Der Fokus der vorliegenden Dissertation wurde auf die Betrachtung verschiedener Aspekte der Anwendung von ökonomisch optimierender Regelung an einem kontinuierlichen Polymerisationsprozess zur Herstellung von Polyacrylsäure gelegt. Dieser Prozess wird in einem Rohrreaktor durchgeführt und kann mit Hilfe von 8-12 Stellgrößen geregelt werden. Das Systemverhalten wird mit Hilfe von PDEs abgebildet und besitzt stark nichtlineares dynamisches Verhalten, bei dem lange Verzugszeiten und scharfe Fronten sowie Konzentration-Peaks auftreten.
Um eine Echtzeit-Implementierung zu fördern, wird eine vorteilhafte mathematische Beschreibung des optimierenden Reglers für die kontinuierlichen Herstellung von Polyacrylsäure vorgeschlagen und ihre verschiedenen Aspekte werden durch verschiedene Regelungszenarien studiert. Die Verfügbarkeit der Information über Systemzustände sowie deren Genauigkeit sind kritisch für die Anwendung der optimierenden Regelung. Der Zustandschätzung aus den vorhanden Messungen ist in verteilten Systemen wie zum Beispiel die kontinuierliche Herstellung von Polyacrylsäure schwierig. Daher werden Methoden zur Zustandsschätzung im Rahmen der Arbeit untersucht und hinsichtlich der Schätzgenauigkeit, des Einstellaufwands und der Berechnungszeiten verglichen, um die bestmögliche Methode auszuwählen und für den vorliegenden Prozess zu nutzen. Um robust gegenüber Modellunsicherheit zu sein, wurde der Standard Sequential Importance Resampling Partikelfilter als Methode zur Zustandsschätzung so angepasst, dass gleichzeitig Systemzustände und -parameter geschätzt werden können. Somit kann der verwendete Zustandsschätzer auch auf andere Prozesse, die durch lange Verzögerungszeiten zwischen Stell- und Regelgrößen charakterisiert sind, übertragen werden.
Hashemi Mohammad Reza
Extended Kalman Filter Moving Horizon Estimator Nonlinear Model Predictive Control Optimizing Controller Particle Filtering State Estimation