Model-based Process Supervision: A Bond Graph Approach

تشخیص و جداسازی خطا مبتنی بر مدل به یک مدل ریاضی از رفتار سیستم نیاز دارد. مدل سازی به دلیل پیچیدگی سیستم نظارت شده و معماری کنترل آن مهم است و می تواند دشوار باشد. نویسندگان از مدل‌سازی نمودار پیوند، یک روش مدل‌سازی حوزه چند انرژی یکپارچه، برای ساخت مدل‌های پویا از سیستم‌های مهندسی فرآیند با ترکیب مدل‌های فرعی مرتب‌شده سلسله مراتبی از دستگاه‌های مختلف مهندسی فرآیند که معمولاً با آن‌ها مواجه می‌شوند، استفاده می‌کنند. از ویژگی‌های ساختاری و علی مدل‌های گراف پیوند برای طراحی سیستم‌های نظارتی استفاده می‌شود.

خواص ساختاری یک سیستم، که برای کنترل فرآیند ضروری است، با پیروی از الگوریتم‌های ساده ارائه‌شده در اینجا، به زیبایی از مدل‌های نمودار پیوند مشتق شده‌اند. علاوه بر این، تجزیه و تحلیل ساختاری مدل، تکمیل شده با ابزار دقیق موجود، مستقیماً نشان می‌دهد که آیا امکان شناسایی و/یا جداسازی خطاها در فضای فرعی خاصی از فرآیند وجود دارد یا خیر. چنین تحلیلی به طراحی و بهینه سازی منابع پلتفرم های نظارتی جدید کمک می کند.

محدودیت های استاتیکی و دینامیکی که تکامل زمانی متغیرهای شناخته شده را تحت عملکرد عادی به هم پیوند می دهند، در زمان واقعی برای تعیین خطاهای سیستم ارزیابی می شوند. تصمیم گیری های مختلف یا مراحل پس از پردازش جدایی ناپذیر از محیط نظارتی در این مونوگراف مورد بحث قرار گرفته است. آنها ملزم به استخراج داده های معنی دار از دانش وضعیت فرآیند به دلیل عدم قطعیت های فرآیند غیرقابل اجتناب هستند. دانش وضعیت فرآیند بیشتر برای انجام اقدامات تطبیق خطای فعال و غیرفعال استفاده شده است.

چندین کاربرد برای فرآیندهای آکادمیک و صنعتی در مقیاس کوچک در سراسر جهان در هم تنیده شده است. در نهایت، یک برنامه کاربردی در مورد توسعه یک پلت فرم نظارت برای یک کارخانه صنعتی با اعتبار سنجی تجربی ارائه شده است.

نظارت فرآیند مبتنی بر مدل ابزاری را برای مهندسین کنترل و کارگران مؤسسات تحقیقاتی صنعتی و دانشگاهی علاقه‌مند به مهندسی فرآیند فراهم می‌کند تا یک محیط کنترل نظارتی عملی و کاربردی ایجاد کنند و از آنها استفاده کنند. مدل های پیچیده برای استفاده بهینه از داده های فرآیندشان.

Model-based fault detection and isolation requires a mathematical model of the system behaviour. Modelling is important and can be difficult because of the complexity of the monitored system and its control architecture. The authors use bond-graph modelling, a unified multi-energy domain modelling method, to build dynamic models of process engineering systems by composing hierarchically arranged sub-models of various commonly encountered process engineering devices. The structural and causal properties of bond-graph models are exploited for supervisory systems design.

The structural properties of a system, necessary for process control, are elegantly derived from bond-graph models by following the simple algorithms presented here. Additionally, structural analysis of the model, augmented with available instrumentation, indicates directly whether it is possible to detect and/or isolate faults in some specific sub-space of the process. Such analysis aids in the design and resource optimization of new supervision platforms.

Static and dynamic constraints, which link the time evolution of the known variables under normal operation, are evaluated in real time to determine faults in the system. Various decision or post-processing steps integral to the supervisory environment are discussed in this monograph; they are required to extract meaningful data from process state knowledge because of unavoidable process uncertainties. Process state knowledge has been further used to take active and passive fault accommodation measures.

Several applications to academic and small-scale-industrial processes are interwoven throughout. Finally, an application concerning development of a supervision platform for an industrial plant is presented with experimental validation.

Model-based Process Supervision provides control engineers and workers in industrial and academic research establishments interested in process engineering with a means to build up a practical and functional supervisory control environment and to use sophisticated models to get the best use out of their process data.