Reference Trajectory Optimization Under Constrained Predictive Control

Chemical process systems often need to respond to frequently changing product demands. This motivates the determination of optimal transitions, subject to specification and operational constraints. However, direct implementation of optimal input trajectories would, in general, result in offset in th...

Full description

Saved in:
Bibliographic Details
Published in:Canadian journal of chemical engineering Vol. 85; no. 4; pp. 454 - 464
Main Authors: Lam, David K., Baker, Rhoda, Le Swartz, Christopher
Format: Journal Article
Language:English
Published: Hoboken Wiley Subscription Services, Inc., A Wiley Company 01.08.2007
Wiley
Blackwell Publishing Limited, a company of John Wiley & Sons, Inc
Subjects:
Applications of mathematics to chemical engineering. Modeling. Simulation. Optimization
Applied sciences
Chemical engineering
dynamic optimization
Exact sciences and technology
model predictive control
reference trajectory optimization
steady state transitions
model predictive control
Closed loop
steady state transitions
Polymerization
dynamic optimization
Forecast model
Quadratic programming
Modeling
Steady state
Optimization
Offset
reference trajectory optimization
Mathematical programming
Predictive control
ISSN:0008-4034, 1939-019X
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Chemical process systems often need to respond to frequently changing product demands. This motivates the determination of optimal transitions, subject to specification and operational constraints. However, direct implementation of optimal input trajectories would, in general, result in offset in the presence of disturbances and plant/model mismatch. This paper considers reference trajectory optimization of processes controlled by constrained model predictive control (MPC). Consideration of the closed‐loop dynamics of the MPC‐controlled process in the reference trajectory optimization results in a multi‐level optimization problem. A solution strategy is applied in which the MPC quadratic programming subproblems are replaced by their Karush‐Kuhn‐Tucker optimality conditions, resulting in a single‐level mathematical program with complementarity constraints (MPCC). The performance of the method is illustrated through application to two case studies, the second of which considers economically optimal grade transitions in a polymerization process. Les systèmes de procédés chimiques doivent souvent répondre à des changements de production fréquents. Ceci motive la détermination de transitions optimales, soumises à des contraintes de spécification et de fonctionnement. Toutefois, l'implantation directe de trajectoires d'entrée optimales entraîne, en général, un décalage en présence de perturbations et d'une incompatibilité installation/modèle. Cet article porte sur l'optimisation des trajectoires pour des procédés contrôlés par le contrôle prédictif par modèle contraint (MPC). Le fait de considérer la dynamique en boucle fermée du procédé contrôlé par MPC dans l'optimisation des trajectoires de référence cause un problème d'optimisation à plusieurs niveaux. Une stratégie de solution est appliquée dans laquelle les sous‐problèmes de programmation quadratique du MPC sont remplacés par des conditions d'optimalité de Karush‐Kuhn‐Tucker. On obtient ainsi un programme mathématique à niveau unique associé à des contraintes de complémentarité (MPCC). La performance de la méthode est illustrée par l'application de deux études de cas, le second considérant les transitions de grade optimales en termes économiques dans un procédé de polymérisation.
Bibliography:istex:57DC58E6F739026A00F2DEEC13C850399812CAEF
ark:/67375/WNG-X4RHBFDW-H
ArticleID:CJCE5450850408
ISSN:0008-4034
1939-019X
DOI:10.1002/cjce.5450850408