智能计算机控制系统技术方案

一种进行技术或生物处理的设备中的智能计算机控制系统，所述设备例如是生产商品或能量的设备、通信设备等，根据输入的已有知识设计该计算机控制系统并根据在这些设备中发生的处理结果自动判定处理过程的当前状态，并发出合适的计算机生成指令，以达到处理的目的，所述处理例如有连续制造过程，工作过程等。（*该技术在2016年保护过期，可自由使用*）

Intelligent computer control system

An intelligent computer technology or biological treatment equipment in the control system, the production of goods or equipment such as energy equipment, communications equipment, based on existing knowledge input design of the computer control system according to the processing occurs in these devices to automatically determine the current state of the process, and a computer generated instruction appropriate, to reach the purpose of processing, the processing such as a continuous manufacturing process, work process etc..

【技术实现步骤摘要】

本专利技术涉及进行技术或生物处理的设备中的智能计算机控制系统，这些设备例如是用于生产商品或能量的生产设备，通信设备等。该计算机控制系统是根据已有知识设计的，根据在这些设备中发生的处理结果自动判定处理过程的当前状态，并发出合适的计算机生成指令以达到处理的目的。其中，所述处理例如有连续制造过程，工艺过程等。在工业设备中，例如生产物品或能量的设备，通信设备等，一直需求一种能够可靠地、低成本地进行尽可能优化、自动、智能控制的控制系统。其中还要求该控制系统进化式自我改善。本专利技术的目的在于提供一种控制系统，它能作为智能系统以一种形式满足上述需求，这种形式能使应用计算技术直接用于不同种类的设备。特别应对那些由常规的控制或计算技术不能很好地控制的分过程在考虑到反馈作用时进行优化，以便能借助于预先可调的、简单的调整装置或者通过简单的过程技术措施获得成本适宜的过程控制。本专利技术的目的由权利要求1所述的措施得以实现。而从属权利要求包含该解决方案的有利的改进。在现有技术中已知使用所谓的智能组件的控制系统的方案。例如，在WO93/08515中公开了一种用于技术过程的控制或调节装置，它使用以知识为基础的控制规则处理选择的过程状态。在该设备中对其余的过程状态的控制或调节参数的建立借助于一个连续数学函数实现，它联结以知识为基础的控制规则，并且类似一个非线性插值为所有过程状态产生控制规则。在获得更好的过程结果方面，这种已知的设备并不能自动处理。它还不能离开操作人员的智能，也没有配备自我进化的智能组件。“专家系统MODI”一文(“发电站的经济和安全运行”，ABB技术，6/7期，1994，第38-46页)中进一步公开了一个专家系统，它通过比较特性特征与一个数学参考模型来监视发电站过程的状态，并且在偏离正常行为时分析其原因。这一专家系统的设备方面的观点方法允许作为整体对过程进行描述，然而该专家系统不能实现自动的，自优化的过程控制。在“国际冶炼工厂和技术”杂志，1994年第5期，52-58页的文章“连续铸造中最大可用性的过程优化”中进一步叙述了一个计算机控制系统，其借助于模型使钢的连续浇铸自动化并监视产品质量。该系统借助于图像显示亦即通过一个人机接口来实现。在该控制系统中同样未配备智能自动过程控制。在EP0411962A2中描述的控制系统也以类似方式工作，它是特别为钢带浇铸开发的。这里设备的试运行也是专家知识的基础，它以极限曲线的形式使用。在该系统中没有进行连续的、或者逐步的自动计算技术优化。上述以智能组件工作的系统达不到本专利技术的解决方案的质量，也丝毫未说明如何满足文件开始时提到的需求。对于一般的能令人接受的过程及设备控制系统，重要的是其可靠工作。因此，按照本专利技术的控制系统具有一个补充计算技术智能部分的基本功能系统，它把由使用计算技术获得的知识产生的指令转化为一个可靠的过程控制或者设备功能。基本功能系统被优选设计为一个能使设备组件单个或者组合可靠工作的子系统，例如根据流量调节条件，输入参数极限值等条件建立该子系统。由此可达到物品和能量生产设备所必需的运行安全和以高可用性系统为形式的驱动系统的安全范围。在智能计算技术出现系统故障或功能错误时，即使在子优化基础上也能保证可靠的设备功能。为了在单一的智能控制系统出现故障或者功能错误时转入一个可靠的状态，能保证该设备或者过程的可靠状态的子系统调用可靠确认的或者可靠计算出的操作数值，过程曲线等，这些数值极为有利地以表的形式单独存储。这对于可能处于危险状态下的设备尤为重要(爆炸危险，自损坏危险)。基本功能系统优选具有启动和加快子例程，这些子例程可以手动或自动输入，该系统特别具有操作子例程，其中单个的，一般以计算技术得出的指令由恒定的预定参数代替。恒定的预定参数可以是恒定的材料质量，材料的恒定流量速度，恒定冷却介质数量等等，使得特别在一个设备的投入运行阶段首先可以搁置建立模型的绝大部分工作。这在关于设备的知识尚未完全掌握，例如在材料发生相变和由于高过程温度(在钢凝固或者在一个高温燃料室的内部的过程期间)而未设有任何用于对这一设备部分特定的过程行为给出解答的传感器的设备部分，或者在对神经元网络尚未积累任何训练数据时特别有利。在该系统中，直到存在有详细的过程知识之前可以完全地或者部分地用预定参数或者有限制的修改预定参数进行工作。在实施该控制系统部分的设计时，根据一个过程模型复制该过程。这一复制特别由模块构成，并描述过程输入参数以及调节参数和过程输出参数之间的行为，亦即所生产的产品的数量和质量的特征值之间的行为。这种说明该过程的、为简化建立和优化而以模块方式构成的模型的主要优点是(除了能根据模型中参数等的适配进行过程控制外)能不断适配和优化而不必进入该过程。这里极为有利的是可以使用所有常见的适配和优化方法。此外，非常有利的是，通过模型还可以计算给出该设备的关键性行为分析的边界状态。该过程模型优选尽可能保持数学描述形式。它能够准确地明确地预测过程行为。对于只能用语言学表述形式描述过程知识的的设备部分，优选使用语言学表述的模型部分，如模糊系统、神经模糊系统、专家系统或者也可以使用表格。这样，也可建立物理上不可描述的过程部分的模型，其中所考虑的过程相对容易理解并且是可求值的。对于不了解或者几乎不了解的分过程，最好使用一个能够学习的神经元网络作为模型部分，这里学习能力也包括神经元网络的建立。因为该模型的这一部分(其内部功能尚不清楚)只占总模型的很小部分，所以完全由功能造成的设备知识的缺乏是可以接受的。优选使用简单的正反馈网络作为神经元网络，它通过后向传播(Back Propagation)进行改进。为了通过改进的模型进行优化，除其它优化策略外特别使用遗传学算法。在这种算法中可确实找到可达到的最优值或者另一个非常好的子优化极值的可能性很高。使用遗传学算法等的计算策略的适用性在这里可特别通过一个神经元网络验证，它算出在一个全局优化的方向上的现行值。由于与此相连的较大的计算量，最好脱机实现这一优化。脱机计算对于模型的参数适配也是值得推荐的，但不适于用快速动态过程描述设备部分的模型部分。优化过程的起始值和适配过程同样是根据过程数据存储器中存储的操作数据得出的，它的优点是可以加速该过程。在优化过程中，例如当优化结果不满意时，也可以优选用完全新的起始值重新开始。这样避免了优化过程仅在全局优化的邻近区域进行。它特别适用于模型结构不肯定的场合，这时适宜使用修改的模型和新的起始值重新执行优化。该优化在一个为此规定的计算单元(优化器)中执行。在本专利技术的改进设计方案中，由优化器根据过程模型脱机确定的可调节的过程参数作为预定参数值被提供给该过程的基本功能系统，并由该系统根据预定值预调该过程，其中各过程参数是这样确定的，使由模型构成的产品的特征值尽量与预定的期望值一致。这样除同时可以进行另一优化外还得到一个可靠的过程控制。在本专利技术的改进设计方案中，利用在生产中在内部计算技术例如在不同的操作点获得的知识在过程中不断改进已有知识，并且该生成的过程知识存入一个特别能自动更新的数据存储器中。通过这种优选方式，可以不断扩充关于设备及其行为的已有知识。在控制系统智能部分发生故障等情况下，直接从过程数据库中的数据产生的基本功能系统的预定参数值本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：汉尼斯·舒尔策·霍恩，于尔根·阿达米，
申请(专利权)人：西门子公司，
类型：发明
国别省市：