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.

Testing

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

Conclusion

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.

pH Loop Optimization

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 this post, we explain how we worked, and the amazing results.

The control challenges

The Bioreactor under consideration is a modern high tech piece of equipment with PID loops for pH, Dissolved Oxygen (DO) and temperature. The most challenging to control is DO. This is due to the fact that DO is controlled by a mix of gasses, including oxygen, CO2, and air. The PID output of the DO loop is the input for a schedule of these gasses.

Analysis of the PID loops

We analysed the control schemes, and data of the last batch. From our analysis, we found:

  • All PID control loop tunings could be improved by at least a factor of 2 (in terms of closed-loop response time and damping).
  • There was an issue with the schedule of gases used to control DO: at one point, this schedule was causing unstable loop behavior.
  • It was useful to add low-pass filters to the DO signal to prevent spikes when applying the D-action in the PID controller.

Result with the DO loop

Below, you see measured data of the DO loop before optimisation (collected in a batch before), and after (collected in the batch after changing the PID settings. Clearly, around t= 75 hours, the deviations from target have reduced by more than a factor 10. This is partly due to the changes in the gas schedule, and the improved PID tuning.

Result with the pH loop

Below, you see measured data of the pH loop before optimisation (collected in a batch before), and after (collected in the batch after changing the PID settings. Clearly, the closed loop response time has improved welll over a factor 4, damping has improved, and the deviations from target have reduced by more than a factor 3.

Control System Monitor

Een van de TATA fabrieken heeft 6 kritieke regellussen, die een druk regelen. In verband met mogelijke uitstoot, wanneer deze druk te hoog wordt, is het van uiterst belang om deze regellussen te monitoren op hun prestaties. Dotx Control Solutions heeft, vanwege hun kennis van regeltechniek, opdracht gekregen om hun PID Monitor hiervoor in te zetten.

Monitoring

Om deze regellussen te monitoren is er een Digital Twin gemaakt van het onderdeel van de fabriek waar deze regellussen op ingrijpen. Deze Digital Twin is getraind op een aantal jaar historische data. Daarbij wordt automatisch gekeken naar onder andere:

  1. Reageren alle drukregelende kleppen zich volgens de voorspelling?
  2. Is de speling, en/of de stick-slip van deze drukregelende kleppen binnen de marge zodat het regelgedrag niet nadelig beinvloed wordt?
  3. Zijn er oscillaties (middels een frequentiespectrumanalyse) te vinden in het proces, welke duiden op randstabiel of onstabiel regelgedrag?
  4. Wat zijn de drukpieken tijdens het vullen van een oven? Hoe gedragen die zich in de tijd?
  5. Hoevaak is de regeling ‘gesatureerd’? Dat wil zeggen dat de regeling een maximale of minimale uitsturing heeft, en dus eigenlijk niet meer ‘in control’ is?

Naar aanleiding van bovenstaande analyse, ontvangt TATA direct een signaal wanneer er iets mis gaat, met een automatisch gegenereerd rapport met aanbevelingen voor de Operator om op te volgen.

Daarnaast, afhankelijk van de ernst van de opgetreden melding, analyseert Dotx Control Solutions de melding ook met de hand, om hier extra duiding aan te kunnen geven.

Vervolgens is er maandelijks nog een overleg, waarin eventuele terugkerende meldingen besproken worden zodat hier een oplossing voor gevonden kan worden.

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.

Development of a Game Arcade

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 obstacle.

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 assistence consists of a push-back force field around fixd 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.

Back to Projects

Hunting-simulator

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 control of dutch polder 'Waterlandse Boezem'.

...

A tailor made controller has been developed for the control of two pumpstations in the polder 'Waterlandse Boezem'. The controller had to satisfy complicated on/off requirements, and had to minimise pumping activity in the more expensive day-hours. A paper on this subject has been published, and can be downloaded in our Paper section. Movie on this subject:The movie shows iterations of the controller while finding the optimal pump settings to maintain the water level (lowest graph) within the limits (dashed lines). The upper graph shows the predicted "load" on the polder (i.e. the expected inflow of water in the next 24 hours).

Improved O2 control of wastewater plant

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%.

Introduction

In wastewater treatment plants, accurate control of O2 levels is essential. If the O2 levels vary too much, the bacteria in the plant cannot properly do their work, which is to convert chemical waste material into nitrite and nitrate.

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


Improved paper pulp control at Crown van Gelder

...

Crown van Gelder is a paper producer. When paper is produced from pulp, the grinding of the pulp must be performed with minimal fluctuations, while the pulp level in the mixer (tank) must remain within fixed limits. DotX has changed the control system in January 2008 in such a way that the grinding fluctuations reduced by more than 40%. In the figure, there should be data illustrating the reduction in grinding fluctuations achieved by changing the control system.

Control of a gas turbine connected to Blast Furnace

...

In een hoogoven ontsnappen uitlaatgassen tijdens het proces van ijzerproductie. Deze gassen passeren onder andere door een gasturbine om elektrische energie op te wekken. Ideaal gezien wordt het vermogen van de turbine gemaximaliseerd, terwijl de druk in de hoogoven (die direct wordt beïnvloed door de gasturbine) zo constant mogelijk blijft. DotX heeft de processen gemodelleerd met behulp van een snelle grijze-box modelleringsmethode en op basis van het model verschillende wijzigingen voorgesteld voor het bestaande controlesysteem. De adviezen van DotX zijn geïmplementeerd en in bedrijf gesteld. Sindsdien produceert de gasturbine die is aangesloten op de hoogoven op 99% van zijn elektrische capaciteit.

en_USEnglish