KFUPM ePrints

Closed loop identification for model predictive control: a case study

Amjad, Shiraz (2003) Closed loop identification for model predictive control: a case study. Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
1782Kb

Arabic Abstract

لقد تم استخدام تقنية التحكم المتنبئ بالنموذج في العقدين الماضيين في الصناعة وأخذت هذه التقنية مكانتها الصناعية المرموقة في صناعات التكرير والصناعات البتروكيماوية . وقد جذبت هذه التقنية أنظار العديد من القائمين على الصناعات المعملية الأخرى . ولكن ، تبقى مشكلة تطوير النموذج (أو التمثيل للعملية) أكبر تحدي في تطبيق التقنية لصعوبة التمثيل واستهلاكه لكثير من الوقت . تقليدياً ، يتم التعرف على النموذج باستخدام سلسلة من اختبارات الدوائر المفتوحة ذات المتغاير الواحد . ومع الوقت ، يتغير هذا النموذج لأسباب عدة منها : التغير في الظروف العملية ، فقدان توازن العملية ، خروج العملية عن خط سيرها ولتغيرات بيئية أخرى . بسبب هذا التغير مشاكل في أداء التحكم . لذلك ، تقترح هذه الدراسة استخدام التعرف ذا الدوائر المغلقة ذا المتغيرات العديدة في التحكم المتنبئ بالنموذج . تم دراسة تقنيات تعرفية عديدة في هذه الرسالة مبنية على نماذج مختلفة منها : المعدل المتحرك ذا التغير الذاتي ، فضاء الحال ، وشبكات الذكاء الصناعي . وتم اختبار هذه النماذج باستخدام محاكاة حاسوبية لبيانات من عملية صناعية واقعية . وتم استخدام التعرف المباشر لهذا الغرض .

English Abstract

In the past two decades, model predictive control (MPC) technology has gained its industrial position in refinery and petrochemical industries and is beginning to attract interest from other process industries. Model development remains by far the most critical and time-consuming step in implementing industrial MPC. Conventionally, models are identified through a series of single variable open loop step tests. Overtime these models change due to a number of reasons such as change in operating conditions, instability of the process, drift in process and environmental conditions. This causes control performance problems. For this reason, multivariable closed loop identification is proposed for MPC. Identification techniques based on autoregressive moving average (ARMA), state space and neural network models are investigated. These techniques are tested through computer simulations and ultimately on field data from an industrial process. Direct Identification method is employed for this purpose.



Item Type:Thesis (Masters)
Date:October 2003
Date Type:Completion
Subjects:Electrical
Divisions:College Of Engineering Sciences > Electrical Engineering Dept
Creators:Amjad, Shiraz
Committee Advisor:Al-Duwaish, Hussain N.
Committee Members:Abdel-Magid, Youssef L. and Al-Baiyat, Samir A. and Farag, Ahmad S. and Al-Arfaj, Muhammad A.
ID Code:9649
Deposited By:KFUPM ePrints Admin
Deposited On:22 Jun 2008 16:45
Last Modified:25 Apr 2011 09:10

Repository Staff Only: item control page