Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Erstprüfer: Prof.Dr.-Ing. Lothar Billmann
Zweitprüfer: Prof. Dr. Matthias Deegener
Betreuer (i.p.a.s.-systeme): Sebastian Räuber
Bachelorarbeit
„Vergleich des adaptiven Software-Reglers „ADAPCTL“ mit dem
Software-Regler „Profit-Loop“ der Firma Honeywell auf Basis des
Prozessleitsystems Experion PKS“
absolviert bei:
i.p.a.s.-systeme
An der Landwehr 6
60437 Frankfurt am Main
Hochschule:
Fachhochschule Frankfurt am Main
University of Applied Sciences
Nibelungenplatz 1
60318 Frankfurt am Main
vorgelegt von:
Stipo Kovač
Fachbereich 2 – Ingenieur-Informatik
Prüfzeit:
Wintersemester 2011/12
Abgabedatum:
02. Januar 2012
Eidesstattliche Erklärung I
Eidesstattliche Erklärung
Ich, Stipo Kovač, versichere eidesstattlich, dass die vorliegende Arbeit mit
dem Titel
„Vergleich des adaptiven Software-Reglers „ADAPCTL“ mit dem Software-
Regler „Profit-Loop“ der Firma Honeywell auf Basis des Prozessleitsystems
Experion PKS“
von mir selbständig, ohne Hilfe Dritter und ausschließlich unter Verwendung
der angegebenen Quellen angefertigt wurde. Alle Stellen, die wörtlich oder
sinngemäß aus Veröffentlichungen entnommen sind, habe ich als solche
kenntlich gemacht.
Die Arbeit wurde bisher in gleicher oder ähnlicher Form, auch nicht in Teilen,
keiner anderen Prüfungsbehörde vorgelegt und auch nicht veröffentlicht.
Frankfurt am Main, 28. Dezember 2011
Stipo Kovač
Danksagung II
Danksagung
Bei dieser Gelegenheit möchte ich mich herzlich bedanken bei
Bernhard Wurm für die Möglichkeit, die Bachelorarbeit in seiner Firma
durchzuführen,
Sebastian Räuber für die Betreuung in der Firma und seiner Hilfe bei
Problemen mit der Software,
dem gesamten Team von i.p.a.s.-systeme für die herzliche Aufnahme,
Prof. Dr.-Ing. Lothar Billmann für die Betreuung seitens der
Fachhochschule während des Praktikums und der Bachelorarbeit,
Prof. Dr. Matthias Deegener für die Betreuung als Korreferent,
meiner Familie und Freunden, speziell Aleksandar Lukić, die mich
während meines Studiums stets unterstützt haben.
Inhaltsverzeichnis III
1. Einleitung ................................................................................................. 6
1.1. Hintergrund ....................................................................................... 6
1.2. Zielsetzung ....................................................................................... 6
1.3. Vorgehen .......................................................................................... 7
2. Theoretische Grundlagen ........................................................................ 8
2.1. Vorteile der adaptiven Zustandsregler gegenüber PID-Reglern ....... 8
2.2. ADCO ............................................................................................... 8
2.2.1. Funktionsweise........................................................................... 9
2.2.2. Prozessidentifikation ................................................................ 10
2.2.3. Regelalgorithmus ..................................................................... 10
2.3. Profit Loop ...................................................................................... 11
2.3.1. Profit Assistant ......................................................................... 12
3. Versuchsaufbau .................................................................................... 13
3.1. Versuchsumgebung ........................................................................ 13
3.1.1. Funktionsblöcke ....................................................................... 13
3.1.2. Bedienoberfläche ..................................................................... 17
3.2. Temperaturregelstrecke 1. Ordnung mit Totzeit ............................. 18
3.2.1. Temperaturregelstrecke mit Störeinflüssen .............................. 18
3.2.2. Modellierung der Regelstrecke ................................................. 18
3.3. Temperaturregelung mittels zwei hintereinandergeschalteter
Wärmetauscher ........................................................................................ 21
3.3.1. Modellierung der Regelstrecke ................................................. 22
3.4. Integralprozess mit unterschiedlichen Dynamiken beim Heizen und
Kühlen ...................................................................................................... 25
3.4.1. Split-Range-Regelung .............................................................. 26
3.4.2. Modellierung der Regelstrecke ................................................. 27
4. Auswertung der Ergebnisse .................................................................. 31
4.1. Temperaturregelstrecke 1. Ordnung mit Totzeit ............................. 31
4.1.1. Lernphase ................................................................................ 31
4.1.2. Regelung auf Änderung des Sollwertes ................................... 33
4.1.3. Reaktion auf Störungen ............................................................ 34
4.1.4. Anpassung der Regler .............................................................. 36
4.1.5. Fazit ......................................................................................... 36
4.2. Temperaturregelung mittels zwei hintereinandergeschalteter
Wärmetauscher ........................................................................................ 36
Inhaltsverzeichnis IV
4.2.1. Lernphase ................................................................................ 36
4.2.2. Verhalten der Regler während des Kühlvorgangs .................... 37
4.2.3. Anpassung der Regler .............................................................. 40
4.2.4. Fazit ......................................................................................... 40
4.3. Integralprozess mit unterschiedlichen Dynamiken beim Heizen und
Kühlen ...................................................................................................... 41
4.3.1. Lernphase ................................................................................ 41
4.3.2. Regelung auf Änderung des Sollwertes ................................... 43
4.3.3. Anpassung der Regler .............................................................. 45
4.3.4. Fazit ......................................................................................... 46
5. Allgemeines Fazit .................................................................................. 47
6. Ausblick ................................................................................................. 48
7. Glossar .................................................................................................. 49
8. Verzeichnisse ........................................................................................ 53
8.1. Literaturverzeichnis ......................................................................... 53
8.2. Abbildungsverzeichnis .................................................................... 53
8.3. Tabellenverzeichnis ........................................................................ 55
Abkürzungstabelle 5
Abkürzungstabelle
ADCO
OP
PV
SP
(Experion) PKS
PR
SENS
Θ
( )
Adaptive Controller
Operating Point (Stellgröße)
Process Variable (Regelgröße,
Istwert)
Setpoint (Sollwert)
Experion Process Knowledge
System
Performance Ratio
Sensitivität
Totzeit (zeitkontinuierlich)
Zeitkontinuierliche
Übertragungsfunktion der
Regelstrecke
diskrete Zeit
Nachstellzeit (Integrierzeit) eines
PI(D)-Reglers
Verzögerungszeit n-ter Ordnung
Einleitung 6
1. Einleitung
1.1. Hintergrund
In der Zeit von Dezember 2010 bis Mai 2011 habe ich meine Praxisphase bei
der Honeywell GmbH in Offenbach am Main absolviert. Diese Praxisphase
ging der vorliegenden Bachelorarbeit voraus, da ich dort im Bereich
Prozessleittechnik tätig war. Vorgesehen war zunächst, dass ich die
Bachelorarbeit ebenso bei der Honeywell GmbH absolviere, was am Ende
jedoch nicht möglich war. Da ich nun auf dem Gebiet der Prozessleittechnik
erste praktische Erfahrungen gesammelt habe und diese auch weiter
vertiefen wollte, entschied ich mich, an die Firma i.p.a.s.-systeme 1 eine
Anfrage für eine Bachelorarbeit zu schicken, da die Firma mit der Honeywell
GmbH kooperiert und auch unter Anderem mit Experion PKS2 arbeitet. Der
Inhaber der Firma, Herr Bernhard Wurm, hatte sich anschließend mit seinen
Mitarbeitern über mögliche offene Themen beraten. Dadurch kam das
Thema der Arbeit zustande, welche ich letztendlich im Oktober 2011
beginnen konnte.
1.2. Zielsetzung
In der Bachelorarbeit sollen mehrere typische verfahrenstechnische
Prozesse als Simulation in dem Prozessleitsystem „Experion PKS R301“
entwickelt werden. Diese Prozesse werden anschließend mit dem Software-
Regler „ADCO“ und dem Software-Regler „Profit Loop“ der Firma Honeywell
unter verschiedenen Szenarien und Störungen geregelt und anschließend
die Ergebnisse dokumentiert. Diese Arbeit soll dazu dienen, die beiden
Regler besser kennen zu lernen, da die adaptiven Zustandsregler in der
Prozessindustrie noch nicht so weit verbreitet sind. Diese Arbeit soll dazu
dienen, die Leistungsfähigkeit und Handhabbarkeit der beiden Regler
miteinander zu vergleichen. Adaptive Zustandsregler sind in der
Prozessindustrie noch nicht sehr weit verbreitet und somit soll damit auch die
Vermarktung des ADCO unterstützt werden.
1 http://www.ipas-systeme.de
2 http://hpsweb.honeywell.com/Cultures/en-US/Products/Systems/ExperionPKS/default.htm
Einleitung 7
1.3. Vorgehen
Zunächst musste ich mit meinem Betreuer, Herrn Sebastian Räuber, klären,
auf welcher Version des Prozessleitsystems die Simulationen modelliert
werden sollen,
welche Arten von Regelstrecken sich für die Versuche eignen würden,
wie viele Simulationen erstellt werden sollen.
Für meine Arbeit bekam ein Notebook zur Verfügung gestellt. Dazu wurde
auf dem Notebook VMware Workstation3 installiert. Mit VMware Workstation
können mehrere virtuelle Maschinen ausgeführt werden, die für meine Arbeit
mit Experion PKS notwendig sind. Zum einen brauche ich einen Experion
PKS Server, auf dem die Simulationen modelliert werden, zum anderen ein
ACE (Application Control Execution), das als simulierter Controller für die
Regelstrecken vorgesehen ist, da keine echten Controller verfügbar sind.
Beide virtuellen Maschinen werden unter Windows 2003 Server erstellt. Auf
den weiteren Aufbau der Entwicklungsumgebung werde ich im Kapitel 3
(Versuchsaufbau) eingehen, welches mit Kapitel 4 den Schwerpunkt der
Bachelorarbeit bildet. Insgesamt sollten für die Bachelorarbeit drei
verschiedene Regelstrecken erstellt werden. Ideen dafür habe ich aus dem
Buch „Modellbasierte prädiktive Regelung – Eine Einführung für Ingenieure“
von R. Dittmar und B.-M. Pfeiffer entnommen. Darüber hinaus habe ich noch
weitere Vorschläge von Herrn Wurm und Herrn Räuber erhalten. Diese
Arbeit wird in insgesamt sechs Kapitel gegliedert:
Kapitel 2 soll die Funktionen der beiden Regler in der Theorie näher
erläutern.
Kapitel 3 bezieht sich auf den Aufbau der Regelstrecken im Detail.
Kapitel 4 soll die Ergebnisse der Prozessregelungen enthalten.
Kapitel 5 beinhaltet das Fazit, welcher Regler effizienter arbeitet.
Kapitel 6 soll einen Ausblick auf die Nutzung von prädiktiven
Zustandsreglern in der Prozessindustrie geben.
3 http://www.vmware.com/de/products/desktop_virtualization/workstation/overview.html
Theoretische Grundlagen 8
2. Theoretische Grundlagen
In diesem Kapitel werden die beiden Regler in der Theorie näher vorgestellt
und die Unterschiede zu herkömmlichen PID-Reglern erläutert.
2.1. Vorteile der adaptiven Zustandsregler gegenüber PID-
Reglern
Viele Unternehmen in der Prozessindustrie haben das Ziel, ihre
Kapitalrendite zu erhöhen. Um dies erreichen zu können, werden
verschiedene Strategien ausgearbeitet, so wie zum Beispiel die Optimierung
der Produktionsanlagen. Dadurch kann die Produktionsqualität erhöht und
Energie eingespart werden. Für die Optimierung solcher Anlagen reichen die
weitverbreiteten PID-Regler jedoch nicht mehr, da diese viel Geduld, Zeit und
Erfahrung benötigen. Hinzu kommt, dass PID-Regler oft nur eine akzeptable
Regelgüte erreichen und immer wieder gewartet werden müssen, wenn sich
die Regelstrecke ändert. Dies soll bei adaptiven Zustandsreglern entfallen,
da diese sich automatisch parametrieren können.4 In den folgenden Kapiteln
sollen die beiden Regler näher erläutert und vorgestellt werden.
2.2. ADCO5
Der ADCO ist ein prädiktiver Zustandsregler. Er verspricht folgende Vorteile
gegenüber konventionellen PID-Reglern:
wesentlich kürzerer Zeitaufwand bei der Inbetriebnahme und Regler-
Parametrierung
höhere Effizienz bei einfacheren Prozessen
besseres Streckenverhalten mit Integral- oder Totzeitanteilen
Optimale Regelung bei Störeinflüssen und Sollwertverfolgung
Anpassung an veränderte Regelstrecken
4 Vgl. Dittmar, R., Pfeiffer, B.-M.: Modellbasierte prädiktive Regelung – eine Einführung
für Ingenieure. Oldenbourg Wissenschaftsverlag München 2004, S. 1ff. 5 Quelle: http://www.ipas-systeme.de/adaptiver-regler-adco
Theoretische Grundlagen 9
2.2.1. Funktionsweise
Der ADCO besitzt die Fähigkeit, sich an veränderte Prozesseigenschaften
automatisch anzupassen. Bei der erstmaligen Inbetriebnahme hat er noch
keine Kenntnisse über die Regelstrecke. Dadurch ist er erst mal nur im
manuellen Modus verwendbar. Will man nun einen Prozess automatisch
regeln lassen, wird beim ADCO im manuellen Modus die Adaption aktiviert
und die Stellgröße modifiziert, um einen Prozess anzuregen.
Abbildung 1: Blockstruktur des adaptiven Regelkreises - © ipas-systeme.de
Anschließend entwickelt der ADCO ein parametrisches numerisches
Prozessmodell 3. Ordnung und die Adaption kann deaktiviert werden.
Schließlich schaltet man den ADCO in den Automatik-Modus und gibt ihm
den gewünschten Sollwert vor. Ist man mit den Ergebnissen nicht zufrieden,
kann man im Automatik-Modus die Adaption zur Nachbesserung des
Regelverhaltens einschalten.
Der ADCO besteht aus zwei Teilen:
Prozessidentifikation (Kapitel 2.2.2)
Regelalgorithmus (Kapitel 2.2.3)
Theoretische Grundlagen 10
2.2.2. Prozessidentifikation
Der Algorithmus zur Bestimmung des Prozessmodells basiert auf einer
Methode, die unter der Bezeichnung DSF (Discrete Square Root Filtering)
oder SRIF (Square Root Information Filter) bekannt ist. Dadurch wird für die
Regelstrecke ein Modell entwickelt und die dazu gehörigen Größen
(Stellgröße, Prozessvariable) ausgewertet. Hierfür wird lediglich nur ein
Sprung der Stellgröße bzw. eine Prozessanregung benötigt.
2.2.3. Regelalgorithmus
Die Optimierung des Reglers erfolgt durch ein geschätztes und ein durch
Überwachung validiertes Prozessmodell. Dabei werden für den Algorithmus
verschiedene Zustände aufgezeichnet, so wie zum Beispiel Störgrößen, und
Abweichungen der Prozessvariablen vom Sollwert. Aufgrund dieser
Fähigkeiten ist der ADCO dem PID-Regler deutlich überlegen, da er weitaus
mehr Informationen aufzeichnet und verarbeitet. Das Regelverhalten des
ADCO ist nur von einem Parameter (Sensitivität) abhängig. Dieser
Parameter kann Werte zwischen -100 und +150 annehmen. Der Wert -100
bedeutet, dass die Regleraktivität am geringsten ist, während bei +150 die
Regleraktivität am höchsten ist, d.h. es wird mehr Energie für den
Stellausgang benötigt. Der Standardwert für die Sensitivität beträgt 50 und
muss in den meisten Fällen nicht modifiziert werden. 6 Will man einen
präzisen Algorithmus bei Regelstrecken mit Totzeit erreichen, muss die
Totzeit sehr genau angegeben werden. Ist die Totzeit zunächst nicht
bekannt, muss man den ADCO zuerst im manuellen Modus betreiben und
die Zeit messen, bis eine Änderung der Prozessvariable festgestellt wird.
Man sollte möglichst vermeiden, dass eine höhere Totzeit angegeben wird
als sie es tatsächlich ist. Die Übergangszeit kann schätzungsweise
angegeben werden, da diese fünffach kleiner oder größer sein kann.
Weiterhin sei zu beachten, dass man bei integrierenden Strecken während
der Lernphase (Adaption) einen Sprung der Stellgröße in beide Richtungen
geben muss, also zum Beispiel +10% und -10%.
6 Quelle: http://www.ipas-systeme.de/wp-content/uploads/2010/11/ADCO_Deutsch_7.1.pdf
Theoretische Grundlagen 11
2.3. Profit Loop7
Der Profit Loop der Firma Honeywell stellt ebenfalls einen
prädiktiven/adaptiven Zustandsregler dar. Dieser arbeitet ähnlich wie der
ADCO. Zur erstmaligen Inbetriebnahme ist ebenfalls eine Lernphase
notwendig, da er sonst nicht im Automatikmodus betrieben werden kann. Im
Unterschied zum ADCO besitzt der Profit Loop keinen internen
Funktionsbaustein zur Adaption, sondern ein externes Tool namens „Profit
Assistant“ (2.3.1 Profit Assistant).
Wie beim ADCO auch, ist das Regelverhalten des Profit Loop von einem
Parameter abhängig. Dieser Parameter wird als „Performance Ratio“ (PR)
bezeichnet. Der Parameter kann Werte zwischen 0,1 und 10 annehmen,
wobei der Wert 0,1 für maximale und der Wert 10 für minimale Regleraktivität
steht.
Der Profit Loop kann maximal ein Streckenmodell 4. Ordnung mit Totzeit
entwickeln.
( )
( ) ( ) ( ) ( )
Abbildung 2: Wirkung der Performance Ratio bei einer Regelstrecke 1. Ordnung mit Totzeit - © www.atp-online.de
7 Vgl. Automatisierungstechnische Praxis atp 51(2009) H. 6, S. 22 - 25
Theoretische Grundlagen 12
2.3.1. Profit Assistant
Anders als beim ADCO beinhaltet der Profit Loop einen Assistenten, mit dem
die Lernphase einer Regelstrecke ermöglicht wird. Mit diesem Tool kann man
zwischen mehreren Optionen zur Erlernung der Regelstrecke wählen:
Erstellung eines Prozessmodells durch Eingabe der Parameter aus einem
gut eingestellten PID-Regler inklusive Totzeit (falls vorhanden)
Erstellung eines Prozessmodells durch Auswertung von durchgeführten
Prozessen im offenen oder geschlossenen Regelkreis
Erstellung eines Prozessmodells durch Testen der Regelstrecke mit
Hilfsmitteln außerhalb des Profit Assistants. Hier wird ähnlich wie beim
ADCO die Stellgröße verändert und die Änderung der Prozessvariablen
aufgezeichnet. Hierfür wird der Profit Loop in den manuellen Modus
geschaltet und mit dem Attribut „Program“ ausgestattet, damit der Profit
Assistant exklusiven Zugriff auf den Profit Loop erhält und die Stellgröße
je nach Vorgabe modifiziert.
Erstellung eines Prozessmodells durch direkte Eingaben der notwendigen
Parameter.
Ich habe die dritte Option für die Bachelorarbeit gewählt, da diese auf der
gleichen Grundlage wie der Adaptionsmodus des ADCO basiert und auch
nach den Erfahrungen von Prof. Dr.-Ing. Rainer Dittmar die besten
Ergebnisse liefert. Weiterhin ist es notwendig bei integrierenden
Regelstrecken anzugeben, dass es sich um einen geschlossenen Regelkreis
handelt, da der Profit Assistant sonst kein gültiges Modell für die
Regelstrecke entwickeln kann.
Während der Lernphase gibt der Profit Assistant an, mit welcher Regelgüte
die Strecke errechnet wurde. Diese Regelgüte erstreckt sich von Klasse 1
(sehr gut) bis Klasse 5 (kein Modell). Es wird mindestens empfohlen,
Strecken der Klasse 2 zu verwenden.
Versuchsaufbau 13
3. Versuchsaufbau
Wie bereits in den vorherigen Kapiteln erwähnt, sollen für diese Arbeit drei
unterschiedliche Regelprozesse simuliert werden, um einen guten Vergleich
der beiden Regler anstellen zu können. Wichtig für die Modellierung der
Strecken ist der Bezug zu verfahrenstypischen Prozessen, welche ich in den
nachfolgenden Kapiteln näher erläutern werde.
3.1. Versuchsumgebung
Die Regelstrecken werden mit dem Prozessleitsystem „Experion PKS“ der
Firma Honeywell modelliert und ausgeführt. Experion PKS bietet neben einer
Prozessüberwachung eine vollwertige Entwicklungsumgebung für
Simulationen. Die Prozesse sollen nach folgenden Regelgüten ausgewertet
werden:
Verhalten der Regler während der Regelung der Prozesse
Die benötigte Zeit während der Lernphase
Die benötigte Zeit, um den neuen Sollwert zu erreichen
Abbildung 3: Experion PKS Logo - © honeywell.sk
3.1.1. Funktionsblöcke
Für den Aufbau der Regelstrecken sind verschiedene Funktionsblöcke
notwendig, welche ich im Folgenden näher erläutern möchte:
Control Module (CM): Control Modules, oder einfach nur „Module“, sind
gruppierte Datensätze, welche Daten zur Assoziation mit
Komponentenblöcken und Beziehungen zwischen diesen Komponenten
enthalten. Diese entsprechen den als „Funktionsplan“ bekannten
Repräsentationen von Automatisierungsstrategien nach IEC 61512.
Versuchsaufbau 14
Abbildung 4: Ansicht eines CMs im Control Builder
Sequential Control Module (SCM): Die SCMs werden in dieser Arbeit
dafür verwendet, um Störungen zu erzeugen oder bestimmte Werte
einem Zwischenspeicher zu übergeben. Ein SCM ist einem
Programmablaufplan ähnlich. Es wird ein Algorithmus programmiert, der
eine Folge von Operationen beschreibt.
Abbildung 5: Ansicht eines SCMs im Control Builder
Versuchsaufbau 15
ADCO (ADAPCTL) und Profit Loop (PID_PL): Die beiden Regler
werden jeweils in ein CM eingefügt.
DEADTIME-Block: Dieser Funktionsblock bietet eine benutzerfreundliche
konfigurierbare Parametrierung der Totzeit. Die Totzeit wird bei der
Parametrierung in Minuten angegeben. Die grafische Darstellung des
DEADTIME-Blocks ist wie folgt:
Abbildung 6: DEADTIME-Block
LEADLAG-Block: Ein LEADLAG-Block kann einen Prozess mit
Verzögerung erster oder auch zweiter Ordnung simulieren. Für eine
bessere Übersicht wird er nur als Verzögerung erster Ordnung
verwendet. Die Verzögerungszeit wird in Minuten angegeben. Um
Prozesse mit Verzögerungen höherer Ordnungen zu simulieren, kann
man mehrere LEADLAG-Blöcke hintereinanderschalten. Die grafische
Darstellung des LEADLAG-Blocks ist wie folgt:
Abbildung 7: LEADLAG-Block
Versuchsaufbau 16
AUXCALC-Block: Mit einem AUXCALC-Block hat man die Möglichkeit,
eigene Algorithmen oder Programme zu entwickeln. Er wertet also
benutzerdefinierte Ausdrücke und Bedingungen aus, um die gewünschte
Leistung und den Status für die Regelstrategie zu berechnen. Er besitzt
insgesamt sechs Eingänge und kann bis zu acht Ausdrücke auswerten. In
dieser Arbeit wird er dazu verwendet, um
o Werte aus einem Zwischenspeicher in einen Prozess zu
übergeben.
o einen Split-Range zu programmieren, da der ADCO aufgrund
eines Softwarefehlers, der in der nächsten Release-Version
behoben wird, im automatischen Modus den OP (die Stellgröße)
nicht im negativen Bereich betreiben kann.
Die grafische Darstellung des AUXCALC-Blocks ist wie folgt:
Abbildung 8: AUXCALC-Block
NUMERIC-Block: Dieser Block dient als Zwischenspeicher, der einen
Wert von einem SCM zugewiesen bekommt und anschließend z.B. dem
AUXCALC-Block übergeben wird. Hierbei sei zu beachten, dass der
Initialwert Null betragen sollte, da die Standardeinstellung mit „NaN“
(engl. „Not a Number“, dt. „keine Zahl“) definiert ist. Er wird in dieser
Arbeit auch als Switch verwendet, um zwischen der „Kühlstrecke“ und der
„Heizstrecke“ umzuschalten (siehe Kapitel 3.4.2 Modellierung der
Regelstrecke). Die grafische Darstellung des NUMERIC-Blocks ist wie
folgt:
Abbildung 9: NUMERIC-Block
Versuchsaufbau 17
3.1.2. Bedienoberfläche
Um die Steuerung der Simulationen zu vereinfachen, wird eine
Bedienoberfläche namens „Station“ verwendet. In der Station hat man einen
kompletten Überblick über die aktuellen Parameterwerte, sowie über den
Graphen, der den Kurvenverlauf aufzeichnet. Ebenso ist es möglich, die
Parameterwerte zu verändern, wenn man die entsprechenden Zugriffsrechte
besitzt. In den Produktionsanlagen haben die Bediener des
Prozessleitsystems meistens ausschließlich Zugriff auf die Station, und nicht
wie in meinem Fall, auch auf den Control Builder.
Abbildung 10: Experion PKS Station
Wie man in Abbildung 10 sehen kann, bietet die Experion PKS Station einen
gesamten Überblick als Alternative zum Control Builder. Die Ansichten sind
in mehreren Tabs unterteilt. Für meine Arbeit ist nur der Tab „Loop Tune“
notwendig, da ich bereits im Control Builder die Parameter vorkonfiguriert
habe. Des Weiteren ist dieser Tab in dieser Arbeit ausreichend, weil alle
relevanten Parameter zur eventuellen Änderung in dieser Ansicht zu finden
sind.
Versuchsaufbau 18
3.2. Temperaturregelstrecke 1. Ordnung mit Totzeit
Für die erste Regelstrecke habe ich einen einfachen Prozess gewählt. Es
handelt sich um eine einfache Temperaturregelstrecke erster Ordnung mit
Totzeit, die in der Prozessindustrie weit verbreitet ist.
Dieser Prozess besitzt, wie der Name des Prozesses schon sagt, eine
Übertragungsfunktion 1. Ordnung mit Totzeitglied8:
( )
( )
3.2.1. Temperaturregelstrecke mit Störeinflüssen
Um die Simulation aus Kapitel 3.2 interessanter zu gestalten, wird zusätzlich
zur Regelstrecke eine Störung erzeugt, um festzustellen, wie die beiden
Regler darauf reagieren werden. Hierbei handelt es sich um eine
deterministische Störung. Es wird angenommen, dass aufgrund von
Luftdurchzügen unterschiedliche Temperaturen in der Produktionsanlage
herrschen, wo die Regelung stattfindet. Dafür wird der aktuelle Istwert (PV)
deterministisch um 1%, 2% und 5% vermindert. Die Störung wird mittels
eines SCMs simuliert und in den NUMERIC-Block übergeben. Der
NUMERIC-Block gibt wiederum den Wert an den AUXCALC-Block weiter.
3.2.2. Modellierung der Regelstrecke
Für die Modellierung des Prozesses sind folgende Funktionsblöcke
notwendig:
Ein Control Module (CM)
ADCO (ADAPCTL) oder Profit Loop (PID_PL)
Ein Verzögerungsglied (LEADLAG-Block)
Ein Totzeitglied (DEADTIME-Block)
Ein AUXCALC-Block
Ein NUMERIC-Block
Ein Sequential Control Module (SCM) 8 Vgl. Dittmar, R., Pfeiffer, B.-M.: Modellbasierte prädiktive Regelung – eine Einführung
für Ingenieure. Oldenbourg Wissenschaftsverlag München 2004, S. 74
Versuchsaufbau 19
Abbildung 11: Regelstrecke 1. Ordnung mit Totzeit
Für die Funktionsblöcke werden folgende Werte festgelegt:
ADCO (In Abbildung 11 „PIDA“ benannt)
Übergangszeit:
Totzeit:
Sensitivität:
2 Minuten
2 Minuten
50
Tabelle 1: Parametrierung des ADCO-Reglers
Profit Loop (Anstelle des ADCO „PID_PLA“ benannt)
Performance Ratio (PR):
Totzeit:
1
2 Minuten
Tabelle 2: Parametrierung des Profit Loops
Versuchsaufbau 20
DEADTIME-Block (TOTZEIT)
Totzeit: 2 Minuten
LEADLAG-Block (LAG)
Verzögerungszeit: 0,2 Minuten (12 Sekunden)
Der NUMERIC-Block (in dem Fall „STOER“ benannt) bekommt den
Initialwert „0“ zugewiesen, da der Regler sonst keinen gültigen Rückgabewert
erhält aufgrund der Standardeinstellung „NaN“. Wie bereits erwähnt, dient
der NUMERIC-Block für diesen Prozess als Schnittstelle zwischen dem SCM
und dem AUXCALC-Block. In dem AUXCALC-Block wird folgende Formel als
Expression definiert:
LAG.PV + STOER.PV
Dieser Ausdruck bedeutet, dass zum aktuellen Istwert ein prozentualer Wert
addiert wird. Dieser prozentuale Wert wird in einem Algorithmus im SCM
realisiert.
Abbildung 12: Störsignal-Algorithmus im SCM
Versuchsaufbau 21
In Abbildung 12 ist der Algorithmus noch einmal grafisch dargestellt. Im
ersten „Step“ soll die aktuelle Regelgröße mit dem Wert -0,01 (dezimal für
1%) multipliziert werden. Das Vorzeichen bewirkt die Verminderung des
Istwertes. Dieser Wert wird anschließend dem NUMERIC-Block übergeben.
Im weiteren Ablauf des Algorithmus (in Abbildung 12 nicht sichtbar) wird
dasselbe für die Störanteile mit 2% und 5% ausgeführt.
3.3. Temperaturregelung mittels zwei
hintereinandergeschalteter Wärmetauscher
Abbildung 13: Regelung zweier hintereinandergeschalteter Wärmetauscher - © Bernhard Wurm
In diesem Prozess werden - wie Abbildung 13 zeigt – zwei Regler „TIC“
hintereinandergeschaltet. Diese beiden Regler sollen ein bestimmtes
Medium (hochreines Wasser) auf eine vorgegebene Temperatur
herunterkühlen. Für die Kühlung in dem ersten Regelkreis steht ein
Wärmetauscher, der mit Wasser aus einem Kühlturm gespeist wird, zur
Verfügung. Im zweiten Regelkreis steht ein Wärmetauscher, der mit sehr
kaltem Wasseraus einer Kälteanlage gespeist wird, zur Verfügung. Der
zweite Regelkreis soll in der Simulation den ersten unterstützen, wenn dieser
nicht in der Lage ist, das Medium auf die Zieltemperatur zu kühlen. Dies kann
aufgrund von hohen, von der Jahreszeit abhängigen Außentemperaturen,
der Fall sein. Für beide Regelkreise wird ein Prozess 1. Ordnung ohne
Totzeit erstellt. Die beiden Regelkreise unterscheiden sich in der
Verzögerungszeit und in der Sensitivität der Regler, da das Kühlmittel
effizienter kühlen soll als das aus dem Kühlwasserturm. Es sei noch zu
Versuchsaufbau 22
beachten, dass es sich um zwei unabhängige Regelstrecken handelt.
Während der Simulation wird das Verhalten beider Regelkreise
aufgezeichnet.
Folgende Vorgaben werden gegeben:
Auf der Einlass-Seite des ersten Regelkreises fließt das Medium mit
einer Temperatur von 80 °C durch den Wärmetauscher.
Der Wärmetauscher soll das Medium auf 25 °C herunterkühlen.
Ist der Kühlwasserturm nicht in der Lage, die Zieltemperatur zu
erreichen, wird er vom zweiten Wärmetauscher (gespeist vom
Kälteaggregat) unterstützt.
Der zweite Regelkreis besitzt ebenfalls den Sollwert von 25 °C.
In dem Prozess wird eine hohe Außentemperatur simuliert. Das soll dazu
führen, dass der erste Wärmetauscher alleine nicht die geforderte Soll-
Temperatur erreicht.
3.3.1. Modellierung der Regelstrecke
Für die Modellierung des Prozesses sind folgende Funktionsblöcke
notwendig:
Ein Control Module (CM)
ADCO (ADAPCTL) oder Profit Loop (PID_PL)
Ein Verzögerungsglied (LEADLAG-Block)
Ein AUXCALC-Block
Ein NUMERIC-Block
Ein Sequential Control Module (SCM)
Versuchsaufbau 23
Abbildung 14: Regelkreis des ersten Wärmetauschers
Für die Funktionsblöcke des ersten Regelkreises (Abbildung 14) werden
folgende Werte festgelegt:
ADCO („PIDA“ benannt)
Übergangszeit:
Totzeit:
Sensitivität:
Sollwert:
1 Minute
0 Minuten
30
25
Tabelle 3: Parametrierung des ADCO-Reglers (1. Wärmetauscher)
Profit Loop (Anstelle des ADCO „PID_PLA“ benannt)
Performance Ratio (PR):
Totzeit:
Sollwert:
1,6
0 Minuten
25
Tabelle 4: Parametrierung des Profit Loops (1. Wärmetauscher)
LEADLAG-Block (LAG)
Verzögerungszeit: 0,5 Minuten (30 Sekunden)
Versuchsaufbau 25
ersten Regelkreis in den NUMERIC-Block, welcher den Wert wiederum an
den AUXCALC-Block im zweiten Regelkreis übergibt. Der AUXCALC-Block
enthält folgenden Ausdruck:
LAG.PV + NUMERICA.PV
Dieser Ausdruck addiert die Regelgrößen der beiden Regelkreise zusammen
und übergibt sie in den zweiten Regelkreis.
3.4. Integralprozess mit unterschiedlichen Dynamiken beim
Heizen und Kühlen
Als dritter und letzter Versuchsprozess wird ein nicht linearer Integralprozess
mit unterschiedlichen Ordnungen und Verzögerungszeiten beim Heizen und
Kühlen betrachtet. In dieser Simulation wird der Heizvorgang mit einem
Integralprozess erster Ordnung mit niedrigerer Verzögerung
( )
( )
und der Kühlvorgang mit einem Integralprozess zweiter Ordnung mit höherer
Verzögerung
( )
( )( )
modelliert. Die Regelung dieser Strecke stellt eine besondere
Herausforderung dar, da es bekannt ist, dass herkömmliche Regler
Probleme mit solchen Prozessen haben. Dieses Problem tritt beispielsweise
bei Reaktoren in der chemischen Industrie auf, bei denen der Reaktormantel
zum Heizen und Kühlen verwendet wird. Zu Beginn des Prozesses muss ein
Medium im Reaktor über den Mantel aufgeheizt werden, bis eine exotherme
Reaktion entsteht. Danach muss das Medium über den Mantel wieder
gekühlt werden, damit der erforderliche Temperatur-Sollwert erreicht bzw.
gehalten werden kann. Das Problem hierbei ist, dass der Mantel und die
Reaktorwand die Heizenergie speichern und während des Kühlvorgangs das
Medium weiterhin geheizt wird.
Versuchsaufbau 26
3.4.1. Split-Range-Regelung
Abbildung 15: Split-Range-Funktion am Regler-Ausgang am Beispiel der
Temperaturregelung9
Das Besondere an dieser Simulation ist, dass das Regelverhalten vom
Vorzeichen der Stellgröße abhängig ist. In der Simulation soll die Stellgröße
in dem Bereich von -100% bis +100% operieren statt, wie üblich, von 0% bis
100%. Ein negatives Vorzeichen der Stellgröße bedeutet, dass der Regler
kühlend eingreifen soll, während bei einem positiven Vorzeichen geheizt
werden soll. Abbildung 15 stellt dies noch einmal grafisch dar. Für diesen
Prozess wäre der ADMR (Adaptive Controller with Multi-Range) geeigneter
gewesen. Der ADMR ist der „große Bruder“ vom ADCO, es handelt sich um
einen Mehrbereichs-Regler. Um aber einen fairen Vergleich zwischen dem
ADCO und Profit Loop ziehen zu können, wurde hier der ADCO gewählt, weil
der Profit Loop, wie der ADCO, auch nur ein Einbereichs-Regler ist.
9 Quelle: Dittmar, R., Pfeiffer, B.-M.: Modellbasierte prädiktive Regelung – eine
Einführung für Ingenieure. Oldenbourg Wissenschaftsverlag München 2004, S. 13
Versuchsaufbau 27
3.4.2. Modellierung der Regelstrecke
Für den Aufbau des Prozesses sind folgende Komponenten notwendig:
Ein Control Module
ADCO oder Profit Loop
Drei Verzögerungsglieder
Ein PID-Regler als integrierendes Glied
Ein AUXCALC-Block (nur für die Regelstrecke mit dem ADCO-Regler)
Zwei SCMs
Ein NUMERIC-Block (als „Switch“ verknüpft mit den beiden SCMs)
Wie bereits in der Auflistung erwähnt, erhält der Prozess, der mit dem ADCO
geregelt werden soll, zusätzlich einen AUXCALC-Block. Er wird benutzt, weil
der ADCO im automatischen Modus aufgrund eines Softwarefehlers die
Stellgröße nicht im negativen Bereich (-100% bis 0%) betreiben kann.
Deshalb wird der AUXCALC-Block verwendet, um einen Split-Range zu
programmieren. Dies hat jedoch auch zur Folge, dass die Stellgröße in der
Station nicht richtig angezeigt wird. Folgender Ausdruck wird in den
AUXCALC-Block programmiert:
(PIDA.OP / 50) * 100 – 100
Mit dieser Formel wird der normale Stellgrößen-Bereich (0% bis +100%) auf
den Bereich -100% bis +100% erweitert.
Versuchsaufbau 28
„echter“ OP „manipulierter“ OP
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
Tabelle 7: Umrechnung der Stellgröße für den Split-Range
Die Umrechnung der Stellgröße bewirkt jedoch auch, dass die Stellgröße in
der Experion PKS Station bei der Aufzeichnung des Kurvenverlaufs nicht
richtig angezeigt wird. Zur Übersicht soll
Tabelle 7 dienen.
Für den weiteren Aufbau des Prozesses ist ein Switch erforderlich, um
zwischen der Heiz- und Kühlstrecke umzuschalten. Der
Standardfunktionsblock „SWITCH“ in der Experion-Bibliothek erweist sich
jedoch als unbrauchbar, weil der Switch nur manuell funktioniert. Um aber
einen automatischen Switch zu erhalten, habe ich zwei SCMs programmiert.
Die SCMs sind jeweils für den Heiz- und Kühlprozess zuständig. Es wird
geprüft, ob die Regelgröße kleiner oder größer als der Sollwert ist. Ist die
Regelgröße kleiner als der Sollwert, soll der Wert der Strecke erster Ordnung
in den NUMERIC-Block übergeben werden. Das gleiche gilt für die
Kühlstrecke, wenn die Regelgröße größer als der Sollwert ist. Dieser Wert
fließt nun in den Eingang des PID-Reglers, der ausschließlich als
integrierendes Glied fungieren soll. Ein Blick auf Abbildung 16 verdeutlicht
den Ablauf des Prozesses.
Versuchsaufbau 29
Abbildung 16: Regelkreis mit unterschiedlichen Dynamiken beim Heizen und Kühlen
Für die Komponenten des Prozesses werden folgende Werte festgelegt:
ADCO
Übergangszeit:
Totzeit:
Sensitivität:
1 Minute
0 Minuten
50
Tabelle 8: Parametrierung des ADCO (3. Regelstrecke)
Profit Loop
Performance Ratio (PR):
Totzeit:
1
0 Minuten
Tabelle 9: Parametrierung des Profit Loops (3. Regelstrecke)
Versuchsaufbau 30
PID-Block („INT“ benannt)
Algorithmus:
Integrationskonstante:
I-PD
0,5 Minuten (30 Sekunden)
Tabelle 10: Parametrierung des integrierenden Gliedes (3. Regelstrecke)
Bei der Heizstrecke handelt es sich um eine Übertragungsfunktion
erster Ordnung. Die Verzögerung beträgt 0,3 Minuten (18 Sekunden).
Die Kühlstrecke besitzt eine Übertragungsfunktion zweiter Ordnung
mit Verzögerungen von 0,1 Minuten (6 Sekunden) und 0,4 Minuten
(24 Sekunden), also insgesamt 30 Sekunden.
Der NUMERIC-Block erhält wieder den Initialwert „0“.
Auswertung der Ergebnisse 31
4. Auswertung der Ergebnisse
In diesem Kapitel werden die Ergebnisse der Prozesse wie folgt dargestellt:
Verhalten während der Lernphase und die dazu benötigte Zeit
Das Verhalten bei einer Sollwertänderung während des laufenden
Prozesses und die benötigte Zeit
Reaktion auf Störungen (falls vorhanden)
Eventuelle Anpassungen der Regler
Fazit, welcher Regler den Prozess besser geregelt hat
Wichtig wäre noch zu erwähnen, welche Kennlinie zu welcher Größe in der
Experion PKS Station gehört:
Grün: Sollwert (SP, Set Point)
Gelb: Stellgröße (OP, Operating Point)
Blau: Regelgröße (PV, Process Variable)
Weiß: Beim Prozessverlauf mit dem Profit Loop wird im dritten
Prozess zusätzlich noch eine weiße Kennlinie angezeigt. Sie zeigt die
voraussichtliche Regelgröße an.
4.1. Temperaturregelstrecke 1. Ordnung mit Totzeit
Dieser Prozess wird mit den Parameter-Einstellungen aus Kapitel 3.2.2
ausgeführt.
4.1.1. Lernphase
Abbildung 17: Verhalten des ADCO während der Lernphase (1. Regelstrecke)
Auswertung der Ergebnisse 32
Abbildung 17 zeigt den Verlauf des Prozesses während der Lernphase mit
dem ADCO. Als erstes beginnt man damit, den Adaptionsmodus zu
aktivieren, da der ADCO keinerlei Kenntnisse über die Regelstrecke besitzt.
Anschließend wird ein Sprung der Stellgröße von 0% auf 10% gegeben,
damit der Prozess angeregt wird. Der ADCO benötigt für die Lernphase eine
Zeit von ca. 4 Minuten und 35 Sekunden.
Abbildung 18: Lernphase des Profit Loops (1. Regelstrecke) – Ansicht im Profit Assistant
Anders als beim ADCO übernimmt bei dem Profit Loop ein externes Tool
namens „Profit Assistant“ die Lernphase. Es wird also als erstes der Profit
Assistant gestartet und die Attribute verändert:
Der Modus wird auf manuell geschaltet
Die Zugriffsrechte werden von „Operator“ auf „Program“ geschaltet,
damit das Tool exklusive Rechte erhält
Der Profit Assistant benötigt für die Lernphase (Abbildung 18) einen Sprung
der Stellgröße in zwei Richtungen, in diesem Fall von 0% auf 5% und von 5%
auf 0%. Das Tool benötigt ca. 11 Minuten und 7 Sekunden, bis es ein Modell
mit Rank 1 errechnet. Dieses Modell wird anschließend mit der neuen
Konfiguration in das ACE geladen.
Auswertung der Ergebnisse 33
4.1.2. Regelung auf Änderung des Sollwertes
Abbildung 19: Verhalten des ADCO bei einer Sollwertänderung (1. Regelstrecke)
Wie man in Abbildung 19 erkennen kann, ist der ADCO in der Lage, den
Prozess ohne jegliches Über- oder Unterschwingen zu regeln. In diesem Fall
wird der Sollwert von 10% auf 20% erhöht. Während der Sollwertänderung
und der noch andauernden Totzeit wird die Stellgröße zunächst sprungartig
erhöht, diese nimmt aber kontinuierlich wieder ab und bleibt konstant. Für
diesen Vorgang benötigt der ADCO ca. 2 Minuten und 36 Sekunden.
Abbildung 20: Verhalten des Profit Loops bei einer Sollwertänderung (1. Regelstrecke)
Der Profit Loop regelt eine Sollwertänderung von 10% auf 20% auch sehr
stabil aus, es findet ein minimales Unter- und Überschwingen statt (in der
Grafik nicht erkennbar). Hierbei ist aber im Gegensatz zum ADCO zu
beobachten, dass die Stellgröße nicht sprungartig erhöht wird (Abbildung
20). Jedoch benötigt er auch hier deutlich mehr Zeit als der ADCO mit ca. 4
Minuten.
Auswertung der Ergebnisse 34
4.1.3. Reaktion auf Störungen
Mit diesem Szenario soll getestet werden, wie die beiden Regler auf äußere
Störeinflüsse reagieren. In Kapitel 3.2.1 wird bereits erläutert, dass eine
deterministische Störung mittels SCM erzeugt werden soll. Dabei wird der
aktuelle Istwert kontinuierlich um 1%, 2% und 5% vermindert.
Abbildung 21: Reaktion des ADCO auf äußere Störeinflüsse (1. Regelstrecke)
Abbildung 22: Vergrößerte Ansicht der Abbildung 21
Wie man in den Abbildungen 21 und 22 sehen kann, ist der ADCO in der
Lage, mit äußeren Störeinflüssen gut umzugehen. Die Stellgröße bleibt
stabil. Bei größeren Störeinflüssen wird die Stellgröße möglicherweise
aktiver. Dies wird in dieser Arbeit aber nicht getestet.
Abbildung 23: Sollwertänderung mit Störeinflüssen beim ADCO (1. Regelstrecke)
Auswertung der Ergebnisse 35
Abbildung 24: Reaktion des Profit Loops auf äußere Störeinflüsse (1. Regelstrecke)
Abbildung 25: Vergrößerte Ansicht der Abbildung 24
Der Profit Loop reagiert auf ungelernte äußere Störeinflüsse genauso gut wie
der ADCO, sogar etwas besser, da im Kurvenverlauf (Abbildung 24) weniger
Schwankungen auftreten.
Abbildung 26: Sollwertänderung mit Störeinflüssen beim Profit Loop (1. Regelstrecke)
Es wird ebenfalls getestet, wie die beiden Regler mit gelernten Störeinflüssen
umgehen. Hierbei wurden keine signifikanten Unterschiede im Vergleich zu
den Regelungen, bei denen die Störeinflüsse noch nicht bekannt waren,
festgestellt.
Auswertung der Ergebnisse 36
Es ist lediglich festzustellen, dass während der Lernphase mit Störeinflüssen
der ADCO wieder deutlich weniger Zeit benötigt (ca. 4 Minuten und 40
Sekunden) als der Profit Loop (ca. 10 Minuten und 38 Sekunden).
4.1.4. Anpassung der Regler
Eine Anpassung der Regler war für diesen Prozess nicht notwendig, da der
Prozess auf beiden Seiten souverän ohne große Abweichungen geregelt
werden konnte.
4.1.5. Fazit
Beide Regler konnten diesen Prozess sehr gut ausregeln. Der ADCO ist hier
trotzdem im Vorteil, da er während der Lernphase und den
Sollwertänderungen deutlich weniger Zeit benötigt als der Profit Loop. Bei
einer Sollwertänderung des ADCO konnte man bei einer Sensitivität von 50
feststellen, dass die Stellgröße zunächst sprungartig anstieg. Dies lässt sich
aber mit einer Verminderung der Sensitivität vermeiden.
4.2. Temperaturregelung mittels zwei
hintereinandergeschalteter Wärmetauscher
4.2.1. Lernphase
Die beiden Wärmetauscher, die mit dem ADCO operieren, lernen zunächst
wieder das Verhalten der Regelstrecke mittels des Adaptionsmodus. Hierbei
haben beide Wärmetauscher keinerlei Kenntnis voneinander, weshalb das
Verhalten während der Lernphase ungefähr demselben entspricht wie in
Kapitel 4.1.1, allerdings ohne Totzeit. Für die beiden Wärmetauscher, die mit
dem Profit Loop arbeiten, gilt dasselbe.
Da die beiden Wärmetauscher sich in der Verzögerungszeit und Sensitivität
bzw. Performance Ratio unterscheiden, benötigen beide unterschiedliche
Zeiten für die Lernphase. Folgende Tabelle soll dies noch einmal zeigen:
Auswertung der Ergebnisse 37
Regler benötigte Zeit für die Lernphase
1. Wärmetauscher (ADCO)
2. Wärmetauscher (ADCO)
1. Wärmetauscher (Profit Loop)
2. Wärmetauscher (Profit Loop)
ca. 3 Minuten und 7 Sekunden
ca. 2 Minuten und 43 Sekunden
ca. 2 Minuten und 5 Sekunden
ca. 1 Minute und 55 Sekunden
Tabelle 11: benötigte Zeiten für die Lernphase (2. Regelstrecke)
4.2.2. Verhalten der Regler während des Kühlvorgangs
Wie zuvor beschrieben, fließt das Medium auf der Einlass-Seite des ersten
Regelkreises mit einer Temperatur von 80 °C durch den Wärmetauscher.
Beide Wärmetauscher bekommen die Vorgabe, dieses Medium auf 25 °C
herunterzukühlen. In diesem Kapitel wird das Verhalten an beiden
Wärmetauschern erläutert und grafisch dargestellt.
Als erstes wird die Simulation ohne äußere Störeinflüsse ausgeführt.
Abbildung 27: Verhalten des 1. Wärmetauschers (ADCO) ohne Störungen
Abbildung 28: Verhalten des 2. Wärmetauschers (ADCO) ohne Störungen
Auswertung der Ergebnisse 38
Wie in der Abbildung 27 und Abbildung 28 zu sehen ist, können die
Wärmetauscher bei optimalen Bedingungen die Temperatur des Mediums
auf die gewünschte Temperatur kühlen. Interessant ist während des
Vorgangs, dass der 2. Wärmetauscher kaum unterstützend eingreifen muss.
Der Istwert des ersten Regelkreises wird zum Istwert des zweiten
Regelkreises hinzuaddiert. Die Stellgröße des zweiten Wärmetauschers wird
sprungartig auf 0% heruntergefahren, während die Stellgröße des ersten
Wärmetauschers den Prozess ausregelt. Für diesen Vorgang wird eine Zeit
von ca. 3 Minuten und 30 Sekunden benötigt.
Abbildung 29: Verhalten des 1. Wärmetauschers (Profit Loop) ohne Störungen
Abbildung 30: Verhalten des 2. Wärmetauschers (Profit Loop) ohne Störungen
Das Verhalten der beiden Wärmetauscher mit dem Profit Loop ist ähnlich mit
den Wärmetauschern, die mit dem ADCO betrieben werden. Anders als beim
ADCO wird beim Profit Loop im 1. Wärmetauscher die Stellgröße nicht zuerst
auf 0% gefahren und dann wieder erhöht, sondern stetig gesenkt, bis der
Sollwert erreicht wird. Die Stellgröße im zweiten Wärmetauscher wird
ebenfalls sprungartig auf 0% gesetzt. Hierfür wird eine Zeit von ca. 4 Minuten
und 50 Sekunden benötigt.
Auswertung der Ergebnisse 39
Um den Prozess anspruchsvoller zu modellieren, wird zusätzlich zur
Regelstrecke eine Störgröße eingefügt. Diese Störgröße erhöht den Istwert
des ersten Regelkreises um 40%, so dass der erste Wärmetauscher nur in
der Lage ist, das Medium von 80 °C auf 40 °C zu kühlen. Die verbleibenden
15 °C soll der zweite Wärmetauscher ausregeln können.
Abbildung 31: Verhalten des 1. Wärmetauschers (ADCO) mit Störungen
Abbildung 32: Verhalten des 2. Wärmetauschers (ADCO) mit Störungen
Wie erwartet, kann der 1. Wärmetauscher aufgrund der Störung nur eine
Zieltemperatur von 40 °C erreichen, während der 2. Wärmetauscher die
restlichen 15 °C ausregeln kann. Dieser Vorgang dauert mit dem ADCO ca. 5
Minuten und 50 Sekunden.
Auswertung der Ergebnisse 40
Abbildung 33: Verhalten des 1. Wärmetauschers (Profit Loop) mit Störungen
Abbildung 34: Verhalten des 2. Wärmetauschers (Profit Loop) mit Störungen
Der Profit Loop liefert dieselben Ergebnisse wie der ADCO, allerdings
benötigt er etwas mehr Zeit mit insgesamt ca. 6 Minuten und 8 Sekunden. In
diesem Fall regelt der ADCO den Prozess etwas besser als der Profit Loop,
da beim ADCO der Istwert am 2. Wärmetauscher nicht so weit fällt und
anschließend Sollwert und Istwert übereinander liegen, die Regelabweichung
also nahezu 0 beträgt.
4.2.3. Anpassung der Regler
Auch für diesen Prozess ist eine Anpassung der Regler nicht zwingend
notwendig. Eventuell könnte man die Aktivität beider Regler erhöhen, damit
der Istwert nicht so weit fällt und sich dem Sollwert anpasst.
4.2.4. Fazit
Beide Regler können den Prozess sehr gut ausregeln. Der ADCO ist hier
beim Zeitaufwand für die Lernphase im Nachteil, während der
Prozessausführung aber schneller als der Profit Loop.
Auswertung der Ergebnisse 41
4.3. Integralprozess mit unterschiedlichen Dynamiken beim
Heizen und Kühlen
Dieser Prozess stellt den komplexesten aller Regelstrecken in dieser Arbeit
dar, da die Regler mit einem Split-Range und zwei unterschiedlichen
Teilstrecken arbeiten müssen. Wie schon erwähnt, muss für den ADCO
mittels AUXCALC ein Split-Range für die Stellgröße programmiert werden,
da dieser wegen eines Software-Fehlers im Automatik-Modus nicht im
negativen Bereich operieren kann. Dementsprechend wird die Stellgröße in
der Station nicht korrekt dargestellt. Hierfür wurde eine Tabelle zur
Umrechnung der Stellgröße erstellt (
Tabelle 7). Bei dem Profit Loop gibt es bei dem Kurvenverlauf ein ähnliches
Problem. Die Station kann das Verhalten der Stellgröße nur im Bereich von
0% bis 100% aufzeichnen.
4.3.1. Lernphase
Abbildung 35: Verhalten des ADCO während der Lernphase (3. Regelstrecke)
Auswertung der Ergebnisse 42
Abbildung 36: Verhalten des Profit Loops während der Lernphase (3. Regelstrecke)
Für die Lernphase des ADCO wird die Stellgröße zunächst von 0% auf 10%
erhöht, anschließend auf -10% reduziert und letztendlich wieder auf 0%
gesetzt, damit der ADCO ein gültiges Modell für den Integralprozess
berechnen kann. Abbildung 35 zeigt das Verhalten der Regelgröße. Für die
Lernphase benötigt der ADCO ca. 4 Minuten und 45 Sekunden.
Damit der Profit Loop das Verhalten des Prozesses erlernen kann, wird auch
hier wieder der Profit Assistant gestartet. Bei diesem Prozess ist unbedingt
zu beachten, dass man im Tab „Loop Type“ angibt, dass es sich um einen
geschlossenen Regelkreis handelt, da sonst kein gültiges Modell errechnet
werden kann. Anders als bei den anderen Prozessen, wird während der
Lernphase nicht explizit die Stellgröße verändert, sondern der Sollwert. Der
Sollwert wird in diesem Fall auf 5% erhöht und anschließend wieder auf 0%
gesetzt. Für den Lernvorgang benötigt der Profit Loop ca. 31 Minuten und 30
Sekunden, bis ein Modell der Klasse 1 erreicht werden kann (Abbildung 36).
Hierbei gibt es aber sehr große Abweichungen, da zuvor andere Zeiten als
35 Minuten erreicht wurden und der Profit Assistant anschließend mit einem
Softwarefehler unvorhersehbar endete.
Auswertung der Ergebnisse 43
4.3.2. Regelung auf Änderung des Sollwertes
Abbildung 37: Verhalten des ADCO bei einer Sollwertänderung mit SENS 50 (3. Regelstrecke)
Abbildung 38: Verhalten des Profit Loops bei einer Sollwertänderung (3. Regelstrecke)
Eine Änderung des Sollwertes von 10% auf 20%, bei einer Sensitivität von
50, führt dazu, dass sich die Stellgröße im Bereich von -100% und +100%
ändert. Nach ca. 8 Minuten und 4 Sekunden kann er die Sollwertänderung
bewältigen (Abbildung 37).
Der Profit Loop hingegen hat bei einer Performance Ratio von 1 keine
Probleme, die Sollwertänderung auszuregeln. Er benötigt aber etwas mehr
Zeit mit ca. 8 Minuten und 15 Sekunden (Abbildung 38).
Auswertung der Ergebnisse 44
Abbildung 39: Verhalten des ADCO bei einer Sollwertänderung mit SENS 50 (3. Regelstrecke)(2)
Bei einer Sollwertänderung von 20% auf 10% braucht der ADCO ca. 3
Minuten und 40 Sekunden (Abbildung 39), der Profit Loop ca. 9 Minuten und
30 Sekunden. Auffällig ist hier, dass der ADCO für den Kühlvorgang bei
gleichbleibender Sensitivität relativ ruhig regelt, während der Heizvorgang
(Abbildung 37) sehr unruhig verläuft. Auch benötigt der ADCO beim
Kühlvorgang deutlich weniger Zeit als beim Heizvorgang, obwohl der
Heizvorgang eigentlich schneller verlaufen müsste aufgrund der niedrigeren
Ordnung und niedrigeren Verzögerung. Der Profit Loop bleibt auch während
des Kühlvorgangs sehr ruhig und regelt den Prozess aus (Abbildung 40).
Abbildung 40: Verhalten des Profit Loop bei einer Sollwertänderung (3. Regelstrecke)(2)
Auswertung der Ergebnisse 45
4.3.3. Anpassung der Regler
Da der ADCO bei einem Wert der Sensitivität = 50 nicht optimal regelt, wird
diesbezüglich eine Anpassung vorgenommen. Hierbei wird die Sensitivität
auf 25 reduziert.
Abbildung 41: Verhalten des ADCO bei einer Sollwertänderung mit SENS 25 (3. Regelstrecke)
Abbildung 42: Verhalten des ADCO bei einer Sollwertänderung mit SENS 25 (3. Regelstrecke)(2)
Wie Abbildung 41 zeigt, ist der ADCO mit einer Sensitivität von 25 nun in der
Lage, den Prozess ohne große Stellgrößenveränderungen auszuregeln. Für
eine Sollwertänderung von 10% auf 20% benötigt er jetzt ca. 6 Minuten und
für den Übergang von 20% auf 10% ca. 7 Minuten.
Auswertung der Ergebnisse 46
4.3.4. Fazit
Beide Regler sind in der Lage, diesen komplizierten Prozess auszuregeln.
Allerdings würde ich hier den ADCO bevorzugen, da die Lernphase deutlich
kürzer ist als beim Profit Loop. Hier gibt es eine Differenz von ca. 27 Minuten.
Des Weiteren zeigt der Profit Assistant einige Schwächen, die durch
eventuelle Updates behoben werden müssten. Es hat einige Zeit gekostet,
bis der Profit Assistant ein gültiges Modell erstellt hatte. Vor dem Versuch in
dieser Arbeit endete der Profit Assistant mehrfach durch einen
Softwarefehler oder hatte bei einem errechneten Modell einen sogenannten
„C++ Runtime Error“, weshalb ich nicht in der Lage war, das Modell in das
ACE zu laden. Auch gab es unterschiedliche Zeitspannen mit dem Profit
Assistant, bis ein Modell errechnet wurde. Während der Heiz- und
Kühlvorgänge ist der Profit Loop relativ ruhig gewesen, jedoch war er
trotzdem langsamer bei den Übergängen als der ADCO. Dass der ADCO
zunächst unruhig wurde bei einer Sollwertänderung, ist dem noch nicht
optimal eingestellten Wert der Sensitivität geschuldet.
Allgemeines Fazit 47
5. Allgemeines Fazit
Das Ziel dieser Arbeit war es, einige verfahrenstypische Prozesse in einer
Simulation abzubilden und anschließend mit zwei prädiktiven / adaptiven
Zustandsreglern zu testen. Bei der Entwicklung der Simulationen wurde ich
vor mehrere Herausforderungen gestellt, da einige Software-Fehler auftraten
oder manche Komponentenblöcke nicht so funktioniert haben wie
gewünscht. Aufgrund dessen musste ich Alternativen entwickeln, um an mein
Ziel zu kommen. Das erste Problem trat bei der Entwicklung des zweiten
Versuchsprozesses auf, in dem zwei Regler hintereinandergeschaltet
werden. Hier bestand die Herausforderung darin, den Istwert aus dem ersten
Regelkreis in den zweiten Regelkreis zu übergeben. In der praktischen bzw.
realen Anwendung wäre dieses Problem recht einfach gewesen. Weiterhin
mussten kleinere Fehler, wie der nicht funktionierende Split-Range des
ADCO oder der Switch, mittels Logik selbst programmiert werden. Insgesamt
ist festzuhalten, dass Simulationen gar nicht so einfach zu realisieren sind.
Dennoch haben Simulationen einen großen Vorteil, da man dadurch
notwendige Informationen und Erkenntnisse zum Verhalten der Regler
erhalten kann, ohne einen laufenden Produktionsprozess im speziellen Fall
zu finden bzw. zu stören. Für die Vermarktung solcher Regler können
anhand der Simulationen die Ergebnisse vor Ort beim Kunden präsentiert
werden, um diesen vom Produkt zu überzeugen. Die Versuchsprozesse
lassen sich auch so anpassen, dass der Kunde seine eigenen Prozesse
„wiedererkennt“. Beide Regler haben gezeigt, dass sie in der Lage sind, die
entwickelten Prozesse auszuregeln. Dennoch bestehen einige Unterschiede
im Bereich der Performance und Benutzerfreundlichkeit. Der ADCO war bei
fast jedem Prozess schneller in der Erlernung der Regelstrecke und
Ausregelung von Sollwertänderungen. Auch ist er in puncto
Benutzerfreundlichkeit überlegen. Für die Erlernung einer Regelstrecke muss
beim ADCO lediglich ein Häkchen gesetzt und ein Sprung der Stellgröße
gegeben werden, während beim Profit Loop ein externes Tool gestartet
werden muss, in dem noch einige Einstellungen vorgenommen werden
müssen. Der Profit Assistant scheint dabei nicht ganz fehlerfrei zu
funktionieren, da er während der Lernphasen des Öfteren durch einen
Ausblick 48
Softwarefehler unvorhersehbar endete und auch unterschiedliche
Zeitspannen festgestellt wurden, bis ein Prozess erlernt wurde.
6. Ausblick
Die Ergebnisse der Simulationen sollen die Vermarktung der prädiktiven /
adaptiven Zustandsregler, speziell den ADCO, unterstützen, da diese in der
Prozessindustrie noch nicht so weit verbreitet sind. Mit ihnen können
Produktionsanlagen effizienter betrieben werden, um die Produktionsqualität
zu erhöhen und Energie zu sparen. Die Ergebnisse der Simulationen zeigen,
dass dies durchaus möglich ist.
Diese Arbeit soll dazu dienen, um Kunden von diesen Produkten überzeugen
zu können. Des Weiteren soll sie dazu geeignet sein, die hier durchgeführten
Versuchsprozesse weiterentwickeln zu können, indem andere Szenarien
getestet werden.
Die Simulationen wurden, wie beschrieben, mit dem Prozessleitsystem
Experion PKS entwickelt. Durch die detaillierte Beschreibung des Aufbaus
der einzelnen Prozesse können diese auch unter anderen Systemen wie
„Siemens PCS 7“ oder „Proficy iFix“ nachgebaut werden, um die Ergebnisse
auf anderen Systemen zu vergleichen.
Insgesamt betrachtet, bin ich mit der Entwicklung und den Ergebnissen der
Simulationen sehr zufrieden, und hoffe, dass diese Arbeit im weiteren Verlauf
zum Verständnis und zur Vermarktung der Regler beitragen kann.
Glossar 49
7. Glossar
Adaption
Adaptiver / prädiktiver
Zustandsregler
Algorithmus
Deterministische Störung
(Experion PKS) ACE
(Experion PKS) Controller
Beschreibt eine selbsttätig
rückkoppelnde Steuerung in der
Regelungstechnik.
Bezeichnung für Regler, die ihre
Parameter an einen Prozess
anpassen können.
Ein Algorithmus ist eine eindeutige
Anleitung / Handlungsvorschrift zur
Lösung eines Problems oder zum
Ablauf eines Programms.
Beschreibt nichtperiodische
Testsignale, mit deren Hilfe
Prozesse auf Stabilität geprüft
werden können.
Abkürzung für Application Control
Execution. ACE ist ein Programm zur
Zugriffskontrolle für Anwendungen.
In dieser Arbeit stellt es einen
simulierten Controller dar.
Ein Controller dient zur
Überwachung von Prozessen in
Produktionsanlagen.
Glossar 50
(Experion PKS) Server
Experion PKS
Offener / geschlossener
Regelkreis
Parameter
Regelgröße
Regelgüte
Der Server beinhaltet alle
notwendigen Informationen über die
Prozesse, die beispielsweise in
einen Controller oder ACE geladen
werden.
Experion PKS ist ein
Prozessleitsystem der Honeywell
International Inc., das in der
Prozessindustrie zur Überwachung
von Prozessen verwendet wird.
Ein offener Regelkreis bezeichnet
einen Prozess, der manuell geregelt
werden muss. Ein geschlossener
Regelkreis regelt einen Prozess
automatisch aus, indem der Istwert
mit dem Sollwert verglichen wird.
Ein Parameter bezeichnet in der
Regelungstechnik eine bestimmte
Eigenschaft von Komponenten.
Die Regelgröße bezeichnet den
Istwert, der an den Sollwert
angepasst werden soll. Bei einer
Temperaturregelung stellt die
Regelgröße die Temperatur dar.
Die Regelgüte ist das Maß für das
Regelverhalten des Prozesses. Mit
ihr kann eine Aussage zur Qualität
des Prozesses getroffen werden.
Glossar 51
Regelstrecke
Regelverhalten
Sensitivität / Performance Ratio
Simulation
Sollwert
Split-Range
Stellgröße
Als Regelstrecke bezeichnet man
einen Teil eines Prozesses, der die
Regelgröße enthält, auf die ein
Regler über die Stellgröße wirken
soll.
Siehe Regelgüte.
Dieser Parameter bestimmt den
Grad der Aktivität des ADCO / Profit
Loops.
Eine Simulation ist eine Methode zur
Analyse von Systemen. Dabei
werden Experimente durchgeführt,
um herauszufinden, wie sich
beispielsweise ein Prozess unter
realen Bedingungen verhält.
Der Sollwert bezeichnet in der
Regelungstechnik einen Wert, der in
einem Prozess erreicht werden soll.
Ein Split-Range bewirkt, dass die
Stellgröße sowohl im positiven, als
auch im negativen Bereich arbeitet.
Mit Hilfe der Stellgröße wird ein
gezielter Eingriff in die Regelstrecke
bewirkt, um eine
Verhaltensänderung zu erreichen.
Glossar 52
Switch
Totzeit
Übergangszeit
Übertragungsfunktion
Ein Switch dient zur Ansteuerung
von mehreren Regelstrecken, die als
Rückgabewert in den Eingang eines
Reglers zurückgeführt werden.
Die Totzeit bezeichnet eine
Zeitspanne, die zwischen einer
Änderung an einem Systemeingang
und der Antwort am Systemausgang
liegt.
Die Übergangszeit beschreibt die
Zeit, die bei einer Sollwertänderung
des Prozesses benötigt wird.
Eine Übertragungsfunktion
beschreibt die Abhängigkeit des
Eingangssignals eines Systems vom
Ausgangssignal.
Verzeichnisse 53
8. Verzeichnisse
8.1. Literaturverzeichnis
Dittmar, R. 2009. Prädiktivregler Profit Loop als Ergänzung zu PID. atp
edition - Automatisierungstechnische Praxis. Juni 2009, S. 22-25.
Dittmar, R. und Pfeiffer, B.-M. 2004. Modellbasierte Prädiktive Regelung -
Eine Einführung für Ingenieure. s.l. : Oldenbourg Wissenschaftsverlag
München, 2004.
Honeywell International Inc. 2011. Experion PKS. [Online] 23. November
2011. http://hpsweb.honeywell.com/Cultures/en-
US/Products/Systems/ExperionPKS/default.htm.
i.p.a.s-systeme. 2011. [Online] 2011. http://www.ipas-systeme.de.
—. 2011. Adaptiver Regler ADCO. [Online] 2011. http://www.ipas-
systeme.de/adaptiver-regler-adco.
—. 2011. Adaptiver Regler ADCO. [Online] 2011. http://www.ipas-
systeme.de/wp-content/uploads/2010/11/ADCO_Deutsch_7.1.pdf.
Kovac, Stipo. 2011. Dokumentation der Praxisphase. Frankfurt am Main :
s.n., 2011.
Richalet, Jacques und O'Donovan, Donal. 2009. Predictive Functional
Control - Principles and Industrial Applications. s.l. : Springer Verlag, 2009.
VMWare. 2011. VMWare Workstation. [Online] 2011.
http://www.vmware.com/de/products/desktop_virtualization/workstation/overv
iew.html.
8.2. Abbildungsverzeichnis
Abbildung 1: Blockstruktur des adaptiven Regelkreises - © ipas-systeme.de 9
Abbildung 2: Wirkung der Performance Ratio bei einer Regelstrecke 1.
Ordnung mit Totzeit - © www.atp-online.de ................................................. 11
Abbildung 3: Experion PKS Logo - © honeywell.sk...................................... 13
Abbildung 4: Ansicht eines CMs im Control Builder ..................................... 14
Abbildung 5: Ansicht eines SCMs im Control Builder ................................... 14
Abbildung 6: DEADTIME-Block.................................................................... 15
Abbildung 7: LEADLAG-Block...................................................................... 15
Verzeichnisse 54
Abbildung 8: AUXCALC-Block ..................................................................... 16
Abbildung 9: NUMERIC-Block ..................................................................... 16
Abbildung 10: Experion PKS Station ............................................................ 17
Abbildung 11: Regelstrecke 1. Ordnung mit Totzeit ..................................... 19
Abbildung 12: Störsignal-Algorithmus im SCM ............................................ 20
Abbildung 13: Regelung zweier hintereinandergeschalteter Wärmetauscher -
© Bernhard Wurm ........................................................................................ 21
Abbildung 14: Regelkreis des ersten Wärmetauschers ............................... 23
Abbildung 15: Split-Range-Funktion am Regler-Ausgang am Beispiel der
Temperaturregelung .................................................................................... 26
Abbildung 16: Regelkreis mit unterschiedlichen Dynamiken beim Heizen und
Kühlen .......................................................................................................... 29
Abbildung 17: Verhalten des ADCO während der Lernphase (1.
Regelstrecke) ............................................................................................... 31
Abbildung 18: Lernphase des Profit Loops (1. Regelstrecke) – Ansicht im
Profit Assistant ............................................................................................. 32
Abbildung 19: Verhalten des ADCO bei einer Sollwertänderung (1.
Regelstrecke) ............................................................................................... 33
Abbildung 20: Verhalten des Profit Loops bei einer Sollwertänderung (1.
Regelstrecke) ............................................................................................... 33
Abbildung 21: Reaktion des ADCO auf äußere Störeinflüsse (1.
Regelstrecke) ............................................................................................... 34
Abbildung 22: Vergrößerte Ansicht der Abbildung 21 .................................. 34
Abbildung 23: Sollwertänderung mit Störeinflüssen beim ADCO (1.
Regelstrecke) ............................................................................................... 34
Abbildung 24: Reaktion des Profit Loops auf äußere Störeinflüsse (1.
Regelstrecke) ............................................................................................... 35
Abbildung 25: Vergrößerte Ansicht der Abbildung 24 .................................. 35
Abbildung 26: Sollwertänderung mit Störeinflüssen beim Profit Loop (1.
Regelstrecke) ............................................................................................... 35
Abbildung 27: Verhalten des 1. Wärmetauschers (ADCO) ohne Störungen 37
Abbildung 28: Verhalten des 2. Wärmetauschers (ADCO) ohne Störungen 37
Abbildung 29: Verhalten des 1. Wärmetauschers (Profit Loop) ohne
Störungen .................................................................................................... 38
Abbildung 30: Verhalten des 2. Wärmetauschers (Profit Loop) ohne
Störungen .................................................................................................... 38
Abbildung 31: Verhalten des 1. Wärmetauschers (ADCO) mit Störungen ... 39
Abbildung 32: Verhalten des 2. Wärmetauschers (ADCO) mit Störungen ... 39
Abbildung 33: Verhalten des 1. Wärmetauschers (Profit Loop) mit Störungen
..................................................................................................................... 40
Abbildung 34: Verhalten des 2. Wärmetauschers (Profit Loop) mit Störungen
..................................................................................................................... 40
Abbildung 35: Verhalten des ADCO während der Lernphase (3.
Regelstrecke) ............................................................................................... 41
Verzeichnisse 55
Abbildung 36: Verhalten des Profit Loops während der Lernphase (3.
Regelstrecke) ............................................................................................... 41
Abbildung 37: Verhalten des ADCO bei einer Sollwertänderung mit SENS 50
(3. Regelstrecke) .......................................................................................... 43
Abbildung 38: Verhalten des Profit Loops bei einer Sollwertänderung (3.
Regelstrecke) ............................................................................................... 43
Abbildung 39: Verhalten des ADCO bei einer Sollwertänderung mit SENS 50
(3. Regelstrecke)(2) ..................................................................................... 44
Abbildung 40: Verhalten des Profit Loop bei einer Sollwertänderung (3.
Regelstrecke)(2) .......................................................................................... 44
Abbildung 41: Verhalten des ADCO bei einer Sollwertänderung mit SENS 25
(3. Regelstrecke) .......................................................................................... 45
Abbildung 42: Verhalten des ADCO bei einer Sollwertänderung mit SENS 25
(3. Regelstrecke)(2) ..................................................................................... 45
8.3. Tabellenverzeichnis
Tabelle 1: Parametrierung des ADCO-Reglers ............................................ 19
Tabelle 2: Parametrierung des Profit Loops ................................................. 19
Tabelle 3: Parametrierung des ADCO-Reglers (1. Wärmetauscher) ........... 23
Tabelle 4: Parametrierung des Profit Loops (1. Wärmetauscher) ................ 23
Tabelle 5: Parametrierung des ADCO-Reglers (2. Wärmetauscher) ........... 24
Tabelle 6: Parametrierung des Profit Loops (2. Wärmetauscher) ................ 24
Tabelle 7: Umrechnung der Stellgröße für den Split-Range ........................ 28
Tabelle 8: Parametrierung des ADCO (3. Regelstrecke) ............................. 29
Tabelle 9: Parametrierung des Profit Loops (3. Regelstrecke)..................... 29
Tabelle 10: Parametrierung des integrierenden Gliedes (3. Regelstrecke) .. 30
Tabelle 11: benötigte Zeiten für die Lernphase (2. Regelstrecke)................ 37