CN102165382B - 用于控制工业过程的方法和系统 - Google Patents
用于控制工业过程的方法和系统 Download PDFInfo
- Publication number
- CN102165382B CN102165382B CN200980137151.9A CN200980137151A CN102165382B CN 102165382 B CN102165382 B CN 102165382B CN 200980137151 A CN200980137151 A CN 200980137151A CN 102165382 B CN102165382 B CN 102165382B
- Authority
- CN
- China
- Prior art keywords
- indicator
- state
- controller
- estimated
- variables
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 238000002485 combustion reaction Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005096 rolling process Methods 0.000 claims description 4
- WQGWDDDVZFFDIG-UHFFFAOYSA-N pyrogallol Chemical compound OC1=CC=CC(O)=C1O WQGWDDDVZFFDIG-UHFFFAOYSA-N 0.000 claims 4
- 239000007789 gas Substances 0.000 claims 2
- 238000002360 preparation method Methods 0.000 claims 2
- 101150096839 Fcmr gene Proteins 0.000 claims 1
- 238000005259 measurement Methods 0.000 description 11
- 239000004568 cement Substances 0.000 description 9
- 238000000227 grinding Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 238000001238 wet grinding Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000005188 flotation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Feedback Control In General (AREA)
- Muffle Furnaces And Rotary Kilns (AREA)
Abstract
一种用于控制工业过程(42)的控制系统(4)，其包括配置成以便根据所测过程变量(y)来确定至少一个基于模糊逻辑的指标(z)的指标生成器(43)。控制系统(4)进一步包括配置成以便基于模糊指标(z)来确定估计物理过程状态(x)的状态估计器(44)。为了控制工业过程(42)，过程控制器(41)配置成以便使用估计物理过程状态(x)基于定义的设定点(r)且基于该过程(42)的物理模型来计算被控变量(u)。结合模糊逻辑指标(z)与基于模型的过程控制器(41)使得可提供过程状态(x)的健壮的指标，以用于控制所测过程变量(y)可能彼此矛盾的实际设备情形中的工业过程(42)。
Description
技术领域
本发明涉及用于控制工业过程的系统和控制方法。具体而言，本发明涉及这样的系统和控制方法：其用于通过基于定义的设定点以及根据所测过程变量确定的模糊逻辑指标来计算被控变量，来控制工业过程(例如在水泥生产过程中运行回转炉)。
背景技术
在工业过程的高级过程控制中，关于控制算法的许多不同的系统构造是已知的。但是，如图3所示，根据用户规范(设定点r)，考虑到从一组传感器获得的测量结果(过程变量y)，所有系统会为一组促动器产生设定点(被控变量u)。典型地，并非所有期望的过程变量y均可测，并且因此指标生成器33用来确定近似于这些缺少的测量结果的过程指标z。如图3所示意性地示出的那样，基于过程变量y2和/或被控变量u2中的一个或多个来确定指标z。
例如，在水泥生产过程中，原料组分和原料混合物从给料器输送到炉，可能涉及额外的破碎机、对原料混合物提供额外的添加剂的给料器、传送带、存储设施等。如图1所示，炉1布置成具有一定坡度，并且安装成使得其可绕着其中心纵向轴线旋转。原料混合物(粗粉)11在炉1的顶部(进料端或后端)12处引入，并且在重力的作用下沿着炉1的长度输送到在底部处的出料开口(排出端或前端)13。炉1在约1000摄氏度的温度处运行。当原料混合物通过炉时，原料混合物被煅烧(用化学用语讲，被还原)。水和二氧化碳被排掉，化学反应在原料混合物的组分之间进行，并且原料混合物的组分熔化而形成所谓的熔渣14。在这些反应的过程中，会形成新的化合物。熔化温度取决于进料材料的化学成分和存在于混合物中的助熔剂的类型和数量。主要的助熔剂为氧化铝(Al2O3)和氧化铁(Fe2O3)，它们使得化学反应能够在相对更低的温度处进行。
熔渣生产的环境条件(高达2500℃、含尘、旋转)使得不能够直接测量沿着回转炉1的长度的温度分布图10。典型地，燃烧区温度YBZT被用作、而且是被回转水泥炉1的操作员用作当前系统中的指标。烧结状况或燃烧区温度YBZT通常涉及以下测量结果中的一个或若干个的组合：
-使炉1旋转所需的扭矩(或功率)(YTorque)；
-排气中的NOx测量结果(YNOx)；以及
-基于位于炉1的出料开口(排出端或前端)13处的高温计的温度读数(YPyro)。
当热的粗粉在更高的温度处变得更具粘性时，旋转所需的扭矩会增加，因为越来越多的材料被拖到炉的侧部上。气体的温度可与排气中的NOx水平相关。但是，所有这三个测量结果都是不可靠的。例如，不同的含尘状况将显著影响高温计读数，因为高温计经常被指向“盲区(shadows)”，产生错误读数。但是，如等式(1)中所定义的三个测量结果的综合通常对燃烧区温度YBZT提供相当可靠的确定。
(1)
其中，是对与传感器测量结果如何相关的描述。典型地，函数由指标生成器所执行的模糊逻辑系统(通常称为专家系统)来描述。此指标因此是基于模糊逻辑的指标，例如在对应于[冷…热]的指示的范围[-3,+3]上的整数值，即综合燃烧区温度的模糊指标，但不是实际物理温度值(以℃或℉为单位)。
虽然三个测量结果的综合作为燃烧区温度的相当可靠的指标提供了燃烧区温度，但是其并不提供沿着回转炉的整个长度的温度分布图。但是，温度分布图的知识将使得可能更好地预测该过程，从而导致有改进的过程控制。
在另一个实例中，取决于矿石特性、设计设备容量等，湿研磨过程可需要具有不同的构造的研磨线路。如图2所示，研磨线路2将典型地在适当的位置处包括与若干个分选机(水力旋流器)23和贮槽24串联和/或并联的几个磨机(棒磨机、球磨机、SAG磨机、AG磨机)21、22。典型地，该布置是这样一种布置：其中通过泵25导致离开分选机23的流中的一个回到贮槽24或另一个磨机21，22，以进行进一步处理，而另一流被从线路2中消除。一个分选机将具有选取最终产品的任务。随着新鲜进料20进入系统，通常在贮槽24处添加水26。基于对磨机21、22中的它们的负荷的估计来持续地将研磨介质引入系统中。研磨区段的目的是将矿石颗粒大小降低到足以在浮选阶段中进行处理的水平。可测过程变量可包括磨机声音水平、磨机轴承压力、磨机功率提取(draw)、浆料密度，以及在关键位置处的流量和压力。将被控的可控变量包括新鲜进料速率、过程水流量(泵送速率)和磨机(一个或多个)的旋转速度。过程目标包括颗粒大小规范、循环负荷目标和轴承压力极限。因此，基于可测过程变量和/或可控变量，需要确定一个或多个指标，以便控制研磨过程。能够在质量规范内具有恒定的生产速率是非常重要的。能够以可能最低的能量和研磨介质消耗来执行此加工步骤也是非常重要的。
发明内容
因此本发明的一个目标是提供适用于在实际设备情形中控制工业过程的控制系统和控制方法，其中，表示过程变量的测量结果的可用信号可能彼此矛盾，从而使得它们不可用于传统的基于模型的控制系统中。特别地，本发明的一个目标是提供这样的控制系统和控制方法：其提供可用来产生回转炉的温度分布图的、水泥回转炉的状态的健壮的(可靠的)指标。此外，本发明的一个具体目标是提供这样的控制系统和控制方法：其提供研磨系统的磨机状态的健壮的指标。
这些目标中的至少一些通过根据权利要求1所述的用于控制工业过程的控制方法和根据权利要求7所述的用于控制工业过程的控制系统来实现。根据从属权利要求，另外的优选实施例是显而易见的。
为了控制工业过程，测量多个过程变量，根据所测过程变量确定了至少一个基于模糊逻辑的指标(简称为：模糊逻辑指标)，并且为了控制过程，基于定义的设定点和该模糊逻辑指标来计算被控变量。例如，使用神经网络或统计学习方法来确定模糊逻辑指标。
根据本发明，上述目的尤其以这种方式来实现：基于模糊逻辑指标来确定估计过程状态，并且控制器使用估计过程状态基于过程的模型来计算被控变量。具体而言，基于模糊逻辑指标来确定估计物理过程状态，并且控制器使用估计物理过程状态基于该过程的物理模型来计算被控变量。例如，控制器是模型预测控制器(MPC)。例如，估计过程状态通过卡尔曼滤波器、状态观测器和滚动时域估计方法中的一种来确定。
例如，工业过程与运行例如用于水泥生产过程的回转炉相关。对应地，测量过程变量包括测量使炉旋转所需的扭矩、测量排气中的NOx水平，以及获得炉的出料开口处的高温计读数。基于扭矩、NOx水平和高温计读数来作为模糊逻辑指标确定燃烧区温度。基于燃烧区温度来作为估计过程状态确定沿着炉的纵向轴线的温度分布图，并且基于该温度分布图来计算被控变量。
在一个实施例中，模糊逻辑指标基于所测过程变量且基于被控变量中的一个或多个。
在另一个实施例中，基于模糊逻辑指标、过程变量中的一个或多个和/或被控变量中的一个或多个来确定估计过程状态。
附图说明
参照附图，将通过实例对本发明进行更详细的阐述，其中：
图1显示了传统回转炉的示意图和沿着炉的温度分布图的曲线图，
图2显示了示出用于执行湿研磨过程的传统研磨线路的简图，
图3显示了示出用于控制工业过程的传统控制系统的简图，该系统包括联结到过程控制器上的指标生成器。
图4显示了示出根据本发明的、用于控制工业过程的控制系统的一个实例的简图，该系统包括将指标生成器联结到基于模型的过程控制器上的状态估计器。
具体实施方式
图3显示了传统控制系统3，其包括用于基于用户定义的设定点r来控制工业过程32的过程控制器31。
控制系统3进一步包括指标生成器33，指标生成器33包括模糊逻辑系统或专家系统。指标生成器33配置成以便基于所测过程变量y的集合y2和/或基于被控变量u的集合u2来产生模糊逻辑指标z，被控变量u由用于控制工业过程32的过程控制器31产生。模糊逻辑指标z反馈回到过程控制器31，过程控制器31因此配置成基于模糊逻辑系统或专家系统的控制器，以基于模糊逻辑指标z来获得被控变量u的设定点。
例如，在水泥生产过程中，具体而言，在水泥生产过程中运行回转炉1时，模糊指标z指示了回转炉1的综合燃烧区温度YBZT，并且该模糊指标z基于所测过程变量y的集合y2来确定，所测过程变量y包括使炉1旋转所需的扭矩(YTorque)、排气中的NOx测量结果(YNOx)，以及基于位于炉的出料开口(排出端或前端)处的高温计的温度读数(YPyro)，如之前参照图1所描述的那样。
在另一个实例中，在湿研磨过程中，模糊指标z指示了研磨系统的磨机状态，并且该模糊指标z基于所测过程变量y的集合y2来确定，所测过程变量y包括磨机声音水平、磨机轴承压力、磨机功率提取、浆料密度，以及在特定位置处的流量和压力，如之前参照图2所描述的那样。
在图4中，参考标号4指的是根据本发明的、用于控制诸如水泥生产过程或湿研磨过程的工业过程42的控制系统。基于被控变量u的设定点来控制工业过程42，被控变量u由过程控制器41基于用户定义的设定点r来产生。
控制系统4进一步包括指标生成器43，指标生成器43用于基于所测过程变量y的集合y2和/或基于被控变量u的集合u2来确定一个或多个模糊逻辑指标z，如上面在图3的背景下描述的那样。在一个实施例中，指标生成器43基于神经网络系统或统计学习方法。
在控制系统4中，过程控制器41实现为基于模型的控制器。大体上，在基于模型的控制器(例如模型预测控制MPC)中，使用数学模型来预测系统在不远的将来的行为。此模型可分别为黑箱模型或物理模型(即灰箱)。为了控制目的，需要在控制器产生被控变量u之前提供模型状态。具体而言，MPC是解决包括系统动态特性和对系统输出和/或状态变量的约束的最优控制问题的过程。至少在某些运行点的周围有效的系统或过程模型允许关于系统的当前状态、外部变量的预测以及未来控制信号u来表示受控系统轨迹或输出信号y的序列。根据一些预先规定的标准且在某些预测范围(horizon)中优化涉及轨迹或输出信号y的性能、成本或目标函数。然后对该系统应用由优化产生的最优的第一或下一控制信号u1，并且基于系统的随后观察到的状态和更新的外部变量来重复该优化过程。取决于实施例，基于模型的控制器41基于任何基于线性模型或非线性模型的控制算法，例如IMC(内部模型控制)、LQR(线性二次型调节器)、LQG(线性二次型高斯法)、线性MPC(模型预测控制)、NMPC(非线性模型预测控制)等。
控制系统4进一步包括状态估计器44，状态估计器44配置成以便基于模糊指标z来确定模型状态(例如估计物理过程状态)。如通过图4中的点划线示意性地示出的那样，在不同的实施例中，状态估计器44配置成以便还基于所测过程变量y的集合y1和/或基于被控变量u的集合u1来确定模型状态(估计物理过程状态)。例如，状态估计器44配置成以便通过估计技术(例如卡尔曼滤波器、观测器设计或滚动时域估计)来获得模型状态(估计物理过程状态)。EP1406136公开了一种估计模型状态或过程属性的示例性方法。在状态增广的扩展卡尔曼滤波器(SAEKF)中，增广的状态p包括由状态矢量x的函数表示的过程的动态物理属性。在水泥生产过程的实例中，指标生成器43提供的模糊逻辑指标z是回转炉1的燃烧区温度YBZT，并且状态估计器44配置成以便基于燃烧区温度YBZT来确定沿着炉1的纵向轴线的温度分布图10。出于此目的，状态估计器44优选包括考虑了炉1的质量流量和旋转速度的炉1的适当的物理模型。
应当注意，集合u1、u2、y1和y2，分别是0、父集的子集(,)，或整个父集。
如图4中示意性地示出的那样，在一个实施例中，存在既非促动器也非测量结果的外部独立源45，其分别将外部输入v1和/或v2提供给指标生成器43和/或状态估计器44。对应地，指标生成器43进一步基于外部输入v1来获得模糊逻辑指标z，并且/或者状态估计器44进一步基于外部输入v2来获得模型状态。
过程控制器41、指标生成器43和状态估计器44是实现为用于控制处理器的经编程的软件模块的逻辑模块。但是本领域技术人员将理解到，这些逻辑模块还可完全或部分地由硬件元件来实现。
Claims (12)
1.一种用于控制工业过程(42)的控制方法，所述方法包括：
测量多个过程变量(y)；
根据所测过程变量(y)来确定至少一个基于模糊逻辑的指标(z)；以及
为了控制所述过程(42)，基于定义的设定点(r)和所述指标(z)来计算被控变量(u)；
其特征在于，
所述方法进一步包括基于所述指标(z)来确定估计过程状态()；以及
所述被控变量(u)由控制器(41)使用所述估计过程状态()基于所述过程(42)的模型来计算。
2.根据权利要求1所述的方法，其特征在于，确定所述估计过程状态()包括基于所述指标(z)来确定估计物理过程状态；且所述被控变量(u)由所述控制器(41)使用所述估计物理过程状态()基于所述过程(42)的物理模型来计算。
3.根据权利要求1或2中的一项权利要求所述的方法，其特征在于，所述工业过程(42)与运行回转炉(1)相关；测量所述过程变量(y)包括：测量使所述炉(1)旋转所需的扭矩、测量排气中的NOx水平(YNOx)，以及获得所述炉(1)的出料开口(13)处的高温计读数(YPyro)；确定所述指标(z)包括确定基于所述扭矩的燃烧区温度(YBZT)、所述NOx水平(YNOx)和所述高温计读数(YPyro)；确定所述估计过程状态()包括基于所述燃烧区温度(YBZT)来确定沿着所述炉(1)的纵向轴线的温度分布图(10)；且所述被控变量(u)基于所述温度分布图(10)来计算。
4.根据权利要求1至3中的一项权利要求所述的方法，其特征在于，确定所述指标(z)进一步基于所述被控变量(u)的一个或多个。
5.根据权利要求1至4中的一项权利要求所述的方法，其特征在于，确定所述估计过程状态()进一步基于所述过程变量(y)中的一个或多个和/或所述被控变量(u)中的一个或多个。
6.根据权利要求1至5中的一项权利要求所述的方法，其特征在于，所述被控变量(u)通过模型预测控制器来计算；所述估计过程状态()通过卡尔曼滤波器、状态观测器和滚动时域估计方法中的一个来确定；以及所述指标(z)通过使用神经网络或统计学习方法来确定。
7.一种用于控制工业过程(42)的控制系统(4)，所述系统(4)包括：
用于测量多个过程变量(y)的传感器；
配置成以便根据所测过程变量(y)来确定至少一个基于模糊逻辑的指标(z)的指标生成器(43)；以及
配置成以便基于定义的设定点(r)和所述指标(z)来计算被控变量(u)的过程控制器(41)；
其特征在于，
所述系统(4)进一步包括配置成以便基于所述指标(z)来确定估计过程状态()的估计器(44)；以及
所述过程控制器(41)配置成以便使用所述估计过程状态()基于所述过程(42)的模型来计算所述被控变量(u)。
8.根据权利要求7所述的系统(4)，其特征在于，所述估计器(44)配置成以便基于所述指标(z)来确定估计物理过程状态()；而所述过程控制器(41)配置成以便使用所述估计物理过程状态()基于所述过程(42)的物理模型来计算所述被控变量(u)。
9.根据权利要求7或8中的一项权利要求所述的系统(4)，其特征在于，所述工业过程(42)与运行回转炉(1)相关；所述传感器配置成以便作为过程变量(y)来测量使所述炉(1)旋转所需的扭矩、排气中的NOx水平(YNOx)以及在所述炉(1)的出料开口(13)处的高温计读数(YPyro)；所述指标生成器(43)配置成以便作为指标(z)来确定基于所述扭矩的燃烧区温度(YBZT)、所述NOx水平(YNOx)和所述高温计读数(YPyro)；所述估计器(44)配置成以便基于所述燃烧区温度(YBZT)作为估计过程状态()来确定沿着所述炉(1)的纵向轴线的温度分布图(10)；以及所述过程控制器(41)配置成以便基于所述温度分布图(10)来计算所述被控变量(u)。
10.根据权利要求7至9中的一项权利要求所述的系统(4)，其特征在于，所述指标生成器(43)连接到所述过程控制器(41)上；以及所述指标生成器(43)进一步配置成以便基于所述被控变量(u)中的一个或多个来确定所述指标(z)。
11.根据权利要求7至10中的一项权利要求所述的系统(4)，其特征在于，所述估计器(44)连接到所述过程控制器(41)和/或所述传感器中的一个或多个上；以及所述估计器(44)进一步配置成以便分别基于所述过程变量(y)中的一个或多个和/或所述被控变量(u)中的一个或多个来确定所述估计过程状态()。
12.根据权利要求7至11中的一项权利要求所述的系统(4)，其特征在于，所述过程控制器(41)是模型预测控制器；所述估计器(44)包括卡尔曼滤波器、状态观测器和滚动时域估计方法中的一个；以及所述指标生成器(43)包括神经网络或统计学习方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP08164844A EP2169483A1 (en) | 2008-09-23 | 2008-09-23 | Method and system for controlling an industrial process |
| EP08164844.6 | 2008-09-23 | ||
| PCT/EP2009/062175 WO2010034682A1 (en) | 2008-09-23 | 2009-09-21 | Method and system for controlling an industrial process |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102165382A CN102165382A (zh) | 2011-08-24 |
| CN102165382B true CN102165382B (zh) | 2015-11-25 |
Family
ID=39941900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200980137151.9A Expired - Fee Related CN102165382B (zh) | 2008-09-23 | 2009-09-21 | 用于控制工业过程的方法和系统 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20110208341A1 (zh) |
| EP (2) | EP2169483A1 (zh) |
| CN (1) | CN102165382B (zh) |
| AU (1) | AU2009295992B2 (zh) |
| BR (1) | BRPI0918984B1 (zh) |
| PL (1) | PL2329327T3 (zh) |
| WO (1) | WO2010034682A1 (zh) |
| ZA (1) | ZA201101648B (zh) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2244011A1 (de) * | 2009-03-24 | 2010-10-27 | Siemens AG | Verfahren und Vorrichtung zum Regeln der Temperatur von Dampf für eine Dampfkraftanlage |
| EP2522430A1 (en) | 2011-05-13 | 2012-11-14 | ABB Research Ltd. | Method of observing a change of mass inside a grinding unit |
| CN103643027B (zh) * | 2013-12-12 | 2015-08-05 | 中国兵器工业新技术推广研究所 | 基于线性降阶自抗扰控制技术的热处理电阻炉控制方法 |
| EP2913611A1 (en) * | 2014-02-28 | 2015-09-02 | L'air Liquide, Societe Anonyme Pour L'etude Et L'exploitation Des Procedes Georges Claude | Hydraulic-binder rotary-furnace operation |
| CN104462850A (zh) * | 2014-12-25 | 2015-03-25 | 江南大学 | 基于模糊高斯混合模型的多阶段间歇过程软测量方法 |
| CN105159235B (zh) * | 2015-01-08 | 2018-12-25 | 北方工业大学 | 回转窑煅烧过程综合协调控制方法及系统 |
| CN104699039A (zh) * | 2015-01-30 | 2015-06-10 | 新兴河北工程技术有限公司 | 一种石灰双膛窑煅烧专家控制方法 |
| CN105093928B (zh) * | 2015-08-25 | 2018-02-16 | 中南大学 | 一种基于主抽风机变频调控的烧结过程状态智能控制方法 |
| CN108267003B (zh) * | 2016-12-30 | 2019-11-05 | 湖南鼎玖能源环境科技股份有限公司 | 物料量检测控制方法、物料量检测控制装置和回转炉 |
| CN107038284A (zh) * | 2017-03-20 | 2017-08-11 | 上海大学 | 多腔回转炉及进行催化剂颗粒加热的数值模拟方法 |
| CN107544252B (zh) * | 2017-09-19 | 2020-08-11 | 中国计量大学 | 基于机器学习的直落式物料下料机控制器 |
| EP3474091B1 (de) * | 2017-10-20 | 2023-07-05 | aixprocess GmbH | Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, nämlich eines mahlprozesses in einer mahlvorrichtung |
| CN111123874B (zh) * | 2019-12-30 | 2020-12-11 | 杭州电子科技大学 | 基于分数阶lqg基准的水泥回转窑烧成过程性能确定方法 |
| CN116224802B (zh) * | 2023-03-31 | 2023-12-05 | 上海理工大学 | 基于干扰观测器和管道模型预测的车队纵向复合控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1129037A (zh) * | 1993-08-11 | 1996-08-14 | 费舍-柔斯芒特系统股份有限公司 | 采用自动调节进行模糊逻辑控制的方法和装置 |
| US6285971B1 (en) * | 1997-08-22 | 2001-09-04 | Voyan Technology | Method for real-time nonlinear system state estimation and control |
| CN101082811A (zh) * | 2006-06-02 | 2007-12-05 | 中国科学院自动化研究所 | 一种基于噪声估计的自适应状态反馈预测控制方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK171319B1 (da) * | 1987-08-06 | 1996-09-02 | Smidth & Co As F L | Fremgangsmåde til styring af en roterovn under opstart |
| WO1992014197A1 (en) * | 1991-02-08 | 1992-08-20 | Kabushiki Kaisha Toshiba | Model forecasting controller |
| US5456761A (en) * | 1993-07-15 | 1995-10-10 | Alcan International Limited | High temperature and abrasion resistant temperature measuring device |
| US5408406A (en) * | 1993-10-07 | 1995-04-18 | Honeywell Inc. | Neural net based disturbance predictor for model predictive control |
| US5493631A (en) * | 1993-11-17 | 1996-02-20 | Northrop Grumman Corporation | Stabilized adaptive neural network based control system |
| US6438430B1 (en) * | 1996-05-06 | 2002-08-20 | Pavilion Technologies, Inc. | Kiln thermal and combustion control |
| US5822740A (en) * | 1996-06-28 | 1998-10-13 | Honeywell Inc. | Adaptive fuzzy controller that modifies membership functions |
| US6532454B1 (en) * | 1998-09-24 | 2003-03-11 | Paul J. Werbos | Stable adaptive control using critic designs |
| EP1406136B1 (en) | 2002-10-01 | 2010-12-08 | ABB Research Ltd. | Estimation of process variables |
| EP2449329B1 (en) * | 2009-07-03 | 2014-12-03 | Abb Ab | Method for controlling a process for burning a lime containing mixture to burnt lime |
-
2008
- 2008-09-23 EP EP08164844A patent/EP2169483A1/en not_active Withdrawn
-
2009
- 2009-09-21 EP EP09783223A patent/EP2329327B1/en active Active
- 2009-09-21 AU AU2009295992A patent/AU2009295992B2/en not_active Ceased
- 2009-09-21 CN CN200980137151.9A patent/CN102165382B/zh not_active Expired - Fee Related
- 2009-09-21 PL PL09783223T patent/PL2329327T3/pl unknown
- 2009-09-21 WO PCT/EP2009/062175 patent/WO2010034682A1/en active Application Filing
- 2009-09-21 BR BRPI0918984A patent/BRPI0918984B1/pt not_active IP Right Cessation
-
2011
- 2011-03-03 ZA ZA2011/01648A patent/ZA201101648B/en unknown
- 2011-03-18 US US13/051,249 patent/US20110208341A1/en not_active Abandoned
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1129037A (zh) * | 1993-08-11 | 1996-08-14 | 费舍-柔斯芒特系统股份有限公司 | 采用自动调节进行模糊逻辑控制的方法和装置 |
| US6285971B1 (en) * | 1997-08-22 | 2001-09-04 | Voyan Technology | Method for real-time nonlinear system state estimation and control |
| CN101082811A (zh) * | 2006-06-02 | 2007-12-05 | 中国科学院自动化研究所 | 一种基于噪声估计的自适应状态反馈预测控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| Supervisory fuzzy control of a rotary cement kiln;Akalp, M.等;《Electrotechnical Conference, 1994. Proceedings., 7th Mediterranean》;19941231;第2卷;754页第1栏第6段，第2栏第1段以及附图1-2， * |
| 模糊逻辑控制理论在莱钢大H型钢材热炉系统中的设计应用;郭全生等;《青岛大学学报（工程技术版）》;20060731;第21卷;58-60 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2169483A1 (en) | 2010-03-31 |
| US20110208341A1 (en) | 2011-08-25 |
| AU2009295992A1 (en) | 2010-04-01 |
| BRPI0918984A2 (pt) | 2017-08-01 |
| EP2329327A1 (en) | 2011-06-08 |
| WO2010034682A1 (en) | 2010-04-01 |
| EP2329327B1 (en) | 2012-10-31 |
| CN102165382A (zh) | 2011-08-24 |
| AU2009295992B2 (en) | 2013-09-26 |
| BRPI0918984B1 (pt) | 2020-05-19 |
| PL2329327T3 (pl) | 2013-03-29 |
| ZA201101648B (en) | 2012-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102165382B (zh) | 用于控制工业过程的方法和系统 | |
| US8571715B2 (en) | On-line optimization of induration of wet iron ore pellets on a moving grate | |
| WO2022037500A1 (zh) | 一种基于料层厚度预测的布料控制系统及方法 | |
| CN108393146B (zh) | 一种钢球磨煤机制粉系统自适应最优解耦控制方法 | |
| CN108672025B (zh) | 一种钢球磨煤制粉系统的多工况最优解耦控制方法 | |
| Tunckaya et al. | Comparative performance evaluation of blast furnace flame temperature prediction using artificial intelligence and statistical methods | |
| Wu et al. | Neural-network-based integrated model for predicting burn-through point in lead–zinc sintering process | |
| WO2018065661A1 (en) | Control and monitoring concept for mineral calcination | |
| Eksteen et al. | Dynamic structures in variance based data reconciliation adjustments for a chromite smelting furnace | |
| Panda et al. | Lowering carbon emissions from a zinc oxide rotary kiln using event-scheduling observer-based economic model predictive controller | |
| Prasath et al. | Application of soft constrained MPC to a cement mill circuit | |
| Nistala et al. | Virtual Sinter®: Digital Twin for Integrated Sinter Plants | |
| CN106987710A (zh) | 一种球团生产工艺在线预控方法及装置 | |
| Nikolaevich et al. | Optimal energy-efficient combustion process control in heating furnaces of rolling mills | |
| Wilson | Virtual sensor technology for process optimization | |
| WO2024202882A1 (ja) | 返鉱制御装置、返鉱制御方法及び焼結鉱の製造方法 | |
| Matthes et al. | Identification and Control of the Waelz Process Using Infrared Image Processing | |
| Bazin et al. | Estimation of gas flow rates and pellet temperatures in an iron oxide induration furnace | |
| Gómez Fuentes | Modern approaches to control of a multiple hearth furnace in kaolin production | |
| Kumar et al. | 9 Developments in Application of Sensors to Sustainable | |
| Kumar et al. | Developments in Application of Sensors to Sustainable Manufacturing of Cement | |
| JP2024057958A (ja) | 焼結設備の操業管理方法 | |
| Clermont et al. | Real time mill management tools stabilizing your milling process | |
| Shen et al. | Modeling and analysis of material layer thickness in slag powder process | |
| Bergh et al. | Improving copper matte grade control in a concentrate flash furnace |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191128 Address after: Baden, Switzerland Patentee after: ABB Switzerland Co.,Ltd. Address before: Zurich Patentee before: ABB RESEARCH Ltd. |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151125 |