用于废水处理厂以及其他系统中的pH控制的装置和方法
【专利摘要】一种方法包括获得（4002）表示要被控制的过程中的材料（3104）的pH的非线性模型（3124）。使用标准正交基函数和序数样条基函数来生成所述模型。该方法还包括使用所述模型来执行（4004）所述过程的非线性模型预测控制。该方法还包括使用所述标准正交基函数和序数样条基函数来生成所述模型。这可以包括识别节点的分布（3300）和多个序数样条函数，其中每个序数样条函数与各节点中的一个相关联。使用所述序数样条函数中的至少一个来生成所述序数样条基函数。
【专利说明】用于废水处理厂以及其他系统中的PH控制的装置和方法
[0001]相关申请的交叉引用以及优先权要求
根据35 U.S.C.§ 119 (e)，本申请要求2011年6月16日提交的美国临时专利申请N0.61/497，758的优先权，其通过引用并入于此。
【技术领域】
[0002]本公开总体上涉及控制系统。更具体地，本公开涉及用于废水处理厂以及其他系统中的PH控制的装置和方法。
【背景技术】
[0003]废水可以包括各种各样不合意的成分，所以通常在大废水处理厂中处理废水。一种废水处理过程包括使用细菌将不合意的废水成分转换成更合意的成分。然而，在为细菌创造适当的环境以便茁壮成长并由此提供最佳性能的过程中会出现困难。例如，PH控制广泛用于废水处理厂中以鼓励细菌生长且增加处理效能。
[0004]在这些以及其他类型的系统中，通常需要控制和监视混合物的pH。然而，pH通常是混合物的高度非线性特征。典型地，通过将对数变换应用于PH测量来控制pH，并且使用比例-积分-微分(PID)控制器来实现控制。然而，PID控制器的调谐通常很难，典型地会导致对pH的差的控制。
【发明内容】
[0005]本公开提供一种用于·废水处理厂以及其他系统中的pH控制的装置和方法。
[0006]在第一实施例中，一种方法包括:获得表示要被控制的过程中的材料的pH的非线性模型。使用标准正交基函数和序数(ordinal)样条基函数来生成该模型。该方法还包括使用该模型来执行所述过程的非线性模型预测控制。
[0007]在第二实施例中，一种装置包括:至少一个存储器单元，其被配置成存储表示要被控制的过程中的材料的PH的非线性模型。该模型与标准正交基函数和序数样条基函数相关联。该装置还包括至少一个被配置成使用该模型来执行所述过程的非线性模型预测控制的处理单元。
[0008]在第三实施例中，一种将计算机程序具体化的计算机可读介质。该计算机程序包括用于获得表示要被控制的过程中的材料的PH的非线性模型的计算机可读存储代码，使用标准正交基函数和序数样条基函数来生成该模型。该计算机程序还包括用于使用该模型来执行所述过程的非线性模型预测控制的计算机可读程序代码。
[0009]从下面的附图、说明书和权利要求，其他技术特征对于本领域技术人员可以容易地是明显的。
【专利附图】
【附图说明】
[0010]为了更完整地理解本公开，现在结合附图参考下面的描述，在其中: 图1图示根据本公开的示例过程控制系统；
图2至30B图示根据本公开使用标准正交基和序数样条的非线性过程识别的示例工具的细节；
图31图示根据本公开的示例pH控制系统；以及
图32至40图示根据本公开的用于pH控制的非线性过程识别的示例工具的细节。【具体实施方式】
[0011]下面讨论的图1至40以及用于在本专利文件中描述本发明的原理的各种实施例仅借助于图示，并且不应该以任何方式将其解释为限制本发明的范围。本领域技术人员将会理解可以以任何类型的适合地布置的设备或系统来实施本发明的原理。
[0012]图1图示根据本公开的示例过程控制系统100。在该示例实施例中，系统100包括促进对过程系统的监视和控制的各种部件。过程系统表示被配置成以某一方式产生或处理一种或多种材料的任何系统或其部分。该过程系统典型地包括由系统100来监视和控制的多件工业设备。
[0013]如图1中所示，该系统100包括一个或多个传感器102a以及一个或多个致动器102b。该传感器102a和致动器102b表不可以执行各种各样的功能中的任一个的过程系统中的部件。例如，传感器102a可以测量过程系统中的各种各样的特征，诸如温度、压力或流速。而且，致动器102b可以改变过程系统中的各种各样的特征，并且可以表示加热器、电动机、催化裂化器(catalytic cracker)、阀或其他致动器设备。传感器102a和致动器102b可以表示任何适合过程系统中的任何其他或附加部件。传感器102a中的每一个包括用于测量过程系统中的一个或多个特征的任何适合的结构。致动器102b中的每一个包括用于对过程系统中的状况进行操作或影响过程系统中的状况的任何适合的结构。
[0014]至少一个网络104耦合到传感器102a和致动器102b。网络104促进与传感器102a和致动器102b的交互。例如，网络104可以传送来自传感器102a的测量数据并且将控制信号提供给致动器102b。网络104可以表示任何适合的网络或网络的组合。作为特定示例，网络104可以表示以太网、电气信号网络(诸如HART或基金会现场总线(FOUNDATIONFIELDBUS)网络)、气动控制信号网络或(多种)任何其他或附加类型的(多个)网络。
[0015]两个控制器106a至106b被耦合到网络104。除了别的之外，控制器106a至106b可以使用来自传感器102a的测量结果来控制致动器102b的操作。例如，控制器106a至106b可以从传感器102a接收测量数据并且使用该测量数据生成用于致动器102b的控制信号。控制器106a至106b中的每一个包括用于与传感器102a进行交互并且控制致动器102b的任何适合的结构。控制器106a至106b可以例如表示多变量控制器或其他类型的控制器。
[0016]两个网络108被耦合到控制器106a至106b。网络108诸如通过传送去到和来自控制器106a至106b的数据来促进与控制器106a至106b的交互。网络108可以表示任何适合的网络或网络的组合。作为特定示例，网络108可以表示以太网对或冗余以太网对，诸如来自 HONEYWELL INTERNATIONAL INC 的容错以太网(FTE)。
[0017]至少一个交换机/防火墙110将网络108耦合到两个网络112。交换机/防火墙110可以将业务从一个网络传送到另一个。交换机/防火墙110还可以阻止一个网络上的业务达到另一网络。交换机/防火墙110包括支持各网络之间的通信的任何适合的结构，诸如HONEYWELL控制防火墙(CF9)设备。网络112可以表示任何适合的网络，诸如以太网对或FTE网络。
[0018]两个服务器114a至114b被耦合到网络112。服务器114a至114b执行各种功能来支持控制器106a至106b、传感器102a、和致动器102b的操作和控制。例如，服务器114a至114b可以记录由控制器106a至106b收集或生成的信息，诸如来自传感器102a的测量数据或用于致动器102b的控制信号。服务器114a至114b还可以执行控制控制器106a至106b的操作的应用，由此控制致动器102b的操作。此外，服务器114a至114b可以提供对控制器106a至106b的安全访问。服务器114a至114b中的每一个包括用于提供对控制器106a至106b的访问、对控制器106a至106b的控制或与控制器106a至106b有关的操作的任何适合的结构。
[0019]一个或多个操作员站116被耦合到网络112。该操作员站116表示提供对服务器114a至114b的用户访问的计算或通信设备，于是其可以提供对控制器106a至106b (以及可能的传感器102a和致动器102b)的用户访问。作为特定示例，操作员站116可以允许用户使用由控制器106a至106b和/或服务器114a至114b收集的信息来回顾传感器102a和致动器102b的操作历史。操作员站116还可以允许用户调整传感器102a、致动器102b、控制器106a至106b或服务器114a至114b的操作。此外，操作员站116可以接收并显示警告、警报或由控制器106a至106b或服务器114a至114b生成的其他消息或显示。操作员站116中的每一个包括用于支持对系统100的用户访问和控制的任何适合的结构。
[0020]在该示例中，系统100还包括无线网络118，其可以被用来促进与一个或多个无线设备120的通信。该无线网络118可以使用任何适合的技术来进行通信，诸如射频(RF)信号。而且，无线设备120可以表示执行任何适合的功能的设备。无线设备120可以例如表示无线传感器、无线致动器以及远程或便携式操作员站或其他用户设备。
[0021]至少一个路由器/防火墙122将网络112耦合到两个网络124。路由器/防火墙122包括用于提供网络之间的通信的任何适合的结构，诸如安全路由器或组合路由器/防火墙。网络124可以表示任何适合的网络，诸如以太网对或FTE网络。
[0022]在该示例中，系统100包括至少一个耦合到网络124的附加服务器126。服务器126执行各种应用以控制系统100的整体操作。例如，系统100可以被用在处理厂或其他设施中，并且服务器126可以执行用于控制该厂或其他设施的应用。作为特定示例，服务器126可以执行诸如企业资源规划(ERP)、制造执行系统(MES)之类的应用、或者任何其他或附加工厂或过程控制应用。服务器126包括用于控制系统100的整体操作的任何适合的结构。
[0023]一个或多个操作员站128被耦合到网络124。操作员站128表示提供例如对服务器114a至114b、服务器126的用户访问的计算或通信设备。操作员站128中的每一个包括用于支持对系统100的用户访问和控制的任何适合的结构。
[0024]在特定实施例中，各种服务器和操作员站可以表示计算设备。例如，服务器114a至114b、服务器126中的每一个可以包括:一个或多个处理单元130 ;以及一个或多个存储器单元132，其用于存储由(多个)处理单元130使用、生成或收集的指令和数据。服务器114a至114b、服务器126中的每一个还可以包括至少一个网络接口 134，诸如一个或多个以太网接口。而且,操作员站116、128中的每一个可以包括:一个或多个处理单元136 ;以及一个或多个存储器单元138，其用于存储由(多个)处理单元136使用、生成或收集的指令和数据。操作员站116、128中的每一个还可以包括至少一个网络接口 140，诸如一个或多个以太网接口。
[0025]在操作的一个方面中，控制器106a至106b中的至少一个表示多变量模型预测控制(MPC, multivariable model predictive)控制器或使用模型142操作的其他类型的控制器。模型142通常表示正被控制的工业过程的至少一部分，诸如通过基于来自各传感器102a中的一个或多个传感器的输入数据来限定控制器如何控制各致动器102b中的一个或多个致动器。模型142的识别(其包括限定正被控制的过程如何运转的“系统识别”)以及控制器106a至106b的设计(其包括用于控制器的控制参数的选择)通常对过程系统的恰当控制是关键的。
[0026]根据本公开，工具144被提供在系统100中，在一个或多个位置处。在这里工具144实施一种用于非线性过程识别的技术。例如，工具144分析各种数据并且执行系统识别以便识别用于一个或多个控制器106a至106b的一个或多个模型142。工具144能够实现基于经验过程数据的非线性模型的创建。该方法允许将关于过程特征的已知信息并入到模型中。该工具144还支持全动态非线性行为。所创建的(多个)模型142可以直接用于由(多个)控制器106a至106b来控制，所述(多个)控制器106a至106b可以表示HONEYWELLPROFIT控制器或其他控制器。
[0027]为了灵活性，由工具144执行的过程识别适应不同模型结构,诸如Ha_erstein、Wiener、以及更一般的N-L-N面向块(block-orinted)的结构。还适应具有输入和输出的线性和非线性组合的构造。工具144利用多个基函数，即标准正交基函数和序数样条(ordinal spline)基函数。可以使用过程极点(pole)的估计来构造该标准正交基函数，并且可以使用特定三次样条的特定集合来构造该序数样条基函数。隐含地适应非线性动力学，并且可以解除与以传统面向块的公式识别模型的线性部分相关联的问题。因为基函数公式，可能通过凸优化来解决许多支持结构的识别问题，这可以帮助避免迭代解的固有问题。然而，为了帮助确保开环无偏估计，使用输出非线性的任何结构可以使用迭代解。
[0028]下面提供关于工具144的特定非限制性实施例的附加细节。也可以使用工具144的其他实施例。可以以任何适合的方式来实施工具144。例如，可以仅使用硬件或使用硬件和软件/固件指令的组合来实施工具144。在特定实施例中，工具144可以表示由服务器114a至114b、服务器126或操作员站116、128中的(多个)处理单元执行的一个或多个计算机程序。
[0029]尽管图1图示过程控制系统100的一个示例，但是可以对图1做出各种变化。例如，控制系统可以包括任何数目的传感器、致动器、控制器、服务器、操作员站、网络、模型和工具。而且，过程控制系统100的组成和布置仅为了说明。可以根据特定需要以任何其他适合的配置来添加、省略、组合、再分或放置部件。此外，图1图示可以在其中使用系统识别的一个操作环境。可以在任何其他适合的设备或系统中使用该功能。
[0030]图2至30B图示根据本公开使用标准正交基和序数样条的非线性过程识别的示例工具144的细节。如下面更详细描述地那样，在这里工具144支持基于经验的非线性模型识别。存在关于识别和控制的与基于经验的非线性模型有关的巨大工作的主体。在下面的讨论中，假设使用面向块的模型，尽管还可以使用其他类型的基于经验的非线性模型(诸如神经网络和Volterra模型)。在特定实施例中，工具144可以支持下面的实际和以用户为中心的约束:
-由用户定义的模型142的任何参数可以与操作过程具有物理关系；
-模型142可以是开环无偏的；
-解可以是鲁棒的并且以时间有效方式可用；
-在进行逐步测试时所有计算都可以在线完成且可用；
-所有计算都可以是独立的(即模型142可能不需要额外的计算)；
-信号注入可能不会是过度侵入的或者引起主要的工厂混乱；
-模型142可以是灵活的并且对用户有意义；以及
-模型142可以直接由非线性MPC (NLMPC)控制器使用并且相对于传统线性MPC来说具有最小的调谐扩展。工具144的特定实现可以支持所有这些特征或者这些特征的任何子集。
[0031]面向块的模型是一类形式上相对过分简单化的模型，并且它们是所有非线性结构中被最频繁研究的种类中的一个。图2图示面向块的模型200的一般形式。在图2中，输入块HO 202和输出块(,)204表示静态(无存储)非线性。中间块(S) 206通常用于表示要被建模的系统的动力学，其通常被看作是线性时不变(LTI)的。如下所述，解除该问题性约束。然而，因为时间存在，所以该结构200可以被称为“LTI块”。
[0032]在结构200内还分别支持内部输入和输出仪器。因为工具144可以支持多输入多输出(MIMO)模型，所以任何数目的输入仪器可以看作具有任何其他输入仪器的非线性运算器。可以对输出仪器做出类似的声明。
[0033]在该类模型内，工具144可以支持下面三个公知的结构:
-Hammerstein:这是最频繁使用的结构之一，并且包括由LTI动态块跟随的静态非线性块之间的级联连接。该结构可以被表示为“N-L”。
[0034]-Wiener:在这里，Hammerstein模型的级联连接被反向，并且该结构被表示为“L-N”。
[0035]- Hammerstein-Wiener系统:在该结构中，如图2中所示的那样直接使用所有块元素并且该结构被表示为“N-L-N”。
[0036]这些结构已经被广泛地用于表示大量的应用。然而，值得注意的是，许多面向块的方法聚集于单输入单输出(SISO)模型，或者如果MMO则存在很少(如果如上面暗示的那样对仪器角色的任何关注)。下面给出对该细节的更多关注。
[0037]除了图2中所示的结构之外，各种块202至206的实现会对任何最终实施的成功或失败有深远的影响。用于实现图2中给出的静态和动态块202至206的各种技术是已知的。已经提出了从多项式到神经网络到径向基函数的非线性元素。还已经提出了从预测误差方法到子空间模型到具有额外输入的自回归(ARX)模型的动态元素。在一个特定方法中，使用基于标准正交基函数的面向块的方法，其中公式导致参数线性回归。在另一特定方法中，由一组序数样条函数来表示Hammerstein块的非线性。这些函数是结构良好的并且使得能够使用先验过程信息来帮助限定非线性。
[0038]根据该公开，可以在使用实际回归计算之前描述两个基函数的组合。标准正交基函数被用来捕获过程动力学，并且序数样条基函数被用来捕获静态非线性。
[0039]标准|H交基函数。
[0040]之前关于LTI识别的标准正交基函数(OBF)的工作受到需要在参数方面是线性的简约模型的驱使。将先验信息并入到函数中的想法导致所谓的Laguerre模型。对于谐振系统，已经提议Kautz基并且对其进行了分析。在Ninness等人的“A Unifying Constructionof Orthonormal Bases for System Identification, ” IEEE Transactions on AutomaticControl, 42 (4) (1997)，515-521 (通过引用将其并入于此)中给出了针对LTI识别的标准正交基函数的统一构造。由下式给出基本模型结构(为了清楚起见以SISO形式示出):
【权利要求】
1.一种方法，包括: 获得(4002 )表示要被控制的过程中的材料(3104)的pH的非线性模型(3124)，使用标准正交基函数和序数样条基函数来生成所述模型；以及 使用所述模型来执行(4004)所述过程的非线性模型预测控制。
2.根据权利要求1的方法，还包括: 使用所述标准正交基函数和序数样条基函数来生成(400)所述模型。
3.根据权利要求2的方法，其中生成所述模型包括: 识别节点的分布(3300)和多个序数样条函数，每个序数样条函数与各节点中的一个相关联；以及 使用所述序数样条函数中的至少一个来生成所述序数样条基函数。
4.根据权利要求3的方法，还包括: 生成图形显示(3200)用于向用户的呈现；以及 经由所述图形显示从用户接收节点分布的定义，所述定义包括节点的数目、节点在其中分布的值的范围、以及节点分布的类型。
5.根据权利要求2的方法，还包括: 生成图形显示(3200)用于向用户的呈现；以及 经由所述图形显示从用户 接收要被生成的模型的结构的定义。
6.根据权利要求1的方法，其中执行非线性模型预测控制包括: 使用所述模型来确定如何调整将原料溶液提供给蓄水池(3102)的多个入口流(q; -g.7)，所述多个入口流更改蓄水池中的材料的pH。
7.根据权利要求1的方法，其中执行非线性模型预测控制包括: 从测量材料的PH的pH传感器(3106)接收传感器测量结果；以及 修改至少一个操控变量以将材料的PH保持在特定数量的设定点或者特定数量的设定点之内。
8.一种装置，包括: 至少一个存储器单元(3112、3120)，其被配置成存储表示要被控制的过程中的材料(3104)的pH的非线性模型(3124)，所述模型与标准正交基函数和序数样条基函数相关联；以及 至少一个处理单元(3110、3118)，其被配置成使用所述模型执行所述过程的非线性模型预测控制。
9.根据权利要求8的装置，其中所述至少一个处理单元还被配置成使用所述标准正交基函数和序数样条基函数来生成所述模型。
10.根据权利要求9的装置，其中所述至少一个处理单元还被配置成通过以下内容来生成所述模型: 识别节点的分布(3300)和多个序数样条函数，每个序数样条函数与各节点中的一个相关联；以及 使用所述序数样条函数中的至少一个来生成所述序数样条基函数。
11.根据权利要求10的装置，所述至少一个处理单元还被配置成: 生成图形显示(3200)用于向用户的呈现；以及经由所述图形显示从用户接收节点分布的定义，所述定义包括节点的数目、节点在其中分布的值的范围、以及节点分布的类型。
12.—种将计算机程序具体化的计算机可读介质，该计算机程序包括: 用于获得(4002)表示要被控制的过程中的材料(3104)的pH的非线性模型(3124)的计算机可读存储代码，使用标准正交基函数和序数样条基函数来生成该模型；以及 用于使用所述模型来执行(4004)所述过程的非线性模型预测控制的计算机可读程序代码。
13.根据权利要求12的计算机可读介质，其中所述计算机程序还包括:用于使用所述标准正交基函数和序数样条基函数来生成(400)所述模型的计算机程序代码。
14.根据权利要求13的计算机可读介质，其中用于生成所述模型的计算机可读程序代码包括: 用于识别节点的分布(3300)和多个序数样条函数的计算机可读程序代码，每个序数样条函数与各节点中的一个相关联；以及 用于使用所述序数样条函数中的至少一个来生成所述序数样条基函数的计算机可读程序代码。
15.根据权利要求14的计算机可读介质，其中所述计算机程序还包括: 用于生成图形显示(3200)用于向用户的呈现的计算机可读程序代码；以及 用于经由所述图形显示从用户接收要被生成的模型的结构的定义以及节点分布的定义的计算机可读程序代码，所述节点分布的定义包括节点的数目、节点在其中分布的值的范围、以及节点分布的 类型。
【文档编号】C02F1/66GK103597418SQ201280028932
【公开日】2014年2月19日 申请日期:2012年6月4日 优先权日:2011年6月16日
【发明者】J.W.麦克阿瑟, S.K.达什, R.K.巴斯卡 申请人:霍尼韦尔国际公司