金氰化浸出过程建模及实时优化自适应策略

以金氰化浸出过程为背景,基于物料守恒方程建立动态机理模型,用Tikhonov正则化方法估计动力学反应速度,进而辨识模型未知参数,有效降低了测量噪声对估计及辨识结果的影响;采用实时优化约束自适应方法减小模型参数失配对优化结果的影响.仿真结果表明,在模型参数失配时,所提出的方法仍能收敛到实际过程的最优设定点,不必求实际数据梯度,且受噪声影响小,便于实际应用,为湿法冶金全流程优化控制的顺利实施奠定了基础.     

金氰化浸出过程的自优化控制

针对湿法冶金金氰化浸出过程的实时优化问题,提出一个自优化控制方案.基于系统的参数不确定模型,选择并求解输出变量的线性组合为被控变量,在反馈控制器作用下跟踪其恒定设定值,实现浸出过程在不确定性扰动下的自优化控制.仿真结果验证了该控制方案的有效性:扰动产生时,系统的经济指标在常规控制作用下得到改善,并最终运行于真实的最优点附近,提高了浸出过程的生产效益.     

基于区间数的黄金湿法冶炼过程建模与优化研究

针对黄金湿法冶炼生产过程中某些关键变量不能准确在线测量，导致局部工序无法定量建模、难以基于定量模型实现过程优化控制的问题，提出一种基于区间数的过程分层优化方法.在对黄金湿法冶炼生产过程特点进行分析的基础上，提出了基于区间数的过程分层优化框架.基于专家知识和现场操作人员经验等信息，建立了调浆过程的模糊定性模型.结合氰化浸出和置换等工序的定量模型及调浆过程的定性模型，建立了以综合经济效益最大为优化目标的黄金湿法冶炼生产过程优化模型.针对模糊定性模型的每一输出模态，利用区间数代替无法检测关键变量，提出了基于区间优化和分层优化思想相结合的优化方法，实现了黄金湿法冶炼过程的优化.与传统全流程优化方法的仿真对比实验表明，所提方法在具有不确定性的流程工业生产过程优化中具有一定的应用价值.     

基于自适应卡尔曼滤波的导航信息融合方法

针对组合导航系统在测量噪声未知的情况下,常规自适应卡尔曼滤波方法的实时性难以满足的问题,提出了一种实时的自适应卡尔曼滤波方法.该方法通过一个简单的指数函数实时调节卡尔曼滤波模型中的测量噪声协方差矩阵,将测量噪声的理论协方差矩阵与实际协方差矩阵的差值作为指数函数的输入,将函数的输出值与上次测量噪声的协方差矩阵之和送入卡尔...     

基于多输出最小二乘支持向量回归建模的自适应非线性预测控制及应用

提出一种可有效提高常规预测控制方法控制性能与计算效率的数据驱动自适应非线性模型预测控制方法.首先,为了提高多输出非线性系统最小二乘支持向量回归(least squares support vector regression, LS–SVR)建模的精度,考虑各维输出间的耦合关系,采用在目标函数中加入样本整体拟合误差项,实现多输出LS–SVR(multi-output LS–SVR,M–LS–SVR)预测建模,同时采用粒子群算法优化模型参数;其次,针对动态过程建模的模型失配问题以及由于M–LS–SVR模型复杂导致传统智能算法求解预测控制律缓慢的问题,提出自适应非线性模型预测控制策略,包括两个非线性优化层:第1层采用梯度下降算法实时优化模型和实际过程输出的偏差,以自适应调节模型参数;第2层采用具有全局收敛性和超线性收敛速度序列二次规划(sequential quadratic programming, SQP)算法设计非线性预测控制器,以加速预测控制律的求解速度. Benchmark仿真实例及在高炉炼铁过程的数据试验表明:所提基于M–LS–SVR预测建模的自适应非线性模型预测控制具有较快的求解速度、较好的设定值跟踪和干扰抑制性能以及较强的鲁棒性.     

污水处理过程出水水质多模型在线软测量方法

针对污水处理过程出水水质参数难以在线监测的问题,提出了一种多模型在线软测量方法。该方法根据污水处理过程中实时工况数据具有聚类和迁移属性的特点,利用在线减法聚类算法将实时工况数据样本进行划分,并根据实时工况数据在样本空间中的分布,采用模糊策略将相应子空间的实时工况数据分配给不同的子模型进行学习,最后通过动态集成各子模型的输出而得到最终软测量结果。以某污水处理厂实际运行数据对污水处理过程出水水质氨氮进行预测,实验结果表明,该方法确实能够以实时工况数据为驱动自组织构建多模型软测量模型,且用该方法构建出的多模型软测量模型无论在建模精度、建模速度以及跟踪实时工况的能力等方面都有所提高。     

基于鲁棒估计的氧化铝蒸发过程数据协调

针对氧化铝蒸发过程实时检测数据存在随机误差或显著误差、出口物料浓度检测滞后大,导致实测数据难以真实反映实际生产状态的现状,本文在蒸发过程多点稳态检测研究的基础上,利用基于核偏最小二乘法的出口物料浓度软测量结果提供的有效信息,建立以污染正态分布的鲁棒估计函数为优化目标的数据协调模型,并采用遗传算法求解获得蒸发过程的协调数据.实际计算结果表明,该协调模型能避免显著误差的影响,实现测量数据的可靠在线协调计算,为过程操作调节提供依据.     

基于GA-RBF网络的乙烯裂解炉在线操作优化

基于OPC技术实现过程数据的实时采集,并对所需变量进行数据滤波与异常检测,再利用RBF神经网络建立乙烯裂解炉过程多输入多输出(MIMO)裂解产物收率在线软测量模型以及模型校正方法,以乙烯和丙烯收率之和最大为目标,基于遗传算法对RBF神经网络模型进行操作优化,得到裂解过程的最优操作条件以指导生产.实际的工业应用表明,该方法提高了乙烯和丙烯的收率,具有良好的适应性和稳定性,对实际生产有重要的指导意义.     

基于AFSA-MVRVM的MTO反应过程双烯收率软测量

针对采用关联向量机进行软测量建模所存在的多输出建模问题,提出了一种鱼群优化算法(AFSA)—多输出关联向量机(MVRVM)软测量建模方法。通过加权组合全局性Poly核函数和局部性Gauss核函数,形成混合核函数多输出关联向量机模型,有效融合多特征数据信息;然后采用鱼群优化算法对多输出关联向量机模型的相关核参数进行优化,以进一步改善模型的输出精度和稳定性。将该建模方法应用于甲醇制烯烃生产过程(MTO)反应器出口乙烯和丙烯(简称双烯)收率软测量研究中,结果表明:采用该建模方法所建立的软测量模型能有效预测双烯收率变化,具有较高的预测精度和稳定性,这可为复杂化工过程多参数监测与控制提供有力的技术方法支持。     

自适应ANC技术在热工特征信号提取中的应用研究

随着对火电厂控制运行水平的要求不断提高,先进的控制、诊断、优化功能需要一些难以测量或测量不准确的状态参量,而该类参量往往包含有很多噪声干扰难以直接分析。为更好分析热工过程对象特性,还原被噪声所掩盖的潜在信息,提出了一种改进的Sigmoid函数变步长LMS算法,利用自适应噪声抵消的方法对受到扰动影响的热工对象输出数据进行分析处理,降低干扰因素影响,从而使原始特征信号得到相对精确的恢复。现场数据分析表明了该算法的有效性和可行性。     

考虑模型误差的浸出过程优化方法

由于浸出过程较为复杂,其过程模型难以准确地反映实际过程,导致基于该模型的过程优化结果不是实际最优值.基于此,提出一种考虑模型误差的浸出过程优化方法,利用高斯混合模型对浸出过程混合模型的误差均值和方差进行描述,并将其引入优化目标中.构建考虑模型误差的浸出过程优化模型,并以二阶振荡粒子群优化算法完成对优化模型的求解.最后通过仿真实验表明了所提出方法的有效性.     

Data reconciliation for real-time optimization of an industrial coke-oven-gas purification process

Online optimization is more and more used in the chemical industry to run a process near its optimum operating condition by providing real-time computed optimal set-points to the distributed control system. Process measurements are necessary for these applications to determine the actual state of the process and to increase the accuracy of the model with parameter estimation techniques. However, these measurements usually contain random as well as gross errors which have to be identified and eliminated before the measurements are used for online optimization. In this contribution, a data reconciliation approach was integrated into an online optimization framework for the ammonia hydrogen sulfide circulation scrubbing, a common industrial coke-oven-gas purification process. We used a rigorous rate-based model to describe this reactive absorption and desorption process. To increase the accuracy of the model, we estimated several process parameters using a sequential parameter estimation approach. Data reconciliation was performed based on simple component balances to achieve model-consistent data and to identify measurement biases. The model was then validated online on a pilot plant by connecting the estimation package through the process control system. Based on the online measured data, operating cost minimization was carried out and the computed optimal set-points realized real-time. A satisfactory agreement between measured data and optimization was achieved.     

针铁矿法沉铁过程双层结构优化控制

针铁矿沉铁过程是锌冶炼过程中一个非常重要的环节,其中最重要的是控制氧气添加量,因此本文提出一种针铁矿沉铁过程双层结构优化控制方法.上层定义氧气利用率衡量理论消耗量与实际添加量的差别,以过程氧气利用率最高为目标优化设定级联反应器出口二价铁离子浓度下降梯度,下层以过程氧气消耗最少和出口离子浓度与上层设定值误差最小为优化目标,过程动态模型和工艺条件为约束,求解构造的非线性优化控制问题得到各反应器最优氧气添加速率.为减少不确定性干扰对系统的影响,采用一种模型参数自适应校正的方法对模型参数进行校正保证优化控制器的性能.最后根据过程离子浓度采样值计算过程实际氧气利用率作为上层优化参数重更新反应器出口二价铁离子浓度最优设定值.由于下层优化问题约束多且约束多呈非线性,采用Legendre伪谱法求解下层优化问题.仿真结果表明,所提出的双层结构优化控制方法能实现过程准确控制,减少过程氧气消耗.     

氰化浸取过程模型

本文以多元方差分析方法建立和检验了一个硫化金铜精矿氰化浸取过程的模型。在过程动力学研究的基础上提出了过程的初始模型,由非线性回归方法进行参数估计,同时用统计学方法检验了回归方程的显著性,剔除非显著的自变量,改造和完善初始方程,最后经过拟合优度检验提出了最终过程方程组。方程的预计值与实验值的对照,表明所给模型比较正确地描述了该氰化过程。     

有色冶金净化过程建模与优化控制问题探讨

净化过程是有色金属湿法冶炼的关键工序.它通过置换沉淀的方式去除有色金属矿物浸出液中的杂质金属离子,为后续电解过程提供高纯度的金属电解液,其控制效果直接影响最终金属产品的质量、生产成本以及生产全流程的稳定性.目前,入矿来源混杂、反应机理复杂等因素制约了净化过程的高效和绿色生产.从净化过程工艺与反应机理的特点出发,提炼了净化过程各除杂工段在建模和优化控制中的共性问题,对净化过程建模与优化控制方法的研究现状进行了综述,并以湿法炼锌净化过程为例,较详细地介绍了在沉铁、除铜、除钴工序建模和优化控制方面的最新研究成果.最后结合自动化技术的发展新动向,对湿法冶金净化过程自动化的未来发展趋势进行了展望.     

草酸钴合成过程批次间自适应优化

本文以钴湿法冶金过程草酸钴合成为背景,研究基于多向偏最小二乘回归(MPLS)模型的草酸钴平均粒度批次间自适应优化策略.本文首先利用MPLS方法建立草酸钴平均粒度的数据模型;针对模型不确定性情况下难以获得最优操作变量的问题,提出利用批次间修正项自适应优化方法,使迭代优化结果逐渐趋向于实际最优值;本文还通过引入T2统计量软约束将优化结果限制在数据模型的有效区间之内.数值仿真表明该方法可以有效解决草酸钴合成过程的批次间自适应优化问题,且与传统两步方法和迭代学习控制相比具有更好的优化效果.     

变尺度粒子群算法及其在工业软测量中的应用

粒子群优化算法是一种基于群体智能的随机优化算法,具有收敛速度快、设置参数少、算法简单、容易实现等优点,其缺点是容易陷入局部最优解。变尺度法是一种可靠的局部快速寻优方法。为了解决了基本粒子群优化算法易陷入局部最优的问题,本文提出了一种基于变尺度方法的自适应变异粒子群优化算法。在本文算法中,粒子群每进化一代后,对所有粒子执行变尺度搜索,寻找更优个体,从而使算法具有动态自适应性,能够较容易地跳出局部最优。在延迟焦化生产过程中,汽油干点是衡量汽油的一个关键指标,建立汽油干点的软测量对延迟焦化生产实现卡边控制和提高装置的经济效益是有必要的。在实际生产过程中,无法在线测量延迟焦化汽油干点,只能采用离线实验室分析的方法获得,但离线分析不能满足控制的要求。基于软测量技术而开发的延迟焦化汽油干点软测量模型,使汽油干点的在线测量成为可能。目前,工程上一般采用BP神经网络来训练软测量模型。BP神经网络的学习算法是决定BP神经网络预测质量的关键。鉴于此,本文将所提出的变尺度粒子群优化算法用于BP神经网络学习过程中,并将本文方案的预测结果与文献方案进行了对比实验。实验结果表明,与文献方案相比,本文方案具有较好预测精度和良好的泛化能力,具有较好的应用价值。