CN103745406A - 可视化选矿生产全流程工艺指标优化决策系统及方法 - Google Patents
可视化选矿生产全流程工艺指标优化决策系统及方法 Download PDFInfo
- Publication number
- CN103745406A CN103745406A CN201310723320.5A CN201310723320A CN103745406A CN 103745406 A CN103745406 A CN 103745406A CN 201310723320 A CN201310723320 A CN 201310723320A CN 103745406 A CN103745406 A CN 103745406A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- module
- mineral processing
- processing production
- configuration
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种可视化选矿生产全流程工艺指标优化决策系统及方法，该系统包括用户管理子系统、平台接口子系统和工艺指标决策子系统，方法包括对用户信息进行设置并对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作；从选矿生产现场控制系统获取选矿生产全流程控制策略所需数据并从本地获取离线数据；对算法进行封装、配置数据接口、配置数据类型，或者对封装好的算法模块修改；组态形成选矿生产全流程控制策略；对趋势分组以及变量数据分组配置并动态配置显示界面；运行算法模块并将结果上传。本发明算法可替换，接收工业现场数据并建立相应的算法文件，通过算法封装技术把不同语言的算法封装为软件平台能识别的不同的算法模块。
Description
技术领域
本发明属于信息技术领域，具体涉及一种可视化选矿生产全流程工艺指标优化决策系统及方法。
背景技术
目前，大部分国内选矿企业生产过程中，主要采用金字塔式的人工操作方式，各工序往往集中在以自己单元内满足生产稳定为目标，没有站在以生产全流程的角度统筹考虑。因为选矿生产过程各段工序之间串联、并联耦合关系严重，传统的孤立的局部优化控制往往造成能源消耗大、产品质量不稳定、生产成本不易降低等问题。
现有的选矿过程优化控制系统实现了选矿生产全流程中局部工序(如磨矿分级机过程)的稳定化控制，目标是要求在保证产品粒度合格的情况下，使磨机处理量达到理想状态，但是没有把影响选矿生产过程的其它工序的因素考虑在内，没有实现选矿企业生产全流程的多决策变量整体优化运行。
国内选矿生产全流程工艺指标优化决策系统研究和应用起步较晚，功能单一且技术落后，不能很好的将最新的控制技术、软件技术、计算机技术等融入到系统中。总的来讲，目前选矿生产全流程存在的主要问题有：
(1)未能实现基于全流程工艺指标的选矿企业生产全流程多决策变量的整体优化运行。影响选矿流程工业生产过程的因素(决策变量)有很多，过去传统的优化控制系统大部分研究、实施也是局限于对单个工序的局部优化，而没有同时把影响选矿流程工业生产过程的各种因素集中考虑在内，即未能实现企业生产全流程多决策变量的整体优化运行。
(2)现有的选矿优化系统优化决策目标不够全面。如只考虑效益或成本等单一指标，忽略资源消耗、能耗和产量等指标。
(3)选矿生产过程自动化信息、生产过程管理信息难以有效集成，大量的生产过程数据不能被充分利用，也必然不能有效的挖掘、使用其中隐含的信息，以进一步提高企业生产效益。
(4)选矿企业生产过程中关键工艺指标往往由人工凭经验调整，由于频繁多变的生产工况变化和缺少过程实时数据的支持，常常难以实现工艺指标的优化决策。
综上得知，相对于局部工艺指标独立控制，对选矿生产全流程工艺指标进行协同控制能够取得更高的经济效益，且有利于企业节能降耗、提升生产效率、提高产品质量。
发明内容
针对现有技术存在的问题，本发明提供一种可视化选矿生产全流程工艺指标优化决策系统及方法。
本发明的技术方案是：
一种可视化选矿生产全流程工艺指标优化决策系统，包括：
用户管理子系统：包括用户信息模块和用户项目及策略管理模块；
用户信息模块用于研究员对研究员信息、工程师信息和操作员信息进行管理；
用户项目及策略管理模块用于研究员对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略进行保存；
平台接口子系统：包括OPC通讯模块和数据采集模块；
OPC通讯模块用于与选矿生产现场的控制系统进行实时数据通讯；
数据采集模块用于接收OPC通讯模块从选矿生产现场的控制系统获取的数据，并从本地获取离线数据；
工艺指标决策子系统：包括算法维护模块、控制策略组态模块、配置信息模块和界面组态模块和操作运行模块；
算法维护模块用于对用户项目及策略管理模块添加的策略所需的算法封装、配置数据接口、配置数据类型和根据用户项目及策略管理模块修改的策略对封装好的算法模块进行修改；
控制策略组态模块用于绑定数据库中的变量以及组态控制策略，所述组态控制策略是对封装好的算法模块进行组态，形成选矿生产全流程控制策略；
配置信息模块用于对趋势分组配置以及变量数据分组配置；
界面组态模块用于动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；
操作运行模块用于根据数据采集模块获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行在算法维护模块中的算法模块；
数据管理与监控子系统：包括数据库模块和趋势图模块；
数据库模块用于存储研究员信息、工程师信息、操作员信息、变量数据、历史运行数据和选矿生产项目路径；
趋势图模块用于根据配置信息模块的趋势分组配置信息，将操作运行模块运行算法模块得到的结果数据的趋势信息，以趋势图的形式显示出来。
所述平台接口子系统还包括用于远程用户访问系统网络接口模块。
采用所述的可视化选矿生产全流程工艺指标优化决策系统进行选矿生产全流程工艺指标优化决策的方法，包括如下步骤：
步骤1：对系统所有用户的信息进行设置，并且对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略，并将设置好的用户信息、选矿生产项目和选矿生产全流程控制策略保存至数据库；
步骤2：从选矿生产现场的控制系统获取选矿生产全流程控制策略所需数据，并从本地获取离线数据；
步骤3：对选矿生产全流程控制策略所需的算法进行封装、配置数据接口、配置数据类型，或者根据控制策略对封装好的算法模块进行修改；
步骤4：对封装好的算法模块进行调用并组态形成选矿生产全流程控制策略，绑定数据库中的变量；
步骤5：对趋势分组配置以及变量数据分组配置，并且动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；
步骤6：根据获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行选矿生产全流程控制策略中的算法模块，运行过程中实时显示数据的趋势图；
步骤7：将运行选矿生产全流程控制策略中的算法模块的结果上传至选矿生产现场的控制系统。
所述步骤1对系统所有用户的信息进行设置，并且对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略，并将设置好的用户信息、选矿生产项目和选矿生产全流程控制策略保存至数据库，具体步骤如下：
步骤1.1：研究员或远程用户对系统所有用户的信息进行设置，即对所有权限的用户进行添加、修改和删除；
所有权限的用户包括研究员、工程师和操作员；
步骤1.2：对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略进行保存：导入项目或新建项目，通过选择项目的保存路径，把项目保存到想要保存的文件夹中，此时的项目保存路径同时也保存到数据库中，在下一次对同一项目进行操作时直接选择该项目进行操作；每个选矿生产项目包含多个选矿生产全流程控制策略。
所述步骤3中的选矿生产全流程控制策略所需的算法采用不同算法编辑语言，对不同算法编辑语言的算法进行封装的方法如下：
步骤3.1：针对不同算法编辑语言的算法，建立算法对象模型库；
步骤3.2：在算法对象模型库中查找匹配被封装算法的算法对象模型类别，若查找到匹配的算法对象模型类别，则执行步骤3，否则，在算法对象模型库中增加该算法的算法对象模型，再执行步骤3；
步骤3.3：建立要封装的算法与算法对象模型库中的算法对象模型之间的对应关系：选择算法对象模型库中与该算法对应的算法对象模型，并将该模型重命名使其与算法名称对应；
步骤3.4：设置用于读取不同语言算法的算法参数配置接口，包括算法名称、算法存储路径、输入参数属性和输出参数属性；
步骤3.5：根据设置的算法参数配置接口将算法保存至指定路径，完成算法封装。
所述步骤4中的对封装好的算法模块进行调用并组态形成选矿生产全流程控制策略，具体步骤如下：
步骤4.1：根据封装后的算法生成算法对象模型；
步骤4.2：解析算法对象模型的序列化信息；
步骤4.3：根据算法对象模型的序列化信息创建算法实例；
步骤4.4：设置算法实例的参数信息；
步骤4.5：基于事件或时间两种模式调用封装好的算法模块；
步骤4.6：对调用的算法模块进行组态形成选矿生产全流程控制策略。
所述步骤3.1针对不同算法编辑语言的算法，建立算法对象模型，具体步骤如下：
步骤3.1.1：为增加的算法配置接口；
步骤3.1.2：为增加的算法设置输入参数属性和输出参数属性；
步骤3.1.3：由增加的算法的配置接口及其输入参数属性和输出参数属性构成新的算法对象模型，存入算法对象模型库。
所述步骤3.4设置用于读取不同语言算法的算法参数配置接口，具体步骤如下：
步骤3.4.1：为算法设置存储路径；
步骤3.4.2：为算法设置算法名称；
步骤3.4.3：为算法设置算法输入参数属性和输出参数属性；
步骤3.4.4：将设置好的算法设置存储路径、算法名称、输入参数属性和输出参数属性存储。
所述步骤4.3中创建的算法实例包括算法对象模型、算法名称、算法存储路径、数据接口信息和参数配置信息。
本发明的效果在于它为选矿企业提供了一个基于网络的指标优化决策系统，该系统内算法可替换，方便了现有算法的移植，可快速应用企业生产实际取得。通过运用OPC技术接收工业现场数据，并建立相应的算法文件，通过算法封装技术把不同语言的算法封装为软件平台能识别的不同的算法模块，在软件的运行界面可视化的显示出算法模块之间的组态关系，方便研究人员了解优化策略的运行流程。本发明可以根据研究人员的需求，选择不同的运行方式运行算法模块，通过变量的趋势图清晰明了的显示出想要研究的变量信息。为选矿企业研究人员更方便、可视化的进行选矿现场参数指标的预测调整提供了更多的方便。
附图说明
图1是本发明具体实施方式的可视化选矿生产全流程工艺指标优化决策系统架构图；
图2是本发明具体实施方式的用户管理子系统架构图；
图3是本发明具体实施方式的工艺指标决策子系统架构图；
图4是本发明具体实施方式的数据管理与监控子系统架构图；
图5是本发明具体实施方式的平台接口子系统架构图；
图6是本发明具体实施方式的用户管理子系统的工作流程图；
图7是本发明具体实施方式的对不同算法编辑语言的算法进行封装的流程图；
图8是本发明具体实施方式的新建算法对象模型库的流程图；
图9是本发明具体实施方式的算法封装过程中设置算法参数配置接口的流程图；
图10是本发明具体实施方式中对封装好的算法模块进行调用及组态的流程图
图11是本发明具体实施方式的工艺决策子系统的工作流程图；
图12是本发明具体实施方式的选矿生产全流程工艺指标优化决策方法整体流程图；
图13是本发明具体实施方式的选矿生产全流程控制策略示意图；
图14是本发明具体实施方式的运行结果中得出的综精产量预报值的趋势图；
图15是本发明具体实施方式的运行结果中得出的综精品位预报值的趋势图；
图16是本发明具体实施方式的运行结果中得出的选矿比预报值的趋势图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
本实施方式是将可视化选矿生产全流程工艺指标优化决策系统及方法应用于选矿工业流程的工艺指标优化决策，具体是对选矿工业流程的综精产量、综精品位和选矿比工艺指标进行优化决策。
本实施方式的可视化选矿生产全流程工艺指标优化决策系统，如图1所示，包括：用户管理子系统、平台接口子系统、工艺指标决策子系统和数据管理与监控子系统。
如图2所示，用户管理子系统包括用户信息模块和用户项目及策略管理模块；
用户信息模块用于研究员对研究员信息、工程师信息和操作员信息进行管理；
用户项目及策略管理模块用于研究员对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略进行保存。
如图3所示，平台接口子系统包括OPC通讯模块、网络接口模块和数据采集模块；
OPC通讯模块用于与选矿生产现场的控制系统进行实时数据通讯；
网络接口模块用于远程用户访问系统；
数据采集模块用于接收OPC通讯模块从选矿生产现场的控制系统获取的数据，并从本地获取离线数据。
如图4所示，工艺指标决策子系统包括算法维护模块、控制策略组态模块、配置信息模块和界面组态模块和操作运行模块；工艺决策子系统的工作流程如图11所示，首先，对选矿生产全流程控制策略所需的算法进行封装、配置数据接口、配置数据类型，或者根据控制策略对封装好的算法模块进行修改；其次，对封装好的算法模块进行组态，形成选矿生产全流程控制策略，绑定数据库中的变量；再次，对趋势分组配置以及变量数据分组配置，并且动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；最后，根据获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行选矿生产全流程控制策略中的算法模块；
算法维护模块用于对用户项目及策略管理模块添加的策略所需的算法封装、配置数据接口、配置数据类型和根据用户项目及策略管理模块修改的策略对封装好的算法模块进行修改；
控制策略组态模块用于绑定数据库中的变量以及组态控制策略，所述组态控制策略是对封装好的算法模块进行组态，形成选矿生产全流程控制策略；
配置信息模块用于对趋势分组配置以及变量数据分组配置；
界面组态模块用于动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；
操作运行模块用于根据数据采集模块获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行在算法维护模块中的算法模块；
如图5所示，数据管理与监控子系统包括数据库模块、趋势图模块、日志模块；
数据库模块用于存储研究员信息、工程师信息、操作员信息、变量数据、历史运行数据和选矿生产项目路径；
趋势图模块用于根据配置信息模块的趋势分组配置信息，将操作运行模块运行算法模块得到的结果数据的趋势信息，以趋势图的形式显示出来；
日志模块用于对用户操作以及系统事件进行记录。
本系统的运行环境硬件要求为：x86平台，Pentium4／Core／Core Dual／Core i7及以上CPU，至少1GB内存空间，200MB以上空闲硬盘空间。软件要求为：Windows2000／Windows Xp／Windows2003／Windows Vista／Windows7／Windows Server2008／Windows8操作系统，至少需要.Net Framework4.0支持。数据库使用Aeccess数据库。
采用上述可视化选矿生产全流程工艺指标优化决策系统进行选矿生产全流程工艺指标优化决策的方法，如图12所示，包括如下步骤：
步骤1：对系统所有用户的信息进行设置，并且对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略，并将设置好的用户信息、选矿生产项目和选矿生产全流程控制策略保存至数据库，如图6所示；
具体步骤如下：
步骤1.1：研究员或远程用户对系统所有用户的信息进行设置，即所有权限的用户进行添加、修改和删除；
所有权限的用户包括研究员、工程师和操作员；
步骤1.2：对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略进行保存：导入项目或新建项目，通过选择项目的保存路径，把项目保存到想要保存的文件夹中，此时的项目保存路径同时也保存到数据库中，在下一次对同一项目进行操作时直接选择该项目进行操作；每个选矿生产项目包含多个选矿生产全流程控制策略；
本实施方式中，项目名称为选矿综合指标优化决策项目和策略名称为选矿综合指标优化决策策略。
步骤2：从选矿生产现场的控制系统罗克韦尔PLC获取选矿生产全流程控制策略所需数据，并从本地获取离线数据；
从选矿生产现场的控制系统获取的选矿生产全流程控制策略所需数据中，选矿过程的综合生产指标约束条件见表1，综合生产指标目标值见表2；综合生产指标目标值包括：综精产量、综精品位和选矿比。
表1选矿过程的综合生产指标约束条件
表2选矿过程的综合生产指标目标值
| 名称 | 目标值 |
| 综精产量设定值 | 7788.33 |
| 综精品位设定值 | 52.98 |
| 选矿比设定值 | 1.99 |
步骤3：对选矿生产全流程控制策略所需的算法进行封装、配置数据接口、配置数据类型，或者根据控制策略对封装好的算法模块进行修改；
选矿生产全流程控制策略所需的算法采用不同算法编辑语言，对不同算法编辑语言的算法进行封装的方法如图7所示，具体步骤如下：
步骤3.1：针对不同算法编辑语言的算法，建立算法对象模型库，具体过程如图8所示；
步骤3.1.1：为增加的算法配置接口；
步骤3.1.2：为增加的算法设置输入参数属性和输出参数属性；
步骤3.1.3：由增加的算法的配置接口及其输入参数属性和输出参数属性构成新的算法对象模型，存入算法对象模型库。
步骤3.2：在算法对象模型库中查找匹配被封装算法的算法对象模型类别，若查找到匹配的算法对象模型类别，则执行步骤3，否则，在算法对象模型库中增加该算法的算法对象模型，再执行步骤3；
步骤3.3：建立要封装的算法与算法对象模型库中的算法对象模型之间的对应关系：选择算法对象模型库中与该算法对应的算法对象模型，并将该模型重命名使其与算法名称对应；
步骤3.4：设置用于读取不同语言算法的算法参数配置接口，包括算法名称、算法存储路径、输入参数属性和输出参数属性，具体如图9所示；
步骤3.4.1：为算法设置存储路径；
步骤3.4.2：为算法设置算法名称；
步骤3.4.3：为算法设置算法输入参数属性和输出参数属性；
步骤3.4.4：将设置好的算法设置存储路径、算法名称、输入参数属性和输出参数属性存储。
步骤3.5：根据设置的算法参数配置接口将算法保存至指定路径，完成算法封装。
以Matlab为例，首先查找匹配被封装算法的算法对象模型类别，建立要封装的算法与算法对象模型库中的算法对象模型之间的对应关系，实现数据库中的变量与算法文件的输入变量和输出变量关联，可以采用算法文件的标签与数据库中关联标签进行关联来实现；并将该模型重命名使其与算法名称对应，设置用于读取Matlab语言算法的输入参数属性和输出参数属性(包括输入输出接口变量的标签、变量名称、初始值、最小值、最大值、变量类型和数据类型)，选择算法文件位置为以后访问算法设置路径，把封装的算法保存到设置路径。
对于本实施例的选矿工业过程的控制策略所需封装的算法有：前验分析校正算法、综合生产指标预测算法、运行指标初值优化算法、后验分析校正算法和校正求和算法，各个算法的输入参数信息和输出参数信息见表3～表12。
表3前验分析校正算法的输入参数信息
表4前验分析校正算法的输出参数信息
表5综合生产指标预测算法的输入参数信息
表6综合生产指标预测算法的输出参数信息
表7运行指标初值优化算法的输入参数信息
表8运行指标初值优化算法的输出参数信息
表9后验分析校正算法的输入参数信息
表10后验分析校正算法的输出参数信息
表11校正求和算法的输入参数信息
表12校正求和算法的输出参数信息
步骤4：对封装好的算法模块进行调用并组态形成选矿生产全流程控制策略，绑定数据库中的变量；
对封装好的算法模块进行调用并组态形成选矿生产全流程控制策略，如图10所示，具体步骤如下：
步骤4.1：根据封装后的算法生成算法对象模型；
步骤4.2：解析算法对象模型的序列化信息；
步骤4.3：根据算法对象模型的序列化信息创建算法实例；
创建的算法实例包括算法对象模型、算法名称、算法存储路径、数据接口信息和参数配置信息。
步骤4.4：设置算法实例的参数信息；
步骤4.5：基于事件或时间两种模式调用封装好的算法模块；
步骤4.6：对调用的算法模块进行组态形成选矿生产全流程控制策略，该控制策略如图13所示，控制策略的算法模块包括前验分析校正算法模块、综合生产指标预测算法模块、运行指标初值优化算法模块、后验分析校正算法模块和校正求和算法模块。通过接收到的综合生产指标目标值、约束和边界条件，根据封装好的算法模块输入输出关系，进行算法模块之间的组态，根据综合生产指标目标值、约束和边界条件，利用运行指标初值优化算法模块对选矿运行指标初值进行优化，再根据边界条件利用综合生产指标预测算法模块进行综合生产指标预测，对得到的预测值利用前验分析校正算法模块进行校正，同时利用后验分析校正算法模块对得到的预测值进行校正，根据两次校正值及优化后的选矿运行指标初值得到最终的综合生产指标优化目标值，并将该目标值上传到选矿现场控制系统。
步骤5：对趋势分组配置以及变量数据分组配置，并且动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；
步骤6：根据获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行选矿生产全流程控制策略中的算法模块，运行过程中实时显示想要显示的变量数据的趋势图。如图14所示为综精产量预报值的趋势图，图15所示为综精品位预报值的趋势图，图16所示为选矿比预报值的趋势图。
步骤7：将运行选矿生产全流程控制策略中的算法模块的结果上传至选矿生产现场的控制系统。
通过运行以后得出选矿综合生产指标目标值预报结果，即选矿综精产量预报值、综精品位预报值和选矿比预报值，见表13。
表13选矿综合生产指标目标值预报结果
| 名称 | 目标值 |
| 综精产量预报值 | 7789.04 |
| 综精品位预报值 | 54.08 |
| 选矿比预报值 | 1.89 |
Claims (9)
1.可视化选矿生产全流程工艺指标优化决策系统，其特征在于：包括：
用户管理子系统：包括用户信息模块和用户项目及策略管理模块；
用户信息模块用于研究员对研究员信息、工程师信息和操作员信息进行管理；
用户项目及策略管理模块用于研究员对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略进行保存；
平台接口子系统：包括OPC通讯模块和数据采集模块；
OPC通讯模块用于与选矿生产现场的控制系统进行实时数据通讯；
数据采集模块用于接收OPC通讯模块从选矿生产现场的控制系统获取的数据，并从本地获取离线数据；
工艺指标决策子系统：包括算法维护模块、控制策略组态模块、配置信息模块和界面组态模块和操作运行模块；
算法维护模块用于对用户项目及策略管理模块添加的策略所需的算法封装、配置数据接口、配置数据类型和根据用户项目及策略管理模块修改的策略对封装好的算法模块进行修改；
控制策略组态模块用于绑定数据库中的变量以及组态控制策略，所述组态控制策略是对封装好的算法模块进行组态，形成选矿生产全流程控制策略；
配置信息模块用于对趋势分组配置以及变量数据分组配置；
界面组态模块用于动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；
操作运行模块用于根据数据采集模块获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行在算法维护模块中的算法模块；
数据管理与监控子系统：包括数据库模块和趋势图模块；
数据库模块用于存储研究员信息、工程师信息、操作员信息、变量数据、历史运行数据和选矿生产项目路径；
趋势图模块用于根据配置信息模块的趋势分组配置信息，将操作运行模块运行算法模块得到的结果数据的趋势信息，以趋势图的形式显示出来。
2.根据权利要求1所述的可视化选矿生产全流程工艺指标优化决策系统，其特征在于：所述平台接口子系统还包括用于远程用户访问系统网络接口模块。
3.采用权利要求1所述的可视化选矿生产全流程工艺指标优化决策系统进行选矿生产全流程工艺指标优化决策的方法，其特征在于：包括如下步骤：
步骤1：对系统所有用户的信息进行设置，并且对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略，并将设置好的用户信息、选矿生产项目和选矿生产全流程控制策略保存至数据库；
步骤2：从选矿生产现场的控制系统获取选矿生产全流程控制策略所需数据，并从本地获取离线数据；
步骤3：对选矿生产全流程控制策略所需的算法进行封装、配置数据接口、配置数据类型，或者根据控制策略对封装好的算法模块进行修改；
步骤4：对封装好的算法模块进行调用并组态形成选矿生产全流程控制策略，绑定数据库中的变量；
步骤5：对趋势分组配置以及变量数据分组配置，并且动态配置显示界面，即配置或修改各个算法模块的显示位置以及大小；
步骤6：根据获取的选矿生产现场的控制系统的数据和从本地获取的离线数据，手动运行、自动运行或周期运行选矿生产全流程控制策略中的算法模块，运行过程中实时显示数据的趋势图；
步骤7：将运行选矿生产全流程控制策略中的算法模块的结果上传至选矿生产现场的控制系统。
4.根据权利要求3所述的可视化选矿生产全流程工艺指标优化决策方法，其特征在于：所述步骤1对系统所有用户的信息进行设置，并且对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略，并将设置好的用户信息、选矿生产项目和选矿生产全流程控制策略保存至数据库，具体步骤如下：
步骤1.1：研究员或远程用户对系统所有用户的信息进行设置，即所有权限的用户进行添加、修改和删除；
所有权限的用户包括研究员、工程师和操作员；
步骤1.2：对选矿生产项目和选矿生产全流程控制策略进行添加、修改、删除操作，并将添加、修改、删除后的项目和策略进行保存：导入项目或新建项目，通过选择项目的保存路径，把项目保存到想要保存的文件夹中，此时的项目保存路径同时也保存到数据库中，在下一次对同一项目进行操作时直接选择该项目进行操作；每个选矿生产项目包含多个选矿生产全流程控制策略。
5.根据权利要求3所述的可视化选矿生产全流程工艺指标优化决策方法，其特征在于：所述步骤3中的选矿生产全流程控制策略所需的算法采用不同算法编辑语言，对不同算法编辑语言的算法进行封装的方法如下：
步骤3.1：针对不同算法编辑语言的算法，建立算法对象模型库；
步骤3.2：在算法对象模型库中查找匹配被封装算法的算法对象模型类别，若查找到匹配的算法对象模型类别，则执行步骤3，否则，在算法对象模型库中增加该算法的算法对象模型，再执行步骤3；
步骤3.3：建立要封装的算法与算法对象模型库中的算法对象模型之间的对应关系：选择算法对象模型库中与该算法对应的算法对象模型，并将该模型重命名使其与算法名称对应；
步骤3.4：设置用于读取不同语言算法的算法参数配置接口，包括算法名称、算法存储路径、输入参数属性和输出参数属性；
步骤3.5：根据设置的算法参数配置接口将算法保存至指定路径，完成算法封装。
6.根据权利要求3所述的可视化选矿生产全流程工艺指标优化决策方法，其特征在于：所述步骤4中的对封装好的算法模块进行调用并组态形成选矿生产全流程控制策略，具体步骤如下：
步骤4.1：根据封装后的算法生成算法对象模型；
步骤4.2：解析算法对象模型的序列化信息；
步骤4.3：根据算法对象模型的序列化信息创建算法实例；
步骤4.4：设置算法实例的参数信息；
步骤4.5：基于事件或时间两种模式调用封装好的算法模块；
步骤4.6：对调用的算法模块进行组态形成选矿生产全流程控制策略。
7.根据权利要求5所述的可视化选矿生产全流程工艺指标优化决策方法，其特征在于：所述步骤3.1针对不同算法编辑语言的算法，建立算法对象模型库，具体步骤如下：
步骤3.1.1：为增加的算法配置接口；
步骤3.1.2：为增加的算法设置输入参数属性和输出参数属性；
步骤3.1.3：由增加的算法的配置接口及其输入参数属性和输出参数属性构成新的算法对象模型，存入算法对象模型库。
8.根据权利要求5所述的可视化选矿生产全流程工艺指标优化决策方法，其特征在于：所述步骤3.4设置用于读取不同语言算法的算法参数配置接口，具体步骤如下：
步骤3.4.1：为算法设置存储路径；
步骤3.4.2：为算法设置算法名称；
步骤3.4.3：为算法设置算法输入参数属性和输出参数属性；
步骤3.4.4：将设置好的算法设置存储路径、算法名称、输入参数属性和输出参数属性存储。
9.根据权利要求6所述的可视化选矿生产全流程工艺指标优化决策方法，其特征在于：所述步骤4.3中创建的算法实例包括算法对象模型、算法名称、算法存储路径、数据接口信息和参数配置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310723320.5A CN103745406A (zh) | 2013-12-23 | 2013-12-23 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310723320.5A CN103745406A (zh) | 2013-12-23 | 2013-12-23 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103745406A true CN103745406A (zh) | 2014-04-23 |
Family
ID=50502421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310723320.5A Pending CN103745406A (zh) | 2013-12-23 | 2013-12-23 | 可视化选矿生产全流程工艺指标优化决策系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103745406A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104134120A (zh) * | 2014-07-30 | 2014-11-05 | 东北大学 | 一种选矿生产指标监控系统及方法 |
| CN104281134A (zh) * | 2014-09-26 | 2015-01-14 | 东北大学 | 基于人机交互的原矿选别过程多生产指标优化系统及方法 |
| CN104570739A (zh) * | 2015-01-07 | 2015-04-29 | 东北大学 | 基于云和移动终端的选矿多生产指标优化决策系统及方法 |
| CN105447585A (zh) * | 2014-08-23 | 2016-03-30 | 沈阳东大自动化有限公司 | 一种选矿生产全流程综合生产指标优化决策系统 |
| CN104267695B (zh) * | 2014-09-23 | 2017-01-04 | 东北大学 | 一种选矿过程工艺指标优化决策系统及方法 |
| CN109034662A (zh) * | 2018-08-31 | 2018-12-18 | 东北大学 | 一种基于工艺流程的生产指标可视化监控系统及方法 |
| CN109460916A (zh) * | 2018-11-06 | 2019-03-12 | 珠海市长陆工业自动控制系统股份有限公司 | 一种涂料生产全工艺操作的可视化快速排单管理技术方法 |
| CN110531723A (zh) * | 2019-09-12 | 2019-12-03 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
| CN110705118A (zh) * | 2019-10-11 | 2020-01-17 | 合肥工业大学 | 工业控制系统的网络实验平台及其构建方法 |
| CN111046067A (zh) * | 2018-10-11 | 2020-04-21 | 北京京东尚科信息技术有限公司 | 一种数据判定的方法和装置 |
| CN112288310A (zh) * | 2020-11-11 | 2021-01-29 | 鼎旺天成科技(青岛)有限公司 | 一种施工工序管理的可视化施工管控系统的实现方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103092072A (zh) * | 2012-12-28 | 2013-05-08 | 东北大学 | 磨矿过程运行控制实验系统及方法 |
-
2013
- 2013-12-23 CN CN201310723320.5A patent/CN103745406A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103092072A (zh) * | 2012-12-28 | 2013-05-08 | 东北大学 | 磨矿过程运行控制实验系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| L.A. HOUSEMAN 等: "PlantStar 2000:a plant-wide control platform for minerals processing", 《MINERALS ENGINEERING》 * |
| 刘长鑫: "面向Web的选矿生产全流程工艺指标决策系统软件平台的设计与开发", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 张煌: "新型DCS控制组态及仿真软件的开发", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 赛英 等: "面向对象的模型库与数据库接口技术", 《计算机工程与设计》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104134120A (zh) * | 2014-07-30 | 2014-11-05 | 东北大学 | 一种选矿生产指标监控系统及方法 |
| CN104134120B (zh) * | 2014-07-30 | 2017-05-24 | 东北大学 | 一种选矿生产指标监控系统及方法 |
| CN105447585A (zh) * | 2014-08-23 | 2016-03-30 | 沈阳东大自动化有限公司 | 一种选矿生产全流程综合生产指标优化决策系统 |
| CN104267695B (zh) * | 2014-09-23 | 2017-01-04 | 东北大学 | 一种选矿过程工艺指标优化决策系统及方法 |
| CN104281134A (zh) * | 2014-09-26 | 2015-01-14 | 东北大学 | 基于人机交互的原矿选别过程多生产指标优化系统及方法 |
| CN104281134B (zh) * | 2014-09-26 | 2017-01-11 | 东北大学 | 基于人机交互的原矿选别过程多生产指标优化系统及方法 |
| CN104570739A (zh) * | 2015-01-07 | 2015-04-29 | 东北大学 | 基于云和移动终端的选矿多生产指标优化决策系统及方法 |
| CN104570739B (zh) * | 2015-01-07 | 2017-01-25 | 东北大学 | 基于云和移动终端的选矿多生产指标优化决策系统及方法 |
| CN109034662A (zh) * | 2018-08-31 | 2018-12-18 | 东北大学 | 一种基于工艺流程的生产指标可视化监控系统及方法 |
| CN111046067A (zh) * | 2018-10-11 | 2020-04-21 | 北京京东尚科信息技术有限公司 | 一种数据判定的方法和装置 |
| CN109460916A (zh) * | 2018-11-06 | 2019-03-12 | 珠海市长陆工业自动控制系统股份有限公司 | 一种涂料生产全工艺操作的可视化快速排单管理技术方法 |
| CN110531723A (zh) * | 2019-09-12 | 2019-12-03 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
| CN110531723B (zh) * | 2019-09-12 | 2022-07-05 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
| CN110705118A (zh) * | 2019-10-11 | 2020-01-17 | 合肥工业大学 | 工业控制系统的网络实验平台及其构建方法 |
| CN110705118B (zh) * | 2019-10-11 | 2023-07-25 | 合肥工业大学 | 工业控制系统的网络实验平台及其构建方法 |
| CN112288310A (zh) * | 2020-11-11 | 2021-01-29 | 鼎旺天成科技(青岛)有限公司 | 一种施工工序管理的可视化施工管控系统的实现方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103745406A (zh) | 可视化选矿生产全流程工艺指标优化决策系统及方法 | |
| CN105069524B (zh) | 基于大数据分析的计划调度优化方法 | |
| WO2020047653A1 (en) | System and method for anaerobic digestion process assessment, optimization and/or control | |
| CN102044016A (zh) | 以电子表格定义规则实现自动化产品配置的方法及装置 | |
| CN103488537A (zh) | 一种数据抽取、转换和加载etl的执行方法及装置 | |
| CN106874482A (zh) | 一种基于大数据技术的图形化的数据预处理的装置及方法 | |
| CN105405069A (zh) | 一种购电经营决策分析与数据处理方法 | |
| CA3017606A1 (en) | Rule based hierarchical configuration | |
| CN113722564A (zh) | 基于空间图卷积能源物资供应链的可视化方法及装置 | |
| Shastri et al. | A novel decomposition and distributed computing approach for the solution of large scale optimization models | |
| CN104392383A (zh) | 一种农业物能循环综合数据库及循环高效技术调控系统 | |
| CN116757765A (zh) | 生产排程方法、装置、计算机设备和存储介质 | |
| Maalla et al. | The application of power network data mining and optimization processing based on distribution network | |
| Kryukov | Import substitution of technology and equipment in the Russian energy sector | |
| CN108009668B (zh) | 一种应用机器学习的大规模地调负荷预测方法 | |
| Ma | The Development Phases of a Data Platform | |
| CN103886433A (zh) | 电厂煤场智能混煤取煤控制方法 | |
| Klenner et al. | Optimization of Production and CO2 Utilization Via Parametric Representation and Evaluation of WAG Schedules | |
| CN102541856B (zh) | 一种bom的批量发送方法及装置 | |
| CN103777957A (zh) | 一种具有可扩展性的模型库设计方法及其系统 | |
| CN202230377U (zh) | 铜管生产线控制系统 | |
| Polyanskiy et al. | Oil and Gas Production Management: New Challenges and Solutions | |
| Motwani et al. | Modeling Implementation of Big Data Analytics in Oil and Gas Industries in India | |
| CN1746908A (zh) | 渗透泵控释片释药行为预测与工艺优化方法 | |
| Ezdina et al. | Convergent Technological and Hyperconvergent Forms of Productivity Improvement in the Extractive Sector of Economy. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140423 |