Temperatuurregeling voor een chips-extruder

Bij PEPSICO wordt een extruder gebruikt om van ruwe grondstoffen Hamka’s chips te maken. Dit gebeurt door verschillende ingredienten te mixen in een extruder, waar het na verschillende verwarmings ‘zones’ geextrudeerd wordt tot een ‘Hamka’ vormpje. Na deze extrusie wordt het ‘Hamka’ vormpje gebakken, en in een zakje gestopt. Hierbij is een nauwkeurige temperatuursbeheersing in de extruder nodig, want als de vormpjes te heet geextrudeerd worden, zetten ze teveel uit. De klant ondervond hierbij het probleem dat de Hamka chipjes niet meer in het zakje pasten, of er zelfs uit barsten, omdat ze soms te groot waren. Ze hebben Dotx Control Solutions gevraagd om de regeling van de extruder te verbeteren. Om de temperatuursbeheersing te verbeteren, heeft Dotx Control Solutions eerst een simulatiemodel gemaakt het proces. Hiermee is een optimale regelaar ontworpen, geimplementeerd, en getest tijdens productie.

Introductie

PEPSICO gebruikt voor hun proces een extruder. De extruder wordt gevoed door met meerdere ingredienten. De ingredienten gaan door verschillende zones heen van de extruder. Het is belangrijk dat de temperatuur in elke zone op setpoint wordt gehouden. Elke zone in de extruder is voorzien van zijn eigen verhittingselementen. De productkwalitiet is sterk afhankelijk van de juiste temperatuur in elke zone. De huidge temperatuurbeheersing voldoet hier niet aan, er is een maximale absolute afwijking van ongeveer 3 graden, zie figuur 1.

Figuur 1: Temperaturen in 3 zones tijdens productie.

Analyse van de huidige aansturing

De extruder heeft meerdere verhittingszones. Elke verhittingszone in de extruder is voorzien van zijn eigen PID regelaar. De uitgang van de regelaar gaat naar een split range. Als het signaal, MV, kleiner is dan nul, dan wordt een PWM signaal uitgestuurd als aansturing van de koelklep. Als MV groter is dan nul, dan wordt de verhitter aangestuurd.

De temperatuurvariaties treden op in een regelmatig patroon. Dit kan worden veroorzaakt door een externe storingvariabele, door niet continue verstelbare actuatoren, of door onjuist ingestelde PID regelingen. Door de implementatie van de PWM, ontstaat er een niet lineaire relatie tussen de uitgang van de PID regeling, MV en de te regelen variabele, de temperatuur.
Daarnaast is er een minimum flow van 6% van de maximale flow. De minimum flow moet zo laag mogelijk gehouden worden. Ten slot werkt de huidige PID regeling maar met één set instellingen voor zowel verhitten als koelen.

Resultaat

Aan de hand van de aangegeven punten in de analyse zijn de volgende oplossingen naar boven gekomen:

  • Er is een alternatieve berekening voor het PWM signaal geprogrammeerd waardoor de relatie tussen de PID uitsturing en de opwarming en koeling lineair is.
  • Er is een split-range regeling geimplementeerd, waardoor er nu twee PID regeling zijn: 1 voor koelen, en 1 voor verwarmen. Dit was nodig omdat de dynamica voor koelen en verwarmen sterk verschillen.
  • Er is een nieuwe PID regelaar geprogrammeerd om een ‘bumpless’ overgang te kunnen realiseren.

Testen

Op basis van de geïmplementeerde verbeteringen zullen er tests worden gedaan voor het verhitten en verkoelen.

Testen bij verhitten

Het effect van verhitten op de temperatuur is als volgt gemodelleerd.

 T = \frac{50 e^{-250s}}{61340 s + 1} MV

Met
 T = temperatuur (graden C)
 MV = uitsturing naar verhitter (%)
 s = Laplace variable

Daarnaast kan de oude PID regeling als volgt worden gemodelleerd.

 MV = KpSc \left( K_p e + k_i \frac{1}{s} e - K_d T_s \right)
 e = SP - T

Met
 KpSc = 0.3 (schalingsfactor, gevonden door fitten van data)
 K_p = 20 = proportionele versterking
 K_i = 1/270  s^{-1} = integrerende versterkings-factor
 K_d = 180 s = differentiërende factor
 SP = setpoint

Het gesloten lus gedrag is gevalideerd met een setpoint stap experiment, zie figuur 2. Het model en de meting komen goed overeen. Dus kan er worden onderzocht of er betere PID regeling mogelijk is. Verder lijkt de huidige regeling te onvoldoende gedempt.

Figuur 2: Verificatie experiment

In figuur 3 is te zien dat de nieuwe regeling, via de SIMC methode, de temperatuur beter regelt. Er is een verbetering in de MSE van een factor 2.

Testen bij koelen

Het regelen van de temperatuur bij koelen is aangepast: zowel het PWM signaal, als de PID regeling zelf is aangepast. De wijzigingen worden hieronder toegelicht.

De basisperiode van het signaal PMW is aangepast, zie Figuur 4. Daarbij is het signaal nu lineair afhankelijk van de uitgang van de PID regelaar.

Figuur 4: PMW signaal

Om de PID instellingen aan te passen, is eerst het model geïdentificeerd op basis van een black-box methode. Verder is de Dotx PID Regelaar geimplementeerd. Deze gedraagt zich als volgt:

 MV = Kp \left( e + \frac{1}{T_i s} e - \frac{T_ds}{a T_d s + 1} T \right)
 e = SP - T

Met deze twee modellen is een gesloten lus verificatie uitgevoerd, waaruit blijkt dat model en meting goed overeenkomen, zie figuur 5.

Figuur 5: verificatie experiment

Verder zijn er nog tests uitgevoerd tijdens de productie met hamka’s en ringlings. Onderstaande figuur laat zien hoe de Dotx regeling de temperatuur snel weer op setpoint krijgt, na een verstoring.

Figuur 6: Tests met beide PID regelingen tijdens de productie

Conclusie

Terugkomend op de hoofdvraag:

Kan de temperatuursbeheersing van de extruder worden aangepast, zodat de productkwaliteit in orde is?

Luidt het antwoord: Ja, door de relevante processen van de extruder te modeleren zijn er een aantal verbeteringen doorgevoerd aan de regeling, zoals een split-range regelaar, output linearisatie, en optimale PID instellingen. Daardoor zijn temperatuursvariaties afgenomen van 3C tot 0.5C.

Windturbine: Pitch & Yaw Optimalisatie

De pitchhoeken van een windturbine worden aanvankelijk ingesteld door een monteur met behulp van een schroevendraaier of een knop om de hoek te fixeren waarop het blad moet zijn wanneer het op 0 graden staat (de fine-pitch hoek). De monteur lijnt de markeringen op het blad en in de neuskegel van de turbine uit om dit te doen.

Optimalizatie algoritme

Met onze automatische regelprocedure past de PLC van de windturbine:

  1. Eerst de relatieve pitchhoeken aan om de onbalans van de rotor te minimaliseren.
  2. Daarna past de computer alle bladhoeken in harmonie aan om de optimale fijne pitchhoek te vinden die de vermogensuitvoer van de turbine maximaliseert.

Een vergelijkbare procedure is ontwikkeld voor de yawhoek:

  1. De yaw-hoek varieert in een stapvormige beweging, bijvoorbeeld van -10, -5, -2, +2, +5, +10 graden.
  2. Een Maximum Power Tracking regeling zorgt ervoor dat continue geoptimaliseerd wordt naar vermogen.
  3. Wanneer de optimale yaw-hoek gevonden is waarbij het geleverde vermogen maximaal is, kan het algoritme stoppen.

Field Test resultaten

De grafiek hieronder toont hoe de optimale yaw-offset convergeert naar zijn uiteindelijke waarde, binnen ongeveer 100 cycli (wat overeenkomt met 30 ‘effectieve’ uren, dat wil zeggen uren waarin de turbine onder de juiste omstandigheden werkt). In deze grafiek was de windvaan eerst gekalibreerd met behulp van een LIDAR, om ons in staat te stellen de geoptimaliseerde yawhoek te controleren. De op LIDAR gebaseerde yawafwijking, weergegeven als een zwarte lijn, bevestigt het resultaat.

Optimalisatie van de yawhoek om het vermogen te optimaliseren.

Waarde voor de klant

Met een geoptimaliseerde yaw & finepitch hoek heeft de klant met field tests laten zien dat gemiddeld genomen:

  1. oscillaties met meer dan 80% kunnen worden verminderd,
  2. terwijl het rendement met 3-6% per jaar kan worden verbeterd.

De klant bied dit inmiddels aan als een ‘upgrade package’ aan bestaande klanten, en de procedure wordt nu standaard tijdens de commissioning van nieuwe turbines uitgevoerd.

Certificering

De optimalisatieprocedure maakt uitsluitend gebruik van standaard aan boord aanwezige sensoren. Na optimalisatie wordt een PV-curveverschil ‘voor’ en ‘na’ gegenereerd, dat kan worden gebruikt om de exacte rendementsverbetering te berekenen. Deze procedure is geverifieerd door een certificatie-instituut en is toegepast op meer dan 20 windturbines in het veld.

Verbeteringen in de regeling van Kooksovens.

...


Problem: reduce pressure variations in Cokes furnace 2.
Result: 70% reduction of pressure peaks


First strike (2010)
Cokesovens produceren kooks uit steenkool. Tijdens de productie ontsnappen giftige gassen uit de steenkool en worden afgezogen en getransporteerd naar de gasreinigingsinstallatie.

Het is belangrijk dat de druk in de ovens dicht bij het ingestelde punt wordt gehouden met minimale variaties. Als de druk te hoog stijgt, zal het naar het milieu ontsnappen. Als de druk te laag is, komt er lucht de oven binnen en verbrandt de steenkool/cokes en beschadigt de ovenbekleding. Om nauwkeurige controle mogelijk te maken, wordt de druk op 5 locaties in de oven op het ingestelde punt gehouden door 5 PID-regelaars die de klepposities aanpassen.

In de eerste fase analyseerde DotX gegevens en onderzocht de oorzaak van de drukvariaties en de mogelijkheden om deze te verminderen door het besturingssysteem aan te passen. In 2010 werden op basis van deze analyse de eerste wijzigingen in het besturingssysteem aangebracht:

  1. De PID-regeling werd geoptimaliseerd.
  2. Self Learning Feedforward werd geïmplementeerd als een toevoeging aan 4 PID-regelaars.
  3. Play-compensatie werd geïmplementeerd als een uitbreiding van een van de besturingsuitgangen.
Self Learning Feedforward reageert uitsluitend op een triggervoorwaarde die aan 1 gaat als de oven wordt geladen met nieuwe steenkool. De drukpieken worden duidelijk verminderd met Self Learning Feedforward ingeschakeld. De play-compensatie vermindert het effect van speling tussen de besturingsuitgang (gevraagde kleppositie) en de werkelijke kleppositie. Al met al werden de drukvariaties met 50% verminderd.



Second strike (2020- now)
In 2020 vroeg Tata om advies over verdere vermindering van de drukvariaties. Er werden verschillende mogelijkheden voorgesteld:
  1. Implementeer real-time monitoring van alle PID-regelingen (gereguleerde druk, uitgangen van PID en klepposities).
  2. Maak een model van de druk op basis van eerst beginselen, verifieer het en gebruik het model om een verscheidenheid aan verbeteringen in het besturingssysteem te simuleren.
Het eerste punt, realtime monitoring, is in 2021 door DotX geïmplementeerd in de Azure-omgeving. Deze webtoegang maakt alleen het monitoren van gegevens mogelijk en biedt geen toegang tot enige Tata-computer of PLC. De monitor stelt degenen met toegang in staat om op elk moment en overal de status van de regellussen en de PID-ingangen en -uitgangen te controleren.

De onderstaande afbeelding toont een schermafbeelding van mijn mobiele telefoon (waar het internetadres om veiligheidsredenen is aangepast). Het laat de Procesvariabele (PV) en Setpoint (SP) zien gedurende het afgelopen uur. Als een regellus een probleem ondervindt, wordt er een e-mail gestuurd naar een groep mensen (inclusief DotX), waarin het probleem wordt uitgelegd en wordt gevraagd om actie te ondernemen. Deze e-mailmelding is een aanvulling op de reguliere alarmen in de bedieningsruimte (die soms over het hoofd worden gezien) en biedt ons (DotX) de mogelijkheid om te reageren.



Elke maand maakt DotX een rapport over Key Performance Indicators (KPI’s) op basis van de gegevens en bespreekt de resultaten met Tata. De KPI’s omvatten standaardafwijkingen van PV-SP, frequentiespectrumanalyse (om slecht gedempte oscillaties te detecteren), schattingen van speling in elke actuator en de effectiviteit van het besturingssysteem tijdens het laden (waar de hoogste drukpieken optreden).

Het tweede item (modellerings- en analysestudie) werd in 2020 uitgevoerd en resulteerde in de aanbeveling van Gain Scheduling en verschillende wijzigingen in feedforward.

Elke wijziging in het besturingssysteem werd geëvalueerd met wetenschappelijke procedures, zoals het regelmatig schakelen tussen een nieuwe situatie en de oude situatie gedurende ten minste 5000 keer. Dit stelt hen in staat om het effect op alle PID-regelingen vrij nauwkeurig te berekenen. Als een maatregel succesvol lijkt, wordt deze gedurende een langere periode gemonitord om de ‘gezondheid’ ervan te controleren. Sommige aanpassingen vereisten aanvullende analoge communicatie tussen PLC’s, die werden gerealiseerd door Tata.

Resultaten
Door voortdurende inspanningen om de controle te verbeteren, is het waarschijnlijk dat de standaardafwijkingen van elke regellus zullen blijven afnemen, zoals tot nu toe het geval is.

Back to Control Projects


pH Lus Optimalisatie

Results of PID Control optimization of a pH loop

Een biofarmaceutisch bedrijf heeft DotX gevraagd om:

  • On-site assistentie bij het toepassen van de PID Tuner om 4 regellussen af te stemmen in twee 2000L bioreactoren.
  • On-site training in PID-afstemming met behulp van de DotX PID Tuner-software.

In deze post leggen we uit hoe we hebben samengewerkt en de geweldige resultaten hebben behaald.

De uitdagingen op het gebied van controle

De bioreactor in kwestie is een modern en hoogtechnologisch apparaat met PID-regellussen voor pH, opgelost zuurstof (DO) en temperatuur. Het meest uitdagende om te controleren is DO, omdat dit wordt geregeld door een mix van gassen, waaronder zuurstof, CO2 en lucht. De PID-uitvoer van de DO-lus is de invoer voor een schema van deze gassen.

Analyse van de PID-lussen

We hebben de regelschema’s en gegevens van de laatste batch geanalyseerd. Uit onze analyse bleek het volgende:

  • Alle PID-regelafstemmingen konden met minstens een factor 2 worden verbeterd (in termen van reactietijd en demping van de gesloten lus).
  • Er was een probleem met het schema voor gassen die worden gebruikt om DO te regelen: op een gegeven moment veroorzaakte dit schema instabiel lusgedrag.
  • Het was nuttig om laagdoorlaatfilters toe te voegen aan het DO-signaal om pieken te voorkomen bij het toepassen van de D-actie in de PID-regelaar.

Resultaat met de DO-lus

Hieronder ziet u gemeten gegevens van de DO-lus vóór optimalisatie (verzameld in een batch ervoor) en daarna (verzameld in de batch na het wijzigen van de PID-instellingen). Duidelijk is dat rond t=75 uur de afwijkingen van het streefdoel met meer dan een factor 10 zijn verminderd. Dit is gedeeltelijk te danken aan de veranderingen in het gasschema en de verbeterde PID-afstemming.

Resultaat met de pH-lus

Hieronder ziet u gemeten gegevens van de pH-lus vóór optimalisatie (verzameld in een batch ervoor) en daarna (verzameld in de batch na het wijzigen van de PID-instellingen). Het is duidelijk dat de reactietijd van de gesloten lus aanzienlijk is verbeterd (met meer dan een factor 4), demping is verbeterd en de afwijkingen van het streefdoel zijn verminderd met meer dan een factor 3.

Auto-Tuning van wind turbine regelaars

Traditionele wind turbine regelingen

De regelingen van windturbines evolueeren snel en worden steeds complexer. De eerste regelsystemen voor variabele snelheid van windturbines beheersten alleen de generatorsnelheid en het generatorvermogen. Ze hadden slechts 1 PID-regellus nodig (voor snelheidsregeling via pitch), een koppel-snelheidscurve van de generator en een fine-pitch-schedule. Het afstemmen van het regelsysteem betekende dat slechts een paar parameters, zeg minder dan 5, moesten worden afgestemd.

Moderne windturbine regelingen

Echter, moderne regelaars van windturbines kunnen gemakkelijk 8 of meer PID-lussen draaien in de regelaar van de windturbine, uitgebreid met notch-filters, lead-lag-filters en low-pass-filters, gericht op niet alleen snelheidsregeling, maar ook voor-achterwaartse acceleratieregeling (om bodembelastingen op de toren te verminderen) en regeling van bladbelastingen (om belastingen op de gondel en bladen te verminderen).

Het afstemmen van al deze parameters (meer dan 200!) is niet meer zo eenvoudig, want tegenwoordig hebben we het over het afstemmen van honderden regelparameters. Bijvoorbeeld, het afstemmen van de PIDs voor de regellus van de generatorsnelheid in combinatie met de voor-achterwaartse lus is moeilijk: deze PIDs moeten niet alleen worden beoordeeld op demping en snelheid van reactie, maar ook op hun (grote!) effect op belastingen en pitch-activiteit. Daarnaast is er vaak een sterke interactie tussen deze twee regellussen.

Traditioneel stemden we het regelsysteem handmatig een keer af voor een specifieke configuratie van de windturbine en staken veel moeite in het minimaliseren van de belastingen terwijl we de vermogensafgifte maximaliseerden. Na de eerste (ontwerp van de windturbine) iteratie gingen onze klanten gewoon door met die instellingen terwijl ze de configuratie van de windturbine aanpasten, en pasten alleen de regelparameters aan indien nodig. Er is gewoonweg niet genoeg tijd voor afstemming. Het eindresultaat is een niet-optimaal ontwerp van de windturbine!

Auto Tuning: Optimalisatie naar belasting & vermogen

Om dit te veranderen, begonnen we te experimenteren met automatische tuning methoden. Het idee is relatief eenvoudig: probeer de manier waarop een regeltechnicus (zou moeten) werken te automatiseren. Eerst ontwikkelden we een algoritme dat regelparameters berekent op basis van een gespecificeerde bandbreedte van de gesloten lus (wb). Vervolgens zoeken we naar die wb-waarde die een kostenfunctie minimaliseert die (gewogen) belastingen versus vermogensafgifte bestraft. Bij deze laatste optimalisatie passen we gegevens toe die zijn gegenereerd uit belastingsimulaties op een (aero-elastisch) model.

Als voorbeeld, bekijk de grafieken hierboven. De bandbreedte werd gevarieerd (kruisjes) en voor elke waarde hebben we de toename/afname in vermogen en Ontwerp-Equivalente Belastingen (DELS) berekend, relatief aan een initiële afstemming. De ontwerper van de windturbine kan nu snel het effect van de afstemming beoordelen en beslissen tussen meer belastingvermindering met minder vermogensafgifte of andersom.

De besproken algoritmen zijn niet specifiek voor een bepaalde software voor windturbinebesturing en we hoeven niet op de hoogte te zijn van de details van uw besturingssoftware om dit te laten werken. Als u geïnteresseerd bent, neem dan alstublieft contact met ons op.

Ontwikkelink van een Spel

Stichting Leeuw vroeg aan DotX om een geoptimaliseerde versie van hun jaagsimulator te ontwikkelen. Deze simulator is een met kabels bediende manipulator die door een operator wordt aangestuurd. De operator ‘lok’ prooidieren om de manipulator te achtervolgen (met vlees). DotX heeft niet alleen nieuwe geoptimaliseerde besturingssoftware ‘op papier’ ontwikkeld, maar ook in de vorm van een spel. Een van de verbeteringen is de toepassing van ‘haptische feedback’. Dat betekent in dit geval dat de joystick tegenkracht geeft wanneer de manipulator een obstakel nadert.

Bijzonderheden: De spanning in de kabels wordt gegenereerd door een besturingsalgoritme dat bestaat uit twee delen. Het eerste deel berekent de gewenste spanningskrachten in drie loodrechte richtingen met behulp van 3 PID-regelaars (1 voor elke richting). Deze drie krachten worden vervolgens verwerkt via een spanningsverdelingsalgoritme in gesloten vorm, zoals beschreven in [1]. De haptische ondersteuning bestaat uit een terugduwkrachtveld rond vaste objecten (zoals muren en stenen in het gebied) dat wordt geschaald op basis van de tijd tot botsing, in de richting van de normaalvector die loodrecht staat op het botsende oppervlak.

https://www.instagram.com/p/BoqTWyJi5g2/?utm_source=ig_embed

[1] T. Lam et al, “Haptic interface in UAV tele-operation using force-stifness feedback”, 2009, IEEE.

Terug naar Projecten

Jaagsimulator

Stichting Leeuw asked DotX to develop an optimised version of their hunting-simulator. This simulator is a cable driven manipulator that is controlled by an operator. The operator ’teases’ prey animals to hunt the manipulator (with meat).

DotX has not only developed new optimized control software ‘on paper’, but also in the form of a game. One of the improvements is the application of ‘haptic feedback’. That means, in this case, that the joystick pushes back when the manipulator approaches an obstacel. The tension forces in the cables are generated by a control algorithm consisting of two parts. The first part calculates the desired tension forces in three perpendicular directions using 3 PID controllers (1 for each direction). These three forces are then processed through a tension distribution algorithm in closed-form as described in [1].

The haptic assistance consists of a push-back force field around fixed objects (like walls and stones in the area) that is scaled on the basis of time to collision, in the direction of the normal vector that is perpendicular to the colliding surface.

https://www.instagram.com/p/BoqTWyJi5g2/?utm_source=ig_embed

[1] T. Lam et al, “Haptic interface in UAV tele-operation using force-stifness feedback”, 2009, IEEE.

DNPC-regeling van de Nederlandse polder ‘Waterlandse Boezem’.

...

Er is een op maat gemaakte regelaar ontwikkeld voor de besturing van twee pompstations in de polder ‘Waterlandse Boezem’. De regelaar moest complexe aan/uit-vereisten vervullen en de pompende activiteit in de duurdere daguren minimaliseren. Een paper over dit onderwerp is gepubliceerd en kan worden gedownload in onze Paper-sectie. De video over dit onderwerp laat iteraties van de regelaar zien terwijl deze de optimale pompinstellingen vindt om het waterpeil (onderste grafiek) binnen de limieten (gestippelde lijnen) te houden. De bovenste grafiek toont de voorspelde “belasting” op de polder (dat wil zeggen, de verwachte instroom van water in de komende 24 uur).

Verbeterde O2-regeling van een afvalwaterzuiveringsinstallatie

Er is onderzocht of de O2 regeling van de BIO2000 kon worden verbeterd. Daartoe is eerst onderzocht hoe het voor regelingen essentiële gedrag kon worden gemodelleerd. Er is een veelgebruikt Active Sludge Model (ASM) gevonden in de literatuur, maar dit model bleek niet geschikt: gebleken is dat de O2 concentratie sterk afhankelijk is van de stromingsnelheid in de installatie en dit gedrag maakt geen deel uit van het ASM model. Deze stroomsnelheid wordt in belangrijke mate bepaald door de beluchters. Het proces gedrag (invloed van beluchters op O2) bleek redelijk te kunnen worden benaderd met een eerste orde overdracht in combinatie met een looptijd, waarbij de parameters afhangen van de beluchter-snelheid (dus uitsturing van de O2 regelaar). Gezien de lange looptijd, is gekozen voor een uitbreiding op de PI regelaar welke de looptijd ‘compenseert’. Dankzij deze compensatie kon de PI versterking sterk worden opgevoerd. Testen met de aangepaste regeling op de BIO2000 wijzen op een reductie in variatie van O2 met 80%.

Inleiding

In afvalwaterzuiveringsinstallaties is een nauwkeurige regeling van de O2-niveaus essentieel. Als de O2-niveaus te veel variëren, kunnen de bacteriën in de installatie hun werk niet goed doen, namelijk het omzetten van chemisch afvalmateriaal in nitriet en nitraat.

Modelering

Het meest gebruikte/bnekende model voor afvalwaterzuiveringsinstallaties is het Active Sludge Model (ASM). Hiervan bestaan meerdere veries, welk de meest relevante zuiveringsprocessen modelleren. Voor de zuurfstofconcentratie luidt het model [1,2]:

 V \frac{dO_2}{dt} Q_{in} O_{2,in} - Q_{uit} O_2 + K_a(u) \cdot (O_{2,sat} - O_2 ) - R

Waarbij:

 V = totale volume van het bassin [L]
 O_2 = Concentractie zuurstof [mg/L]
 O_{2,in} = Zuurstofconcentratie in influent [mg/L]
 O_{2,sat} = Verzadigingswaarde zuurstofconcentratie [mg/L]
 K_a = Zuurstof Overdrachts Coefficient [L/s]
 Q_{in}, Q_{uit} = In- en uitstroom van het bassin [L/s]
 R = Zuurstofopname [mg/L/s]

De stromingsverschijnselen bij afvalwaterzuiveringsinstallaties worden meestal niet gemodelleerd. Echter, voor de BIO2000 zijn deze verschijnselen min of meer dominant gebleken, aangezien er een aanzienlijke vertraging is tussen een regelactie en het effect ervan op de O2 – er is een grote ‘dode tijd’ aanwezig. Dit is het gevolg de lange weg die het water af moet leggen voor het bij de locatie van de O2 meting terecht komt. Deze dode tijd is daarom meegemodelleerd in de vorige vergelijking.

Regelaarontwerp

Als gevolg van de relatief lange dode tijd wordt een normale PID regelaar erg beperkt in zijn versterking. Er is een poging gedaan, om deze te verhogen, maar dat leide tot instabiel gedrag.

Smith Predictor

In dit geval ligt een Smith Predictor voor de hand. Het idee achter de Smith Predictor is om de bestaande PID regelaar te behouden, maar in plaats van het PID signaal te ‘voeden’ met de gemeten O2 concentratie, wordt een feedback signaal vanuit een voorspellend model gebruikt. Hierdoor kun je virtueel de sensor locatie verplaatsen, naar een locatie waar er geen dode tijd meer is. Dit zorgt er weer voor dat de versterkingsfactoren van de PID regelaar verhoogd kunnen worden, alsof er geen dode tijd zou zijn.

Implementatie in Allen Bradley

De Smith Predictor is geimplementeerd door Dotx Control Solutions op een Allen Bradley PLC, als een mix van ladder logic en function blocks.

Resultaat

De figuur hieronder toont gemeten resultaten van VOOR (met standaard PID) en NA (met Smith-predictor). Met behulp van de Smith Predictor heeft Dotx Control Solutions de variaties met ongeveer 80% weten te reduceren.



Referenties

[1]: Henze, M., Grady, C. J., Marais, W. G. G. & Matsuo, T. “Activated Sludge Model
No. 1”, IAWPRC Scientific and Technical Report No. 1, London, 1987.
[2]: Qian Chai, “Modeling, estimation, and control of biological wastewater treatment plants”,
Faculty of Technology, Telemark University College, Porsgrunn, Norway, April 5, 2008


Verbeterde regeling van papierpulp bij Crown van Gelder

...

Crown van Gelder is een papierproducent. Bij de productie van papier uit pulp moet het malen van de pulp worden uitgevoerd met minimale schommelingen, terwijl het pulppeil in de mixer (tank) binnen vaste grenzen moet blijven. DotX heeft het besturingssysteem in januari 2008 op een zodanige manier gewijzigd dat de malingschommelingen met meer dan 40% zijn verminderd. De onderstaande figuur toont (geschaalde) metingen.

nl_NLDutch