Auto-tuning of a model predictive controller
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Kemian tekniikan korkeakoulu |
Master's thesis
Authors
Date
2019-03-12
Department
Major/Subject
Chemical and Process Engineering
Mcode
CHEM3043
Degree programme
Master's Programme in Chemical, Biochemical and Materials Engineering
Language
en
Pages
94 + 4
Series
Abstract
Current day attitudes towards environmental safety and energy consumption require all industries to reach a higher standard in production. Increasing production volumes and demand for higher quality create new challenges for companies as no trade-off either environmental or safety wise is acceptable. In order to maintain their market position, whilst being able to provide benefit for their owners, companies must find ways to adapt and use of advance process control can play a major role in this area. Model predictive control has gained a lot of recognition as an efficient, advanced multivariable process controller. The main idea in a model predictive control is to create a horizon of predicted plant measurements, which is then used in control action computation. These control actions are found by minimizing the cost function - the core basis of the MPC - utilizing the prediction horizon and target trajectory. Various tunable parameters are also present in the cost function. Parameter tuning is a non-trivial task that can have a significant effect on control performance. Utilization of parameter tuning can result in higher quality and quantity of production, with less energy and raw material waste as well as improved process safety. This thesis reviews the current state-of-the art of MPC weight factor tuning and the literature review covers both offline and online methods. The experimental part of this thesis tests a novel gradient free auto-tuning method via a small-scale simulation experiment, the results of which are subsequently analyzed with a focus on the stability and speed of the auto-tuned controller response. The literature review shows, that the tuning methods have been studied extensively and there exists numerous methodologies for both online and offline tuning purposes. Although many of these methods are auto-tuning in nature, so far no singular superior method has been found. Results of the simulation experiment suggest that the novel auto-tuning method outlined in this thesis is able to perform successfully in various controlling scenarios. Nevertheless, there is room for improvement in tuning performance, primarily related to the reduction of oscillation and relative importance ranking of the individual weight factors.Nykypäivän asenteet liittyen ympäristön suojeluun ja energiankulutukseen ohjaavat kaikkia teollisuuden aloja korkeamman tason saavuttamiseen tuotannossa. Kasvavat tuotantomäärät ja korkealaatuisten tuotteiden kysyntä luovat uusia haasteita yrityksille, sillä ympäristö ja turvallisuusasioissa ei voida tinkiä. Pystyäkseen pitämään markkina-asemansa ja tuottamaan lisäarvoa omistajilleen, yritysten on löydettävä uusia keinoja kehittyä. Kehittyneellä prosessien säätötekniikalla on merkittävä rooli kyseisessä kehityksessä. Malliprediktiivinen säätö on saanut suurta huomiota tehokkaana monimuuttuja säätötekniikkana. Tekniikan perusideana on luoda ennustehorisontti säätömuuttujille ja käyttää ennustetta säätötarpeiden laskennassa. Säätötarve saadaan määritettyä minimoimalla malliprediktiivisen säädön keskiössä olevaa kustannusfunktiota hyödyntäen ennustehorisonttia ja tavoitteellista kehityskaarta. Malliprediktiiviseen säätöön liittyy myös paljon viritettäviä parametreja. Viritys on merkittävä osa säätimen toimintaa, ja se vaikuttaa säädön hyvyyteen, johtaen tuotteen laadun paranemiseen ja tuotantomäärien kasvamiseen vähentäen samalla energian kulutusta ja raaka-aineen hävikkiä, unohtamatta prosessin turvallisuuden paranemista. Tässä diplomityössä selvitetään malliprediktiivisen säätimen painokertoimien virityksen nykyistä tilaa. Kirjallisuuskatselmus sisältää selvityksen sekä verkkoon kytkemättömien säätimien, että verkkoon kytkettyjen säätimien virityksestä. Työn kokeellisessa osassa tutkitaan uudenlaisen gradientittoman automaattiviritystekniikan toimintaa pienikokoisessa simulaatiossa. Tuloksia analysoidaan keskittyen erityisesti säädön stabiliteettiin sekö nopeuteen. Katselmuksessa todettiin, että viritysmetodit ovat laajasti tutkittuja ja niitä on paljon. Monet viritysmetodeista ovat automaattiviritysmetodeja, mutta yhtä ylivoimaista metodia ei ole olemassa. Kokeellisen osan tulokset viittaavat siihen, että kyseinen tekniikka toimii useissa tapauksissa hyvin. Viritystekniikassa on tosin myös parannettavaa oskilloinnin hallinnassa sekä yksittäisten painokertoimien suhteellisen tärkeyden määrittämisessä.Description
Supervisor
Jämsä-Jounela, Sirkka-LiisaThesis advisor
Boriouchkine, AlexandreKeywords
auto-tuning, MPC, optimization, process control