Entwicklung einer adaptiven Neuro-Fuzzy-Regelung für ein leistungskompensiertes Reaktionskalorimeter
Die vorliegende Arbeit basiert auf dem apparativen Aufbau eines leistungskompensierten Reaktionskalorimeters, das HORN in seiner Arbeit vorstellt. Das Messprinzip der leistungskompensierten Reaktionskalorimetrie besteht darin, die Reaktortemperatur mittels einer Kompensationsheizung auf einem konstanten Sollwert ueber der Temperatur des umgebenden Kuehlmantels zu halten. Durch die rechnergestuetze Messdatenerfassung und Regelung der Reaktortemperatur wird die Moeglichkeit geschaffen, aufwendigere Regelalgorithmen als einen Standard-PID-Regler einzusetzen. Daher wird in dieser Arbeit ein Fuzzy-Logik-Regler entworfen und auf die Beduerfnisse der Reaktionskalorimetrie optimiert. Neben der aufwendigen, experimentellen Optimierung an der Anlage wird auch die Optimierung anhand eines Ein- /Ausgangsmodells beschrieben. Das Modell soll in der Lage sein, unterschiedliches Streckenverhalten (Totzeit, Ordnung, Streckenverstaerkung) zu beschreiben, weshalb auf die Moeglichkeiten der experimentellen Modellbildung mit kuenstlichen neuronalen Netzen zugegriffen wird. Als robuster Regler ist ein Fuzzy-Logik-Regler zwar faehig, Streckenparameteraenderungen in gewissen Grenzen zu tolerieren. Bei einer Reaktion im Satzbetrieb besteht jedoch die Moeglichkeit das diese Grenzen verlassen werden. Die Uebersetzung des Fuzzy-Logik-Reglers in einen anpassungsfaehigen Neuro-Fuzzy-Regler ist die Konsequenz dieser Anforderung. Der Neuro-Fuzzy-Regler wird mit einem Adaptionsalgorithmus ausgestattet, so dass ein robustes Regelkonzept um ein adaptives Verfahren ergaenzt wird. Die Leistungsfaehigkeit des Reaktionskalorimeters und der modelladaptiven Regelung wird durch die Loesungspolymerisation von Methylmethacrylat in Toluol bei unterschiedlichen Temperaturen unter Beweis gestellt.
This work is based on the construction of a power-compensated reaction calorimeter that HORN presented in his work. The measuring principle of power-compensated reaction calorimetry consists of the fact that the reactor temperature is held on a constant temperature above jacket temperature by a compensatory heater. Because of the computer based data acquisition and control of reactor temperature there is the possibility to use sumptuous control algorithms instead of standard PID controllers. Therefore a fuzzy logic controller is designed and optimized to the demands of reaction calorimetry. The optimization procedure is done experimentally with the plant and also with an input/output model. The model should be able to describe different process behaviour (deadtime, order, gain), therefore the method of experimental modeling with artificial neural networks is used. As a robust controller a fuzzy logic controller can tolerate process parameter changes to a certain limit. During a batch reaction there is the possibility that these limits might be exceeded. The translation of the fuzzy logic controller into an adaptive neuro fuzzy controller is the consequence of this demand. The neuro fuzzy controller is provided with an adaption algorithm, so a robust concept of control is expanded with an adaptive procedure. The performance of the reaction calorimeter and of the model adaptive controller is tested with the solution polymerisation of methylmethacrylate in toluene at different temperatures.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved