Introduction to Process Control: Analysis, Mathematical Modeling, Control and Optimization

این کتاب درسی برای مقطع کارشناسی ارشد مقدماتی در مورد کنترل فرآیند در نظر گرفته شده است که در اکثر برنامه های درسی مهندسی تدریس می شود. بر روی تکنیک‌ها و روش‌های آماری کنترل و بهینه‌سازی سیستم مورد نیاز برای مدل‌سازی ریاضی، تحلیل، شبیه‌سازی، کنترل و بهینه‌سازی فرآیندهای تولید چند متغیره تمرکز دارد. در چهار بخش، موارد زیر را پوشش می‌دهد:

1. روش‌های ریاضی مرتبط، از جمله رویدادهای تصادفی، متغیرها و فرآیندها، و ویژگی‌های آنها. فواصل تخمین و اطمینان؛ برنامه های کاربردی Bayes; تحلیل همبستگی و رگرسیون؛ تجزیه و تحلیل خوشه های آماری; و تجزیه ارزش منفرد برای کاربردهای طبقه‌بندی.
2. توضیح ریاضی فرآیندهای تولید، از جمله مدل‌های استاتیک و پویا. اعتبارسنجی مدل؛ فواصل اطمینان برای پارامترهای مدل؛ تجزیه و تحلیل اجزای اصلی؛ روش های حداقل مربعات متعارف و بازگشتی. حداقل مربعات غیر خطی؛ و مدل‌های زمان پیوسته، زمان گسسته، دامنه s و دامنه Z.
3. کنترل فرآیندهای تولید، از جمله مدل‌های ماتریس تابع/انتقال. مدل های متغیر حالت؛ روشهای کنترل کلاسیک گسسته کنترل زمان گسسته متغیر حالت. ناظران/برآورنده های دولتی در سیستم های کنترل؛ روش های کنترل جداسازی؛ و روش‌های کنترل تطبیقی.
4. روش‌ها و کاربردهای بهینه‌سازی سیستم، از جمله بهینه‌سازی بدون محدودیت و محدود. روش های بهینه سازی تحلیلی و عددی؛ استفاده از توابع مجازات؛ روش های برنامه ریزی خطی؛ روش های گرادیان؛ روش های جستجوی مستقیم؛ بهینه سازی ژنتیکی؛ روش ها و کاربردهای برنامه نویسی پویا؛ و کاربردهایی در تخمین، طراحی، کنترل و برنامه ریزی.

هر بخش از کتاب شامل تمرینات پایان فصل است و کتاب برای هر سیستمی، الکتریکی، شیمیایی مناسب خواهد بود. ، یا برنامه مهندسی صنایع، زیرا بر روی خود فرآیندها تمرکز می کند و نه بر محصول در حال تولید. دانش آموزان قادر خواهند بود یک مدل ریاضی از هر فرآیند تولیدی به دست آورند، یک سیستم کنترل مبتنی بر کامپیوتر برای یک فرآیند تولید پیوسته خاص طراحی کنند و بتوانند یک مسئله مهندسی را از نظر بهینه سازی، و همچنین توانایی انتخاب و فرمول بندی کنند. تکنیک بهینه سازی مناسب را اعمال کنید.

This textbook is intended for an introductory graduate level on process control, taught in most engineering curricula. It focuses on the statistical techniques and methods of control and system optimization needed for the mathematical modeling, analysis, simulation, control and optimization of multivariable manufacturing processes. In four sections, it covers:

1. Relevant mathematical methods, including random events, variables and processes, and their characteristics; estimation and confidence intervals; Bayes applications; correlation and regression analysis; statistical cluster analysis; and singular value decomposition for classification applications.
2. Mathematical description of manufacturing processes, including static and dynamic models; model validation; confidence intervals for model parameters; principal component analysis; conventional and recursive least squares procedures; nonlinear least squares; and continuous-time, discrete-time, s-domain and Z-domain models.
3. Control of manufacturing processes, including transfer function/transfer matrix models; state-variable models; methods of discrete-time classical control; state variable discrete-time control; state observers/estimators in control systems; methods of decoupling control; and methods of adaptive control.
4. Methods and applications of system optimization, including unconstrained and constrained optimization; analytical and numerical optimization procedures; use of penalty functions; methods of linear programming; gradient methods; direct search methods; genetic optimization; methods and applications of dynamic programming; and applications to estimation, design, control, and planning.

Each section of the book will include end-of-chapter exercises, and the book will be suitable for any systems, electrical, chemical, or industrial engineering program, as it focuses on the processes themselves, and not on the product being manufactured. Students will be able to obtain a mathematical model of any manufacturing process, to design a computer-based control system for a particular continuous manufacturing process, and be able to formulate an engineering problem in terms of optimization, as well as the ability to choose and apply the appropriate optimization technique.