Termékváltás optimalizálás modell prediktív szabályozók segítségével

Szerzők

  • Dobos László Pannon Egyetem, Folyamatmérnöki intézeti Tanszék, Veszprém, Egyetem út 10.
  • Németh Sándor Pannon Egyetem, Folyamatmérnöki intézeti Tanszék, Veszprém, Egyetem út 10.
  • Abonyi János Pannon Egyetem, Folyamatmérnöki intézeti Tanszék, Veszprém, Egyetem út 10.

Kulcsszavak:

MPC, prediktív irányítás, polimerizációs technológiák, konvolúciós modell

Absztrakt

A szintetikus polimerek előállítása fontos részét képezi a vegyiparnak. Gyakori, hogy ugyanazt a folyamatot alkamazzák különböző termékek előállítására (különböző átlagos molekulatömeg, összetétel, stb). Különböző termékekhez kapcsolódó gyártási feltételek optimalizálása mellett azonban fontos, hogy a termékváltások közti ún. off-grade termékek mennyiségét minimalizálják. A termekváltás optimálása egy optimális irányítási feladatnak tekinthető. A széles körben alkalmazott eszközök és algoritmusok, amik optimális irányítási feladat megoldására irányulnak, közül a model prediktív szabályozókat (MPC) kiválasztva azoknak az alkalmazhatóságának vizsgálatára került sor. Az iparban az MPC megoldások alkalmazása egyre terjed, széles körben való alkalmazhatóságuk miatt. Az MPC-hez szükséges egy megfelelő modell, aminek segítségével a pillanatnyi beavatkozó jel hatása előrejelezhető, ami lehetővé teszi az optimalizálást. A polimerizációs reaktorok nem lineáris viselkedése főként termékváltásoknál jelenik meg, ezért pontos modell az egész terméksálára vonatkozóan nehezen készíthető. A fehér doboz modellek készítése megodást jelenthet a nemlináris viselkedés leírására, azonban a szükséges kinetikai paraméterek nehezen és költségesen hozzáférhetőek. Ezért adatgyűjtésen-identifikáláson alapuló fekete doboz modellek használata megoldást jelenthet, ahogyan ebben a tanulmányban is bemenetkimenet pontpárokon alapuló fekete doboz modellt alkalmazására került sor. A lejátszódó folyamat egy gyökös polimerizációs folyamat, aminek a terméke poli-metil metakrilát. A termék azobisz-izobutironitril iniciátor hatására toluol oldószeres környezetben keletkezik. A cél különböző polimetil-metakrilát termékekek előállítása. A termékek az átlagos molekultömegükkel jellemezhetőek, ami az iniciátor adagolásával befolyásolható. A tervezett model prediktív szabályozót összehasonlítottuk a széles körben alkalmazott PI szabályozóval a teljeítményük alapján, ami az ISE kritérium alapján számszerűsthető. A reaktor súlyfüggvényén és átmeneti függvényén alapuló konvulúciós modellt felhasználva készíthettünk egy dinamikus mátrix szabályozót (DMC). Az eredmények alapján, amit szintén az ISE kritérium mutat, belátható, hogy a DMC szabályozó jobb teljesítménnyel rendelkezik.

Információk a szerzőről

  • Abonyi János, Pannon Egyetem, Folyamatmérnöki intézeti Tanszék, Veszprém, Egyetem út 10.

    levelezőszerző
    abonyij@fmt.uni-pannon.hu

Hivatkozások

Abonyi, J., Bódizs, Á., L, Nagy, L., Szeifert, F. (2000): Hibrid fuzzy convolution model and its’ application in predective control. Chemical engineering research & design, 78(4), 597–604. https://doi.org/10.1205/026387600527536

BenAmor, S., Doyle, F. J., McFarlane, R. (2004): Polymer grade transition control using advanced real-time optimization software. In: Journal of Process Control, 14(4), 349–364. https://doi.org/10.1016/j.jprocont.2003.06.001

Camacho, E. F., Bordons, C. (1995): Model Predictive Control in the Process Industry. Springer : London

Maner, B. R., Doyle, F. J. (1997): Polymerization reactor control using autoregressive volterra-based MPC. In: AIChe Journal, 43(7), 1763–1784. https://doi.org/10.1002/aic.690430713

Marchetty, J. L., Mellchamp, D. A., Seborg D. E. (1983): Predictive Control Based on Discrete Convolution Models. In: Ind. Eng. Chem. Res. Dev., 22(3), 488–495. https://doi.org/10.1021/i200022a025

McAuley, K. B., MacGregor, J. F. (1991): On-line Inference of Polymer Properties in an Industrial Polyethylene Reactor. In: AIChe Journal, 37(6), 825–835. https://doi.org/10.1002/aic.690370605

Ricker, N. L. (1988): The Use of Biased Least – Squares Estimators for Parameters in Discrete – Time Pulse Response Model. In: Ind. Eng. Chem. Res., 27(2), 343–350. https://doi.org/10.1021/ie00074a023

Shridhar, R., Cooper, D. J. (1997): A Tuning Strategy for Unconstrained SISO Model Predictive Control, In: Ing. Eng. Chem. Res., 36(3), 729–746. https://doi.org/10.1021/ie9604280

Letöltések

Megjelent

2008-07-15

Hogyan kell idézni

Dobos, L., Németh, S., & Abonyi, J. (2008). Termékváltás optimalizálás modell prediktív szabályozók segítségével. Acta Agraria Kaposváriensis, 12(2), 25-38. https://journal.uni-mate.hu/index.php/aak/article/view/1909

Ugyanannak a szerző(k)nek a legtöbbet olvasott cikkei

1 2 > >>