RU2003104831A

RU2003104831A - Способ оперативной калибровки

Info

Publication number: RU2003104831A
Application number: RU2003104831/09A
Authority: RU
Inventors: Вим ХУПКЕС; Фредерик ВИЕЛЬ
Original assignee: Шелл Интернэшнл Рисерч Маатсхаппий Б.В.
Priority date: 2000-07-19
Filing date: 2001-07-17
Publication date: 2004-06-10

Claims

1. Способ автоматической оперативной калибровки модели процесса для предсказания в реальном времени качества процесса на основании исходных данных измерений процесса, содержащий a) сбор исходных данных процесса, b) обработку данных, собранных на стадии а), с помощью модели процесса для получения величины предсказания качества, c) обработку этой величины предсказания с помощью динамических передаточных функций для создания тем самым двух промежуточных сигналов, d) сохранение двух промежуточных сигналов, полученных на стадии с), в виде функции времени в предыстории, e) извлечение во время реального и проверочного измерений качества из предыстории абсолютной минимальной и максимальной величин двух промежуточных сигналов в период времени, соответствующий заданному минимальному и максимальному времени задержки, причем указанные величины определяют возможную минимальную и максимальную величину предсказания, f) вычисление отклонения как разности между действительным и проверочным измерением и зоной, заключенной между возможным минимальной и максимальной величинами предсказания, полученным на стадии е), g) переход на стадию i), если абсолютная величина отклонения, полученная на стадии f) равна 0, или же переход на стадию h), если абсолютная величина отклонения, полученная на стадии f), больше 0, h) введение отклонения в модель процесса, и i) повторение стадий а) - h).

2. Способ по п.1, отличающийся тем, что в качестве модели используют модель множественной линейной регрессии.

3. Способ по п.1, отличающийся тем, что в качестве модели используют линейную динамическую модель.

4. Способ по п.1, отличающийся тем, что в качестве модели используют нейронную сеть с функцией радиального отклонения.

5. Способ по любому из пп.1-4, отличающийся тем, что на стадии h) используют фильтр Калмана для введения отклонения в модель процесса посредством регулирования ее линейных параметров с обновлением предсказания и улучшения модели процесса посредством самообучения.

6. Способ по п.5, отличающийся тем, что фильтр Калмана используют на стадии h) в условиях неуравновешенного состояния процесса.

7. Способ по любому из пп.1-6, отличающийся тем, что предсказание на стадии (с) обрабатывают с помощью двух независимых динамических передаточных функций.