Paperikoneen FOTD- ja SOTD-mallien identifiointi MLBS-herätteellä
Arasalo, Lauri (2022)
2022
Automaatiotekniikan DI-ohjelma - Master's Programme in Automation Engineering
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
2022-12-12
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202211248634
https://urn.fi/URN:NBN:fi:tuni-202211248634
Tiivistelmä
Paperikoneet ovat monimutkaisia prosessiteollisuuden järjestelmiä, jotka koostuvat useista osaprosesseista. Paperikoneita säädetään tyypillisesti malliprediktiivisillä monimuuttujasäätimillä, jotka hyödyntävät toiminnassaan prosessisuureiden välisiä vuorovaikutuksia kuvaavia malleja, joilla prosessin käyttäytymistä säätimen ehdottamiin ohjauksiin voidaan ennustaa. Säätimen prosessimalleina toimivat matalan kertaluvun siirtofunktiomallit, jotka identifioidaan tyypillisesti aikatason mittausdatasta askelvastekokeilla. Monista häiriöistä ja prosessisuureiden välisistä vuorovaikutuksista johtuen tarkkojen mallien löytäminen voi olla hyvin haastavaa, ja tämä motivoi löytämään parempia tapoja prosessimallien identifioimiseksi.
Tässä työssä esitellään menetelmä ensimmäisen ja toisen kertaluvun viiveellisten siirtofunktiomallien parametrien identifiointiin hyödyntämällä prosessin taajuusvastetta. Tutkittavan prosessin taajuusvaste estimoidaan hyödyntämällä laajakaistaista MLBS-herätesignaalia (engl. Maximum Length Binary Sequence), ja estimoitua taajuusvastetta hyödynnetään lineaaristen FOTD- (engl. First Order Time Delay) ja SOTD-mallien (engl. Second Order Time Delay) parametrien identifioinnissa. Työssä perehdytään tarkemmin MLBS-herätteen ominaisuuksiin sekä siihen, miten heräte tulisi generoida prosessille, jotta mallien parametrit saadaan identifioitua. Tutkimusta varten tehtiin algoritmi, jolla FOTD- ja SOTD-mallien parametrit saadaan identifioida tarkasti taajuusvastedatasta ratkaisemalla minimointitehtävän.
Työssä perehdyttiin tarkemmin kolmeen erilaiseen identifiointiongelmaan, jossa tutkittava järjestelmä on häiriötön ja lineaarinen, häiriöllinen ja lineaarinen tai häiriöllinen ja epälineaarinen. Identifiointiongelmia tutkitaan kattavasti tietokonesimuloinneilla.
Työssä onnistuttiin identifioimaan matalan kertaluvun prosessimallit kaikista työssä esitellyistä tapauksista. Työssä löydettiin säännönmukaisuuksia, joiden perusteella MLBS-herätesignaalin valintaa voidaan helpottaa. Työssä havaittiin, että prosessin aikavakio on tärkein parametri taajuusvasteen estimoinnissa, ja DC-vahvistus on tärkein parametri malliparametrien identifioinnissa. Työssä huomattiin, että matalataajuiset häiriöt ovat kaikkein haitallisimpia taajuusvasteen estimoinnissa, sillä tällöin arvio prosessin DC-vahvistuksesta huonontuu. Vaikka MLBS-heräte soveltuukin pääsääntöisesti lineaarisille järjestelmille, voidaan sitä käyttää myös epälineaaristen prosessien lineaaristen malliapproksimaatioiden taajuusvasteen estimointiin.
Tässä työssä esitellään menetelmä ensimmäisen ja toisen kertaluvun viiveellisten siirtofunktiomallien parametrien identifiointiin hyödyntämällä prosessin taajuusvastetta. Tutkittavan prosessin taajuusvaste estimoidaan hyödyntämällä laajakaistaista MLBS-herätesignaalia (engl. Maximum Length Binary Sequence), ja estimoitua taajuusvastetta hyödynnetään lineaaristen FOTD- (engl. First Order Time Delay) ja SOTD-mallien (engl. Second Order Time Delay) parametrien identifioinnissa. Työssä perehdytään tarkemmin MLBS-herätteen ominaisuuksiin sekä siihen, miten heräte tulisi generoida prosessille, jotta mallien parametrit saadaan identifioitua. Tutkimusta varten tehtiin algoritmi, jolla FOTD- ja SOTD-mallien parametrit saadaan identifioida tarkasti taajuusvastedatasta ratkaisemalla minimointitehtävän.
Työssä perehdyttiin tarkemmin kolmeen erilaiseen identifiointiongelmaan, jossa tutkittava järjestelmä on häiriötön ja lineaarinen, häiriöllinen ja lineaarinen tai häiriöllinen ja epälineaarinen. Identifiointiongelmia tutkitaan kattavasti tietokonesimuloinneilla.
Työssä onnistuttiin identifioimaan matalan kertaluvun prosessimallit kaikista työssä esitellyistä tapauksista. Työssä löydettiin säännönmukaisuuksia, joiden perusteella MLBS-herätesignaalin valintaa voidaan helpottaa. Työssä havaittiin, että prosessin aikavakio on tärkein parametri taajuusvasteen estimoinnissa, ja DC-vahvistus on tärkein parametri malliparametrien identifioinnissa. Työssä huomattiin, että matalataajuiset häiriöt ovat kaikkein haitallisimpia taajuusvasteen estimoinnissa, sillä tällöin arvio prosessin DC-vahvistuksesta huonontuu. Vaikka MLBS-heräte soveltuukin pääsääntöisesti lineaarisille järjestelmille, voidaan sitä käyttää myös epälineaaristen prosessien lineaaristen malliapproksimaatioiden taajuusvasteen estimointiin.