CN102395927A - 用于优化连续蒸煮过程的系统和方法 - Google Patents

Abstract

提供了一种优化连续蒸煮过程的方法，其目的在于考虑到过程扰动和模型不确定性对于不同的纸浆等级以最佳方式来控制连续纸浆蒸煮器中的脱木素化过程。这通过定制连续蒸煮过程的一般数学模型来实现，该数学模型通过专用电子器件上的软件应用程序来运行。该模型基于在线信息周期性地更新，并且用于涉及多目标优化以评估控制器的最佳设置点的装置优化构件。

Description

用于优化连续蒸煮过程的系统和方法

技术领域

本发明大体而言涉及优化在纸浆和造纸工业中的连续纸浆蒸煮器。更具体而言，本发明提出的系统和方法的目的在于对于不同纸浆等级，考虑过程扰动和模型不确定性以最佳方式来控制在连续纸浆蒸煮器中的脱木素化过程。

背景技术

在纸浆和造纸工业中的连续纸浆蒸煮器用于蒸煮木屑以产生纸浆，而纸浆进而用于造纸。蒸煮的目的是为了移除存在于木屑中的木素组分。木素是存在于木材中的络合物且充当纤维束纤维的粘结材料。木屑以及蒸煮液在蒸煮器顶部持续地供给且从蒸煮器单元底部作为纸浆产品移除蒸煮的木屑。在双容器构造中，在单独容器中执行浸渍过程，在该单独容器后面为另一容器，另一容器包括上部段、下部段和洗涤部段。一般而言，蒸煮过程涉及由蒸煮液从木屑移除木素。在连续纸浆蒸煮器中蒸煮期间，碎屑总是从顶部向底部流动，而对于所涉及的各个部段，蒸煮液的流动为或者同流或者逆流。通过取出蒸煮夜且使之再循环返回来加热蒸煮液以提供蒸煮所需的热。提取木质组分后，将液的部分取出以进行进一步处理。由于这种过程的复杂性质，连续纸浆蒸煮器的特征为高度非线性行为。除了诸如存在长停止时间，过程变量之间的强相互作用和木屑特征中未测量的变化的因素之外，这还使得很难控制蒸煮器。

蒸煮器系统具有过程参数，诸如模型状态，具有一种或多种组分在固相、液相和气相的特定浓度，白液和洗涤液的温度、压力、流率，再循环流率和温度，在热交换器中的蒸汽流率，白液和洗涤液的有效碱和活性碱等；品质参数，诸如提取流的卡柏(Kappa)数、一致性、纸浆强度、有效碱和活性碱等；性能参数，诸如能量效率、产量、库存消耗和操作成本等；以及模型参数，诸如反应速率系数、效率因数、扩散和传热系数。所有这些参数，即，过程参数、品质参数、性能参数和模型参数从这里开始统称作蒸煮器参数。

在工业中的惯例为通过操纵不同部段处的循环的蒸煮液流的温度和到蒸煮器的不同部段的补充白液和洗涤液的流率来具体地控制蒸煮器的底部出口或排出管道处的纸浆的卡柏数。以特别方式基于操作者经验来调整白液/洗涤液的温度和流率的设置点。但是，近来，还提出了多变量模型预测控制策略来改进对蒸煮器的控制。在下文中列出了与蒸煮器中的过程的控制有关的专利和公开中的一些。

美国专利No.5,301,102描述了使用阶跃响应模型和蒸煮液的卡柏数和有效碱的周期性测量来控制从卡米尔(Kamyr)蒸煮器所产生的纸浆的卡柏数。

美国公开No.20050034824使用基于在线分析器、停止时间补偿器、解耦器和各种受操纵变量对蒸煮器品质和性能参数影响的查找表(类似于模糊逻辑规则)的方法来实现蒸煮器的所需性能。

美国专利No.6,447,639涉及应用热和离子迁移光谱技术来基于供给到纸浆蒸煮器的碎屑的特征的在线确定来计算所添加的蒸煮液的量。

美国专利No.4,752,357描述了一种确定在蒸煮过程中纸浆蒸煮程度的方法。这非常适用于确立适当的预测控制行为。

在文献中记录的其它现有技术方法涉及采用诸如下列的技术：使用线性和非线性模型的模型预测控制；推断控制；以及操作条件优化以从连续纸浆蒸煮器产生所需卡柏数的纸浆。

关于诸如监视和控制的不同应用，还记录了不同复杂性的连续纸浆蒸煮器模拟模型。近来，Padhiyar等人(2006)提出了某些策略，这些策略的目的在于控制在蒸煮器的各个蒸煮区的卡柏数分布，而不是仅控制排出管道(blow line)处的卡柏数分布。这将便于更快速的过程扰动抑制，因为将比结果表现在排出管道中的卡柏数的情况更易于开始校正行为。这种分布式控制策略也将确保在等级变化期间的更快速且高效的过渡操作。但是，该策略限于使用卡柏数分布的提议且并未进一步扩展到对各种控制器教导分配最佳设置点的手段。如之前讨论，分配设置点通常基于操作者经验。

总之，在现有技术中记录的方法主要关注控制仅排出管道部段中的卡柏数，以及还有通过沿着蒸煮器长度控制如卡柏数和产量的各种重要性质的分布而得到的进一步改进。但是，分布的控制必须最佳地进行以确保装置的各个目标，诸如优良的品质和性能，且在线地控制过程以根据需要来满足要求。不只一个品质参数或性能参数或过程参数的优化和控制问题需要具有一定手段来处理装置过程的复杂性，优化问题公式和处理相冲突的要求所涉及的权衡。这个方面并不是现有技术的一部分，但其是本发明的主题。

发明目的

本发明的主要目的在于关于各种蒸煮器参数优化连续纸浆蒸煮器。

本发明的又一目的在于提供一种方法，其基于实时装置数据沿着蒸煮器长度提供一个或多个蒸煮器参数的最佳设置点分布。

本发明的另外的另一目的在于评估连续纸浆蒸煮器的多目标最优解分布。

本发明的另外的另一目的在于评估单目标优化以实现最佳设置点。

本发明的另外的另一目的在于使用参数估计构件来更新模型参数。

本发明的另外的另一目的在于提供多目标优化所需解作为单目标优化问题的初始猜测来确保在线多目标操作。

发明内容

因此，本发明涉及通过沿着蒸煮器的多个部段评估蒸煮器参数的最佳设置点分布来优化连续纸浆蒸煮器参数。基于所需品质要求使用多目标优化的结果来公式化单目标优化问题。如此形成的单目标优化问题涉及优化这些目标之一和对应于选定多目标最优解的其它目标的等式约束(equality constraint)。

使用在线数据和来自实验室的结果来持续地更新蒸煮器模型。使用更新的模型来周期性地执行单目标优化以更新最佳设置点分布。对于模型预测中的显著偏差，也重复多目标优化来实现更新的多目标最优解。

在本发明的第一方面，提出了一种优化对连续纸浆蒸煮器的控制的系统。该系统包括：

a)过程模型构件，其具有连续纸浆蒸煮器的许多部段中的至少一个部段的过程模型；

b)参数估计构件，其用于提供对连续纸浆蒸煮器的许多部段中的至少一个部段的一个或多个蒸煮器参数的估计；

c)装置优化构件，其使用连续纸浆蒸煮器的过程模型构件和参数估计构件执行计算来优化一个或多个蒸煮器参数；

d)一个或多个控制器，其用于调节连续纸浆蒸煮器的许多部段中的至少一个部段的蒸煮器参数且由过程优化构件提供设置点；

其中，

装置优化构件还包括装置目标函数，以对从多个参数目标函数公式化的蒸煮器参数执行在线优化。

在本发明的一实施例中，该系统的参数估计构件用于优化对连续纸浆蒸煮器的控制，其中参数估计构件为过程模型构件的整体部分或者为装置优化构件的整体部分。

在本发明的另一实施例中，用于优化对连续纸浆蒸煮器的控制的系统具有关于单参数目标函数的参数优化构件。

在本发明的又一实施例中，用于优化对连续纸浆蒸煮器的控制的系统具有关于至少一个装置目标函数的装置优化构件。

在本发明的又一实施例中，连续纸浆蒸煮器的许多部段之一形成于连续纸浆蒸煮器的诸如下列区的一个或许多组合中：浸渍区、上蒸煮区、下蒸煮区、洗涤区，且其中许多部段之一包含于一个或多个单元中。

在本发明的又一实施例中，该装置优化构件具有装置目的接口，其用于装置操作的一个或多个阶段，以利用使用者接口或使用软件接口来获得配置数据或者使用基于规则的系统来寻求并分析诸如优先权信息的信息来优化一个或多个蒸煮器参数、所需范围和操作点，来获得优先信息。

在本发明的第二方面，提出了一种用于参数目标优化的方法。该方法包括以下步骤：

a)从参数估计构件获得过程模型和蒸煮器参数；

b)使用装置目的接口对蒸煮器参数提供约束和限制；

c)利用来自所述参数估计构件的蒸煮器参数和来自装置目的接口的所述约束和限制来定义一个或多个参数目标函数；

d)通过操纵蒸煮器参数，在由过程模型施加的约束下或在来自装置目的接口的所述约束和限制下或者在由过程模型施加的约束和来自装置目的接口的约束和限制两者下优化该一个或多个参数目标函数，得到参数目标函数的一个或多个最优值。

在本发明的第三方面，提出了一种用于装置目标优化的方法。该方法包括以下步骤：

a)通过从装置目的接口得到的优先信息来从多个参数目标函数选择装置目标函数；

b)从参数估计构件获得过程模型和蒸煮器参数；

c)除了使用装置目的接口限定的选定装置目标函数之外，获得多个参数目标函数的约束和限制信息，

d)通过操纵蒸煮器参数，在由过程模型施加的约束下或在来自装置目的接口的所述约束和限制下或者在由过程模型施加的约束和来自装置目的接口的约束和限制两者下优化该装置目标函数，得到该装置目标函数的最优值。

在本发明的第四方面，提出了一种对连续纸浆蒸煮器进行在线优化的方法。该方法包括以下步骤：

a)使用参数估计构件和过程模型构件来获得蒸煮器参数的估计；

b)使用诸如在线测量、来自实验室分析的数据或其组合的手段来获得测量数据；

c)获得蒸煮器参数的所述估计与使用诸如在线测量、来自实验室分析的数据和其组合的方法获得的所述测量数据之间的差异；

d)评估所述差异的显著性以及恰当地更新过程模型构件且恰当地触发参数优化构件和装置优化构件来更新优化蒸煮器参数的解，其中过程模型构件的更新和参数优化构件的触发的合适性基于连续纸浆蒸煮器装置的在线性能和准确性的容许公差；

e)使用优化的蒸煮器参数作为连续纸浆蒸煮器的优化控制的设置点；

在本发明的第五方面，提出了一种参数估计构件。该参数估计构件包括诸如下列的一个或多个模块：

a)预测模块，其用于通过使用诸如在线测量、来自实验室分析的数据、数学公式和其组合的方法提供一个或多个蒸煮器参数的估计，蒸煮器参数包括模型参数、过程参数、品质和性能参数；

b)更新模块，其用于基于在一个或多个蒸煮器参数的估计与使用诸如在线测量、来自实验室分析的数据和其组合的方法获得的测量数据之间的差异的显著性来更新过程模型构件；

c)触发模块，其用于触发优化求解器来计算装置目标函数和参数目标函数；

d)接口支持模块，其用于支持装置目的接口，提供结果和状态信息，包括装置轨迹信息，以帮助选择合适的装置目标函数。

附图说明

但应指出的是，附图只是要说明本发明的典型实施例，且因此不应被认为限制了其范围，因为本发明可容许其它同等有效的实施例。

图1：连续纸浆蒸煮器过程的示意图；

图2：对于两个目标的多目标优化解。

图3：根据本发明的连续纸浆蒸煮器的优化的示意图示。

具体实施方式

在本发明的这部分，描述了在连续蒸煮过程控制中所涉及的各个步骤和用于最佳控制的系统。

两种类型的蒸煮器构造，单容器或双容器，用于工业中的连续纸浆蒸煮器。单容器连续纸浆蒸煮器为竖直圆柱形容器，其包括不同区，诸如浸渍区、上蒸煮区、下蒸煮区和洗涤区。图1示出了包括单容器的典型连续蒸煮器单元100的示意图。单个单元的连续纸浆蒸煮器的方面也可由包括多于一个容器的多个蒸煮器单元来表示。

蒸煮器单元在升高的温度和压力下对木屑进行化学处理以降低适合于造纸的纸浆的木素含量。木屑和蒸煮液流105在顶部进入蒸煮器单元且向下行进通过诸如下列的各个区：浸渍区110、上蒸煮区120、下蒸煮区130和洗涤区140，之后通过排出管道150作为纸浆155离开蒸煮器底部。

蒸煮器作为三相固-液-气反应系统操作。在碎屑中的固体质量随着纸浆前进经过脱木素化而减少，形成水溶性固体，水溶性固体溶解于截留液中。水溶性固体通过扩散过程恰当地转移到纸浆相周围的自由液。

在浸渍区110中，蒸煮化学品继续扩散到截留于碎屑的空隙空间内的液体内。在浸渍区中的温度通常不够高到导致发生明显的脱木素化速率，且在不同区，通过使用用于单独的区的许多加热器160来维持温度。在离开浸渍区时，碎屑和蒸煮液进入上蒸煮区120，其中，通常通过在外部加热上蒸煮循环流107来升高温度。蒸煮液部分地作为上提取流108从上蒸煮区取出且在外部加热器160中部分地加热且循环回到上蒸煮区。在循环流通过加热器160之前，向循环流添加补充白液和洗涤液流109。

在上蒸煮区120之后，碎屑和蒸煮液进入下蒸煮区130，其中蒸煮液流125循环通过外部加热器160以维持该温度。在进入加热器之前，也向循环液添加补充白液和洗涤液流109。在下蒸煮区的端部处，蒸煮液的部分作为黑液提取流135移除。

在下蒸煮区之后，纸浆进入洗涤部段140，在洗涤部段140，其与洗涤液混合以从纸浆移除反应的木素。一定量的脱木素化反应也在此区中发生。也在外部加热器160中加热来自洗涤部段的循环液流145。在进入加热器之前，向此流添加补充洗涤液流147。这帮助在洗涤区中实现进一步脱木素化反应。最后，通过排出管道150从蒸煮器底部移除蒸煮的纸浆且其被发送到该厂的粗浆洗涤部段(在附图中未图示)。提取以及循环流通过筛网115从蒸煮器取出。

控制系统部署于蒸煮器100周围来测量、操纵和控制多种蒸煮器参数。控制系统通常为带调节控制器的分布式控制系统(DCS)。在形成为一个或多个区的组合的各个部段实行控制。执行类似功能(若有的话)的多个区以及执行略微不同功能的多个区可凑在一起形成部段。

先进控制系统模块用于优化。优化方法基于过程模型。在本发明中描述的模型为半经验模型。但也可使用基于第一原理或经验方法的其它模型。下面的段落描述了模型公式和各个模型参数的估计。模型参数为用于模型方程式的公式化的参数。

连续纸浆蒸煮器建模为管状反应器，其具有用于供给碎屑的一个输入且蒸煮液在各个区中的多个位置进入以执行蒸煮。假定温度和浓度沿着蒸煮器的长度(从顶部到底部)经过蒸煮器的各个区或部段而变化。

使用集总参数法来对蒸煮器建模且通过将其表示为一系列互连的CSTR(连续搅拌槽反应器)而构建整个蒸煮器模型。假定木和液组成且执行进入和离开CSTR的组分中的每种组分的材料和能量平衡来导出模型方程式。考虑反应速率方程式来解决各个组分的消耗/形成。

整个蒸煮器分成四个主部段：浸渍部段、上蒸煮部段、下蒸煮部段和洗涤部段。假定每个部段为如上文所述的一系列CSTR。对于每个部段，开发子模型且这些子模型相应地连接以开发用于任何类型蒸煮器的模型。每个CSTR的模型方程式为以下一般形式：

$V\frac{d{C}_i}{\mathrm{dt}}=F_i^{\mathrm{in}}-F_i^{\mathrm{out}}+F_i^{\mathrm{reaction}};$ i＝1至m；(Eq1)

${\mathrm{\ρ}}_s{C}_{p,s}{V}_s\frac{d{T}_{\mathrm{solid}}}{\mathrm{dt}}={H_{\mathrm{solid}}}^{\mathrm{in}}-{H_{\mathrm{solid}}}^{\mathrm{out}}+H^{\mathrm{reaction}}+H_{\mathrm{liquor}\→\mathrm{solid}}^{\mathrm{transfer}};---\left(\mathrm{Eq}2\right)$

${\mathrm{\ρ}}_l{C}_{p,l}{V}_l\frac{d{T}_{\mathrm{liquor}}}{\mathrm{dt}}={H_{\mathrm{liquor}}}^{\mathrm{in}}-{H_{\mathrm{liquor}}}^{\mathrm{out}}-H_{\mathrm{liquor}\→\mathrm{solid}}^{\mathrm{transfer}};---\left(\mathrm{Eq}3\right)$

Eq.1描述了在CSTR中组分i的积聚速率。C_i为CSTR中组分i的浓度。T_solid和T_liquor为固体(碎屑)和自由液的温度。

和

分别为进出CSTR的组分i的流率，且

代表通过CSTR中的反应形成组分i的速率。m为存在于各个蒸煮器入口/出口流中的组分的总数且V为CSTR的体积。Eq.2和Eq.3描述了固相和液相的热平衡。H_solid ⁱⁿ，H_solid ^out，H^reaction，

分别代表对于CSTR随着固体进出的热的速率，由于CSTR中的反应所致的热贡献以及从液相到固相的传热。H_liquor ⁱⁿ和H_liquor ^out代表通过液相进出CSTR的热。ρ_s和ρ_l为密度，C_ps和C_pl为比热且V_s和V_l分别为固相和液相的体积。动力和扩散参数结合于项

中而扩散和传热项结合于项

中。这些为各种模型参数。更一般的形式也将结合动量平衡方程式(此处未记录)。对于稳态模型，方程式1-3的左侧项将为零。

使用装置数据来调节和验证公式化模型。为了验证该模型，通过最小化在实际离线装置测量(从分布式控制系统以及实验室获得的测量)与模型预测之间的误差来确定模型参数。可使用基于随机或线性或非线性梯度的优化技术来最小化误差。然后在优化框架中使用验证的模型。

对过程模型进行公式化以代表诸如下列的过程参数：各种输入、提取和循环流量和其组成、温度等。其还包括品质参数：诸如卡柏数、装置一致性和排放因素；以及性能参数：诸如产量和操作成本。这些参数以及模型参数被称作蒸煮器参数。应认识到多个蒸煮器参数有优化需要且因此公式化多个参数目标函数。

验证的模型首先用于解多目标优化问题。由下式给出涉及“n”个目标的多目标优化问题的一般陈述：

j＝1至n；

服从：模型方程式

对u、x和y的约束和限制

其中，

为第j目标函数，u为输入变量的向量，x和y为状态和输出变量的向量。

具有多个目标的优化问题预期关于目标中的一些有冲突，且这将导致被称作非支配或帕雷托(Pareto)最优解的同样好的解集，其分布于多目标最佳维度空间中(该维度空间的维度(的数量)为目标总数)。

通过装置目的接口，取决于装置目的函数的定义，来自多目标优化问题的解简化为单目标优化问题。因此得到的单目标函数被称作装置目标函数，因为此函数引导该装置以最优化的方式完全满足其目标。多目标优化函数被称作参数目标函数。

装置目的接口为使用者接口，其将通过解公式化的多目标优化问题而得到的多个解提示给使用者，以优化多种蒸煮器参数。对于多种蒸煮器参数的所提供的解的每个解，给予装置操作者或管理者结果信息的支持。通过使用验证的过程模型利用解的特定选择预测装置状态来得到结果信息。也可通过使用配置文件或通过基于规则的系统来使获得选择的过程自动化，基于规则的系统限定了实行关于该装置的选择的条件。

图2用于说明装置目标函数的多个解和公式的实例。在此实例中，示出了两个目标函数的简单情况，即，参数目标函数用于最小化卡柏数(210)且使产量最高(220)，服从对重要决策变量的模型约束和限制。

在图2中示出了对应于此问题所得到的最优解集。曲线代表对于此问题所获得的多个解。所有解在卡柏数或产量方面较佳。取决于使用者要求，可选择给定解且将选择对应于此解的设置点分布来实施，例如，根据对于纸浆的两种不同品质(等级)要求的使用者要求得到曲线中的点M(230)和N(240)，即对于制作储存盒和高品质书写纸的应用，所需纸浆品质将显著不同，例如通过M和N俘获。这种不同要求的不同设置点分布的有效性将便于更佳蒸煮器性能。在M为选定解的情况下，对应于M，单目标优化问题将涉及卡柏数的最小化和对应于点M的产量的等式约束。最佳分布也需要根据纸浆品质要求的变化而更新。更多的目标函数，诸如最小化能量，流出流等，也可一起考虑以得到多维目标函数空间中的解。随机优化算法用于解多目标优化且在解这些问题中涉及的时间较长。因此，对于在线实施方式，使用基于更快梯度的方法对来自多维目标空间的对应于所需最优解的单目标优化问题求解。此处的重要优点在于由多目标问题的解提供基于梯度的方法的收敛性所需的初始猜想。必须提到的是，如果优化所需的时间是可接受的，则任何优化算法可用于求上文所提到的优化问题中任一个的解。

在线操作期间，由于供给碎屑品质的变化、蒸煮液组成变化、在热交换器中的传热系数等，蒸煮器模型预测可能不同于过程参数的实际测量。在这种情形下，需要使用一个或多个过程、品质和性能参数来在线重新估计模型参数。这通过重调模型参数来进行，以最小化在蒸煮器参数的装置与模型预测之间的偏差。使用非线性优化技术来最小化误差。模型参数的周期性再估计减小了模型失配且使得模型行为更接近连续纸浆蒸煮器的真实行为。

如之前所讨论，实施多目标优化问题所需的计算时间较长，以模型参数的每次更新来解多目标优化问题是不可行的。替代地，解单目标优化问题来使用更新模型获得更佳设置点分布。可使用如SQP的常规的基于梯度的方法来执行这种优化，且这种优化更快地适合在线实施。

当装置测量与使用更新模型的模型预测中存在显著偏差时，可使用更新模型来周期性地解如此公式化的单目标优化问题。对于装置测量与使用更新模型的模型预测中的重大偏差，解多目标优化问题。

图3是在本发明中提出的连续蒸煮过程的在线优化系统(300)的示意图示。连续纸浆蒸煮器装置100具有基于在线测量数据、实验室分析(320)和使用参数估计构件(330)的未测量或未分析的参数的估计来恰当地更新的参数模型310。参数估计构件具有多种模块，诸如：

a)预测模块，其用于通过使用诸如在线测量、来自实验室分析的数据、数学公式和其组合的方法提供一个或多个蒸煮器参数的估计，蒸煮器参数包括模型参数、过程参数、品质和性能参数；

b)更新模块，其用于基于在一个或多个蒸煮器参数的估计与使用诸如在线测量、来自实验室分析的数据和其组合的方法获得的测量数据之间的差异的显著性来更新过程模型构件；

c)触发模块，其用于触发优化求解器来计算装置目标函数和参数目标函数；

d)接口支持模块，其用于支持装置目的接口，提供结果和状态信息，包括装置轨迹信息，来帮助选择合适的装置目标函数。

为了优化连续纸浆蒸煮器装置100，利用优化求解器360来解多目标优化函数340和精简的单目标函数350。如先前所讨论，将多目标函数公式化以优化各种蒸煮器参数且因此被称作参数优化函数。同样，公式化单目标函数来表示装置目标且被称作装置优化函数。优化求解器360的输出为通过调节控制器370控制的各种蒸煮器参数的设置点集合。

优化和模型计算实施为任何专用电子或软件器件上的软件应用程序，专用电子或软件器件为标准过程自动化系统，其基于面向对象方法的概念来设计和操作过程自动化系统。

应当指出的是现代DCS支持各个控制系统构件和模型的虚拟化且构件或模块可具有其在DCS系统中运行的多个实例。举例而言，装置优化构件可具有在DCS系统中同时运行的装置目标函数的两个实例。

该自动化系统被编程以在参数估计构件330发现适合于在线操作的情况下更新模型310且触发优化求解器360。参数估计构件330确定由模型预测的值与在线或利用实验室分析做出的测量之间的偏差和其显著性。如果发现偏差显著，则提供对装置优化构件的触发以再次解包括多目标函数的目标函数。这种触发可在起动阶段期间在调节模型时或者在装置操作的任何阶段期间每当由于任何原因存在更新过程装置模型的需要时发生。参数估计构件330也为帮助预测蒸煮器参数以例如在使用装置目的接口选择特定解期间根据需要和在需要时确定结果或状态信息的构件。这个特征可扩展到提供装置结果轨迹信息，以恰当地使用模型来预测装置操作关于时间的进程。

因此，为了最佳地控制，所提出的方案提供沿着蒸煮器的不同部段的各种蒸煮器参数的在线控制，以实现各种装置目标。

在不偏离本发明的范围和精神的情况下，本发明的结构和操作方法中的各种其它修改和更改将对于本领域技术人员显而易见。尽管关于具体优选实施例和具体地对于造纸和纸浆工业中所用的连续纸浆蒸煮器描述了本发明，但应了解所要求保护的本发明不应不当地限于这些具体实施例或诸如在造纸和纸浆工业中所用的连续纸浆蒸煮器的特定装置系统。预期所附的权利要求限定了本发明的范围且由此涵盖在这些权利要求和其等效物的范围内的结构和方法。

参考：

Nitin Padhiyar，Akhil Gupta，Abhishek Gautam，Sharad Bhartiya，FrancisJ.Doyle III，Sachi Dash，Sujit Gaikwad.连续纸浆蒸煮器中的多个位置处的卡柏数的非线性推理多速率控制(Nonlinear inferential multi-rate  control of Kappa number at multiple locations in a continuous pulp  digester).过程控制期刊(Journal of Process Control)，16，10，2006，1037-1053.

Claims (10)

1.一种用于优化连续纸浆蒸煮器(300)的控制的系统，包括：

a)过程模型构件(310)，其具有所述连续纸浆蒸煮器的许多部段中的至少一个部段的过程模型；

b)参数估计构件(330)，其用于提供对所述连续纸浆蒸煮器的许多部段中的至少一个部段的一个或多个蒸煮器参数的估计；

c)装置优化构件(360)，其使用所述连续纸浆蒸煮器的所述过程模型构件和所述参数估计构件来执行计算，以优化所述一个或多个蒸煮器参数；

d)一个或多个控制器(370)，其用于调节所述连续纸浆蒸煮器的许多部段中的至少一个部段的蒸煮器参数且由所述过程优化构件提供设置点；

其中，

所述装置优化构件还包括装置目标函数(350)，以对从多个参数目标函数(340)公式化的蒸煮器参数执行在线优化。

2.根据权利要求1所述的用于优化连续纸浆蒸煮器的控制的系统的参数估计构件，其特征在于，所述参数估计构件为所述过程模型构件的整体部分或者为所述装置优化构件的整体部分。

3.根据权利要求1所述的用于优化连续纸浆蒸煮器的控制的系统，其特征在于，具有关于单个参数目标函数的参数优化构件。

4.根据权利要求1所述的用于优化连续纸浆蒸煮器的控制的系统，其特征在于，具有关于至少一个装置目标函数的装置优化构件。

5.根据权利要求1所述的连续纸浆蒸煮器的许多部段中的一个部段，其特征在于，所述一个部段形成于所述连续纸浆蒸煮器的诸如下列区的一个或许多组合中：浸渍区、上蒸煮区、下蒸煮区、洗涤区，且其中所述许多部段中的一个部段包含于一个或多个单元中。

6.根据权利要求1所述的装置优化构件，其特征在于，所述装置优化构件具有装置目的接口，其用于装置操作的一个或多个阶段，以利用使用者接口或使用软件接口来获得配置数据，或者使用基于规则的系统来寻求并分析诸如优先权信息的信息来优化一个或多个蒸煮器参数、所需范围和操作点，来得到优先信息。

7.一种用于参数目标优化的方法，包括：

a)从参数估计构件获得过程模型和蒸煮器参数；

b)使用装置目的接口对所述蒸煮器参数提供约束和限制的手段；

c)利用来自所述参数估计构件的蒸煮器参数和来自所述装置目的接口的所述约束和限制来限定一个或多个参数目标函数；

d)通过操纵所述蒸煮器参数，在由所述过程模型施加的约束下或在来自所述装置目的接口的所述约束和限制下或者在由所述过程模型施加的约束和来自所述装置目的接口的约束和限制两者下优化所述一个或多个参数目标函数，得到所述参数目标函数的一个或多个最优值。

8.一种用于装置目标优化的方法，包括：

a)通过从装置目的接口得到的优先信息来从多个参数目标函数选择装置目标函数；

b)从参数估计构件获得过程模型和蒸煮器参数；

c)除了使用所述装置目的接口限定的选定的装置目标函数之外获得所述多个参数目标函数的约束和限制信息；

d)通过操纵所述蒸煮器参数，在由所述过程模型施加的约束下或在来自所述装置目的接口的所述约束和限制下或者在由所述过程模型施加的约束和来自所述装置目的接口的约束和限制两者下优化所述装置目标函数，得到所述装置目标函数的最优值。

9.一种用于连续纸浆蒸煮器的在线优化的方法，包括：

a)使用参数估计构件和过程模型构件来获得蒸煮器参数的估计；

b)使用诸如在线计算、来自实验室分析的数据或其组合的手段来获得测量数据；

c)使用诸如在线测量、来自实验室分析的数据和其组合的方法来获得在所述蒸煮器参数的所述估计与所述测量数据之间的差异；

d)评估所述差异的显著性以及恰当地更新所述过程模型构件且恰当地触发参数优化构件和装置优化构件来更新优化蒸煮器参数的解，其中所述过程模型构件的更新和所述参数优化构件的触发的合适性基于连续纸浆蒸煮器装置的在线性能和准确性的容许公差；

e)使用优化的蒸煮器参数作为用于所述连续纸浆蒸煮器的优化控制的设置点。

10.一种参数估计构件，包括诸如下列的一个或多个模块：

a)预测模块，其用于通过使用诸如在线测量、来自实验室分析的数据、数学公式和其组合的方法提供一个或多个蒸煮器参数的估计，所述蒸煮器参数包括模型参数、过程参数、品质和性能参数；

b)更新模块，其用于基于一个或多个蒸煮器参数的估计与使用诸如在线测量、来自实验室分析的数据和其组合的方法获得的测量数据之间的差异的显著性来更新过程模型构件；

c)触发模块，其用于触发优化求解器来计算装置目标函数和参数目标函数；

d)接口支持模块，其用于支持装置目的接口，提供结果和状态信息，包括装置轨迹信息，来帮助选择合适的装置目标函数。

Images