Band 57, Heft 4

Zusammenfassung In diesem Aufsatz wird ein Kalman-Filter vorgestellt, das in seine Schätzung physikalische oder durch die Planung vorgegebene Nebenbedingungen einbezieht. Dabei wird das Augenmerk explizit auf die Nichtlinearitäten in den Gleichungen und die stochastischen Eigenschaften der Zufallsvariablen gerichtet. Zugrunde liegen die gewonnenen Erkenntnisse aus dem Sigma-Punkt-Kalman-Filter, bei dem zur Linearisierung die deterministisch gewählten Sigma-Punkte durch nichtlineare Gleichungen transformiert werden. Es werden zwei Verfahren zur Berücksichtigung der Nebenbedingungen vorgestellt. Das eine Verfahren basiert auf der Verschiebung der Sigma-Punkte (heuristisches Verfahren), das andere auf der Projektion in den durch Nebenbedingungen aufgespannten Unterraum (analytisches Verfahren).

Zusammenfassung Bei der Prozessführung verfahrenstechnischer Anlagen kommt es immer wieder vor, dass ein Regler aufgrund von Änderungen der Streckendynamik neu eingestellt werden muss. Eine Öffnung des Regelkreises ist dabei jedoch oft nicht erwünscht. Um modellbasiert vorgehen zu können, wird im vorliegenden Beitrag eine Toolbox für den Einsatz der Closed-Loop Identifikation in der Praxis entwickelt. Dabei werden die in der Literatur vorliegenden theoretischen Grundlagen der Closed-Loop Identifikation diskutiert, die Struktur einer praxistauglichen Toolbox beschrieben und die erfolgreiche Anwendung an einem realen Prozess gezeigt. Schließlich werden offene Fragestellungen für weitergehende Entwicklungen thematisiert.

Modelica is a powerful and flexible instrument for component-wise dynamic system modeling. Unfortunately, until now it does not provide many structures to integrate advanced control methods. This article presents a Modelica library for model-based predictive controllers with linear process models, which offers the use of several model representations in the controller for predicting the future plant outputs. As well, the controller is capable of constraints and disturbance handling. A controller block can be included easily into any Modelica model and is parameterized intuitively. The library avoids the coupling of Modelica to other software products.Thus, a contribution is made towards an integrated control system design in Modelica.

Zusammenfassung Die S imulated M oving B ed (SMB) Technologie ist ein bedeutender Trennprozess in der Verfahrenstechnik. Chromatographische Säulen werden zu einem Ring verschaltet und die Zu- und Abflüsse zyklisch so verändert, dass eine kontinuierliche Trennung eines binären Stoffgemisches möglich ist. Der Prozess reagiert empfindlich gegenüber Parameterunsicherheiten und Störungen in den Volumenströmen. Aus diesem Grund wird ein adaptiver Regler vorgeschlagen, welcher für die gewünschten Abzugsreinheiten die notwendigen Stellgrößen automatisch ermittelt. Dieser Regler basiert auf einem einfachen Modell für die Bewegung der Fußpunkte der Konzentrationsfronten und ist wegen seiner relativ einfachen Struktur speziell für den industriellen Einsatz geeignet.

Zusammenfassung Die Bandplanheit stellt eines der wichtigsten Qualitätsmerkmale der gewalzten Erzeugnisse (Grobblech, Band und Folie), die in vielen Industriezweigen wie der Auto-mobil-, Bau-, Haushalts- und Verpackungsindustrie benötigt werden, dar. Beim betrachteten Walzprozess handelt es sich um ein totzeitbehaftetes und zum Teil stark gestörtes Mehrgrößensystem, was eine geeignete Regelungsstrategie erfordert. Dieser Beitrag berichtet erstmalig über die Entwurfsmethodik und Betriebsergebnisse beim Einsatz einer Internal-Model-Control(IMC)-Strategie zur Regelung der Bandplanheit in einer Kaltwalztandemstraße auf einem industriellen Prozessleitsystem. Eine orthogonale Polynomzerlegung des Planheitsfehlerprofils führt zu einer Dimensionsreduzierung und einer Entkopplung des Mehrgrößensystems. Störgrößenaufschaltungen sorgen für eine frühzeitige Kompensation der Wirkung von Störgrößen (Einlaufprofil- und Walzkraftschwankungen) in den vorderen Walzgerüsten. Die Anpassung der Reglerparameter an die sich verändernden Band- und Anlageneigenschaften erfolgt durch Gain-Scheduling.