., Chovan T.: PID és modell alapú szabályozó algoritmusok a DCS folyamatirányító rendszerekben, DCS-VII, Lillafüred, 2001. okt. [4] Henson, M.,A., Seborg, D.,E.: Nonlinear Process Control, Prentice Hall, London, 1997.
