Zyklische Regelung von Mehrgrößenprozessoren

Zyklische Prozesse, also Prozesse an deren Ausgang sich in bestimmten Zeitintervallen identische oder ähnlich wiederholende Ausgangsverläufe einstellen, werden in jüngerer Zeit in verstärktem Maße als eigenständige Prozeßklasse wahrgenommen. Für die Regelung solcher Prozesse sind zyklische Regelungen, die im Gegensatz zu konventionellen Regelungsverfahren den Wiederholcharakter des Prozesses explizit ausnutzen, prädestiniert. Unter den zyklischen Regelungen hat sich die iterativ lernende Regelung als besonders geeignet erwiesen. Sie führt auf der Basis der in der Vergangenheit auf den Prozeß geschalteten Stellgrößen und den gemessenen Fehlerverläufen eine Anpassung der Stellgrößenverläufe durch. Am Beispiel eines typischen zyklischen Prozesses, dem wiederkehrenden Arbeitspunktwechsel in einem verfahrenstechnischen Mehrgrößenprozeß, werden verschiedene konventionelle Regelverfahren mit der entwickelten hauptstreckenbasierten iterativ lernenden Mehrgrößenregelung verglichen. Dabei ist das lernende Regelverfahren bezüglich der erreichten Regelgüte besser. Durch die Benutzung der Methoden des Hoo-Reglerentwurfs kann eine analytisch geschlossene Entwurfsprozedur für eine iterativ lernende Mehrgrößenregelung angegeben werden, dabei wird die lernende Regelung mit einer konventionellen Regelung kombiniert. Die Konvergenz der iterativ lernenden Regelung ist sichergestellt, da eine die Robustheit des Verfahrens erhöhende Tiefpaßfilterung in den Entwurfsprozeß mit integriert ist. Die iterativ lernende Regelung kann auch zum Entwurf einer konventionellen Regelung eingesetzt werden. Sinnvoll ist dies bei nichlinearen Prozessen, bei denen der Reglerentwurf auf linearen oder linearisierten Modellen basiert. Hier kann durch die Vorschaltung einer lernenden Identifikationsphase durch Entfaltung der Ausgangsund Stellgrößentrajektorien ein Sprungantwortmodell gewonnen werden, das zu besseren Regelergebnissen führt als ein Modell, das mit Hilfe herkömmlicher Identifikationsverfahren ermittelt wurde. Die Effizienz der optimierenden iterativ lernenden Regelung wird am Beispiel des Strangpressens von Aluminium gezeigt. Bei der Optimierung wird dabei auf ein direktes Suchverfahren, eine Modifikation des Nelder-Mead Verfahrens, zurückgegriffen, was die Implementierung einer Mehrgrößenregelung ermöglicht. Die entwickelten Verfahren werden an realen Anlagen appliziert. Dazu dient zum einen eine verfahrenstechnische Laboranlage und zum anderen für die optimierende iterativ lernende Regelung eine Aluminium-Strangpresse.