Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/21801
| Title: | การควบคุมเชิงทำนายแบบจำลองไม่เชิงเส้นวีเนอร์ที่ใช้ฟังก์ชันลาแกร์สำหรับหอกลั่นแยกสารสองชนิด |
| Other Titles: | Wiener nonlinear model predictive control with laguerre function for binary distillation column |
| Authors: | อนวัช ฮารุดีน |
| Advisors: | เดวิด บรรเจิดพงศ์ชัย |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | David.B@Chula.ac.th |
| Subjects: | การควบคุมทำนายแบบจำลอง ระบบไม่เชิงเส้น -- แบบจำลองทางคณิตศาสตร์ การกลั่น Predictive control Nonlinear systems -- Mathematical models Distillation |
| Issue Date: | 2554 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | นำเสนอการควบคุมเชิงทำนายแบบจำลองไม่เชิงเส้นวีเนอร์ที่ใช้ฟังก์ชันลาแกร์ และการประยุกต์ใช้กับหอกลั่นแยกสารสองชนิด แบบจำลองวีเนอร์ประกอบด้วยแบบจำลองเชิงเส้นและฟังก์ชันไม่เป็นเชิงเส้นที่เชื่อมต่อแบบอนุกรม แบบจำลองวีเนอร์สามารถอธิบายพฤติกรรมของกระบวนการอุตสาหกรรมที่ซับซ้อน เมื่อใช้ร่วมกับการควบคุมเชิงทำนายแบบจำลองไม่เชิงเส้น สมบัติสำคัญของการควบคุมเชิงทำนายแบบจำลองยังคงอยู่คือ ฟังก์ชันต้นทุนมีรูปแบบเป็นฟังก์ชันกำลังสอง อย่างไรก็ตาม จำนวนตัวแปรในปัญหาค่าเหมาะที่สุด แปรผันตามกับแนวราบการควบคุม หรือจำนวนสัญญาณควบคุม เมื่อแนวราบการควบคุมมีค่ามาก ก่อให้เกิดภาระหนักในการคำนวณ และส่งผลให้จำนวนภาวะเลว ในวิทยานิพนธ์นี้ เราใช้ฟังก์ชันลาแกร์และฟังก์ชันเลขชี้กำลังถ่วงน้ำหนักเพื่อแก้ปัญหาข้างต้น การประยุกต์ใช้ฟังก์ชันลาแกร์กับการควบคุมเชิงทำนายแบบจำลองไม่เชิงเส้น สามารถลดจำนวนตัวแปรในปัญหาการหาค่าเหมาะที่สุด นอกจากนี้ การประยุกต์ใช้ฟังก์ชันเลขชี้กำลังถ่วงน้ำหนักสามารถแก้ปัญหาจำนวนภาวะเลว ทำให้ผลเฉลยมีความน่าเชื่อถือ สุดท้าย เรานำเสนอตัวอย่างเชิงเลขกับระบบหอกลั่นแยกสารสองชนิด เพื่อแสดงประสิทธิผลของเทคนิคการออกแบบ จากผลการทดลอง เราสามารถลดจำนวนตัวแปรในการแก้ปัญหาค่าเหมาะที่สุดจาก 80 ตัวแปร เหลือเพียง 10 ตัวแปร และปรับปรุงจำนวนภาวะจาก 2.803X10[superscript 6] เหลือเพียง 407.6 |
| Other Abstract: | This thesis presents Wiener nonlinear model predictive control with Laguerre function and application to binary distillation column. Wiener model composes of linear dynamic model and nonlinear function in cascade connection. Wiener model can explain the behavior of complex industrial process. Employing Wiener model in nonlinear model predictive control, we can retain the important properties of linear model predictive control, namely, the cost function has a form of quadratic function. However, the number of variables varies with control horizon or the number of control input. When control horizon is large, it causes a heavy computational burden and results in an ill condition number. In this thesis, we use the Laguerre function and exponential weighting to handle these problems. Applying Laguerre function to nonlinear model predictive control can reduce the number of variables used in the optimization problem. Moreover, employing exponential weighting solves the ill condition number and improves the reliability of solution. Lastly, we demonstrate the effectiveness of the proposed method with an application to binary distillation column. In the experimental result, we can reduce the number of variables in the optimization problem from 80 to 5 and improve the condition number from 2.803X10[superscript 6] to 407.36. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมไฟฟ้า |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/21801 |
| URI: | http://doi.org/10.14457/CU.the.2011.495 |
| metadata.dc.identifier.DOI: | 10.14457/CU.the.2011.495 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| anawach_ha.pdf | 2.62 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.