Strategies for robust dynamic optimization in real time

• Applicant: Professor Alexander Mitsos, Ph.D., since 6/2013
• Subject Area: Automation, Mechatronics, Control Systems, Intelligent Technical Systems, Robotics
• Term: from 2011 to 2016
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 192046500

Nichtlineare modellprädiktive Regelung (NMPC) mit wirtschaftlichem Gütefunktional (DRTO) ist eine vielversprechende Prozessführungsstrategie für chemische Prozesse, da sie die physikalischen Eigenschaften des Prozesses berücksichtigt und die Maximierung des Profits zu jeder Zeit des Betriebes erlaubt. Die Formulierung und numerisch effiziente Berechnung von robust optimalen – statt lediglich nominell optimalen – Steuertrajektorien ermöglichen den Einsatz von NMPC in einem industriellen Rahmen, wo die Modellparameter und Zustände üblicherweise trotz detaillierter Kenntnis des Prozesses nicht ausreichend genau bestimmt werden können. Dieses Projekt befasst sich mit robustem NMPC und DRTO unter dem Einfluss von Unsicherheiten in den Zuständen, zeitabhängigen Störungen und konstanten Parametern eines Prozessmodells mit gegebener Struktur. Von modellbasierten Regelungsmethoden wird erwartet, dass sie Robustheit der Steuertrajektorien (d.h. Stabilität, Performanz und Einhaltung von Prozessschranken auch bei Abweichungen in den Modellparametern) garantieren, während der Prozess an seinem wirtschaftlichen Optimum betrieben wird. Gegenwärtig verfügbare NMPC-Methoden sind jedoch noch nicht in der Lage, diese Aufgabe für industriell relevante Prozesse mit großen und komplexen Modellen zu lösen. Dieser Projektantrag zielt auf die Entwicklung von Strategien zur Berechnung von Echtzeitlösungen für robuste und beschränkte dynamische Optimierungsprobleme mit wirtschaftlichen Zielfunktionen (robuste DRTO) ab. Hierfür wird eine Min-Max Strategie gewählt, welche das Potential hat, die robust optimalen Lösungen für realistische hochdimensionale Modelle mit begrenzter Information über die Unsicherheiten effizient zu berechnen. Die numerische Komplexität der Min-Max Strategie wird durch die Erweiterung existierender Methoden bewältigt, mit welchen bereits große Fortschritte in der effizienten Lösung von nichtlinearen dynamischen Optimierungsproblemen erzielt wurden. Die ersten drei Jahre fokussieren auf der Entwicklung von Lösungsstrategien für robuste, zeitkontinuierliche Min-Max DRTO Probleme mit Zustandsrückführung. Die hierfür zu entwickelnden effizienten Algorithmen zielen jedoch noch nicht auf eine Reduzierung der inhärenten Konservativität der Min-Max Methode ab. Dieses Ziel wird in der zweiten Antragsphase verfolgt, wo die robuste DRTO mit Ausgangsrückführung verbunden und die Konservativität durch geeignete Ansätze reduziert werden soll. Hierfür wird das Min-Max DRTO in eine Zwei-Ebenen-Architektur eingebunden. Auf der oberen Ebene werden Steuertrajektorien, die auch für die ungünstigste Realisierung der unsicheren Parameter robust sind, für einen langen Zeithorizont und eine gegebene Unsicherheitsbeschreibung berechnet. Auf der unterlagerten Ebene werden Zustands- und Parameterschätzer und schnelle, optimierungsbasierte Regler genutzt, um die unsicheren Parameter und Unsicherheitsbereiche abzuschätzen und die Steuertrajektorie schnell zu aktualisieren. Diese Strategie wird den Einsatz des robusten NMPC mit wirtschaftlicher Zielfunktion (DRTO) zur Regelung großer chemischer Prozesse ermöglichen.

• DFG Programme: Research Grants
• Ehemaliger Antragsteller: Professor Dr.-Ing. Wolfgang Marquardt, until 5/2013