[go: up one dir, main page]

EP1342138A1 - Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses - Google Patents

Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses

Info

Publication number
EP1342138A1
EP1342138A1 EP01995542A EP01995542A EP1342138A1 EP 1342138 A1 EP1342138 A1 EP 1342138A1 EP 01995542 A EP01995542 A EP 01995542A EP 01995542 A EP01995542 A EP 01995542A EP 1342138 A1 EP1342138 A1 EP 1342138A1
Authority
EP
European Patent Office
Prior art keywords
variables
empirical
model
core model
process parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP01995542A
Other languages
English (en)
French (fr)
Inventor
Matthias Kurz
Johannes Reinschke
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Corp
Original Assignee
Siemens AG
Siemens Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG, Siemens Corp filed Critical Siemens AG
Publication of EP1342138A1 publication Critical patent/EP1342138A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32017—Adapt real process as function of changing simulation model, changing for better results
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42136—Fuzzy feedback adapts parameters model
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the invention relates to a method and a device for calculating process variables.
  • Predicting process variables with which the system is preset are optimized using measured process variables.
  • Adaptive models which are used in the process automation of industrial processes, often consist of a physical core model.
  • This core model describes the relationships that can be described mathematically and physically with the current level of knowledge with sufficient accuracy (DE 43 38 608 AI).
  • Process variables for which a sufficiently precise mathematical-physical theory does not yet exist are nowadays determined using empirical models. These empirical models are either manually, e.g. B. during the commissioning of an industrial process plant, adjusted or adjusted from the direct comparison between measured and calculated process variables.
  • the object of the invention is to provide a method or device which enables the empirical models to be adapted quickly and efficiently.
  • the process according to the invention according to claim 1 u comprises a core model and one or more empirical models, the empirical models being adapted using what is known as a “partially inverse core model X ⁇ .
  • Process variables for which no sufficiently precise mathematical-physical theory is known are calculated in the empirical model.
  • only process variables are calculated in the physical core model for which, based on current knowledge, the mathematical-physical dependencies are known with sufficient accuracy.
  • the input variables of the empirical models, the output variables of which are to be referred to as empirical variables are known process parameters.
  • the empirical variables as well as known process parameters are used as input variables in the core model. In the output variables of the core model, a distinction is made between measurable process variables and other process variables. That for
  • Core model of partially inversely constructed model (briefly referred to as "partially inverse core model” 1 ) has a suitable selection of measurable process variables as well as all known parameters that come into play in the core model.
  • the output variables of the partially inverse core model are the empirical ones already mentioned above sizes.
  • the core model and the inverse core model are compatible with one another except for numerical rounding errors and both models are online-compatible in terms of computing time.
  • the Partially inverse core model exactly (except for the measurement accuracy of the selected measurable process variables) determine which values the empirical variables should have had at the time of measurement so that the model predictions of the core model match the selected measurement values as closely as possible. With this knowledge of the empirical quantities at the time of measurement, the empirical models can be adapted.
  • Another advantageous embodiment of the invention is that by means of adaptation or training algorithms, such as. B. with a gradient descent method, an adaptation of the process variables in the sense of a reduction in the determined deviation.
  • the inventive device comprises a computing system of an industrial process for calculating unknown process parameters, also referred to as empirical variables, depending on known process parameters in at least one empirical model, and for calculating process variables depending on the known process parameters and the empirical variables in a core model, the empirical model being adapted by means of a core model that is partially inverse to the core model.
  • unknown process parameters also referred to as empirical variables
  • empirical model being adapted by means of a core model that is partially inverse to the core model.
  • the single figure shows an example of the execution of an empirical model, a core model and a partially inverse core model according to the invention.
  • the exemplary embodiment shows the method according to the invention for calculating process variables 12 of an industrial process.
  • the process model shown is e.g. B. used for the calculation of the rolling forces, the rolling moments, the rolling power and the advance for all rolling stands of a five-stand cold rolling mill (tandem mill).
  • a five-stand cold rolling mill tilt mill
  • the core model 9 and the partially inverse core model 14 are compatible with one another except for numerical rounding errors and that both models are online-compatible in terms of computing time.
  • the partially inverse core model 14 can be used to determine exactly which values the empirical variables 15 should have at the time of measurement so that the measurable process variables 10 calculated (selected) by the core model match the actually measured process variables 13 as closely as possible .
  • the empirical models 3, 5 can be adapted or optimized using the calculated empirical variables 15.
  • the adaptation or optimization of the empirical models 3, 5 takes place via adaptation or training algorithms 2, 4.
  • the adaptation or training algorithms 2, 4 have the calculated empirical variables 16, 17 and the known process parameters 1 as input variables.
  • the adaptation or training algorithms 2, 4 associated with the empirical models 3, 5 implemented in the form of neural networks are based on a gradient descent method, i. H. that, depending on the deviation, there is an adaptive change in the model parameters contained in the neuronets in the sense of a reduction in the determined deviation.
  • the model parameters adapted in this way are available for the calculation of the empirical variables 6, 7 at the beginning of the next process sequence.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Feedback Control In General (AREA)
  • General Factory Administration (AREA)

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Vorausberechnung von Prozessgrössen eines industriellen Prozesses. Das aus mindestens einem empirischen Modell und einem Kernmodell bestehende Verfahren wird mittels eines zum Kernmodell teilinvers aufgebauten Modells nachberechnet und optimiert. Die Optimierung der empirischen Modelle erfolgt mittels Adaptions- oder Trainingsalgorithmen, welche neben bekannten Prozessparametern als wesentliche Eingangsgrößen die vom teilinversen Kernmodell berechneten empirischen Größen besitzen.

Description

Verfahren und Vorrichtung zur Berechnung von Prozessgrößen eines industriellen Prozesses.
Die Erfindung betrifft ein Verfahren bzw. eine Vorrichtung zur Berechnung von Prozessgrößen.
Bei der Regelung bzw. Steuerung von industriellen Prozessen, insbesondere bei Anlagen der Grundstoffindustrie, wie z.B. Stahlwerken, ist es notwendig, Prozessgrößen oder Zustände vorausschauend zu ermitteln, da sie zu dem Zeitpunkt, an dem sie in der Regelung oder Steuerung gebraucht werden, nicht zur Verfügung stehen. Weiterhin ist es wünschenswert, die Be- rechnung dieser Prozessgrößen oder Zustände online, d. h. während des Produktionsablaufes, zu optimieren.
Es ist gängige Praxis, Prozessgrößen modellgestützt zu ermitteln. Vor Beginn eines jeden Prozessablaufes werden in Abhän- gigkeit von bekannten Prozessparametern benötigte unbekannte
Prozessgrößen vorausberechnet, mit denen eine Voreinstellung des Systems erfolgt. Während des Prozessablaufes werden die verwendeten Modelle mittels gemessener Prozessgrößen optimiert.
Adaptive Modelle, welche in der Prozessautomatisierung von industriellen Prozessen eingesetzt werden, bestehen häufig aus einem physikalischen Kernmodell. Dieses Kernmodell beschreibt die Zusammenhänge, die sich mathematisch-physika- lisch mit dem heutigen Kenntnisstand hinreichend genau beschreiben lassen (DE 43 38 608 AI) . Prozessgrößen, für die noch keine hinreichend genaue mathematisch-physikalische Theorie existiert, werden heutzutage mittels empirischer Modelle bestimmt. Diese empirischen Modelle werden entweder per Hand, z. B. während der Inbetriebsetzung einer industriellen Prozessanlage, eingestellt oder aus dem direkten Vergleich zwischen gemessenen und berechneten Prozessgrößen angepasst. Aufgabe der Erfindung ist es, ein Verfahren bzw. Vorrichtung anzugeben, das bzw. die es ermöglicht, eine schnelle und effiziente Adaption der empirischen Modelle durchzuführen.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 gelöst. Vorteilhafte Weiterbildungen des Verfahrens sind in den weiteren Ansprüchen angegeben.
Das erfindungsgemäße VerfaKren nach Anspruch 1 u fasst ein Kernmodell sowie ein oder mehrere empirische Modelle, wobei mit einem sogenannten „teilinversen KernmodellXλ die empirischen Modelle adaptiert werden. In dem empirischen Modell werden Prozessgrößen berechnet, für die noch keine hinrei- chend genaue mathematisch-physikalische Theorie bekannt ist. Im Gegensatz zu den empirischen Modellen werden im physikalischen Kernmodell nur Prozessgrößen berechnet, für die nach heutigem Kenntnisstand die mathematisch-physikalischen Abhängigkeiten hinreichend genau bekannt sind. Die Eingangsgrößen der empirischen Modelle, deren Ausgangsgrößen als empirische Größen bezeichnet werden sollen, sind bekannte Prozessparameter. Die empirischen Größen sowie bekannte Prozessparameter gehen als Eingangsgrößen in das Kernmodell ein. Bei den Ausgangsgrößen des Kernmodells wird zwischen messbaren Prozess- großen und sonstigen Prozessgrößen unterschieden. Das zum
Kernmodell teilinvers konstruierte Modell (kurz als „teilin- verses Kernmodell"1 bezeichnet) besitzt als Eingangsgrößen eine geeignete Auswahl von messbaren Prozessgrößen, sowie alle in das Kernmodell eingehenden bekannten Parameter. Die Aus- gangsgrößen des teilinversen Kernmodells sind die bereits o- ben genannten empirischen Größen.
Gemäß einer vorteilhaften Ausgestaltung der Erfindung sind das Kernmodell und das inverse Kernmodell zueinander bis auf numerische Rundungsfehler kompatibel und beide Modelle von der Rechenzeit her online-fähig. Für jeden gemessenen Datensatz von messbaren Prozessgrößen lässt sich mit Hilfe des teilinversen Kernmodells exakt (bis auf die Messgenauigkeit der ausgewählten messbaren Prozessgrößen) bestimmen, welche Werte die empirischen Größen zum Messzeitpunkt hätten haben sollen, damit die Modellvorhersagen des Kernmodells mit den ausgewählten Messwerten bestmöglich übereinstimmen. Mit dieser Kenntnis der empirischen Größen zum Messzeitpunkt lassen sich die empirischen Modelle adaptieren.
Eine weitere vorteilhafte Ausgestaltung der Erfindung liegt darin, dass mittels Adaptions- oder Trainingsalgorithmen, wie z. B. mit einem Gradientenabstiegsverfahren, eine Anpassung der Prozessgrößen im Sinne einer Verringerung der ermittelten Abweichung erfolgt.
Die erfindungsgemäße Vorrichtung nach Anspruch 5 umfasst ein Rechensystem eines industriellen Prozesses zur Berechnung von unbekannten Prozessparametern, auch als empirische Größen bezeichnet, abhängig von bekannten Prozessparametern in mindestens einem empirischen Modell, und zur Berechnung von Pro- zessgrößen abhängig von den bekannten Prozessparametern und den empirischen Größen in einem Kernmodell, wobei das empirische Modell mittels eines zum Kernmodell teilinversen Kernmodells adaptiert wird.
Die Erfindung sowie weitere Vorteile und Details werden im folgenden anhand von einem schematisch dargestellten Ausführungsbeispiel in der Zeichnung näher erläutert. Die einzige Figur zeigt ein Beispiel für die erfindungsgemäße Ausführung eines empirischen Modells, eines Kernmodells und eines tei- linversen Kernmodells.
Das Ausführungsbeispiel zeigt das erfindungsgemäße Verfahren zur Berechnung von Prozessgrößen 12 eines industriellen Prozesses. Das dargestellte Prozessmodell wird z. B. für die Be- rechnung der Walzkräfte, der Walzmomente, der Walzleistung und der Voreilung für alle Walzgerüste einer fünfgerüstigen Kaltwalzstraße (Tandemstraße) herangezogen. Je ein e piri- > ω r K3 t-> H1
Cn o (_π O Cπ O π t» ^ Λ φ Φ Φ
*• P» H a a Φ
3 a
Z O ω p. T) '
H φ n n P" O t- * N
Φ co Φ
CΛ l_l. CΛ CΛ φ P- sQ α P ι-i o 0- O: o EP tr P-. Φ
P- a ß> φ er > p- er CΛJ pt: Φ •
P H iQ Φ σ
P- P- P- tQ rr φ ω
O O P
P er CΛ
Φ ιQ α a ß>
Φ a
P iQ u cn sQ a ιQ
Φ ß> H a a O: φ a EP ω r+ Φ co φ a φ a
P φ Φ Cπ
P a
TS P-
>v P- Φ π H ω o P-
N cn P-
Φ O a co a- < co Φ
IQ a i-i l-i CΛ ■ Φ π Φ C l S! a H- rt l-i QA cn cn h-> tr a a EP ) H- Φ t-1 rt P> cn CΛ 0 H
O: Q Φ
EP H a
Φ O:
P 1
13 berechnet werden. Wesentlich ist, dass das Kernmodell 9 und das teilinverse Kernmodell 14 zueinander bis auf numerische Rundungsfehler kompatibel und beide Modelle von der Rechenzeit her online-fähig sind. Für jeden gemessenen Satz von messbaren Prozessgrößen 13 lässt sich mit Hilfe des teilinversen Kernmodells 14 exakt bestimmen, welche Werte die empirischen Größen 15 zum Messzeitpunkt hätten haben sollen, damit die vom Kernmodell berechneten (ausgewählten) messbaren Prozessgrößen 10 mit den tatsächlich gemessenen Prozessgrößen 13 bestmöglich übereinstimmen. Mit den berechneten empirischen Größen 15 lassen sich die empirischen Modelle 3, 5 anpassen bzw. optimieren. Die Anpassung bzw. Optimierung der empirischen Modelle 3, 5 erfolgt über Adaptions- oder Trainingsalgorithmen 2, 4. Die Adaptions- oder Trainingsalgorith- men 2, 4 haben die berechneten empirischen Größen 16, 17 sowie die bekannten Prozessparameter 1 als Eingangsgrößen. Die zu den in Form von neuronalen Netzen realisierten empirischen Modellen 3, 5 zugehörigen Adaptions- oder Trainingsalgorithmen 2, 4 basieren auf einem Gradientenabstiegsverfahren, d. h. dass in Abhängigkeit von der Abweichung eine adaptive Änderung der in den Neuronetzen enthaltenen Modellparameter im Sinne einer Verringerung der ermittelten Abweichung erfolgt. Die so adaptierten Modellparameter stehen für die Berechnung der empirischen Größen 6, 7 zu Beginn des nächsten Prozessab- laufes zur Verfügung.

Claims

Patentansprüche
1. Verfahren zur Berechnung von Prozessgrößen eines industriellen Prozesses, insbesondere einer Anlage der Grundstoff- industrie, wobei unbekannte Prozessparameter, auch als empirische Größen bezeichnet, aus bekannten Prozessparametern in mindestens einem empirischen Modell ermittelt werden und Prozessgrößen abhängig von den bekannten Prozessparametern und den empirischen Größen in einem Kernmodel bestimmt werden, wobei das empirische Modell mittels eines zum Kernmodell teilinversen Kernmodells adaptiert wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das teilinverse Kernmodell kompatibel zum Kernmodel ausgebildet ist.
3. Verfahren nach Anspruch 2, dadurch gekennzeic net, dass das teilinverse Kernmodell abhängig von bekannten Prozessparametern und von gemessenen Prozessgrößen, die zum Messzeitpunkt bestehenden empirischen Größen bestimmt.
4. Verfahren nach Anspruch 3 dadurch ge ennzeichnet, dass mindestens ein empirisches Modell über einen Adaptionsoder Trainingsalgorithmus mittels der vom teilinversen Kernmodell berechneten zum Messzeitpunkt bestehenden empirischen Größen adaptiert wird.
5. Vorrichtung zur Berechnung von Prozessgrößen eines industriellem Prozesses, wobei mit einem Rechensystem eine Berechnung von unbekannten Prozessparametern, auch als empirische Größen bezeichnet, abhängig von bekannten Prozessparametern in mindestens einem empirischen Modell durchgeführt wird und Prozessgrößen abhängig von den bekannten Prozessparametern und den empirischen Größen in einem Kernmodel bestimmt wer- den, wobei das empirische Modell mittels eines zum Kernmodell teilinversen Kernmodells adaptiert wird.
EP01995542A 2000-11-30 2001-11-28 Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses Withdrawn EP1342138A1 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE10059567A DE10059567A1 (de) 2000-11-30 2000-11-30 Verfahren und Vorrichtung zur Berechnung von Prozessgrößen eines industriellen Prozesses
DE10059567 2000-11-30
PCT/DE2001/004467 WO2002044822A1 (de) 2000-11-30 2001-11-28 Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses

Publications (1)

Publication Number Publication Date
EP1342138A1 true EP1342138A1 (de) 2003-09-10

Family

ID=7665306

Family Applications (1)

Application Number Title Priority Date Filing Date
EP01995542A Withdrawn EP1342138A1 (de) 2000-11-30 2001-11-28 Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses

Country Status (5)

Country Link
US (1) US20030208287A1 (de)
EP (1) EP1342138A1 (de)
JP (1) JP2004514998A (de)
DE (1) DE10059567A1 (de)
WO (1) WO2002044822A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004011236A1 (de) * 2004-03-04 2005-09-29 Bayerische Motoren Werke Ag Prozesssteuersystem
FR3024254B1 (fr) 2014-07-25 2018-08-03 Suez Environnement Procede de detection d'anomalies dans un reseau de distribution, en particulier distribution d'eau
WO2016012971A1 (fr) * 2014-07-25 2016-01-28 Suez Environnement Procede de detection d'anomalies dans un reseau de distribution, en particulier distribution d'eau
DE102019127550A1 (de) * 2019-10-14 2021-04-15 Windmöller & Hölscher Kg Verfahren für eine modellbasierte Optimierung eines Folienproduktes bei einer Herstellung auf einer Folienextrusionsanlage

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04149663A (ja) * 1990-10-09 1992-05-22 Fujitsu Ltd 逆モデル生成方法および該方法による制御システム
DE4130164A1 (de) * 1991-09-11 1993-03-18 Bodenseewerk Geraetetech Regler, insbesondere flugregler
WO1994020887A2 (en) * 1993-03-02 1994-09-15 Pavilion Technologies, Inc. Method and apparatus for analyzing a neural network within desired operating parameter constraints
DE4316533C2 (de) * 1993-05-18 1997-09-18 Bodenseewerk Geraetetech Neuronales Netz für dynamische Prozesse
DE4338608B4 (de) * 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
JPH08115103A (ja) * 1994-10-18 1996-05-07 Meidensha Corp 制御系の制御方式
DE19545262B4 (de) * 1995-11-25 2004-08-05 Alstom Power Conversion Gmbh Einrichtung zum Betrieb einer mehrgerüstigen Walzstraße
US5933345A (en) * 1996-05-06 1999-08-03 Pavilion Technologies, Inc. Method and apparatus for dynamic and steady state modeling over a desired path between two end points
US6047221A (en) * 1997-10-03 2000-04-04 Pavilion Technologies, Inc. Method for steady-state identification based upon identified dynamics
DE19641432C2 (de) * 1996-10-08 2000-01-05 Siemens Ag Verfahren und Einrichtung zur Vorausberechnung von vorab unbekannten Parametern eines industriellen Prozesses
DE19642918C2 (de) * 1996-10-17 2003-04-24 Siemens Ag System zur Berechnung des Enddickenprofils eines Walzbandes
DE19756877A1 (de) * 1997-12-19 1999-07-01 Siemens Ag Verfahren und Einrichtung zum Beschichten eines Metallbandes

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See references of WO0244822A1 *

Also Published As

Publication number Publication date
DE10059567A1 (de) 2002-06-13
WO2002044822A1 (de) 2002-06-06
JP2004514998A (ja) 2004-05-20
US20030208287A1 (en) 2003-11-06

Similar Documents

Publication Publication Date Title
EP2376783B1 (de) Simulationsgestütztes verfahren zur steuerung bzw. regelung von druckluftstationen
WO2014121863A1 (de) Verfahren und vorrichtung zur steuerung einer mit einer erneuerbaren energiequelle betreibbaren energieerzeugungsanlage
EP0421063A2 (de) Verfahren zur Verbesserung der adaptiven stochastischen Dosiergenauigkeit einer geregelten Differentialdosierwaage
DE4338615A1 (de) Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
EP3642372B1 (de) Verfahren zum betreiben eines glühofens
EP3448798A1 (de) Verfahren zum optimieren des abfüllens eines behälters
WO2002044822A1 (de) Verfahren und vorrichtung zur berechnung von prozessgrössen eines industriellen prozesses
DE102020207792A1 (de) Training eines künstlichen neuronalen Netzwerkes, künstliches neuronales Netzwerk, Verwendung, Computerprogramm, Speichermedium und Vorrichtung
EP2915926A2 (de) Verfahren zur Bestimmung der Systemkennlinie eines Verteilernetzes
DE102013212889A1 (de) Verfahren und Vorrichtung zum Erstellen einer Regelungfür eine physikalische Einheit
EP3542229B1 (de) Einrichtung und verfahren zur bestimmung der parameter einer regeleinrichtung
EP2128726A1 (de) Verfahren und Simulator zur Echtzeitberechnung der Zustandsgrössen eines Prozessmodells
EP3918429B1 (de) Verfahren und vorrichtung zum steuern eines wasserversorgungsnetzes
DE1294712B (de) Analogrechner zur Ermittlung der proportionalen Belastung von Flugzeugen
WO2017050659A1 (de) Verfahren und vorrichtung zum betreiben eines technischen systems
DE102019206541A1 (de) Verfahren zum Durchführen von computerunterstützten XiL-Simulationen
DE102013214967A1 (de) Verfahren und Vorrichtung zum Adaptieren eines datenbasierten Funktionsmodells
DE19624301B4 (de) Lernverfahren für ein neuronales Netz
WO2017084780A1 (de) Verfahren zum rechnergestützten ermitteln von parametern eines elektrochemischen energiespeichers
WO2007080128A1 (de) Verfahren zur messtechnischen bestimmung des intervallendes eines prüfintervalls sowie vorrichtung zur durchführung des verfahrens
DE102022203386B4 (de) Regelverfahren, Regelsystem, Kraftfahrzeug, Computerprogrammprodukt und computerlesbares Medium
WO2019174880A1 (de) Verfahren zum rechnergestützten steuern eines technischen systems
EP1483633B1 (de) Verfahren zur simulation eines technischen systems und simulator
DE19527521C1 (de) Lernverfahren für ein neuronales Netz
DE102017206242A1 (de) Verfahren zum Überwachen und/oder Steuern des Betriebs einer Energieerzeugungsanlage

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20030401

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LI LU MC NL PT SE TR

17Q First examination report despatched

Effective date: 20060918

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20100601