Malliprediktiivisen säätimen soveltaminen prosessin säätöön
Huhta, Petri (2022)
Huhta, Petri
2022
Tekniikan ja luonnontieteiden kandidaattiohjelma - Bachelor's Programme in Engineering and Natural Sciences
Tekniikan ja luonnontieteiden tiedekunta - Faculty of Engineering and Natural Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-05-02
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202204274003
https://urn.fi/URN:NBN:fi:tuni-202204274003
Tiivistelmä
Kehittyneet säätömenetelmät ja niistä erityisesti malliprediktiivinen säätö (MPC, Model predictive control) on noussut säätöinsinöörien suosioon mikroprosessoritekniikan kehityksen myötä. Prediktiivinen säätö on suosittu erityisesti prosessiteollisuudessa, jonka tarpeista se on saanut alkunsa 1970-luvulla. Tutkielman tarkoitus on selvittää, millaisen prosessin säätöön malliprediktiivinen säädin soveltuu, ottaen huomioon vertailukohtina myös muita yleisiä säätöstrategioita. Soveltuvuutta tarkastellaan säätimen ja säädettävän prosessin ominaisuuksien yhteensopivuuden kannalta.
Kirjallisuuskatsauksessa käytetään lähteinä kyselyitä, katsauksia, vertailututkimuksia sekä oppimateriaalia. Näiden avulla pyritään luomaan kuva siitä, millaisten prosessien säädössä malliprediktiivistä säädintä kannattaa harkita. Työssä käydään läpi MPC:n teoriaa siltä osin, kuin se on tarpeellista pohdinnan tueksi ja vertailujen sisällön selventämiseksi. Tämän jälkeen kerätään yhteen teorian pohjalta soveltamista puoltavia ja hankaloittavia tekijöitä. Lopuksi vertailututkimusten avulla pohditaan, aiempaan tekstiin nojaten, tutkimuskysymykseen vastauksia. Tutkielma on viimeisen osionsa sisällön osalta kevyt kirjallisuuskatsaus MPC:n sovelluksen vertailututkimuksiin.
Malliprediktiivinen säädin perustuu nimensä mukaisesti malliin ja sen avulla ennustamiseen. Mallin avulla voidaan optimointialgoritmilla ratkaista optimaaliset ohjausmuutokset, joilla säädettävät suureet saadaan niiden tavoiteltuihin arvoihin. Optimointialgoritmin käyttö mahdollistaa rajoitteiden ja painotusten määrittämisen säädettäville suureille ja ohjausmuuttujille. Muihin yleisiin kehittyneisiin säätömenetelmiin, kuten LQR:rään (Linear quadratic regulator) verrattuna, prediktiivinen säätö mahdollistaa ennustamisen, monenlaisen dynamiikan huomioinnin sekä mainitun kyvyn määrätä rajoitteita. Klassisen säädön menetelmiin verrattuna MPC:n selkein etu aiemmin mainittujen lisäksi on sen suoraviivainen sovellus monimuuttujasäätöön. Myös mitattavien häiriöiden mallinnus ja painotukset ovat selkeitä etuja, mikäli ne ovat hyödynnettävissä.
Suurimmat hankaluudet jotka rajoittavat malliprediktiivisen säädön käyttöä ovat sen monimutkaisuus klassisen säädön menetelmiin verrattuna, sekä epävarmuus sen vaatiman investoinnin kannattavuudesta. Suuri systeemi ja sen vasteen ennustaminen voivat kasvattaa optimoinnissa ratkaistavan kustannusfunktion kokoa huomattavasti. Tämä asettaa vaatimuksia käytettävälle laskentateholle, riippuen säädön nopeusvaatimuksista. Prosessin liiallinen poikkeavuus lineaarisen aikainvariantin systeemin oletuksista voi huomattavasti vähentää tai poistaa tavallisen lineaarisen malliprediktiivisen säätöstrategian tuomia aiemmin mainittuja etuja. Näissä tapauksissa vaihtoehtoiset malliprediktiiviset säädinrakenteet voivat kuitenkin olla toimiva ratkaisu.
Kirjallisuuskatsauksessa käytetään lähteinä kyselyitä, katsauksia, vertailututkimuksia sekä oppimateriaalia. Näiden avulla pyritään luomaan kuva siitä, millaisten prosessien säädössä malliprediktiivistä säädintä kannattaa harkita. Työssä käydään läpi MPC:n teoriaa siltä osin, kuin se on tarpeellista pohdinnan tueksi ja vertailujen sisällön selventämiseksi. Tämän jälkeen kerätään yhteen teorian pohjalta soveltamista puoltavia ja hankaloittavia tekijöitä. Lopuksi vertailututkimusten avulla pohditaan, aiempaan tekstiin nojaten, tutkimuskysymykseen vastauksia. Tutkielma on viimeisen osionsa sisällön osalta kevyt kirjallisuuskatsaus MPC:n sovelluksen vertailututkimuksiin.
Malliprediktiivinen säädin perustuu nimensä mukaisesti malliin ja sen avulla ennustamiseen. Mallin avulla voidaan optimointialgoritmilla ratkaista optimaaliset ohjausmuutokset, joilla säädettävät suureet saadaan niiden tavoiteltuihin arvoihin. Optimointialgoritmin käyttö mahdollistaa rajoitteiden ja painotusten määrittämisen säädettäville suureille ja ohjausmuuttujille. Muihin yleisiin kehittyneisiin säätömenetelmiin, kuten LQR:rään (Linear quadratic regulator) verrattuna, prediktiivinen säätö mahdollistaa ennustamisen, monenlaisen dynamiikan huomioinnin sekä mainitun kyvyn määrätä rajoitteita. Klassisen säädön menetelmiin verrattuna MPC:n selkein etu aiemmin mainittujen lisäksi on sen suoraviivainen sovellus monimuuttujasäätöön. Myös mitattavien häiriöiden mallinnus ja painotukset ovat selkeitä etuja, mikäli ne ovat hyödynnettävissä.
Suurimmat hankaluudet jotka rajoittavat malliprediktiivisen säädön käyttöä ovat sen monimutkaisuus klassisen säädön menetelmiin verrattuna, sekä epävarmuus sen vaatiman investoinnin kannattavuudesta. Suuri systeemi ja sen vasteen ennustaminen voivat kasvattaa optimoinnissa ratkaistavan kustannusfunktion kokoa huomattavasti. Tämä asettaa vaatimuksia käytettävälle laskentateholle, riippuen säädön nopeusvaatimuksista. Prosessin liiallinen poikkeavuus lineaarisen aikainvariantin systeemin oletuksista voi huomattavasti vähentää tai poistaa tavallisen lineaarisen malliprediktiivisen säätöstrategian tuomia aiemmin mainittuja etuja. Näissä tapauksissa vaihtoehtoiset malliprediktiiviset säädinrakenteet voivat kuitenkin olla toimiva ratkaisu.
Kokoelmat
- Kandidaatintutkielmat [8798]