Číslo projektu:
VEGA 1/0545/20
Názov projektu:
Pokročilé riadenie energeticky náročných procesov s neurčitosťami v chemických, biochemických a potravinárskych technológiách
Grantová schéma:
VEGA
Typ projektu:
Výskumné projekty VEGA
Začiatok projektu:
01.01.2020
Koniec projektu:
31.12.2023
Zodpovedný riešiteľ:
Monika Bakošová
Zástupca zodpovedného riešiteľa:
Martin Klaučo
Riešitelia:
Tereza Ábelová, Ľuboš Čirka, Kristína Fedorová, Matúš Furka, Lenka Galčíková, Ľubomíra Horanská, Michaela Horváthová, Martin Kalúz, Karol Kiš, Michal Kvasnica, Alajos Mészáros, Martin Mojto, Juraj Oravec, Zdenko Takáč, Carlos E. Valero, Richard Valo, Anna Vasičkaninová

Kľúčové slová: riadenie procesov, modelovanie, neurčitosť, robustné prediktívne riadenie, neuro-fuzzy systém, úspora energie

Anotácia

Vedecký projekt sa zameriava na vývoj takých pokročilých metód a algoritmov riadenia systémov s neurčitosťami, ktorých implementácia zabezpečí výrazné úspory energií pri riadení energeticky náročných procesov v chemických, biochemických a potravinárskych technológiách. Jadro projektu tvorí rozpracovanie metód a návrh algoritmov prediktívneho riadenia, robustného prediktívneho riadenia a fuzzy riadenia systémov s neurčitosťami. Pri návrhu algoritmov riadenia systémov s neurčitosťami sa bude prihliadať na výpočtovú efektívnosť a realizovateľnosť v praxi. Navrhnuté algoritmy riadenia, regulátory a riadiace štruktúry budú testované simulačne a experimentálne v laboratórnych podmienkach a budú sa porovnávať z hľadiska spotreby energií riadenými procesmi s klasickými prístupmi. Riadenými procesmi budú najmä chemické reaktory, biochemické reaktory, výmenníky tepla, destilačné kolóny a ďalšie energeticky náročné procesy typické pre chemické, biochemické a potravinárske technológie.

Ciele

Hlavným cieľom je navrhnúť vyžitím pokročilých metód riadenia efektívne algoritmy a riadiace systémy, ktoré budú riešiť nielen problémy súvisiace s neurčitosťami procesov v chemických, biochemických a potravinárskych výrobách a obmedzeniami ich akčných a riadených veličín, ale i problémy vysokej spotreby energií v týchto procesoch, pričom navrhnuté algoritmy a riadiace systémy zabezpečia nielen požadovanú kvalitu riadenia, ale aj významné úspory energií v porovnaní s konvenčnými prístupmi.

Čiastkové ciele:
- tvorba analytických matematických modelov, fuzzy a neuro-fuzzy modelov chemických a biochemických procesov s neurčitosťami rôzneho typu, pre ktoré je charakteristická veľká spotreba energií
- rozšírenie knižnice matematických modelov chemických a biochemických procesov
- vývoj metód prediktívneho (MPC) a robustného prediktívneho riadenia (RMPC), ktoré zohľadňujú obmedzenia akčných a riadených veličín už pri návrhu riadiacich algoritmov
- vývoj MPC a RMPC algoritmov zameraných na redukciu výpočtovej náročnosti s cieľom zvýšiť efektivitu ich nasadenia pri riadení v reálnom čase a ušetriť energie
- vývoj algoritmov riadenia energeticky náročných procesov s neurčitosťami s využitím fuzzy a neuro-fuzzy metód,
- vývoj softvérových nástrojov, ktoré umožnia efektívnu implementáciu navrhnutých pokročilých algoritmov riadenia s výhľadom ich implementácie v rámci konceptu priemyselného Internetu vecí
- implementácia pokročilých algoritmov riadenia narábajúcich s obmedzeniami akčných veličín, ktoré priamo ovplyvňujú spotrebu energií, ako aj s obmedzeniami riadených veličín, ktoré priamo ovplyvňujú celkovú kvalitu a efektivitu riadenia v simulačných a reálnych laboratórnych experimentoch
- implementácia fuzzy a neuro-fuzzy algoritmov riadenia v simulačných a reálnych laboratórnych experimentoch
- analýza kvality riadenia a energetických úspor dosiahnutých pomocou navrhnutých algoritmov riadenia a porovnanie pokročilých metód s konvenčnými metódami riadenia založenými predovšetkým na požití PID regulátorov

Publikácie

2022

  1. P. BakaráčM. HorváthováL. GalčíkováJ. Oravec – M. Bakošová: Approximated MPC for embedded hardware: Recursive random shooting approach. Computers & Chemical Engineering, zv. 165, 2022.
  2. J. Drgoňa – K. Kiš – A. Tuor – D. Vrabie – M. Klaučo: Differentiable predictive control: Deep learning alternative to explicit model predictive control for unknown nonlinear systems. Journal of Process Control, zv. 116, str. 80–92, 2022.
  3. M. FikarM. KlaučoR. Paulen: Theory of Automatic Control I. Practice Examples, FCHPT STU v Bratislave, 2022.
  4. L. GalčíkováM. HorváthováJ. Oravec – M. Bakošová: Self-Tunable Approximated Explicit Model Predictive Control of a Heat Exchanger. Chemical Engineering Transactions, 2022, Vol. 94, č. 94, str. 1015–1020, 2022.
  5. L. GalčíkováJ. Oravec: Fixed complexity solution of partial explicit MPC. Computers & Chemical Engineering, zv. 157, str. 107606, 2022.
  6. Ľ. Horanská: Extensions of Fuzzy Measures Based on Double Generalization of the Lovász Extension Formula, V Computational Intelligence and Mathematics for Tackling Complex Problems 3., Editor(i): Harmati I.Á., Kóczy L.T., Medina J., Ramírez-Poussa E., Springer Nature Switzerland AG, Cham, č. 959, str. 81–88, 2022.
  7. M. HorváthováL. GalčíkováJ. Oravec: Control Design for a Nonlinear Reactors-Separator Plant. V 2022 Cybernetics & Informatics (K&I), str. 1–6, 2022.
  8. K. KišP. BakaráčM. Klaučo: Nearly Optimal Tunable MPC Strategies on Embedded Platforms. V 18th IFAC Workshop on Control Applications of Optimization, IFAC-PapersOnline, str. 326–331, 2022.
  9. J. MiklešĽ. ČirkaJ. OravecM. Fikar: Návrh H2 a Hinf riadenia s využitím Ljapunovových funkcií, FCHPT STU v Bratislave, 2022.
  10. A. Vasičkaninová – M. Bakošová – A. Mészáros: Cascade fuzzy control of a tubular chemical reactor. Editor(i): Ludovic Montastruc, Stephane Negny, V 32nd European Symposium on Computer Aided Process Engineering, Elsevier, č. 1, zv. 32, str. 1021–1026, 2022.

2021

  1. M. Bakošová – A. Vasičkaninová: Neural Network-based Innovative Control of a Fermentation Process. 2021.
  2. F. Bardozzo – B. de la Osa – Ľ. Horanská – J. Fumanal – M. delli Priscoli – L. Troiano – R. Tagliaferri – J. Fernandez – H. Bustince: Sugeno integral generalization applied to improve adaptive image binarization. Information Fusion, zv. 68, str. 37–45, 2021.
  3. H. Bustince – R. Mesiar – J. Fernandez – M. Galar – D. Paternain – A. H. Altalhi – G. P. Dimuro – B. Bedregal – Z. Takáč: d-Choquet integrals: Choquet integrals based on dissimilarities. Fuzzy Sets and Systems, zv. 414, str. 1–27, 2021.
  4. A. Castillo-López – Z. Takáč – C. Lopez-Molina – J. Fernandez – H. Bustince: Restricted Equivalence Functions on L^n : A new equivalence measure between n-multisets applied on color pixels for image comparison. V IFSA-EUSFLAT 2021, str. 54–54, 2021.
  5. M. Ferrero-Jaurieta – Z. TakáčĽ. Horanská – I. Rodríguez-Martínez – G. P. Dimuro – H. Bustince: Sequential information fusion based in multidimensional Choquet-like discrete integral. V IFSA-EUSFLAT 2021, str. 48–48, 2021.
  6. M. Horváthová – N. Ishihara – J. Oravec – Y. Chida: Robust Setpoint Tracking of a Linear System with Discrete Actuators. Editor(i): R. Paulen and M. Fikar, V Proceedings of the 23rd International Conference on Process Control, IEEE, Slovak University of Technology, str. 229–236, 2021.
  7. Y. Jiang – J. Oravec – B. Houska – M. Kvasnica: Parallel MPC for Linear Systems with Input Constraints. IEEE Transactions on Automatic Control, č. 7, zv. 66, str. 3401–3408, 2021.
  8. R. KohútL. GalčíkováK. FedorováT. Ábelová – M. Bakošová – M. Kvasnica: Hidden Markov Model-based Warm-start of Active Set Method in Model Predictive Control. Editor(i): R. Paulen and M. Fikar, V Proceedings of the 23rd International Conference on Process Control, IEEE, Slovak University of Technology, 2021.
  9. M. MojtoM. HorváthováK. KišM. Furka – M. Bakošová: Predictive control of a cascade of biochemical reactors. Acta Chimica Slovaca, č. 1, zv. 14, str. 51–59, 2021.
  10. J. OravecM. Horváthová – M. Bakošová: Multivariable Robust MPC Design for Neutralization Plant: Experimental Analysis. European Journal of Control, zv. 58, str. 289–300, 2021.
  11. A. Urio – H. Bustince – L. De Miguel – J. Fernandez – G. P. Dimuro – Z. Takáč: Modification of the ADALINE using Choquet integrals and their generalizations. V IFSA-EUSFLAT 2021, str. 49–49, 2021.
  12. C. E. Valero – M. Bakošová: Classic Methodologies in Control of a Yeast Fermentation Bioreactor. Editor(i): R. Paulen and M. Fikar, V Proceedings of the 23rd International Conference on Process Control, IEEE, Slovak University of Technology, 2021.
  13. A. Vasičkaninová – M. Bakošová – A. Mészáros: Control of Heat Exchangers in Series Using Neural Networks. Editor(i): R. Paulen and M. Fikar, V Proceedings of the 23rd International Conference on Process Control, IEEE, Slovak University of Technology, str. 237–242, 2021.
  14. A. Vasičkaninová – M. Bakošová – A. Mészáros: Fuzzy Control Design for Energy Efficient Heat Exchanger Network. Chemical Engineering Transactions, zv. 88, str. 529–534, 2021.

2020

  1. H. Bustince – R. Mesiar – J. Fernandez – M. Galar – D. Paternain – A. H. Altalhi – G. P. Dimuro – B. Bedregal – Z. Takáč: Dissimilarity Based Choquet Integrals, V Information Processing and Management of Uncertainty in Knowledge-Based Systems, Springer, str. 565–573, 2020.
  2. M. FurkaK. KišM. HorváthováM. Mojto – M. Bakošová: Identification and Control of a Cascade of Biochemical Reactors. V 2020 Cybernetics & Informatics (K&I), 2020.
  3. J. HolazaJ. OravecM. Kvasnica – R. Dyrska – M. Mönnigmann – M. Fikar: Accelerating Explicit Model Predictive Control by Constraint Sorting. Editor(i): Rolf Findeisen, Sandra Hirche, Klaus Janschek, Martin Mönnigmann, V Preprints of the 21st IFAC World Congress (Virtual), Berlin, Germany, July 12-17, 2020, zv. 21, str. 11520–11525, 2020.
  4. Ľ. Horanská: On Compatibility of Two Approaches to Generalization of the Lovász Extension Formula, V Information Processing and Management of Uncertainty in Knowledge-Based Systems, Springer, str. 426–434, 2020.
  5. Ľ. Horanská – H. Bustince – J. Fernandez – R. Mesiar: Generalized decomposition integral. Information Sciences, zv. 538, str. 415–427, 2020.
  6. M. HorváthováJ. Oravec – M. Bakošová: Efficient Convex-Lifting-Based Robust Control of a Chemical Reactor. Chemical Engineering Transactions, zv. 81, str. 865–870, 2020.
  7. M. HorváthováJ. Oravec – M. Bakošová: Real-Time Convex-lifting-based Robust Control Using Approximated Control Law. V 59th IEEE Conference on Decision and Control, Jeju Island, Republic of Korea, zv. 59, str. 2160–2165, 2020.
  8. K. KišM. KlaučoA. Mészáros: Neural Network Controllers in Chemical Technologies. V 2020 IEEE 15th International Conference of System of Systems Engineering, IEEE, str. 397–402, 2020.
  9. J. Oravec – M. Bakošová: PIDDESIGN. 2020.
  10. J. OravecM. Horváthová – M. Bakošová: Energy efficient convex-lifting-based robust control of a heat exchanger. Energy reports, č. 201, str. 117566, 2020.
  11. A. Vasičkaninová – M. Bakošová – A. Mészáros: Advanced Control of Heat Exchangers in Series. V 2020 IEEE 15th International Conference of System of Systems Engineering, IEEE, str. 385–390, 2020.
  12. A. Vasičkaninová – M. Bakošová – A. Mészáros: Control of heat exchangers in series using neural network predictive controllers. Acta Chimica Slovaca, str. 41–48, 2020.
  13. A. Vasičkaninová – M. Bakošová – A. MészárosM. Kalúz: Innovative Control Design of Tubular Chemical Reactor Using Fuzzy Controllers.. V The 4th Sustainable Process Integration Laboratory Scientific Conference Energy, Water, Emission & Waste in Industry and Cities 18-20 November 2020 (Online), 2020.
  14. A. Vasičkaninová – M. Bakošová – J. OravecM. Horváthová: Efficient Fuzzy Control of a Biochemical Reactor. Chemical Engineering Transactions, zv. 81, str. 85–90, 2020.

Riešitelia


Zodpovednosť za obsah: doc. Ing. Juraj Oravec, PhD.
Posledná aktualizácia: 26.04.2020 14:51
Facebook / Youtube

Facebook / Youtube

RSS