Viiveellisen prosessimallin identifiointi häiriöisestä mittausdatasta ja PI-säädön mallipohjainen viritys

Abstract

Tämä kandidaatintyö tehtiin yhteistyössä Vipetec Oy:n kanssa. Työn tarkoituksena oli tutkia häiriöiden vaikutusta viiveellisen ensimmäisen kertaluvun mallin prosessidynamiikan kokeellisessa mallinnuksessa ja mallin hyödyntämistä PI-säätöpiirin virityksessä. Lähtökohtana oli tyypilliset teollisuusprosesseissa esiintyvät rajoitteet datan keräyksessä; mittaukset ovat usein häiriöisiä tai niistä saatu tieto on riittämätöntä mallin muodostamiseksi. Lisäksi haluttiin tietää, kuinka tiukaksi säätö voidaan virittää, kun häiriöt otetaan huomioon.

Työn tavoitteena oli tutkia teollisuudessa yleisesti käytetyn ensimmäisen kertaluvun prosessia. Erityisesti tarkasteltiin tilannetta, jossa prosessin viive on suuri sekä viive aikavakiota suurempi. Prosessista muodostettiin yksinkertainen ensimmäisen kertaluvun viiveellinen malli analysointia ja simulointia varten. Prosessimallin tunnistamiseen häiriöisestä mittausdatasta hyödynnettiin tangentti- sekä PNS-menetelmää. Mallin toimintaa simuloitiin Ziegler-Nicholsin, Cohen-Coon-, IAE- sekä SIMC-viritysmenetelmien avulla ja säädön suorituskykyä vertailtiin ideaalisen ja identifioidun mallin välillä. Säätöpiirin viritys rajattiin askelkokeen perusteella toteutettaviin viritysmenetelmiin.

Työn tuloksena saatiin tutkittua kohinan ja lineaarisesti kasvavan häiriön vaikutusta säädön lopputulokseen valituilla viritysmenetelmillä. Todettiin, että jo kohina aiheuttaa huomattavia erojen mallin dynamiikkaan. Lähes poikkeuksetta häiriöiden ottaminen huomioon aiheutti negatiivisia muutoksia säädön suorituskyvyssä. Kuitenkin säätöpiiri pysyi stabiilina jokaisella menetelmällä ja mallilla. IAE-menetelmää lukuun ottamatta identifioitujen mallien kuormitusvasteet olivat hitaampia kuin ideaalisessa mallissa. Vertailtavista menetelmistä SIMC-menetelmä tuotti parhaat tulokset toteuttaen tasaisimman askelvasteen ilman huomattavaa ylitystä ja Ziegler-Nicholsin menetelmä ei sopinut lainkaan käytetylle mallille.

This thesis was written in collaboration with Vipetec Ltd. The objective of this thesis was to study and analyze the effects of disturbance in creating a system model of a first order system with delay and the basics of model-based PI-control and tuning. The premise for data acquisition in the typical industrial processes typically include limitations; the measurements are often noisy, or the data acquired is insufficient for creating an accurate model of the process. In addition, the objective was to study how tight the controller can be tuned when the disturbance is taken into consideration.

The aim of this thesis was to study the first order process commonly used in industrial environments. A first order system with time delay greater than the time constant of the process was chosen for more in-depth analysis. With this basis a simple first order system model was created for analysis and simulation. The graphical fitting method and the method of least squares were used to identify the system model from the noisy measurement data. The dynamics of the system model were simulated using Ziegler-Nichols, Cohen-Coon, IAE- and SIMC methods for tuning the controller and a comparison between the ideal and identified models was conducted. The tuning of the control circuit was limited to open loop tuning methods.

As a result, the effects of noise and linearly increasing error on the performance of the control circuit was analyzed with the selected tuning methods. It was found out that even measurement noise can cause significant differences in the dynamics of the system model. Almost without exception, taking the disturbance into account causes negative effects on the control performance. However, the control circuit remained stable with every studied method and model. Apart from the IAE tuning method, the load responses of the identified models were slower than the ideal model. Of the compared methods, the SIMC method produced the best result in terms of balanced, robust control and Ziegler-Nichols method was not at all suitable for the system model used.