Nonlinear Multivariable Predictive Controls with Laguerre-based Wiener Neural Network Models and Partial Least Squares Model Reduction
Loading...
URL
Journal Title
Journal ISSN
Volume Title
School of Electrical Engineering |
Doctoral thesis (monograph)
| Defence date: 2016-06-03
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
Major/Subject
Mcode
Degree programme
Language
en
Pages
252
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 68/2016
Abstract
This thesis considers dynamic modeling and control of nonlinear multivariable systems. Practical nonlinear control methods for industrial processes have been generated based on an orthogonal Laguerre-based Wiener-NN model structure. a priori information of the process can be included in the model structure by selecting a suitable orthogonal Laguerre basis, which gives a low dimensional and robust model structure with only a few parameters to be identified. Moreover, it gives in practice a solid basis for using NN's to describe the static nonlinear mapping in the Wiener model structure. This modeling approach is especially suitable for empirical modeling in the process industry, where a priori information can be included in the model structure to describe the dominant dynamics of the process as the basis for the actual identification. Based on this model structure a nonlinear control method has been generated, where the existing field-proven Linear Multivariable Predictive Control methods (LMPC's) can be utilized to produce corresponding Nonlinear Multivariable Predictive Control methods (NMPC's). The integrated nonlinear control method has been realized with two separate field-proven LMPC-methods; Model Algorithm Control (MAC) and Dynamic Matrix Control (DMC) methods, which have been modified into a Laguerre-based form to make the realizations straightforward. The integrated nonlinear control structure yields a good approach to solve nonlinear control problems in real-life processes using the existing familiar LMPC methods by adding, even gradually, identified nonlinearities into a "running" control structure. To achieve a more radical model reduction, the data-based orthogonalized Partial Least Squares (PLS) model structure has also been integrated with the same Wiener-NN model structure. Based on this model structure, the corresponding PLS-based nonlinear control methods have also been achieved via the integration with the existing LMPC methods (MAC and DMC). Using the PLS structure the control implementation can be realized using only separate SISO controllers according to the defined PLS dimensions. In the event of facing a lack of computing power caused by, for example, a required short control cycle time, this approach allows us to accomplish good practical control solutions. Comprehensive control performance tests have been executed utilizing nonlinear simulation models of a 2 x 2 ethanol-water distillation unit, an industrial scale neutralization process and a 5 x 7 heavy oil fractionator.Tämä väitöskirja käsittelee epälineaaristen monimuuttujasysteemien dynaamista mallinnusta ja säätöä. Käytännöllinen mallinnusproseduuri ja epälineaariset säätömenetelmät on luotu teollisuusprosesseille sopiviksi perustuen ortogonaaliseen Laguerre-pohjaiseen Wiener-NN mallirakenteeseen. Prosessin etukäteistietoa voidaan sisällyttää mallirakenteeseen valitsemalla sopiva ortogonaalinen Laguerre-kanta, joka antaa pienidimensioisen ja vakaan mallirakenteen sisältäen vain muutaman identifioitavan parametrin. Lisäksi rakenne antaa kestävän perustan toteuttaa Wiener-mallin staattinen epälineaarinen osuus neuroverkkojen avulla. Tämä mallinnustapa on erityisen sopiva teollisuusprosessien kokeelliseen mallinnukseen, missä etukäteistietoa voidaan hyödyntää kuvaamaan prosessin päädynamiikkaa perustana varsinaiselle identifioinnille. Tähän mallirakenteeseen perustuen on luotu epälineaarinen säätömenetelmä, jossa olemassa olevia koeteltuja lineaarisia monimuuttujasäätömenetelmiä voidaan hyödyntää tuottamaan ennustavia epälineaarisia monimuuttujasäätömenetelmiä. Tämä integroitu epälineaarinen säätömenetelmä on toteutettu käyttäen kahta tunnettua ennustavaa lineaarista monimuuttujasäätömenetelmää; MAC- ja DMC menetelmää, jotka on modifioitu Laguerre-kannan muotoon tehden toteutukset suoraviivaisiksi. Näin integroitu epälineaarinen säätörakenne antaa hyvän lähestymistavan ratkaista epälineaarisia säätöongelmia todellisissa prosesseissa käyttäen tuttuja, jo olemassa olevia lineaarisia menetelmiä lisäämällä jopa yksitellen epälineaarisuuksia käytössä olevaan säätörakenteeseen. Edelleen mallirakenteen yksinkertaistamiseksi on myös datapohjaisesti ortogonalisoitu osittaisen pienimmän neliösumman (PLS) mallirakenne integroitu saman Wiener-NN mallirakenteen kanssa. Tähän mallirakenteeseen perustuen on myös luotu vastaavat PLS-pohjaiset epälineaariset säätömenetelmät, joissa on integroituna em. lineaariset säätömenetelmät (MAC ja DMC). PLS-rakennetta käytettäessä voidaan säädön toteutuksessa käyttää pelkästään yksittäisiä SISO-säätimiä määriteltyjen PLS dimensioiden mukaan. Rajoitetun laskentakapasiteetin tapauksessa, johtuen esim. vaadittavasta lyhyestä säätövälistä, tämä lähestymistapa mahdollistaa hyvien käytännön säätöratkaisujen toteutuksia. Kattavat säätöjen suorituskyvyn testit on suoritettu käyttäen 2 x 2 etanoli-vesi tislausyksikön, tehdasmittakaavaisen neutralointiprosessin ja 5 x 7 raskasöljyn monijakotislauksen epälineaarisia simulointimalleja.Description
Supervising professor
Visala, Arto, Prof., Aalto University, Department of Electrical Engineering and Automation, FinlandKeywords
orthogonality, Laguerre approximation, Wiener model, multivariable predictive control, nonlinear control, model reduction, partial Least Squares, neural Networks, binary distillation, neutralization process, heavy oil fractionator, ortogonaalisuus, Laguerre funktio, Wiener malli, ennustava monimuuttujasäätö, epälineaarinen säätö, mallin pelkistys, osittainen pienin neliösumma, neuroverkot, binääritislaus, neutralointi, raskasöljyn monijakotislaus