数据驱动的浮选过程运行反馈解耦控制方法

浮选过程是利用矿物本身的亲水或疏气性质或经药剂处理得到的亲水或疏气性质进行矿物分离的物理过程.本文通过建立以矿浆液位和矿浆流量为输入,以浮选过程的精矿品位与尾矿品位为输出的多变量、强耦合、非线性、时变的运行过程模型,利用未建模动态前一拍可测的特点,提出了包括矿物品位运行过程控制器驱动模型、PID控制器、反馈解耦控制器、未建模动态补偿器的数据驱动的一步最优未建模动态补偿PID解耦控制方法,实现了消除稳态误差、静态解耦与未建模动态的补偿,通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.     

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.     

一类工业运行过程多模型自适应控制方法

针对一类动态未知的工业运行过程,提出一种基于神经网络补偿和多模型切换的自适应控制方法.为充分考虑底层跟踪误差对整个运行过程优化和控制的影响,将底层极点配置控制系统和上层运行层动态模型相结合,作为运行过程动态模型.针对参数未知的运行过程动态模型,设计由线性鲁棒自适应控制器、基于神经网络补偿的非线性自适应控制器以及切换机制组成的多模型自适应控制算法.采用带死区的递推最小二乘算法在线辨识控制器参数,克服了投影算法收敛速度慢、对参数初值灵敏的局限.理论分析和仿真实验结果表明了所提方法的有效性.     

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.     

一类工业过程预测控制的闭环分析

该文定量分析了一类典型工业过程预测控制系统的闭环性能,文中首先基于广义动态矩阵控制系统的内模控制结构和控制器的最小化形式,导出了一阶惯性加时滞的典型对象预测控制的闭环传递函数,在此基础上,给出了预测控制中主要设计参数与闭环动态响应和扰动抑制时间的解析关系以及关于闭环系统鲁棒性的三个定理,提出了对增益或时滞失配允许范围的搜索算法,从而为分析和设计预测控制系统提供了理论依据.     

复杂工业过程的满意控制

本文从分析了工业过程优化控制的环境出发，针对复杂工业过程的特点与用户要求提出了满意控制的概念，给出了满意控制的基本框架，分析了它对复杂工业环境的适应性。     

基于奇异摄动的复杂工业过程强化学习运行优化控制

复杂工业过程往往存在快、慢耦合动态特性,应用常规的串级设计思路难以保障整体运行优化性能,而现有整体设计运行优化控制的方法容易发生“维数灾”和“病态数值”问题.鉴于此,聚焦一类设备单元和运行过程模型参数皆未知的复杂工业过程,提出一种基于奇异摄动的快慢并行强化学习组合非串级运行优化控制方法.首先,引入收敛因子将复杂工业过程运行优化控制问题建模为双时间尺度系统的非串级最优控制问题;其次,使用奇异摄动理论将原始最优问题分解为降阶快子系统最优调节和慢子系统最优设定值跟踪问题;然后,在强化学习的框架下,设计数据驱动的迭代算法学习快、慢子系统最优控制器,进而构造不依赖于系统模型的组合最优控制策略.与现有方法相比,所提出运行优化算法不仅能解决设备单元模型参数未知问题,还能实现对期望运行指标的零误差渐近跟踪.最后,通过赤铁矿混合选别浓密过程对比实验验证所提出方法的有效性和先进性.     

无线网络环境下工业过程运行反馈控制方法

针对一类工业过程运行控制中采用无线网络传输运行指标反馈值时存在的噪声和丢包问题,建立了输入为过程控制的输入输出、输出为运行指标的随机过程模型;提出了由不同采样速率的过程控制与过程控制设定值反馈控制组成的运行反馈控制方法;采用Lyapunov函数和不同采样频率的提升技术设计了过程PI控制器参数和过程控制设定值反馈控制器参数,保证了双闭环控制系统的随机稳定性;同时实现了运行指标实际值与目标值稳态误差的均值为零;通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.     

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.     

生产制造全流程优化控制对控制与优化理论方法的挑战

从控制系统的观点描述了生产制造全流程的控制与运行管理流程, 分析了表征产品的质量、产量、成本、消耗等相关的综合生产指标与控制系统动作之间的联系, 回顾了涉及的控制与优化的研究成果. 从基于数学模型、基于数据和基于模型与数据相结合的角度综述了控制与优化方面的研究现状. 在此基础上分析了生产制造全流程优化控制对过程控制与运行优化、以及控制系统实现技术的挑战, 分析了实现生产制造全流程优化控制应开展的研究内容.     

浮选过程自动控制系统

针对我国赤铁矿浮选生产过程自动化水平不高、劳动生产率低、工艺指标精矿品位和尾矿品位波动严重的现状,采用美国Ｒockwell 公司的ControlLogix 系列软硬件平台设计开发了浮选过程自动控制系统。详细介绍了控制系统结构、控制系统功能、智能优化设定层和底层回路层的控制策略,以及浮选过程自动控制系统应用软件和人机交互监控界面的开发过程。将本文提出的自动控制系统应用于酒钢选矿厂,长期运行结果表明,系统运行稳定、安全可靠,减轻了现场操作人员的劳动强度,提高了劳动生产率,进而提升了选矿厂的企业竞争力。     

运行控制系统集中式容错控制方法

本文针对运行控制系统,建立了运行优化控制过程的双层结构模型.在此基础上,通过建立相应的自适应故障诊断算法,提出了保证在系统有故障和干扰时仍能渐近优化指标的集中式容错控制方法,利用李雅普诺夫稳定性理论分析了自适应故障诊断算法的构建.已证明:该方法通过调整已优化的设定值来保证在回路控制层出现故障时整个运行控制仍可收敛到其原有的优化控制效果.该方法属于非完备容错控制,仿真结果验证了所提方法的有效性.     

Design and implementation of an adaptive predictive controller for combustor NOx emissions

This paper is concerned with the design and implementation of an adaptive predictive controller for oxides of nitrogen (NO_x) emissions from gas turbine combustors. Predictive control techniques with both fixed and adaptive parameters are introduced. An online parameter estimation algorithm is used to model the nonlinear characteristics of the combustor NO_x process. The predictive control strategies are implemented using the MATLAB/dSPACE, controller development environment. Their performance is evaluated on an atmospheric test rig fitted with a commercial combustor and also compared with a PID controller. ©     

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.     

基于强化学习的大时延过程控制策略研究

具有长时延的过程控制被公认为是较难的系统过程控制.模型预测控制(MPC)是一种适用于大时延过程的新的过程控制方法.相比于PID等传统的控制方法,MPC基于模型对未来状态的预测进行决策,能够兼顾及时反馈与长期规划.但MPC对于过程的预测步数依然是有限的.强化学习作为机器学习的重要部分,原则上能够预测策略在无限长时间内的收...     

基于预测模型的浮选过程pH值控制

矿浆pH值是泡沫浮选过程中的一个非常重要的被控量.目前,多数选厂的矿浆pH值控制基本是依靠现场工人定期对矿浆样本进行pH值测量,凭主观经验对pH调整剂进行调整.由于操作工人的主观性和随意性的影响以及矿浆样本pH值测量与药剂调整间存在的较长的时间滞后,矿浆pH值波动频繁,很难使矿物浮选保持在一个稳定最优生产状态下运行.为了使矿浆pH值保持在一个期望的生产状态,基于浮选泡沫表面视觉信息提出了一种新的矿浆pH值控制方法,分别采用基于泡沫视觉信息的自适应遗传混合神经网络AG-HNN和自适应遗传PID(AG-PID)控制方法建立了矿浆pH值预测模型和pH值控制模型,基于所建立预测和控制模型对浮选药剂用量进行调整,解决了浮选矿浆pH值波动问题.工业浮选现场的实验结果表明该方法可以使矿浆pH值保持在一个期望的范围内,有效提高浮选性能.