智能計算機控制系統的製作方法
2023-05-28 06:41:16 3
專利名稱：智能計算機控制系統的製作方法
技術領域：
本發明涉及進行技術或生物處理的設備中的智能計算機控制系統，這些設備例如是用於生產商品或能量的生產設備，通信設備等。該計算機控制系統是根據已有知識設計的，根據在這些設備中發生的處理結果自動判定處理過程的當前狀態，並發出合適的計算機生成指令以達到處理的目的。其中，所述處理例如有連續製造過程，工藝過程等。
在工業設備中，例如生產物品或能量的設備，通信設備等，一直需求一種能夠可靠地、低成本地進行儘可能優化、自動、智能控制的控制系統。其中還要求該控制系統進化式自我改善。
本發明的目的在於提供一種控制系統，它能作為智能系統以一種形式滿足上述需求，這種形式能使應用計算技術直接用於不同種類的設備。
特別應對那些由常規的控制或計算技術不能很好地控制的分過程在考慮到反饋作用時進行優化，以便能藉助於預先可調的、簡單的調整裝置或者通過簡單的過程技術措施獲得成本適宜的過程控制。
本發明的目的由權利要求1所述的措施得以實現。而從屬權利要求包含該解決方案的有利的改進。
在現有技術中已知使用所謂的智能組件的控制系統的方案。例如，在WO93/08515中公開了一種用於技術過程的控制或調節裝置，它使用以知識為基礎的控制規則處理選擇的過程狀態。在該設備中對其餘的過程狀態的控制或調節參數的建立藉助於一個連續數學函數實現，它聯結以知識為基礎的控制規則，並且類似一個非線性插值為所有過程狀態產生控制規則。在獲得更好的過程結果方面，這種已知的設備並不能自動處理。它還不能離開操作人員的智能，也沒有配備自我進化的智能組件。
「專家系統MODI」一文(「發電站的經濟和安全運行」，ABB技術，6/7期，1994，第38-46頁)中進一步公開了一個專家系統，它通過比較特性特徵與一個數學參考模型來監視發電站過程的狀態，並且在偏離正常行為時分析其原因。這一專家系統的設備方面的觀點方法允許作為整體對過程進行描述，然而該專家系統不能實現自動的，自優化的過程控制。
在「國際冶煉工廠和技術」雜誌，1994年第5期，52-58頁的文章「連續鑄造中最大可用性的過程優化」中進一步敘述了一個計算機控制系統，其藉助於模型使鋼的連續澆鑄自動化並監視產品質量。該系統藉助於圖像顯示亦即通過一個人機接口來實現。在該控制系統中同樣未配備智能自動過程控制。
在EP0411962A2中描述的控制系統也以類似方式工作，它是特別為鋼帶澆鑄開發的。這裡設備的試運行也是專家知識的基礎，它以極限曲線的形式使用。在該系統中沒有進行連續的、或者逐步的自動計算技術優化。
上述以智能組件工作的系統達不到本發明的解決方案的質量，也絲毫未說明如何滿足文件開始時提到的需求。對於一般的能令人接受的過程及設備控制系統，重要的是其可靠工作。因此，按照本發明的控制系統具有一個補充計算技術智能部分的基本功能系統，它把由使用計算技術獲得的知識產生的指令轉化為一個可靠的過程控制或者設備功能。
基本功能系統被優選設計為一個能使設備組件單個或者組合可靠工作的子系統，例如根據流量調節條件，輸入參數極限值等條件建立該子系統。由此可達到物品和能量生產設備所必需的運行安全和以高可用性系統為形式的驅動系統的安全範圍。在智能計算技術出現系統故障或功能錯誤時，即使在子優化基礎上也能保證可靠的設備功能。
為了在單一的智能控制系統出現故障或者功能錯誤時轉入一個可靠的狀態，能保證該設備或者過程的可靠狀態的子系統調用可靠確認的或者可靠計算出的操作數值，過程曲線等，這些數值極為有利地以表的形式單獨存儲。這對於可能處於危險狀態下的設備尤為重要(爆炸危險，自損壞危險)。
基本功能系統優選具有啟動和加快子例程，這些子例程可以手動或自動輸入，該系統特別具有操作子例程，其中單個的，一般以計算技術得出的指令由恆定的預定參數代替。恆定的預定參數可以是恆定的材料質量，材料的恆定流量速度，恆定冷卻介質數量等等，使得特別在一個設備的投入運行階段首先可以擱置建立模型的絕大部分工作。這在關於設備的知識尚未完全掌握，例如在材料發生相變和由於高過程溫度(在鋼凝固或者在一個高溫燃料室的內部的過程期間)而未設有任何用於對這一設備部分特定的過程行為給出解答的傳感器的設備部分，或者在對神經元網絡尚未積累任何訓練數據時特別有利。在該系統中，直到存在有詳細的過程知識之前可以完全地或者部分地用預定參數或者有限制的修改預定參數進行工作。
在實施該控制系統部分的設計時，根據一個過程模型複製該過程。這一複製特別由模塊構成，並描述過程輸入參數以及調節參數和過程輸出參數之間的行為，亦即所生產的產品的數量和質量的特徵值之間的行為。這種說明該過程的、為簡化建立和優化而以模塊方式構成的模型的主要優點是(除了能根據模型中參數等的適配進行過程控制外)能不斷適配和優化而不必進入該過程。這裡極為有利的是可以使用所有常見的適配和優化方法。此外，非常有利的是，通過模型還可以計算給出該設備的關鍵性行為分析的邊界狀態。
該過程模型優選儘可能保持數學描述形式。它能夠準確地明確地預測過程行為。對於只能用語言學表述形式描述過程知識的的設備部分，優選使用語言學表述的模型部分，如模糊系統、神經模糊系統、專家系統或者也可以使用表格。這樣，也可建立物理上不可描述的過程部分的模型，其中所考慮的過程相對容易理解並且是可求值的。對於不了解或者幾乎不了解的分過程，最好使用一個能夠學習的神經元網絡作為模型部分，這裡學習能力也包括神經元網絡的建立。因為該模型的這一部分(其內部功能尚不清楚)只佔總模型的很小部分，所以完全由功能造成的設備知識的缺乏是可以接受的。優選使用簡單的正反饋網絡作為神經元網絡，它通過後向傳播(Back Propagation)進行改進。
為了通過改進的模型進行優化，除其它優化策略外特別使用遺傳學算法。在這種算法中可確實找到可達到的最優值或者另一個非常好的子優化極值的可能性很高。使用遺傳學算法等的計算策略的適用性在這裡可特別通過一個神經元網絡驗證，它算出在一個全局優化的方向上的現行值。由於與此相連的較大的計算量，最好脫機實現這一優化。
脫機計算對於模型的參數適配也是值得推薦的，但不適於用快速動態過程描述設備部分的模型部分。
優化過程的起始值和適配過程同樣是根據過程數據存儲器中存儲的操作數據得出的，它的優點是可以加速該過程。在優化過程中，例如當優化結果不滿意時，也可以優選用完全新的起始值重新開始。這樣避免了優化過程僅在全局優化的鄰近區域進行。它特別適用於模型結構不肯定的場合，這時適宜使用修改的模型和新的起始值重新執行優化。該優化在一個為此規定的計算單元(優化器)中執行。
在本發明的改進設計方案中，由優化器根據過程模型脫機確定的可調節的過程參數作為預定參數值被提供給該過程的基本功能系統，並由該系統根據預定值預調該過程，其中各過程參數是這樣確定的，使由模型構成的產品的特徵值儘量與預定的期望值一致。這樣除同時可以進行另一優化外還得到一個可靠的過程控制。
在本發明的改進設計方案中，利用在生產中在內部計算技術例如在不同的操作點獲得的知識在過程中不斷改進已有知識，並且該生成的過程知識存入一個特別能自動更新的數據存儲器中。通過這種優選方式，可以不斷擴充關於設備及其行為的已有知識。
在控制系統智能部分發生故障等情況下，直接從過程資料庫中的數據產生的基本功能系統的預定參數值通過一個插值過程，特別是通過一個模糊插值獲得。這樣即使在控制系統的智能部分發生故障或者功能失效時該控制系統的操作也能接近最優操作點。
此外，基本功能系統的預定參數值和基本知識也不斷地通過外部模擬計算、模型試驗等得以改進，特別在適配所使用的技術設備組件的改變或者適配一個改變的設備結構方面。這樣在任何時候都能適配技術的進步，其中控制系統的模塊化結構特別有效。外部模擬計算、模型試驗等在這裡特別有助於確定設備的改進是否以及怎樣在一個相應的產品改進中反映出來。
上述控制系統的基本構思與獨立的移動式服務機器人等似乎很相似。一個相應的願望是該系統應具有這種人的行為方式。然而對於非常複雜而且必須連續可靠地獲得一個優化的生產結果的固定工業設備來說，這種想法還很不現實。因為對於過程複雜的工業設備，與服務機器人等相反，不可能從人的行為方式導出一個智能行為。
下面參考附圖詳細說明本發明，從中可以獲悉其它同樣重要的發明的詳細內容，如從屬權利要求所述。附圖表示代表另一工業過程的一個鋼帶澆鑄過程及其控制系統結構以及該過程特定的模型和基本自動化單元。其中，
圖1表示具有測量數據採集和調節參數輸出的鋼帶澆鑄的原理圖；圖2表示具有額定值預給定的控制系統的「智能」部分的結構；圖3表示過程優化器的詳細結構；圖4表示適配過程的詳細構成；圖5表示過程模型重要的組成部分及其粗略聯結結構；
圖6表示數據存儲器的重要發明部分；圖7表示基本自動化單元的組件圖。
圖1中標號1表示一個雙軋滾澆鑄設備中的澆鑄軋滾，其中在澆鑄軋滾1之間通過澆鑄盤5和一個插入管6從鑄鍋4注入例如液體鋼，並冷凝為鋼帶3，鋼帶3能夠在一個通過帶有運動箭頭的滾子2表示的軋制設備中繼續成形。當軋制不是在澆鑄後直接進行時，後接的軋制設備中也可以簡單地通過輸送滾，捲軸等代替。整個設備的改進根據需要進行。也可將澆鑄設備後接的設備作為冷熱軋機構成，這在非常高的澆鑄速度下是值得推薦的，因為此時設備的冷軋部分可以充分滿載。
在澆鑄軋滾和後接的設備之間，該澆鑄軋制設備優選具有一個同樣僅用符號表示的電動系統8，9和一個感應加熱系統10。其中電動系統8有利地用於減輕澆鑄後尚非常軟，因而有收縮危險的鋼帶3的重量，電動系統9引導鋼帶3，而感應加熱系統10的任務是當例如在軋制設備後直接進行鋼帶成形時保持鋼帶寬度上的一個預定的溫度曲線。這特別對於裂縫敏感的鋼極為有利。通過一個攝像機73控制澆鑄的鋼帶3的裂縫，這裡可以充分利用氧化皮中的裂縫分布受基本材料中的裂縫影響這一事實。優選通過一個模糊神經系統構成一測量參數。
為避免溫度變化造成的影響，澆鑄軋滾的表面溫度應該基本保持恆定，所以通過一個IR加熱系統7，一個感應加熱系統或類似系統，將該表面溫度(即使在不與液體鋼接觸的區域)也保持在工作溫度。僅示意性示出的澆鑄軋制設備的這些和其它單個組件通過例如溫度調節器，流量調節器，轉速調節器等在基本自動化單元的範圍內通過一個調整參數輸出組件12直接或者受控預調。調整裝置和控制器等的實際值在測量數據採集裝置1中被採集和處理，以提供給數據存儲器和模型輸入以及以未示出的方式提供給基本自動化組件。通過由箭頭符號表示的數據傳輸路徑I，II和VI，該澆鑄軋制設備與控制系統的智能部分連接，其中在該澆鑄軋制設備的兩個澆鑄軋滾1上形成的鋼凝固鑄型不僅成為一體，而且已經具有預先精確的尺寸。
圖2表示控制系統智能部分的結構。它基本上由過程優化器15，模型20，模型適配16和數據存儲器17組成。控制系統的這些組件協同作用，使通過額定值輸出組件13經由數據線V為過程控制提供儘可能好的，適合的指令。該指令然後轉換用於基本自動化的額定值。下面說明各部分的任務及其功能。
模型組件20建立靜態過程行為的模型yi＝fi(u1，…，ui，…，vl，…，vi，…)即n個模型輸出參數yi與可以影響過程的調節參數ui的依賴關係和與不可影響的過程參數vi例如冷卻水溫度的依賴關係。如上所述，這裡模型輸出參數是典型的產品的質量參數。模型y^i=f~i(uI,,ui,,vI,,vi,)]]>一般不準確包含過程行為，因yi和
彼此多少有些偏差。調節參數ui和不可影響的調節參數vi通過數據線I和II進行傳輸。
模型適配16的任務是改進模型，以便使模型的行為儘可能與過程行為一致。通過根據連續採集的過程數據適配或跟蹤這些模型至少可以對模型連機實現上述要求。
對於其它的模型也可以在規定時刻脫機進行適配。這一點可以根據m個表示過程的過程狀態，(uki，vki，yki)實現，這些過程狀態存儲在數據存儲器17中。指數k為各過程狀態編號。通過這種適配方式，可以根據模型參數或模型結構減小模型誤差=k=Imi=In(yik-y-ik)2]]>=k=Imi=In(fi(uIk,,uik,,vIk,,vik,)-f~i(uI,,ui,,vI,vi,))2]]>也就是說，這樣改變模型參數或者模型結構，使得ε儘可能小。
過程優化器的任務是通過一種優化方法和過程模型找出能實現儘可能良好的過程行為的調節參數ui。過程優化器在規定的，例如手工給定的時刻脫機操作，並如下實現首先，使不可影響的待優化的調節參數vi(例如當前的)保持恆定並通過數據線II將其提供給模型。然後通過開關18將過程優化器與模型連接。它給出模型的調節值ui，通過模型組件確定輸出值yi。其與額定輸出值ysoll，比較，並確定誤差E=i=In(ySoll,i-y-I)2]]>
應該使誤差E最小。為此，過程優化器在每次包含計算yi和E以及重新選出ui的一個迭代循環中改變調節參數ui，直到該誤差不能再減小，或者這一優化被人工中斷。作為優化方法，可以使用例如遺傳學算法，Hill-Climbing(登山)方法等。
如此得到的作為上述最小化結果的最優調節參數uopt，i通過額定值預給定組件和數據線V作為額定值傳送給基本功能系統。
數據存儲器的主要任務是存儲重要的過程狀態(ui，vi，yi)。為此，它不斷用新算出的過程數據替換舊的過程數據，以便根據這些數據描述當前(即使是逐點的)過程。然後，如上所述，數據存儲器一方面用於適配模型。另一方面它還為過程優化器提供起始值ui。這裡起始值例如這樣選擇，使得該起始值的輸出值yi儘可能好地與額定值ysoll，i一致。
模型組件20和過程優化器15(它們例如用遺傳學算法進行模型進化)優選以脫機方式運行，這是因為由於一個具有多種可能安排的設備控制模型的複雜性會導致進化的優化過程的計算時間較長。即使對於例如根據一個可能的模型行為選擇的良好的優化策略，也要將許多優化過程計算到達到一個明顯的優化改進為止。
按照本發明的應用模型結構的建立和一個重要的部分模型的建立例如在Elsevier科學公司出版的「控制工程實踐」，1994年，第二卷，第六期，961-967頁S.Bernhard，M.Enning和H.Rabe等人的文章「薄鋼帶直接澆鑄實驗室工廠的自動化」中進行了說明。從這一公開中可以獲悉適合的基本自動化系統的基本結構和啟動子例程的基本結構，專業人員可以在其上建立基本自動化系統和啟動子例程。
工作站(例如Sun公司的工作站)適合用於過程優化和參數適配。對於大的控制系統，最好使用並行計算機。這在模型可以分為模型模塊時特別合適，可以根據各部分組件的依賴關係進行優化。
額定值(在所選擇的實施例中為流過鋼帶厚度、斷面形狀、鋼帶表面質量的額定值)匯集到比較點19，並在此連續進行模型計算的結果與預給定的額定值的比較，通過優化而使其差別最小化。因為一般技術過程的這一誤差不可能為零，所以必須把優化過程限定在有意義的範圍內，亦即預定使其中斷。用於中斷優化和每次啟動新額定值的給定的程序結構的精確步驟示於圖3。
圖3中的58表示各次要選擇的一個誤差函數，確定的誤差(額定值偏離)被輸入到該函數。在61判定該誤差函數是否滿足優化過程的中斷條件。如果滿足，則繼續輸出優化的控制和調節參數。在達到中斷條件之前，起始值連續地從數據存儲器到達起始值預給定組件59，在查找步驟60從中藉助於例如一個模糊插值不是從優化器，而是從數據存儲器為一個子優化過程控制獲得一個控制和調節參數。在達到一個適配當前控制系統知識狀態的一個預先規定的性能因子後進行切換。如前所述，最小化過程(該過程永遠不是絕對的)在達到這一預先規定的性能因子後被中斷。
此外，當該模型與該過程連接時，也就是說開關1閉合時，該模型還有利地產生一個指示達到關鍵性的操作狀態的一個告警信號。這樣的過程已經公知，並以同樣的方式存在於常規的控制系統中。
圖4表示藉助於一種優化算法實現模型適配的機理，圖中數據從起始值預給定組件61到達查找步驟單元62，並從這裡作為模型參數繼續傳送給模型63。模型63與數據存儲器64一起構成一個參數改進循環，它在65以已知的方式比較已建立和存儲的值。該比較值被輸入給誤差函數67，它把其值進一步導向中斷條件單元66。如果滿足中斷條件，則該模型不再繼續改進，而以現有值進行處理。否則將使用另外的查找步驟繼續進行優化並將中間值繼續輸送給數據存儲器。
圖5表示本實施例的過程總模型的重要的分模型，圖中46表示輸入模型，其中集合了外部影響，例如所使用的材料的質量的影響。由使用的鋼質量產生例如液相曲線值，固態曲線值，以及其它表示澆鑄行為的參數。47表示澆鑄盤模型，在其中輸入例如該澆鑄盤的鋼體積，插入管位置以及填塞位置和鋼流出溫度。輸入模型46和47匯集在分模型56中，它再現導入的材料的狀態。這種分模型可以極為有利地與其它分模型例如澆鑄區域模型，軋制區域模型等並行優化。
輸入模型48包括影響凝固的影響參數，例如澆鑄軋滾冷卻，紅外加熱等。輸入模型49包括熱平衡需要的數值，如鋼澆鑄軋滾溫度差，作為潤滑劑數量函數的潤滑劑的影響，各種鋼號晶體形成速度以及例如軋滾表面狀態。輸入模型50包括例如澆鑄平面特徵的影響參數，如澆鑄平面高度，爐渣層厚度和幅射係數。輸入模型48，49和50匯集在一個重現輸出澆鑄區域狀態的分模型54中。這種模型區域匯集一般對於生產區域是有利的，因為它簡化和改進了總模型優化。分模型相互之間部分地還彼此依賴，輸入模型49(熱平衡輸入模型)和輸入模型50(澆鑄平面特徵模型)在很大程度上就是如此。為簡單起見，未表示從屬依賴關係。
分模型51包括所有對凝固工作面的影響參數，該凝固工作面是在兩個冷卻軋滾上凝固的金屬層同時出現的區域。這些影響主要是由澆鑄軋滾執行的變形功，澆鑄軋滾或者軋出的鋼帶的振動寬度，側縫密封影響以及總系統的緊張程度，這例如是一個模糊模型。分模型52再現軋出值，例如，鋼帶的質量，軋出鋼的溫度和分配，也包括形成的氧化皮的粘接性及其狀態。輸入模型53和輸入模型74也匯入分模型52中，它們涉及帶鋼橫向溫度曲線和該帶鋼表面狀態。在極為有利的場合，在涉及一個帶鋼澆鑄軋機時，一個軋機陡度模型54也匯入這一特別的過程模型，因為在從軋機機架脫出後產品的形成是決定性的準則。
分模型匯集在產品形成模型57，它匯集了形成的帶鋼的厚度曲線、帶鋼厚度、可能的誤差曲線、帶鋼的核心結構、表面結構等。帶鋼的表面結構，特別是核心結構只能以很大的延時計算出。因此，這裡優選採用基於神經元網絡的分模型來定性和定量計算影響參數。
從前面的敘述可以看出以模塊形式建立的模型的優點，特別因為一個複雜的整體系統模型的各部分可並行操作。這對於一個設備在投入運行期間特別有利，在這一期間，輸入模型和分模型必須要適配實際的情況彼此連接等等。
圖6最後表示本發明數據存儲器結構的重要部分。68表示過程資料庫，69表示模型參數存儲器部分，70表示用於優化器的起始值的部分，71表示用於可靠操作點的存儲器部分。在68中還存儲有各個模型的形成。
基本自動化單元必須執行大量的功能，它的調節、控制、閉鎖構成控制系統的一個不可缺少的部分，因為它在本發明控制系統的模型部分出現功能故障時也能保證該設備可靠運行。
在圖7中用「黑盒子」表示各功能(未端接)。其中21表示在實施例中通過單一轉速調節器的流量調節，22表示澆鑄盤加熱控制，23表示澆鑄平面調節，24表示澆鑄盤軋出控制，25表示維持澆鑄軋滾的操作溫度的紅外燈7或類似燈的加熱功率。26表示潤滑劑添加量的控制，例如以散裝的澆鑄粉或者向澆鑄軋滾上塗敷澆鑄粉膏的形式。27表示冷卻水量控制，28表示可能的軋制振蕩調節，29表示電氣驅動控制，30表示軋縫調節，31表示軋滾轉速調節，32表示可能的軋滾轉矩的調節，33表示由例如一個刷子和一個刮刀組成的澆鑄軋滾清潔系統的預調，34表示用於鋼帶重量平衡的電動系統的調節以及35表示澆鑄後的鋼帶的振動寬度的調節。36表示用於側縫密封的一個電動系統的單個部分的調節，37表示澆鑄軋滾之間的小室側壁的加熱調節。38表示感應加熱系統10的溫度曲線調節。39以及其它調節單元表示後接的成形單元例如軋機機架，軋機機架之間的牽引等的調節。時間控制45作用於上述調整裝置，控制器等，它在時間上協調控制參數輸出等。在方框40中例如匯集了輔助控制和閉鎖裝置，例如41表示起動自動機構，42表示斷開自動機構，43和44表示閉鎖裝置，它們例如防止液體鋼在澆鑄軋滾對和成形軋滾能夠工作之前流動等。此外，還有在原理圖上未示出的用於可能需要的鋼帶分離(例如通過雷射)，用於影響形成氧化皮(例如通過矽酸鹽化)，用於軋滾潤滑等的其它系統。測量數據I和額定值預給定V匯集在基本自動化單元中，並形成調節參數IV，藉助該參數對設備進行控制。
下面以澆鑄軋制過程為例詳細敘述自身優化並根據知識繼續發展的控制系統的特徵。
澆鑄軋制過程包括多個分過程，它們的形成和影響對於最終產品起決定性作用，根據本發明可通過一系列可調節的過程參數例如澆鑄軋制裂縫，澆鑄軋制曲線，澆鑄平面高度等影響和優化最終產品的特徵，例如其厚度，厚度曲線以及其表面形成，它們反過來影響在澆鑄軋滾上附著、凝固的金屬層匯合區的位置。為實現控制和優化，本發明有利地建立了一個描述過程行為的整體過程模型。根據這一過程模型可以根據過程條件逐步適配和優化用於影響過程的影響參數。通過該優化確定的適合當前狀況的指令能導致過程的改進。雖然在製造時軟體費用相對昂貴(但是只要再用很小的花費，也可以用於其它設備)，但是總體費用極大地節省，因為與常規的設備相比，該設備可以用非常簡單的機械組件，更少的控制器等工作。此外傳感機構也十分簡單，因為只需要採集現行的過程輸出參數。
控制系統的自動改進的智能部分由三個重要的元件組成這三個元件是過程模型，模型適配和過程優化器。過程模型由分系統(模塊)組成，這些分系統依據的過程知識具有不同類型。在物理關係的知識下，可以建立經典的物理數學模型。如果只擁有經驗和估計，則使用模糊或神經模糊系統。如果人們很少或者全然不知過程行為，就像在裂縫形成或表面形成的場合，則使用(至少在開始時)神經元網絡來建立過程。該模型總體上描述過程參數之間的關係，例如在選擇的例子中澆鑄平面高度，澆鑄材料的狀態值和質量，澆鑄軋滾的預調值等以及鋼帶的質量參數，例如厚度，曲線和表面成形。
因為該模型在一定的程度上也許以一個極大的百分率建立在不確定的知識上，所以它不準確。也就是說必須根據獲得的過程數據對該模型進行適配，修改等等。這一點有利地通過已知的建立在過去的過程狀態數據上的模型適配實現。根據這些數據，如此調節模型參數，使得模型行為儘可能好地適配過程行為。此外，該模型還自改變優化。例如通過遺傳學算法，組合進化等。相應的優化策略已經公知，例如從Ulrich Hofmann，Hanns Hofmann所著「優化入門」一書，化學出版社有限公司，1971 Weinheim/Bergstrasse；H.P.Schwefel所著「通過進化策略對計算機模型進行數值優化」一書，Basel，Sttutgatt，Birkhaeuser 1977；Eberhard Schoeneburg所著「遺傳學算法和進化策略」一書，Bonn，Paris，Reading，Mass，Addison-Wesley，1994；JochenHeistermann所著「遺傳學算法進化優化的理論和實踐」一書，Stuttgart，Leipzig，Teubner，1994(Teubner-Texte Zur Informatik；Bd9)。
具有上述優點的本發明的控制系統可取代一個控制系統迄今為止的建立結構。通過一個主要涉及過程級(I級)的基本自動化單元，可獲得一個只有一級的智能控制系統，其中為其預先規定生產額定值並由其自動產生所有預定參數(調節指令)(II級)。該系統在智能自優化中根據已經達到的過程結果總是得到更好的過程結果。因此可以省略單一反饋控制單路，僅需要用於控制質量的傳感器，以便控制過程結果。本發明的控制系統還僅具有兩個重要的級，其智能級除編程外不需任何可視性。但是為了控制的目的可以以已知的方式顯示基本自動化單元的元件。
權利要求
1.一種進行技術或生物處理的設備中的智能計算機控制系統，所述設備例如是生產商品或能量的設備、通信設備等，根據輸入的已有知識設計該計算機控制系統並根據在這些設備中發生的處理結果自動判定處理過程的當前狀態，並發出合適的計算機生成指令，以達到處理的目的，所述處理例如有連續製造過程，工作過程等。
2.根據權利要求1所述的控制系統，其特徵在於，所述已有知識以與技術相關的形式，優選以技術或者必要時以生物為基礎的算法輸入。
3.根據權利要求1或2所述的控制系統，其特徵在於，所述已有知識包括過程運行期間由過程情況決定的所述設備組件的行為和作用。
4.根據權利要求1、2或者3所述的控制系統，其特徵在於，從計算機的一個過程複製(模型)中以計算技術方式獲取適合情況的指令，它特別說明過程變量的改變對過程結果的作用。
5.根據權利要求1、2、3或者4所述的控制系統，其特徵在於，為過程複製(模型)交付過程輸入條件並從中產生為達到過程目的的適合情況的指令。
6.根據權利要求1、2、3、4或者5所述的控制系統，其特徵在於，根據模型適配產生適合情況的最好自動在預給定的子例程中工作的指令。
7.根據權利要求6所述的控制系統，其特徵在於，連續執行所述模型(優選一個算法過程模型)的優化，特別是一個逐步的優化。
8.根據權利要求7所述的控制系統，其特徵在於，通過選擇出的試驗和錯誤子例程在持續的結果控制下對所述過程模型執行優化。
9.根據權利要求1、2、3、4、5、6、7或者8所述的控制系統，其特徵在於，通過從模型內部例如在對過程不同的要求下以計算技術方式獲得的知識，連續地，最好自動地改進已有知識並且把這種自動生成的過程知識作為已有知識存入到一個特別是不斷更新的數據存儲器中。
10.一種用於控制技術設備及其中進行的過程的控制系統，其具有特別適用於處理算法和執行適配和優化過程的計算設備，最好是根據權利要求1、2、3、4、5、6、7、8或者9的控制系統，其特徵在於，根據過程模型不斷模擬在技術設備中運行的過程和/或單個分過程的狀態以進行適配和優化，所述模型特別以模塊方式構造，並且描述各過程輸入參數和變化參數以及過程輸出參數例如質量特徵值之間的行為。
11.根據權利要求10所述的控制系統，其特徵在於，只要所述過程模型能夠根據數學物理的、化學的、冶金學的、生物學的以及其它規律模型化，則它們至少部分地具有數學表述形式。
12.根據權利要求10或11所述的控制系統，其特徵在於，對於存在有用語言學表述的過程知識的設備組件，所述系統具有語言學形式的模型部分，其例如可以通過模糊系統、神經模糊系統、專家系統或者表格實現。
13.根據權利要求10、11或者12所述的控制系統，其特徵在於，對於不能根據數學物理的、生物的或者冶金學的基礎構成模型或者不能根據語言學表述的過程知識構成模型的設備組件，所述過程模型具有自學或者自學式自形成結構的系統，例如神經元網絡。
14.根據權利要求10、11、12或13所述的控制系統，其特徵在於，所述過程模型根據在過程資料庫收集的過程數據不斷適配或者跟蹤該過程，它通過適配方法或者學習方法，例如通過一個用於不同分系統的後向傳播學習方法或者一個選擇方法，比如神經元方法來實現。
15.根據權利要求10、11、12、13或14所述的控制系統，其特徵在於，優選以脫機方式，通過一個模型適配過程如此改變所述過程模型，使得模型輸出參數，特別是該過程結果的質量特徵值，儘可能與預先規定的，例如一個期望達到的值一致。
16.根據權利要求10、11、12、13、14或者15所述的控制系統，其特徵在於，漸進地用優化算法，例如使用遺傳學算法，Hooke-Jeeves算法，模擬Annealings算法以及其它算法優化所述過程模型，其中每次使用的優化方法根據情況或者問題預先給定，或者通過計算技術從一個文件中選出，例如根據要優化的參數數目和/或所期待的最小值的形成。
17.根據權利要求10、11、12、13、14、15或16所述的控制系統，其特徵在於，從在一個過程數據存儲器中存儲的、子優化的操作數據中獲取優化的起始值，例如通過模糊插值法。
18.一種用於技術設備中的控制系統，例如生產商品或能量的設備，通信設備等，特別是根據上述權利要求中的一個或者多個權利要求所述的控制系統，其特徵在於，它具有一個用於各過程組件的基本功能系統，該系統把以計算技術方式，例如從一個過程模型，優選從一個過程整體模型獲得的知識的指令可靠地轉化為用於例如一個生產設備或者一個通信設備的過程控制指令。
19.根據權利要求18所述的控制系統，其特徵在於，可調節的過程參數量最好如此算出，使得由模型仿製產品的特徵值儘可能與預先給定的希望值一致，這些過程參數作為預先給定的參數傳送給該過程的基本功能系統，並由此根據該預給定值預調該過程。
20.根據權利要求18或19所述的控制系統，其特徵在於，所述基本功能系統為一個能夠使執行該過程所需的組件單個或者共同可靠工作的基本自動化系統。
21.根據權利要求20所述的控制系統，其特徵在於，所述基本自動化系統為自治的、保證過程具有一可靠狀態的子系統(危險狀態返回系統)，它能夠取代計算技術產生的指令，特別調用能可靠確定的、存儲在存儲器中的操作數值。
22.根據權利要求18、19、20或21所述的控制系統，其特徵在於，所述基本功能系統具有啟動和加快子例程，它們能夠手動或者自動輸入，還具有子優化正常操作子例程，其中單個的、先前用計算技術計算出來的指令可以由恆定的預定參數代替。
23.根據權利要求18、19、20、21或22所述的控制系統，其特徵在於，所述基本功能系統包括一個時間控制或類似，由此根據具體情況，例如流量的穩定性，移交預算出的預調值(預定參數)。
24.根據權利要求18、19、20、21、22或23所述的控制系統，其特徵在於，在不存在計算技術算出的數值時能夠直接從過程資料庫的數據產生基本功能系統的預定參數值，其中為了改進，特別在存儲的可靠的操作數據之間進行插值，例如利用模糊插值法。
25.根據上述權利要求中的一個或者多個權利要求所述的控制系統，其特徵在於，也可以通過外部模擬計算，模型實驗等方法改進已有知識，特別是在適配和優化所使用的技術方法時。
26.在一個有目的的控制技術過程的控制系統中，特別是根據上述權利要求中的一個或者多個權利要求所述的控制系統中使用技術智能、人工智慧的方法，其中所述控制系統具有一個自身不斷改進的智能部分，其具有一個特別是模塊化建立的過程模型，在該模型中包含有已有知識和自生成的關於過程行為的知識，例如在一個生產設備或者在一個通信設備中的過程行為；該控制系統還具有一個基本功能部分，它把所述人工智慧部分的結果進行轉換以可靠達到過程目的並在暫時故障或者在智能部分不穩定時保證設備可靠運行。
27.根據上述權利要求中的一個或者多個權利要求，特別是根據權利要求26所述的技術、人工智慧，其特徵在於，通過一個脫機工作的優化器，特別是藉助於一個模塊化建立的整體過程模型，通過自學子例程及其它方法獲得用於控制過程的優化的子模型和預調組合，而過程本身則在子優化、聯機的基礎上進行。
全文摘要
一種進行技術或生物處理的設備中的智能計算機控制系統,所述設備例如是生產商品或能量的設備,通信設備等。該計算機控制系統是根據已有知識設計的,根據在這些設備中發生的處理結果自動判定處理過程的當前狀態,發出合適的計算機生成指令以達到處理的目的。所述處理例如有連續製造過程,工作過程等。
文檔編號G05B13/02GK1178016SQ96192403
公開日1998年4月1日 申請日期1996年3月6日 優先權日1995年3月9日
發明者漢尼斯·舒爾策·霍恩, 于爾根·阿達米 申請人:西門子公司