为了过程控制，在调节装置中由过程输出量的测量值来计算对过程起作用的多个调节机构的调节量。为了优化通过调节装置（７）的过程调节，在一神经网络（１０）中学习调节机构性能（Ｗ↓［１１］，…，Ｗ↓［ｎｍ］），该性能对每个调解机构描述输出量变化（ｄｙ↓［１］，…，ｄｙ↓［ｍ］）与调节量变化（ｄｕ↓［１］，…，ｄｕ↓［ｎ］）的关系，并将该性能输入到调节装置（７），用于改善调节量（ｕ↓［１］，…，ｕ↓［ｎ］）的计算。（*该技术在2015年保护过期，可自由使用*）
Process control method and apparatus
In order to process control, the amount of adjustment of a plurality of regulating mechanisms that act on the process is calculated by measuring the amount of process output in the adjustment device. In order to optimize the adjustment device (7) through the process of adjustment, in a neural network (10) in the regulation of learning mechanism performance (W: 11,... Here, W or nm), the output changes of each performance description mediation mechanism (Dy: 1,... Here, Dy m (DU) and adjust the amount of change: 1,... Here, Du or n) relationship, and the performance of the input to the control device (7), to improve regulation (U: 1,... Here, u or n) calculation.
【技术实现步骤摘要】
本专利技术涉及一种过程控制方法，其中在一个调节装置中由过程输出量的测量值来计算对过程起作用的多个调节机构的调节量。本专利技术还涉及相应的一种设备。这样一种方法及这样一种设备也是一项老国际申请PCT/DE94/00028的主题，该老申请在本申请的优先权日之前尚未公开。在过程控制时通常设有多个调节机构，以便影响过程的确定输出量。在这种情况下将根据控制量计算调节装置中各调节机构的调节量，过程的输出量应取得该控制量的值。对于这样一种过程控制的例子是在轧制设备中的轧带平直度，其中对轧缝的影响并由此对轧带平直度的影响是根据在被轧制带的宽度上分布的带平直度的测量值和此外通过轧辊的摇摆、弯曲、轴向位移和或局部冷却来实现的。对于过程输出量的良好调节具有很大重要性的是提供关于调节机构性能的调节装置的参数，也就是关于各个调节机构如何对输出量起作用的参数。这里，存在一个问题，即在工业设备中往往提供不出或提供不足有关调节机构的参数。通常知道的是，在轧制金属带时，带的平直度通过同时操作多个改变轧缝的调节机构而被改善。由日立杂志(Hitachi Review)41(1992)1，第31至38页此外公知了，在轧制机架中为了带平直度的调节对于轧制机架的每个调节机构分别配置了带平直度的典型样品截面，由它并根据关于轧制过程的经验知识可知道，通过操作相应的调节机构可加以改善。在轧制机架的后面，测量带平直度的实际截面，并将这样得到的测量值送到一个神经网络，该网络作为网络响应将给出所测量的带平直度截面是由各个样品截面以怎样的比例组成的。将这样得到的比例在模糊调节器中与调节机械的调节信号相结合。该公知方法在极大程度上是基于轧制人员关于调节机构功能的经验知识，但是这对于优化过程控制来说是比较一般及不精确的。此外，在调节中所获得的经验知识是与相应的设备相连系的，而不能直接地转用于其它设备。本专利技术的目的在于给出一种用于过程控制的方法和设备，它能不依赖于现有的关于过程的经验知识而实现过程的最佳控制。本专利技术的目的将通过权利要求1中给出的方法及权利要求10中给出的设备来解决。根据本专利技术方法及设备的进一步有利设计由从属权利要求给出。利用根据本专利技术的方法及相应的装置，在过程常规控制时，根据过程运行期间测量的调节量及过程输出量的变化将自动地学习各个调节机构的调节机构性能，并为了改善调节量的计算而将调节机构性能输入到调节装置。并且不断地对正在由调节装置控制的那个调节机构的性能进行学习。如果调节装置仅是控制了调节机构的一部分，也只对该部分调节机构的性能进行学习。其余的调节机构性能将在所属调节机构投入应用时再学习。借助这样学习的调节机构性能，调节装置在其对调节量进行计算时受到支持，调节装置本身不会受到干预。根据本专利技术的方法也可应用在现有的设备上，其中在那里已有的调节装置仍以惯常的方式工作。对于各个调节机构性能的学习是在一个神经网络中根据在过程常规运行期间由调节装置执行的调节量的变化及由此产生的输出量变化来实现的。这样在过程工作点不变的情况下，过程输出量的变化与调节量的变化之间的函数关系在小信号区域可以被线性化，由此神经系统可仅具有一个输入层及一个输出层，并与此相应地有简单的结构。在该神经网络中对其输入侧输入的调节量变化dui将通过相应于待学习调节机构性能的网络参数wij并根据关系式dy~j=Σi=1nwij·dui]]>与网络响应相联系，及根据网络响应和输出量变化之间的偏差按照减小该偏差的原则改变网络参数wij。在神经网络中学习调节机构性能的学习过程可跟随过程工作点的慢速变化。此外为一个工作点所学习的调节机构性能，尤其在工作点快速或大的变化时，进行存储；当过程重新具有所存储的调节机构性能已被学习过的工作点时，这些调节机构性能将作为网络参数重新输入到神经网络。为了全面地考虑待学习的调节机构性能与过程的可变工作点之间的关系，最好在工作点可改变的工作区域中确定预定数目的工作支持点，其中对于每个工作支点使在神经网络输入侧输入的调节量变化分别用一加权系数加权，该加权系数是实际工作点和相应的工作点之间距离的量度。在神经网络中，然后该被加权系数Oa加权了的调节量变化Oa·dui将根据关系式dy~j=Σa=1sΣi=1nwaij·oa·dui]]>与网络响应 相联系，式中waij是神经网络可调节的网络参数，及Σa=1soa·waij=wij]]>是待学习的调节机构性能。为了使神经网络适配，将根据网络响应与过程输出量变化之间的偏差按照减小该偏差的原则改变网络参数waij。因为作为输入量输入到神经网络的调节量变化可能带有噪音，最好首先将其输入到一个滤波器中，以使得低于预定阈值的调节量变化被神经网络抑制。为了在学习调节机构性能时获得更好及更快的收敛，最好对于每个改变网络参数的学习步长分别考虑多个调节量、网络响应及输出量的数据组。以下将以一个轧制设备中带平直度调节的例子对本专利技术进行详细说明，附图中附图说明图1为根据本专利技术装置的一个实施例，它具有在轧制设备中调节带平直度的调节装置及用于学习调节机构性能的神经网络；图2为对于过程的一个工作点学习调节机构性能所使用的神经网络例；图3为在使用多个数据组的情况下学习调节机构性能的一个例子；图4为对于变化的工作点学习调节机构性能所使用的另一神经网络例；图5为用于说明在图4的神经网络中确定与调节机构性能学习相关的加权系数的示意图。图1表示本专利技术设备的一个例子，它用于过程控制，这里用于在一个轧制设备中轧带1的平直度调节。轧制设备可具有多个轧制机架，这里描绘了其中在带1的行进方向上的最后机架2；它设有支承轧辊3，中间轧辊4和工作轧辊5。轧辊3，4及5和公知的且因此本身未被描绘出的用于调节、摇摆、弯曲及移动轧辊以及冷却预定轧辊区域的装置一起构成用于影响带平直度的各种调节机构。在轧制机架2的后面设置了平直度测量装置6，它连续地以归纳为一矢量y并在带宽度上分布的平直度参数y1，...，ym的形式测量<p>实施例28按与实施例22相同的方式制备瓶子，不同之处为用聚酯代替聚酯。按前面所述的方式评价瓶子。结果列于表5。实施例29按与实施例22相同的方式制备瓶子，不同之处为用聚酯代替聚酯，预制品的层厚0.9毫米，层厚5.1毫米。按前面所述的方式评价瓶子。结果列于表5。比较例8按与实施例22相同的方式制备瓶子，不同之处为仅用聚酯，而不用聚酯制备预制品，层厚6毫米。按前面所述的方式评价瓶子。结果列于表5。表5 </tables>表 应当指出，当加拿大专利申请书2121017的组合物和本专利技术的组合物用0.01％酞菁铜绿色颜料(如BASF公司出售的，商品名“Bayanil”和“Levanil green”)着色时，得到如上报导的相同结果。图4表示能满足该要求的神经网络10的一个例子。该神经网络具有一个输入层次，它设有n个用于每个调节量变化dui的输入单元15及k个用于每个工作点参数b1的另外输入单元16。输入单元15起滤波器的作用，它们抑本文档来自技高网...
【技术保护点】
一种过程控制方法，其中在调节装置（７）中由过程输出量的测量值（ｙ↓［ｊ］）来计算对过程起作用的多个调节机构的调节量（ｕ↓［ｉ］），其特征在于：在一个神经网络（１０）中学习调节机构性能（ｗ↓［ｉｊ］），对于每个调节机构，该性能描述输出量变化（ｄｙ↓［ｊ］）与调节量变化（ｄｕ↓［ｉ］）的关系；及将学习的调节机构性能（ｗ↓［ｉｊ］）输入到调节装置（７），以改善调节量（ｕ↓［ｉ］）的计算。
【技术特征摘要】
【专利技术属性】
技术研发人员：袁浩，安德烈伯格斯，
申请(专利权)人：西门子公司，
类型：发明
国别省市：DE[德国]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。