專利名稱：利用免疫學概念的過程控制和優化技術的制作方法
技術領域：
本發明主要涉及過程控制系統，具體涉及用于控制和優化諸如能源產生 過程或發電過程等過程操作的優化技術的使用。
背景技術：
像那些用在發電過程、化學制造過程、石油加工過程或其它過程中的諸 如分布式或可升級過程控制系統等的控制過程系統，通常包括一個或多個過 程控制器，這些過程控制器通過模擬、數字或模擬/數字混合總線彼此通信 連接、通信連接到至少一個主機或操作員工作站以及一個或更多現場設備。 現場設備可以是例如閥門、閥門定位器、開關和變送器(例如，溫度、壓力 和流速傳感器)，它們在過程內執行比如開或關閥門以及測量過程參數等功 能。過程控制器接收表示由現場設備所測得的過程測量結果和/或關于現場 設備其它信息的信號，利用該信息執行控制例程，然后生成通過總線發送至 現場設備的控制信號，以控制工廠的操作。來自現場設備和控制器的信息通 常由操作員工作站執行的 一 個或更多應用程序獲得，從而使操作員對過程執 行任何所需的功能，例如查看過程的當前狀態、修改過程的操作等。過程控制器通常被編程為，針對為過程定義的或包含在過程中的多個不 同回路中的每個回路執行不同的算法、子例程或控制回路(所有這些都是控 制例程)，例如流量控制回路、溫度控制回路、壓力控制回路等。 一般而言，每個這種控制回路都包括諸如模擬輸入(AI)功能塊的一個或多個輸入塊、 諸如比例積分微分(PID)或模糊邏輯控制功能塊的單輸出控制塊、以及諸 如模擬輸出(AO)功能塊的單輸出塊。因為控制塊創建用于控制單過程輸 入的單控制輸出，例如閥門位置等，所以這些控制回路通常執行單輸入/單輸出的控制。然而，在某些情況下，例如在像燃煤發電廠那樣的復雜能源生 產廠中，因為受控的過程變量不只受到一個過程輸入的影響，所以使用多個 獨立操作的單輸入/單輸出控制回路并不十分有效，事實上，每個過程輸入 都可能影響許多過程輸出的狀態。在這種情況下，使用多個單輸入/單輸出 控制回路可能導致非最優的控制，造成浪費多余的原料、低質量的產品、多 余的排放、更低的效率等。為了克服單回路控制的缺陷，已經開發出多種類型的多變量或多輸入/ 多輸出控制，它們能操作以從 一 組過程變量和設定點同時產生 一 組控制信 號。在大多數情況下，這些控制步驟依賴于某種過程模型，以便將過程反應 建模為給定的 一組輸入。 一種簡單的多變量控制方法使用針對過程的數學模 型，例如過程模型的一階數學模型。然而，已經發現，由于這些理論模型沒 有對許多影響過程的變量進行說明，也沒有解釋工廠設備的老化等等，所以 這些理論模型過于簡單，而沒有足夠詳細地進行精確或最優的控制。于是， 嚴格應用理論模型(即，不使用歷史過程數據)的基于模型的控制解決方案 不能獲得精確的或最優的控制結果。其它的多變量控制方法使用根據采集自工廠本身的歷史數據所開發的 工廠模型，像實際配置工廠一樣更好地對工廠建模。這些基于工廠的模型控制技術的例子包括模型預測控制(MPC)和神經網絡控制。過去，MPC和 其它類型的先進控制已經用于在對特定被控過程變量的改變影響不止一個 過程變量或輸出的情況下執行控制。從二十世紀七十年代末開始，已經報道 了許多模型預測控制的成功實施，而且在加工工業，MPC已經成為先進的 多變量控制的主要形式。更進一步地，MPC已經作為分布式控制系統分層 軟件在分布式控制系統中實施。一般而言，MPC是多輸入/多輸出控制策略，其中測量改變每個過程輸 入對每個過程輸出的影響，然后所測量的響應被用于創建控制矩陣或過程模 型。過程模型或控制矩陣(通常定義了過程的穩態操作)被數學求逆，并用 在多輸入/多輸出控制器中，以基于對過程輸入所做的變化來控制過程輸出。在 一 些情況下，過程模型被表示為針對每個過程輸入的過程輸出響應曲線 (通常是階躍響應曲線)，并且這些曲線可以基于例如一系列傳送給每個過 程輸入的偽隨機階躍變化來創建。這些響應曲線可以用于以公知的方式對過 程建模。模型預測控制在本領域是公知的，因此，這里不再描述其細節。例如，美國專利4,616,308和4,349,869總體地描述了可用在過程控制系統中的 MPC控制器。還發現了 MPC與過程優化結合使用時是有效且有用的控制技術。在這 種情況下，優化功能可以計算與每個約束變量或輔助(也稱為擾動)變量相 關的成本和/或收益，以在收益最大化、成本最小化等的水平下操作。然后， 這些輔助變量的測量結果可以作為輸入提供給MPC例程，并被MPC例程處 理為控制變量，該控制變量具有與針對優化例程所定義的輔助變量的操作點 相等的設定點。具體地說，為了優化使用MPC的過程，優化器可以最小化 或最大化由MPC例程確定的一個或多個過程輸入變量，以使過程在最優點 運行。雖然該技術在計算上是可能的，但是有必要選擇例如對提高過程的經 濟操作(例如，過程產量或質量)有顯著影響的過程變量，以從經濟角度優 化過程。從財務或經濟角度看，在最優點操作過程通常需要控制彼此關聯的 許多過程變量，而不僅僅是單個過程變量。已經提出借助于二次規劃技術或 諸如內點法等更多當前技術進行的優化，作為提供具有MPC的動態最優化 的方案。利用這些方法，確定最優化解決方案，并且優化器給控制器提供控 制器輸出中的移動(即，過程的操縱變量)，并考慮了過程動態特性、當前 約束和最優化目標。然而，這種方法給控制器帶來了巨大的計算負擔，并且 在當前的技術水平下通常不夠靈活。不幸的是，使用根據歷史數據生成的過程模型的每個控制解決方案，都 需要在過程的在線操作(即，利用依賴過程模型的控制技術)之前就在加工 廠自身上運行的一組參數測試，以首先生成過程模型。此外，每次改變過程， 這些參數測試必須被重新運行，以更新過程模型。發電廠或能源生產廠中的 這種測試可以采用例如鍋爐操作的測試形式，以與空氣和燃料的精確混合相關的控制變量的可變組合進行該鍋爐操作，例如操作燃料傳送和磨煤機系統、二次空氣和OFA(燃盡風，其是用于減少燃煤鍋爐、燃氣鍋爐和燃油 鍋爐的排放的額外空氣源)的開放、燃燒器傾斜角等的組合。于是，為了獲 得有用的模型，必須運行各種測試，以便以大量各種可能的過程參數的組合 來獲得過程響應數據。此外，所需測試的數量隨著工廠變量數的增加而增加。 而且，過程模型的有用性受到產生過程模型時所執行測試的數量和類型的約 束，因為過程模型在用測試仿真的過程操作條件之外不準確。在任何情況下， 根據鍋爐類型和所使用的控制變量的數量和類型，用于生成合適過程模型的 測試可能需要幾天來使用大量工程測量結果并限制工廠的生產能力。此外， 雖然用于獲得和存儲過程模型數據的計算設備的成本微不足道，但是與讓高 資格的工程團隊執行和分析測試相關的時間成本在發電廠的預算中是顯著的。更進一步地，在過程映射過程中，難以獲得魯棒的過程模型，因為為了 魯棒，過程模型必須覆蓋如下過程條件的范圍，這些過程條件在工廠中發生 未控變化或不可解釋的變化時可能發生。例如，在基于燃燒的能源廠中，由 于鍋爐中操作參數隨著時間的變化以及由于工廠設備的老化，燃燒過程通常 隨著增加的或延長的鍋爐操作而變化。當然，如果不是不可能，在創建過程 模型時對這些變化(在它們發生之前)進行建模或仿真也是困難的。更進一 步地，基于歷史的過程模型生成方法不能充分地考慮或解釋未測量的過程值 的變化、或者很難測量(由于測量技術的現狀)但仍然影響過程操作的過程 參數中的變化。燃燒廠中這種過程變量的示例包括在測試過程中使用的煤的 質量參數，這些參數通常只能在實驗室里一天一次地確定，并且在定義質量 指標(用在優化任務的目標函數中)時不予考慮，而且在對出現在由于燃燒 過程所產生的爐渣和煤灰(排放物)中的燃燒成份的內容進行建模時也不予 考慮。可以相信的是，利用當前在公知的過程控制技術中可獲得的基于理論或 歷史的過程模型，實際上不可能消除上述缺點。因此，需要不同的過程建模和控制技術，其中，過程控制器能響應于對加工廠條件的改變并響應于不可 測的變量來有效地操作，但是該技術不需要大量的訓練和建模費用來創建。發明內容集成的優化和控制技術以相似于生物免疫學系統工作的方式利用隨機 優化執行過程控制和優化，并且不使用必須在將控制和優化例程放置在工廠 中的操作之前就創建的歷史過程模型。特別是，集成的優化和控制技術在過 程的在線操作期間，采集各種過程控制狀態的指示，并將這些過程控制狀態 指示存儲在存儲器中。每個過程控制狀態可以包括例如一組過程輸入值和一 組過程輸出值。過程輸入值可以包括過程控制輸入以及已測量的和未測量的 擾動輸入，而過程輸出值可以包括過程變量值，例如由將過程輸入應用到過 程所產生的穩態過程變量值。在過程的穩態操作期間，集成的優化和控制技術試圖通過生成 一 系列提 供給過程的過程控制輸入組來優化過程操作(即，使過程移向更優化的狀態 或條件)。 一般而言，集成的優化和控制技術利用所存儲的過程控制狀態來 生成一 系列過程控制輸入組，并且該系列過程控制輸入組通常由試圖最小化 (或最大化)目標函數來選擇或確定，其中，目標函數定義了用來優化過程 操作的特定優化標準。為了完成該功能，當前過程控制狀態(即，過程的當 前操作條件)的輸入(例如擾動輸入)可以用于選擇一個或多個所存儲的過程控制狀態，并且將被傳送給過程的該一系列過程控制輸入組可以;故確定為 所選過程控制狀態的過程控制輸入的函數。在一個實施例中，所存儲的具有 與當前過程控制狀態相關的擾動輸入最接近或最相似的擾動輸入組的過程 控制狀態，可以被選為用于確定所述一 系列過程控制輸入組的合適的過程控 制狀態組。在另一實施例中， 一個或多個所存儲的過程控制狀態可以用于生 成過程的一個或多個數學模型，并且可以利用這些過程模型來確定所述一系 列的過程控制輸入組。此外，集成的優化和控制技術可以通過基于一個或多個所存儲的過程控制狀態確定將要提供給過程的 一組新的過程控制輸入，來對當前過程操作條 件中的顯著變化進行響應。特別是，優化和控制技術可以在這些擾動輸入中 的 一 個或多個經歷顯著變化后，將當前過程控制操作條件的擾動輸入與所存 儲的過程控制狀態中至少 一些的擾動輸入進行比較，以確定最接近新過程操 作條件的所存儲的過程控制狀態中的一個或多個。然后，集成的優化和控制 技術可以基于與被確定為最接近新過程操作條件的一個或多個所存儲的過 程控制狀態相關的控制輸入，生成將被傳送給過程的新的控制輸入組。因此，在一個實施例中，用于控制過程的過程控制系統包括控制器， 適于使用一組目標控制信號值來產生用于控制過程中一個或多個現場設備的一個或多個過程控制信號；優化器，通信連接到該控制器，并適于生成該組目標控制信號值。該優化器可以包括用于存儲多個過程控制狀態的存儲器 和通信連接到該存儲器的優化單元，該優化單元適于使用所存儲的多個過程 控制狀態來生成在過程的穩態操作期間由控制器使用的一系列目標控制信 號值，以將過程移向優化的過程操作條件。此外，優化器可以包括變化檢測 單元，其響應于諸如與過程相關的擾動輸入之類的一個或多個過程輸入來檢 測當前過程狀態條件中的變化。優化器還可以包括響應單元，其通過選擇所 存儲的多個過程控制狀態中的一個或多個，并使用所選擇的一個或多個所存 儲的多個過程控制狀態產生在響應當前過程狀態條件中的變化時由控制器 使用的一組新的目標控制信號值，來對所檢測到的當前過程狀態條件中的變 化進行響應。如果需要，存儲在存儲器中的每個過程控制狀態都可以由一組過程輸入 (其可以是控制輸入以及已測量的和未測量的擾動輸入)以及一組由該組過 程輸入的使用所產生的過程輸出來定義。因此，每個過程控制狀態都響應于 一組給定的過程輸入來定義過程的狀態，優選是過程的穩態操作狀態。結果， 每個過程控制狀態表示或固有地包括過程操作期間特定時刻的過程模型。如 果需要，優化器可以包括模型創建單元，其根據一個或多個所存儲的過程控 制狀態創建一個或多個過程模型，例如數學過程模型。在這種情況下，優化器可以使用所確定的數學過程模型，基于所提出的那組過程控制輸入產生過 程輸出的估計，或者給定當前過程擾動輸入組的情況下，可以使用該數學過 程模型確定一組提出的應該用于產生預期或期望的 一組過程輸出的過程控 制輸入。同樣地，如果需要，優化單元可以包括目標函數，并可以使用該目 標函數來確定兩個或更多過程控制狀態的相對最優性，以生成預計將過程驅 向最優過程操作條件的目標控制信號。如果需要，該目標函數可以是用戶可 定義的，以使最優性標準能夠改變。更進一步，優化器可以包括過程控制狀態管理器，其運行來控制或限制 存儲在存儲器中的過程控制狀態的數量，從而在過程已經運行很長一段時間 時提高優化器的效率或有效性。特別是，過程控制狀態管理器可以被編程為 或適于基于這些過程控制狀態已經在存儲器中存儲的時間長度來去除所存 儲的過程控制狀態中的 一 個或多個，因為老的過程控制狀態由于過程參數的 變化、工廠設備的老化等不能精確地反映過程的當前操作。同樣地，如果需 要，過程控制狀態管理器可以適于基于由優化單元和/或響應單元對一個或 多個過程控制狀態的使用量的指示或測量結果，或者基于與過程控制狀態相 關的最優性或質量指標，來去除一個或多個所存儲的過程控制狀態。根據另一實施例，控制過程的方法包括在過程正在進行操作時，在多 個時間點確定針對一組過程輸入和輸出變量的值，以確定多個過程控制狀 態；存儲每個過程控制狀態的指示；并在過程沒有經歷一個或多個過程擾動 的顯著變化時，通過周期性地向過程提供新的控制輸入來優化過程的操作。 在這種情況下，新的控制輸入可以被配置成或可以被確定為將過程移向由目 標函數所測得的更優化的過程控制狀態，其中目標函數考慮或權衡了過程控 制輸入和過程控制輸出。不過，在過程經歷一個或多個過程擾動的顯著變化 時，該方法響應于一個或多個過程擾動的顯著變化，基于一個或多個所存儲 的過程控制狀態確定將提供給過程的一組控制輸入，并利用該組控制輸入控 制過程，以將過程移向更優化的過程控制狀態。根據該方法，基于所存儲的過程控制狀態確定將被提供給過程的該組過程控制輸入，可以通過以下過程執行將過程經歷過程擾動中顯著變化之后 的過程的過程控制狀態與所存儲的過程控制狀態進行比較，并基于所述比較 結果選擇一個或多個所存儲的過程控制狀態。根據又一實施例，優化過程操作的方法包括通過確定一組過程輸入和 一組過程輸出中每個的值來確定過程正在進行操作時的多個過程控制狀態， 從而定義特定的過程控制狀態，其中那組過程輸出由施加給過程的那組過程 輸入產生。該方法在存儲器中存儲多個過程控制狀態中每個的指示，并通過 基于所存儲的過程控制狀態預測過程對所提出的那組過程控制狀態的響應， 來周期性地確定用于控制過程的 一組新的過程控制輸入。該方法進一步利用 最優性標準分析所提出的那組過程控制輸入的最優性，其中最優性標準使用 所提出的那組過程控制輸入和通過將所提出的那組過程控制輸入應用到過 程所產生的一組預測過程控制輸出。根據另一優選實施例，控制過程的方法包括通過確定一組過程輸入和 一組過程輸出中每個的值來確定過程正在進行操作時的多個過程控制狀態， 從而定義特定的過程控制狀態，其中那組過程輸出由施加給過程的那組過程 輸入產生。該方法在存儲器中存儲多個過程控制狀態中每個的指示，并監測 過程的當前狀態，以確定過程何時經歷顯著的變化。當過程經歷顯著變化時， 該方法響應于該顯著變化，基于一個或多個所存儲的過程控制狀態確定將被 提供給過程的一組控制輸入，并利用所確定的那組控制輸入控制過程，以將 過程移向更優化的過程控制狀態。
圖1是包括具有先進控制器功能塊的控制模塊的過程控制系統的框圖， 其中先進控制器功能塊利用這里所描述的人造免疫學系統概念執行集成的 優化和控制；圖2是圖1中的先進控制器功能塊的框圖，其具有集成的優化器和控制 器；和圖3是基于人造免疫學系統的控制器和優化器的框圖，圖示了一種實現 圖2中集成的優化器和控制器的方式。
具體實施方式
現在參見圖1，過程控制系統10包括通信連接到數據歷史記錄器12以 及一個或多個均具有顯示屏14的主機工作站或計算機13 (其可以是任何類 型的個人計算機、工作站等)的過程控制器11。控制器11也經由輸入/輸出(I/O )卡或設備26和28連接到現場設備15-22。數據歷史記錄器12可以 是具有任何所需類型的存儲器和任何所需或公知的用于存儲數據的軟件、硬 件或固件的任何所需類型的數據采集單元，并且可以與工作站13之一分開(如圖1所示)或作為工作站13之一的一部分。控制器ll可以是例如由艾 默生過程管理電力和水力解決方案有限公司銷售的Ovatior^控制器，它經由 例如以太網連接或任何其它期望的通信網絡29,通信連接到主機計算機13 以及數據歷史記錄器12。通信網絡29可以采用局域網(LAN)、廣域網(WAN)、電信網等形式，并可以利用硬連線或無線技術來實現。控制器 11利用任何與例如標準4-20毫安設備和/或任何智能通信協議相關的期望的 硬件和軟件通信連接到現場設備15-22，所述智能通信協議例如是 FOUNDATION 現場總線協議(現場總線)、HART協議等。現場設備15-22可以是任何類型的設備，例如傳感器、閥門、變送器、 定位器、開關等，而I/O卡26和28可以是符合任何期望的通信或控制器協 議的任何類型的1/0設備。在圖l所示的實施例中，現場設備15-18是經由 模擬線路與I/O卡26通信的標準4-20毫安設備，而現場設備19-22是例如 現場總線現場設備的智能設備，經由數字總線利用現場總線協議通信與I/O 卡28通信。當然，現場設備15-22可以符合任何其它期望的標準或協議， 包括將來生成出來的任何標準或協議。控制器ll可以是其中具有至少一個處理器的工廠10內的許多分布式控 制器中的 一個，執行或監督所存儲的或與之相關的一個或多個過程控制例程，這些過程控制例程可以包括控制回路。控制器11還與設備15-22、主機計算機13和數據歷史記錄器12通信，以便以任何期望的方式控制過程。應該注意的是，如果需要，這里所述的任何控制例程或組件都可以具有由不同 控制器或其它設備實現或執行的部分。同樣地，這里所述的在過程控制系統10內執行的控制和優化例程或組件，可以采用包括軟件、固件、硬件等任 何形式。為了討論的目的，過程控制組件可以是過程控制系統的任何部分或 部件，該系統例如包括存儲在任何計算機可讀介質上的例程、塊或模塊。控 制和優化例程可以是模塊或者控制或優化步驟的任何部分，例如子例程、子 例程的部分(例如數行代碼)等，它們可以按照任何期望的軟件格式實現， 例如使用梯形邏輯、順序功能圖、功能塊圖、面向對象的編程語言或者任何 其它軟件編程語言或設計范例。同樣地，這里所描述的控制和優化例程可以 被硬編碼到例如一個或多個EPROM、 EEPROM、專用集成電路(ASIC )、 可編程邏輯控制器(PLC)或任何其它硬件或固件組件。更進一步地，控制 和優化例程可以使用任何設計工具進行設計，包括圖形i殳計工具或任何其它 類型的軟件/硬件/固件編程或設計工具。因此，控制器11可以被配置成以任 何期望的方式實現控制策略或控制和/或優化例程。在一個實施例中，控制器11利用通常所謂的功能塊實現控制策略，其 中每個功能塊都是整個控制例程的一部分或對象，并與其它功能塊協同操作 (經由稱為鏈路的通信路徑)，以實現過程控制系統10中的過程控制回路。 功能塊通常執行輸入功能、控制功能或輸出功能中的一個，其中，輸入功能 例如與變送器、傳感器或其它過程參數測量設備相關，控制功能例如與執行 PID、模糊邏輯等控制的控制例程相關，輸出功能控制諸如閥門之類的某個 設備的操作以執行過程控制系統10內的某種物理功能。當然，也存在混合 和其它類型的功能塊。在功能塊用于、或與標準4-20毫安設備和諸如HART 設備的某些類型智能現場設備相關的情況下，這些功能塊可以存儲在控制器 11中，并由控制器ll執行；或者在現場設備為現場總線設備的情況下，功 能塊可以存儲在現場設備中，并由現場設備本身執行。雖然此處利用使用面向對象編程范例的功能塊來描述控制系統，但是控制策略或者控制回路或模 塊也可以利用其它規范來執行或設計，例如梯形邏輯、順序功能圖等，或利 用任何其它期望的編程語言或范例來執行或設計。如圖l的放大框30所示，控制器11可以包括或實現圖示為例程32和 34的多個單回路控制例程，并可以實現圖示為控制回路36的一個或多個先 進控制回路。每個這樣的回路通常都稱為控制模塊。單回路控制例程32和 34被圖示為利用分別連接到適當的模擬輸入(AI)和模擬輸出(AO)功能 塊的單輸入/單輸出模糊邏輯控制塊和單輸入/單輸出PID控制塊來執行單回 路控制，其中AI和AO功能塊與諸如閥門之類的過程控制設備相關、與諸 如溫度和壓力變送器之類的測量設備相關、或者與過程控制系統10內的任 何其它設備相關。先進控制回路36被圖示為包括具有通信連接到多個AI 功能塊的輸入端和通信連接到多個AO功能塊的輸出端的多變量控制塊38, 盡管多變量控制塊38的輸入端和輸出端可以通信連接到任何其它期望的功 能塊或控制組件，以接收其它類型的輸入并提供其它類型的控制輸出。如同 將進一步描述的那樣，多變量控制塊38可以是集成的控制和優化塊，其集 成了免疫學響應，以執行過程或其一部分的優化控制，在這種情況下，該過 程可以是能源生產單位，例如燃煤發電廠。應該理解的是，圖l所示的包括 先進控制塊38的功能塊，可以由控制器ll執行，或者可以位于任何其它處 理設備中并由其執行，例如工作站13之一，甚或是現場設備19-22之一。圖2示出連接到過程52的控制器50的簡化框圖，其中控制器50被配 置成利用此處描述的免疫學技術對優化器54生成的目標控制信號進行響 應，以對過程52執行優化的控制。特別是，在該實例中被描述為發電過程(具體是燃煤發電廣)但是也可以是任何其它過程的過程52，接收多個輸 入，包括操縱變量(MV)輸入(在這里也稱為控制輸入)、已測量的擾動 變量(DV)輸入以及未測量的擾動變量(XV)輸入。通常，過程52基于 提供給它的MV、 DV和XV輸入來操作，以產生過程輸出信號或被控變量(CV)信號。實際的CV信號可以在過程52內由例如傳感器測量，傳感器例如是位于過程或工廠52中適當位置的流量傳感器、壓力傳感器、溫度傳
感器、氧氣傳感器、混濁度傳感器等。如圖2所示，控制器50接收被控變 量CV信號和已測量的擾動變量DV輸入的指示、以及由優化器54提供的 一組目標操縱變量信號，并使用這些信號產生操縱變量(MV)信號，其是 控制過程52的控制信號。 一般而言，MV信號由控制器50產生，以驅動過 程52至由提供給優化器54的預定優化標準所確定的最優穩態操作。
應該理解的是，在多變量控制情況下，操縱變量信號MV、擾動變量信 號DV、 XV和被控變量信號CV中的每個都可以被建模為信號矢量，其中
MV-可控目標輸入的矢量，其中MV= {mvl, mv2，...，mvn};
DV=已測量的擾動的矢量，其中DV= {dvl， dv2，...，dvn};
XV =未測量的或明顯不考慮的擾動的矢量，其中，XV = {xvl, xv2,...,xvn}; 和
CV=過程變量輸出的矢量，其中CV= {cvl, cv2,...，cvm}。
在一個實例中，例如在對動力鍋爐的廢氣排放進行優化的情況下，MV 矢量可以包括表示鍋爐中節氣閘打開程度和廢氣中氧氣含量的信號；DV矢 量可以包括表示鍋爐負載和煤供應器速度的信號；XV矢量可以包括代表或 表示煤的發熱量、濕度、碾磨性等的信號；而CV矢量可以包括表示廢氣中 一氧化碳(CO)含量、廢氣中氧氣含量、蒸汽溫度等的信號。當然，當用 在動力鍋爐中以及用在其它類型的過程中時，這些矢量中的每個都可以包括 其它信號和/或參數，同時過程的細節以及所需控制的類型和性質將影響用 在每個矢量中的確切信號或參數的確定。
在更詳細地描述圖2的控制器50和優化器54的操作之前，總地描述一 下身體的免疫學響應是有幫助的，因為控制器50和優化器54的操作將依此 類推。神經系統的目的是保護有機體免受病菌的侵襲，病菌可以是病毒、細 菌、寄生蟲和其它對活性有機體造成威脅的微生物。事實上，免疫系統的基 本功能是正確地檢測和有效地消除病菌，其中病菌由稱為淋巴細胞的檢測器 識別出來。對于其它病菌的引入來說，淋巴細胞的結構表示免疫系統的先前活動的某一直接認知。當從其有助于解決技術問題的角度來觀察免疫系統的 結構時，非常有趣的是可以看到B-淋巴細胞，其利用由淋巴細胞自身產生 的抗體來參與消滅病菌。作為包括給定種類淋巴細胞的基因重組的結果，新 的、更有效的淋巴細胞產生，并因此產生抗體。因此，響應于特殊病菌的引 入，免疫系統隨著時間流逝演變出新的淋巴細胞，然后以某種方式記錄這些 新的淋巴細胞，以便在將來用于響應相同或相似病菌的引入。由于此特征， B-淋巴細胞不僅消除病菌，而且還參與創建免疫記憶過程，因為每個所創建 和存儲在身體中的淋巴細胞都提供不同的"工具組，，來消滅病菌。當然，在 與特定類型的病菌作斗爭時， 一些淋巴細胞較之其它而言可能更有效。
此外，在有機體中，還存在功能T-淋巴細胞，它形成第一道防線，并 且作用是4企測病菌并激勵適當的B-淋巴細胞的創建。然后，基于對特定病 菌最有效的B-淋巴細胞的選擇和復制來創建免疫學記憶的過程。事實上， 免疫學記憶的獨特特征之一是存在相似屬性的細胞群。換言之，具有相似工 具組的淋巴細胞位置上彼此靠近。因為淋巴細胞的定位，當有機體受到病菌 感染時，防御行為就可以使大群相似的淋巴細胞參與進來，用于或組合起來 產生對消滅病菌非常有效的新的淋巴細胞。
于是，如上所述，免疫學系統具有通過學習和訓練獲得并提高其資格的 能力，事實上，也能生成新的能力或喪失先前獲得的能力。這些學習和記錄 特征通常很適合解決在電力工程以及過程控制工業的其它分支中遇到的各
種技術問題。無論如何，從以上描述可以看出，生物免疫系統的獨特特征是 其響應于病菌的引入而不斷學習或適應的能力。該過程與所謂的"基本免疫 反應"相聯系，其中基本免疫反應與有機體對新的未知病菌的響應相關。一 般而言，基本免疫反應相當于用最好的工具組，即去除威脅最好的那些工具， 來搜索淋巴細胞。有機體的基本反應通常很慢，因為有機體需要時間來適應 或尋找以及產生消除未知病菌最好的淋巴細胞。不過，在成功的防御操作之 后，對病菌的記憶不會消失，因為保留了所發展的淋巴細胞。由于這種"記 憶"，對相同病菌后續攻擊的反應將快得多也更有效。這種反應就是所謂的"二次免疫反應"，其表明免疫系統具備適應系統的特征。
于是，從以上對免疫系統特征的描述以及對其功能的描述可以理解，有 機體的防御反應以基于從所存儲或所記錄的適當淋巴細胞群產生淋巴細胞。 不過，為了成功地管理淋巴細胞，它們的數量不能無限增加。由于竟爭機制， 免疫記憶是自我調整的，其中去除無效的淋巴細胞，并創建新的淋巴細胞代
替它們。管理淋巴細胞數量的簡化機制用公式(1)表示
DDC = INC - DIC + RSC ( 1 )
其中
DDC——細胞的多樣化程度； INC——新細胞的流入； DIC——無效細i包的死亡；和 RSV——受激細胞的復制。
在記住此背景的情況下，這里所述的免疫學控制技術的基本原理通常可 以被類推至生物有機體的免疫響應。不過，有必要首先實現由一組特定的矢 量MV、 DV、 XV、 CV唯一識別或建模圖2中過程52的每個穩態操作點或 操作狀態，這些操作狀態在這里被稱為過程控制狀態。具體而言，基于過程 52及其中設備的當前狀況， 一組特定的穩態MV、 DV和XV輸入(它們是 對過程52的控制和擾動輸入)將導致過程52產生一組特定的CV信號，作 為過程輸出。當然，由于一組特定的MV、 DV和XV llT入所產生CV信號 可以隨著過程52內過程設備的變化(例如，老化、經歷燃燒副產品的累積 等)而隨時間變化。不過，在過程52經歷該穩態信號和參數值的特定組合 時，每個實際獲得的MV、 DV、 XV和CV信號組都唯一地存儲、代表或指 示過程52的模型。因此，在類推生物演化關系時，每個特定的MV、 DV、 XV、 CV矢量或信號組(即，每個過程控制狀態)在這里都被稱為淋巴細胞， 其可以被理解成特定的和先前經歷的過程穩態操作條件。
還應該理解的是，基于被用來從壞的過程結果或操作狀況判斷出好的過 程結果或操作狀況的標準，可以將某些淋巴細胞或穩態過程控制狀態描繪為優于其它。例如，特定的過程控制狀態或淋巴細胞MV1、 DV1、 XVI、 CV1 可能導致大量廢氣排放(例如由混濁度傳感器測量的)，并且也可能導致低 的燃燒效率。另一方面，另一過程控制狀態或淋巴細胞MV2、 DV2、 XV2、 CV2可能導致低的混濁度，但是僅是平均效率，而又一過程控制狀態或淋巴 細胞MV3、 DV3、 XV3、 CV3可能導致低的混濁度和高的效率，在所有其 它內容相同的情況下，這是最期望的條件。因此，在可能的情況下，當過程 52處于由前兩個淋巴細胞或過程控制狀態之一所代表的穩態狀況時，期望 將過程52移至由淋巴細胞MV3、 DV3、 XV3、 CV3所代表的第三穩態操作 條件(過程控制狀態)。當然，該示例本質上是簡單化的，應該理解，確定 "好，，和"壞"淋巴細胞的技術可以用更嚴格的數學方式來執行，例如使用
一個或多個數學定義的優化標準，諸如那些由LP優化技術中的目標函數所 定義的標準。特別是，利用定義矢量MV和CV相對于彼此以及相對于期望 操作點或設定點的優選狀態的優化標準，使得每個淋巴細胞或過程控制狀態 都能被分配以質量因子。
在記住此背景的情況下，基于免疫學的控制和優化技術可以總體上被描 述為，在正常操作過程中運行過程52，并在過程52的操作期間存儲實際檢 測到的各種不同的淋巴細胞(MC、 DV、 XV、 CV矢量)。在這一點上或在 此過程中，可以使用例如單回路比例積分微分(PID)控制、多變量控制等 以任何所需方式控制過程。然而，在已經檢測到一定數量的淋巴細胞并將其 存儲到存儲器中之后，優化器54然后可以有效地優化穩態過程操作條件，
如，過程擾動輸入DV和XV的顯著變化)。特別是，當過程52以穩態條 件操作時(即，DV和XV矢量中沒有顯著變化)，控制技術執行隨機優化， 以確定過程52 "更好的，，淋巴細胞或搡作條件，并由此執行優化控制。基 本上，在該隨機優化技術中，優化器54生成新的目標控制信號(目標MV 信號)組，優化器54將其提供給控制器50。控制器50利用每個所提供的 目標MV信號組進行搡作，以便按照使控制器50產生目標MV信號作為提供給過程52的實際MV信號的方式控制過程52。在一個實例中，控制器50 可以簡單地立即使用目標MV信號作為提供給過程52的實際MV信號。然 而在許多情況下，控制器5 0可能需要隨時間移動實際M V信號來匹配目標 MV信號，以免不適當地干擾過程52并避免一個或多個過程輸出或CV信 號超過由于MV信號轉換造成的限制。無論如何，控制器50都隨時間產生 不同的控制(MV)信號來達到目標MV信號，并從而將過程52移向新的穩 態條件。
優化器54可以利用目標函數56來分析或確定該新的過程穩態條件的相 對好壞，其中目標函數56可以是由用戶選#^的多個目標函數中的一個(如 圖2中所示的不同目標函數56A，56B,.,.，56N)。照此方式，用戶可以指定評 估每個過程控制狀態或淋巴細胞的優化條件或標準。基于該最優化分析，優 化器54可以基于所選擇的目標函數周期性地確定一組新的目標MV信號組， 用于實現被預計為比當前狀態更優化的過程控制狀態。這里，每個過程控制 狀態都類似于生物演化關系中所描述的B-淋巴細胞。當然，在該隨機優化 過程中所確定的每個新的過程控制狀態或淋巴細胞都可以存儲作為由控制 和優化系統隨后使用的新的淋巴細胞。
此外，當過程52經歷顯著變化時，如由一個或多個擾動矢量DV和/或 XV的變化所確定的那樣，優化器54開始確定新的最優淋巴細胞或過程控制 狀態的處理，在該狀態下基于新的過程輸入條件組運行過程52。這種變化 類似于病菌被引入生物系統的生物演化關系中的狀況。特別是當檢測到擾動 變量中的這種變化時，優化器54首先確定或試圖預測所存儲的淋巴細胞組 中最好的一個以用作過程變化的結果，例如新的擾動變量(DV)組。該特 征類似于生物演化關系中的T-淋巴細胞的操作，因為該響應代表了試圖確定 哪個公知或先前經歷的加工廠狀況(淋巴細胞)是最好的估計起始點，從該 起始點對新的過程狀態進行響應，即，哪個淋巴細胞被估計為最接近過程 52還不確定的最優操作點，并因此被用作對新的或變化的過程輸入條件的 最初響應。然而，需要注意的是，如果變化的過程輸入條件包括明顯不同于過程52先前經歷的任何一組輸入(或病菌)的一組輸入DV和XV (病菌)，那 么響應于這樣一組新的輸入DV、 XV而確定的對過程的最好反應和控制的 所存儲淋巴細胞可能不是最優的，這可能導致優化器54和控制器50花費更 長的時間按照將過程52返回穩態狀況并從此返回至最優過程操作條件來響 應新的過程輸入組的方式，對過程輸入變化(病菌)作出反應。因為優化器應，所以存儲在存儲器中的淋巴細胞的數量越大，優化器54和控制器50越 能更好地以使過程52更快地返回最優穩態操作條件的方式對過程輸入變化 (即，新病菌的引入)進行響應，因為優化器54更有可能找到接近針對新 的過程輸入條件的最優淋巴細胞的起始淋巴細胞。圖3示出使用上述討論的一般原理來在諸如發電廠之類的加工廠中執 行優化控制的優化系統70。特別是，圖3的系統可以被實現作為圖2的優 化器54或者作為圖2的控制器50和優化器54的組合，并且在任一情況下 可以-故實現作為圖l的先進控制塊38。 一4殳而言，系統70響應于加工廠52 中變化的條件，即響應于已測量的擾動變量(DV )和未測量的擾動變量(XV ) 的變化，以最優的方式使用免疫學概念來控制過程52。如圖3所示，優化系統70包括隨機優化塊72、 DV變化4企測模塊74、 模型獲取模塊76、控制模塊78和包括過程控制狀態管理器81的存儲模塊 80。 一般而言，系統70以兩種不同的模式之一來操作，包括隨機優化模式 和調整模式。當過程52已經處于穩態狀況時，例如當DV和XV輸入保持 恒定或接近恒定時，并且給定的MV控制信號組產生給定的過程變量CV輸 出組時，優化系統70通常以隨機優化模式操作。如圖3中的開關84的位置所示，在該操作模式下，DV變化檢測模塊 74激勵或使隨機優化塊72操作，以生成目標MV信號(即目標控制信號)。 優化塊72通過使用例如任何期望的隨機優化技術來輕微改變目標MV矢量， 并確定由于控制輸入中的該變化所造成的CV矢量中的變化，來執行隨機優化。然后優化塊72基于預設或預定的優化標準，例如由LP目標函數(可以 是圖2中的目標函數56)所定義的標準，分析是否由新的目標MV信號組 獲得更好或更優的控制。在隨機優化模式中，隨機優化塊72通常通過改變 MV信號、MV信號對過程改變CV信號的應用來在特定的操作點或淋巴細 胞附近進行迭代，試圖確定針對過程52的局部最優操作點，在過程52中 DV和XV輸入通常固定或恒定。不過，隨著時間的流逝，隨機優化塊72 可能再次利用任何所需的隨機迭代技術移向更優的非局部操作點。在迭代過 程中，每個穩態操作點或過程控制狀態(由MV、 DV、 XV和CV矢量組定 義)都存儲在存儲器80中作為將來可能使用的淋巴細胞。這里應該注意的是，雖然在存儲特定的淋巴細胞時CV、 DV和MV矢 量通常已測量或已知，但是特定淋巴細胞的XV矢量值可能從不知道，和/ 或在稍后時間進行測量或確定，并在該稍后時間存儲到存儲器80中。例如， 表示用在發電廠中煤的煤濕度或其它煤質量參數(其中質量參數通常由實驗 室分析確定)的XV矢量變量，可以在煤燃燒完或在工廠中使用之后確定。 因此，在這些XV變量被確定或已知之前，基于煤的使用(和其它過程條件) 所獲得的淋巴細胞，被實際確定并存儲在存儲器80中。在這些情況下，稍 后知道或確定的XV矢量值可以稍后存儲在存儲器80中的適當淋巴細胞中， 并且最初可被存儲作為待使用的具體測量結果的指示符，例如煤的批號、煤 的使用時間等。在一些情況下，XV矢量變量不能被精確確定，但是用于該 XV矢量變量的通用指示符或占位符仍然可以簡單地被存儲，用于與其它淋 巴細胞進行比較(即，在輸入中的唯一差異可能是XV變量之一的情況下， 將淋巴細胞彼此區分開)。此外， 一個或多個XV變量矢量可以用在一些情 況下，以確定特定的淋巴細胞是否在某種方式下為最優，例如與存儲器80 中存儲的其它淋巴細胞相比的方式下。無"i侖如何，當過程輸入條件顯著變化時，例如由DV和/或XV變量中的 顯著變化所顯示的那樣，DV變化檢測模塊74識別這種變化，并通過經由開 關84向淋巴細胞獲取模塊76提供控制，來使優化系統70進入調整模式。一般而言，DV變化檢測模塊74觀察已測量的擾動變量DV，并基于這些擾 動變量中一個或多個的顯著變化，確定過程52何時正在經歷或已經經歷顯 著變化。然而，如果需要，檢測模塊74可以觀察指示變化的過程條件的其 它變量，例如控制過程中使用的一個或多個設定點的變化、用于評估過程優 化的目標函數的變化等。為了實現該通用過程，DV變化檢測模塊74監測 DV矢量中的變化，以監測過程52中的變化，這些變化表示變化的過程條件 顯著得足以在兩個操作模式之間切換控制系統，即從隨機優化模式(DV矢 量通常處于穩態)到調整模式(正在發生或近來已經發生DV變化)。 一般 而言，DV變化檢測模塊74充當生物演化關系中T-型淋巴細胞的功能，因 為檢測模塊74檢測系統(病菌)中的變化并啟動"免疫反應"。在調整模式下，優化系統70操作以對DV和/或XV中的變化作出反應， 以盡可能快的找到針對過程52的新的穩態操作點，該操作點用于從此開始 再次執行隨機優化。換言之，在調整模式下，優化系統70對變化的過程條 件即新的DV和XV矢量進行響應，以確定/人該點開始^丸行過程優化的新的 操作點。為了提供更快的響應，淋巴細胞獲取模塊76—旦啟動，就確定和 選擇存儲在存儲器80中的最能匹配最新檢測到的過程條件的淋巴細胞，然 后將該淋巴細胞細胞提供給控制模塊78。特別是，每個存儲在存儲器80中 的淋巴細胞都表示在過程操作中所實際測量或觀察的過程52的先前條件。 于是，為了響應于新的輸入組(即DV和XV輸入)來驅動過程52，淋巴細 胞獲取模塊76在存儲器80中搜索一個或多個先前存儲的淋巴細胞，這些淋 巴細胞就DV和XV矢量而言"接近"于新的過程條件。當然，這種接近可 以按照任何所需的方式來確定、測量或判斷，例如使用最小二乘擬合法、回 歸分析等。無論如何，淋巴細胞獲取模塊76可以將新的或變化的過程控制 狀態中新的DV和XV矢量(某種程度上，XV矢量已知)與存儲在存儲器 80中的至少一些淋巴細胞的DV和可能的XV矢量進行比較，以確定存儲在 存儲器80中的代表先前經歷的過程控制狀態的一個或多個淋巴細胞，其最 接近或至少接近新的過程控制狀態(就擾動輸入而言)并就最優性而言可能是可接受的過程狀態條件。然后，淋巴細胞獲取模塊76將這些一個或多個 淋巴細胞提供給控制模塊78，控制模塊78使用這些淋巴細胞來確定提供給 過程控制器的一組新的目標操縱變量(目標MV信號)。控制模塊78可以 簡單的使用 一個所獲取的淋巴細胞的實際MV信號，或者可以對多個淋巴細 胞的MV信號執行插值或某種其它數學平均函數，并且也可以基于所獲取淋 巴細胞的擾動輸入條件與新的或變化的過程控制狀態的擾動輸入條件之間 的差異，插值或改變所獲取的一個或多個淋巴細胞的MV信號，從而生成新 的目標MV信號組。于是，淋巴細胞獲取模塊76的任務是基于當前或新檢測到的DV、 CV 和間接獲得的XV矢量，來搜索知識庫找到最優或最好的MV矢量，以用于 控制過程52。在一個實施例中，為了實現該任務，獲取才莫塊76響應于新的 DV和可能XV矢量在存儲器80中搜索最適合將過程52驅向最優穩態條件 的淋巴細胞。 一旦淋巴細胞獲取模塊76基于先前檢測到的存儲在存儲器80 中的淋巴細胞確定所使用的最優淋巴細胞，模塊76就將該淋巴細胞提供給 控制單元78。然后，控制才莫塊78基于當前的CV、 MV、 DV和XV矢量組 進行操作，以產生可用于圖2的控制器50中以將過程52移向新的和更優的 過程條件的目標MV。當然，淋巴細胞獲取模塊76確定使過程52移向新的 最優條件(即，就新的擾動矢量DV和XV而言的最優條件)的能力，直接 受到實際存儲在存儲器80中的淋巴細胞的數量和種類的影響。即， 一般而 言，存儲在存儲器80中的淋巴細胞越多，找到接近新的且還未確定的最優 操作條件的淋巴細胞的機會就越大。同樣，存儲在存儲器80中的各種淋巴 細胞中的各種矢量值的范圍越寬，優化系統70就越能找到所存儲的如下淋 巴細胞，其是具有變化的DV和XV擾動變量的過程52的接近新的且還未 確定的最優操作點。利用接近新的過程條件的淋巴細胞，在使過程52返回 最優操作條件(例如由目標函數所定義的)時，通常會導致優化系統70更 快的操作。并且如果需要，該MV矢量可以是所獲取的淋巴細胞的MV矢量。不過，實 際上該目標MV矢量不可能由控制器獲得，因為過程操作中的DV和XV矢 量可能不同于由模塊76獲取的淋巴細胞的DV和XV矢量。于是，控制模 塊78通常可以基于當前或新變化的過程控制狀態的DV和XV矢量與所獲 取的淋巴細胞的DV和XV矢量之間的差異，執行多變量插值或執行其它數 學操作，以從所獲取的淋巴細胞的MV矢量生成新的MV矢量。此外，控制 模塊78可以響應于過程條件或過程測量結果隨時間改變目標MV矢量78。當控制模塊78基于由控制模塊78所產生的目標MV矢量進行操作將過 程52移回到穩態操作條件時，DV變化檢測模塊74可以將優化系統70的操 作切回到隨機優化模式，以使優化器塊72確定更優或更好的操作點。于是， 淋巴細胞獲取模塊76和控制模塊78的目的在于盡可能快的響應于過程擾動 或變化，使過程52返回或驅向接近最優或至少可接受的操作狀態。因此， 隨機優化塊72可以更慢地操作，以利用隨機優化技術來找到更好或更優的 搡作點。此外，應該注意的是，諸如圖2中控制器50之類的控制器接收目標MV 信號組并使用這些目標信號來控制過程52，它們可以是任何所需類型的控 制器，例如PID控制器、模糊邏輯控制器、神經網絡控制器、MPC控制器 等。事實上，控制器50可以實現多個單回路控制例程，在這種情況下，目 標控制信號矢量(目標MV矢量)可以包括針對每個單回路控制例程的目標 控制信號值。另一方面，控制器50可以實現多輸入/多輸出控制例程，在這 種情況下，目標控制信號矢量(目標MV矢量)可以包括針對多輸入/多輸 出控制例程的每個輸入或輸出的目標控制信號值。更進一步地，如上所述， 圖2中的控制器50可以立即輸出目標MV信號作為過程控制輸入(在這種 情況下，控制模塊78可以用作控制器50),或者可以確定從提供給過程52 的當前控制信號(MV信號)移到目標控制信號組的適當方式，以免不適當 地擾動過程52或使一個或多個過程輸出超過預設界限。應該注意的是，在操作期間，隨機優化塊72可以使用存儲在存儲器80中的淋巴細胞以及存儲在存儲器86中的一個或多個數學模型來執行隨機優 化。特別是，數學模型86可以預先存儲在存儲器80中，以代表過程52的 —般操作。例如，在這種情況下，數學模型86可以是一階或一階加導數模 型，并且可以用于響應于新的MV信號來預測過程52的#:作。不過，如果 需要，數學模型86可以在過程52的操作過程中，從存儲于存儲器80的實 際淋巴細胞來生成。在這種情況下，例如，可以根據被設置為從統計學角度 看彼此接近的單個淋巴細胞群生成不同的數據模型，或者以該單個淋巴細胞 群為基礎創建不同的數學模型。在任一情況下，數學模型可以用于輔助隨機 優化塊72生成新的目標MV信號，以找到新的或更優的過程操作點，應該 理解，數學模型86可以用于仿真過程操作。從該論述可以理解，每個淋巴細胞實際上以某種方式代表過程模型的過 程操作條件或瞬態。不過，特定淋巴細胞的效用可能隨著時間退化，因為過 程中會發生不能由任何擾動變量DV或XV或者過程變量CV代表的物理變 化。這種變化可能包括設備的老化、燃燒副產品的累積等。結果，存儲器 80包括過程控制狀態管理器81，其在存儲器80中存儲有過多淋巴細胞或其 識別出一些淋巴細胞不是當前過程條件非常好的指示符或代表時，控制或從 存儲器80中去除淋巴細胞。 一般而言，可以基于時間因子(即，在存儲器 中存儲淋巴細胞的時刻可以用于確定該淋巴細胞是否應該從將來的使用中 去除的指示)，或基于使用(即，淋巴細胞獲取模塊76或隨機優化塊72使 用淋巴細胞的次數)，或基于這兩者(即，獲取模塊76或隨機優化塊72使 用淋巴細胞的時間長度)來管理存儲器或淋巴細胞庫。當然，其它標準可以 替代或附加來確定何時從存儲器80中去除特定的淋巴細胞。更進一步，下面以公式(2)的形式提供了優化算法的示例，其可以用 于最小化針對MV和CV變量定義的目標函數，并可以由圖2中的優化器 54使用，其中公式(2)為<formula>formula see original document page 30</formula>其中mvk——MV矢量中的第k個元素的值；cvk——CV矢量中的第k個元素的值；Nm——MV矢量中的元素數量；Nc——CV矢量中的元素數量；mvspk——MV矢量中第k個元素的設定點值；cvspk——CV矢量中第k個元素的設定點值；ak、 bk、 ck、 dk——目標函數中所選元素的權重。當然，公式(2)僅代表可以在優化模塊72或控制模塊78中實現的優 化例程或標準的一個示例，應該理解，可以使用其它優化標準替代，包括線 性規劃(LP)優化算法，以及其它非LP型的優化算法。再一次對免疫系統進行類推，應該理解，與任何特定淋巴細胞(即，穩 態過程操作條件)相關的目標函數的值，與有機體的健康狀況成反比。因此， 通過最小化目標函數，有機體的"好"條件被最大化。在以上優化算法中， 假定每個淋巴細胞都由組(MV, DV, CV)定義，其中CV是所測量的過程 對MV、 DV、 XV仿真的反應。此外，每個病菌是一組(DV， XV}。不過， 必須牢記的是，XV矢量包括未測量的或明顯不考慮的變量，因此基于檢測 DV矢量的變化來檢測新病菌的存在與否。于是，通過應用對免疫系統的類 推，檢測DV變化的DV變化檢測模塊74能履行生物學系統中T-淋巴細胞 的功能。利用對淋巴細胞和病菌結構的類推，可以i侖述優化系統70對未知病菌 (一組新的DV和XV變量)的反應方式，其代表人造免疫系統對過程變化 的"基本反應"。如同在生物免疫系統中一樣，該基本反應代表優化器70 響應于新的病菌而針對操作初期的操作，并且對應于優化器70學習適當響應的學習階段。于是，當DV矢量發生變化并且在適合或"記憶，，如何對新的病菌進行響應(即，新的DV條件)的存儲器80中沒有發現淋巴細胞時， 因為具有與病菌的DV矢量相關的相似DV矢量的存儲器80中沒有淋巴細 胞，優化系統70利用隨機優化方法開始搜索最優解決方案。在此情況下， 最優解決方案是與DV和XV矢量組合在一起的MV矢量，產生在使用MV、 CV、 DV和XV矢量組時最小化目標函數的CV矢量。不過，在獲得最優解 決方案之前，優化系統70將執行大量測試，使解決方案更接近最終的目標 函數的最小值。每個這種類型的測試產生可以存儲在存儲器80中的新的淋 巴細胞，因此，對新病菌的基本反應的結果導致基于存儲的淋巴細胞庫增加。 一般而言，在由MV、 DV、 XV和CV所限定的矢量空間中，最多的淋巴細 胞將在最優的淋巴細胞附近創建，因此，在該空間中，具有相似特征的淋巴 細胞將集中靠近彼此。這一特征使得免疫學存儲器的結構類似于自身專有的 結構。無論如何，人造免疫系統的且由優化器系統70使用的這種自學習特 征，將降低或去除對執行過程專家測試的合格工程人員的需要，這將降低安 裝勞動力的成本。此外，這種類型的淋巴細胞的每個集合可由自更新局域數學模型單元 84使用，以至少在矢量空間的該區域中產生代表過程操作的局域數學模型。 然后，這些模型可以用在隨機優化模式中，用于仿真/預測目的，并用于定 義病菌和淋巴細胞之間的距離，即分配應該用于去除或對病菌進行反應的淋 巴細胞群。在一種情況下，隨機優化塊72可以選擇所選的MV矢量，并使 用數學模型預測最終的CV矢量(假定DV和XV矢量當前與過程相關)， 然后利用目標函數分析該預測解決方案的最優性。另一方面，如果需要，隨 機優化塊72可以選擇所建議或所期望的CV變量組，并使用模型確定預測 的MV變量組，當輸入到過程中時其將產生該MV變量組。然后，模塊72 可以利用目標函數分析該預測過程控制狀態的最優性。當隨機優化模塊72 確定了預測為更優的解決方案時，將新的MV變量作為目標控制信號提供給 控制器，以將過程移向該預測最優點。當然，最終的實際過程控制狀態(可以作為新的淋巴細胞存儲在存儲器80中)可能不同于預測狀態，因此，模塊72可能重復操作，以確定更優的新的預測操作點。如上所述，病菌是矢量組pv， XV}。如果病菌的結構不需要矢量XV， 那么應基于對哪些所存儲的淋巴細胞具有與病菌相關的相似DV矢量的定 義，來選擇應該響應新的病菌而被仿真的淋巴細胞群。附加的矢量XV使這 項任務復雜化，因為優化系統70實際上可能不識別XV矢量元素的值。不 過，XV矢量中的信息隱含在由類似淋巴細胞群所構建的數學模型中，因為 該模型基于該矢量對過程的反應。作為示例，假定已經有病菌攻擊，那么 DV矢量變化，可能矢量XV也變化(盡管這種變化可能不可知或未測量)。 在響應時，優化器70選擇淋巴細胞群，對于該淋巴細胞群來說，當前MV 矢量對仿真的線性模型反應最接近當前CV矢量。于是，這里所述的基于免 疫學的優化器的最重要優點是，在優化過程期間隱含使用關于隱含擾動XV 的信息，例如在發電廠的燃燒操作中使用煤的燃燒值和濕度、研磨質量等。逐漸地，隨著時間流逝，優化系統70將"學習"對大多數可能的矢量 DV和XV組合作出反應。此時，在對新的病菌進行響應時，二次免疫反應 將占主導地位，其中在生物免疫反應情況下二次響應比基本響應快得多，也 有效得多。例如，如果系統受到病菌攻擊，該病菌類似于已經由于基本響應 而被防御過一次的病菌，那么系統將記住哪種淋巴細胞用于消滅該病菌。換 言之，系統知道哪個矢量MV能針對給定的DV、 XV組給出最好的結果。 有機體的二次防御反應提供具有MV變量組的目標，從所記憶的淋巴細胞可 知，該MV矢量應該接近最優解決方案。因此，它是隨機優化算法的起始點。 找到新的最優矢量MV需要進行比在基本響應情況下要少得多的測試。不 過，所進行的測試仍然會增加系統的免疫存儲，以便系統更進一步學習如何 有效防御病菌。這種學習表示在基本反應過程中所需的基本知識的改進，并 響應于系統中諸如過程設備老化之類的未檢測到的變化來更新系統。因此，應該理解，上述隨機優化基于在正在進行或在線操作的過程中進 行測試。因為每個測試都是對作為MV矢量變化結果的CV矢量輸出的進行觀察，所以這些變化不純粹是隨機的。此外，在搜索最小目標函數的過程中， 采用以具有相似特征的淋巴細胞群創建的數學模型是有幫助的。應該記住的 是，為了快速且有效地消滅病菌，如果它們類似于曾經攻擊過系統的那些病 菌，那么這足夠了。因此，作為從一群淋巴細胞開始的優化步驟，可以創建 新的淋巴細胞群。可見，如果系統正確地對不必與它所記住的那些相同的病 菌進行反應，那么使用在優化過程中來自模型的信息應該僅起輔助作用。因 此，隨機優化以確定MV矢量的偏差為基礎，相應地具有以數學模型為基礎創建的可能方案。此外，隨著新的和更近的淋巴細胞而被添加到存儲器80或知識庫中，數學模型可以隨時間演化。特別是，后代模型可以繼承母模型 的特征，并由于突變過程(改變優化方向的可能性)，可能創建新的淋巴細 胞群，即創建相似的但不同于母模型的后代模型。同時，在優化算法的整個 操作過程中，可以進行去除無效淋巴細胞并用新產生的來代替它們的過程， 這與先前提及的免疫系統的能力相適應，從而進行自我管理(例如，使數量80中去除。不過， 一般而言，作為基本反應(其中，在學習過程中，通常 產生大量新的淋巴細胞)和二次反應(其中，作為重新組合仿真的淋巴細胞 群的結果，產生新的淋巴細胞)的結果，淋巴細胞的數量將增加。于是，人造免疫系統理論在工廠優化和控制中的應用產生了自我調整系 統，當用在基于燃燒的發電廠中時，該自我調整系統提供以下主要優點(1) 通過對燃燒過程的優化，降低了工廠運行成本，同時隱含使用與未測量的或 很少測量的擾動有關的信息(例如，燃料參數、碳燃料研磨的操作質量等)； (2)通過減少時間和減少高資格的工程人員的勞動力，降低了發電廠的運 行成本；以及(3)對新的操作條件的永遠適應。這里所述的系統的操作能力通過構建動力鍋爐仿真器來驗證。在該仿真 系統中，使用下列參數MV群包括用于控制流向鍋爐的氣流的節氣閘的打開程度(根據鍋爐中節氣閘的定位，使用6種類型的節氣閘A， B, C， D， E， F),以及 廢氣中的氧氣含量。 DV群包括鍋爐負載，和向4個研磨機中的每個進給煤的速度。 XV群包括 煤燃燒值，和4個研磨機中每個的研磨質量。 CV群包括鍋爐左側的蒸汽溫度，鍋爐右側的蒸汽溫度，鍋爐左側廢氣的CO含量，鍋爐右側廢氣的CO含量，鍋爐左側廢氣的NOx含量，鍋爐右側廢氣的NOx含量，和鍋爐左側和右側之間氧氣含量之差。 系統的目標是將蒸汽溫度維持在540攝氏度，(華氏1004度)，將鍋爐左側和右側之間氧氣含量之差保持為0，最小化CO排放，以不超過500ppm的水平保持NOx排放，和 最小化煙灰和爐渣中可燃部分的含量。 該仿真所獲得的實際結果將使大能量設備的NOx排放降低10-25% ,并 將燃燒過程的效率提高0.1-1.0%,這會導致顯著的經濟節約。雖然先進控制和優化系統已經被圖示為具有位于同 一模塊或功能塊中 并因此在與控制器相同的裝置中執行的優化器，但是仍然有可能在單獨的裝 置中實現優化器70。特別是，優化器70可以位于例如用戶工作站13之一的不同裝置中，并在控制器的每次執行或掃描過程中，與結合圖2所述的控 制器通信，以計算和提供目標操縱變量給控制器。當然，任何所需的接口， 包括公知的OPC接口，可以用于在控制器與位于工作站或用于實現或執行 優化器的其它計算機內的優化器之間提供通信接口。如在參考圖2所述的實施例中所示，優化器54和控制器50可以但不必要在控制器50的每次掃描 周期中彼此通信以執行集成的優化控制。在任何情況下，任何所需類型的控雖然這里所述的先進控制塊和其它塊和例程，已經被描述為與現場總線 和標準4-20毫安設備結合使用，但是它們當然能利用任何其它過程控制通 信協議或編程環境來實現，并可以與任何其它類型的設備、功能塊或控制器 一起使用。盡管這里所述的先進控制塊和相關的產生和測試例程優選以軟件 形式實現，但是它們也可以用硬件、固件等實現，并可以由與過程控制系統 相關的任何其它處理器來執行。于是，這里所述的優化器和控制器例程可以 用標準的多用途CPU來實現，或在特別設計的硬件或固件上實現，例如， 如果需要可以在ASIC上實現。當用軟件實現時，該軟件可以存儲在任何計 算機可讀存儲器中，例如磁盤、激光盤、光盤或其它存儲介質，也可以存儲 在計算機或處理器的RAM或ROM中，等等。同樣地，該軟件可以經由任 何公知或所需的傳送方法傳送給用戶或過程控制系統，傳送方法例如包括在 計算機可讀盤上或其它可移動的計算機存儲機制，或通過諸如電話線、因特 網之類的通信信道被調制(這可以被視為與經由可移動存儲介質提供這類軟 件相同或可互換)。因此，雖然已經參考具體例子描述了本發明，其中這些例子僅是示例性 的，并不限制本發明，但是對于本領域的普通技術人員而言，明顯可以在不 偏離本發明的精神和范圍的情況下對所公開的實施例進行改變、添加或刪 除。
權利要求
1. 一種用于控制過程的過程控制系統，包括控制器，其適于使用一組目標控制信號值來產生一個或多個用于控制所述過程內一個或多個現場設備的過程控制信號；和優化器，其通信連接到所述控制器，并適于生成該組目標控制信號值，所述優化器包括存儲器，其用于存儲多個過程控制狀態，優化單元，其通信連接到所述存儲器，并適于使用所存儲的多個過程控制狀態來生成一系列所述目標控制信號值，供所述控制器在所述過程的穩態操作期間使用，以將所述過程驅向最優過程操作條件，變化檢測單元，其響應于一個或多個過程輸入，檢測當前過程狀態條件中的變化，和響應單元，其通過選擇所存儲的多個過程控制狀態中的一個或多個過程控制狀態，并使用所選擇的一個或多個過程控制狀態來產生在對當前過程狀態條件中的變化進行響應時由控制器使用的一組新的目標控制信號值，來對所檢測到的當前過程狀態條件中的變化進行響應。
2、 如權利要求1所述的過程控制系統，其中，每個過程控制狀態由一組過 程輸入和一組過程輸出定義，該組過程輸出由該組過程輸入產生。
3、 如權利要求2所述的過程控制系統，其中，針對特定過程控制狀態的那 組過程輸出包括由所述特定過程控制狀態的那組過程輸入應用于所述過程產 生的已測量過程變量的指示。
4、 如權利要求3所述的過程控制系統，其中，針對所述特定過程控制狀態 的已測量過程變量的每個指示是由所述特定過程控制狀態的那組過程輸入應用 于所述過程產生的穩態過程變量的指示。
5、 如權利要求2所述的過程控制系統，其中，針對特定過程控制狀態的那 組過程輸入包括控制輸入和擾動輸入。
6、 如權利要求5所述的過程控制系統，其中，所述擾動輸入包括測量的、或者根據所述過程的操作離線確定的擾動輸入。
7、 如權利要求1所述的過程控制系統，其中，所述優化器包括模型創建單 元，其根據一個或多個所存儲的過程控制狀態創建一個或多個所述過程的模型。
8、 如權利要求1所述的過程控制系統，其中，所述優化單元包括目標函數，并使用該目標函數來確定兩個或更多過程控制狀態的相對最優性，以生成將所 述過程驅向最優過程操作條件的那組目標控制信號。
9、 如權利要求8所述的過程控制系統，其中，所述目標函數是用戶可定義的。
10、 如權利要求1所述的過程控制系統，進一步包括過程控制狀態管理器， 其操作以控制存儲在所述存儲器中的過程控制狀態的數量。
11、 如權利要求IO所述的過程控制系統，其中，所述過程控制狀態管理器 適于根據一個或多個過程控制狀態已經在所述存儲器中存儲的時間長度來去除 所述一個或多個所存儲的過程控制狀態。
12、 如權利要求IO所述的過程控制系統，其中，所述過程控制狀態管理器 適于根據由所述優化單元或響應單元對一個或多個過程控制狀態的使用率的指 示來去除所述一個或多個所存儲的過程控制狀態。
13、 如權利要求1所述的過程控制系統，其中，所述那組目標控制信號包 括表示由所述控制器在將來某時刻輸出的一個或多個過程控制信號的信號。
14、 如權利要求1所述的過程控制系統，其中，所述控制器是比例積分微 分控制器。
15、 如權利要求1所述的過程控制系統，其中，所述控制器執行多個單回 路控制例程，并且所述那組目標控制信號值包括針對每個所述單回路控制例程 的目標控制信號值。
16、 如權利要求1所述的過程控制系統，其中，所述控制器執行多輸入/多 輸出控制例程，并且所述那組目標控制信號值包括針對所述多輸入/多輸出控制 例程的每個輸入或輸出的目標控制信號值。
17、 如權利要求1所述的過程控制系統，其中，所述響應單元將所檢測到的變化的過程狀態條件與存儲在所述存儲器中的至少一些過程控制狀態進行比 較，并基于所述比較結果選擇所存儲的多個過程控制狀態中的一個或多個過程 控制狀態。
18、 如權利要求1所述的過程控制系統，其中，所述變化沖企測單元4企測與所述過程相關的擾動變量中的變化，以檢測所述當前過程狀態條件中的變化。
19、 一種控制過程的方法，包括在過程正在操作期間的多個時間確定一組過程輸入和輸出變量的值，以確 定多個過程控制狀態；存儲所述多個過程控制狀態中各個過程控制狀態的指示；并且當所述過程不是正在經歷一個或多個過程擾動中的顯著變化時，通過周期 性地向所述過程提供新的控制輸入來優化所述過程的操作，所述新的控制輸入 被配置成將所述過程移向更優化的過程控制狀態；并且當所述過程經歷一個或多個過程擾動中的顯著變化時，基于所存儲的多個 過程控制狀態的指示中的一個或多個指示確定將被提供給所述過程的一組控制 輸入，并響應于所述一個或多個過程擾動中的顯著變化，利用該組控制輸入控 制所述過程，以將所述過程移向更優化的過程控制狀態。
20、 如權利要求19所述的方法，其中，基于所存儲的多個過程控制狀態的 指示中的一個或多個指示確定將被提供給所述過程的一組控制輸入的步驟包 括將在所述一個或多個過程擾動中的顯著變化之后的所述過程的過程控制狀 態與所存儲的所述多個過程控制狀態的指示進行比較，并基于所述比較結果選 擇所存儲的多個過程控制狀態的指示中的一個或多個指示。
21、 如權利要求20所述的方法，其中，所述多個過程控制狀態中每個過程 控制狀態的每個指示包括一組過程輸入和由該組過程輸入應用于所述過程產生 的一組過程輸出。
22、 如權利要求21所述的方法，其中，所述那組過程輸出包括由那組過 程輸入的應用產生的已測量穩態過程變量的指示。
23、 如權利要求21所述的方法，其中，所述那組過程輸入包括至少一個控制輸入和至少一個擾動輸入。
24、 如權利要求21所述的方法，其中，優化所述過程的"l喿作的步驟包括 使用所存儲的過程控制狀態來預測新的過程控制狀態，并基于預設的優化標準 分析所述新的過程控制狀態的最優性。
25、 如權利要求24所述的方法，其中，基于預設的優化標準分析所述新的 過程控制狀態的最優性的步驟包括利用包括與一個或多個過程輸出相關的、 以及與一個或多個過程輸入相關的因子的目標函數，來定義所述優化標準。
26、 如權利要求24所述的方法，其中，優化所述過程的操作的步驟包括 根據所存儲的過程控制狀態生成過程模型，并利用所生成的過程模型預測所述 新的過程控制狀態。
27、 如權利要求21所述的方法，進一步包括通過從所述存儲器中去除一 個或多個過程控制狀態的指示，限制存儲在所述存儲器中的過程控制狀態的指 示的數量。
28、 如權利要求27所述的方法，其中，從所述存儲器中去除一個或多個過 程控制狀態的指示的步驟包括根據一個或多個過程控制狀態的指示已經在所 述存儲器中存儲的時間長度、或根據響應于一個或多個過程擾動中的變化對所 述一個或多個過程控制狀態的使用量的指示，去除所述一個或多個過程控制狀 態的指示。
29、 如權利要求20所述的方法，其中，所述多個過程控制狀態中每個過程 控制狀態的每個指示包括一組過程控制輸入和由該組過程控制輸入應用于所述 過程產生的一組過程輸出，并且基于所存儲的多個過程控制狀態的指示中的一 個或多個指示確定將被提供給所述過程的一組控制輸入的步驟包括根據所存 儲的多個過程控制狀態的指示中一個或多個指示的控制輸入，確定那組過程控 制輸入。
30、 一種優化過程操作的方法，包括通過確定一組過程輸入每個過程輸入的值和一組過程輸出中每個過程輸出 的值，來確定過程正在操作期間的多個過程控制狀態，該組過程輸出由該組過程輸入應用于所述過程從而定義特定的過程控制狀態而產生；在存儲器中存儲所述多個過程控制狀態中每個過程控制狀態的指示；并且 通過基于至少一個所存儲的過程控制狀態的指示預測所述過程對所^提出的 一組過程控制輸入的響應，并利用最優性標準分析所提出的那組過程控制輸入 的最優性，周期性地確定將被用于控制所述過程的一組新的過程控制輸入，其 中所述最優性標準使用所提出的那組過程控制輸入以及由所提出的那組過程控 制輸入產生的一組預測的過程控制輸出。
31、 如權利要求30所述的方法，其中，周期性地確定一組新的過程控制輸 入的步驟包括根據一個或多個所存儲的過程控制狀態的指示生成過程;漠型， 并使用所生成的過程模型來根據所提出的那組過程控制輸入生成預測的過程控 制輸出。
32、 如權利要求30所述的方法，其中，周期性地確定一組新的過程控制輸 入的步驟包括根據一個或多個所存儲的過程控制狀態的指示生成過程模型， 選擇所期望的一組過程控制輸出作為那組預測的過程控制輸出，并使用所生成 的過程模型和選擇的所期望的那組過程控制輸出來確定所提出的那組過程控制 輸入。
33、 如權利要求30所述的方法，其中，確定過程正在操作期間的多個過程 控制狀態的步驟包括確定一組過程控制輸入中每個過程控制輸入的值以及一 組過程擾動輸入中每個過程擾動輸入的值。
34、 如權利要求33所述的方法，其中，周期性地確定將被用于控制所述過 程的一組新的過程控制輸入的步驟包括通過分析當前過程控制狀態的擾動輸 入的值和存儲在所述存儲器中的過程控制狀態的擾動輸入的值之間的相對差 異，確定至少一個所存儲的過程控制狀態。
35、 一種控制過程的方法，包括通過確定一組過程輸入中每個過程輸入的值和一組過程輸出中每個過程輸 出的值，來確定過程正在操作期間的多個過程控制狀態，該組過程輸出由該組 過程輸入應用于所述過程從而定義特定的過程控制狀態而產生；在存儲器中存儲所述多個過程控制狀態中每個過程控制狀態的指示；監測所述過程的當前狀態，以確定所述過程何時經歷顯著變化；并且當所述過程經歷顯著變化時，基于所存儲的多個過程控制狀態的指示中的 一個或多個指示確定將被提供給所述過程的一組控制輸入，并響應于所述顯著 變化，利用所確定的那組控制輸入控制所述過程，以將所述過程移向更優化的 過程控制狀態。
36、 如權利要求35所述的控制過程的方法，其中，監測所述過程的當前狀 態的步驟包括監測被提供給所述過程的那組過程輸入，以確定被提供給所述 過程的那組過程輸入中一個或多個過程輸入中的顯著變化。
37、 如權利要求35所述的控制過程的方法，其中，所述那組過程輸入中的 每個過程輸入包括一個或多個擾動輸入，并且監測所述過程的當前狀態的步驟 包括監測施加給所述過程的擾動輸入，以確定施加給所述過程的一個或多個 擾動輸入中的顯著變化。
38、 如權利要求35所述的控制過程的方法，其中，基于所存儲的多個過程 控制狀態的指示中的一個或多個指示確定將被提供給所述過程的一組控制輸入 的步驟包括將所述過程的當前狀態與所存儲的過程控制狀態的指示進行比較， 并基于所述比較結果確定所存儲的多個過程控制狀態的指示中的一個或多個指 示以供使用。
39、 如權利要求38所述的控制過程的方法，其中，將所述過程的當前狀態 與所存儲的過程控制狀態的指示進行比較的步驟包括將所述過程的當前狀態 的過程輸入與所存儲的多個過程控制狀態中至少 一些過程控制狀態的指示的過 程輸入進行比較。
40、 如權利要求38所述的控制過程的方法，其中，針對每個過程控制狀態 的那組過程輸入中的每個過程輸入包括一個或多個過程擾動輸入，并且將所述 過程的當前狀態與所存儲的過程控制狀態的指示進行比較的步驟包括將所述 過程的當前狀態的過程擾動輸入與所存儲的多個過程控制狀態中至少一些過程 控制狀態的指示的過程擾動輸入進行比較。
全文摘要
集成的優化和控制技術以相似于生物免疫系統工作的方式利用隨機優化執行過程控制和優化，并且不使用必須在使控制和優化例程在工廠中操作之前就創建的歷史過程模型。特別是，集成的優化和控制技術在過程的在線操作期間，采集各種過程控制狀態的指示，并將這些過程控制狀態存儲在存儲器中。在過程的穩態操作期間，集成的優化和控制技術試圖通過生成一系列提供給過程的過程控制輸入組來優化過程操作，其中所述一系列的過程控制輸入可以根據所存儲的過程控制狀態利用目標函數來生成，所述目標函數定義了將用于優化過程操作的特定優化標準。此外，集成的優化和控制技術可以通過基于一個或多個所存儲的過程控制狀態確定將提供給過程一組新的過程控制輸入，對當前過程操作狀態中的顯著變化作出響應。在這種情況下，優化和控制技術可以在這些擾動輸入中的一個或多個經歷顯著變化后，將當前過程控制操作條件的擾動輸入與至少一些所存儲的過程控制狀態的擾動輸入進行比較，以確定所存儲的過程控制狀態中最接近新過程操作條件的一個或多個過程控制狀態。然后，集成的優化和控制技術可以基于與被確定為最接近新過程操作條件的一個或多個所存儲的過程控制狀態相關的控制輸入，生成將被傳送給過程的一組新的控制輸入。
文檔編號G05B13/02GK101266462SQ200710138038
公開日2008年9月17日 申請日期2007年8月2日 優先權日2006年8月2日
發明者康拉德·斯維爾斯基, 康拉德·沃伊丹, 托馬什·喬米亞克, 杰弗里·J·威廉姆斯, 杰弗里·J·格羅特 申請人:艾默生過程管理電力和水力解決方案有限公司;康拉德·斯維爾斯基;托馬什·喬米亞克;康拉德·沃伊丹