Reglers „ADAPCTL“ mit dem · 2014. 7. 14. · ADCO ist nur von einem Parameter (Sensitivität) abhängig. Dieser Parameter kann Werte zwischen -100 und +150 annehmen. Der Wert

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


3.4. Integralprozess mit unterschiedlichen Dynamiken beim Heizen und

Kühlen ...................................................................................................... 25

3.4.1. Split-Range-Regelung .............................................................. 26


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


4.2.4. 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


4.3.4. 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


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)


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


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


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.


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)


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


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


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)


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.


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.


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)


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.


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:


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. 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


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.


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.


Abbildung 33: Verhalten des 1. 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.


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.


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)


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.


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).


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)



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.


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


..................................................................................................................... 40


..................................................................................................................... 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


(3. Regelstrecke)(2) ..................................................................................... 44

Abbildung 40: Verhalten des Profit Loop bei einer Sollwertänderung (3.

Regelstrecke)(2) .......................................................................................... 44


(3. Regelstrecke) .......................................................................................... 45


(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

Documents

Reglers „ADAPCTL“ mit dem · 2014. 7. 14. · ADCO ist nur von einem Parameter (Sensitivität) abhängig. Dieser Parameter kann Werte zwischen -100 und +150 annehmen. Der Wert