guest ::
| 001 | 569561 | ||
| 005 | 20230408004708.0 | ||
| 020 | _ | _ | |a 978-3-8440-4248-1 |
| 024 | 7 | _ | |2 URN |a urn:nbn:de:hbz:82-rwth-2016-012769 |
| 024 | 7 | _ | |2 HBZ |a HT018919955 |
| 024 | 7 | _ | |2 ISSN |a 0945-1021 |
| 024 | 7 | _ | |2 Laufende Nummer |a 35462 |
| 037 | _ | _ | |a RWTH-2016-01276 |
| 041 | _ | _ | |a English |
| 082 | _ | _ | |a 620 |
| 100 | 1 | _ | |0 P:(DE-82)040991 |a Wolf, Inga |b 0 |
| 245 | _ | _ | |a Economic model-predictive control for chemical processes |c Inga Janina Wolf |h online, print |
| 246 | _ | 3 | |a Ökonomische modellprädiktive Regelung für chemische Prozesse |y German |
| 260 | _ | _ | |a Aachen |b Shaker Verlag |c 2015 |
| 260 | _ | _ | |c 2016 |
| 300 | _ | _ | |a XVIII, 154 Seiten : Illustrationen, Diagramme |
| 336 | 7 | _ | |2 DataCite |a Output Types/Dissertation |
| 336 | 7 | _ | |0 PUB:(DE-HGF)3 |2 PUB:(DE-HGF) |a Book |m book |
| 336 | 7 | _ | |2 ORCID |a DISSERTATION |
| 336 | 7 | _ | |2 BibTeX |a PHDTHESIS |
| 336 | 7 | _ | |0 2 |2 EndNote |a Thesis |
| 336 | 7 | _ | |0 PUB:(DE-HGF)11 |2 PUB:(DE-HGF) |a Dissertation / PhD Thesis |b phd |m phd |
| 336 | 7 | _ | |2 DRIVER |a doctoralThesis |
| 490 | 0 | _ | |a Berichte aus der Verfahrenstechnik |
| 500 | _ | _ | |a Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University |
| 502 | _ | _ | |a Dissertation, RWTH Aachen, 2015 |b Dissertation |c RWTH Aachen |d 2015 |g Fak04 |o 2015-05-27 |
| 520 | 3 | _ | |a Die modellprädiktive Regelung ist eine höhere Regelungsmethode, die sich vor allem durch eine hohe Flexibilität auszeichnet. So ist es beispielsweise möglich, ein für den jeweiligen Anwendungsfall passendes Modell einzubinden, Nebenbedingungen in die Problembeschreibung mit einzubeziehen sowie eine beliebige Zielfunktion zu formulieren. Heutzutage erfreut sich gerade die lineare modellprädiktive Regelung aufgrund ihrer einfachen Implementierbarkeit und ihres bereits jahrzehntelangen Einsatzes großer Beliebtheit in der Industrie. Ein Nachteil der linearen modellprädiktiven Regelung ist jedoch, dass sie nicht für alle Anwendungsfälle geeignet ist. Des Weiteren schöpft sie die oben genannte hohe Flexibilität modellprädiktiver Regler nicht voll aus. Aus diesem Grund wird die nach ökonomischen Gesichtspunkten bestmögliche Regelgüte oftmals nicht erreicht. Die ökonomische nichtlineare modellprädiktive Regelung, die dieses Potential aufweist, ist hingegen erst in wenigen industriellen Pilotversuchen erprobt worden.Diese Dissertation beschäftigt sich mit ausgewählten Herausforderungen, die der Einsatz der ökonomischen nichtlinearen modellprädiktiven Regelung mit sich bringt und die gelöst werden müssen, um eine höhere Durchdringung in der Industrie zu ermöglichen. Vor allem erscheint das arbeitsintensivere Aufsetzen einer ökonomischen nichtlinearen modellprädiktiven Regelung nur für den Fall gerechtfertigt, dass die ökonomische Regelgüte im Vergleich zu anderen Regelungsmethoden deutlich erhöht werden kann. Aus diesem Grund steht das Erreichen der bestmöglichen ökonomischen Regelgüte im Fokus dieser Arbeit. Hierzu wird eine umfassende Formulierung des ökonomischen Optimalsteuerungsproblems aufgestellt, die alle zur Verfügung stehenden Freiheitsgrade mit berücksichtigt. Dabei geht die aufgestellte Formulierung des ökonomischen Optimalsteuerungsproblems über die bloße Betrachtung der Regelungsaufgabe hinaus, da die Regelungs-, Optimierungs- sowie Schedulingaufgabe integriert berücksichtigt werden. Des Weiteren wird das Einfachschießverfahren zusammen mit einer signalbasierten Adaption des Steuergrößengitters als maßgeschneidertes numerisches Lösungsverfahren für das ökonomische Optimalsteuerungsproblem ausgewählt, um unter anderem eine Lösung zu erhalten, die möglichst nah an der analytischen Lösung liegt. Um die ökonomische Regelgüte im Rahmen der technologischen Möglichkeiten nicht unnötig zu reduzieren, wird schließlich eine ökonomische nichtlineare modellprädiktive Regelung unter Abtastung betrachtet, die zu jeder Aktualisierungszeit open-loop Steuergrößen bereitstellt.Eine weitere Herausforderung für den Einsatz von ökonomischen nichtlinearen modellprädiktiven Reglern stellt der Nachweis der rekursiven Zulässigkeit und der nominalen Stabilität dar. In dieser Arbeit wird die rekursive Zulässigkeit sowie die nominale Stabilität einer ökonomischen nichtlinearen modellprädiktiven Regelung unter Abtastung mit open-loop Steuergrößen für den Fall vernachlässigbarer Rechenzeiten bewiesen. Im Gegensatz zu anderen Arbeiten werden die durch das maßgeschneiderte numerische Lösungsverfahren induzierten Approximationsfehler und die signalbasierte Adaption des Steuergrößengitters explizit in den Beweis mit einbezogen. Allerdings setzen die für den Stabilitätsbeweis notwendigen Annahmen die bestmögliche ökonomische Regelgüte noch deutlich herab.Um im nachfolgenden Teil der Dissertation die Rechenzeitverzögerung rigoros berücksichtigen und somit die Echtzeitfähigkeit der ökonomischen nichtlinearen modellprädiktiven Regelung gewährleisten zu können, werden zunächst die in der Literatur vorgestellten schnellen Verfahren für nichtlineare modellprädiktive Regler im Detail untersucht, kategorisiert und bewertet. Hierbei stellt sich heraus, dass die bestmögliche Regelgüte mit Hilfe einer Zweiebenen-Regelungsarchitektur erreicht werden kann. Während der überlagerte langsame nichtlineare modellprädiktive Regler das Optimalsteuerungsproblem wiederholt löst, beruht der unterlagerte schnelle nichtlineare modellprädiktive Regler auf einer schnellen Aktualisierungsmethode für die vom überlagerten Regler bereitgestellte optimale Lösung. Diese schnellen Aktualisierungsmethoden zeichnen sich unter anderem dadurch aus, dass die Rechenzeitverzögerung stark reduziert wird und oftmals gänzlich vernachlässigt werden kann. Darüber hinaus hat die Zweiebenen-Regelungsarchitektur den Vorteil, dass sie den sicheren und zuverlässigen Betrieb einer Anlage begünstigt. Basierend auf den vorhergehenden Ergebnissen, wobei die Annahmen des Stabilitätsbeweises keine weitere Berücksichtigung finden, wird ein schnelles Verfahren für die ökonomische nichtlineare modellprädiktive Regelung unter Abtastung vorgeschlagen, das auf einer Zweiebenen-Regelungsarchitektur beruht, und somit die bestmögliche ökonomische Regelgüte realisiert. Der überlagerte langsame ökonomische nichtlineare modellprädiktive Regler löst wiederholt das umfassend formulierte ökonomische Optimalsteuerungsproblem mit Hilfe des maßgeschneiderten numerischen Lösungsverfahrens. Auf der unteren Ebene kommt eine schnelle sensitivitätsbasierte Aktualisierungsmethode zum Einsatz, die eine Aktualisierung der optimalen Lösung unter Störungen auch im Falle von wechselnden Pfadbeschränkungen bereitstellt. Zudem werden im Gegensatz zu anderen ebenfalls auf einer Zweiebenen-Regelungsarchitektur beruhenden Verfahren Inkonsistenzen zwischen den beiden Ebenen vermieden, da die auf beiden Ebenen betrachteten ökonomischen Optimalsteuerungsprobleme identisch sind. |l ger |
| 520 | _ | _ | |a This thesis addresses important challenges that have to be overcome to facilitate a wider application of economic nonlinear model-predictive control in industry. One of the reasons justifying its application in place of other control methods is that the economic control performance may be significantly improved. Hence, the main focus of this thesis lies on achieving the best possible economic control performance at any time. To achieve this, a comprehensive formulation of the economic optimal control problem integrating the control task, the optimization task and the scheduling task as well as a specifically tailored numerical solution strategy are presented. Furthermore, a suitable model-predictive control class is chosen. After addressing feasibility and stability issues, existing fast nonlinear model-predictive control schemes are reviewed. These schemes substantially reduce computational delay such that real-time applicability becomes possible and performance losses are diminished. Supported by the results of the review, a fast economic nonlinear model-predictive control scheme is proposed which also accounts for all aspects ensuring the best possible control performance at any time. |l eng |
| 591 | _ | _ | |a Germany |
| 653 | _ | 7 | |a Ingenieurwissenschaften und Maschinenbau |
| 653 | _ | 7 | |a economic model-predictive control |
| 653 | _ | 7 | |a dynamic real-time optimization |
| 653 | _ | 7 | |a sampled-data model-predictive control |
| 653 | _ | 7 | |a neighboring-extremal control |
| 653 | _ | 7 | |a hierarchical control |
| 653 | _ | 7 | |a integrated scheduling and control |
| 653 | _ | 7 | |a hybrid systems |
| 653 | _ | 7 | |a control grid adaptation |
| 653 | _ | 7 | |a stability |
| 700 | 1 | _ | |0 P:(DE-82)000870 |a Marquardt, Wolfgang |b 1 |e Thesis advisor |
| 700 | 1 | _ | |0 P:(DE-82)018767 |a Hagenmeyer, Veit |b 2 |e Thesis advisor |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/569561/files/569561.pdf |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/569561/files/569561_source.zip |y restricted |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/569561/files/569561.gif?subformat=icon |x icon |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/569561/files/569561.jpg?subformat=icon-180 |x icon-180 |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/569561/files/569561.jpg?subformat=icon-700 |x icon-700 |y OpenAccess |
| 856 | 4 | _ | |u https://publications.rwth-aachen.de/record/569561/files/569561.pdf?subformat=pdfa |x pdfa |y OpenAccess |
| 909 | C | O | |o oai:publications.rwth-aachen.de:569561 |p openaire |p open_access |p urn |p driver |p VDB |p dnbdelivery |
| 914 | 1 | _ | |y 2016 |
| 915 | _ | _ | |0 StatID:(DE-HGF)0510 |2 StatID |a OpenAccess |
| 920 | 1 | _ | |0 I:(DE-82)416410_20140620 |k 416410 |l Lehrstuhl für Prozesstechnik |x 0 |
| 980 | _ | _ | |a phd |
| 980 | _ | _ | |a VDB |
| 980 | _ | _ | |a book |
| 980 | _ | _ | |a I:(DE-82)416410_20140620 |
| 980 | _ | _ | |a UNRESTRICTED |
| 980 | 1 | _ | |a FullTexts |
| Library | Collection | CLSMajor | CLSMinor | Language | Author |
|---|