The models used in MPC are generall

The models used in MPC are generally intended to represent the behavior of complex dynamical systems. The additional complexity of the MPC control algorithm is not generally needed to provide adequate control of simple systems, which are often controlled well by generic PID controllers. Common dynamic characteristics that are difficult for PID controllers include large time delays and high-order dynamics.

MPC models predict the change in the dependent variables of the modeled system that will be caused by changes in the independent variables. In a chemical process, independent variables that can be adjusted by the controller are often either the setpoints of regulatory PID controllers (pressure, flow, temperature, etc.) or the final control element (valves, dampers, etc.). Independent variables that cannot be adjusted by the controller are used as disturbances. Dependent variables in these processes are other measurements that represent either control objectives or process constraints.

MPC uses the current plant measurements, the current dynamic state of the process, the MPC models, and the process variable targets and limits to calculate future changes in the dependent variables. These changes are calculated to hold the dependent variables close to target while honoring constraints on both independent and dependent variables. The MPC typically sends out only the first change in each independent variable to be implemented, and repeats the calculation when the next change is required.

While many real processes are not linear, they can often be considered to be approximately linear over a small operating range. Linear MPC approaches are used in the majority of applications with the feedback mechanism of the MPC compensating for prediction errors due to structural mismatch between the model and the process. In model predictive controllers that consist only of linear models, the superposition principle of linear algebra enables the effect of changes in multiple independent variables to be added together to predict the response of the dependent variables. This simplifies the control problem to a series of direct matrix algebra calculations that are fast and robust.

When linear models are not sufficiently accurate to represent the real process nonlinearities, several approaches can be used. In some cases, the process variables can be transformed before and/or after the linear MPC model to reduce the nonlinearity. The process can be controlled with nonlinear MPC that uses a nonlinear model directly in the control application. The nonlinear model may be in the form of an empirical data fit (e.g. artificial neural networks) or a high-fidelity dynamic model based on fundamental mass and energy balances. The nonlinear model may be linearized to derive a Kalman filter or specify a model for linear MPC.

An algorithmic study by El-Gherwi, Budman, and El Kamel shows that utilizing a dual-mode approach can provide significant reduction in online computations while maintaining comparative performance to a non-altered implementation. The proposed algorithm solves N convex optimization problems in parallel based on exchange of information among controllers.[3]

ผลลัพธ์ (ไทย) 1:

รุ่นใช้ใน MPC โดยทั่วไปมีวัตถุประสงค์เพื่อแสดงการทำงานของระบบ dynamical ที่ซับซ้อน เพิ่มเติมความซับซ้อนของอัลกอริทึมควบคุม MPC ไม่โดยทั่วไปจำเป็นเพื่อให้การควบคุมที่เพียงพอของระบบง่าย ซึ่งมักจะควบคุม โดยตัวควบคุม PID ทั่วไปดี ลักษณะแบบไดนามิกทั่วไปที่ยากสำหรับตัวควบคุม PID ด้วยหน่วงเวลาใหญ่ dynamics สั่งสูงรุ่น MPC ทำนายการเปลี่ยนแปลงในตัวแปรขึ้นอยู่กับของระบบการสร้างแบบจำลองที่จะเกิดจากการเปลี่ยนแปลงในตัวแปรอิสระ ในกระบวนการทางเคมี ตัวแปรอิสระที่สามารถปรับได้ โดยการควบคุมมักเลือกค่าของตัวควบคุม PID ควบคุม (แรงดัน กระแส อุณหภูมิ ฯลฯ) หรือองค์ประกอบสุดท้ายควบคุม (วาล์ว ตัวหน่วง ฯลฯ) ตัวแปรอิสระที่ไม่สามารถปรับปรุง โดยตัวควบคุมจะถูกใช้เป็นรบกวน ขึ้นอยู่กับตัวแปรในกระบวนการเหล่านี้เป็นการวัดอื่น ๆ ที่แสดงถึงวัตถุประสงค์ของการควบคุม หรือข้อจำกัดในการดำเนินการMPC ใช้การประเมินโรงงานปัจจุบัน ไดนามิกสถานะปัจจุบันของกระบวนการ รุ่น MPC และกระบวนการแปรเป้าหมาย และข้อจำกัดในการคำนวณการเปลี่ยนแปลงในตัวแปรขึ้นอยู่กับ การเปลี่ยนแปลงเหล่านี้จะถูกคำนวณขึ้นอยู่กับตัวแปรใกล้เป้าหมายในขณะที่เคารพข้อจำกัดทั้งอิสระและตัวแปรขึ้นอยู่กับ ปรากฏโดยปกติส่งออกเฉพาะการเปลี่ยนแปลงแรกในแต่ละตัวแปรอิสระที่จะดำเนินการ และทำการคำนวณซ้ำเมื่อจำเป็นต้องมีการเปลี่ยนแปลงต่อไปนี้ในขณะที่กระบวนการจริงไม่เชิงเส้น พวกเขามักจะถือได้ว่าเป็นเส้นตรงประมาณช่วงปฏิบัติการขนาดเล็ก วิธี MPC เชิงเส้นที่ใช้ในส่วนใหญ่ของการใช้งานพร้อมข้อเสนอแนะกลไกของ MPC ชดเชยข้อผิดพลาดในการคาดเดาเนื่องจากโครงสร้างไม่ตรงกันระหว่างรูปแบบและกระบวนการ ในโมเดลทำนายตัวควบคุมที่ประกอบด้วยเฉพาะที่แบบเชิงเส้น หลักการของ superposition ของพีชคณิตเชิงเส้นช่วยให้ผลของการเปลี่ยนแปลงในตัวแปรอิสระหลายอย่างเพิ่มร่วมกันเพื่อทำนายการตอบสนองของตัวแปรขึ้นอยู่กับ นี้ช่วยลดปัญหาการควบคุมชุดของการคำนวณพีชคณิตเมทริกซ์โดยตรงที่รวดเร็ว และมีประสิทธิภาพเมื่อรูปแบบเชิงเส้นที่ไม่ถูกต้องพอถึง nonlinearities กระบวนการจริง สามารถใช้หลายวิธี ในบางกรณี ตัวแปรกระบวนการสามารถเปลี่ยนก่อน หรือหลัง จากรุ่นของ MPC เส้นลด nonlinearity ใน กระบวนการสามารถควบคุมได้ ด้วย MPC ไม่เชิงเส้นที่ใช้แบบจำลองไม่เชิงเส้นในโปรแกรมควบคุมโดยตรง แบบจำลองไม่เชิงเส้นอาจอยู่ในแบบฟอร์มมีข้อมูลเชิงประจักษ์พอดี (เครือข่ายประสาทเทียมเช่น) หรือรูปแบบคมชัดแบบไดนามิกอิงดุลมวลและพลังงานพื้นฐาน แบบจำลองไม่เชิงเส้นอาจเป็นเส้นตรงมาตัวกรองคาลมาน หรือระบุรูปแบบสำหรับ MPC เชิงเส้นการศึกษาอัลกอริทึม โดย El-Gherwi, Budman และ El Kamel แสดงว่า การใช้วิธีการสองโหมดสามารถให้ลดความสำคัญในการประมวลผลออนไลน์ในขณะที่รักษาประสิทธิภาพเปรียบเทียบกับการดำเนินการไม่ใช่เปลี่ยนแปลง อัลกอริทึมเสนอแก้ปัญหานูนเพิ่มประสิทธิภาพ N ขนานที่อิงการแลกเปลี่ยนข้อมูลระหว่างตัวควบคุม [3]

ผลลัพธ์ (ไทย) 2:

แบบจำลองที่ใช้ในคณะกรรมการนโยบายการเงินมีวัตถุประสงค์โดยทั่วไปจะเป็นตัวแทนของพฤติกรรมของระบบ dynamical ซับซ้อน ความซับซ้อนที่เพิ่มขึ้นของขั้นตอนวิธีการควบคุมคณะกรรมการนโยบายการเงินไม่จำเป็นต้องใช้โดยทั่วไปเพื่อให้การควบคุมที่เพียงพอของระบบง่ายซึ่งมักจะมีการควบคุมอย่างดีจากตัวควบคุม PID ทั่วไป ลักษณะแบบไดนามิกทั่วไปที่เป็นเรื่องยากสำหรับตัวควบคุม PID รวมถึงความล่าช้าในเวลาที่มีขนาดใหญ่และการเปลี่ยนแปลงสูงใบสั่ง.

รุ่นที่คณะกรรมการนโยบายการเงินคาดการณ์การเปลี่ยนแปลงขึ้นอยู่กับตัวแปรของระบบการสร้างแบบจำลองที่จะเกิดจากการเปลี่ยนแปลงในตัวแปรอิสระ ในกระบวนการทางเคมีตัวแปรอิสระที่สามารถปรับได้โดยการควบคุมมักจะมีทั้ง setpoints ของตัวควบคุมกำกับดูแล PID (ความดัน, การไหล, อุณหภูมิ, ฯลฯ ) หรือการควบคุมองค์ประกอบสุดท้าย (วาล์ว, กระโปรง, ฯลฯ ) ตัวแปรอิสระที่ไม่สามารถปรับได้โดยการควบคุมจะถูกใช้เป็นกับระเบิด ขึ้นอยู่กับตัวแปรในกระบวนการเหล่านี้เป็นค่าที่วัดอื่น ๆ ที่แสดงถึงวัตถุประสงค์ของการควบคุมหรือ จำกัด กระบวนการ.

คณะกรรมการนโยบายการเงินที่ใช้วัดในปัจจุบันโรงงานของรัฐแบบไดนามิกในปัจจุบันของกระบวนการรูปแบบที่คณะกรรมการนโยบายการเงินและกระบวนการเป้าหมายตัวแปรและข้อ จำกัด ในการคำนวณการเปลี่ยนแปลงในอนาคตขึ้นอยู่กับ ตัวแปร การเปลี่ยนแปลงเหล่านี้จะมีการคำนวณที่จะถือขึ้นอยู่กับตัวแปรใกล้เคียงกับเป้าหมายในขณะที่เคารพข้อ จำกัด ในทั้งสองตัวแปรอิสระและตัวแปร คณะกรรมการฯ จะเป็นผู้ส่งออกเพียงการเปลี่ยนแปลงครั้งแรกในแต่ละตัวแปรอิสระที่จะดำเนินการและซ้ำคำนวณเมื่อมีการเปลี่ยนแปลงต่อไปจะต้อง.

ในขณะที่กระบวนการจริงจำนวนมากไม่เชิงเส้นที่พวกเขามักจะได้รับการพิจารณาจะอยู่ที่ประมาณเส้นตรงในช่วงการดำเนินงานที่มีขนาดเล็ก . วิธีการเชิงเส้น MPC ถูกนำมาใช้ในส่วนของการใช้งานที่มีกลไกข้อเสนอแนะของคณะกรรมการฯ ชดเชยสำหรับข้อผิดพลาดการทำนายเนื่องจากการที่ไม่ตรงกันระหว่างโครงสร้างรูปแบบและกระบวนการที่ ในการควบคุมการทำนายรูปแบบที่จะมีเพียงของแบบจำลองเชิงเส้นหลักการซ้อนพีชคณิตเชิงเส้นช่วยให้ผลกระทบของการเปลี่ยนแปลงในตัวแปรอิสระหลายที่จะมาร่วมกันในการทำนายการตอบสนองของตัวแปรขึ้นอยู่กับ นี้ง่ายปัญหาการควบคุมเพื่อให้ชุดของการคำนวณเมทริกซ์พีชคณิตโดยตรงที่มีความรวดเร็วและมีประสิทธิภาพก.

เมื่อแบบจำลองเชิงเส้นไม่ถูกต้องเพียงพอที่จะเป็นตัวแทนของ nonlinearities กระบวนการจริงหลายวิธีที่สามารถนำมาใช้ ในบางกรณีตัวแปรกระบวนการสามารถเปลี่ยนก่อนและ / หรือหลังรูปแบบคณะกรรมการนโยบายการเงินเชิงเส้นเพื่อลดความไม่เป็นเชิงเส้น กระบวนการนี้สามารถควบคุมได้ด้วยคณะกรรมการนโยบายการเงินไม่เชิงเส้นที่ใช้รูปแบบไม่เชิงเส้นตรงในการประยุกต์ใช้การควบคุม รูปแบบไม่เชิงเส้นอาจจะเป็นในรูปแบบของระบบที่เหมาะสมกับข้อมูลเชิงประจักษ์ (เช่นเครือข่ายประสาทเทียม) หรือมีความเที่ยงตรงสูงรุ่นแบบไดนามิกตามพื้นฐานมวลและพลังงานยอดคงเหลือ รูปแบบไม่เชิงเส้นอาจจะเชิงเส้นที่จะได้รับตัวกรองคาลมานหรือระบุแบบจำลองสำหรับคณะกรรมการนโยบายการเงินเชิงเส้น.

การศึกษาอัลกอริทึม El-Gherwi, Budman และ El คาเมลแสดงให้เห็นว่าการใช้วิธีการสองโหมดสามารถให้ลดความสำคัญในการคำนวณออนไลน์ในขณะที่การรักษาเปรียบเทียบ ประสิทธิภาพในการดำเนินงานที่ไม่เปลี่ยนแปลง อัลกอริทึมที่เสนอแก้ปัญหายังไม่มีการเพิ่มประสิทธิภาพนูนในแบบคู่ขนานอยู่บนพื้นฐานของการแลกเปลี่ยนข้อมูลระหว่างตัวควบคุม. [3]