LEITSYSTEM FÜR EINE ANLAGE DER GRUNDSTOFF- ODER DER VERARBEITENDEN INDUSTRIE O.Ä.

Beschreibung

[0001] Die Erfindung betrifft ein Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie o.ä., z.B. für eine hüttentechnische Anlage, etwa zur Erzeugung von Bändern aus Stahl oder NE-Metallen, wobei das Leitsystem durch Rechnertechnik, aufbauend auf eingegebenem Vorwissen, den Zustand der Anlage und Einzelheiten eines in der Anlage ablaufenden Herstellungsprozesses, z.B. eines kontinuierlichen Gießprozesses für Bänder, selbsttätig erkennend und zur Erzielung eines sicheren Produktionserfolges situationsgerechte Anweisungen gebend, ausgebildet ist.

[0002] Für industrielle Anlagen zur Erzeugung oder Verarbeitung von Gütern oder Energie besteht seit jeher ein Bedürfnis nach einem Leitsystem, das eine optimale und dabei insbesondere kostengünstige, Führung des in der Anlage durchgeführten Prozesses ermöglicht. Diesem Bedürfnis wurde bisher suboptimal durch Einrichtungen der konventionellen Regeltechnik soweit wie möglich Rechnung getragen. Insbesondere bei Produktionsprozessen, die große regeltechnische Probleme mit sich bringen, steigt jedoch der notwendige regeltechnische Aufwand enorm an, ohne daß das erreichte Ergebnis wirklich zufriedenstellend ist. So offenbart z.B. die DE 43 01 130 Al ein Verfahren und eine Einheit zur Regelung eines Walzgerüstes, d.h. einer Einzelkomponente. Eine Optimierung des Prozeßablaufs erfolgt dadurch allenfalls bezogen auf die betrachtete Einzelkomponente.

[0003] Bei Bandgießanlagen für Metall, deren Betrieb besonders große regeltechnische Probleme mit sich bringt und die daher beispielhaft im weiteren behandelt werden, ist es bereits bekannt, mit miteinander verbundenen Einzelreglern oder Regelkreisen zu arbeiten. Beispiele zeigen die EP 0 138 059 A1 und die EP 0 228 038 sowie der Aufsatz "Development of twin-drum strip caster for stainless steel" von K. Yanagi u.a., Metec Conference, Juni 1994, Mitsubishi Heavy Industries, Ltd./Nippon Steel Corp. Die bekannten Regelungen, die suboptimal arbeiten, obwohl sie teilweise bereits mit Reglern ausgerüstet sind, die mathematische Modelle benutzen, führen zur Herstellung von Bändern, deren Maßhaltigkeit und Qualität noch relativ großen Schwankungen unterliegen. Besonders nachteilig ist dabei, daß die Anlagen, die mit den bekannten Reglern und Regelkreisen arbeiten, schnelle, vorzugsweise hydraulische, Stellglieder benötigen, die sehr kostenaufwendig sind.

[0004] Um die vorstehenden Nachteile zumindest teilweise zu vermeiden, ist es bekannt, Expertensysteme zu verwenden. Expertensysteme als sogenannte intelligente Systeme, mit denen die Qualität der hergestellten Produkte auch in bezug auf regeltechnisch schlecht beherrschbare Qualitätsmerkmale verbessert werden soll, sind auch für Anlagen der Grundstoffindustrie bekannt, so z.B. aus dem Aufsatz "Process optimization for maximum availability in continuous casting", veröffentlicht in der Zeitschrift "Metallurgical Plant and Technologie International 5/1994". Derartige Expertensysteme, die den Produktionserfolg durchaus verbessern können, beseitigen jedoch nicht die prinzipiellen Schwächen der konventionellen Regelung. Diese werden insbesondere dann sichtbar, wenn es sich um Vorgänge handelt, die (wie etwa in der Grundstoffindustrie) wegen des Fehlens geeigneter Sensoren, etwa im Innern von Hochtemperaturvorgängen, nicht direkt geregelt werden können.

[0005] Speziell zur Regelung des Bandgießens von Stahl ist es zur indirekten Regelung aus der EP 0 411 962 A2 weiterhin bekannt, mit einer Kurvenschar zulässiger Eingangsgrößen als Anlagenführungsbasis zu arbeiten. Die Kurvenschar gibt den Verlauf von als sicher erkannten Eingangsgrößen-Konstellationen wieder. Ein derartiges Vorgehen, bei dem Expertenwissen über Sollwertvorgaben in die Anlagenführung umgesetzt wird, erfordert bei Qualitäts- oder Anforderungsänderungen aufwendige Anlagen-Verhaltenstests zur Ermittlung neuer Führungskurven. Darüber hinaus ist nur ein Arbeiten in weitem Abstand vom Prozeßoptimum möglich.

[0006] Es ist Aufgabe der Erfindung, insbesondere für konventionell schwierig zu regelnde Produktionsprozesse, z.B. für das Bandgießen von Metallbändern, ein Leitsystem anzugeben, mit dem sicher in kostengünstigen Anlagen ein besserer Produktionserfolg erreicht werden kann.

[0007] Die Aufgabe wird durch ein tatsächlich intelligent ausgebildetes Leitsystem gelöst, das aufbauend auf eingegebenem Vorwissen, selbsttätig situationsgerechte Anweisungen für eine sichere und möglichst gute (optimale) Prozeßführung gibt. Es handelt sich also um eine vollständig ausgebildete technische Intelligenz, die überraschenderweise bereits mit den heute zur Verfügung stehenden rechentechnischen Mitteln auch für Prozeßleitsysteme von Großanlagen realisiert werden kann.

[0008] In Ausgestaltung der Erfindung ist vorgesehen, daß das erfindungsgemäße Leitsystem die situationsgerechten Anweisungen rechentechnisch schrittweise optimierend ausgebildet ist. Hierdurch wird eine weitere Steigerung des intelligenten Verhaltens erreicht, die zu einer Qualität der Prozeßführung führt, die durch menschliches Bedienungspersonal nicht oder zumindest nicht in der rechentechnisch erreichbaren, kurzen Zeit erzielbar ist.

[0009] In weiterer Ausgestaltung der Erfindung ist vorgesehen, daß das eingegebene Vorwissen, also das von Menschen vorgegebene Prozeßwissen, vorzugsweise selbsttätig, laufend durch am Prozeß während der Produktion intern rechentechnisch, z.B. in unterschiedlichen Betriebspunkten, gewonnenes Wissen verbessert und dieses selbstgenerierte Prozeßwissen in einen, insbesondere ständig aktualisierten, Datenspeicher als neues Vorwissen übernommen wird. So wird sehr vorteilhaft eine ständig verbesserte Grundlage für eine weitere Adaption oder Optimierung des Prozesses geschaffen. Das gewonnene Wissen ist dabei nicht nur auf genauere Parameter etc. beschränkt, sondern schließt auch insbesondere die Prinzipien der verwendeten Algorithmen etc. mit ein.

[0010] Insbesondere für das Erreichen eines sicheren Produktionserfolges, der die Grundlage des Vertrauens der Kunden in ein derartiges System bildet, ist vorgesehen, daß das Leitsystem ein Basis-Funktionssystem für die Anlagenkomponenten aufweist, welches die Anweisungen aus dem rechentechnisch, z.B. aus einem Prozeßmodell, vorzugsweise einem Prozeßgesamtmodell, gewonnenen Wissen, sicher in die Anlagenführung umsetzt. Durch die Verbindung eines sicheren Basisfunktionssystems, das vorzugsweise als ein die Anlagenkomponenten je für sich oder zusammengefaßt sicher arbeitsfähig machendes Basisautomatisierungssystem ausgebildet ist, mit einem situationsgerecht angepaßten, statischen Prozeßmodell, ergibt sich eine Ausführung, die in bezug auf die Sicherheit der Prozeßführung der herkömmlichen Ausbildung eines Leitsystems mindestens gleichwertig, in bezug auf das Kosten/Nutzenverhältnis und das sicher erreichbare Prozeßergebnis, aber überlegen ist.

[0011] Von besonderem Vorteil ist dabei, daß die situationsgerechten Anweisungen, z.B. in Form von Einstellwerten, den Anlagenkomponenten direkt in Form von Ansteuerungswerten, etwa von Positionen oder insbesondere indirekt, z.B. über Reglersollwerte, etwa für Drehzahlen, aufgegeben werden. Die Anweisungen werden besonders vorteilhaft direkt aus den Größen des Prozeßmodells bestimmt. Dies geschieht für zeitkritische Sollwerte vorteilhaft on-line, sonst off-line. So ergibt sich eine besonders günstige Reaktion der Anlage auf geänderte Prozeßbedingungen unter vorteilhaft möglicher Einsparung von Sollwertrechnern.

[0012] Vorteilhaft wird zur Erhöhung der Betriebssicherheit das Basisautomatisierungssystem als autonomes, einen sicheren Zustand der Anlage oder der Anlagenkomponenten und des Prozesszustandes garantierendes Subsystem, z.B. als Gefahren-Zustands-Rückfallsystem ausgebildet, das ggf. anstelle der rechentechnisch erzeugten Anweisungen, insbesondere auf als sicher erkannte, im Datenspeicher abgelegte, Betriebswerte zurückgreifen kann. So ist ein sicheres, wenn auch suboptimales Arbeiten der Anlage auch bei einem Ausfall oder beim Auftreten von Fehlfunktionen des intelligenten Rechnerteils möglich.

[0013] Das Basisfunktionssystem weist vorteilhaft auch Start- und Hochlaufroutinen auf, die manuell oder automatisch eingegeben werden können, sowie suboptimale Normalbetriebsroutinen, in denen einzelne, sonst rechentechnisch ermittelte, Anweisungen durch konstante, sichere Vorgaben ersetzt werden können. Eine derartige Ausgestaltung des Basisfunktionssystems ist besonders für die Inbetriebnahmephasen, für einen Betrieb mit sprunghaftem Anforderungswechsel etc. vorteilhaft. Zur, wenn auch suboptimalen, Funktion des intelligenten Rechnerteils brauchen auch nicht immer alle Modellteile in spezifisch angepaßter Form zur Verfügung stehen. Es ist vorteilhaft auch ein Betrieb mit einem nur teilweise ausgearbeiteten und/oder angepaßten Prozeßgesamtmodell möglich.

[0014] Das Prozeßmodell selbst ist in der Form als Prozeßgesamtmodell modular aufgebaut und beschreibt das Verhalten zwischen den Prozeßeingangsgrößen sowie den Stellgrößen und den Prozeßausgangsgrößen, z.B. Qualitätskennwerten des erzeugten Produktes. Die Modularität erlaubt dabei eine besonders vorteilhafte Ausgestaltung und Bearbeitung des Prozeßgesamtmodells, da von einzelnen, gut übersehbaren, Teilmodellen ausgegangen werden kann. Das Prozeßmodell beruht vorteilhaft soweit wie möglich auf mathematischen Beschreibungsformen. Wo derartige mathematische Beschreibungsformen nicht möglich sind, wird etwa auf linguistisch formulierte Modellteile zurückgegriffen, die z.B. durch Fuzzy-Systeme, Neuro-Fuzzy-Systeme, Expertensysteme o.ä. realisiert sein können. Für, z.B. völlig neue, Anlagenkomponenten, für die keine Modellbildung auf Basis mathematisch-physikalischer, chemischer oder metallurgischer Grundlagen o.ä. oder aufgrund von linguistisch beschreibbarem Prozeßwissen möglich ist, werden selbstlernende Systeme, z.B. neuronale Netze verwendet. So ergibt sich für alle Produktionsanlagen, gleichgültig wie groß sie ausgelegt oder wie sie ausgestaltet sind, die Möglichkeit, ein Prozeßgesamtmodell zu erstellen.

[0015] Es ist natürlich auch möglich, den Produktionsprozeß mit den Teilen, für die kostengünstige konventionelle Lösungen zur Verfügung stehen, konventionell zu betreiben. Dann wird das sonst notwendig gewesene Modellmodul unter Berücksichtigung der Wirkung des verwendeten konventionellen Teils passend ersetzt. Dieses Vorgehen bietet sich u.U. im Haspelbereich eines Walzwerks an.

[0016] Das Prozeßmodell wird vorteilhaft aufgrund von an der Anlage gesammelten Prozeßdaten, die in einer Prozeßdatenbank archiviert werden, dem Prozeß fortlaufend angepaßt und weiter verbessert, wobei dies vorteilhaft mittels adaptiver Verfahren, Lernverfahren, z.B. durch ein Backpropagation-Lernverfahren oder auch ein Auswahlverfahren für verschiedene Teilmodelle, etwa neuronale Netze oder deren Teile, geschieht. So ergibt sich ein in wesentlichen Teilen selbstgelerntes Modell, das on-line oder off-line angepaßt oder verbessert werden kann.

[0017] In vorteilhafter Ausgestaltung ist vorgesehen, daß die einstellbaren Prozeßvariablen durch den Optimierer am Prozeßmodell derart optimiert werden, daß die Modellausgangsgrößen, die insbesondere Qualitätskennwerte des Produktes sind, möglichst gut mit vorgegebenen, z.B. den anzustrebenden, Werten übereinstimmen. Durch eine off-line-Bearbeitung der Optimierung wird der hohe Rechenaufwand derartiger Vorgänge kostengünstig beherrschbar. Die off-line-Optimierung kann sowohl auf einer separaten Recheneinheit parallel zu der Modelladaption, als auch in Pausen, z.B. am Wochenende oder bei Reparaturstillständen auf dem Rechner, der z.B. im Betrieb die Führungsgrößen des Basis-Funktionssystems ausgibt, erfolgen.

[0018] Die Optimierung erfolgt vorteilhaft mit bekannten Optimierungsverfahren, insbesondere über genetische Algorithmen. Die Auswahl der Optimierungsverfahren erfolgt dabei situations- und problemabhängig. Sie kann sowohl durch eine Vorgabe, z.B. aufgrund einer Analyse des Prozeßverlaufs, oder durch rechentechnische Auswahl aus einer Optimierungs-Methodensammlung erfolgen. Hierfür kann ein einfaches "Trial and Error"- Vorgehen angewendet werden, es empfiehlt sich jedoch zur Verminderung des Rechenaufwandes, das "Trial and Error"-Vorgehen durch Konvergenzkriterien, Methoden der Mustererkennung beim Fehlerabnahmeverlauf etc. zu unterstützen.

[0019] Die jeweiligen Startwerte für eine Optimierung werden vorteilhaft auf Basis der in einem Prozeßdatenspeicher archivierten, suboptimalen Betriebsdaten ermittelt. So verringert sich der Optimierungsaufwand, da die Optimierungsrechnung schon mit voroptimierten Werten beginnt, wenn sie als sicher erkannte Zwischenwerte als Startwerte benutzt.

[0020] Die Verbesserung des Gesamtsystems erfolgt zumindest dreistufig. Die unterste Stufe bildet die laufende Verbesserung des vorhandene Prozeßwissens, abgelegt im Datenspeicher, z.B. in Form von suboptimalen, sicheren Betriebspunkten, die selbsttätig fortlaufend auf ein besser angepaßtes Wissensniveau gebracht werden, und von dem dann wiederum weiter ausgegangen wird.

[0021] Die zweite Stufe bildet im wesentlichen die Modelladaption, die das Modellverhalten dem Prozeßverhalten möglichst gut anpaßt.

[0022] Als dritte Stufe erfolgt eine fortlaufende Verbesserung der situationsgerechten Anweisungen durch den Prozeßoptimierer, z.B. über evolutionäre Strategien, genetische Algorithmen etc. Diese Strategien erfordern eine große Rechenzeit und laufen vorzugsweise off-line ab.

[0023] Die Systemverbesserung wird vorteilhaft auch noch durch externe Simulationsrechnungen, Modellversuche, evtl. auch durch Versuche an der Produktionsanlage mit neuen Hilfsmitteln etc., laufend unterstützt.

[0024] Das erfindungsgemäße Leitsystem wird im folgenden beispielhaft anhand einer Bandgießanlage für Stahl beschrieben. Dabei ergeben sich weitere, auch erfinderische Einzelheiten und Vorteile aus der Zeichnung und der Zeichnungsbeschreibung ebenso wie aus den Unteransprüchen.

[0025] Im einzelnen zeigen:

FIG 1

eine schematisierte Darstellung der Bandgießanlage mit Meßdatenerfassung und Stellgrößenausgabe,

FIG 2

die Struktur des "intelligenten" Teils des Leitsystems mit der Sollwert-Vorgabebildung,

FIG 3

Einzelheiten des Prozeßoptimierers,

FIG 4

Einzelheiten des Adaptionsvorgangs,

FIG 5

wesentliche Bestandteile des Prozeßmodells und ihre Grob-Verknüpfungsstruktur,

FIG 6

erfindungswesentliche Teile des Datenspeichers und

FIG 7

ein Komponenten-Schema der Basisautomatisierung.

[0026] In FIG 1 bezeichnet 1 die Gießwalzen einer Zweiwalzen-Gießeinrichtung, wobei zwischen den Gießwalzen 1 das Material, etwa flüssiger Stahl, aus der Gießpfanne 4 über den Tundish 5 und ein Tauchrohr 6 eingegeben wird und zu einem Band 3 erstarrt, das in einer, durch die Kreise 2 mit Bewegungspfeilen symbolisierten, Walzanlage weiterverformt werden kann. Die nachgeschaltete Walzanlage kann auch einfach durch Förderrollen, eine Haspel o.ä. ersetzt werden, wenn das Auswalzen nicht unmittelbar nach dem Gießen erfolgen soll. Die Ausgestaltung der Gesamtanlage wird anforderungsspezifisch vorgenommen. Auch eine Ausbildung der, der Gießeinrichtung nachgeschalteten, Anlage als Warm-Kalt-Walzwerk ist möglich und bei sehr hohen Gießgeschwindigkeiten empfehlenswert, da dann auch der Kalzwalzteil der Anlage ausreichend ausgelastet sein kann.

[0027] Zwischen den Gießwalzen und den nachgeschalteten Einrichtungen weist die Gießwalzeinrichtung vorzugsweise ein ebenfalls nur symbolisch dargestelltes elektrodynamisches System 8,9 und ein Induktionsheizsystem 10 auf. Der elektrodynamische Systemteil 8 dient dabei vorteilhaft der Gewichtsentlastung, des gegossenen, hier noch sehr weichen und damit einschnürungsgefährdeten, Bandes 3 und der elektrodynamische Systemteil 9 der Führung des Bandes 3, während dem Induktionsheizsystem 10 die Einhaltung eines vorherbestimmten Temperaturprofils über die Bandbreite obliegt, wenn sich z.B. eine direkte Nachverformung in einer Walzanlage anschließt. Dies ist insbesondere für rißempfindliche Stähle vorteilhaft. Die Kontrolle des gegossenen Bandes 3 auf Risse erfolgt durch eine Kamera 73, wobei vorteilhaft ausgenutzt werden kann, daß das Rißbild im Zunder durch Risse im Grundmaterial beeinflußt wird. Die Bildung einer Meßgröße erfolgt dabei vorteilhaft durch ein Neuro-Fuzzy-System.

[0028] Da die Oberflächentemperatur der Gießwalzen zur Vermeidung von Temperaturwechselbeanspruchungen im wesentlichen konstant sein soll, werden diese durch ein IR-Heizsystem 7, ein Induktionsheizsystem o.ä. auch in dem, nicht mit flüssigem Stahl in Berührung stehenden Bereich, auf Arbeitstemperatur gehalten. Diese und andere Einzelkomponenten der, nur grob schematisch gezeichneten, Gießwalzeinrichtung werden z.B. über Temperaturregler, Durchflußeinsteller, Drehzahlregler etc. im Rahmen der Basisautomatisierung über eine Stellgrößenausgabe 12 direkt oder geregelt eingestellt. Die Ist-Daten der Stellglieder, der Regler etc. werden in der Meßdatenerfassung 11 für den Datenspeicher und den Modelleingang sowie in nicht gezeigter Weise für die Basisautomatisierung zusammengefaßt und aufbereitet. Durch die Datenübertragungen I,II und VI, die durch Pfeile symbolisiert sind, ist die Gießwalzeinrichtung, in der die auf den beiden Gießwalzen 1 gebildeten Erstarrungsschalen des Stahls nicht nur vereinigt, sondern auch schon walzend vormaßhaltig geformt werden, mit dem intelligenten Teil des Leitsystems verbunden.

[0029] FIG 2 zeigt die Struktur des intelligenten Teils des Leitsystems. Dieser besteht im wesentlichen aus den Teilen Prozeßoptimierer 15, Modell 20, Modelladaption 16 und Datenspeicher 17. Diese Teile des Leitsystems wirken derart zusammen, daß über die Sollwertausgabe 13 möglichst gute, situationsgerechte Anweisungen über die Datenleitung V zur Prozeßführung zur Verfügung gestellt werden. Diese Anweisungen werden dann in Sollwerte für die Basisautomatisierung umgesetzt. Im folgenden wird die Aufgabe und die Funktion der einzelnen Teile beschrieben.

[0030] Das Modell 20 bildet das statische Prozeßverhalten

d.h. die Abhängigkeit der n Modellausgangsgrößen

von den Stellgrößen u_i, mit denen der Prozeß beeinflußt werden kann, und von den nichtbeeinflußbaren Prozeßgrößen v_i, wie z.B. der Kühlwassertemperatur, nach. Die Modellausgangsgrößen sind dabei, wie schon erwähnt, typische Qualitätsparameter des Produktes. Die Modellbeschreibung

erfaßt das Prozeßverhalten im allgemeinen nicht exakt, weshalb y_i und

mehr oder weniger voneinander abweichen. Übertragen werden die Stellgrößen u_i und die nichtbeeinflußbaren Stellgrößen v_i über die Datenleitungen I und II.

[0031] Die Modelladaption 16 hat die Aufgabe das Modell zu verbessern, damit das Modellverhalten möglichst gut dem Prozeßverhalten entspricht. Dies kann - zumindest für Modellteile - on-line geschehen, indem diese Modellteile auf der Basis von laufend erfaßten Prozeßdaten adaptiert oder nachgeführt werden.

[0032] Für andere Modellteile kann die Adaption auch off-line zu bestimmten Zeitpunkten vorgenommen werden. Dies geschieht auf der Basis einer Anzahl m von den Prozeß repräsentierenden Prozeßzuständen (u^k_i,v^k_i,y^k_i), die im Datenspeicher 17 abgelegt sind. Der Index k beziffert den jeweiligen Prozeßzustand. Bei dieser Art der Adaption wird der Modellfehler

minimiert in Abhängigkeit von den Modellparametern oder der Modellstruktur. D.h. man variiert die Modellparameter bzw. die -struktur so, daß ε möglichst klein wird.

[0033] Der Prozeßoptimierer hat die Aufgabe, mittels eines Optimierungsverfahrens und des Prozeßmodells Stellgrößen u_i zu finden, die zu einem möglichst guten Prozeßverhalten führen. Der Prozeßoptimierer arbeitet off-line zu bestimmten, beispielsweise manuell vorgebbaren Zeitpunkten und zwar wie folgt:

[0034] Zuerst werden die nichtbeeinflußbaren Stellgrößen v_i, für die die Optimierung erfolgen soll - z.B. die aktuellen - , konstant gehalten und dem Modell über die Datenleitung II zugeführt. Sodann wird mittels Schalter 18 der Prozeßoptimierer mit dem Modell verbunden. Er gibt Stellwerte u_i auf das Modell. Über das Modell werden die Ausgangswerte

bestimmt. Diese werden mit Sollausgangswerten y_Soll,i verglichen, und es wird der Fehler

bestimmt.

[0035] Der Fehler E soll minimiert werden. Zu diesem Zweck variiert der Prozeßoptimierer die Stellgrößen u_i solange in einer iterativen Schleife, die jeweils die Berechnung von y_i und E sowie die Neuauswahl von u_i enthält, bis der Fehler nicht weiter verringert werden kann oder man diese Optimierung abbricht. Als Optimierungsverfahren können beispielsweise genetische Algorithmen, Hill-Climbing-Methoden etc. eingesetzt werden.

[0036] Die so erhaltenen optimalen Stellgrößen u_opt,i, die das Ergebnis obiger Minimierung sind, werden dann über die Sollwertvorgabe und die Datenleitung V als Sollwerte zum Basisfunktionssystem transferiert.

[0037] Der Datenspeicher hat die Hauptaufgabe repräsentative Prozeßzustände (u_i,v_i,y_i) zu archivieren. Hierbei ersetzt er alte Prozeßdaten immer wieder durch neu ermittelte, um anhand dieser Daten eine aktuelle, wenn auch punktuelle, Prozeßbeschreibung zu ermöglichen. Der Datenspeicher versorgt dann einerseits, wie oben beschrieben, die Modelladaption. Andererseits liefert er auch Startwerte u_i für den Prozeßoptimierer. Die Startwerte werden hierbei z.B. so ausgewählt, daß die zu diesen Startwerten gehörenden Ausgangswerte y_i möglichst gut den Sollwerten y_Soll,i entsprechen.

[0038] Die vorzugsweise off-line arbeitende Schleife: Modell 20 und Prozeßoptimierer 15, die sich etwa z.B. genetischer Algorithmen zur z.B. evolutionären, Modellverbesserung bedient, arbeitet vorzugsweise deswegen off-line, weil wegen der Komplexität eines Anlagenleitmodells mit seinen vielen möglichen Ausgestaltungen die Rechenzeit eines evolutionären Optimierungsvorgangs vergleichsweise lang wird. Auch bei guten Optimierungsstrategien, die z.B. aufgrund einer Analyse des wahrscheinlichen Modellverhaltens ausgewählt werden, sind viele Optimierungsvorgänge bis zum Erreichen einer deutlichen Modellverbesserung durchzurechnen.

[0039] Die Erstellung einer erfindungsgemäß zu verwendenden Modellstruktur und eines wesentlichen Teilmodells wird z.B. in dem Aufsatz "Automation Of A Laboratory Plant For Direct Casting Of Thin Steel Strips" von S. Bernhard, M. Enning and H. Rabe in "Control Eng. Practice", Vol.2, No.6, page 961-967, 1994, Elsevier Science Ltd. beschrieben. Aus dieser Veröffentlichung sind u.a. auch die Grundstrukturen geeigneter Basisautomatisierungssysteme und von Startroutinen zu ersehen, auf denen der Fachmann aufbauen kann.

[0040] Als Rechner für die Prozeßoptimierung und die Parameteradaption sind Workstations, z.B. von der Firma Sun, geeignet. Für große Leitsysteme werden vorteilhaft parallel arbeitende Rechner eingesetzt. Dies gilt insbesondere, wenn das Modell in Gruppen von Modell-Modulen aufteilbar ist, die teilabhängig voneinander optimiert werden können.

[0041] Im Vergleichspunkt 19, in den die Sollwerte, im gewählten Ausführungsbeispiel die Sollwerte für die Banddicke, die Profilform, die Oberflächengüte des Bandes etc. einfließen, werden laufend die Ergebnisse aus der Modellrechnung mit den Sollwertvorgaben verglichen. Die Differenz ist durch die Optimierung zum minimieren. Da die Differenz bei technischen Prozessen im allgemeinen nicht Null werden kann, muß der Optimierungsvorgang sinnvoll begrenzt, also vorgegeben abgebrochen werden. Genauere Einzelheiten der Programmstruktur, mit der die Optimierung abgebrochen und jeweils die neue Sollwertausgabe gestartet wird, zeigt FIG 3.
In FIG 3 bezeichnet 58 eine, jeweils auszuwählende, Fehlerfunktion, in die die festgestellten Fehler (Sollwertabweichungen) einfließen. In 61 wird nun untersucht, ob die Fehlerfunktion die Abbruchkriterien der Optimierung erfüllt. Falls dies der Fall ist, werden weiter optimierte Steuer- und Regelgrößen ausgegeben. Vor Erreichen des Abbruchkriteriums gelangen laufend Startwerte vom Datenspeicher in die Startwertvorgabe 59, aus denen in Suchschritten in 60, nicht vom Optimierer, sondern aus dem Datenspeicher, z.B. unter Zuhilfenahme einer Fuzzy-Interpolation, Steuer- und Regelparameter für eine suboptionale Prozeßführung gewonnen werden. Eine Umschaltung erfolgt nach Erreichen des vorherbestimmten Gütefaktors, der dem jeweiligen Leitsystem-Wissensstand angepaßt wird. Wie bereits vorstehend gesagt, wird die Minimierung, die ja niemals absolut sein kann, bei Erreichen des vorgegebenen Gütefaktors abgebrochen.

[0042] Aus dem Modell wird im übrigen vorteilhaft, wenn es an den Prozeß angeschlossen, d.h. Schalter 1 geschlossen ist, auch ein Alarmsignal generiert, welches das Erreichen kritischer Betriebszustände signalisiert. Derartige Prozeduren sind bereits bekannt und finden sich in gleicher Weise auch in konventionellen Leitsystemen.

[0043] In FIG 4, die die Struktur einer Modelladaption mittels eines Optimierungsalgorithmus zeigt, gelangen Daten aus der Startwertvorgabe 61 in eine Suchschritteinheit 62 und werden von dort als Modellparameter an das Modell 63 weitergegeben. Das Modell 63 bildet zusammen mit dem Datenspeicher 64 eine Parameterverbesserungsschleife, die in 65 in bekannter Weise die gebildeten und gespeicherten Werte vergleicht. Die Vergleichswerte werden der Fehlerfunktion 67 zugeführt, die ihre Werte an die Abbruchkriterieneinheit 66 weitergibt. Sind die Abbruchkriterien erfüllt, wird das Modell nicht mehr weiter verbessert und mit den vorhandenen Werten gearbeitet. Sonst wird die Optimierung mit weiteren Suchschritten und den Zwischenwerten im Datenspeicher weitergeführt.

[0044] In FIG 5, die die wesentlichen Teilmodelle des Prozeßgesamtmodells des Ausführungsbeispiels zeigt, bezeichnet 46 das Eingangsmodell, in dem die Außeneinflüsse, etwa die Einflüsse aus der Qualität des eingesetzten Materials, zusammengefaßt sind. Aus der Stahl-Einsatzqualität ergibt sich z.B. der Liquiduswert, der Soliduswert, sowie weitere, das Gießverhalten kennzeichnende Größen. 47 bezeichnet das Tundishmodell, in das z.B. das Stahlvolumen des Tundish, die Tauchrohrstellung o.ä., die Stopfenstellung und die Stahl-Ausflußtemperatur eingehen. Die Eingangsmodelle 46 und 47 werden im Teilmodell 56 zusammengefaßt, das den Status des zugeführten Materials wiedergibt. Derartige Teilmodelle können vorteilhaft parallel zu anderen Teilmodellen, etwa dem Gießbereichsmodell, dem Walzbereichsmodell o.ä. optimiert werden.

[0045] Das Eingangsmodell 48 enthält die Einflüsse, die die Erstarrung beeinflussen, z.B. die Gießwalzenkühlung, die Infrarotheizung etc., Das Eingangsmodell 49 enthält die Werte, die für die Wärmebilanz notwendig sind, so die Stahl-Gießwalzen-Temperaturdifferenz, den Schmiermitteleinfluß als Funktion der Schmiermittelmenge, die Kristallbildungsgeschwindigkeit der jeweiligen Stahlsorte sowie z.B. den Walzenoberflächenzustand. Das Eingangsmodell 50 enthält z.B. die Einflüsse der Gießspiegelcharakteristik, so die Gießspiegelhöhe, die Schlackenschichtdicke und den Abstrahlungskoeffizienten. Die Eingangsmodelle 48,49 und 50 sind zu einem Teilmodell 54, das den Status Gießbereich wiedergibt, zusammengefaßt. Diese Modellbereichs-Zusammenfassung ist allgemein für Produktionsbereiche vorteilhaft, da sie die Gesamt-Modelloptimierung vereinfacht und verbessert. Unter sich sind die Teilmodelle z.T. noch voneinander abhängig, so etwa in erheblichem Maß die Eingangsmodelle 49 (Eingangsmodell Wärmebilanz) und 50 (Eingangsmodell Gießspiegelcharakteristik). Sekundärabhängigkeiten sind zur Vereinfachung nicht dargestellt.

[0046] Das Teilmodell 51 enthält alle Einflüsse auf die Erstarrungsfront, d.h. auf den Bereich, in dem die auf den beiden Kühlwalzen erstarrten Metallschalen zusammentreffen. Im wesentlichen sind diese Einflüsse die Umformarbeit, die von den Gießwalzen geleistet wird, die Vibrationsweite der Gießwalzen oder des austretenden Bandes, die Seitenspalt-Dichtungseinflüsse und der Anstrengungsgrad des Gesamtsystems, dies ist z.B. ein Fuzzy-Modell. Das Teilmodell 52 gibt die Austrittswerte wieder, so z.B. die Qualität des Bandes, die Austrittstemperatur- und Verteilung, aber auch die Klebeneigung und den Zustand des gebildeten Zunders. In das Teilmodell 52 geht auch das Eingangsmodell 53 und das Eingangsmodell 74 ein, die sich auf den Temperaturverlauf quer zum Band und auf den Oberflächenzustand des Bandes beziehen. Für den besonders vorteilhaften Fall, daß es sich um ein Bandgieß-Walzwerk handelt, gehen auch die Walzwerksteilmodelle 54 mit in dieses spezielle Prozeßmodell ein, da die Produktausbildung nach dem Austritt aus den Walzgerüsten das entscheidende Kriterium ist.

[0047] Die Teilmodelle sind zu dem Produkt-Ausbildungsmodell 57 zusammengefaßt, welches das Dickenprofil des gebildeten Bandes, die Banddicke, ein evtl. auftretendes Fehlerbild, die Kornstruktur des Bandes, die Oberflächenstruktur etc. zusammenfaßt. Die Oberflächenstruktur und insbesondere die Kornstruktur des Bandes sind nur mit erheblicher Zeitverzögerung ermittelbar. Hier arbeitet man daher vorteilhaft mit Teilmodellen auf der Basis von neuronalen Netzen zur qualitativen und quantitativen Einflußgrößenermittlung.

[0048] Aus der vorstehenden Darstellung ergibt sich der besondere Vorteil, der sich aus der Ausbildung des Modells in Modulform ergibt, da insbesondere so die Teile eines komplexen Gesamtprozeßmodells parallel bearbeitbar werden. Dies ist besonders vorteilhaft für den Inbetriebsetzungszeitraum einer Anlage, in dem die Eingangs- und Teilmodelle den tatsächlichen Verhältnissen angepaßt, miteinander verknüpft etc. werden müssen.

[0049] FIG 6 zeigt schließlich den erfindungsgemäß wesentlichen Teil der Datenspeicherstruktur. 68 bezeichnet das Prozeßdatenarchiv , 69 den Modellparameterspeicherteil, 70 den Teil mit den Startwerten für den Optimierer und 71 den Speicherteil für die sicheren Betriebspunkte. In 68 wird auch die jeweilige Modellausbildung gespeichert.

[0050] Die Basisautomatisierung, die mit ihren Regelungen, Steuerungen, Verriegelungen etc., einen unverzichtbaren Teil des Leitsystems bildet, da sie u.a. das sichere Funktionieren der Anlage auch bei einer Fehlfunktion des Modellteils des erfindungsgemäß arbeitenden Leitsystems garantiert, muß eine Vielzahl von Funktionen erfüllen.

[0051] Die einzelnen Funktionen sind, nicht abschließend, durch die einzelnen "black box" in FIG 7 symbolisiert. Dabei bedeutet 21 im Ausführungsbeispiel die Massenflußregelung über die Einzel-Drehzahlregler, 22 die Regelung der Tundish-Heizung, 23 die Gießspiegelregelung, 24 die Tundish-Ausflußregelung und 25 die Heizleistung des Infrarot- o.ä. Schirms 7 für die Aufrechterhaltung der Betriebstemperatur der Gießwalzen. 26 bedeutet die Regelung der Schmiermittelzugabe, z.B. in Form von losem Gießpulver oder von auf die Gießwalzen aufgetragener Gießpulverpaste, 27 die Kühlwassermengenregelung, 28 ggf. die Walzenoszillationsregelung, 29 die elektrische Antriebsregelung und 30 die Walzspalteinstellung. 31 bedeutet die Walzendrehzahlregelung und 32 ggf. die Regelung des Walzendrehmoments, 33 die Einstellung des Reinigungssystems, bestehend beispielsweise aus einer Bürste und einem Schaber für die Gießwalzen und 34 die Regelung des elektrodynamischen Systems zum Ausgleich des Bandgewichtes sowie 35 die Regelung der Vibrationsweite des gegossenen Bandes. 36 bedeutet die Regelung der einzelnen Teile eines elektrodynamischen Systems zur Seitenspaltabdichtung und 37 die Regelung der Heizung für die Seitenwände des Raumes zwischen den Gießwalzen. 38 bedeutet die Temperatur-Profilregelung des Induktionsheizsystems 10. 39 sowie angedeutete weitere Regeleinheiten beziehen sich auf Regelungen der nachgeschalteten Verformungseinheiten, z.B. Walzgerüsten, den Zug zwischen diesen Walzgerüsten etc. Auf die vorstehenden Stellglieder, Regler etc. wirkt die Zeitsteuerung 45, die die Stellgrößenausgaben etc. zeitlich koordiniert. Im Block 40 sind beispielhaft die Hilfs-Steuerungen und die Verriegelungen zusammengefaßt, so bedeuten z.B. 41 die Anfahrautomatik, 42 die Ausschaltautomatik, 43 und 44 Verriegelungen, die z.B. verhindern, daß Flüssigstahl fließen kann, bevor das Gieß-Walzenpaar und die Verformungswalzen arbeitsfähig sind, etc. Darüber hinaus sind weitere, in dem Prinzipbild nicht dargestellte, Systeme für die ggf. erforderliche Bandkantenabtrennung, z.B. durch Laser, für die Zunderausbildungsbeeinflussung, z.B. durch Silikatisierung, die Walzenschmierung etc. vorhanden. In der Basisautomatisierung, in die die Meßdaten I und die Sollwertvorgaben V eingehen, werden die Stellgrößen VI generiert, über die die Anlage geführt wird.

[0052] Die Charakteristik des sich selbst optimierenden und wissensmäßig weiterentwickelnden Leitsystems, am Beispiel des Gießwalzprozesses gezeigt, werden im folgenden näher erläutert:

[0053] Der Gießwalzprozeß besteht aus einer Anzahl von Teilprozessen, deren Ausbildung und Einflüsse ausschlaggebend für das Endprodukt sind. Erfindungsgemäß beeinflußbar und optimierbar sind dabei die Eigenschaften des Endproduktes, z.B. seiner Dicke, seinem Dickenprofil und seiner Oberflächenausbildung, durch eine Reihe einstellbarer Prozeßgrößen, wie z.B. dem Gießwalzspalt, dem Gießwalzenprofil, der Gießspiegelhöhe etc., die wiederum die Lage der Vereinigungszone der auf den Gießwalzen abgeschiedenen, erstarrten Metallschalen beeinflussen. Für eine Regelung und Optimierung wird vorteilhaft erfindungsgemäß ein Gesamtprozeßmodell erstellt, welches das Prozeßverhalten beschreibt. Auf der Basis dieses Prozeßmodells können die Einflußgrößen, mit denen man den Prozeß beeinflußt, schrittweise entsprechend den Prozeßbedingungen angepaßt und optimiert werden. Die durch diese Optimierung bestimmten situationsgerechten Anweisungen führen dann zu einer Verbesserung des Prozeßgeschehens. Insgesamt ergeben sich trotz der bei der Erstellung relativ aufwendigen, (aber mit geringerem Aufwand auch bei anderen Anlagen weiterverwendbaren), Software erhebliche Kostenvorteile, da die Anlage mit wesentlich einfacheren mechanischen Komponenten, weniger Reglern etc. arbeiten kann, als die bekannten Anlagen. Auch die Sensorik wird wesentlich einfacher, da nur die Prozeßausgangsgrößen laufend genau erfaßt werden müssen.

[0054] Zusammengesetzt ist der intelligente, sich selbständig verbessernde, Teil des Leitsystems aus drei wesentlichen Elementen: Dem Prozeßmodell, der Modelladaption und dem Prozeßoptimierer. Das Prozeßmodell setzt sich aus Teilsystemen (Modulen) zusammen, die je nach Prozeßkenntnis von unterschiedlichem Typ sein werden. Bei Kenntnis der physikalischen Zusammenhänge können klassische, physikalisch-mathematische Modelle erstellt werden. Verfügt man dagegen nur über Erfahrungswissen oder Schätzungen, so werden Fuzzy- oder Neuro-Fuzzy-Systeme verwandt. Falls man nur wenig oder nichts über das Prozeßverhalten weiß, wie etwa bei der Rißbildung und der Oberflächenausbildung setzt man, zumindest am Anfang, neuronale Netze für die Prozeßbildung ein. Insgesamt beschreibt das Modell den Zusammenhang zwischen den Prozeßgrößen, wie im gewählten Beispiel der Gießspiegelhöhe, den Zustandswerten und der Qualität des vergossenen Materials, den Einstellwerten der Gießwalzen etc. und den Qualitätsparametern des Bandes, z.B. der Dicke, dem Profil und der Oberflächenausbildung.

[0055] Da das Modell zu einem bestimmten, u.U. erheblichen, Prozentsatz auf unsicherem Wissen gründet, ist es nicht genau. Das Modell muß also anhand gewonnener Prozeßdaten adaptiert, verändert etc. werden. Dies geschieht vorteilhaft einerseits mittels der bekannten Modelladaption, die auf Daten vergangener Prozeßzustände aufsetzt. Auf Basis dieser Daten stellt sie die Modellparameter o.ä. so ein, daß das Modellverhalten möglichst gut dem des Prozesses entspricht. Außerdem werden die Modelle selbst verändernd optimiert, so z.B. durch genetische Algorithmen, eine kombinatorische Evolution etc. Entsprechende Optimierungsstrategien sind bekannt, z.B. aus Ulrich Hoffmann, Hanns Hofmann "Einführung in die Optimierung", Verlag Chemie GmbH, 1971 Weinheim / Bergstraße; H.P. Schwefel "Numerische Optimierung von Computer-Modellen mittels der Evolutionsstrategie, Basel, Stuttgart : Birkhäuser 1977; Eberhard Schöneburg "Genetische Algorithmen und Evolutionsstrategien, Bonn, Paris, Reading, Mass, Addison-Wesley, 1994; Jochen Heistermann "Genetische Algorithmen: Theorie und Praxis evolutionärer Optimierung, Stuttgart, Leipzig, Teubner, 1994 (Teubner-Texte zur Informatik; Bd 9)

[0056] Durch das erfindungsgemäße Leitsystem mit dem vorstehend beschriebenen erfindungsgemäßen Vorgehen wird die bisherige Aufbaustruktur eines Leitsystems verlassen. Über einer Basisautomatisierung, die im wesentlichen die Prozeßebene betrifft (Level I), befindet sich ein nur einstufiges, intelligentes Leitsystem, dem die Produktionssollwerte vorgegeben werden und das daraus selbsttätig alle Vorgabegrößen (Stellbefehle) generiert (Level II). In intelligenter Selbstoptimierung sorgt es aufgrund des bereits erreichten Prozeßergebnisses für immer bessere Prozeßergebnisse. Einzelne Feed-Back-Regelkreise können entfallen. Nur für die Kontrolle der Prozeßergebnisse sind qualitätskontrollierende Sensoren notwendig. Das erfindungsgemäße Leitsystem besitzt also nur noch zwei wesentliche Ebenen, von denen die intelligente Ebene außer etwa zur Programmierung keiner Visualisierung bedarf. Zur Kontrolle können aber die Elemente der Basisautomatisierung in bekannter Weise visualisiert werden.

Ansprüche

1. Leitsystem für eine Anlage der Grundstoff- oder der verarbeitenden Industrie, z.B. für eine hüttentechnische Anlage, etwa zur Erzeugung von Bändern aus Stahl oder NE-Metallen, wobei das Leitsystem durch Rechnertechnik, aufbauend auf eingegebenem Vorwissen, den Zustand der Anlage und Einzelheiten eines in der Anlage ablaufenden Herstellungsprozesses, z.B. eines kontinuierlichen Gießprozesses für Bänder (3), selbsttätig erkennend und zur Erzielung eines sicheren, ggf. möglichst hohen, Produktionserfolges situationsgerechte Sollwertvorgaben (V) gebend, ausgebildet ist,
dadurch gekennzeichnet,
daß das Leitsystem den Zustand der Anlage und der einzelnen Anlagenkomponenten zur Optimierung fortlaufend anhand eines Teilmodelle (48-47) aufweisenden modular aufgebauten Prozeßmodells (20, 63) simuliert, das das Verhalten zwischen den Prozeßeingangsgrößen sowie Stellgrößen und den Prozeßausgangsgrößen, z.B. Qualitätskennwerten des erzeugten Produktes, beschreibt.

2. Leitsystem nach Anspruch 1,
dadurch gekennzeichnet,
daß es die situationsgerechten Sollwertvorgaben (V) optimierend, vorzugsweise selbsttätig in vorgegebenen Optimierungsroutinen optimierend, ausgebildet ist.

3. Leitsystem nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß das eingegebene Vorwissen, vorzugsweise selbsttätig, laufend durch am Prozeßmodell (20) während der Produktion intern rechentechnisch, z.B. in unterschiedlichen Betriebspunkten, gewonnenes Wissen verbessert und dieses selbst generierte Prozeßwissen in einen, insbesondere ständig aktualisierten, Datenspeicher (17) als neues Vorwissen übernommen wird.

4. Leitsystem nach Anspruch 1,2 oder 3,
dadurch gekennzeichnet,
daß die situationsgerechten Sollwertvorgaben (V), z.B. in Form von Einstellwerten, den Anlagenkomponenten direkt in Form von Ansteuerungswerten, etwa von Positionen oder insbesondere indirekt, z.B. über Reglersollwerte, etwa für Drehzahlen, aufgegeben werden.

5. Leitsystem nach Anspruch 1,2,3 oder 4,
dadurch gekennzeichnet,
daß es ein Basis-Funktionssystem für die Anlagenkomponenten aufweist, das die Sollwertvorgaben (V) aus dem rechentechnisch, z.B. aus einem Prozeßmodell (20), vorzugsweise einem Prozeßgesamtmodell, gewonnenen Wissen sicher in die Anlagenführung umsetzt.

6. Leitsystem nach Anspruch 5,
dadurch gekennzeichnet,
daß das Basis-Funktionssystem als ein die Anlagenkomponenten, je für sich oder zusammengefaßt, sicher arbeitsfähig machendes Basis-Automatisierungssystem ausgebildet ist.

7. Leitsystem nach Anspruch 5 oder 6,
dadurch gekennzeichnet,
daß das Basis-Funktionssystem seine Vorgabewerte direkt aus dem intelligenten Teil des Leitsystems erhält, das diese Werte aus den Ergebnissen von Adaptierungs- und/oder Optimierungsprozessen am Prozeßmodell (20) bestimmt.

8. Leitsystem nach Anspruch 5,6 oder 7,
dadurch gekennzeichnet,
daß das Basis-Automatisierungssystem als autonomes, einen sicheren Zustand der Anlage und des Prozesses garantierendes Subsystem (Gefahren-Zustands-Rückfallsystem) ausgebildet ist, das anstelle der rechentechnisch erzeugten Sollwertvorgaben (V), insbesondere auf als sicher erkannte, im Datenspeicher abgelegte, Betriebswerte zurückgreifen kann.

9. Leitsystem nach Anspruch 5,6,7 oder 8,
dadurch gekennzeichnet,
daß das Basis-Funktionssystem Start- und Hochlaufroutinen aufweist, die manuell oder automatisch eingegeben werden können sowie suboptimale Normalbetriebsroutinen, in denen einzelne, sonst rechentechnisch ermittelte, Sollwertvorgaben (V) durch konstante Vorgaben ersetzt werden können.

10. Leitsystem nach Anspruch 1,
dadurch gekennzeichnet,
daß das Prozeßmodell zumindest teilweise, soweit es auf Basis mathematisch-physikalischer, chemischer bzw. metallurgischer oder biologischer Gesetzmäßigkeiten modelliert werden kann, mathematische Beschreibungsformen aufweist.

11. Leitsystem nach Anspruch 1 oder 10,
dadurch gekennzeichnet,
daß das Prozeßmodell für die Anlagenkomponenten, für die Prozeßwissen vorliegt, das nur linguistisch ausgedrückt werden kann, linguistisch formulierte Modellteile aufweist, die z.B. durch Fuzzy-Systeme, Neuro-Fuzzy-Systeme, Expertensysteme oder Tabellenwerke realisiert sein können.

12. Leitsystem nach Anspruch 1, 10 oder 11,
dadurch gekennzeichnet,
daß das Prozeßmodell für die Anlagenkomponenten, für die keine Modellbildung auf Basis mathematisch-physikalischer, chemischer bzw. metallurgischer oder biologischer Grundlagen oder aufgrund von linguistisch beschreibbarem Prozeßwissen möglich ist, selbstlernende Systeme, z.B. neuronale Netze, aufweist.

13. Leitsystem nach Anspruch 1, 10, 11 oder 12,
dadurch gekennzeichnet,
daß das Prozeßmodell aufgrund von an der Anlage gesammelten Prozeßdaten, die in einer Prozeßdatenbank archiviert werden, dem Prozeß fortlaufend angepaßt oder nachgeführt wird und daß dies mittels adaptiver Verfahren oder Lernverfahren, z.B. durch ein Backpropagation-Lernverfahren oder ein Auswahlverfahren für verschiedene Teilmodelle, etwa neuronale Netze, geschieht.

14. Leitsystem nach Anspruch 1, 10, 11, 12 oder 13,
dadurch gekennzeichnet,
daß die einstellbaren Prozeßvariablen off-line durch einen Optimierer am Prozeßmodell derart optimiert werden, daß die Modellausgangsgrößen, die insbesondere Qualitätskennwerte des Produktes sind, möglichst gut mit vorgegebenen, z.B. den anzustrebenden, Werten übereinstimmen.

15. Leitsystem nach Anspruch 1, 10, 11, 12, 13 oder 14,
dadurch gekennzeichnet,
daß die Optimierung mit einem bekannten Optimierungsverfahren, z.B. mit einem genetischen Algorithmus, dem Verfahren von Hooke-Jeeves, einem Verfahren des Simulated Annealings o.ä. erfolgt und daß die jeweils angewandten Optimierungsverfahren situations- und problemabhängig, vorgegeben oder aus einer Datei ausgewählt werden, z.B. in Abhängigkeit von der Anzahl der zu optimierenden Größen und/oder der Ausbildung der zu erwartenden Minima.

16. Leitsystem nach Anspruch 15,
dadurch gekennzeichnet,
daß die Abbruchkriterien der Optimierungsverfahren, z.B. mit neuronalen Netzen, nach einer Methode der Mustererkennung oder klassischen Konvergenzkriterien aufgrund des Optimierungsverlaufs ermittelt werden.

17. Leitsystem nach Anspruch 12, 13, 14, 15 oder 16,
dadurch gekennzeichnet,
daß die Startwerte für eine Optimierung auf Basis der in einem Prozeßdatenspeicher archivierten, suboptimalen Betriebsdaten ermittelt werden.

18. Leitsystem nach Anspruch 1, 10, 11, 12, 13, 14, 15, 16 oder 17,
dadurch gekennzeichnet,
daß die Optimierung off-line anhand des Prozeßmodells erfolgt, wobei einstellbare Prozeßvariable, die so ermittelt wurden, daß die vom Modell nachgebildeten Kennwerte des erzeugten Produktes möglichst gut mit den vorgegebenen Wunschwerten übereinstimmen, als Vorgabewerte an das Basis-Funktionssystem des Prozesses gegeben werden und von diesem der Prozeß entsprechend den Vorgabewerten eingestellt wird.

19. Leitsystem nach Ansprüche 1, 10, 11, 12, 13, 14, 15, 16, 17 oder 18,
dadurch gekennzeichnet,
daß die Vorgabewerte für das Basis-Funktions-System bei einer Fehlfunktion o.ä. des Modells oder des Optimierers direkt aus den Daten der Prozeßdatenbank erzeugt werden können, wobei zur Verbesserung der Vorgabewerte, insbesondere zwischen den gespeicherten Betriebsdaten, interpoliert wird.

20. Leitsystem nach einem der Ansprüche 1 oder 10 bis 18,
dadurch gekennzeichnet,
daß das Modell, etwa bei einem Walzgießprozeß für Metallbänder, insbesondere die Beschränkungen der Stellgrößen, das Stellglied-Zeitverhalten und ggf. die Prozeßdynamik berücksichtigt, vorzugsweise im und vor dem Bereich der Gießwalzen, z.B. in bezug auf die Lage der Erstarrungsschalen-Vereinigungszone für die auf den Gießwalzen abgeschiedenen Erstarrungsschalen.

Claims

1. Control system for a primary-industry or processing-industry plant, for example for a metallurgical-engineering plant, for producing strips of steel or non-ferrous metals for instance, wherein the control system is designed by computer technology, building on prior knowledge that is input, automatically identifying the state of the plant and details of a manufacturing process taking place in the plant, for example a continuous casting process for strips (3), and giving setpoint inputs (V) related to the situation in order to achieve production success that is reliable and, if applicable, as high as possible, characterised in that the control system simulates the state of the plant and the individual components of the plant for the purposes of optimization continuously with the aid of a process model (20, 63) that has partial models (48-47) and is set up in a modular fashion and which describes the behaviour between the process input variables and also manipulated variables and the process output variables, for example characteristic quality values of the product produced.

2. Control system according to claim 1, characterised in that it is designed so as to optimize the setpoint inputs (V) related to the situation, preferably automatically effecting the optimization in given optimization routines.

3. Control system according to claim 1 or 2, characterised in that the prior knowledge that is input is improved, preferably automatically, continuously by means of knowledge obtained at the process model (20) during production internally by means of computing techniques, for example at different operating points, and this self-generated process knowledge is taken over as new prior knowledge in a data store (17), in particular a data store that is constantly being updated.

4. Control system according to claim 1, 2 or 3, characterised in that the setpoint inputs (V) related to the situation, for example in the form of set values, are delivered to the plant components directly in the form of selection values, for instance of positions, or in particular indirectly, for example by way of controller setpoints, for instance for rotational speeds.

5. Control system according to claim 1, 2, 3 or 4, characterised in that it has a basic function system for the plant components that converts the setpoint inputs (V) from the knowledge obtained by means of computing techniques, for example from a process model (20), preferably a total process model, reliably into the plant control.

6. Control system according to claim 5, characterised in that the basic function system is designed as a basic automation system reliably rendering the plant components operational, either separately or together.

7. Control system according to claim 5 or 6, characterised in that the basic function system obtains its setpoint values directly from the intelligent portion of the control system that determines these values from the results of adaptation and/or optimization processes at the process model (20).

8. Control system according to claim 5, 6 or 7, characterised in that the basic automation system is designed as an autonomous subsystem (emergency-condition release system) that guarantees a reliable state of the plant and the process and which, instead of having recourse to the setpoint inputs (V) produced by means of computing techniques, in particular can have recourse to operating values which are identified as being reliable and stored in the data store.

9. Control system according to claim 5, 6, 7 or 8, characterised in that the basic function system has starting and run-up routines, which can be input manually or automatically, and also suboptimum normal operating routines, in which individual setpoint inputs (V), otherwise determined by means of computing techniques, can be replaced by constant setpoints.

10. Control system according to claim 1, characterised in that the process model has mathematical descriptive forms at least in part, in so far as it can be modelled on the basis of mathematical-physical, chemical or metallurgical or biological laws.

11. Control system according to claim 1 or 10, characterised in that for the plant components, for which process knowledge exists that can only be expressed linguistically, the process model has linguistically formulated model portions, which can be realized, for example, by fuzzy systems, neuro-fuzzy systems, expert systems or tabular compilations.

12. Control system according to claim 1, 10 or 11, characterised in that for the plant components, for which it is not possible to produce a model on the basis of mathematical-physical, chemical or metallurgical or biological fundamental principles or on the basis of process knowledge that can be described linguistically, the process model has self-learning systems, for example neural networks.

13. Control system according to claim 1, 10, 11 or 12, characterised in that the process model is continuously adapted to the process or corrected on the basis of process data that is collected at the plant and is filed in a process data base and in that this occurs by means of adaptive methods or learning methods, for example by means of a back-propagation learning method or a selection method for various partial models, for instance neural networks.

14. Control system according to claim 1, 10, 11, 12 or 13, characterised in that the adjustable process variables are optimized off-line by means of an optimizer at the process model in such a way that the model output variables, which in particular are characteristic quality values of the product, correspond, to the greatest possible extent, with given values, for example those to be striven for.

15. Control system according to claim 1, 10, 11, 12, 13 or 14, characterised in that the optimization is effected with a known optimization method, for example with a genetic algorithm, the Hooke-Jeeves method, a simulated annealing method or the like, and in that the respective optimization methods applied are specified as a function of the situation and the problem or are selected from a data file, for example as a function of the number of variables to be optimized and/or the formation of the minima to be expected.

16. Control system according to claim 15, characterised in that the criteria for abortion of the optimization methods, for example with neural networks, are determined in accordance with a method of pattern recognition or classical convergence criteria on the basis of the course of optimization.

17. Control system according to claim 12, 13, 14 15 or 16, characterised in that the starting values for optimization are determined on the basis of the suboptimum operating data that is filed in a process data store.

18. Control system according to claim 1, 10, 11, 12, 13, 14, 15, 16 or 17, characterised in that the optimization is effected off-line with the aid of the process model, wherein adjustable process variables, which have been determined in such a way that the characteristic values of the product produced, which characteristic values are simulated by the model, correspond, to the greatest possible extent, with the given desired values, are passed as setpoint values to the basic function system of the process and the process is adjusted by the latter in accordance with the setpoint values.

19. Control system according to claims 1, 10, 11, 12, 13, 14, 15, 16, 17 or 18, characterised in that in the case of a malfunction or the like of the model or the optimizer the setpoint values for the basic function system can be generated directly from the data of the process data base, interpolation being effected for the purpose of improving the setpoint values, in particular between the stored operating data.

20. Control system according to one of claims 1 or 10 to 18, characterised in that the model, for instance in the case of a rolling casting process for metal strips, takes into account in particular the restrictions of the manipulated variables, the actuator time response and, if applicable, the process dynamics, preferably in and before the region of the casting rollers, for example in relation to the position of the solidification-shell merging zone for the solidification shells deposited on the casting rollers.

Revendications

1. Système de gestion pour une installation de l'industrie primaire ou de l'industrie manufacturière, par exemple pour une installation métallurgique, comme pour la production de feuillards d'acier ou de métaux non ferreux, le système de gestion étant conçu pour détecter automatiquement, par une technique informatique et sur la base d'une connaissance préalable donnée, l'état de l'installation et des particularités d'un processus de fabrication se déroulant dans l'installation, par exemple d'un processus de coulée continue pour des feuillards, et pour prescrire des données de valeurs de consigne (V) adaptées à la situation en vue d'obtenir un résultat de production sûr, le cas échéant le meilleur possible,
   caractérisé par le fait que

le système de gestion simule l'état de l'installation et des divers éléments de l'installation en vue d'une optimisation en continu à l'aide d'un modèle de processus à structure modulaire qui décrit les relations entre les grandeurs d'entrée de processus ainsi que des grandeurs réglantes et les grandeurs de sortie de processus, par exemple des valeurs caractéristiques de la qualité du produit fabriqué.

2. Système de gestion selon la revendication 1,
   caractérisé par le fait que

il est conçu pour optimiser les données de valeurs de consigne (V) adaptées à la situation, de préférence pour les optimiser automatiquement dans des routines d'optimisation prédéterminées.

3. Système de gestion selon la revendication 1 ou 2,
   caractérisé par le fait que

la connaissance préalable donnée est améliorée, de préférence automatiquement, en continu au moyen d'une connaissance obtenue en interne par une technique informatique sur le modèle de processus (20) pendant la production, par exemple en différents points de fonctionnement, et cette connaissance de processus produite automatiquement est prise en charge comme nouvelle connaissance préalable dans une mémoire de données (17) qui est notamment constamment mise à jour.

4. Système de gestion selon la revendication 1, 2 ou 3,
   caractérisé par le fait que

les données de valeurs de consigne (V) adaptées à la situation sont envoyées par exemple sous forme de valeurs de référence aux éléments de l'installation, directement sous forme de valeurs de commande, par exemple de positions, ou en particulier indirectement, par exemple par l'intermédiaire de valeurs de consigne de régulateur, par exemple pour des vitesses de rotation.

5. Système de gestion selon la revendication 1, 2, 3 ou 4,
   caractérisé par le fait que

il comporte un système de fonction de base pour les éléments de l'installation qui transfère de manière fiable dans la commande de l'installation les données de valeurs de consigne (V) provenant de la connaissance obtenue par des moyens informatiques, par exemple à partir d'un modèle de processus (20), de préférence à partir d'un modèle global de processus.

6. Système de gestion selon la revendication 5,
   caractérisé par le fait que

le système de fonction de base est conçu comme un système d'automatisation de base permettant le fonctionnement fiable des éléments de l'installation pris individuellement ou regroupés.

7. Système de gestion selon la revendication 5 ou 6,
   caractérisé par le fait que

le système de fonction de base reçoit ses valeurs prescrites directement de la partie intelligente du système de gestion qui détermine ces valeurs à partir des résultats de processus d'adaptation et/ou d'optimisation sur le modèle de processus (20).

8. Système de gestion selon la revendication 5, 6 ou 7,
   caractérisé par le fait que

le système d'automatisation de base est conçu comme un sous-système autonome garantissant un état sûr de l'installation et du processus (système de retour d'état à risque) qui peut accéder, à la place des données de valeurs de consigne (V) produites par des moyens informatiques, notamment à des valeurs de fonctionnement connues comme étant sûres et mémorisées dans la mémoire de données.

9. Système de gestion selon la revendication 5, 6, 7 ou 8,
   caractérisé par le fait que

le système de fonction de base comporte des routines de démarrage et de lancement qui peuvent être entrées manuellement ou automatiquement ainsi que des routines de fonctionnement normal sous-optimales dans lesquelles des données de valeurs de consigne (V), déterminées sinon par des moyens informatiques, peuvent être remplacées par des données constantes.

10. Système de gestion selon la revendication 1,
   caractérisé par le fait que

le modèle de processus comporte au moins en partie, dans la mesure où il peut être modélisé sur la base de lois générales mathématico-physiques, chimiques, métallurgiques ou biologiques, des formes de description mathématiques.

11. Système de gestion selon la revendication 1 ou 10,
   caractérisé par le fait que

le modèle de processus comporte, pour les éléments de l'installation pour lesquels il existe une connaissance de processus qui ne peut être exprimée que sous forme linguistique, des parties de modèle qui sont formulées par des moyens linguistiques et qui peuvent être mises en oeuvre par exemple par des systèmes flous, par des systèmes neuronaux flous, par des systèmes experts ou par des ensembles de tableaux.

12. Système de gestion selon la revendication 1, 10 ou 11,
   caractérisé par le fait que le modèle de processus comporte des systèmes auto-adaptatifs, par exemple des réseaux neuronaux, pour les éléments de l'installation pour lesquels il n'est pas possible de former un modèle sur la base de principes mathématico-physiques, chimiques, métallurgiques ou biologiques ou sur la base d'une connaissance de processus pouvant être décrite par des moyens linguistiques.

13. Système de gestion selon la revendication 1, 10, 11 ou 12,
   caractérisé par le fait que

le modèle de processus est adapté en continu au processus, ou poursuit en continu le processus, en fonction de données de processus qui ont été collectées dans l'installation et qui sont archivées dans une base de données de processus et que cette adaptation ou poursuite s'effectue au moyen de procédés adaptatifs ou de procédés d'apprentissage, par exemple par un procédé d'apprentissage à rétropropagation ou par un procédé de sélection pour différents modèles partiels, par exemple des réseaux neuronaux.

14. Système de gestion selon la revendication 1, 10, 11, 12 ou 13,
   caractérisé par le fait que

les variables de processus réglables sont optimisées en différé par un dispositif d'optimisation sur le modèle de processus de telle sorte que les grandeurs de sortie de modèle, qui sont notamment des valeurs caractéristiques de la qualité du produit, coïncident le plus possible avec des valeurs prescrites, par exemple avec les valeurs recherchées.

15. Système de gestion selon la revendication 1, 10, 11, 12, 13 ou 14,
   caractérisé par le fait que

l'optimisation s'effectue avec un procédé d'optimisation connu, par exemple avec un algorithme génétique, avec le procédé de Hooke-Jeeves, avec un procédé du type Simulated Annealings ou avec d'autres procédés analogues, et que les procédés d'optimisation respectivement appliqués sont prédéterminés ou sélectionnés dans un fichier en fonction de la situation et du problème, par exemple en fonction du nombre des grandeurs à optimiser et/ou de la configuration des minima à escompter.

16. Système de gestion selon la revendication 15,
   caractérisé par le fait que

les critères d'interruption des procédés d'optimisation sont déterminés, par exemple avec des réseaux neuronaux, selon une méthode de reconnaissance de formes ou selon des critères de convergence classiques sur la base de l'allure de l'optimisation.

17. Système de gestion selon la revendication 12, 13, 14, 15 ou 16,
   caractérisé par le fait que

les valeurs initiales pour une optimisation sont déterminées sur la base des données de fonctionnement sous-optimales archivées dans une mémoire de données de processus.

18. Système de gestion selon la revendication 1, 10, 11, 12, 13, 14, 15, 16 ou 17,
   caractérisé par le fait que

l'optimisation s'effectue en différé à l'aide du modèle de processus, des variables de processus réglables qui ont été déterminées de telle sorte que les valeurs caractéristiques, simulées par le modèle, du produit fabriqué coïncident le plus possible avec les valeurs souhaitées prédéterminées données comme valeurs prescrites au système de fonction de base du processus et le processus étant réglé par ce dernier en fonction des valeurs prescrites.

19. Système de gestion selon des revendications 1, 10, 11, 12, 13, 14, 15, 16, 17 ou 18,
   caractérisé par le fait que

les valeurs prescrites pour le système de fonction de base peuvent être produites directement à partir des données de la base de données de processus lors d'un dysfonctionnement ou d'un événement analogue concernant le modèle ou le dispositif d'optimisation, une interpolation étant effectuée notamment entre les données de fonctionnement mémorisées afin d'améliorer les valeurs prescrites.

20. Système de gestion selon l'une des revendications 1 ou 10 à 18,
   caractérisé par le fait que

le modèle, par exemple dans le cas d'un processus de laminage direct en coulée continue pour des feuillards métalliques, prend en compte notamment les limitations des grandeurs réglantes, le comportement dans le temps des actionneurs et éventuellement la dynamique du processus, de préférence avant ou dans la zone de laminage direct, par exemple par rapport à la position de la zone de réunion des coquilles de solidification pour les coquilles de solidification séparées sur le laminage direct.

Zeichnung