CN104155958A - 化学机械浆工艺的优化控制系统 - Google Patents
化学机械浆工艺的优化控制系统 Download PDFInfo
- Publication number
- CN104155958A CN104155958A CN201410421568.0A CN201410421568A CN104155958A CN 104155958 A CN104155958 A CN 104155958A CN 201410421568 A CN201410421568 A CN 201410421568A CN 104155958 A CN104155958 A CN 104155958A
- Authority
- CN
- China
- Prior art keywords
- control system
- variable
- optimal control
- optimal
- control
- 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
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Feedback Control In General (AREA)
Abstract
一种化学机械浆工艺的优化控制方案及系统,属于制浆造纸工业过程控制技术领域。其特征在于它是由常规控制系统、优化控制单元、在线测量仪表、执行器、以及化机浆工艺过程被控对象组成。被控对象以若干关键过程变量为表征,构成复杂系统。在化学机械浆生产工艺过程中,该系统将工艺过程中与能耗、污染及纸浆性能相关的关键过程变量作为操纵变量、被控变量和干扰变量,纳入多变量模型预测控制。以生产成本为目标建立优化模型,该系统解决多个关键过程变量之间的互相扰动问题,稳定生产,提高自动化程度,接近约束条件运行,起到节能减排降低成本、产出性能均匀的纸浆产品,使纸浆性能整体提升,按照需求的指标自动控制生产。
Description
技术领域:
本发明涉及造纸工业中化学机械浆生产工艺的过程控制技术领域。具体是一种优化化学机械浆生产工艺的过程控制系统。
背景技术
在造纸工业中,制浆工艺就是把植物纤维原料中的木素和少量其他无用组分分离出来,获得主要由纤维和水构成的混合液体的纸浆的过程。也可以将混合液体的纸浆干燥成粉状或浆板,用于储存或销售。
随着以盘磨加工纸浆为核心的几种工艺(如,机械浆,热磨机械浆,半化学浆等)的演化,化学机械浆工艺在制浆领域逐渐成为其中的最现代的、最重要的工艺技术之一。这是造纸工业由于资源、环境、效益等方面的压力,相比较化学法制浆,化学机械浆工艺是满足上述要求的高得率、少污染、能耗较低、效率高的制浆方法。典型的化学机械浆工艺的功能框图见附图1。
化学预处理及机械磨浆是化学机械法制浆的两个最重要的工艺过程。化学预处理过程,包括预蒸、挤碾、浸渍、反应,其作用是,通过预蒸汽排除木片中的空气,增加木片的含水量软化木片,便于木片的压缩和浸渍。挤碾压榨将木片中的空气、水分和部分树脂等挤出,木片挤碾成木丝团。松软的木丝团有利于最大面积地接触和吸收药液,化学反应阶段起到漂白、润胀和软化纤维、部分溶出小分子木素、溶出短链半纤维素和抽提物的作用。研究表明,在这个过程中蒸汽温度、木片停留时间、化学药品用量的多少、挤碾的力度等,对最终制浆的性能都会呈现出非线性的影响关系,并且有着互扰的特点;盘磨磨浆过程,纤维原料由喂料器输入盘磨机的进料口,通过高速旋转的齿盘,在这期间原料经过了破碎区后,逐步被磨成针状木丝,在相互摩擦及齿盘作用下,被离解成纤维束和部分单根纤维。进入精磨区后,被进一步离解和一定程度的纤维细化,磨解成浆后,经离心力作用由浆料出口输出。研究表明,在磨浆过程中,木片的品种规格,盘齿形态及磨损程度、磨盘间隙、磨浆浓度、喂料速度、转速、蒸汽温度压力等,对最终的纸浆性能和盘磨功率消耗也呈现出非线性的影响关系,之间也呈现互扰的特点。
研究显示,化学预处理阶段的化学品使用量及总的处理效果,对后一阶段机械磨浆所消耗的磨浆功率及最终的纸浆性能都会产生明显的影响。同样也不是线性关系。
随着现代造纸业的快速发展,对产品性能的要求越来越高,使得纸张抄造车间希望原料纸浆能够保证生产运转平稳及效果优异,这样就要求纸浆性能的均匀及精确符合要求;市场竞争状况,造成工厂希望降低成本,一个方面就是能量消耗成本;环保标准,需要工厂降低污染物排放量。
目前,化学机械浆工艺,普遍已经应用了常规控制系统,常规控制系统是指DCS(集散控制系统)或PLC(可编程控制器系统)控制系统,所有的测量与控制,都属于单回路调节。部分工厂采用了纸浆性能在线测量分析仪。在实际生产过程中技术人员,能够通过收集各个测量值的数值表,进行分析来调整和优化工艺生产过程,以改善产品性能。一方面,这样的分析调整缺乏精确性,以及摸索的周期很长。另一方面,如在上面对工艺过程的描述中的介绍,研究显示,化学机械浆工艺过程中,本质上,要求的指标与调节量之间,调节量与调节量之间是高度互扰的,所构成的系统是一个多变量互扰的复杂系统。输出的带宽范围也非常大。单一地调节某一回路,就会引起其他回路的变化。虽然单回路已经实现自动控制,但对其他回路会产生的影响。就是说,在为了某一指标进行调整时,无法保持其他指标以及其他回路的不变和稳定。这对人为调整和优化工艺生产过程,构成了极大的挑战,甚至几乎是不可能完成。例如,由于磨片磨损所带来的非稳态过程特征,使盘磨磨浆过程变得非常复杂。另外,比如,当我们人为调整化学品用量,来使纸浆白度的降低时,同时改变了预浸的效果,使磨浆后的纸浆的强度也发生了变化。
在现在通常使用的常规控制系统中,使用的都是单回路调节,即PID(比例-积分-微分控制器)或手操器(单一设定值-单一输出控制)控制,生产工艺中的各个过程变量都是由单回路控制器调节的,控制器与控制器之间处于并列关系,或者是由他们所组成的单回路对单回路的串级控制。PID控制器仅能处理一个单一的输入变量和一个单一的输出变量,在不考虑对其它回路产生影响的情况下,对于控制调节液位和压力等过程变量单回路,是能够满足的。但这些单回路控制器是无法解决多变量复杂系统的互扰的动态特性问题,即,一个单回路的调节动作,会影响到其它回路变量的变化,产生干扰,造成工艺过程产生非预期的波动。如上所述,化学机械浆工艺过程是一个多回路间相互干扰的复杂系统,纸浆白度和纸浆纤维游离度,有多个变量(化学品用量,磨浆浓度,盘磨间隙,驻留时间等)交叉影响他们的变化,就不可能使用单回路控制器PID去分别完成调节和控制。那么,就需要一个能调节和控制多输入多输出变量的控制器,统筹处理他们之间的关系。
发明内容
鉴于背景技术中提到的问题,及目前造纸工业的发展需求,本发明旨在解决多个单回路控制器无法解决复杂系统过程中多变量互相干扰的控制问题,并使化学机械浆工艺生产得到优化。
本发明提供一种化学机械浆工艺的优化控制系统,其包括常规控制系统、优化控制单元、在线测量仪表、执行器、以及化学机械浆工艺过程被控对象;
所述常规控制系统与在线测量仪表及执行器之间,采用信号电缆直接连接,或采用通讯方式连接,用于接收在线测量仪表测得的化学机械浆工艺过程被控对象的物理量,接收执行器反馈的状态信息信号;
所述执行器把从常规控制系统接收到的控制信号转化为控制动作施加于化学机械浆工艺过程被控对象,同时把执行器的状态信息作为反馈信号传递给常规控制系统;
所说的优化控制单元与常规控制系统建立工业标准的实时通讯,实现控制信号和反馈信号的传递;
本发明所述的化学机械浆制浆工艺的优化控制系统,作为优选方式,其中所说的优化控制单元,至少由一台独立的计算机构成,其至少包含有一个多变量模型预测控制模块和一个优化算法模块;
所说的多变量模型预测控制模块,其特征在于,利用过程变量的脉冲响应或阶越响应曲线,把采样时刻的一系列数值作为被控对象的动态特征信息,构成预测模型,使用预测模型来预测未来时刻被控对象的多个操纵变量输出(MV)变化,和预测多个被控变量(CV)与给定值的偏差,作为依据产生控制动作,使过程中多个输入输出变量分别构成的多个单回路,由多变量模型预测控制模块统一协调控制;
所说的优化算法模块,其特征在于,优化算法是通过某一性能指标的最优来确定未来的控制作用的;目标函数为Min f(x),约束条件满足 gi(x)≤0, hi(x)=0,决策变量由预测模型中的操纵变量给出,其中目标函数的最优值区间决定了操纵变量的最优区间,从而决定了过程控制按照效果最优的方向进行,实行动态优化。
本发明所述的化学机械浆制浆工艺的优化控制系统,作为优选方式,其中, 所述多变量模型预测控制模块中的操纵变量MV值输出给常规控制系统,作为某一过程变量的PID串级控制目标值;同时,常规控制系统还向多变量模型预测控制模块提供被控变量CV和各干扰变量DV的测量值。
本发明所述的化学机械浆制浆工艺的优化控制系统,作为优选方式,其中所说的常规控制系统,是DCS(集散控制系统),其至少由一个上位机、一个过程控制器以及一块I/O输入输出模块构成;或者,所述的常规控制系统是PLC(可编成逻辑控制器)系统,其至少由一个过程控制器以及一块I/O输入输出模块构成;或者,所述的常规控制系统是IPC工业控制计算机系统,其至少由一上位机、一软控制器和至少一块I/O输入输出模块构成,其中软控制器置于上位机当中。常规控制系统同时具有人机界面,监视过程变量的变化和报警,切换回路的控制状态。模型预测控制中的操纵变量MV值输出给常规控制系统,作为某一过程变量的PID串级控制目标值。同时,常规控制系统还向模型预测控制模块提供被控变量CV和干扰DV的测量值。
本发明所说的在线测量仪表,是指用于测量过程变量的由传感器和变送器组成的;所述在线测量仪表将被控对象的过程变量物理量值转化为数字信号供给I/O输入输出模块,并转换成带有工程单位的测量值,即操纵变量MV值的反馈值、被控变量CV和干扰变量DV的测量值。
本发明所述的化学机械浆制浆工艺的优化控制系统,还包括在线分析仪,用于分析纸浆的主要的性能参数和过程变量值;所述在线分析仪与所述常规控制系统之间,采用信号电缆直接连接或采用通讯方式连接;所述在线分析仪将被控对象的过程变量物理量值进行分析处理后转化为数字信号供给I/O输入输出模块,并转换成带有工程单位的测量值,即被控变量CV的测量值。
本发明所述的化学机械浆制浆工艺的优化控制系统,其中,所说的执行器,是指用于执行控制动作的调节阀或变频器,它们接收标准的输出信号,把来自常规控制系统中PID回路的输出转化为阀门的动作,或变频器的输出,以调节过程被控对象。
本发明所述的化学机械浆制浆工艺的优化控制系统,其中,所说的化学机械浆工艺过程被控对象,是以过程变量为表征的,在化学机械浆工艺的优化控制系统中,至少包括一个化学品流量、一个预处理温度、一个预处理时间、一个盘磨喂料螺旋转速、一个盘磨稀释水流量、一个盘磨间隙、一个盘磨负荷、一个纸浆游离度、一个纸浆纤维平均长度,一个纸浆白度。
本发明通过在现有的控制系统中增加优化控制单元,能够使被控变量(输出变量)在改变目标预期值时,与之相关联的多个操纵变量(输入变量)自动地同时做出相应地调整,实现控制目标。同时,保持其它被控变量稳定运行。或者,在系统中某被控变量受到扰动时,与之相关的多个操纵变量(输入变量)自动地同时做出相应地调整,保证原被控变量目标不变。在此基础上采用优化算法以效益为目标优化各变量的经济性的合理值。
具体而言,本发明所述的多变量模型预测控制模块,利用过程变量的脉冲响应或阶越响应曲线,把它在采样时刻的一系列数值作为描述对象的动态特征信息,构成预测模型。这些动态特征信息(关联系数),反映了每个输入变量对应于每个输出变量的影响关系。将多个输入变量,多个输出变量,置于这个控制器中,控制器中的数学模型,能够预测出每个输入变量(操纵变量)对应于每个输出变量(被控变量)的关联系数,在使用者给出未来期望的被控变量目标值时,能够准确决定多个输入变量中每个输入变量(操纵变量),按照系数关系给出对应的变化动作。这样就解决了多个输入变量、多个输出变量分别用单回路控制器(PID)去控制时,各个变量之间互相干扰的问题。
本发明能够使化学机械浆制浆工艺更平稳地运行增强自动化应用水平、卡边操作使设备能力最大化,经过优化后,使化学机械浆制浆工艺节省能耗、减少化学品使用量所带来的环保效果、使纸浆产品的性能得到提高并且更加均匀。降低纸浆生产成本,实现人工优化无法企及的作用。平稳运行,本身就减小了波动范围,能够使消耗和性能的控制效果平移至一个更好的基准线附近。本发明采用多变量模型预测控制模块的最大亮点就是可以降低控制系统的方差,可将控制系统推近至最有价值的约束边界附近,从而达到增加经济效益的目的。所以最适宜的场合就是有潜利可挖的生产过程。再加上针对经济性的优化算法,同时满足了更直接的商业目的。
应说明的是,多变量模型预测控制模块已经在流程工业过程控制领域。市场上已经有几家这样的软件产品可选择,并且与常规控制系统的集成也已经没有任何问题。 如AspenTech公司的DMCplus。
附图说明
图1 现有化学机械浆工艺示例简图。
图2 现有化学机械浆工艺过程变量互扰关系示例。
图3 本发明所述的化学机械浆工艺的优化控制系统结构示意图。
图4 本发明所述的化学机械浆工艺的优化控制系统的模型预测控制机理示意图。
图5 本发明所述的化学机械浆工艺的优化控制系统的优化控制单元与常规控制系统数据关系图。
图6 本发明所述的化学机械浆工艺的优化控制系统的一个实施例。
具体实施方式
图1所示的工艺过程是典型的化学机械浆工艺,以该过程为被控对象,集成本发明所述的化学机械浆工艺优化控制系统,如图3和图6。
本发明所述化学机械浆制浆工艺的优化控制系统,适用于化学机械浆工艺生产过程,该优化控制系统包括常规控制系统、数个在线测量仪表、在线分析仪、数个执行器(执行机构)、化学机械浆工艺过程被控对象以及优化控制单元。常规控制系统包括上位机、过程控制器和I/O输入输出模块。其中,优化控制单元与常规控制系统建立工业标准的实时通讯,实现控制信号和反馈信号的传递,用于整体多变量统筹控制以及动态优化;同时,常规控制系统与在线测量仪表、在线分析仪及执行器之间,采用信号电缆直接连接,或采用通讯方式连接,化学机械浆工艺过程被控对象的物理量通过在线测量仪表、在线分析仪,传递给常规控制系统。执行器把从常规控制系统接收到的控制信号转化为控制动作施加于化学机械浆工艺过程被控对象,同时把执行器的状态信息作为反馈信号传递给常规控制系统。
其中优化控制单元,参见图5,由两台计算机构成,其中一台作为优化控制单元的服务器,选用戴尔 PowerEdge T320 塔式服务器,以Windows 2008为操作系统。在服务器上面运行多变量模型预测控制模块和一个优化算法模块。另外一台作为优化控制单元的操作站。选用戴尔Precision T3600 台式工作站,以Windows 7 Professional为操作系统。在该计算机上具有操作界面,能够进行约束条件的调整以及进行被控变量CV的目标设定,以及监控系统的运行状况和报警。
多变量模型预测控制模块,利用过程变量的脉冲响应或阶越响应曲线,把采样时刻的一系列数值作为被控对象的动态特征信息,构成预测模型,使用预测模型来预测未来时刻被控对象输出(MV)变化及被控变量(CV)与给定值的偏差,作为产生控制动作的依据,使之适应动态系统所具有的特征,使过程中多个输入输出变量分别构成的多个单回路,由多变量模型预测控制模块统一协调控制。多变量模型预测控制模块具有模型辨识、滚动更新、和反馈校正的功能。多变量模型的形式:
设过程具有m个输入和p个输出,表示为差分方程
y(k)+ A 1 y(k-1)+ ···+ A n y(k-n)=B 0 u(k)+ B 1 u(k-1)+ ···+ B n u(k-n)
式中,A 1 ,···,A n 的维数为p x q, B 1 ,···+ B n 的维数为q x m,都是常数矩阵。则可简化为,
A(q)y(k)=B(q)u(k)
其中,A(q) 和B(q)都是多项式矩阵:
A(q)=I + A 1 q -1 + ···+ A n q -1
B(q)=B 0 + B 1 q -1 + ···+ B n q -1
多变量模型的通用矩阵分式形式为:
y( k)= A(q) -1 B(q)u(k)
MV是模型预测控制的操纵变量,CV预测模型控制的被控变量,DV是预测模型控制的干扰变量。y(k)为若干CV的集合,u(k)为若干MV的集合。其中,在该实例中,选用预处理温度、化学品用量、预处理螺旋转速、一段盘磨喂料螺旋转速、二段盘磨喂料螺旋转速、一段盘磨间隙、二段盘磨间隙、一段盘磨稀释水流量、二段盘磨稀释水流量作为操纵变量MV。选择盘磨负荷、纸浆游离度、纸浆白度作为被控变量CV。
优化算法模块,优化算法是通过某一性能指标的最优来确定末来的控制作用的。目标函数为Min f(x),约束条件满足 gi(x)≤0, hi(x)=0,决策变量由预测模型中的操纵变量给出。实行动态优化。目标函数的最优值区间决定了操纵变量的最优区间,从而决定了过程控制按照效果最优的方向进行。
参见图4,图中给出了本发明所述的化学机械浆工艺的优化控制系统的模型预测控制机理。系统将当前被控变量集合y(k)反馈给参考轨迹算子,得到与目标设定值的偏差,给出参考轨迹输出y r (k+i)。被控变量集合同时反馈给在线校正算子,得到与预测模型预测输出的y m (k+i)的偏差,给出在线校正输出y c (k+i)。两输出叠加后,经过优化更新算子,得到新的操纵变量值集合u(k),作为过程的新的输入,作用于工艺过程,将得到一个更逼近期望目标的新的过程输出(被控变量集合)y(k+i)。反复循环进行,最终达到控制目标。
参见图3、图6,其中所述常规控制系统采用DCS系统,采用800xA系统,软件使用800xA 5.1系统软件。常规控制系统包括系统上位机、过程控制器、I/O模块。上位机中包括服务器和操作站,分别使用戴尔 PowerEdge T320 塔式服务器,以Windows 2008为操作系统。和戴尔Precision T3600 台式工作站,以Windows 7 Professional为操作系统。过程控制器为PM866,I/O模块由数字量输入模块DI810、数字量输出模块DO810、模拟量输入模块AI810、模拟量输出模块AO810组成。其中上位机与过程控制器通过工业以太网通讯连接,过程控制器与I/O模块通过Profibus-DP总线连接通讯。由通讯模块CI854A和通讯模块CI801负责数据的收发任务。
在线测量仪表、在线分析仪使用标准4-20mA信号与I/O模块连接。执行机构接收I/O模块输出的4-20mA信号,执行调节任务。过程控制器中,MV变量所涉及的PID控制器要设计成具有串级控制功能,以接收来自优化控制单元的MV值得指导。常规控制系统在上位机层至少有一台服务器和一台操作员站,操作员站在监控过程变量的上下限报警及趋势的同时,还要负责MV变量所涉及的PID控制器的串级控制状态切换工作。在线分析仪用于分析纸浆的主要的性能参数。
优化控制单元与常规控制系统通过另一局域网络,由通讯服务器管理它们之间的通讯(OPC通讯)。上层网络的通讯设备选用MOXA EDS-308-M-SC工业交换机导轨安装,安装在控制柜中。安装在控制柜中的设备还有过程控制器PM866、通讯模块CI854A、通讯模块CI801、数字量输入模块DI810、数字量输出模块DO810、模拟量输入模块AI810、模拟量输出模块AO810。控制安装在中心控制室内。优化控制单元的服务器、操作站、常规控制系统的上位机均安置于常规的电脑台上,并处于带有空调设备的中心操作室的房间内。
Claims (9)
1. 一种化学机械浆工艺的优化控制系统,其特征在于,该化控制系统包括常规控制系统、优化控制单元、在线测量仪表、执行器、以及化学机械浆工艺过程被控对象;
所述常规控制系统与在线测量仪表及执行器之间,采用信号电缆直接连接,或采用通讯方式连接,用于接收在线测量仪表测得的化学机械浆工艺过程被控对象的物理量,接收执行器反馈的状态信息信号;
所述执行器把从常规控制系统接收到的控制信号转化为控制动作施加于化学机械浆工艺过程被控对象,同时把执行器的状态信息作为反馈信号传递给常规控制系统;
所说的优化控制单元与常规控制系统建立工业标准的实时通讯,实现控制信号和反馈信号的传递。
2.根据权利要求1所述的化学机械浆工艺的优化控制系统,其特征在于,所说的优化控制单元,至少由一台独立的计算机构成,其至少包含有一个多变量模型预测控制模块和一个优化算法模块;
所说的多变量模型预测控制模块,利用过程变量的脉冲响应或阶越响应曲线,把采样时刻的一系列数值作为被控对象的动态特征信息,构成预测模型,使用预测模型来预测未来时刻被控对象的多个操纵变量输出(MV)变化,和预测多个被控变量(CV)与给定值的偏差,作为依据产生控制动作,使过程中多个输入输出变量分别构成的多个单回路,由多变量模型预测控制模块统一协调控制;
所说的优化算法模块,优化算法是通过某一性能指标的最优来确定未来的控制作用的;目标函数为Min f(x),约束条件满足 gi(x)≤0, hi(x)=0,决策变量由预测模型中的操纵变量给出,其中通过目标函数的最优值区间决定操纵变量的最优区间,进而决定过程控制按照效果最优的方向进行,实行动态优化。
3.根据权利要求2所述的化学机械浆工艺的优化控制系统,其特征在于,所述多变量模型预测控制模块中的操纵变量MV值输出给常规控制系统,作为某一过程变量的PID串级控制目标值;同时,常规控制系统还向多变量模型预测控制模块提供被控变量CV和个干扰变量DV的测量值。
4. 根据权利要求1-3其中任一项所述的化学机械浆工艺的优化控制系统,其特征在于,所说的常规控制系统,是DCS(集散控制系统),其至少由一个上位机、一个过程控制器以及一块I/O输入输出模块构成;或者,所述的常规控制系统是PLC(可编成逻辑控制器)系统,其至少由一个过程控制器以及一块I/O输入输出模块构成;或者,所述的常规控制系统是IPC工业控制计算机系统,其至少由一上位机、一软控制器和至少一块I/O输入输出模块构成,其中软控制器置于上位机当中。
5. 根据权利要求4所述的化学机械浆工艺的优化控制系统,其特征在于,所说的在线测量仪表,是指用于测量过程变量的由传感器和变送器组成的;所述在线测量仪表将被控对象的过程变量物理量值转化为数字信号供给I/O输入输出模块,并转换成带有工程单位的测量值,即操纵变量MV值的反馈值、被控变量CV和干扰变量DV的测量值。
6.根据权利要求4或5所述的化学机械浆工艺的优化控制系统,其特征在于,所述优化控制系统还包括在线分析仪,用于分析纸浆的主要的性能参数和过程变量值;所述在线分析仪与所述常规控制系统之间,采用信号电缆直接连接或采用通讯方式连接;所述在线分析仪将被控对象的过程变量物理量值进行分析处理后转化为数字信号供给I/O输入输出模块,并转换成带有工程单位的测量值,即被控变量CV的测量值。
7. 根据权利要求1-3其中任一项所述的化学机械浆工艺的优化控制系统,其特征在于,所说的执行器,是指用于执行控制动作的调节阀和变频器,它们接收标准的输出信号,把来自常规控制系统中PID回路的输出转化为阀门的动作,或变频器的输出,以调节过程被控对象。
8. 根据权利要求1-3其中任一项所述的化学机械浆工艺的优化控制系统,其特征在于,所说的化学机械浆工艺过程被控对象,是以关键过程变量为表征的,在化学机械浆工艺的优化控制系统中,至少包括一个化学品流量、一个预处理温度、一个预处理时间、一个盘磨喂料螺旋转速、一个盘磨稀释水流量、一个盘磨间隙、一个盘磨负荷、一个纸浆游离度、一个纸浆纤维平均长度,一个纸浆白度。
9. 根据权利要求2或3所述的化学机械浆工艺的优化控制系统,其特征在于,所述多变量模型预测控制模块具有模型辨识、滚动更新、和反馈校正的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410421568.0A CN104155958A (zh) | 2014-08-25 | 2014-08-25 | 化学机械浆工艺的优化控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410421568.0A CN104155958A (zh) | 2014-08-25 | 2014-08-25 | 化学机械浆工艺的优化控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104155958A true CN104155958A (zh) | 2014-11-19 |
Family
ID=51881482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410421568.0A Pending CN104155958A (zh) | 2014-08-25 | 2014-08-25 | 化学机械浆工艺的优化控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104155958A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016187750A1 (en) * | 2015-05-22 | 2016-12-01 | Abb Technology Ltd | Device and method of loop processing for an industrial process |
CN109240264A (zh) * | 2018-09-14 | 2019-01-18 | 浙江大学 | 一种基于lstm神经网络的制浆过程能耗预测方法 |
CN110363336A (zh) * | 2019-06-25 | 2019-10-22 | 北京理工大学 | 一种促进化学工业节能减排的工艺优化方法及装置 |
CN111566573A (zh) * | 2018-01-15 | 2020-08-21 | 科思创德国股份有限公司 | 用于改进化学品生产过程的方法 |
CN111587406A (zh) * | 2018-01-15 | 2020-08-25 | 科思创德国股份有限公司 | 用于改进化学品生产过程的方法 |
CN115453992A (zh) * | 2022-09-06 | 2022-12-09 | 浙江华章科技有限公司 | 一种高速卫生纸机远程一键自动转产控制系统及方法 |
CN117193178A (zh) * | 2023-07-06 | 2023-12-08 | 苏州市华研富士新材料有限公司 | 一种玻璃纤维复合板的生产工艺优化控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1675599A (zh) * | 2002-06-12 | 2005-09-28 | Abb股份有限公司 | 生产过程的动态在线优化 |
CN101198913A (zh) * | 2005-06-15 | 2008-06-11 | 查尔斯·R·卡勒 | Mpc模型中的即时动态顾问机 |
WO2009155260A2 (en) * | 2008-06-20 | 2009-12-23 | Honeywell International Inc. | Apparatus and method for model predictive control (mpc) of a nonlinear process |
WO2010128354A1 (en) * | 2009-05-06 | 2010-11-11 | Abb Research Ltd | A method and a system for on-line optimization of a batch pulp digester |
CN102227532A (zh) * | 2008-12-01 | 2011-10-26 | Abb研究有限公司 | 用于精磨机的控制以改进能量效率和浆体质量的过程和系统 |
-
2014
- 2014-08-25 CN CN201410421568.0A patent/CN104155958A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1675599A (zh) * | 2002-06-12 | 2005-09-28 | Abb股份有限公司 | 生产过程的动态在线优化 |
CN101198913A (zh) * | 2005-06-15 | 2008-06-11 | 查尔斯·R·卡勒 | Mpc模型中的即时动态顾问机 |
WO2009155260A2 (en) * | 2008-06-20 | 2009-12-23 | Honeywell International Inc. | Apparatus and method for model predictive control (mpc) of a nonlinear process |
CN102227532A (zh) * | 2008-12-01 | 2011-10-26 | Abb研究有限公司 | 用于精磨机的控制以改进能量效率和浆体质量的过程和系统 |
WO2010128354A1 (en) * | 2009-05-06 | 2010-11-11 | Abb Research Ltd | A method and a system for on-line optimization of a batch pulp digester |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016187750A1 (en) * | 2015-05-22 | 2016-12-01 | Abb Technology Ltd | Device and method of loop processing for an industrial process |
CN111566573A (zh) * | 2018-01-15 | 2020-08-21 | 科思创德国股份有限公司 | 用于改进化学品生产过程的方法 |
CN111587406A (zh) * | 2018-01-15 | 2020-08-25 | 科思创德国股份有限公司 | 用于改进化学品生产过程的方法 |
CN109240264A (zh) * | 2018-09-14 | 2019-01-18 | 浙江大学 | 一种基于lstm神经网络的制浆过程能耗预测方法 |
CN110363336A (zh) * | 2019-06-25 | 2019-10-22 | 北京理工大学 | 一种促进化学工业节能减排的工艺优化方法及装置 |
CN110363336B (zh) * | 2019-06-25 | 2022-04-26 | 北京理工大学 | 一种促进化学工业节能减排的工艺优化方法及装置 |
CN115453992A (zh) * | 2022-09-06 | 2022-12-09 | 浙江华章科技有限公司 | 一种高速卫生纸机远程一键自动转产控制系统及方法 |
CN117193178A (zh) * | 2023-07-06 | 2023-12-08 | 苏州市华研富士新材料有限公司 | 一种玻璃纤维复合板的生产工艺优化控制方法及系统 |
CN117193178B (zh) * | 2023-07-06 | 2024-01-26 | 苏州市华研富士新材料有限公司 | 一种玻璃纤维复合板的生产工艺优化控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104155958A (zh) | 化学机械浆工艺的优化控制系统 | |
Harinath et al. | Predictive optimal control for thermo-mechanical pulping processes with multi-stage low consistency refining | |
CN201433129Y (zh) | 曝气生物滤池溶解氧智能控制系统 | |
CN113017132A (zh) | 一种基于烘丝机工艺参数预测的烟丝质量优化的方法 | |
CN1994156A (zh) | 热风润叶机新型水分控制系统 | |
CN104810851A (zh) | 火电机组agc方式下负荷调节速率动态调整的方法及装置 | |
CA2814625C (en) | Method and apparatus for stabilizing production of pulp from wood chips | |
CN117784620B (zh) | 尾矿干排脱水机的参数智能调整系统及方法 | |
CN102393691A (zh) | 短纤维原液粘胶生产的自动控制系统 | |
CN101598927B (zh) | 一种基于神经网络的纯碱碳化工艺控制系统及其控制方法 | |
Zhang et al. | Soft Sensors for Pulp Freeness and Outlet Consistency Estimation in the Alkaline Peroxide Mechanical Pulping (APMP) High-Consistency Refining Process. | |
CN105271398A (zh) | 水解集成系统及其工作方法 | |
Li et al. | Analytical design based hierarchical control for non-square MIMO wood-chip refining process | |
CN113198591B (zh) | 基于滚动时域估计的辊式立磨自适应预测控制系统 | |
CN208748424U (zh) | 一种造纸打浆工艺控制系统 | |
Wang et al. | Performance analysis for operational optimal control for complex industrial processes under small loop control errors | |
Sharibaev et al. | Process monitoring of devil machine electric engine in cotton primary processing enterprises | |
CN204741287U (zh) | 一种火电机组agc方式下负荷调节速率动态调整的装置 | |
CN101604420A (zh) | 煤气平衡模型的建立方法 | |
Tian et al. | Multiobjective economic model predictive control of mechanical pulping processes | |
Bayatkashkoli | Evaluation of process variables effect on the bursting strength of newsprint, printing and writing paper | |
CN102393692B (zh) | 短纤维原液粘胶生产中的浸渍自动控制系统 | |
CN104866725A (zh) | 一种基于最小二乘支持向量机对卷烟企业蒸汽消耗量进行预测的方法 | |
CN105140925A (zh) | 一种电力系统自动电压控制方法及装置 | |
Zhang et al. | Improved Model for Brightness Optimization Control in the First (C95/D5) Bleaching Stage |
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: 20141119 |