Advanced Control MethodsLaajuus (3 cr)

Objective

This study unit aims to provide an overview of the utilization of advanced control methods in process industries. After successfully completing this study unit, the student will be able to: present advance control realizations of energy production or of other process industries analyze advanced control loops realize process experiments, draw conclusions, and derive dynamical process models for the testing and simulation of advanced control methods.

Content

Yksimuuttujaiset ja monimuuttujaiset prosessi- ja säätömallirakenteet. Muuttujavektorit ja matriisimallit. Dynaamiset mallit. Siirtofunktiot. Laplace-muunnos. Askelvasteprosessikoe. Yhden aikavakion ja viiveen Laplace-malli. Integroituva Laplace-malli. Laplace-mallirakenteet. Aikajatkuvat ja diskreetit mallit. Tiedonkeruu näytteenottomenetelmällä. Z-muunnos diskreetin mallin esityksessä. Prosessidatan tiedonkeruusta diskreeteiksi malleiksi. Aikasarjamallien muodostaminen käytännössä. Diskreetti aikasarjamalli ARX. Malliprediktiivinen säätö. Optimointilaskenta malliprediktiivisessa säädössä. Höyryverkon hallinta malliprediktiivisella säädöllä. Kustannusfunktiot ja numeeriset menetelmät optimointitehtävän ratkaisussa. Tuotteen laadun hallinta paperikoneella monimuuttujaisella malliprediktiivisella säädöllä. Matemaattinen optimoinnin hyödyntäminen laaja-alaisesti. Sumea logiikka mallinnus- ja säätömenetelmänä. Sumeat muuttujat ja käskykanta. Sumea logiikka voimalaitoksen poltonhallinnan optimoinnissa. Sumeutus- ja selkeytysmenetelmät. Jäsenyysastefunktiot. Neuroverkkotekniikka mallinnus- ja säätömenetelmänä. Tekniset neuronit ja neuroverkkorakenteet. Neuroverkkojen hyödyntäminen laitteiden kunnonvalvonnassa. Neuroverkkojen opetusmenetelmät.

Assessment criteria, good (3)

The study unit garde consists of a written examination (50 %) and personal laboratory exercise reports (50 %). Excellent (5), good (3-4), satisfactory (2-1), fail (0).