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 Hűtő-fűtő rendszer Elvégezhető műveletek: reagáltatás szétválasztás: desztillálás, kristályosítás, extrahálás. Hűthető, fűthető, keverhető autókláv Termékek, gyűjtése, tárolása S88.01 fogalomrendszere: fizikai modell, folyamat modell, eljárás vezérlési modell. 1.ábra. Rugalmas gyártó rendszer sémája VVB1 VVB2 L01 L02 T10 T09 F03 T06 T07 CKV KEV CN01 P VKV Víz be T11 VAD1 VAD2 VRK T04 VELV Csatornába LS2 T01 P02 VREFL T03 P02 M Gőz T08 VGB M CV01 VSZ1 VSZ2 V VVA1 VVA2 V VAIR1 VAIR2 V Hideg víz VVB F01 T05 CV02 VRB VTER Meleg víz F02 LS1 T02 L L L VLE VKO SZIV Csatornába 2. ábra. A prototípus
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: G C 1 = G S GW 1 G W ahol G S a szabályozandó objektum átviteli függvénye, G W 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 szabályozott jellemző MODELL - + SZŰRŐ modell hiba 3. ábra Az IMC elve
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 w y u Korrektor Valóság és modell közötti eltérés minimalizálása PCC w modell Prediktor P-inverz modell korlátokkal mérés Fizikai objektum beavatkozás 4. ábra A PCC 3.0 struktúrája Lineáris dinamika Nemlineáris stacioner alapjel Alapjel predikció + - Komlex beavatkozó jel predikció Beavatkozó jel számítás Korlát Objektum modell hiba Tendencia modell Komplex beavatkozó jel Holtidő Mérés - + 5. ábra A PCC algoritmus részei Egyszerűbb objektumoknál a tendencia modell formája gyakran az alábbi: dy τ + y = f dt ( u( t )) t h
ahol: u, y az objektum bemenete és kimenete (beavatkozó jel, illetve szabályozott jellemző), u [u min, u max ] U(t)=f(...) τ a beavatkozó jel fizikai tartománya, komplex bemenet, nemlineáris függvény, 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: Mérés: az y(t+th) jelből az y(t) jelet állítja elő, többnyire másodfokú Padeapproximációt használunk. 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 T 0 (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 T 0 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 HŐMÉRSÉKLET 2 1 2 1 FLEXIBILIS-T0 INTEGRÁLÁS-MINTAVÉTELEZÉS TARTÓSZERV FIX-T 0 SLAVE (KÖPENY ÜZEMMÓD) GŐZ FLUID 2 1 KÖZVETETT MÉRÉS+JELFELDOLGOZÁS KÖZVETLEN MÉRÉS Mérőműszerek TECHNOLÓGIA Beavatkozók A PCC előnyei két ponton jelentkeznek: pontosabb szabályozás, lényegesen egyszerűbb behangolás. 6.ábra Az irányítási struktúra.
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 90 80 70 60 50 40 30 20 10 0 0 20 40 60 80 100 120 140 160 Time (min) 100 90 80 70 60 50 40 30 20 10 0 7. ábra Reaktor hőmérséklet szabályozás PID szabályozóval. WT1 T1 WT2 T2 V1 V2 100 90 80 70 60 50 40 30 20 10 0 0 20 40 60 80 100 120 140 160 Time (min) 100 90 80 70 60 50 40 30 20 10 0 8. ábra Reaktor hőmérséklet szabályozás PCC szabályozóval.
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.