实现粒度指标的磨矿过程智能优化控制系统

磨矿过程具有多变量、非线性、强耦合、大时滞、时变等综合复杂特征,其关键工艺指标磨矿粒度难以用常规控制方法进行直接控制。将基础控制、智能控制以及软测量技术相结合,构建了实现磨矿粒度指标的磨矿过程智能优化控制系统。该系统由基础控制系统、过程监控系统以及智能优化设定系统组成,具有设备顺序逻辑控制、回路控制、过程监控以及回路智能优化设定等功能。该系统已成功应用在某大型选矿厂的磨矿过程中,取得了显著效益,具有推广应用的前景。     

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.     

磨矿分级过程动态优化控制

建立了基于改进粒级质量平衡模型（PBM）的质量指标预测模型和保证过程最优运行的优化计算模型,提出了基于反馈校正的动态优化控制方案.首先由优化模型计算最优控制律,为消除过程扰动及其他不确定因素影响,引入质量指标反馈调节机制;然后智能控制单元根据人工测试和期望质量指标间的偏差对最优控制律进行反馈修正.现场实验结果表明,该方案能够稳定过程产品质量,实现过程节能降耗.     

典型赤铁矿磨矿过程智能运行反馈控制

冶金磨矿是典型的高能耗、低效率过程,其控制与优化不仅仅是使常规过程控制系统尽可能好地跟踪期望设定值,而且要控制整个过程运行,实现表征磨矿整体运行性能的磨矿粒度与生产效率等运行指标的优化.针对我国广泛使用的赤铁矿两阶段全闭路磨矿,由于其原矿石性质与成份复杂且不稳定、粒级波动大,磨矿运行指标不能在线测量,工况时变,难以建立过程数学模型,提出基于数据与知识的智能运行反馈控制方法,包括基于案例推理的控制回路预设定、磨矿粒度动态神经网络软测量以及多变量模糊动态调节器.为了验证所提方法的有效性,将所题方法应用于中国某大型赤铁矿选厂,取得显著应用成效.     

磨矿粒度动态过程的一种快速Monte Carlo仿真方法

磨矿是降低矿物粒度的工业过程,产品粒度是磨矿过程的关键质量指标. 由于磨矿粒度难以在线检测且磨矿生产过程具有综合复杂特性,难以采用传统控制方法实现磨矿粒度的控制. 因此,建立磨矿粒度和关键工艺参数的动态模型对于磨矿运行控制和优化具有重要意义. 采用总量平衡原理获得磨矿粒度的微分方程模型多数情况下无法获得解析解. 而基于Monte Carlo （MC）方法的磨矿粒度模型能够精确模拟磨矿粒度分布的动态变化,但是其仿真效率低难以实用. 本文针对这一问题提出一种新的MC仿真方法： 在定总量方法的基础上引入新的颗粒移除机制,在移除过程中动态地分配各个粒级颗粒数目并保持破裂前后各个粒级颗粒所占总颗粒数的百分比不变,避免颗粒移除过程中由于粒级差异导致的抽样误差,且避免MC仿真速度随着仿真推进下降的问题. 仿真实验验证表明,本方法能够在保证一定精度前提下显著提高磨矿粒度MC仿真的计算速度. 最后,通过一个实例介绍了本文仿真模型在磨矿优化控制中的应用.     

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.     

磨矿过程基础回路优化控制方法

以磨矿过程基础回路重要工艺参数——旋流器给矿浓度控制为研究对象,针对无模型自适应控制(MFAC)的参数自适应性差的问题,引入模糊控制,提出了模糊MFAC方法,给出了该方法的理论推导步骤,设计了模糊MFAC控制器。将模糊MFAC方法、基本MFAC方法和PID方法进行对比仿真实验,结果表明,模糊MFAC方法能够快速跟踪期望值,具有更小的超调量和跟踪误差,且抗干扰能力强。     

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.     

铝土矿连续磨矿过程球磨机优化控制

针对铝土矿连续磨矿过程球磨机节能降耗问题以及铝土矿来源复杂、品位差异大等特点,提出了球磨机多目标多模型预测控制方法.该方法首先建立状态空间浓度预测模型和粒级质量平衡加权多模型细度预测模型.然后构建了包含磨机排矿浓细度区间控制和经济性能指标的多目标优化结构的多模型预测控制策略.最后采用乘子罚函数法求解控制器局部最优解.仿真及现场试验结果表明了该方案的有效性.     

基于智能优化控制的磨矿过程综合自动化系统

本文首先概述了磨矿的工艺过程和控制要求,然后从系统结构与功能、智能优化控制策略等方面详细描述了磨矿过程综合自动化系统,最后谈到该系统的实施及应用效果。     

复杂工业过程非串级双速率组合分散运行优化控制

复杂工业过程具有模型维数高、多时间尺度耦合、动态不确定性等特点, 其运行优化控制(Operational optimal control, OOC)一直是控制领域的研究难点与热点. 本文聚焦一类由多个快变且互联的设备单元与慢变且模型未知的运行过程串联组成的工业过程, 提出一种数据和模型混合驱动的非串级双速率组合分散运行优化控制方法. 该方法通过奇异摄动理论, 将非串级双速率运行优化问题描述为异步采样的慢子系统最优设定值跟踪和快子系统最优调节控制. 利用工业运行数据, 采用不依赖系统动态的Q-学习算法设计慢子系统最优跟踪策略, 克服运行过程模型难以建立的情形; 针对快子系统, 设计基于模型的分散次优控制策略, 并给出收敛因子的下界, 解决设备层互联项对系统稳定性的影响. 通过浮选过程仿真实验验证了所提控制方法的有效性.     

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.     

基于自适应动态规划的矿渣微粉生产过程跟踪控制

矿渣微粉是一种新型绿色环保型建材,可以大大提高水泥混凝土的力学性能.本文以矿渣微粉生产过程为研究对象,针对该过程难以通过机理建模进行辨识和控制的特点,利用数据驱动的思想,建立矿渣微粉生产过程的递归神经网络模型.在此基础上,利用自适应动态规划,设计具有控制约束的跟踪控制器,并将其应用到矿渣微粉生产过程中.仿真分析表明,建立的数据驱动模型能够有效地辨识矿渣微粉生产过程,同时,本文提出的控制方法能够实现输入受限的微粉比表面积及磨内压差的最优跟踪控制.     

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.     

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.     

间歇过程最优迭代学习控制的发展:从基于模型到数据驱动

本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究.