磨矿过程的多变量模糊监督控制

针对磨矿过程的关键工艺指标-磨矿粒度难以用现有控制方法进行有效控制的难题,提出一种由模糊监督器、磨矿控制回路预设定模型和磨矿粒度预报器组成的磨矿过程多变量模糊监督控制(MFSC)方法.MFSC方法用于对磨矿过程进行监督,根据工况变化对回路控制器设定值进行调整.通过控制回路跟踪调整后的设定值,可将磨矿粒度控制在期望目标范围内.工业试验表明了所提出方法的有效性.     

一类工业过程运行反馈优化控制方法

为了克服流程工业运行优化中控制回路闭环系统的动态误差对运行优化性能的影响,本文针 对一类工业过程提出了使运行指标实际值与目标值偏差和控制回路输出与设定值跟踪误差的二次性能 指标极小化的运行优化反馈控制方法. 该方法由运行层设定值反馈控制和回路控制层设定值跟踪控制组成,其中设定值反馈控制采用基于LMI的 模型预测控制,回路控制采用衰减率可调的带有积分项的状态反馈调节律. 本文给出了保证运行优化反馈控制闭环系统渐近稳定的充分条件,并开展了浮选过程运行优化反馈控制仿 真实验,实验结果表明所提方法的有效性.     

数据驱动的复杂磨矿过程运行优化控制方法

针对赤铁矿磨矿过程的磨矿粒度（Grinding particle size,GPS）与控制回路输出之间的动态特性难以用数学模型描述,且磨矿粒度不能在线测量,并受矿石成分与性质频繁波动干扰,难以采用已有运行优化方法的难题,结合磨矿过程的特点,利用数据,采用神经网络,提出由回路预设定值优化、性能指标估计、优化设定值评价以及磨矿粒度软测量组成的数据驱动的磨矿过程运行优化控制方法. 该方法由磨矿粒度软测量估计矿浆粒度,通过回路预设定值优化模块求得使性能指标估计值接近最优值的回路预设定值,经优化设定值评估产生回路设定值,最后通过控制回路跟踪设定值,将矿浆粒度控制在目标值范围内并尽可能的接近目标值. 通过研制的运行优化与控制研究平台,采用实际运行数据进行仿真实验,表明所提方法的有效性.     

工业过程运行的解耦内模控制方法

工业过程运行控制的目的是实现反映过程整体运行性能的工艺指标. 将常规解耦内模控制(Internal model control, IMC)进行推广, 提出了优化过程运行的解耦IMC方法. 通过对广义解耦内模控制器的设计获得了具有高维解耦能力、鲁棒稳定性和抗干扰能力强的回路设定模型. 该模型能够响应系统的各种不确定性和干扰, 对回路设定值进行调整, 通过控制回路的输出跟踪调整后的设定值, 从而实现期望的工艺指标. 磨矿回路运行的解耦IMC设计实例及仿真验证了所提方法的有效性.     

基于案例推理增强学习的磨矿过程设定值优化

磨矿粒度和循环负荷是磨矿过程产品质量与生产效率的关键运行指标,相对于底层控制偏差,回路设定值对其影响要严重的多.然而,磨矿过程受矿石成分与性质、设备状态等变化因素影响,运行工况动态时变,难以建立模型,因此难以通过传统的模型方法优化回路设定值.本文将增强学习与案例推理相结合,提出一种数据驱动的磨矿过程设定值优化方法.首先根据当前运行工况,采用基于Prey-Predator优化的案例推理方法,决策出可行的基于Elman神经网络的Q函数网络模型;然后利用实际运行数据,在增强学习的框架下,根据Q函数网络模型优化回路设定值.在基于METSIM的磨矿流程模拟系统上进行实验研究,结果表明所提方法可根据工况变化在线优化回路设定值,实现磨矿运行指标的优化控制.     

基于参量预报的磁选管回收率智能优化控制

竖炉焙烧过程的关键工艺指标磁选管回收率难以实时测量,因而实现优化控制很困难.将优化设定、参量预报与回路控制技术相结合,提出一种磁选管回收率的智能优化控制方法.基于案例推理的优化设定模型根据工况的变化和磁选管同收率的实时预报值给出基础控制回路的设定值,并通过先进的控制方法实现回路的稳定控制.该方法应用于竖炉焙烧过程的生产实际,使磁选管回收率的实际值保持在其目标值范围内,取得显著应用成效.     

从数据中提取生料浆配料过程运行控制的模糊规则

将减法聚类、神经网络、最相邻原则、对提取后的规则进行调整等方法相结合,从过程数据中自动提取出模糊规则,从而实现在氧化铝生料浆配料过程中将生料浆的各项质量指标控制在目标值范围内.某氧化铝厂的应用结果表明,所提取的模糊规则不仅具有良好的完备性和可解释性,同时可根据工况的变化自动调整各个控制回路的设定值,实现了该过程的优化运行.     

工业过程多速率分层运行优化控制

工业过程运行优化控制通常采用基础回路层和运行层两层结构,涉及不同时间尺度特性的被控对象,且由于检测装置采样周期不同难以统一控制与采样周期;此外,运行层动态往往机理复杂难以建模.因此针对这一多层次、多时间尺度且部分模型未知的复杂多速率控制问题,本文提出一种工业过程多速率分层运行优化控制方法.该方法在使用提升技术解决分层多速率问题的基础上,采用一种基于Q-!学习的数据驱动运行层设定值优化方法,更新基础回路层的设定值;并针对提升后的系统采用模型预测控制（Model predictive control,MPC）方法设计基础回路层控制器以跟踪设定值,从而实现运行指标的优化控制.对典型工业闭路磨矿过程进行了仿真实验,验证了本文所提方法的有效性.     

端边云协同的复杂工业过程运行控制智能系统

针对难以建立数学模型的复杂工业运行控制过程,利用可获得的过程控制系统设定值和运行指标以及相关变量的工业大数据和运行控制过程特性,将系统辨识与深度学习相结合,建立以实际运行指标以及相关变量为输入,以实际过程控制系统设定值为输出的运行控制过程数字孪生模型,提出云-边协同的过程控制系统设定值智能控制方法.所提出方法由云-运行控制过程数字孪生模型、边-过程控制系统设定值智能控制模型和自校正机制组成.将工业互联网与工业过程控制系统相结合,提出端边云协同的工业运行控制智能系统的架构和功能,采用所提出控制系统设定值智能控制方法,研制工业过程运行控制智能系统,并在选矿关键设备—–高压辊磨成功应用.所提出系统安全、可靠和优化运行,取得了显著的节能减排效果.     

复杂工业过程运行优化与反馈控制

过程控制不仅使被控对象的输出尽可能好地跟踪控制器设定值, 而且要对整个工业装置的运行进行控制, 使反映产品在该装置加工过程中质量、效率与消耗等指标, 即运行指标在目标值范围内, 尽可能提高质量与效率指标, 尽可能降低消耗指标, 即实现工业过程运行优化控制. 本文在综述了已有的运行优化与控制方法的基础上, 重点介绍了复杂工业过程的数据驱动的混合智能运行优化控制和运行控制半实物仿真系统, 并以赤铁矿磨矿过程为应用研究案例, 仿真实验和工业应用结果表明所提方法的有效性, 并指出了复杂工业过程运行优化控制研究需要关注的问题.     

Hybrid intelligent control for optimal operation of shaft furnace roasting process

A hybrid intelligent control method is proposed to control the technical indices into their desired range. This is realized by on-line adjusting the set-points of control loops for optimal operation of the shaft furnace in response to changes in operating points. The controller consists of six modules, namely a pre-setting model for control loop set-points, a predictive model for technical index, a feedforward compensator using predictive model, a feedback compensator, a fault working situation diagnosis and a fault tolerant control model. The proposed approach has been successfully applied to the roasting process of shaft furnace in a mineral processing plant in China and its efficiency has been verified by the practical application results.     

On-line inference of tube-wall temperature in an industrial olefin pyrolysis plant

A major difficulty in the efficient functioning of industrial pyrolysis is the lack of suitable on-line tube-wall temperature measurements. In this paper, an inferential scheme is developed to predict the tube-wall temperature, which is called skin temperature, in an industrial olefin pyrolysis plant. Based on a theoretically-derived model, the skin temperature is predicted from the available on-line measured process variables, such as gas temperature around the tube, fuel gas flowrate, and naphtha feed flowrate. Using the infrequently off-line measured skin temperature with the on-line measurements, adjustable parameters of the model are updated on-line according to the Kalman filter technique. The application of this scheme then is illustrated using operating data obtained from an industrial olefin pyrolysis plant. The results of the proposed scheme show that, by taking infrequent measurements of the skin temperature for model adaptation, the skin temperature can be predicted successfully for every tube in the pyrolysis over an extended time interval. Simulations suggest that as few as one or two manual measurements of the skin temperature, taken during the entire cracking operation, provide sufficient information to maintain the developed inferential system at a practical level.     

Intelligent Optimal-Setting Control for Grinding Circuits of Mineral Processing Process

During the operation of a grinding circuit (GC) in mineral processing plant the main purpose of control and optimal operation is to control the product quality index, namely the product particle size, into its technically desired ranges. Moreover, the grinding production rate needs to be maximized. However, due to the complex dynamic characteristics between the above two indices and the control loops, such control objectives are difficult to achieve using existing control methods. The complexity is reflected by the existence of process heavy nonlinearities, strong coupling and large time variations. As a result, the lower level loop control with human supervision is still widely used in practice. However, since the setpoints to the involved control loops cannot be accurately adjusted under the variations of the boundary conditions, the manual setpoints control cannot ensure that the actual production indices meet with technical requirements all the time. In this paper, an intelligent optimal-setting control (IOSC) approach is developed for a typical two-stage GC so as to optimize the production indices by auto-adjusting on line the setpoints of the control loops in response to the changes in boundary conditions. This IOSC approach integrates case-based reasoning (CBR) pre-setting controlling, neural network (NN)-based soft-sensor and fuzzy adjusting into one efficient control model. Although each control element is well known, their innovative combination can generate better and more reliable performance. Both industrial experiments and applications show the validity and effectiveness of the proposed IOSC approach and its bright application foreground in industrial processes with similar features.     

Knowledge-elicitation and data-mining: Fusing human and industrial plant information

Knowledge-elicitation is a common technique used to produce rules about the operation of a plant from the knowledge that is available from human expertise. Similarly, data-mining is becoming a popular technique to extract rules from the data available from the operation of a plant. In the work reported here knowledge was required to enable the supervisory control of an aluminium hot strip mill by the determination of mill set-points. A method was developed to fuse knowledge-elicitation and data-mining to incorporate the best aspects of each technique, whilst avoiding known problems. Utilisation of the knowledge was through an expert system, which determined schedules of set-points and provided information to human operators. The results show that the method proposed in this paper was effective in producing rules for the on-line control of a complex industrial process.     

磨矿过程磨机负荷的智能监测与控制

磨机过负荷是磨矿过程的常见故障工况, 如果不及时、准确处理, 就会造成磨矿产品质量变坏甚至磨矿生产的停顿. 采用规则推理(RBR)和统计过程控制(SPC)技术, 提出了由SPC机制、过负荷监测模块和监督控制器构成的磨机负荷智能监测与控制方法. 该方法通过对磨机过负荷的智能监测与诊断, 由监督控制器自动修改控制回路的设定值, 通过控制回路的输出跟踪修改后的设定值, 使磨机负荷逐渐远离过负荷状态. 工业应用表明, 该方法能够实现磨矿生产的安全、稳定和连续运行.     

多变量解耦控制的工业过程运行层次控制方法

基于多变量解耦控制技术,提出了一种工业过程运行的层次控制方法,用于实现表征过程整体运行性能的工艺指标.底层回路控制系统采用多回路PI/PID控制技术进行设计,用于将关键工艺参数控制在给定的工作点.针对中被控过程和底层回路控制系统构成的文义对象,采用扩展的单位反馈解耦方法设计上层回路设定控制器,该回路设定控制器能够克服系...     

城市污水处理过程动态多目标智能优化控制研究

城市污水处理过程(Municipal wastewater treatment process, MWWTP)是一个典型的复杂流程工业过程, 其优化运行涉及到多个动态性能指标. 为了实现城市污水处理运行过程的优化控制, 本文提出了一种城市污水处理过程动态多目标智能优化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一种基于自适应核函数的动态性能指标模型, 实现了城市污水处理关键性能指标的准确描述; 其次, 设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多样性和收敛性, 完成了溶解氧和硝态氮优化设定值的实时获取; 最后, 利用多回路PID控制方法对溶解氧和硝态氮优化设定值进行控制, 实现了城市污水处理过程安全稳定运行. 将提出的DMIOC应用于城市污水处理基准仿真平台, 实验结果显示: DMIOC 能够提高溶解氧和硝态氮的控制效果, 实现城市污水处理过程出水水质达标, 并降低运行成本.