Home | english  | Impressum | Datenschutz | Sitemap | KIT

Modellbasierte Prädiktivregelung (MPR)

Modellbasierte Prädiktivregelung (MPR)
Typ: Vorlesung
Semester: SS19
Zeit/Ort:

Freitag, HSI-Hörsaal
08:00 - 09:30 Uhr

Rechnerübung: 3 Termine,
jeweils Montags 14:00 - 17:00 im
Raum 204 des IRS

Beginn: Freitag, 03.05.2019
Dozent:

Dr.-Ing. Daniel Labisch

SWS: 2
ECTS: 3
LVNr.: 2303188
Prüfung: Mündlich

Dozenten

Überblick

Terminplan Link zum Terminplan

Voraussetzungen

  • Lineare Algebra
  • Grundlagen der Regelungstechnik
  • Systemdynamik im Zustandsraum
  • Zeitdiskrete Darstellungen

Lehrinhalt

Einführung

  • Anforderungen an moderne Automatisierungssysteme - wirtschaftliches Umfeld
  • Standardmäßige dezentrale PID-Regelung - Möglichkeiten und Grenzen
  • Advanced Control Verfahren in Prozessleitsystemen [GMA FA 6.22]

Architektur moderner Prozessleitsysteme

  • Dezentrale Struktur Peripherie, AS, OS
  • Horizontale und vertikale Durchgängigkeit, Offenheit
  • Zentrales Engineering

Praxisteil PCS7

  • Simatic-Manager: Projektstruktur und Hardware-Konfiguration
  • CFC: Aufbau eines elementaren Regelkreises aus Prozesssimulation und PID-Regler
  • WinCC: Projektierung einer minimalen Umgebung
  • Parametrierung und Inbetriebnahme des Reglers

Grundlagen zur modellbasierten Prädiktivregelung (MPC)

  • Merkmale, Erfolgsfaktoren
  • Funktionsprinzip: Modellierung, Prädiktion, Optimierung, gleitender Horizont
  • Historie
  • Anwendungsbereich
  • Internal Model Control (IMC) als Regelsystemstruktur [Garcia/Morari]
  • Allgemeines Schema für Prädiktivregler [Bergold/Pfeiffer]

Mathematische Prozessmodelle und ihre Identifikation aus Messdaten

  • Lineare Modelle
  • Nichtlineare Modelle
  • Eigenschaften der Modelltypen, Eignung für MPC

Praxisteil Prozessidentifikation

  • Demo-Prozess Destillationskolonne
  • Prozesssimulation im CFC
  • Prozessanregung und Daten-Archivierung
  • Identifikation mit IncaModeler

MPC-Ansätze und Verfahren

  • Nomenklatur
  • MPC für lineare Prozessmodelle
  • MPC für nichtlineare Prozesse

Online-Optimierungsverfahren für MPC

  • Lineare Programmierung
  • Quadratische Programmierung

MPC-Realisierung und Implementierung

  • Verfügbare Software-Pakete
  • Integration in Prozessleitsysteme

MPC-Applikation, Projektabwicklung

  • Konzeptstudie
  • Installation
  • Anlagentest
  • Modellbildung
  • Reglerentwurf
  • Akzeptanztest
  • Routinebetrieb, Wartung und Gewährleistung

Anwendungsbeispiele

  • Destillationskolonne
  • Glas-Schmelzrinne
  • Polymerisations-Reaktor

Praxisteil Prädiktivregelung

  • INCA Konfiguration am Demo-Prozess Destillationskolonne
  • Ankopplung an PCS7
  • Inbetriebnahme und Betriebsartenumschaltung
  • Fein-Tuning, Priorisierung von Regelungs-Zielen
  • Test von Führungs- und Störverhalten

Literatur

R. Dittmar, B. M. Pfeiffer: Modellbasierte prädiktive Regelung
E.F. Camacho, C. Bordons: Model predictive control
Anmerkung Über die ILIAS-Plattform des SCC werden alle relevanten Inhalte gebündelt zur Verfügung gestellt.

Arbeitsbelastung

Präsenzzeit: 27 h

Selbststudium: 63 h

Ziel

Hörer der Vorlesung lernen die wesentlichen theoretischen Grundlagen der Modellbasierten Prädiktivregelung kennen und können anschließend deren Potential, Einsatzmöglichkeiten und -grenzen einschätzen.

 

Anhand von drei Praxisteilen am Rechner werden Erfahrungen im Umgang mit modernen Prozessleitsystemen (Bsp. SIMATIC PCS 7) sowie Standard-Software-Tools zum Entwurf von Prädiktivreglern erworben.

Mündliche Prüfung

Termine zur mündlichen Prüfung erhalten Sie im Sekretariat des IRS. Mögliche Termine im SS 2019 sind der 29.07.2019 und der 31.07.2019.  Die Note wird direkt nach der Prüfung bekannt gegeben