Variable Zeitkonstanten und statische Verstärkungen treten auf, wenn sich der Strömungswiderstand des Tanks mit dem Flüssigkeitsstand ändert. In einer Pilotanlage zur Flüssigkeitsstandregelung mit turbulentem Abfluss folgt der Auslassstrom üblicherweise der Beziehung (F_o=\beta\sqrt{h}), sodass der lokale Prozessverstärkungsfaktor und die Zeitkonstante von der Betriebshöhe abhängen. Für die Regelungsschulung besteht die übliche Lösung darin, das nichtlineare Massenbilanzmodell für die Simulation beizubehalten, während für den Entwurf und die Analyse des Reglers lokale lineare Modelle, numerische Integration oder adaptive Parameteraktualisierungen verwendet werden.

Wichtige Erkenntnis: Ein Flüssigkeitstank mit quadratischem Abfluss hat keine festen Werte für (\tau_p) und (K_p). Sie müssen als arbeitspunktabhängige Größen interpretiert werden, und Schulungssysteme sollten den Studierenden zeigen, wie sich die lokalen Approximationen ändern, wenn sich der Füllstand bewegt.

Warum die Dynamik des Flüssigkeitsstandes nichtlinear ist

Die maßgebliche Stoffbilanz

Für einen Tank mit konstantem Querschnitt lautet die dynamische Bilanz

[ A\frac{dh}{dt}=F_i-F_o ]

wobei (A) die Querschnittsfläche des Tanks, (h) der Flüssigkeitsstand, (F_i) der Zufluss und (F_o) der Abfluss ist.

Wenn die Auslassbeziehung nichtlinear ist,

[ F_o=\beta\sqrt{h} ]

wird die Bilanz zu

[ A\frac{dh}{dt}=F_i-\beta\sqrt{h} ]

Der Wurzelausdruck verhindert, dass das System über alle Betriebsbedingungen hinweg exakt durch eine einzige feste Übertragungsfunktion erster Ordnung dargestellt werden kann.

Warum sich der Auslasswiderstand ändert

Die lokale Steigung der Abflussbeziehung ist

[ \frac{dF_o}{dh}=\frac{\beta}{2\sqrt{h}} ]

Mit zunehmendem Füllstand nimmt diese Steigung ab. Physikalisch bedeutet dies, dass ein weiterer Anstieg des Füllstands zu einem zunehmend kleineren Anstieg des Abflusses führt, als dies bei einem niedrigen Füllstand der Fall wäre.

Diese sich ändernde Steigung ist die Ursache für die variablen dynamischen Parameter.

Wie sich die statische Verstärkung ändert

Stationäres Verhalten

Im stationären Zustand gilt

[ F_{i,s}=F_{o,s}=\beta\sqrt{h_s} ]

Daher gilt

[ h_s=\left(\frac{F_{i,s}}{\beta}\right)^2 ]

Der stationäre Füllstand ist nicht proportional zum Zufluss. Er variiert mit dem Quadrat des Durchflusses, was bedeutet, dass sich die Prozesssensitivität mit dem Arbeitspunkt ändert.

Lokale statische Verstärkung

Die Linearisierung um einen stationären Füllstand (h_s) ergibt

[ F_o \approx \beta\sqrt{h_s} +\frac{\beta}{2\sqrt{h_s}}(h-h_s) ]

Unter Verwendung von Abweichungsvariablen (h'=h-h_s) und (F_i'=F_i-F_{i,s}) wird das lokale Modell zu

[ A\frac{dh'}{dt} +\frac{\beta}{2\sqrt{h_s}}h' =F_i' ]

Die lokale statische Verstärkung von der Zuflussabweichung zur Füllstandsabweichung ist daher

[ K_p=\frac{2\sqrt{h_s}}{\beta} ]

Somit steigt (K_p) mit zunehmendem Betriebsfüllstand an. Eine bestimmte Änderung des Zuflusses führt bei einem höheren Betriebsfüllstand zu einer größeren endgültigen Füllstandsänderung.

Wie sich die Zeitkonstante ändert

Lokale Form erster Ordnung

Die linearisierte Gleichung kann geschrieben werden als

[ \tau_p\frac{dh'}{dt}+h'=K_pF_i' ]

mit

[ \tau_p=\frac{2A\sqrt{h_s}}{\beta} ]

Äquivalent dazu

[ \tau_p=A R_s ]

wobei der lokale Strömungswiderstand

[ R_s=\left(\frac{dF_o}{dh}\right)^{-1} =\frac{2\sqrt{h_s}}{\beta} ]

Physikalische Interpretation

Da sowohl (K_p) als auch (\tau_p) proportional zu (\sqrt{h_s}) sind, wird der Tank lokal langsamer und empfindlicher, wenn der Füllstand steigt.

Bei einem niedrigen Füllstand ist die Steigung des Abflusses größer, der effektive Widerstand ist geringer und der Füllstand reagiert schneller. Bei einem hohen Füllstand ist der effektive Widerstand höher, sodass derselbe Tank eine längere lokale Reaktionszeit aufweist.

Was Studierende beobachten sollten

Bei einer sprunghaften Änderung in der Nähe eines Arbeitspunktes kann die Reaktion wie ein herkömmlicher Prozess erster Ordnung aussehen. Die Reaktion erreicht nach einer lokalen Zeitkonstante etwa 63,2 % ihres Endwertes und nähert sich nach mehreren Zeitkonstanten ihrem Endwert an.

Nach einer großen Störung ändert der sich ändernde Füllstand jedoch (K_p) und (\tau_p) während der Reaktion. Die resultierende Trajektorie folgt nicht exakt einer einzigen festen Exponentialkurve.

Modellierungsstrategien für die Prozessregelungsschulung

Strategie 1: Simulation des vollständigen nichtlinearen Modells

Direkte numerische Lösung

Das physikalisch exakteste Modell behält die ursprüngliche Bilanz bei:

[ A\frac{dh}{dt}=F_i-\beta\sqrt{h} ]

Ein numerischer DGL-Löser kann den Füllstand kontinuierlich berechnen, während sich der Zufluss ändert. Dieser Ansatz erfasst die sich ändernde Auslasssteigung und erfordert nicht, dass der Prozess nahe an einem nominalen Füllstand bleibt.

Dies ist besonders nützlich, um große Störungen, das Anfahrverhalten, Sättigung und den Betrieb über einen weiten Füllstandsbereich zu demonstrieren.

Warum dieser Ansatz in der Schulung effektiv ist

Eine nichtlineare Simulation ermöglicht es den Studierenden, die tatsächliche Prozesstrajektorie mit einer festen Vorhersage erster Ordnung zu vergleichen. Der Unterschied macht die Bedeutung der Arbeitspunktabhängigkeit sichtbar, anstatt sie nur theoretisch zu behandeln.

Der Simulator kann auch die momentanen oder lokalen Werte

[ K_p(h)=\frac{2\sqrt{h}}{\beta} ]

und

[ \tau_p(h)=\frac{2A\sqrt{h}}{\beta} ]

berechnen, während sich der Füllstand ändert.

Strategie 2: Linearisierung um einen nominalen Arbeitspunkt

Taylor-Reihen-Approximation

Für kleine Abweichungen um (h_s) gilt

[ \sqrt{h}\approx\sqrt{h_s} +\frac{1}{2\sqrt{h_s}}(h-h_s) ]

Dies ergibt das lokale Modell erster Ordnung mit festen Werten für (K_p) und (\tau_p), die an diesem Arbeitspunkt berechnet wurden.

Dies ist normalerweise ausreichend für die Reglereinstellung und die einführende Analyse von Übertragungsfunktionen, wenn die Störungen klein bleiben.

Verwendung von Abweichungsvariablen

Abweichungsvariablen entfernen die stationären Terme und konzentrieren das Modell auf Änderungen gegenüber dem Nominalzustand:

[ h'=h-h_s,\qquad F_i'=F_i-F_{i,s} ]

Das resultierende Modell lässt sich leichter in eine Übertragungsfunktion, eine Zustandsraumgleichung oder eine PID-Einstellform umwandeln.

Für den Füllstandsprozess gilt

[ \frac{H'(s)}{F_i'(s)}

\frac{K_p}{\tau_p s+1} ]

Diese Darstellung ist praktisch, um die Beziehung zwischen physikalischen Tankeigenschaften und dem Verhalten des Regelkreises zu lehren.

Strategie 3: Verwendung stückweiser oder adaptiver lokaler Modelle

Neuberechnung der Parameter bei Füllstandsänderung

Anstatt ein lineares Modell über den gesamten Betriebsbereich zu verwenden, kann der Trainer den Bereich in Betriebsbereiche unterteilen. Jeder Bereich hat sein eigenes lokales (K_p) und (\tau_p).

Der Regler oder Simulator schaltet zwischen diesen Modellen um, wenn sich der Betriebsfüllstand ändert. Dies wird üblicherweise als Gain Scheduling bezeichnet, wenn auch die Reglerparameter angepasst werden.

Kurzzeit-Approximation

Ein adaptives Verfahren kann den Prozess über ein kurzes Zeitintervall als lokal linear behandeln. Während jedes Intervalls wird der aktuelle Füllstand verwendet, um die lokalen Parameter zu schätzen, und die Werte werden aktualisiert, wenn sich die Bedingungen verschieben.

Dieser Ansatz bietet einen praktischen Kompromiss zwischen einem vollständig nichtlinearen Regler und einem einzigen festen linearen Modell.

Online-Identifikation

Eine Schulungsplattform kann die effektive Verstärkung und Zeitkonstante aus aktuellen Prozessdaten schätzen. Die Schätzungen können aus kleinen Teständerungen, gemessenen Reaktionssteigungen oder einer Modellanpassungsroutine gewonnen werden.

Der Zweck besteht darin zu lehren, dass Modellparameter nicht immer permanente Anlageneigenschaften sind; sie können lokale Schätzungen sein, die unter den aktuellen Bedingungen gültig sind.

Verbindung des Modells mit der Pilotanlagenregelung

Die Definition der Stellgröße ist wichtig

Die oben genannte Verstärkung ist vom Zufluss zum Flüssigkeitsstand definiert. Wenn der Regler die Ventilposition, die Pumpendrehzahl oder ein anderes Stellglied manipuliert, muss auch die Durchflussbeziehung des Stellglieds einbezogen werden.

Zum Beispiel kann die Ventilposition den Zufluss nichtlinear beeinflussen. Die gesamte Prozessverstärkung beinhaltet dann sowohl die Verstärkung des Stellglieds als auch die Verstärkung des Tankfüllstands.

Das Verhalten des Regelkreises ändert sich mit dem Arbeitspunkt

Wenn (K_p) bei höheren Füllständen zunimmt, können dieselben Reglereinstellungen dort eine stärkere Regelkreisreaktion hervorrufen. Ein bei niedrigem Füllstand eingestellter Regler kann daher bei hohem Füllstand aggressiver werden.

Das Gegenteil kann auftreten, wenn Anlageneigenschaften, Ventilverhalten oder andere Widerstände den Prozess dominieren.

Echte Pilotanlagen enthalten zusätzliche Nichtidealitäten

Gemessene Reaktionen können auch durch Pumpengrenzen, Ventil-Totzonen, Sensorfilterung, Transportverzögerungen, Leckagen und Sättigung der Stellglieder beeinflusst werden. Diese Effekte sollten von der grundlegenden Nichtlinearität des quadratischen Füllstands unterschieden werden.

Verständnis der Kompromisse

Vollständige nichtlineare Modellierung

Vorteile:

Stellt die physikalische Bilanz über einen weiten Betriebsbereich dar.
Erfasst die sich ändernde Verstärkung und Reaktionsgeschwindigkeit.
Unterstützt realistische Störungs- und Anfahrszenarien.

Nachteile:

Erfordert numerische Integration.
Weniger bequem für Berechnungen von Hand und klassische Übertragungsfunktionsmethoden.
Kann grundlegende Regelungskonzepte verschleiern, wenn sie ohne einen lokalen linearen Vergleich eingeführt werden.

Feste Linearisierung

Vorteile:

Einfach zu analysieren und einzustellen.
Erzeugt Standard-Übertragungsfunktionen erster Ordnung.
Funktioniert gut bei kleinen Störungen in der Nähe des gewählten Arbeitspunktes.

Nachteile:

Die Genauigkeit nimmt ab, wenn sich der Füllstand vom Linearisierungspunkt entfernt.
Kann bei großen Sprüngen irreführende Vorhersagen liefern.
Ein Satz von Reglerparametern funktioniert möglicherweise nicht konsistent über den gesamten Betriebsbereich.

Adaptive oder Gain-Scheduled-Modellierung

Vorteile:

Behält einen Großteil der Praktikabilität der linearen Regelung bei.
Handhabt Arbeitspunktänderungen besser als ein festes Modell.
Bietet eine nützliche Brücke zwischen klassischer Regelung und nichtlinearer Regelung.

Nachteile:

Erfordert eine zuverlässige Messung des Arbeitspunktes.
Abruptes Umschalten der Parameter kann unerwünschtes Regelverhalten erzeugen.
Schlecht geschätzte Parameter können unnötige Reglerschwankungen verursachen.

Drift nicht mit Nichtlinearität verwechseln

Ein sich ändernder Parameter, der durch den Flüssigkeitsstand verursacht wird, ist eine inhärente Prozessnichtlinearität. Ein sich ändernder Wärmeübergangskoeffizient, der durch Verschmutzung oder Korrosion verursacht wird, ist hingegen eine Form von zeitvariablem Prozessverhalten.

Beides erfordert eine Modellaktualisierung, sollte aber unterschiedlich diagnostiziert werden: Füllstandsabhängige Parameter variieren mit dem Betriebszustand, während verschmutzungsbedingte Parameter sich allmählich mit dem Anlagenzustand und der Zeit ändern können.

Anwendung auf Ihre Schulungsanlage

Eine nützliche Schulungssequenz besteht darin, den Studierenden dieselbe Anlage anhand von drei zunehmend realistischeren Modellen vorzustellen.

Wenn Ihr Fokus auf den Grundlagen der Regelung erster Ordnung liegt: Linearisieren Sie den Tank um einen stationären Füllstand und verwenden Sie die resultierenden (K_p) und (\tau_p) für Übungen zu Übertragungsfunktionen und PID-Reglern.
Wenn Ihr Fokus auf nichtlinearem Prozessverhalten liegt: Simulieren Sie (A,dh/dt=F_i-\beta\sqrt{h}) direkt und vergleichen Sie Reaktionen auf große Sprünge mit der lokalen linearen Vorhersage.
Wenn Ihr Fokus auf industrieller Regelungspraxis liegt: Verwenden Sie Gain Scheduling oder adaptive Parameteraktualisierungen, damit die Studierenden sehen können, wie sich die Reglerleistung ändert, wenn sich der Betriebsfüllstand bewegt.
Wenn Ihr Fokus auf experimenteller Identifikation liegt: Führen Sie Tests bei mehreren stationären Füllständen durch und schätzen Sie (K_p) und (\tau_p) separat für jeden Zustand.
Wenn Ihr Fokus auf realistischem Pilotanlagenbetrieb liegt: Beziehen Sie zusätzlich zur grundlegenden Tank-Nichtlinearität Stellgliedgrenzen, Sensorverhalten, Ventilcharakteristiken und Parameterdrift ein.

Ein starkes Modell für die Prozessregelungsschulung nutzt die nichtlineare Anlage als physikalische Referenz und lokale lineare Modelle als transparente Werkzeuge für Analyse, Einstellung und Interpretation.

Zusammenfassungstabelle:

Thema	Wichtige Erkenntnis
Nichtlineare Quelle	Der turbulente Abfluss folgt einer Quadratwurzelbeziehung: F_o = beta sqrt(h).
Lokale statische Verstärkung	K_p steigt mit dem Betriebsfüllstand, wodurch der Tank bei höheren Füllständen empfindlicher wird.
Lokale Zeitkonstante	tau_p steigt ebenfalls mit dem Füllstand, sodass der Tank bei höheren Füllständen langsamer reagiert.
Vollständiges nichtlineares Modell	Lösen Sie die Stoffbilanz numerisch, um Anfahren, große Störungen und weite Betriebsbereiche darzustellen.
Festes lineares Modell	Linearisieren Sie um einen stationären Zustand für die Analyse von Übertragungsfunktionen und die PID-Einstellung bei kleinen Störungen.
Adaptive Modellierung	Verwenden Sie stückweise Modelle, Gain Scheduling oder Online-Identifikation, wenn sich der Betriebsfüllstand ändert.
Schulungsfokus	Vergleichen Sie nichtlineare Reaktionen mit lokalen linearen Vorhersagen und beziehen Sie Stellglied-, Sensor- und Ventileffekte ein.

Bereiten Sie Ihre Studierenden und Bediener auf realistisches Prozessverhalten mit den LABPARK Bildungs- und Berufsausbildungs-Pilotanlagen für Verfahrenstechnik vor. Unsere Systeme decken Anwendungen in der chemischen Verfahrenstechnik, Bioprozesstechnik und Biotechnologie sowie der Umwelt- und Wasseraufbereitung ab. Universitäten, Forschungsinstitute und Unternehmen können sie nutzen, um nichtlineare Dynamiken zu demonstrieren, Regelungsstrategien zu testen, PID-Einstellungen zu üben und praktische Expertise in der Prozessregelung aufzubauen. Kontaktieren Sie LABPARK, um eine für Ihren Lehrplan, Ihr Forschungsprogramm oder Ihre industrielle Belegschaft konfigurierte Schulungsanlage zu besprechen.