Model-based predictive control for a distributed parameter system in a steel heating application

Abstract

This work explores the advanced process control of a continuous steel reheating furnace, which is a challenging example of an industrial distributed parameter system that requires precise control. The intention is to utilize model-based predictive control, which employs a highly detailed mathematical model for real-time furnace optimization. The application of model-based control depends on the availability of an accurate and computationally efficient model. This work develops a modeling approach for the furnace process with a particular emphasis on radiative heat transfer. A 2D state-space model simulates temperature dynamics using the finite volume method for radiation, conduction, convection, advection, and simple combustion. A novel furnace measurement model provides valuable insight into the interpretation of temperature sensors. Linearization and model order reduction strategies, such as balanced truncation, offer real-time optimization capabilities. The furnace model is verified against a more comprehensive CFD model, which is included. The control system is hierarchically organized into static and dynamic components. The static optimization determines the ideal heating pattern for a given steady furnace operation based on the slabs parameters and their throughput. Complementarily, the dynamic control addressing transient disturbances is designed in two stages: Initially, a sub-optimal linear-quadratic regulator and linear predictive controller are used to track the steady optimum. Subsequently, a near-optimal nonlinear predictive control is demonstrated to ensure accuracy under changing conditions. In addition, a state estimator is proposed as the model that is to be simulated in parallel with the measurement correction. A simulation case study demonstrates the features of the model and the model-based control capabilities. Overall, this study introduces the concept of applying a high fidelity model in real-time optimal control in the field of industrial heating and establishes a foundation for practical implementation and further research.

Tato disertační práce se zabývá pokročilým řízením procesu průběžné ohřívací pece na ocel, která je výstižným příkladem průmyslového systému s distribuovanými parametry, který vyžaduje přesné řízení. Záměrem je využít prediktivní řízení na bázi modelu, které využívá velmi detailní matematický model pro optimalizaci pece v reálném čase. Výsledky MPC závisí na přesnosti modelu, který musí být zároveň výpočetně efektivní. Tato práce rozvíjí metodu modelování pro proces průběžné pece se zvláštním důrazem na sálavý přenos tepla. Dvourozměrný model ve stavovém popisu simuluje vývoj teploty pomocí metody konečných objemů pro radiaci, kondukci, konvekci, advekci a jednoduché spalování. Navíc je odvozen inovativní model měření, který poskytuje interpretaci dat teplotních čidel. Strategie linearizace a redukce řádu modelu, jako je balanced truncation, umožňují možnosti optimalizace v reálném čase. Model pece je ověřen na základě ještě komplexnějšího CFD modelu, který je součástí této práce. Řídicí systém je hierarchicky uspořádán do statické a dynamické části. Statická optimalizace určuje ideální profil ohřevu pro daný ustálený provoz pece na základě parametrů vsázky a její průchodnosti. Následně jsou přechodné poruchy kompenzovány dynamickým řízením, které je navrženo ve dvou stupních: Zpočátku se ke sledování ustáleného optima navržen sub-optimální lineárně-kvadratický regulátor a lineární prediktivní řízení. Následně je navrženo téměř-optimální nelineární prediktivní řízení, které zajišťuje přesnost při měnících se podmínkách. Kromě toho je detailní model, který lze simulovat paralelně s řízeným procesem a korekcí měření, navržen jako stavový estimátor pro odhad vnitřního teplotního stavu. Simulační případová studie demonstruje vlastnosti detailního modelu a možnosti řízení na jeho základě. Celkově tato studie představuje koncept použití modelu s vysokou věrností pro optimální řízení v reálném čase v oblasti průmyslového ohřevu a vytváří základ pro praktickou implementaci a další výzkum.