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...     

复杂工业过程运行的混合智能优化控制方法

工业过程运行的优化控制的目标是将反应产品在加工过程中的质量、效率、消耗的工艺指标控制在目标值范围内. 由于复杂工业过程的工艺指标难于在线测量且与控制回路输出之间的动态特性具有强非线性、强耦合、难以用精确模型描述、随生产边界条件变化而变化的综合复杂性,因此, 难以采用已有优化控制方法, 运行控制只能采用人工设定的控制方式. 由于人工控制不能及时准确地随运行工况调整设定值, 难以将工艺指标控制在目标值范围内, 甚至造成故障工况.本文提出了根据运行工况实时调整控制回路设定值, 通过控制系统跟踪调整后的设定值, 将工艺指标控制在目标值范围内的过程优化运行的混合智能控制方法. 该方法由控制回路预设定模型、前馈补偿与反馈补偿器、工艺指标预报模型、故障工况诊断和容错控制器组成. 在某选矿厂22台竖炉组成的焙烧过程的应用案例, 证明了所提出方法的有效性.     

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.     

多变量内模控制中一类病态系统的处理

IMC是一种实用性很强的控制方法,结构简单、设计直观简便,在线调节参数少,且调整方针明确,调整容易.将内模控制用于多变量系统的控制,是改善工程控制的一个好的控制策略.多变量的解耦内模控制,是多变量控制的一种有效方法,对于非病态系统的模型失配,可以通过调整滤波器的参数来获得期望的鲁棒性.但是对于一类病态系统,对模型失配特别敏感,此时必须对系统本身进行改造才能获得满意的特性.文中通过对传递函数矩阵的奇异值分解来实现对系统本身进行改造,在此基础上设计滤波器,进而获得希望的系统鲁棒性.     

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.     

基于内模控制的互耦水槽建模与仿真

研究工业控制器稳定控制问题,内模控制(IMC)结构和设计简便,只有一个整定参数,参数调整与系统动态品质和鲁棒性的关系明确,采用IMC原理可以提高PID控制器的设计水平.为保证水槽系统的稳定性和跟踪性,从IMC的基本结构出发,提出了一种简单的IMC控制器设计方法,使用一个单负反馈回路系统,对控制对象化简成一个简单的一阶加延迟模型,然后整定出所需控制器的参数,以达到控制要求.通过MATLAB上进行仿真,结果表明,所设计的控制器具有常规PID的优点,且跟踪调节性能好,对水槽控制具有较好的鲁棒性和动态性,证明IMC法具有广泛的适用性.     

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.     

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.     

乙烯裂解炉炉管出口温度控制系统设计及应用

乙烯裂解炉炉管出口温度控制系统中存在着多变量耦合情况,导致在实际生产中很难实现对各组炉管温度的精确控制.针对这种情况,本文提出了一种基于可逆解耦策略和内模PID控制原理的多变量控制系统设计方案.文中首先介绍乙烯裂解炉的结构,并对其工作原理和生产的工艺流程作了简单说明;其次根据现场得到的数据并进行滤波,去趋势项等处理,运用预报误差算法(PEM)进行系统辨识,建立了过程的多变量输入输出模型;再次,介绍了可逆解耦方法的基本原理和实现过程,并针对辨识得到的模型,采用该方法设计系统的解耦环节.它可以避免采用传统解耦方法时的复杂运算过程,能够较为快捷地得到解耦参数矩阵.最后,针对解耦后的被控系统设计控制器.由于内模控制具有结构简单,控制性能良好等特点,本文中采用内模控制原理设计带滤波器形式的PID控制器,并给出了滤波系数等相关参数值.同时,对模型存在失配的情况和模型匹配时采用传统单回路控制策略的情况,以及不对系统解耦而直接设计PID控制器进行控制的情况分别进行仿真,并比较了仿真结果.分析表明,系统解耦后,对其控制时的静态误差消除时间大大缩短,动态性能得到改善,从而实现了对裂解炉炉管出口温度快速准确控制的要求,说明了该方案的有效性.     

基于内模解耦的IPMSM矢量控制仿真研究

在永磁同步电机的研究中,针对永磁同步电机的非线性和参数的不确定性以及采用矢量控制后电压与电流之间的强耦合性,为抑制系统非线性影响,消除干扰,采用基于内模控制(IMC)的矢量控制,克服传统的PI控制不能动态解耦以及对电机参数敏感的问题.从同步速d-q坐标系下凸极式永磁同步电机(IPMSM)数学模型及其矢量控制的基本原理出发,对交叉耦合关系进行了理论分析,引入了内模控制方法,设计了转子磁链定向和内模控制的电流调节器.在MATLAB下搭建了系统的仿真模型进行仿真,结果表明,所提出的内模控制器在模型匹配和失配的情况下均能提供良好的解耦效果,为优化设计提供了有效参考依据,可在线调节.     

数据驱动的工业过程运行优化控制

现代工业过程机理复杂使得很难对生产过程以及运行指标与被控变量之间关系精确建模.如何基于工业运行过程数据信息,不依赖模型参数给出设定值设计方案,优化运行指标是一挑战性难题.本文针对在稳态附近可以线性化的一类工业过程,考虑运行控制环和底层控制环不同时间尺度,提出一种基于Q--学习方法的次优设定值学习算法.此算法完全利用数据,学习得到次优设定值,实现运行指标以次优的方式跟踪理想值.浮选过程仿真结果表明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.     

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.     

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.     

Intelligent optimal control system for ball mill grinding process

Operation aim of ball mill grinding process is to control grinding particle size and circulation load to ball mill into their objective limits respectively, while guaranteeing producing safely and stably. The grinding process is essentially a multi-input multi-output system (MIMO) with large inertia, strong coupling and uncertainty characteristics. Furthermore, being unable to monitor the particle size online in most of concentrator plants, it is difficult to realize the optimal control by adopting traditional control methods based on mathematical models. In this paper, an intelligent optimal control method with two-layer hierarchical construction is presented. Based on fuzzy and rule-based reasoning (RBR) algorithms, the intelligent optimal setting layer generates the loops setpoints of the basic control layer, and the latter can track their setpoints with decentralized PID algorithms. With the distributed control system (DCS) platform, the proposed control method has been built and implemented in a concentration plant in Gansu province, China. The industrial application indicates the validation and effectiveness of the proposed method.     

Intelligent Setting Control for Clinker Calcination Process

In the process of clinker calcination, the target value of the raw meal decomposition rate (RMDR) is different in the easy and difficult calcination stages because the boundary conditions of raw meal (i.e., raw meal flow, raw meal ingredients, and particle size) change frequently, where RMDR cannot be guaranteed to be within its desirable range. To solve this problem, an intelligent setting control method is proposed in this paper for a clinker calcination process. The proposed approach is realized by on‐line adjustment of the setpoints of control loops in line with the changes of raw meal boundary conditions. This method consists of five modules, namely an RMDR target value setting model, a control loop pre‐setting model, a feedback compensation model based on the fuzzy rules, a feedforward compensation model based on the fuzzy rules, and a soft measurement model for RMDR. Successful application to the clinker calcination process of the Jiuganghongda Cement Plant in China has been made, where the efficiency of the proposed method has been validated by the results of the practical application.     

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.