SE529454C2 - Förfarande och anordning för trimning och styrning - Google Patents

Description

26 25 30 35 529 454 2 offline-identifiering av modeller för varje slinga. Dessutom tas hänsyn till kända variationer hos modellen, t ex på grund av varierande valshastighet, på ett parameterstyrande sätt. Två faktorer som gör processförstärkningen för varje slinga osäker är dess beroende av det valsade materialet och en eventuell avvikelse mellan den antagna valsverksmatrisen och det verkliga beteendet hos valsverket.

Vid valsning av ett band är det viktigt att upprätthålla den önskade planhetsprofilen hela tiden. Avvikelse från den öns- kade planheten kan resultera i kostsamma bandbrott och skrotning av tillverkade härvor. Planhetsstyrsystemets upp- gift är sálunda att driva den verkliga planhetsprofilen så nära som möjligt den önskade planhetsprofilen, vilket ställ- er stora krav på styrsystemet vad gäller beräkningshastighet och noggrannhet.

Regulatorer för industriella processer behöver vara väl trimmade för att minska kvalitetsvariationer och hålla den tillverkade kvaliteten inom specifikationerna trots varie- rande förhållanden. Särskilt en önskan om en hög produk- tionstakt utmanar ofta förmågan att styra processen till- räckligt bra för att undvika både tillverkning av så kallat "off-spec"-material [dvs material som inte uppfyller speci- fikationerna] och avbrott i tillverkningen på grund av brott. Plåtbrott vid en pappersmaskin eller bandbrott vid ett stálvalsverk är exempel som kan orsaka kostsamma produk- tionsförluster.

Trimning av en regulator baseras ofta på en procedur för att komma fram till en enkel modell från experimentdata (från t ex ett stegtest) kombinerat med en metod för att automa- tiskt åstadkomma en god regulatortrimning, under antagande ~ att denna modell tillräckligt väl representerar beteendet hos processen. För att denna procedur skall lyckas är det _ väsentligt att modellformuleringen förmår fånga det verkliga beteendet hos processen under experimentet, och att den er- hållna modellen förblir giltig under processens normala 10. 15 20 25 30 35 529 454 3 drift med de varierande förhållanden som kan uppträda.

Trimningsmetoden kan tillåta en viss variation kring det antagna nominella beteendet genom att i lämplig utsträckning lägga fokus på robustheten. Om det finns väsentliga varia- tioner i processdynamiken - t ex med varierande produktions- hastighet ~ bör kända sådana variationer hanteras via para- meterstyrning. Om variationerna uppträder under trimnings- experimentet blir modellidentifikationen allvarligt störd om standardmetoder tillämpas.

Ett vanligt tillvägagångssätt är s k black-box-identifie- ring, dvs att uppskatta parametrarna i en diskret tidformu- lering av modellen, uttryckt för samma samplingsintervall som används vid själva styrningen. I de fall där en del processdynamik varierar med produktionshastigheten kommer emellertid uppskattningen att störas av hastighetsvaria- tioner eftersom de verkliga parametervärdena av modellen kommer att variera. Detta gäller både om sampling görs per tidsenhet, vilket är det vanligaste fallet eftersom de delar av dynamiken som varierar med hastigheten då ger varierande tidsdiskreta modellparametrar, och om sampling görs per mängd materialflöde, vilket ibland görs av praktiska skäl och också ger konstanta tidsdiskreta modellparametervärden för dynamik som har tidskarakteristika proportionella mot inversen av hastigheten, eftersom de delar av dynamiken som inte varierar med produktionshastigheten då ger varierande tidsdiskreta modellparametrar.

För trimningen av PI-reglerkretsarna, vid standardlösningen för planhetsstyrning, förhindrar varierande valsningshastig- het användningen av black-box-identifieringsmetoder för att bestämma en modell. Sampling utförs per längdenhet. Därför skulle modellen av transportbeteendet vara invariant för de samplade data, men ställdonsdynamiken får inte en invariant modell för data samplade på detta sätt, och därför kommer hela den tidsdiskreta modellen att variera. Dessutom kan- samplingsintervallet variera på grund av varierande nedsamp- 10 15 20 25 30 »ss 529 454 4 . lingsmultipel och även varierande förfiltrering i Samband med detta.

För att uppnå noggrann styrning bör regulatorerna vara väl trimmade, baserat på hur processen svarar på ändringar i manipulerade variabler. Förstärkningen i valsningsprocessen beror på ett antal parametrar som inte är välkända. För planhetsstyrning påverkas de relevanta förstärkningarna av vilket material som valsas, den verkliga överensstämmelsen mellan den antagna valsverksmatrisen och verkligheten, och andra saker.

Efter separering av den ursprungliga styruppgiften, dvs bi- behållen planhet tvärs över bredden hos det tillverkade materialet med användning av flera ställdon, i flera ställ- donsmätslingor, baseras den aktuella styrstrategin på trim- ning av en standardreglerkrets under igångkörning. Normalt görs detta som en enkel uppskattning av modellparametrar "off-line" för varje slinga och trimning för den modellen.

För att göra denna aktivitet mer effektiv bör de relevanta modellparametrarna uppskattas on-line och presenteras för användaren i realtid för beslut när aktiviteten skall avslu- tas. Vidare bör uppskattningen utföras på ett sätt som inte störs av hastighetsvariationer.

.Ett problem är att om processen eller materialet ändras kan det hända att styrningen inte blir noggrann, även om den har varit noggrann tidigare, vilket leder till dålig produktkva- litet eller till skrotning.

För.att undvika ovannämnda problem skulle man kunna tillämpa adaptiv styrning. Adaptiv styrning tillämpar vanligen black- box-modeller. Tidsdiskreta modeller med varierande samp- lingsintervall pá grund av varierande hastighet kommer emellertid att få varierande parametervärden, vilket beror på den tidsinvarianta dynamiken som är förknippad med ställ- donet. Adaptiv styrning baserad på black-box-identifiering av sådana modeller kommer därför att bli oanvändbar. 10 15 20 25 30 35 529 454 TEKNIKENS STÅNDPUNKT Den grundläggande tekniken vid styrsystem för Valsverk är känd sedan länge. Tekniken vid planhetsstyrning är beskriven i olika skrifter såsom: M J Grimble och J Fotatis"The Design of Strip Shape Control Systems for Sendzimir Mills", IEEE Transactions on Automatic Control, Vol. AC-27, No. 3, 1982.

J V Ringwood, "Shape Control Systems for Sendzimir Steel Mills", IEEE Transaction on Control Systems Technology, Vol. 8, No. l, 2000.

A Wolff, F Gorgels, M Jelali, R Lathe, G Mücke, U Müller, och W. Ungerer, "State of the Art and Future Trends in Metal Processing Control", In Proceedings of the 3rd European Rolling Conference, Düsseldorf, Germany, 16-18 June, 2003. ' M Jelalu, U Müller, A Wolff och W Ungerer, "Advanced Con- trol Strategies for Rolling Mills", Metallurgical Plant and Technology International, No. 3, 200l." S R Duncan, J M Allwood och S S Garimella, "The Analysis and Design of Spatial Control Systems in Strip Metal Rolling", IEEE Transactions on Control Systems Technology, Vol. 6, No. 2, 1988.

US-patentet 6 826 521 avser en metod och ett system för adaptiv linjär modellprediktiv styrning för en industriell process. Metoden använder sig av parameteruppskattning och linjärisering för att uppdatera modeller för den modellpre- diktiva regulatorn.

Föreliggande uppfinning använder sig av tidigare kunskap och kända data från den industriella processen, i synnerhet det 10 15 20 25 30 35 529 454 6 , huvudsakliga inflytandet av variationer i materialflödet, och innefattar både en modellstruktur och åtminstone en del av de berörda parametrarna och beräknar en modell för regu- latortrimning genom att kombinera modellen för processbete- endet, med användning av nämnda processmodellstruktur och uppskattade parametervärden såväl som i övrigt kända para- metervärden, med en modell för någon utförd signalbehand- ling. å REDoGöRELsE FÖR UPPFINNINGEN Föreliggande uppfinning utnyttjar tidigare kunskap och kända data från den industriella processen. Denna tidigare kunskap innefattar både en modellstruktur och åtminstone en av de ingående parametrarna. De återstående parametrarna, dvs de som är okända eller förväntas variera, typiskt sett process- förstärkningen, bestäms on-line genom identifiering. Detta kombinerat med en trimningsregel, såsom en lambdatrimning, bildar ett trimningsförfarande. När det tillämpas på styr- ningen on-line bildar detta en adaptiv styrning som tar hand om process- och materialosäkerheter och ändringar. När det tillämpas för självtrimning ger det ett snabbt och tillför- litligt sätt att trimma regulatorn.

Föreliggande uppfinning tillåter styrning av vilken typ av Aställdon som helst. Ändamålet med föreliggande uppfinning är att lösa de problem som är förknippade med kända metoder vid trimning av regula- torer för processer med varierande materialflödeshastighet som orsakar varierande styrförhållanden.

Uppfinningen anger ett förfarande som använder/deriverar en processmodellstruktur som innefattar åtminstone en parameter _ med okänt värde, varvid denna modellstruktur beskriver effekten av varierande materialflödeshstighet, uppskattar värdet av nämnda åtminstone en parameter, baserat på data från driften av processen, beräknar en modell för regulator- 10 15 i 20 25 30 35 529 454 7 trimning genom att kombinera modellen av processbeteendet, där man använder nämnda processmodellstruktur och uppskatta- de parametervärden såväl som i övrigt kända parametervärden, med en modell av någon utförd signalbehandling, och utför modellbaserat trimning för nämnda regulator med användning av nämnda modell, Genom att använda en kontinuerlig tidsmodellformulering och ta hänsyn till vad som är känt om processen väljs modell- strukturen att göra de okända parametrarna oberoende av materialflödeshastigheten och av andra varierande paramet- rar. Med oberoende menas att de verkliga värdena bibehålls något så när konstanta trots varierande materialflödeshas- tighet eller varierande andra parametrar. Därmed minimeras det antal parametrar som behöver bestämmas genom uppskatt-, ning, och som följd av detta blir uppskattningarna mer till- förlitliga. En modellbaserad trimningsmetod tillämpas sedan på den sammanlagda modellen bestämd utifrån uppskattade pa- rametrar, kända parametrar och förhållanden och vilken slags signalbehandling som verkligen tillämpas.

Förfarandet enligt uppfinningen skapar ett förbättrat, sta- bilt och robust styrsystem. Kvalitetsstyrningsproblemen, som är förknippade med varierande förhållanden på grund av vari- erande materialströmningshastighet med föreliggande lösning- ar, speciellt i kombination med varierande materialparamet- rar och långsamt ändrade processparametrar, reduceras kraf- tigt med den föreslagna uppfinningen.

Förfarandet uppnår den fördelen i förhållande till en adap- tiv regulator baserad på tidsdiskret black-box-modellidenti- fiering att parametrarna som den måsta finna genom uppskatt- ning förblir konstanta över längre perioder, t ex oberoende av produktionshastigheten, vilket gör blotta tillämpningen av anpassning mycket mer genomförbar- Detta lägger i sin tur grunden till att i själva verket kunna öka styrprestandan jämfört med icke-adaptiv styrning. Vinsten med den ökade prestandan visar sig typiskt vid högre produktionshastig- 10 15 20 25 30 35 529 454 _8 heter vid samma kvalitetsnivå, och/eller högre producerad kvalitet vid samma produktionshastighet, vilket betyder mindre skrotning eller bättre pris eller bådadera, och/eller färre produktionsavbrott. Använt som stöd för initialtrim~ ning kan förfarandet även förkorta igàngkörningstiderna.

Ett exempel där uppfinningen är tillämpbar är planhetsstyr- ning vid kallvalsning av metaller. Spänningsprofilen mäts där med en mätvals som har sensorer i fyra grupper. Mätsyss temet tar ett fullständigt spänningsprofilprov fyra gånger per varv och omvandlar det till en planhetsprofil. Vi har således ett fall med sampling per mängd materialflöde, eller mer exakt per längd valsat material. Mätningen kan avbildas till ett antal reglerkretsar med användning av det antagna statiska svaret från ställdonen. Det faktiska dynamiska svaret i de olika reglerkretsarna består huvudsakligen av svar till ställdonsservona eller värmnings- eller kylnings- svar vid ställdon för termiska anordningar samt av svar förknippade med transporten av bandet. Den del som hänför sig till ställdonet anses vara tidsinvariant, och de tids- karakteristika (dödtid, tidkonstant) som hänför sig till transporten är omvänt proportionella mot valsningshastighe- ten. Black-box-identifiering av tidsdiskreta modeller för denna typ av processer är värdelös eftersom resultatet skulle vara giltigt endast för den arbetspunkten. Förfaran- det enligt uppfinningen tillhandahåller å andra sidan upp- skattningar som både är giltiga över hela arbetsområdet och ilätta att tolka av användaren.

Dessutom gör uppfinningen det möjligt för operatörerna att till fullo utnyttja automatiskt driftsätt, vilket kan höja produktionen i valsverket genom att mindre skrot produceras och/eller att högre valsningshastighet med bibehållen kvali- tet erhålls. 10 15 20 25 30 35 529 454 FIGURBESKRIVNING För en bättre förståelse av föreliggande uppfinning hänvisas till nedanstående ritningar/figurer.

Figur 1 illustrerar en översikt över ett valsverk med en valsstol och styranordningar, ställdon, en planhetsmätanord- ning och planhetsstyrsystemet.

Figur 2 illustrerar uppfinningen schematiskt.

Figur 3 illustrerar i princip ett blockdiagram för adaptiv planhetsstyrning.

Figur 4 illustrerar ett flödesschema över de olika förfaran- destegen vid ett adaptivt planhetsstyrsystem.

Figur 5 illustrerar närmare funktionen hos förfarandesteget "Uppdatera en online-uppskattning av nödvändiga modellpara- metrar" i figur 4.

Figur 6 illustrerar i diagramform faktorn för tilltron.[till residualen] som funktion av förhållandet mellan prediktions- fel och uppskattad standardavvikelse hos prediktionsfel.

BESKRIVNING Av FÖREDRAGNA UTFöRINGsFoRMER Uppfinningen avser ett förfarande för automatiskt regulator- trimning som kan användas för såväl engångstrimning som adaptiv styrning. Vid en typisk tillämpning av uppfinningen har en industriell process till viss del tidsinvariant dyna- mik och till viss del tidskarakteristika - såsom dödtid och _tidkonstanter - omvänt proportionella med produktionshastig- heten eller materialflödeshastigheten. Parametriseringen kan väljas enligt verklig kunskap om beteendet hos processen och påverkan av produktionshastigheten, så att de sanna men okända värdena av de uppskattade parametrarna kommer att bli konstanta oberoende av hastigheten och andra varierande 10 15 20 25 30 35 529 454 10 parametrar. Därmed störs inte uppskattningen av hastighets- variationer och det blir få parametrar att uppskatta. Som en följd av detta erhålls noggrannare uppskattningar på kortare tid och de störs inte av att processen körs med normal pro- duktion enligt planerade scheman under en självtrimnings- V session eller någon period av adaptiv styrning. Den verkliga regulatortrimningen använder en modell som kombinerar de tidigare kunskaperna om processbeteendet, inklusive påverkan från processhastigheten, och den kunskap som vunnits genom de uppskattade parametrarna.

Effekten av vilken signalbehandling/omvandling/mappning som utförs i styrsystemet införlivas också i den modell som an- vänds för trimningen. Uppfinningen tillhandahåller alltså anpassning för okända variationer som måste uppfångas genom uppskattning förutom parameterstyrning för kända variatio- ner; Resultatet blir bättre styrning och den erhålls snabb- are och med högre noggrannhet jämfört med tidigare kända metoder. Detta leder till minskad produktion av material som inte uppfyller specifikationen ("off-spec production") 0Ch medger högre produktionshastighet med bibevarad kvalitet.

Vid exemplet med planhetsstyrning vid kallvalsning av metal- ler är det känt att stålldonsdynamiken liksom eventuella j förseningar som beror på kommunikation och behandling är oberoende av valsningshastigheten. Hastigheten kan variera och den kommer då att påverka den dödtid och/eller tidkon- stant som krävs för att beskriva transportbeteendet. Dessu- tom kan mätsystemet lägga på filter på den grundläggande mätningen och det kan sampla ned mätningarna så att det verkliga samplingsintervallet blir en heltalsmultipel av den grundläggande. Både filteröverföringsfunktionen och nedsamp- lingsmultipeln kan varieras avsiktligt i förhållande till valsningshastigheten. Dessa variationer i hastighet, filter och samplingsmultipel är kända.

De parametrar som skall uppskattas för varje reglerkrets kan väljas att vara: 10 15 20 25 30 35 529 454 11 - en tidkonstant ta som beskriver ställdonssvaret, - en dödtid Do (den del av den totala dödtiden som är obero- ende av valsningshastigheten) - en förstärkning K, och - en faktor § som beskriver i vilken grad som transportbete- endet är en ren dödtid eller en tidkonstant.

De verkliga värdena på dessa parametrar är oberoende av hastigheten och den varierande signalbehandlingen som er- fordras. Uttryckt som längd är den sanna dödtiden avståndet Ld från valsgapet till mätvalsen, och den rena tidkonstan- ten, för transportsvar, är längden Lm från valsgap till has- pel. Dessa avstånd skulle, för att uttrycka dem i tid, helt enkelt kunna divideras med hastigheten. Dessa avstånd är konstanta och kända.

Eftersom transportsvaret för olika ställdon är olika och 'inte är känd i förväg antas den för varje enskilt ställdon vara en ren dödtid till graden § och en ren tidkonstant till graden (1-§). Detta definierar transportbeteendeparametern §. Den hastighetsberoende dödtiden, Do, representerar den totala rena fördröjningen från mätning till verklig start _för förändringen vid valsgapet på grund av Ställdónsrörelse, dvs den genomsnittliga summan av behandlingstiden, kommuni- kationen och behandlingsfördröjningen samt eventuella rena fördröjningar i ställdonssystemet.

När väl dessa parametrar (K, ta, Do, š) har bestämts, enligt uppfinningen, genom uppskattning i en självtrimningssession under igángkörning eller átertrimning, förväntas de alla förbli konstanta, med undantag av förstärkningen, K. Efter- som förstärkningen kommer att variera med materialet, och även med en eventuell avvikelse hos den antagna valsverks- matrisen från den verkliga, tillämpas adaptiv styrning, där förstärkningen är den enda parameter som skall uppskattas, samtidigt som kända parametervariationer tas omhand på ett parameterstyrande sätt. 10 15 20 25 30 35 529 454 12 , Adaptiv planhetsstyrning enligt uppfinningen utnyttjar som nämnts ovan tidigare kunskaper om modellerna, per slinga, och bestämmer deras förstärkningar on-line genom rekursiv identifiering. Detta kombinerat med en lambdatrimning (eller någon annan trimningsregel) bildar adaptiv styrning för varje slinga, tillämpad under den inledande valsningen för varje ny spole. Modellstrukturen, ställdonsdynamiken, det hastighetsberoende transportbeteendet samt den hastighets- oberoende dödtiden används som tidigare känd kunskap för den adaptiva styrningen.

De däri ingående parametrarna (ta, Do, E) bestäms fÖreträ', desvis vid ett rekursivt identifikationsexperiment som ut- förs en gång för varje slinga, med excitationssignaler av- givna till ställdonen vid öppen slinga eller tillförda regulatorutgángarna vid stängd slinga. Kända faktorer som ingår i transportbeteendet är valsningshastigheten och de fysiska avstånden i valsverket. Andra faktorer som tas hän- syn till, såsom tidigare kunskap i trimningen, är samplings- hastigheterna och den tillämpade filtreringen. Dessa kan också variera under valsningen av en enstaka spole. Samp- lingsintervallet är ett heltal av den som används vid den grundläggande mätsamplingen. Detta heltal kan variera och det grundläggande samplingsintervallet är omvänt propor- tionell mot valsningshastigheten. Ett rörligt genomsnittligt filter läggs på, vars längd kan variera. Det påläggs vid den grundläggade samplingshastigheten.

Den rekursiva identifieringen för den inledande bestämningen ' av parametervärden, och den som används vid adaptiv styr- ning, är ganska lika, bortsett från antalet parametrar de hanterar såsom fria att uppskatta. De använder kunskapen om modellstrukturen och den varierande samplingen och filtre- ringen och uppskattar parametrarna i en kontinuerlig tidfor- mulering av modellen. Därmed är de uppskattade parametrarna oberoende av den faktiskt använda hastigheten, samplingen och filtreringen. För vissa situationer förses också den rekursiva identifieringen med flera åtgärder som förbättrar 10 15 20 25 30 35 529 454 13 robustheten - jämfört med standardmetoderna enligt läroboken - såsom utliggarskydd, anpassningsdödzoner och begränsningar för uppskattade parametervärden. _ Figur 1-4 illustrerar uppfinningen genom att visa hur den kan tillämpas på planhetsstyrning. Det som visas i figur 2 är generiskt.

Som visas i figur 1 är ett system 1 för planhetsstyrning in- tegrerat i ett system innefattande en valsstol 2 med flera ställdon 3 och valsar 4. En icke visad avhaspel matar ett band 5 till och genom valsstolen 2, varvid bandet 5 passerar t ex ett system av typen "Stresso- meter", och lindas upp på en pâhaspel 7. Valsstolen 2 kan styra skevning, böjning och/eller skiftning av valsarna 4.

Därvid ändrar de formen på valsgapet, vilket är där bandet 5 ett planhetsmätsystem 6, påverkas då det passerar mellan valsarna 4. Det kan också finnas uppvärmnings- eller avkylningsställdon eller någon annan typ av ställdon som påverkar valsgapet. Den resulte- rande produkten vid valsningsprocessen är ett valsat band 5 med önskad planhet. I ett icke visat tandemvalsverk skulle det inkommande bandet komma från en föregående valsstol i stället för en avhaspel. Sådana variationer mellan valsverk är oväsentliga ur planhetsstyrningssynpunkt och planhets- styrningssystemet skulle vara identiskt. Planhetsstyrnings- systemet 1 är utformat att innefatta ett antal avancerade byggnadsblock, såsom framgår av figur 3, med alla nödvändiga " funktionaliteter.

Såsom visas i figur 2, som i huvudsak illustrerar ett flö- desschema vid uppfinningen, innebär förfarandet enligt upp- finningen att man väljer en modellstruktur. De ytterligare stegen hos uppfinningen utförs i ettdera av två lägen: .trimningssession 8 eller adaptiv styrning 9. I båda fallen kan excitation tillämpas på processen och parameteruppskatt- ning tillhandahåller värden på de i övrigt okända paramet- rarna, baserat på data från driften av processen. Med den givna modellstrukturen, tidigare okända parametrar bestämda 10 15 20 25 "ao 35 529 454 14 genom uppskattning och kända parametrar och förhållanden inlagda, utformas processmodellen. Om det sedan utförs någon signalbehandling så läggs även effekten av denna till för att bilda en fullständig modell. Denna fullständiga modell används för styrning av regulatorn, där något lämpligt mo- dellbaserat förfarande kan tillämpas. Bestämningen av mo- dellen och den modellbaserade trimningen upprepas när nya data blir tillgängliga med nya samplingstillfällen.

Under en trimningssession presenteras resultaten av para- meteruppskattningen och trimningen för användaren, vilket möjliggör bedömning och beslut om när sessionen skall avslu- tas. Det slutliga resultatet av trimningssessionen kommer att tillämpas på regulatorn om användaren beslutar så. En trimningssession kan utföras antingen vid öppen slinga eller med regulatorn i sluten slinga. Vid adaptiv styrning arbetar regulatorn i öppen slinga, och trimningsresultat påförs re- gulatorn allteftersom de uppträder. Huruvida styrningen skall vara aktiv eller inte och huruvida den skall vara adaptiv bestäms genom programmerade villkor och/eller opera- törsbeslut.

I figur 3 visas ett adaptivt planhetsstyrningssystem baserat på det uppfunna trimningsförfarandet. Blockregulatorn 10 kan tolkas som antingen en multivariat regulator eller ett antal regulatorer med enkel krets. Det senare fallet beskrivs här, varvid det antas att styruppgiften skall delas i ett antal reglerkretsar lika med antalet valsverksställdon, varje reg- lerkrets med sin egen regulator av typen enkel ingång-enkel utgång.

Regulatorns utgångar u(t) matas till ställdonen 3 eller ställdonservona (icke visade). Ställdonens rörelser påverkar valsgapet i valsverksstolen 2 och därmed de lokala egenska- Pernå p(t) hos det band som just passerar valsgapet. Mätsys- temet 6 avkänner spänningsfördelningen s(t) tvärsöver bandet' 5 via mätvalsen 11 vid en position mellan valsgapet och has- peln 7. Med ett Stressometer-system samplas s(t) fyra gånger 10 15 20 25 30 35 529 454 15 per varv hos mätvalsen. Planhetsmätsystemet 6 översätter rå- mätningen till en planhetsprofil z(t). Detta kan innebära filtrering och återsampling. Vektorn z(t) har typiskt en dimension mellan 16 och 64. Vektorn z(t) jämförs med plan- hetsreferensen r(t) för att få fram ett skillnadsvärde, planhetsfelet e(t). Planhetsfelet e(t) avbildas till rummet för ställdon för att få fram det så kallade parametriserade felet eP(t). Dimensionen hos u(t) och_eP(t) är mindre än eller lika med antalet valsverksställdon 3.

Trimningen innefattar injektion av excitationssignaler som läggs till regulatorns utgångar och användningen av insamla- de värden på u(t) och eP(t) för att uppskatta parametrar hos_ en modell av processen för varje reglerkrets. Vid detta för- farande används det som tidigare är känt om processen, så att endast de okända parametrarna behöver uppskattas. De uppskattade värdena på de okända parametrarna används sedan tillsammans med det som tidigare var känt för att bilda en fullständig modell som beskriver hela dynamiken från regula- torns utgång till dess ingång, så att den kan användas för att trimma regulatorn med en modellbaserad trimningsregel.

Denna trimning ger som resultat de regulatorparametrar som skall användas. Parameteruppskattningen, bildandet av en fullständig modell och trimningen utförs för varje regler- krets. Parameteruppskattningen och trimningen utförs online och trimningsresultatet tillämpas också on-line för att tillhandahålla adaptiv styrning. Det är en fördel att ha få pararmetrar att uppskatta vid adaptiv styrning. Det kan vara så få som en parameter per reglerkrets, processförstärk-_ ningen. Dess sanna värde kan vara olika från härva till härva men blir detsamma genom samma härva. Därför bör adap- tiv styrning tillämpas under den inledande valsningen av härvan, tills förstärkningsvärdet har hittats. Därefter stängs excitationssignalen av (nollställs), och ingen ytter- _ligare uppskattning kommer att utföras för denna regler- krets, men trimningsregeln kommer ändå att användas för att tillhandahålla parameterstyrning, då modellen kommer att 10 15 20 25 30 35 529 454- 16 uppdateras med uppdaterad tidigare kunskap, såsom vals- ningshastighet, filteröverföringsfunktion samt samplings- intervall.

Samma blockschema gäller för en självtrimningssession vid igàngkörning eller átertrimning, förutom att regulatorpara- metrarna som matats till regulatorn då inte kommer att upp- dateras kontinuerligt för nya uppskattade parametervärden. I stället kommer progressionen av uppskattningarna att presen- teras för användaren för att möjliggöra en bedömning av när resultaten skall anses tillfredsställande och avsluta sessi- onen samt upphöra med att páföra excitationssignaler. Det är ocksà möjligt att vid en självtrimningssession ha regulatorn i manuellt läge där endast excitationssignalen matas till det berörda valsverksställdonet.

Flödesschemat i figur 4 beskriver stegföljden som utförs upprepade gånger för exemplet med ett planhetsstyrsystem baserat på uppfinningen. Den första åtgärden, beskriven i- block 12, är att få en planhetsmätning från planhetsmätsys- temet 6. Mätvalsen 11 ger i detta fall fyra mätningar per varv, och mätsystemet 6 avger en ny, eventuellt filtrerad mätning med antingen denna hastighet eller den med en hel- talsfaktor nedsamplade hastigheten.

Följande åtgärd 13 är att bilda eller bestämma planhetsfelet som avvikelsen från planhetsreferensen. Mätningen är en vek- tor och den subtraheras från en motsvarande referensvektor för att bilda planhetsfelet.

Det tredje steget 14 är att bilda eller bestämma parametri- seringsfelet, dvs avbildat till rummet för reglerkretsar.

Antalet reglerkretsar är mindre än dimensionen hos mätvek- torn, så felet projiceras till den mindre dimensionen mot- svarande antalet reglerkretsar, med användning av valsverks- matrisen, vilken modellerar banddeformationen per regulator- utgång. 10 15 20 25 30 35 529 454 17 Ett fjärde steg 15 är att uppdatera en online-uppskattning av erforderliga modellparametrar. Med användning av en kon- tinuerlig tidsmodell kan delar av modellen och dess struktur behandlas såsom kända, medan ett mindre antal parametrar uppskattas on-line såsom avbildade i en separat figur.

Ett ytterligare steg 16 är att kombinera parameteruppskatt- ningarna med kända delar för att bilda en fullständig mo- dell. När man bildar denna slutliga modell tas hänsyn till allting, dvs uppskattade parametrar, konstanta parametrar behandlade som kända och även parametrar som kan variera på känt sätt, såsom produktionshastighet, samplingsintervall i samt mätfiltrering (såsom parameterstyrning).

Ett annat steg 17 är att tillämpa en trimningsregel för att få uppdaterad regulatortrimning. Vilken lämplig modellbase- rad trimningsmetod som helst kan tillämpas. För PI-regula- torer kan lambdatrimning kombinerad med modellreduktion till sin nödvändiga modellform, första ordningen plus dödtid, an- vändas. Indata till trimningen är den slutliga modellen och en justerbar parameter som specificerar den nödvändiga kom- promissen mellan prestanda och robusthet.

Det sjunde steget 18 är att tillämpa styrningen, dvs beräkna regulatorutgången med den omtrimmade regulatorn verkande på det parametriserade felet för denna slinga. Regulatorn (t ex en PI-regulator) fortsätter att arbeta som vilken annan nor- mal regulator som helst. Den får bara sina trimningsparamet- rar uppdaterade "i flykten" ningstid i fallet PI-regulator). (förstärknings- och återställ- Förfarandestegen 15 till 18 upprepas för varje reglerkrets och förfarandestegen 16 och 17 kan hoppas över om det inte är någon förändring i någon av de uppskattade parametrarna för slingan eller parametrar använda för planering (hastig- het, samplingsintervall, mätfilter). lO 15 20 25 30 35 529 454 18 Nästa steg 19 är att återavbilda från reglerkretsrummet till ställdonsrummet om de är olika. Om ställdonen avbildas till ett lägre antal reglerkretsar återavbildas även regulator- utgångarna till det verkliga antalet ställdon.

Nästa steg 20 är att mata regulatorutgångarna till ställ- donen eller till börvärdena för ställdonsservona. Det finns normalt_servon för varje ställdon och i dessa fall matas regulatorutgångarna till dessa servon snarare än direkt till ställdonen.

Blockschemat i figur 5 visar de väsentliga åtgärderna eller stegen vid ett exempel på implementering för rekursiv upp- skattning av fysiska parametrar vid en kontinuerlig tids- dynamisk modell enligt uppfinningen. Den modellerade pro- cessen har ingångar som påverkar den och är tillgängliga för styrning av den, och den har utgångar. Den kan vara en del' av en större process, där denna del har utvalts för att bil- da en reglerkrets tillsammans med den regulator som den tilldelats, en krets av eventuellt flera. I Blockschemat i figur 5 visar aktiviteter som utförs när en ny mätning blir tillgänglig. De behöver inte nödvändigtvis utföras varje sampel, utan kan eventuellt utföras mera sällan enligt något kriterium. Ett sådant kriterium anges inom schemat, en anpassningsdödzon 21, vilket betyder att när det finns för lite information i datan kommer ingen parameteruppdatering att utföras.

Mätningarna 22 erhålls vid samplingstillfällen som kan in- träffa med vilken samplingshastighet som helst, och ändring- arna i processingången u är förknippade med dessa samplings- tillfällen. Sålunda är par av y och u kända i 23 för ett an- tal tidpunkter bakåt i tiden. En del av dessa sampel av y och u samlas i en regressionsvektor o(t) för att användas i en tidsdiskret modell för att förutsäga den föreliggande mätningen y(t). Den aktuella modellen formuleras i kontinu- erlig tid, och den del av dess parametrar kan behandlas 10 15 20 25 30 35 529 454 19 såsom kända, medan andra skall uppskattas. Vid tiden t ar den tidigare uppskattningen av dessa parametrar 6(t-l)- Den fullständiga kontinuerliga tidsprocessmodellen bildas i ett steg 24 under förutsättning att dessa uppskattningar är de- och denna modell omvandlas till den erforder- liga tidsdiskreta prediktionsmodellen i ett steg 25, med. användning av det lämpliga samplingsintervallet. Därvid tas även hänsyn till effekten av ett eventuellt mätfilter 26.- sanna värdena, Prediktionsfelet s(t) bildas som skillnaden mellan den ver- kliga mätningen och prediktionen i ett steg 27. För uppdate- ring av uppskattningen behövs också gradienten ¶fl(t) äV Pre' diktionen med avseende på de uppskattade parametrarna. Den kan härledas analytiskt, eller den kan fås genom numerisk differentiering i ett steg 28. Det senare tillvägagångs- sättet betyder att prediktioner beräknas för en uppsättning modeller där de uppskattade parametrarna störs något. Skill-' naden i predikteringen delat med störningen i parametern är en approximering av den nödvändiga partiella derivatan med avseende på denna parameter.

Med prediktionsfelet a(t) och den transponerade prediktions- gradienten ¶Wt) härledd skulle nu resten av parameterupp- skattningen kunna vara en fråga om standardmässig rekursiv identifiering. Två viktiga praktiska utökningar anges emell- ertid i blockschemat, nämligen utliggarskydd 29 och begräns- ning av parameteruppskattningar 30.

Utliggarskyddet jämför storleken på det föreliggande predik- tionsfelet med vad det varit statistiskt och beräknar en faktor som reducerar effekten.av stora fel huvudsakligen som i 29. Se figur 6 som visar ett exempel på denna faktOr för tilltron, fb. Funktionen innebär online-uppskattning av variansen av prediktionsfelet för att jämföra den föreligg- ande storleken med. I ett enkelt fall utförs denna varians- _uppskattning bara genom lågpassfiltrering av kvadraten av prediktionsfelen. 10 15 20 25 30 35 529 454 20 När den avsedda parameteruppdateringen når utanför det till- åtna området krävs någon motåtgärd för att få uppskattningen att hålla sig innanför. Detta kan åstadkommas på ett flertal olika sätt. Det som anges här förutsätter att det verkliga parametervärdet ligger innanför de specificerade gränserna.

En uppdatering som pekar utanför behandlas, i analogi med utliggare, genom att skala ned prediktionsfelet och predik- tionsgradienten med en gemensam faktor såsom i steg 30. Vär- det av faktorn kan väljas för att placera den uppdaterade uppskattningen exakt på gränsen till det tillåtna området, eller någon bråkdel eller något avstånd innanför. Ett alter- nativt angreppssätt som inte kräver att det sanna värdet av en parameter stannar innanför det tillåtna området är att V sätta den kränkande parameterberäkningen på gränsen och göra en nyuppskattning av de återstående parametrarna. Detta görs effektivt som en Markov-beräkning av de återstående paramet- rarna genom att behandla den ursprungliga uppskattningen som en mätning som stördes av ett vitt brus med en kovarians lika med kovariansmatrisen P som är förknippad med den re-, kursiva uppskattningen.

Prediktionsgradienten ¶2(t)T och prediktionsfelet sr(t) an- vänds, efter eventuell reducering pà grund av utliggarde- tektering eller uppskattningar som tenderar att hamna utan- för det tillåtna området, för att bestämma riktningen och storleken på åtgärden för uppdatering av parameteruppskatt- ningen, 31. Skattningsförstärkningen K(t) multiplicerar pre- diktionsfelet sr(t) och denna förstärkning bestäms i steg 32 av prediktionsgradienten och kovariansmatrisen P vid den tidigare tidpunkten. I de fall en glömskefaktor Ä används beräknas den som K(t) = PV(t-1)Wr(t) [A + wr(c)TP(t-1)wr(t)]'1.

Vid uppdateringsåtgärden 33 hos kovariansmatrisen P finns det flera praktiska aspekter att ta hänsyn till. Glömske- faktorn är vida känd. Huruvida den implementeras som enhet- lig glömska eller riktad glömska eller förlitar sig på enl Kalmanfiltermetod eller har ett målvärde för spåret av P kan 10 15 20 25 30 Vtaget när det finns för lite information, 529 45-4 21 vara en smaksak. Förknippad med glömskan är också risken för uppvridning av kovariansmatrisen ("covariance wind-up"). Den kan motverkas genom att avstå från uppdatering överhuvud- såsom fallet blir när man tillämpar en lämplig anpassningsdödzon. Kovarians- matrisen uppdateras normalt uppdelad i faktorer, exempelvis genom att skriva den som P = LDLT, och uppdatera L (nedre triangulär matris med enhetsdiagonal) och D (diagonal matris) snarare än P själv.

Grundalgoritmen för rekursiv identifiering baserad på pre- diktionsfel presenteras nedan (jämför Kapitel 9.5 i Söder- ström och Stoica: System identification (Prentice Hall,V 1989). V so) = w) -fi(ff -1; än -1>) ê(z) = â(: -;1)+ Kapa) Ka) - Paavo) = Pa -1>=/f[1+wTP(f -1>wT" Pa)=P-KwfP <1) Uttrycken för prediktionen fißk-hâß-J» och dess gradient WTO) med avseende på parametervektorn kommer att bero på modellformuleringen och på antaganden beträffande karaktären av störningen. För fallet med identifiering av en kontinu- erlig tidsmodell där den föreliggande predikteringen och' svaret involverar på lika avstånd belägna samplade data är följande angreppssätt möjligt. En vektor ÛÅÖQ-1» som inne- håller motsvarande tidsdiskreta predikteringsmodellparamet- rar beräknas från den modell som erhålls med uppskattningen ÖU-J) med användning av det verkliga samplingsintervallet och de involverade värdena av mätsamplen och manipulerade variabler (de som krävs för prediktionen) samlas i en vektor mfi-1). Sedan bildas prediktionen som M: -1;ê(:-1))= WQ -1)øs(ê(f -1)) <2) Det finns här ett underliggande antagande att störningarna kan modelleras enligt vad som är känt som en 'arx'-struktur 10 15 20 25 529 454 22 _ _ för den tidsdiskreta modellen (arx = Auto-Regressive wlth control) En "arx'-modell skrivs ofta (med e(t) beteCknaflde vitt brus): fln+aJ@-n+H,H%yu-ng=bma-kyh"+@fl@-k+nb+D+d0 - 0) Den optimala enstegsprediktorn är av den ovan vid (2) ViSade typen, med øT(f-1)=[-y -yc-na) ua-k) 9sT=[a1 a bl bnb] Il a u(:-k-n,,+1)] (4) Med detta angreppssätt innebär de steg som skall tas för att bilda den nödvändiga tidsdiskreta tidsparametern att man bildar den kontinuerliga tidsmodellen - baserad på de upp- skattade parametrarna och vad som i övrigt är känt - och sedan omvandlar den till diskret tid på välkänt sätt och att man uttrycker den resulterande modellen i form av en över- föringsfunktion så att parametrarna al H. aa Q H. Qb och k erhålls. Detta illustreras genom följande exempel, en pro- ' cess av första ordningen med en dödtid som delvis beror på transportflödeshastigheten, V. Den kontinuerliga tidsmodell- en är i detta exempel K e'Ûo-fe_%s v ( 5 ) L+ß I ett verkligt fall skulle troligen L betraktas som en känd parameter likväl som flödeshastigheten, V. De återstående " parametrarna - förstärkningen K, tidkonstanten t och den hastighetsoberoende delen.I% av dödtiden - anses antingen vara kända eller utgöra en del av den uppskattade parame- tervektorn 6, vilket betyder att det är de som får Sina värden genom rekursiv uppskattning. I vilket fall som helst så bildas modellen (5). Motsvarande tidsdiskreta tidsmodell för samplingsintervallet h är KFßH/Û-afif] -k ' (5) L-ag* q 10 15 20 25 30 35 529 454 23 där a=e-"" , ß=e'(""m", D=Do+%, och k är -ï- avrundad till närmast högre heltal. Motsvarande arxmodell är sålunda av formen (3), med k såsom given ovan och @=¶ @=Kw-w @=1 m=2 ,<fl b|=K(1~ß) .I ett generellt fall skulle den kontinuerliga tidsmodellen lämpligast formuleras som en tillståndsrumsmodell, vilken först omvandlas till en tidsdiskret tillståndsrumsmodell och sedan till överföringsfunktionsform - fortfarande i överens- stämmelse med det illustrerande exemplet ovan. Angrepps- sättet möjliggör vilken kombination som helst av kända och okända parametrar i den fullständiga modellen. Om det t ex finns ett filter pálagt på råmätningarna för att göra de samplade värdena tillgängliga för användning i identi- fikationen så skulle det kända filtret redovisas i deri- veringen av uttrycken för parametrarna a, u. an h_ n. bfi.

Den erforderliga prediktionsgradienten WTO) kan härledas analytiskt, speciellt för enkla modellstrukturer. Alterna- tivt kan den fås genom numerisk differentiering på följande sätt. En liten avvikelse införs i var och en av de uppskatt- ade parametrarna (element av 9), en och en, och prediktionen _beräknas för varje fall. Den resulterande avvikelsen i pre- diktionen delas sedan genom parameteravvikelsen, för var och en av de uppskattade parametrarna, för att bilda motsvarande element hos gradienten. ' Om tidsdiskreta modellparametrar skulle uppskattas, såsom a, H. a Q N. b vid modelltypen (3), kan man se ur (6) M M och (7) för exemplet av första ordningen att variationer i någon av de aktuella parametrarna förstärkning (K), tid- konstant (t) eller hastighetsoberoende dödtid (Do) kommer att påverka åtminstone två av de uppskattade parametrarna~ al, hu, och bg. Eftersom eventuella variationer i de sanna grundparametrarna förstärkning (K), tidkonstant (t) eller hastighetsoberoende dödtid (DO) förväntas vara oberoende av varandra, och även eftersom det är möjligt för en användare 10 15 20 A25 30 529 454 d 24 att tolka betydelsen av deras värden, är det bättre att upp-ß skatta dem direkt än att uppskatta al, hu och ku. Användaren kommer att kunna bedöma huruvida de uppskattade värdena är troliga. De beräkningar som ingår för att uppskatta paramet- rarna hos den kontinuerliga tidsmodellen är mer komplicera- de, men det problemet är lösbart med dagens lättillgängliga hårdvara när väl den nödvändiga mjukvaruimplementeringen av de utvecklade algoritmerna är gjord.

Trimningen av regulatorn baseras på en modell av processen. Även effekten av sampling, och i synnerhet av filter pålagda mätningen, tas med i beräkningen. Vilken modellbaserad trim- ningsmetod som helst, som är lämplig för de typer av modell- er och regulatorer som används, skulle kunna tillämpas. För PI-styrning finns det en mycket enkel metod som kallas lamb- datrimning som syftar till ett system med sluten krets med specificerad tidkonstant (A). Användaren specificerar ofta _ lambdafaktorn, eller bromsfaktorn, Af, snarare än lambda' själv. I sin välkända grundform är lambdatrimning enbart tillämplig på systemen av första ordningen med eller utan dödtid. Den kan även tillämpas på en modell av högre ord- ning, efter förenkling till en modell av ordning ett. Som exempel på en enkel modellreduktion kan en modell av tredje ordningen med tre tidkonstanter och en dödtid Kkq" ___-___- = = ( ) (1+f,s)(1+f,s)(1+f,s) ti tz tg -8 för detta ändamål approximeras med modellen av första ord- ningen plus dödtid K -DrS V > e _D =¿)+fLIÃi (9) 1+qs ' 2 .

Lambdatrimning tillämpad på denna modell ger då PI-regula- torn förstärkningen k och återställningstiden 13 som 7}=T1 k = TI = Tf (io) 1<(/1+D, +1;) K(Å+D+í§;5+Ä) 10 15 20 25 30 529 454 W 25 om regulatorns samplingsintervall är Ig. Detta sammanfattar en variant av lambdatrimning för modeller med en, två eller tre tidkonstanter och en dödtid (t3 och t2 tillåts vara noll i formeln (10)). Lambdan A i (10) skulle bestämmas ur lamb- dafaktorn Af as Å=¿{q+D+2šfiJ Om det finns ett mätfilter som inte ingår i proCeSSm0del1efl tas det hänsyn till genom att låta det ingå i den dynamiska modellen som skall reduceras till första ordningen. Fallet med ett FIR-filter ("finite impulse response") med nf lika koefficienter kan t ex för detta ändamål approximeras med en tidkonstant av första ordningen tf = (nf-l)¶$/2, där 7% är filtersamplingsintervallet.

Det finns andra varianter på denna precisa formulering av lambdatrimning när det t ex gäller att låta samplingperioden Ts ingå i formeln, förhållandet mellan Ä och Kf, ti1lämPflin9 på integreringsprocesser, samt för tillämpning på modeller av högre ordningen även sättet att reducera modellordningen.

Dessa varianter redovisas inte i detalj här. Dessutom nämns lambdatrimning endast som ett exempel och den i uppfinningen beskrivna metoden kan tillämpas lika väl vid andra varianter av modellbaserad trimning.

Det kan konstateras att även om ovanstående beskriver exem- plifierande utföringsformer av uppfinningen så finns det åt- skilliga varianter och modifieringar som kan göras av den beskrivna lösningen utan att göra avsteg från ramen för föreliggande uppfinning såsom den anges i bifogade patent- krav. (ll)

Claims (22)

10 15 20 25 30 35 529 454 PATENTKRAV 25

1. Förfarande för trimning av en regulator (10) SOm SCYr en egenskap (p(t)) hos en industriell process som har vari- erande flödeshastighet, varvid förfarandet innefattar: - att injicera excitationssignaler som påförts regula- torns utsignal (U(t)), - att motta mätningar (z(t)) av nämnda egenskap som svar på nämnda excitationssignaler, - att välja en processmodellstruktur innefattande åtminstone en parameter med okänt värde, varvid denna modellstruktur beskriver effekten av varierande mate- rialflödeshastighet, _ - att uppskatta värdet av nämnda åtminstone en para- meter, baserat på nämnda mätningar (z(t)) av nämnda egenskap och en utsignal (u(t)) från rê9ulat0rn, - att beräkna en modell som beskriver dynamiken från regulatorns utgång till dess ingång baserat på det uppskattade värdet av nämnda parameter, och att på grund därav utföra modellbaserad trimning av regula- torn.

2. Förfarande enligt patentkrav 1, kännetecknat av - att välja en processmodellstruktur innefattande parametrar som skall uppskattas vilka är oberoende av varierande materialflödeshastighet; V

3. Förfarande enligt patentkrav l eller 2, kännetecknat av j- att välja en processmodellstruktur som innefattar högst en modellparameter per ingångs-/utgángspar som påverkas av varierande verklig förstärkning hos pro- cessen.

4. Förfarande enligt något av föregående patentkrav, kännetecknat av - att välja en processmodellstruktur som innefattar högst en modellparameter per ställdon som påverkas av 10 15 20 25 30 35 529 454 2?- varierande verkliga svarstider hos ställdon.

5. Förfarande enligt något av föregående patentkrav, kännetecknat av - att i processmodellen inbegripa eventuella fördröj- ningar på grund av databehandling och kommunikation, - att välja nämnda processmodellstruktur så att varia- tioner av nämnda fördröjningar inte påverkar mer än en modellparameter per modellingång.

6. Förfarande enligt något av föregående patentkrav, kännetecknat av - att bygga upp nämnda processmodellstruktur av två delar, varvid en del beskriver transportbeteendet där eventuella dödtider och eventuella tidkonstanter är omvänt proportionella mot materialflödeshastigheten, och en annan del som är oberoende av materialflödes- hastigheten.

7. Förfarande enligt något av föregående patentkrav, kännetecknat av Å - att härleda en första ordningens modell med dödtid för varje del av nämnda modell, - att införa en parameter § för transportbeteendet som definierar graden av ren dödtid i förhållande till ren exponentiell insvängning hos transportbeteendet, - att i fallen med ren dödtidtransportbeteende låta dödtiden beskrivas av det kända avståndet Lä, - att i fallet med transportbeteende som består av en ren exponentiell insvängning låta den därmed förknip- pade tidkonstanten beskrivas av det kända avståndet Im, och - att uppskatta åtminstone något av parameterförstärk- ningen (K), den flödesoberoende tidkonstanten (t), den flödesoberoende dödtiden (Do) och transportbeteendepa- ' rametern (§). 10 15 20 25 30 529 454 18 i

8. Förfarande enligt något av föregående patentkrav, kännetecknat av I - att välja processmodellstrukturen La Ke'D°s e V 1+zs1+L_,,,(1_š)s v

9. Förfarande enligt något av föregående patentkrav, kännetecknat av - att uppskatta åtminstone en parameter med användning av en prediktionsfelmetod.

10. Förfarande enligt något av föregående patentkrav, kännetecknat av - att reducera storleken på parameteruppdateringen när den obegränsade uppdateringen når utanför ett område av definierade tillåtna parameterområden men där parameteruppdateringen görs i samma riktning i parame- terrummet, - att tillämpa samma reduktionsfaktor på både regres- sorer och prediktionsfel för att användas vid både parameteruppdatering och uppdatering av matris som innehåller information som är nödvändig vid rekursiv uppskattning, och - att därmed hålla parameteruppskattningar inom till- åtna områden.

11. Förfarande enligt något av föregående patentkrav, kännetecknat av _ - att i fallet med stora prediktionsfel reducera effekten av mätningar och regressorer enligt en faktor för tilltron beräknad utifrån förhållandet mellan storleken på prediktionssfelet och den uppskattade standardavvikelsen hos tidigare prediktionsfel, och - att därmed uppnå skydd mot utliggare. 10 15 20 25 30 35 529 454 l<ï_

12. Förfarande enligt något av föregående patentkrav, kännetecknat av - att sampla processutgångar med en grundläggande samplingstakt, att pålägga ett filter med samma samp- lingstakt och att återsampla till en långsammare samp- lingstakt, varvid denna takt används för nämnda logg- ning av värden från driften av processen, och att låta effekten av denna sampling, filtrering och återsamp- ling ingå i prediktionsberäkningarna och uppdatering- arna av parameteruppskattningen.

13. Förfarande enligt något av föregående patentkrav, kännetecknat av - att utföra ett identifieringsexperiment, vilket innebär att köra processen med avsiktlig excitering som påverkar åtminstone en manipulerad variabel, - att uppskatta åtminstone en parameter on-line vid nämnda identifieringsexperiment.

14. Förfarande enligt något av föregående patentkrav, kännetecknat av - att beräkna nämnda modellbaserade trimning hos regulatorn on-line.

15. Förfarande enligt något av föregående patentkrav, kännetecknat av - att presentera resultat för en användare i realtid, och - att därvid möjliggöra ett användarbeslut att avsluta identifieringsexperimentet så snart som tillfredsstäl- lande resultat har uppnåtts.

16. Förfarande enligt något av föregående patentkrav, kännetecknat av 4 - att uppskatta åtminstone en parameter on-line vid driften av processen och medan man styr den med nämnda regulator, 10 15 20 25 30 35 529 454 - att utföra nämnda modellâšlerade trimningsberäk- ningar för regulatorn on-line, in - att tillämpa trimningsresultatet på nämnda regulator on-line, och - att därvid uppnå verklig adaptiv styrning.

17. Förfarande enligt något av föregående patentkrav, kännetecknat av - att uppskatta färre parametrar vid driften med on- lineuppdatering av regulatorn än vid identifierings- experimentet, - att låta resultatet av parameteruppskattningen från identifieringsexperimentet definiera värdet av åtmin- _ stone en parameter, och att behandla denna parameter eller dessa parametrar såsom kända vid körningen med online-uppdatering av regulatorn.

18. Förfarande enligt något av föregående patentkrav, kännetecknat av - att använda lambdatrimning eller IMC-trimning som modellbaserad trimningsmetod för nämnda regulator.

19. Anordning för trimning av en regulator (10) som styr en egenskap (p(t)) hos en industriell process som har varierande materialflödeshastighet, kännetecknad av V - medel för att påföra excitationssignaler till regu- latorns utsignal (U(t)), - medel för att mäta nämnda egenskap som svar på nämnda excitationsignaler, _ - medel för att härleda en processmodellstruktur innefattande åtminstone en parameter med okänt värde, varvid denna modellstruktur beskriver effekten av varierande materialflödeshastighet, - medel för att uppskatta värdet av nämnda åtminstone en parameter, baserat på nämnda mätningar (z(t)) av nämnda egenskap och en utsignal (u(t)) från regula* torn, 10 15 529 454 3\ - medel för att beräkna en modell som beskriver dyna- miken frán regulatorns utgång till dess ingång baserat på det uppskattade värdet av nämnda parameter, samt att på basis därav utföra modellbaserad trimning av regulatorn. I

20. Datorprogram innefattande datorprogramkodmedel för att utföra stegen i ett förfarande enligt något av patentkrav 1-19.W

21. Datorläsbart medium innefattande åtminstone en del av ett datorprogram enligt patentkrav 20.

22. Datorprogram enligt patentkrav 20 som åtminstone delvis tillhandahålls genom ett nät, såsom t ex Internet.