CN104570739B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN104570739B
CN104570739B CN201510006752.3A CN201510006752A CN104570739B CN 104570739 B CN104570739 B CN 104570739B CN 201510006752 A CN201510006752 A CN 201510006752A CN 104570739 B CN104570739 B CN 104570739B
Authority
CN
China
Prior art keywords
decision
cloud server
mobile terminal
mineral processing
production
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.)
Active
Application number
CN201510006752.3A
Other languages
English (en)
Other versions
CN104570739A (zh
Inventor
刘长鑫
高论
丁进良
柴天佑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201510006752.3A priority Critical patent/CN104570739B/zh
Publication of CN104570739A publication Critical patent/CN104570739A/zh
Priority to LU93190A priority patent/LU93190B1/fr
Priority to US15/107,013 priority patent/US9965722B2/en
Priority to PCT/CN2015/095925 priority patent/WO2016110165A1/zh
Priority to EP15876665.9A priority patent/EP3244271B1/en
Application granted granted Critical
Publication of CN104570739B publication Critical patent/CN104570739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
    • 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
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03B—SEPARATING SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS
    • B03B13/00—Control arrangements specially adapted for wet-separating apparatus or for dressing plant, using physical effects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C—MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03C1/00—Magnetic separation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
    • B03D1/00—Flotation
    • B03D1/02—Froth-flotation processes
    • B03D1/028—Control and monitoring of flotation processes; computer models therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B03—SEPARATION OF SOLID MATERIALS USING LIQUIDS OR USING PNEUMATIC TABLES OR JIGS; MAGNETIC OR ELECTROSTATIC SEPARATION OF SOLID MATERIALS FROM SOLID MATERIALS OR FLUIDS; SEPARATION BY HIGH-VOLTAGE ELECTRIC FIELDS
    • B03D—FLOTATION; DIFFERENTIAL SEDIMENTATION
    • B03D2203/00—Specified materials treated by the flotation agents; specified applications
    • B03D2203/02—Ores
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07B—SEPARATING SOLIDS FROM SOLIDS BY SIEVING, SCREENING, SIFTING OR BY USING GAS CURRENTS; SEPARATING BY OTHER DRY METHODS APPLICABLE TO BULK MATERIAL, e.g. LOOSE ARTICLES FIT TO BE HANDLED LIKE BULK MATERIAL
    • B07B13/00—Grading or sorting solid materials by dry methods, not otherwise provided for; Sorting articles otherwise than by indirectly controlled devices
    • B07B13/14—Details or accessories
    • B07B13/18—Control
    • 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
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/10—Plc systems
    • G05B2219/13—Plc programming
    • G05B2219/13018—Conversion ladder diagram to decision system, machine code, language
    • 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]

Abstract

本发明涉及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，该系统包括移动智能终端、云服务器、移动工业私有云服务器、采集计算机和过程控制器PLC或者DCS，在智能移动终端设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数，移动工业私有云服务器计算出多组决策结果解集，在智能移动终端确定最终的决策结果，移动工业私有云服务器计算出过程控制给定值，移动智能终端确定最终过程控制给定值，过程控制器PLC或者DCS根据最终过程控制给定值控制生产线上的设备进行生产。

Description

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
技术领域
本发明属于信息技术领域，具体涉及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。
背景技术
目前国内的选矿生产中，对生产过程的控制大多局限在本地控制，通过在厂区不同区域，分别建立工程师站，来对生产过程不同阶段进行控制。然而这种方式具有造价高，维护困难，存在安全隐患，生产状态监控不变，难于动态管理与优化等缺点。
选矿生产过程中的每一道工序都相互联系，相互耦合，然而传统的控制系统忽略了这种联系，这就使得传统的控制系统无法较好的协调各道工序，使生产线发挥全部的潜能，无法做到全流程的规划，同时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。
由于传统控制系统将采集到的生产过程数据及历史数据都保留在各个工程师站内，这使得生产数据残缺易丢失，不能系统的从全局了解生产过程的状态，无法为多生产指标决策提供可靠依据。
管理层，工程师及研发人员需要通过特定计算机来监控生产和决策过程以及下达决策命令。时间和地点都具有局限性，不能实时的与生产过程进行互动。
发明内容
针对现有技术的不足，本发明提出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。
本发明技术方案如下：
基于云和移动终端的选矿多生产指标优化决策系统，包括：智能移动终端、云服务器、移动工业私有云服务器、采集计算机和过程控制器PLC或者DCS；
所述的智能移动终端通过无线网路与云服务器连接，云服务器通过以太网与移动工业私有云服务器连接，移动工业私有云服务器安装于选矿厂内部，移动工业私有云服务器通过以太网与采集计算机和过程控制器PLC或者DCS连接，采集计算机通过工业以太网与选矿厂内过程控制器PLC或者DCS连接；
所述的智能移动终端，用于设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围和决策变量的时间范围，设定和修改选矿多生产指标优化决策算法，设定和修改算法参数，根据移动工业私有云服务器提供的多组决策结果解集确定最终的决策结果及设备和能源分配结果，并通过云服务器发送至移动工业私有云服务器，同时，显示决策结果解集、最终的决策结果、过程控制给定值、设备和能源分配结果、过程控制器PLC或者DCS的生产数据；
所述的选矿生产指标包括精矿品位、全选比、金属回收率、吨精成本和精矿产量；
所述的选矿生产指标优化决策模型的其边界和约束条件包括：设备生产能力约束、尾矿品位约束、多生产指标约束、可利用原矿资源约束和能源资源约束；
所述的智能移动终端设置有移动终端子系统，包括：生产指标管理模块、边界与约束条件管理模块、决策变量管理模块、PI决策流程管理模块、算法管理模块、PI结果显示与调整模块、过程控制模块和报告管理模块；
所述的生产指标管理模块，用于显示和设定选矿生产指标、选矿生产指标的目标值范围和选矿生产指标优化决策模型，并通过云服务器发送至移动工业私有云服务器；
所述的边界与约束条件管理模块，用于显示和设定选矿生产指标优化决策模型边界和约束条件，并通过云服务器发送至移动工业私有云服务器；
所述的决策变量管理模块，用于显示、设定和修改选矿生产指标优化决策变量，并发送到云服务器，所述的决策变量即各种原矿的使用量；
所述的PI决策流程管理模块，用于显示和确定选矿生产指标的时间范围，并根据选矿生产指标的时间范围确定决策变量的时间范围，并通过云服务器发送至移动工业私有云服务器；
所述的算法管理模块，用于显示和设定与修改选矿多生产指标优化决策算法，设定和修改算法参数，通过云服务器发送至移动工业私有云服务器；
所述的PI结果显示与调整模块，用于显示移动工业私有云服务器提供的多组决策结果解集，确定最终的决策结果并通过云服务器发送至移动工业私有云服务器；
所述的过程控制模块，用于显示过程控制给定值和设备及能源资源调度分配情况，将最终过程控制给定值和设备与能源资源分配结果通过云服务器发送至移动工业私有云服务器；
所述的报告管理模块，用于制定生产情况报告，显示设备的生产数据和移动终端子系统中所有模块的数据；
所述的云服务器，用于实现智能移动终端和移动工业私有云服务器之间的数据交换；
所述的移动工业私有云服务器，用于将智能移动终端的数据进行分配并进行监控；根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，根据智能移动终端确定的最终的决策结果计算出过程控制给定值，并通过云服务器发送至智能移动终端；将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；同时存储采集计算机的生产数据和智能移动终端的数据，将采集计算机的生产数据通过云服务器发送至智能移动终端；
所述的移动工业私有云服务器设有移动工业私有云子系统，包括：生产调度机、决策优化机、信息管理机、过程数据中心；
所述的信息管理机，用于将智能移动终端的数据进行分配并进行监控：将选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数分配给决策优化机；将最终的决策结果分配给生产调度机；将所有智能移动终端的数据发送至过程数据中心；同时将采集计算机的生产数据存储到过程数据中心，将过程数据中心的数据发送到智能移动终端；
所述的决策优化机，根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，并将多组决策结果解集发送至过程数据中心；
所述的生产调度机，用于根据最终的决策结果算出过程控制给定值，将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；
所述的过程数据中心，用于存储采集计算机的生产数据和智能移动终端数据，对数据进行形式转换，提供给信息管理机、决策优化机、生产调度机，并接收存储信息管理机、决策优化机、生产调度机的信息；
所述的采集计算机，用于采集选矿厂内设备的生产数据，并发送至移动工业私有云服务器，生产数据包括：过程控制被控对象检测值，设备生产天数，设备停产天数，设备累计运行时间，检修时间，产品产量；
所述的过程控制器PLC或者DCS，用于根据最终过程控制给定值控制生产线上的设备进行生产。
采用基于云和移动终端的选矿多生产指标优化决策系统进行选矿多生产指标优化决策的方法，包括以下步骤：
步骤1：用户在智能移动终端设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数，并通过云服务器发送至移动工业私有云服务器；
步骤2：移动工业私有云服务器根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，将多组决策结果解集发送至过程数据中心，再通过云服务器从过程数据中心发送至智能移动终端；
步骤3：智能移动终端显示决策结果解集，在智能移动终端根据决策结果解集，确定最终的决策结果，并通过云服务器发送至移动工业私有云服务器；
步骤4：移动工业私有云服务器根据最终的决策结果，计算出过程控制给定值，并通过云服务器发送至智能移动终端；
步骤5：智能移动终端显示过程控制给定值，确定最终过程控制给定值，并根据最终的决策结果结合采集计算机的数据进行设备和能源资源调度分配，将设备和能源资源调度分配结果和最终过程控制给定值通过云服务器发送至移动工业私有云服务器；
步骤6：移动工业私有云服务器将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；
步骤7：过程控制器PLC或者DCS根据最终过程控制给定值控制生产线上的设备进行生产；
步骤8：采集计算机采集选矿厂内过程控制器PLC或者DCS的生产数据，并发送至移动工业私有云服务器；
步骤9：移动工业私有云服务器将采集计算机的生产数据进行存储并通过云服务器发送至智能移动终端；
步骤10：智能移动终端显示各生产过程数据；
步骤11：随着选矿生产的进行，当实际生产未能按照最终的决策结果准确执行时，移动工业私有云服务器将对选矿生产指标的时间范围内剩余的生产时间进行重新优化决策，返回步骤2。
本发明的有益效果是：本发明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，为选矿生产企业提供了一种新的用于指标优化决策与管理调度的系统，通过互联网与云技术的应用，实现了用户对工厂运行情况的远程实时监控以及移动式办公，以及数据的统一管理与分析，有效解决了传统控制系统对工程师站的依赖，具有造价低廉，维护方便，无安全隐患，无需通过特定计算机进行控制操作，生产状态监控实时化，动态管理与优化等优点；本系统利用智能优化算法代替人工试凑式决策，从工厂整体情况出发分析各生产工序内在联系，有效挖掘工厂的生产潜能。本发明将传统分散在工业现场各个不同区域的工程师站采用运行在工业云段的虚拟主机来完成，这样一方面降低了独立分散的工程师站的数据维护、安全性隐患，同时采用内网云数据中心方式也利于企业数据集中管理，利于后续进行的大数据分析。结合新计算机、互联网技术，通过采用广泛应用的智能终端加云控制方式，使管理层与研发人员可以随时随地通过手机、平板等智能终端访问、监视工业系统的控制、优化现状，查看企业运行分析报告，并根据需求随时下达生产指导意见。
附图说明
图1为本发明具体实施方式中的基于云和移动终端的选矿多生产指标优化决策系统的结构示意图
图2为本发明具体实施方式中的基于云和移动终端的选矿多生产指标优化决策系统的结构框图；
图3为本发明具体实施方式中的基于云和移动终端的选矿多生产指标优化决策方法的流程图。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
基于云和移动终端的选矿多生产指标优化决策系统，如图1所示，包括：智能移动终端、云服务器、移动工业私有云服务器、采集计算机和过程控制器PLC或者DCS。
智能移动终端通过无线网路与云服务器连接，云服务器通过以太网与移动工业私有云服务器连接，移动工业私有云服务器安装于选矿厂内部，移动工业私有云服务器通过以太网与采集计算机和过程控制器PLC或者DCS连接，采集计算机通过工业以太网与选矿厂内过程控制器PLC或者DCS连接。
本实施方式中的基于云和移动终端的选矿多生产指标优化决策系统的结构框图如图2所示。
本实施方式中，选取的智能移动终端为三星tab st705c型4台，泰克思达无线同屏投影仪3台。
智能移动终端，用于设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围和决策变量的时间范围，设定和修改选矿多生产指标优化决策算法，设定和修改算法参数，根据移动工业私有云服务器提供的多组决策结果解集确定最终的决策结果及设备和能源分配结果，并通过云服务器发送至移动工业私有云服务器，同时，显示决策结果解集、最终的决策结果、过程控制给定值、设备和能源分配结果、过程控制器PLC或者DCS的生产数据。
选矿生产指标包括精矿品位、全选比、金属回收率、吨精成本和精矿产量。
选矿生产指标优化决策模型的其边界和约束条件包括：设备生产能力约束、尾矿品位约束、多生产指标约束、可利用原矿资源约束和能源资源约束。
智能移动终端设置有移动终端子系统，包括：生产指标管理模块、边界与约束条件管理模块、决策变量管理模块、PI决策流程管理模块、算法管理模块、PI结果显示与调整模块、过程控制模块和报告管理模块；
生产指标管理模块，用于显示和设定选矿生产指标、选矿生产指标的目标值范围和选矿生产指标优化决策模型，并通过云服务器发送至移动工业私有云服务器；
边界与约束条件管理模块，用于显示和设定选矿生产指标优化决策模型边界和约束条件，并通过云服务器发送至移动工业私有云服务器；
决策变量管理模块，用于显示、设定和修改选矿生产指标优化决策变量，并发送到云服务器，所述的决策变量即各种原矿的使用量；
PI决策流程管理模块，用于显示和确定选矿生产指标的时间范围，并根据选矿生产指标的时间范围确定决策变量的时间范围，并通过云服务器发送至移动工业私有云服务器；
算法管理模块，用于显示和设定与修改选矿多生产指标优化决策算法，设定和修改算法参数，通过云服务器发送至移动工业私有云服务器；
PI结果显示与调整模块，用于显示移动工业私有云服务器提供的多组决策结果解集，确定最终的决策结果并通过云服务器发送至移动工业私有云服务器；
过程控制模块，用于显示过程控制给定值和设备及能源资源调度分配情况，将最终过程控制给定值和设备与能源资源分配结果通过云服务器发送至移动工业私有云服务器；
报告管理模块，用于制定生产情况报告，显示设备的生产数据和移动终端子系统中所有模块的数据。
云服务器，用于采用阿里云实现智能移动终端和移动工业私有云服务器之间的数据交换。
移动工业私有云服务器，用于将智能移动终端的数据进行分配并进行监控；根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，根据智能移动终端确定的最终的决策结果计算出过程控制给定值，并通过云服务器发送至智能移动终端；将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；同时存储采集计算机的生产数据和智能移动终端的数据，将采集计算机的生产数据通过云服务器发送至智能移动终端。
本实施方式中，选取的移动工业私有云服务器移由戴尔R730XD机架式服务器6台，基本配置为E5-2650*2/192G/5*480 SSD/4千兆+2万兆网卡，华为s1700_24gr 24口工业内网交换机2部，D-LINK DI-7100G路由器2部进行搭建。
移动工业私有云服务器设有移动工业私有云子系统，包括：生产调度机、决策优化机、信息管理机、过程数据中心。
信息管理机，用于将智能移动终端的数据进行分配并进行监控：将选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数分配给决策优化机；将最终的决策结果分配给生产调度机；将所有智能移动终端的数据发送至过程数据中心；同时将采集计算机的生产数据存储到过程数据中心，将过程数据中心的数据发送到智能移动终端；
决策优化机，根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，并将多组决策结果解集发送至过程数据中心；
生产调度机，用于根据最终的决策结果算出过程控制给定值，将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；
过程数据中心，用于存储采集计算机的生产数据和智能移动终端数据，对数据进行形式转换，提供给信息管理机、决策优化机、生产调度机，并接收存储信息管理机、决策优化机、生产调度机的信息。
采集计算机，用于采集选矿厂内设备的生产数据，并发送至移动工业私有云服务器，生产数据包括：过程控制被控对象检测值，设备生产天数，设备停产天数，设备累计运行时间，检修时间，产品产量。
本实施方式中，选用的计算机为dell-T5500工作站，基本配置为Xeon E5506/2GB/320GB。
过程控制器PLC或者DCS，用于根据最终过程控制给定值控制生产线上的设备进行生产。
本实施方式中，选用的过程控制器PLC的型号为西门子S7-300。
采用基于云和移动终端的选矿多生产指标优化决策系统进行选矿多生产指标优化决策的方法，如图3所示，包括以下步骤：
步骤1：用户在智能移动终端设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数，并通过云服务器发送至移动工业私有云服务器。
本实施方式中，选矿生产指标包括精矿品位、全选比、金属回收率、吨精成本和精矿产量。选矿生产指标如表1所示：
表1选矿生产指标
选矿生产指标的时间范围：一年。
决策变量的时间范围：一个月的原矿使用种类和数量。
选矿多生产指标优化决策算法：NSGA-II，SPEA2，G-NSGA-II，G-SPEA2。
算法参数：遗传概率0.9变异概率0.1进化代数1000代，梯度算子概率0.1，步长分布系数20，20，种群大小200。
选矿生产指标优化决策模型：
精矿产量目标模型如公式(1)所示：
max Q ( X → ) , Q ( X → ) = Σ i = 1 I ( 1 - u i ) x i / k 1 , i + Σ i = 1 I u i x i / k 2 , i - - - ( 1 )
精矿品位目标模型如公式(2)所示：
max β ( X → ) , β ( X → ) = Σ i = 1 I ( 1 - u i ) β 1 , i x i / k 1 , i + Σ i = 1 I u i β 2 , i x i / k 2 , i Σ i = 1 I ( 1 - u i ) x i / k 1 , i + Σ i = 1 I u i x i / k 2 , i - - - ( 2 )
全选比目标模型如公式(3)所示：
min K ( X → ) , K ( X → ) = ( Σ i = 1 I x i ) / [ Σ i = 1 I ( 1 - u i ) x i / k 1 , i + Σ i = 1 I u i x i / k 2 , i ] - - - ( 3 )
金属回收率目标模型如公式(4)所示：
m a x ϵ ( X → ) , ϵ ( X → ) = Σ i = 1 I ( 1 - u i ) β 1 , i x i / k 1 , j + Σ i = 1 I u i β 2 , i x i / k 2 , i Σ i = 1 I x i α i - - - ( 4 )
精矿成本目标模型如公式(5)所示：
min C ( X → ) , C ( X → ) = Σ i = 1 I r i x i + C o t h e r Σ i = 1 I ( 1 - u i ) x i / k 1 , i + Σ i = 1 I u i x i / k 2 , i + C e n e r g y - - - ( 5 )
其中，为精矿产量，为精矿品位，为全选比，为金属回收率，为精矿成本，i为第i种原矿，i＝1，2，...I；αi为原矿i的品位；xi为第i种原矿的处理量(吨)；β1，i为原矿i的强磁精矿品位；β2，i为原矿i的弱磁精矿品位；ui为原矿i的块矿率，即分离出的块矿量对原矿量的比率；k1，i为原矿i筛分出的粉矿的选矿比；k2，i为原矿i筛分出的块矿的选矿比；ri为原矿i单价(元/吨)；Cenergy为精矿产品吨耗单位能耗成本；Cother为除原矿成本和能源成本之外的其他总固定费用，包括定额费用、可控制造费用等。决策变量为xi为第i种原矿的处理量(吨)。
选矿生产指标优化决策模型的边界和约束条件如表2所示：
表2选矿生产指标优化决策模型的边界和约束条件
步骤2：移动工业私有云服务器根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，将多组决策结果解集发送至过程数据中心，再通过云服务器从过程数据中心发送至智能移动终端。
步骤3：智能移动终端显示决策结果解集，在智能移动终端根据决策结果解集，确定最终的决策结果，并通过云服务器发送至移动工业私有云服务器。
本实施方式中，一个具体的决策结果如表3所示：
表3决策结果(万吨)
其中，i为第i种原矿。
步骤4：移动工业私有云服务器根据最终的决策结果，计算出过程控制给定值，并通过云服务器发送至智能移动终端。
本实施方式中，根据最终的决策结果，计算出的部分过程控制给定值如表4所示：
表4部分过程控制给定值
步骤5：智能移动终端显示过程控制给定值，确定最终过程控制给定值，并根据最终的决策结果结合采集计算机的数据进行设备和能源资源调度分配，将设备和能源资源调度分配结果和最终过程控制给定值通过云服务器发送至移动工业私有云服务器。
步骤6：移动工业私有云服务器将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中。
步骤7：过程控制器PLC或者DCS根据最终过程控制给定值控制生产线上的设备进行生产。
步骤8：采集计算机采集选矿厂内过程控制器PLC或者DCS的生产数据，并发送至移动工业私有云服务器。
生产数据包括：过程控制被控对象检测值，设备生产天数，设备停产天数，设备累计运行时间，检修时间，产品产量。
本实施方式中，过程控制被控对象检测值包括球磨机转速、竖炉焙烧温度。
得到的设备的部分生产数据为日历天数、综精产量、停产天数、强精产量、生产天数、弱精产量、竖炉总运时、竖炉原矿炉运时、竖炉反矿炉运时、强磁机粗选机运时、强磁机扫选机运时、强磁机检修时间、强磁球磨生产总运时、强磁球磨定修时间、强磁球磨停紧时间、强磁球磨故障时间、强磁球磨精矿台时产量、弱磁球磨生产总运时、弱磁球磨定修时间、弱磁球磨停紧时间、弱磁球磨故障时间、弱磁球磨精矿台时产量，球磨机转速、竖炉焙烧温度，如表4所示：
表4设备的部分生产数据
步骤9：移动工业私有云服务器将采集计算机的生产数据进行存储并通过云服务器发送至智能移动终端。
步骤10：智能移动终端显示各生产过程数据。
步骤11：随着选矿生产的进行，当实际生产未能按照最终的决策结果准确执行时，移动工业私有云服务器将对选矿生产指标的时间范围内剩余的生产时间进行重新优化决策，返回步骤2。

Claims (6)

1.基于云和移动终端的选矿多生产指标优化决策系统，其特征在于，包括：智能移动终端、云服务器、移动工业私有云服务器、采集计算机和过程控制器PLC或者DCS；
所述的智能移动终端通过无线网路与云服务器连接，云服务器通过以太网与移动工业私有云服务器连接，移动工业私有云服务器安装于选矿厂内部，移动工业私有云服务器通过以太网与采集计算机和过程控制器PLC或者DCS连接，采集计算机通过工业以太网与选矿厂内过程控制器PLC或者DCS连接；
所述的智能移动终端，用于设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围和决策变量的时间范围，设定和修改选矿多生产指标优化决策算法，设定和修改算法参数，根据移动工业私有云服务器提供的多组决策结果解集确定最终的决策结果及设备和能源分配结果，并通过云服务器发送至移动工业私有云服务器，同时，显示决策结果解集、最终的决策结果、过程控制给定值、设备和能源分配结果、过程控制器PLC或者DCS的生产数据；
所述的云服务器，用于实现智能移动终端和移动工业私有云服务器之间的数据交换；
所述的移动工业私有云服务器，用于将智能移动终端的数据进行分配并进行监控；根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，根据智能移动终端确定的最终的决策结果计算出过程控制给定值，并通过云服务器发送至智能移动终端；将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；同时存储采集计算机的生产数据和智能移动终端的数据，将采集计算机的生产数据通过云服务器发送至智能移动终端；
所述的采集计算机，用于采集选矿厂内设备的生产数据，并发送至移动工业私有云服务器，生产数据包括：过程控制被控对象检测值，设备生产天数，设备停产天数，设备累计运行时间，检修时间，产品产量；
所述的过程控制器PLC或者DCS，用于根据最终过程控制给定值控制生产线上的设备进行生产。
2.根据权利要求1所述的基于云和移动终端的选矿多生产指标优化决策系统，其特征在于，所述的智能移动终端设置有移动终端子系统，包括：生产指标管理模块、边界与约束条件管理模块、决策变量管理模块、PI决策流程管理模块、算法管理模块、PI结果显示与调整模块、过程控制模块和报告管理模块；
所述的生产指标管理模块，用于显示和设定选矿生产指标、选矿生产指标的目标值范围和选矿生产指标优化决策模型，并通过云服务器发送至移动工业私有云服务器；
所述的边界与约束条件管理模块，用于显示和设定选矿生产指标优化决策模型边界和约束条件，并通过云服务器发送至移动工业私有云服务器；
所述的决策变量管理模块，用于显示、设定和修改选矿生产指标优化决策变量，并发送到云服务器，所述的决策变量即各种原矿的使用量；
所述的PI决策流程管理模块，用于显示和确定选矿生产指标的时间范围，并根据选矿生产指标的时间范围确定决策变量的时间范围，并通过云服务器发送至移动工业私有云服务器；
所述的算法管理模块，用于显示和设定与修改选矿多生产指标优化决策算法，设定和修改算法参数，通过云服务器发送至移动工业私有云服务器；
所述的PI结果显示与调整模块，用于显示移动工业私有云服务器提供的多组决策结果解集，确定最终的决策结果并通过云服务器发送至移动工业私有云服务器；
所述的过程控制模块，用于显示过程控制给定值和设备及能源资源调度分配情况，将最终过程控制给定值和设备与能源资源分配结果通过云服务器发送至移动工业私有云服务器；
所述的报告管理模块，用于制定生产情况报告，显示设备的生产数据和移动终端子系统中所有模块的数据。
3.根据权利要求1所述的基于云和移动终端的选矿多生产指标优化决策系统，其特征在于，所述的移动工业私有云服务器设有移动工业私有云子系统，包括：生产调度机、决策优化机、信息管理机、过程数据中心；
所述的信息管理机，用于将智能移动终端的数据进行分配并进行监控：将选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数分配给决策优化机；将最终的决策结果分配给生产调度机；将所有智能移动终端的数据发送至过程数据中心；同时将采集计算机的生产数据存储到过程数据中心，将过程数据中心的数据发送到智能移动终端；
所述的决策优化机，根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，并将多组决策结果解集发送至过程数据中心；
所述的生产调度机，用于根据最终的决策结果算出过程控制给定值，将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；
所述的过程数据中心，用于存储采集计算机的生产数据和智能移动终端数据，对数据进行形式转换，提供给信息管理机、决策优化机、生产调度机，并接收存储信息管理机、决策优化机、生产调度机的信息。
4.根据权利要求2所述的基于云和移动终端的选矿多生产指标优化决策系统，其特征在于，所述的选矿生产指标包括精矿品位、全选比、金属回收率、吨精成本和精矿产量。
5.根据权利要求2所述的基于云和移动终端的选矿多生产指标优化决策系统，其特征在于，所述的选矿生产指标优化决策模型的其边界和约束条件包括：设备生产能力约束、尾矿品位约束、多生产指标约束、可利用原矿资源约束和能源资源约束。
6.采用权利要求1所述的基于云和移动终端的选矿多生产指标优化决策系统进行选矿多生产指标优化决策的方法，其特征在于，包括以下步骤：
步骤1：用户在智能移动终端设定选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、选矿生产指标优化决策变量、选矿生产指标的时间范围、决策变量的时间范围、选矿多生产指标优化决策算法和算法参数，并通过云服务器发送至移动工业私有云服务器；
步骤2：移动工业私有云服务器根据智能移动终端设定的选矿生产指标、选矿生产指标的目标值范围、选矿生产指标优化决策模型及其边界和约束条件、决策变量、生产目标的时间范围和决策变量的时间范围，利用选矿多生产指标优化决策算法和算法参数，计算出多组决策结果解集，将多组决策结果解集发送至过程数据中心，再通过云服务器从过程数据中心发送至智能移动终端；
步骤3：智能移动终端显示决策结果解集，在智能移动终端根据决策结果解集，确定最终的决策结果，并通过云服务器发送至移动工业私有云服务器；
步骤4：移动工业私有云服务器根据最终的决策结果，计算出过程控制给定值，并通过云服务器发送至智能移动终端；
步骤5：智能移动终端显示过程控制给定值，确定最终过程控制给定值，并根据最终的决策结果结合采集计算机的数据进行设备和能源资源调度分配，将设备和能源资源调度分配结果和最终过程控制给定值通过云服务器发送至移动工业私有云服务器；
步骤6：移动工业私有云服务器将确定的最终过程控制给定值发送到过程控制器PLC或者DCS中；
步骤7：过程控制器PLC或者DCS根据最终过程控制给定值控制生产线上的设备进行生产；
步骤8：采集计算机采集选矿厂内过程控制器PLC或者DCS的生产数据，并发送至移动工业私有云服务器；
步骤9：移动工业私有云服务器将采集计算机的生产数据进行存储并通过云服务器发送至智能移动终端；
步骤10：智能移动终端显示各生产过程数据；
步骤11：随着选矿生产的进行，当实际生产未能按照最终的决策结果准确执行时，移动工业私有云服务器将对选矿生产指标的时间范围内剩余的生产时间进行重新优化决策，返回步骤2。
CN201510006752.3A 2015-01-07 2015-01-07 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 Active CN104570739B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201510006752.3A CN104570739B (zh) 2015-01-07 2015-01-07 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
LU93190A LU93190B1 (en) 2015-01-07 2015-11-30 Optimized decision-making system and method for multiple ore dressing production indexes based on cloud server and mobile terminals
US15/107,013 US9965722B2 (en) 2015-01-07 2015-11-30 Optimized decision-making system and method for multiple ore dressing production indexes based on cloud server and mobile terminals
PCT/CN2015/095925 WO2016110165A1 (zh) 2015-01-07 2015-11-30 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
EP15876665.9A EP3244271B1 (en) 2015-01-07 2015-11-30 Ore dressing multi-production-index optimization decision making system and method based on cloud and mobile terminal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510006752.3A CN104570739B (zh) 2015-01-07 2015-01-07 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

Publications (2)

Publication Number Publication Date
CN104570739A CN104570739A (zh) 2015-04-29
CN104570739B true CN104570739B (zh) 2017-01-25

Family

ID=53087109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510006752.3A Active CN104570739B (zh) 2015-01-07 2015-01-07 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

Country Status (5)

Country Link
US (1) US9965722B2 (zh)
EP (1) EP3244271B1 (zh)
CN (1) CN104570739B (zh)
LU (1) LU93190B1 (zh)
WO (1) WO2016110165A1 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104850054A (zh) * 2015-05-21 2015-08-19 泉州华大超硬工具科技有限公司 一种绳锯机远程监控控制系统
CN105610911A (zh) * 2015-12-18 2016-05-25 东北大学 一种基于私有云的风电移动监测系统及方法
EP3611581B1 (en) * 2016-05-25 2021-11-10 Siemens Aktiengesellschaft Industrial controller and method configured to control an industrial activity
CN106408192B (zh) * 2016-09-23 2019-07-23 东北大学 一种选矿设备运行状态监控系统及方法
CN106650997A (zh) * 2016-10-26 2017-05-10 北京矿冶研究总院 一种选矿生产指标的优化方法
CN106527339B (zh) * 2016-12-14 2019-04-23 东北大学 一种基于工业云的高可靠的选矿设备故障诊断系统及方法
JP6585656B2 (ja) * 2017-05-10 2019-10-02 株式会社ソニー・インタラクティブエンタテインメント 製造ライン用コンピュータシステム及びそのネットワーク設定方法
CN106990720B (zh) * 2017-05-19 2020-06-23 关守平 基于实时云计算模型的虚拟控制实验平台及控制方法
CN109209504B (zh) * 2018-11-05 2020-03-24 郑州煤机液压电控有限公司 可编程的上位机自动跟机方法
DE102019104822A1 (de) * 2019-02-26 2020-08-27 Wago Verwaltungsgesellschaft Mbh Verfahren und Vorrichtung zum Überwachen eines industriellen Prozessschrittes
CN109840718B (zh) * 2019-02-28 2023-02-07 东北大学 一种基于组态的生产指标可视化监控系统及方法
CN110059735A (zh) * 2019-04-04 2019-07-26 东北大学 一种基于霍夫变换的可视化时序模式匹配方法
CN110242348B (zh) * 2019-07-11 2024-02-27 福建六建集团有限公司 一种基于dtu的隧道消防系统及其安全控制方法
CN110363355B (zh) * 2019-07-16 2022-11-29 东北大学 一种氧化铝生产指标的云-边协同预报系统及方法
CN110320842B (zh) * 2019-07-16 2021-09-07 东北大学 用于氧化铝生产过程的多尺度数据采集与处理装置及方法
CN110263494B (zh) * 2019-07-16 2023-05-12 东北大学 一种基于云边协同的氧化铝生产运行优化系统及方法
CN112859757B (zh) * 2019-11-27 2022-04-22 宁波舜宇智能科技有限公司 边缘计算控制方法、装置、边缘计算机和可读存储介质
CN111352650B (zh) * 2020-02-25 2023-06-30 杭州电子科技大学 一种基于insga-ii的软件模块化多目标优化方法及系统
CN111538254B (zh) * 2020-05-11 2023-04-07 成都华川电装有限责任公司 一种获取永磁同步电机性能map表的仿真电路
CN111738580B (zh) * 2020-06-12 2023-11-14 鞍钢集团矿业有限公司 一种鞍山式铁矿配矿优化方法
CN112295732B (zh) * 2020-09-27 2022-11-25 国家能源集团国源电力有限公司 一种磁铁矿粉的分选方法、装置及电子设备
CN113153432B (zh) * 2021-04-13 2024-03-15 万宝矿产有限公司 多变量矿山废石混入率动态测算方法
CN113626976A (zh) * 2021-06-21 2021-11-09 江苏省镔鑫钢铁集团有限公司 一种基于nsga-ii算法的烧结配料多目标优化方法、装置及设备
CN114844886B (zh) * 2022-03-22 2023-11-24 山东理工大学 云边结合环境下基于海鸥优化算法的移动服务选择方法
CN116301871B (zh) * 2023-05-23 2023-08-08 南京海泰医疗信息系统有限公司 一种采用指标图例开发功能页面的方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6542782B1 (en) * 1998-12-31 2003-04-01 Z. Joseph Lu Systems for generating and using a lookup table with process facility control systems and models of the same, and methods of operating such systems
CN103745406A (zh) * 2013-12-23 2014-04-23 东北大学 可视化选矿生产全流程工艺指标优化决策系统及方法
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

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010142001A2 (en) 2009-06-12 2010-12-16 Technological Resources Pty Limited A mine scheduling system
US10037443B2 (en) * 2011-03-07 2018-07-31 Rockwell Automation Technologies, Inc. Industrial simulation using redirected I/O module configurations
WO2013052921A2 (en) * 2011-10-07 2013-04-11 Sahin Nedim Infrastructure for solar power installations
CN202424845U (zh) 2011-12-26 2012-09-05 李明宇 一种煤矿安全生产实时无线监管系统
US9647906B2 (en) * 2012-11-02 2017-05-09 Rockwell Automation Technologies, Inc. Cloud based drive monitoring solution
US9438648B2 (en) * 2013-05-09 2016-09-06 Rockwell Automation Technologies, Inc. Industrial data analytics in a cloud platform
CN103559783A (zh) 2013-11-01 2014-02-05 山东科技大学 一种基于移动终端的煤矿环境和设备安全信息采集与同步技术
CN103617456B (zh) * 2013-12-04 2016-08-17 东北大学 一种选矿过程运行指标优化方法
CN103929496A (zh) 2014-04-30 2014-07-16 北京矿冶研究总院 一种选矿过程中的数据传输方法
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6542782B1 (en) * 1998-12-31 2003-04-01 Z. Joseph Lu Systems for generating and using a lookup table with process facility control systems and models of the same, and methods of operating such systems
CN103745406A (zh) * 2013-12-23 2014-04-23 东北大学 可视化选矿生产全流程工艺指标优化决策系统及方法
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Integrated Optimization for the Automation Systems of Mineral Processing;Tianyou Chai，etc;《IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING》;20141031;第11卷(第4期);全文 *
复杂生产过程计划调度级联模型在选矿MES中的应用研究;黄肖玲等;《自动化学报》;20110930;第37卷(第9期);全文 *

Also Published As

Publication number Publication date
CN104570739A (zh) 2015-04-29
EP3244271B1 (en) 2021-01-13
LU93190B1 (en) 2016-12-27
US9965722B2 (en) 2018-05-08
WO2016110165A1 (zh) 2016-07-14
EP3244271A4 (en) 2018-12-05
EP3244271A1 (en) 2017-11-15
US20160364649A1 (en) 2016-12-15

Similar Documents

Publication Publication Date Title
CN104570739B (zh) 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
CN107528385B (zh) 一种基于新能源消纳的源网荷协调控制方法及系统
CN105467946B (zh) 一种铝电解生产精确感知与智能决策方法及mes系统
CN107861478A (zh) 一种智能车间平行控制方法及系统
CN104571068A (zh) 一种分布式能源系统的运行优化控制方法及系统
CN109828539A (zh) 一种基于pdca体系的大数据供热能源管控平台系统
CN103426035A (zh) 钢铁行业副产高炉煤气自平衡调度系统及产消量预测方法
CN105703355B (zh) 一种多样性负荷分级自律协同需求响应方法
CN107800157A (zh) 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法
CN104835012A (zh) 一种钢铁企业生产调度管理系统及方法
CN109961222A (zh) 一种基于云计算的村镇智慧水务管理系统
CN209622933U (zh) 一种城市集中供热智能调度管理系统
CN104384009A (zh) 一种基于Bang-Bang控制的水泥联合粉磨预测控制方法
CN109507961A (zh) 一种半导体生产线动态负荷均衡投料控制方法
CN102915006A (zh) 一种冶金企业副产煤气离线分析在线调度方法
CN103399562B (zh) 一种生产线实时动态成本核算信息处理装置与方法
WO2021007871A1 (zh) 一种基于云边协同的氧化铝生产运行优化系统及方法
CN104218683A (zh) 一种闭环自学习需求响应系统及方法
CN106155024B (zh) 一种无烟装煤集气管压力智能控制系统
CN101833322A (zh) 钢铁企业高炉-转炉区段生产调度过程控制中的专家系统及控制方法
CN108265157A (zh) 智能电弧炉炼钢系统
CN115483701A (zh) 基于配电自动化主站系统的有源配电网区域自治分层调控方法
CN107611976A (zh) 一种智能用电系统及其实现方法
CN104113140B (zh) 一种工业企业厂级电力需量控制系统及装置
CN104281134A (zh) 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

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150429

Assignee: Maogong Branch of Fushun Hanwang Aoniu Mining Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2020210000022

Denomination of invention: Multi production index optimization decision system and method for mineral processing based on cloud and mobile terminal

Granted publication date: 20170125

License type: Common License

Record date: 20201109

Application publication date: 20150429

Assignee: Yunke Jujiang Education Technology Co., Ltd

Assignor: Northeastern University

Contract record no.: X2020210000021

Denomination of invention: Multi production index optimization decision system and method for mineral processing based on cloud and mobile terminal

Granted publication date: 20170125

License type: Common License

Record date: 20201106

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20150429

Assignee: FINLAY COAL DRESSING ENGINEERING TECHNOLOGY (BEIJING) Co.,Ltd.

Assignor: Northeastern University

Contract record no.: X2021210000018

Denomination of invention: Multi production index optimization decision system and method of mineral processing based on cloud and mobile terminal

Granted publication date: 20170125

License type: Common License

Record date: 20210420